σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Roteiro de Stochastic Calculus›Módulo 5 · Simulação e prática›Tópico 5.2·~1 h 40 minAvançado

Projeto final: simular precificar e proteger com rebalanceamento discreto

Posição no roteiroMódulo 5 de 5 · Tópico 2 de 2
5.2 Projeto final: simular precificar e proteger com rebalanceamento discreto
—Nota do lab— / 100XP total—Sequência—

De um modelo a um hedge

Uma opção vale o que custa protegê-la. Este laboratório percorre toda a cadeia com preços do SPY. Primeiro estime um movimento browniano geométrico a partir dos retornos diários. A volatilidade σ é o desvio padrão dos retornos levado a um ano. A deriva do preço é μ=r̄·252+σ²/2: o σ²/2 extra vem do lema de Itô, porque o log do preço cresce mais devagar que o preço. Depois simule trajetórias a partir de uma matriz de sorteios normais, uma vez com o esquema exato e outra com o de Euler. Os mesmos sorteios alimentam os dois, então dá para compará-los trajetória a trajetória.

Sₖ₊₁=Sₖ e^((μ-σ²/2)h+σ√h z), Sₖ₊₁=Sₖ (1+μh+σ√h z), h=T/n

Em seguida, precifique um call de duas formas. A fórmula de Black-Scholes é a média exata sob a medida neutra ao risco. O Monte Carlo chega a ela simulando com a deriva r, tirando a média do pagamento e descontando. Nunca é exato: erra cerca de um erro padrão. Por fim, faça o hedge. Venda o call, compre Δ ações e deixe o resto em caixa. A cada data de rebalanceamento, deixe o caixa crescer à taxa r, recalcule Δ com o tempo restante e ajuste a posição. O erro no vencimento é o que o hedge deixa para trás.

Vₙ=C₀exp(rT)+ΣⱼΔⱼ₋₁(Sⱼ-Sⱼ₋₁exp(rh))exp(r(T-tⱼ)), e=Vₙ-max(Sₙ-K,0)
O que dizem os dados reaisO SPY desde 2005 dá μ≈11,6% e σ≈19,0% ao ano. Para uma ação a 100 e strike 100, um call de três meses vale cerca de 4,03 e tem delta 0,54. No mercado simulado o desvio padrão do erro de hedge é 1,79 com 3 rebalanceamentos, 1,08 com 9, 0,70 com 21 e 0,44 com 63. Ele cai mais ou menos como 1/√n. Nos 85 trimestres reais é 1,81, 1,71, 1,59 e 1,74: rebalancear mais vezes não ajuda. O motivo é que a volatilidade não é constante. A volatilidade realizada de um trimestre foi de 6% a 70%, e o hedge usou 19% todas as vezes.
  • Exato e Euler: os mesmos sorteios dão duas trajetórias. A diferença é o erro de discretização do tópico anterior.
  • Preço = custo do hedge: com negociação contínua o hedge é perfeito, com poucos rebalanceamentos sobra um erro da ordem de 1/√n.
  • O erro real é um erro de volatilidade: rebalancear mais vezes não corrige um σ errado.
Simplificações para lembrarA taxa é fixa em 2%, sem custos de transação nem dividendos. O hedge usa a volatilidade da amostra inteira, que ninguém conhecia de antemão, então os erros reais são, se tanto, brandos demais. Os 85 trimestres são poucos e não são independentes do regime de mercado. O que importa aqui é a ordem dos resultados, não os valores.

Lab: o que é avaliado

  • Estimar o modelo10 pts
  • Trajetórias exatas15 pts
  • Trajetórias de Euler10 pts
  • O call de Black-Scholes15 pts
  • O delta5 pts
  • Preço Monte Carlo10 pts
  • O hedge25 pts
  • O estudo de hedge10 pts
Explorador · lab-so-09
▾ lab-so-09
▾ data
…
bash · no navegador
learner@quantcraft:~/lab-so-09$
Python ainda não carregadoPythonLn 1, Col 1Spaces: 4UTF-8

Redefinir este tópico?

Tudo em lab-so-09 volta aos arquivos iniciais e o terminal é limpo. Sua solução atual será perdida — isso não pode ser desfeito.

Será redefinido
  • main.py → código inicial
  • Histórico do terminal e saída dos testes
  • Alterações não enviadas
Será mantido
  • Melhor nota do lab
  • Seu XP e sua sequência
  • Progresso da aula e anotações

Entre para executar o seu código.

Todas as aulas são gratuitas para ler. Crie uma conta ou entre para executar código, rodar os testes e enviar este lab.

  • IDE no navegador com terminal bash — nada para instalar
  • Correção instantânea, XP e o seu lugar no roteiro
Criar uma contaEntrar
OU
Continuar com o GitHub