Игорь Павлович, да уж, у вас нейронка запуталась: сначала написала «Хвосты и форма улыбки моделируются через GARCH(1,1)», потом на мой уточняющий вопрос «как?» ответила «GARCH не моделирует улыбку». Если бы вы реально работали с SV-моделями вы бы явно заметили несостыковку, особенно когда в одном тексте указали и некую «базовую модель» (видимо имелась ввиду SV-модель) и garch(1,1) как совместные источники информации о справедливой цене опциона для торговли миспрайсинга(!).
garch(1,1) — простейшая базовая модель прошлого века, она не дает полезной информации, особенно когда задача — котирование опционов лучше рынка. Да даже если модель и отвечает на вопрос «какова вероятность реализации сценария в реальном мире» — это не дает преимущества, поскольку все другие участники рынка располагают ровно той же информацией и уже закладывают её в рыночную улыбку.
Особенно бросается в глаза, что вы говорите о торговле миспрайсинга в особых рыночных режимах (паника, дисбаланс ликвидности и т.д.), но все равно позволяете себе упомянуть garch(1,1), который плохо адаптируется к таким режимам и дает некорректный/сглаженный/запаздывающий результат.
Так что даже если вы действительно торгуете «неэффективности» в ценах опционов — это не более чем наивный сбор премии за риск, который рано или поздно может привести вас к серьезным убыткам.
Механика калибровки меня не интересует, и да, понятно, что у вас волатильность не константа, а тоже волатильность имеет, но я надеялся вы скажите хотя бы название модели, не новую же вы изобрели.
Вообще я думал вы объясните зачем использовать sv-модель (Q-мера) и GARCH (P-мера), а потом прилагать усилия на установление согласованности, если можно сразу в базовой модели и улыбку строить и её динамику моделировать. И я честно говоря считал, что GARCH вообще не предназначен для работы с улыбкой, все что мы можем — просто попытаться описать и условно спрогнозировать реализованную волу, но это же не даст информации об улыбке. Как конкретно вы используете GARCH для моделирования динамики именно улыбки?
Блин, и вот это: вы сначала пишите «Улыбку берём с рынка, GARCH — для прогноза её эволюции во времени», а потом пишите «сценарное распределение и асимметрия хвостов генерируются через Монте-Карло со стохастической волатильностью.» — так вы garch используете для моделирования динамики распределения (улыбки) или sv-модель? Просто вы пытаетесь описать одно и то же двумя разными динамиками, причем в разных мерах — разве это не противоречие?
Только что за «базовая модель» и зачем вы дополнительно используете GARCH для моделирования улыбки и хвостов, которая априори будет менее корректна? Но допустим вы любите сложности, то есть «базовая модель» строит улыбку, а через GARCH моделируете — как вы тогда согласуете меру P с Q, как vrp учитываете?
И как формализована ваша «базовая модель» — аналитически через характеристическую функцию или через симуляцию? Эти методы могут сильно различаться по результатом.
Извините за допрос, просто сейчас тем же занимаюсь, интересно узнать как другие трейдеры это делают
Крайне самоуверенно называть расхождение между своей моделью и рыночной моделью неэффективностью, да ещё такой, которую можно систематически эксплуатировать.
Полагаю, имеет место недооценка хвостов или некорректная форма улыбки.
Подскажите, пожалуйста, как оцениваете теоретическую стоимость опциона?
Кучумов Алмаз, неограниченный риск берем только если уверены в боковике. Да, для безопасности можно ещё края купить. Все это лишь варианты управления, где каждый подбирает для себя оптимальное
Михаил Шардин, репликация дискретна — экспозиция увеличивается только после заданного изменения цены, а в опционе гамма накапливается мгновенно и непрерывно по мере движения и скачков;
сами скачки — хвосты обычно реализуются мгновенно, а не через медленное изменение цены — опцион эти скачки сразу прайсит;
в репликации убытки хоть и можно ограничить стопами, но очевидно не дают той гибкости, что жесткое ограничение убытка в опционе (премия);
на опционе можно собрать гамму и на резком росте и на резком возврате обратно = +гибкость;
в боковике из-за шума репликация будет давать много убыточных сделок;
короче, если цель собрать хвосты — лучше опциона нет инструмента, а данная стратегия лишь приближенная альтернатива если нет торгуемых опционов
Фактически синтетическое создание выплаты колла — покупка выпуклости (гамма). Если нет опционов на торгуемый актив — стратегия может быть интересна, но репликация почти всегда хуже готового опциона
Диванный аналитик-практик, честно говоря, звучит как семантическая манипуляция. Если мы гамма-скальпинг назовем, например, внутридневным трейдингом с опционами в качестве страховки, источник прибыли от этого не поменяется. У нас все также куплена вола через опцион, и единственный способ выйти в прибыль — наскальпить внутри дня больше, чем съест тета, пусть даже не через чистый дельта-хедж. Получается, все равно необходимо, чтобы реализованная вола оказалась больше заложенной в цене опциона, то есть для получения прибыли нужно RV > IV.
Бесплатно, но сложно — самостоятельно воспроизвести стакан из блокчейна
Легко, но платно — predictiondata.io
Игорь Павлович, да уж, у вас нейронка запуталась: сначала написала «Хвосты и форма улыбки моделируются через GARCH(1,1)», потом на мой уточняющий вопрос «как?» ответила «GARCH не моделирует улыбку». Если бы вы реально работали с SV-моделями вы бы явно заметили несостыковку, особенно когда в одном тексте указали и некую «базовую модель» (видимо имелась ввиду SV-модель) и garch(1,1) как совместные источники информации о справедливой цене опциона для торговли миспрайсинга(!).
garch(1,1) — простейшая базовая модель прошлого века, она не дает полезной информации, особенно когда задача — котирование опционов лучше рынка. Да даже если модель и отвечает на вопрос «какова вероятность реализации сценария в реальном мире» — это не дает преимущества, поскольку все другие участники рынка располагают ровно той же информацией и уже закладывают её в рыночную улыбку.
Особенно бросается в глаза, что вы говорите о торговле миспрайсинга в особых рыночных режимах (паника, дисбаланс ликвидности и т.д.), но все равно позволяете себе упомянуть garch(1,1), который плохо адаптируется к таким режимам и дает некорректный/сглаженный/запаздывающий результат.
Так что даже если вы действительно торгуете «неэффективности» в ценах опционов — это не более чем наивный сбор премии за риск, который рано или поздно может привести вас к серьезным убыткам.
Игорь Павлович, ого, очень развернуто, спасибо.
Механика калибровки меня не интересует, и да, понятно, что у вас волатильность не константа, а тоже волатильность имеет, но я надеялся вы скажите хотя бы название модели, не новую же вы изобрели.
Вообще я думал вы объясните зачем использовать sv-модель (Q-мера) и GARCH (P-мера), а потом прилагать усилия на установление согласованности, если можно сразу в базовой модели и улыбку строить и её динамику моделировать. И я честно говоря считал, что GARCH вообще не предназначен для работы с улыбкой, все что мы можем — просто попытаться описать и условно спрогнозировать реализованную волу, но это же не даст информации об улыбке. Как конкретно вы используете GARCH для моделирования динамики именно улыбки?
Блин, и вот это: вы сначала пишите «Улыбку берём с рынка, GARCH — для прогноза её эволюции во времени», а потом пишите «сценарное распределение и асимметрия хвостов генерируются через Монте-Карло со стохастической волатильностью.» — так вы garch используете для моделирования динамики распределения (улыбки) или sv-модель? Просто вы пытаетесь описать одно и то же двумя разными динамиками, причем в разных мерах — разве это не противоречие?
Игорь Павлович, понял, спасибо.
Только что за «базовая модель» и зачем вы дополнительно используете GARCH для моделирования улыбки и хвостов, которая априори будет менее корректна? Но допустим вы любите сложности, то есть «базовая модель» строит улыбку, а через GARCH моделируете — как вы тогда согласуете меру P с Q, как vrp учитываете?
И как формализована ваша «базовая модель» — аналитически через характеристическую функцию или через симуляцию? Эти методы могут сильно различаться по результатом.
Извините за допрос, просто сейчас тем же занимаюсь, интересно узнать как другие трейдеры это делают
Крайне самоуверенно называть расхождение между своей моделью и рыночной моделью неэффективностью, да ещё такой, которую можно систематически эксплуатировать.
Полагаю, имеет место недооценка хвостов или некорректная форма улыбки.
Подскажите, пожалуйста, как оцениваете теоретическую стоимость опциона?
Ivan, мы не новую бабочку собираем, а открытый при цене 95 вертикальный спред превращаем в бабочку после роста цены до 110.
Все что мы делаем: продаем ещё один колл на 105, премия которого заметно увеличилась из-за роста цены с 95 до 110, и покупаем колл вне денег на 115
Михаил Шардин, репликация дискретна — экспозиция увеличивается только после заданного изменения цены, а в опционе гамма накапливается мгновенно и непрерывно по мере движения и скачков;
сами скачки — хвосты обычно реализуются мгновенно, а не через медленное изменение цены — опцион эти скачки сразу прайсит;
в репликации убытки хоть и можно ограничить стопами, но очевидно не дают той гибкости, что жесткое ограничение убытка в опционе (премия);
на опционе можно собрать гамму и на резком росте и на резком возврате обратно = +гибкость;
в боковике из-за шума репликация будет давать много убыточных сделок;
короче, если цель собрать хвосты — лучше опциона нет инструмента, а данная стратегия лишь приближенная альтернатива если нет торгуемых опционов
sova, спасибо за комментарий.
п.2 является пересказом презентации по ПИ, в которой сказано:
2-ая часть. Интрадей /скальпинг.
Частые быстрые сделки с небольшим уровнем прибыли на сделку.
Задачи: Получение прибыли при флете или Отбивание Теты.
Добавленное мной «удерживая дельту около нуля» — логичное следствие этих задач