Quintisches Polynom-Modell
SVI ist der Branchenstandard für die Anpassung eines Vol-Smiles -- 5 Parameter, ein Slice nach dem anderen. Aber SVI enthält eine spezifische Formannahme: Das Smile ist immer eine verschobene, skalierte Hyperbel. Wenn der Markt etwas tut, das SVI nicht erzeugen kann, verschlechtert sich die Anpassung. Das quintische Polynom-Modell (Gauthier & Possamai, 2023) lässt die Formannahme vollständig fallen. Es passt die gesamte implizite Varianz als Polynom in Log-Moneyness an -- ein Polynom 4. oder 5. Grades mit 5 oder 6 Koeffizienten. Es kann jede Smile-Form anpassen, die der Markt erzeugt, einschließlich solcher, die SVI strukturell verfehlt.
SVI ohne die Formbeschränkung
Gleiche Parameteranzahl wie SVI. Gleiche Slice-für-Slice-Anpassung. Aber wo SVI eine hyperbolische Form erzwingt, lässt das Polynom die Daten entscheiden. Der Kompromiss: Sie verlieren SVIs eingebautes Flügelverhalten und benötigen explizite Beschränkungen für Arbitragefreiheit. Skew und Krümmung sind unabhängige Stellschrauben.
In Aktion erleben
Bewegen Sie die Schieberegler, um zu erkunden, wie jeder Koeffizient das Smile formt. Probieren Sie die Voreinstellung 'Double bump' für eine Form, die SVI nicht erzeugen kann.
Smile-Explorer: quintisches Polynom
Probieren Sie „Doppelhöcker“ und aktivieren Sie „SVI-Referenz anzeigen“, um eine Form zu sehen, die das Polynom erzeugen kann, SVI strukturell aber nicht.
Funktionsweise
1. Gesamtvarianz als Polynom
Für einen gegebenen Verfall wird die gesamte implizite Varianz als Polynom in Log-Moneyness modelliert:
Jeder Koeffizient hat eine direkte Trader-Interpretation:
2. Arbitrage-Beschränkungen sind einfache Schranken
Damit das Polynom arbitragefrei ist (positive Varianz, konvexe Call-Preise), reduzieren sich die Beschränkungen auf Ungleichungen für die Koeffizienten. Keine komplexen numerischen Prüfungen nötig -- die Koeffizienten werden einfach während der Anpassung beschränkt.
3. Die Anpassung ist schnell
Die Anpassung eines Polynoms an Marktdaten ist ein Kleinste-Quadrate-Problem, lösbar in Mikrosekunden. Die Anpassung wird zugunsten von ATM-Strikes gewichtet, wo die Liquidität am höchsten ist. Fügen Sie die Koeffizientenschranken als lineare Beschränkungen hinzu, und Sie haben ein kleines QP (quadratisches Programm) -- schneller und robuster als SVIs nichtlineare Optimierung.
Polynome höheren Grades oszillieren in den Flügeln
Polynome 6. oder 7. Grades oszillieren in den Flügeln (Runge-Phänomen). Grad 4-5 bietet genug Flexibilität, um reale Smile-Formen zu erfassen, ohne jenseits des letzten liquiden Ausübungspreises Artefakte zu erzeugen. Für das Verhalten der Flügel tief OTM benötigen Sie explizite Extrapolationsregeln.
Quintisches Polynom vs. SVI
Relevanz für Krypto
Krypto-Smiles sind oft auf eine Weise asymmetrisch, mit der SVI Schwierigkeiten hat -- steiler Put-Skew durch Liquidationskaskaden, ungewöhnliche Ausbuchtungen auf der Call-Seite durch Airdrop-Optionalität oder 'geknickte' Smiles um beliebte Ausübungspreise mit konzentriertem Open Interest. Das Polynom-Modell passt diese Formen an, ohne eine hyperbolische Struktur zu erzwingen. Delta und Vega, die aus dem Polynom-Smile berechnet werden, sind konstruktionsbedingt glatt. Die Hauptlimitierung: Krypto-Optionen haben dünn besetzte Ausübungspreise, und Polynome können sich zwischen den Datenpunkten fehlverhalten, wenn sie nicht sorgfältig beschränkt werden.
SVIs Einfachheit ohne dessen Formbias
Passt Smiles an, die SVI strukturell nicht erzeugen kann. Der Preis: Sie verlieren SVIs gutartige Flügel-Extrapolation und müssen Arbitrage-Beschränkungen explizit behandeln. Oberflächen über mehrere Verfallstermine benötigen separate Beschränkungen für die Laufzeitstruktur. Am besten geeignet für Märkte, in denen das Smile ungewöhnlich ist oder SVIs Anpassungsresiduen zu groß sind.
Gleichungs-Explorer
Konvertieren Sie zwischen impliziter Vol, Gesamtvarianz, Log-Moneyness und Optionspreisen.
Gleichungs-Explorer
💡 Tipp: Versuchen Sie jede Frage selbst zu beantworten bevor Sie die Antwort aufdecken.
Mathematische Intuition aufbauen
Quintisches Modell von Grund auf lernenInteraktive Lektion · keine Vorkenntnisse nötigDiese Lektion erklärt, warum eine Polynom-Anpassung zusätzliche Smile-Flexibilität verschafft, wie das Gesamtvarianz-Polynom funktioniert und warum stärkere Arbitrage-Prüfungen wichtig werden, sobald sich die Form freier bewegen darf.
Siehe auch:
- SVI-Parametrisierung -- Das branchenübliche parametrische Modell, das hiermit erweitert wird
- SSVI (Surface SVI) -- Kalender-konsistente Oberflächenerweiterung von SVI
- SANOS (Nicht-parametrische Oberflächen) -- Vollständig nicht-parametrischer Ansatz mit LP-Anpassung
- Neural SDE / Deep Hedging -- Datengetriebener Ansatz, der Dynamiken End-to-End lernt
- Interpolationsmethoden -- Alle Methoden im Vergleich