Rough Bergomiモデル
Rough Bergomiは、トレーダーを長年悩ませてきた謎を説明します。なぜ短期のスマイルはこれほど急峻なのか?その答えは、実際の市場におけるボラティリティのパスが、古典的なモデルの想定よりもはるかにギザギザしているからだと判明しました。BTC、ETH、あるいはS&P 500の実際の実現ボラティリティの「ラフネス(粗さ)」を測定すると、HestonやSABRが生成できるものよりもはるかに粗いことがわかります。
このモデルはリアルタイムのサーフェスフィッティングには使われません -- 遅すぎるからです。その価値は理論的なものです。ボラティリティ・サーフェスがなぜそのような形をしているのかを教えてくれ、短期の暗号資産オプションにSVIのような実用的なモデルをフィッティングする際に正しい直感を与えてくれます。このモデルが説明するインプライド・ボラティリティのパターンは、あらゆる流動性の高いオプション市場で観察できます。
ラフネスの洞察
株式、FX、暗号資産の各市場で測定すると、ボラティリティのパスは標準的なモデルの想定よりもはるかにギザギザしています。このラフネスが、市場で観察される急峻な短期のスキューを自然に生み出します -- ジャンプや極端なパラメータは不要です。
インタラクティブ: ラフネスとスキュー
下のスライダーを使って、ラフネスパラメータ(H)の2つの効果を実際に確認してみましょう。左のパネルは、Hが低いほどギザギザで不規則なパスが生成されることを示しています。右のパネルは、そのラフネスがどのように短期スキューの急峻化につながるかを示しています。
ラフパス・エクスプローラー
経路の粗さ
ATMスキュー vs 満期(log-log)
スライダーをドラッグしてHを変更してください。Hが低いほど経路はギザギザになり(左)、短期のスキューは急になります(右)。H=0.5では経路は標準ブラウン運動となり、スキューは古典的なT^(-0.5)の減衰に従います。
「ラフ」とは何を意味するか
Hestonのような古典的なモデルは、ボラティリティに滑らかで緩やかに蛇行するパス -- 川のようなパス -- を与えます。Rough Bergomiは、ボラティリティにギザギザした海岸線のようなパスを与えます。これはモデリング上の選択ではありません -- 実際のボラティリティのパスを高頻度で測定したときにデータが示すものなのです。
ラフネスは1つの数値で制御されます: ハースト・パラメータHです。Hが低い = パスが粗い = 短期のスキューが急峻になります。
H≒0.1は選択ではなく事実
研究者たちは、S&P 500、個別株、BTC、ETHのいずれを測定しても、Hが0.1付近であることを見出しています。データそのものがボラティリティのパスは粗いと語っています。このモデルはデータが示すものの上に構築されています。
ATMスキューのべき乗則
ラフネスパラメータHは、ATMのスキューが短期から長期の満期にかけてどのように減衰するかを制御します。Hが0.1付近だと、短期のスキューは急峻で、期間が長くなるにつれて平坦化していきます。この単一のパラメータが、1日から1年までのスキューの期間構造全体を説明します -- 暗号資産でも株式でも同様です。
古典的なモデル(Heston、SABR)は、これを体系的に間違えます: 1日ではスキューを過大に、30日では過小に予測するのです。Hが0.1付近のRough Bergomiは、その針の穴を通します。Black-Scholesのフレームワークでは、このべき乗則の挙動をまったく捉えることができません。
急峻な短期スキューの説明
Rough Bergomiは、短期のスキューがなぜこれほど急峻なのかを説明します。これは理論的な洞察であり、実運用のためのツールではありません。
パラメータ
3つの自由パラメータに加えて、市場データから得られるフォワード・バリアンス曲線があります。
強みと限界
古典的モデルとの比較
暗号資産にとって重要な理由
実運用ツールではなくレンズ
Rough BergomiはBlack-Scholesと同じ位置づけです -- 実運用で走らせるモデルではなく、正しい言葉と直感を与えてくれるフレームワークです。
暗号資産のスマイルがなぜそのような形をしているのかを説明します。 BTCとETHのボラティリティ・サーフェスは急峻な短期スキューを持ちます。Rough Bergomiはこう語ります: この急峻さは、ラフなボラティリティのパスの自然な帰結であり、それこそがデータの示すものである、と。
SVIフィッティングに正しい事前知識を与えます。 データの少ない短期のデータにSVIをフィッティングするなら、ラフ・ボラティリティは、スキューは急峻であるべきだと教えてくれます。べき乗則は、スキューが満期にわたってどう推移すべきかについての定量的な期待値を与えてくれます。データが薄いときに有用です。各行使価格における期待インプライド・ボラティリティは、原資産のバリアンス過程のラフネスから導かれます。
研究の最前線を枠づけます。 ラフ・ボラティリティモデルのディープラーニングによるフィッティング、ラフ・ローカルボラティリティのハイブリッド、ラフHestonの変種は、いずれリアルタイム用途に十分な速度になるかもしれません。今このフレームワークを理解しておけば、これらのツールが登場したときにすぐに見分けられます。デルタヘッジやベガのエクスポージャーといった概念は同じままですが、ラフなダイナミクスの下ではその計算はずっと難しくなります。課題は、シミュレーションで得たスライスをつなぎ合わせる際にカレンダー・アービトラージ違反なしにこれらのグリークスを計算することであり、OTMのウィングは特にこれに敏感です。
数式エクスプローラー
インプライド・ボラティリティ、トータル・バリアンス、対数マネーネス、オプション価格の相互変換ができます。
数式エクスプローラー
セルフチェック
💡 ヒント： 回答を見る前に自分で答えてみましょう。
数学的直感を築く
Rough Bergomiをゼロから学ぶインタラクティブレッスン · 前提知識は不要ですこのレッスンは、ラフ・ボラティリティの洞察から始まり、ハースト・パラメータ、バリアンス過程、そしてラフネスが自然にスマイルの短期側を急峻にする理由を解説します。
関連項目: