Diese Seite wurde maschinell übersetzt. Das englische Original ist maßgeblich. Auf Englisch lesen
Zum Hauptinhalt springen

Sprung- & Fat-Tail-Modelle

Der Markt macht Gaps. Ein Protokoll-Exploit, eine überraschende Fed-Entscheidung, eine Liquidationskaskade. Stochastische Volatilitätsmodelle haben Schwierigkeiten mit plötzlichen Sprüngen. Sprungmodelle behandeln sie direkt: Der Preis teleportiert sich zu zufälligen Zeitpunkten auf ein neues Niveau.

💡
Zwei Wege zu Fat Tails

Stochastische Volatilität (Heston, SABR) macht die Volatilität zufällig. Sprungmodelle lassen den Preis selbst springen. Beide Effekte sind in realen Märkten vorhanden -- Produktionssysteme kombinieren sie häufig.

Auf einen Blick

Modell
Kernidee
Am besten geeignet für
Black-Scholes + zufällige Sprünge. Das ursprüngliche Sprungmodell.
Verständnis von Crash-Risiko, Steilheit des kurzfristigen Smiles
Asymmetrische Sprünge. Crashs größer als Rallys.
Unabhängige Anpassung der Flügel
Reine Sprünge, keine Diffusion. Renditen werden von einer zufälligen Uhr getrieben.
Fat Tails ohne stochastische Volatilität. Akademischer Benchmark.

Was sie gemeinsam haben

Alle drei Modelle erklären Fat Tails und steile kurzfristige Smiles, indem sie dem Preis erlauben zu springen. Sie unterscheiden sich in der Sprungverteilung und darin, ob eine kontinuierliche Diffusionskomponente vorhanden ist.

Modell
Sprungverteilung
Hat Diffusion?
Geschlossene Form?
Flügelverhalten
Merton
Lognormal (symmetrisch)
Ja
Ja (Reihe)
Symmetrische Verdickung
Kou
Doppelt exponentiell (asymmetrisch)
Ja
Ja
Unabhängige linke/rechte Tails
Variance Gamma
Gamma-subordinierte Brownsche Bewegung
Nein
Ja
Gesteuert durch Skew- und Kurtosis-Parameter

Wie sie zueinander in Beziehung stehen

Merton ist das Original: Man nimmt Black-Scholes und fügt zufällige Sprünge hinzu, die aus einer Lognormalverteilung gezogen werden. Die Sprünge sind symmetrisch, sodass das Modell beide Tails gleichermaßen verdickt. Kou behebt dies, indem der lognormale Sprung durch eine doppelte Exponentialverteilung ersetzt wird, mit separaten Parametern für Aufwärts- und Abwärtssprünge -- Crashs können größer sein als Rallys. Variance Gamma geht einen anderen Weg: Es entfernt die Diffusion vollständig und modelliert Renditen als Brownsche Bewegung, die auf einer zufälligen Uhr läuft (einem Gamma-Prozess). Alle Bewegung stammt aus Sprüngen. Dies macht es zu einem reinen Sprungprozess, bei dem die Kurtosis- und Skew-Parameter die Form der Tails direkt steuern.


Modelle in diesem Abschnitt: