변동성 표면을 위한 보간법

정보

이 페이지는 변동성 표면 구축 방법의 자매 페이지입니다. 보간이 왜 중요한지에 대한 맥락은 해당 페이지에서 먼저 확인하시기 바랍니다.

변동성 표면에는 빈틈이 있습니다. 보간이 그 빈틈을 채웁니다. 어떤 방법을 선택하느냐에 따라 결과 표면이 매끄러운지, 차익거래가 없는지, 안정적인지가 결정됩니다. 이 페이지에서는 주요 접근법을 비교합니다.

보간 방법 비교

흰 점들 만이 실제 시장 호가입니다. 그 사이의 모든 것은 추정치입니다. 각 방법의 장단점을 보려면 클릭하세요.

무엇이 잘못되는가

각 방법을 자세히 살펴보기 전에, 어떤 문제가 발생하는지 직접 확인해 보십시오. 동일한 7개의 시장 관측값에 세 가지 다른 보간법을 적용했습니다. 윙(wing) 부분과 데이터 포인트에서 어떤 일이 벌어지는지 관찰해 보십시오.

무엇이 잘못되는가: 보간 실패 사례

동일한 7개의 시장 관측치에 세 가지 보간 방법을 적용했습니다. 윙에서 어떤 일이 일어나는지 확인해 보십시오.

매끄러운 다항식 곡선입니다. 윙에서 진동하거나 오버슈트할 수 있습니다.

흰색 점만이 실제 관측치입니다. "모두 비교"를 클릭하면 세 가지 방법을 겹쳐서 볼 수 있습니다. 스플라인은 왼쪽 윙에서 오버슈트하는 반면 SVI는 유계 상태를 유지하는 점에 주목하십시오.

---

비모수적 방법

이 방법들은 함수 형태를 가정하지 않고 데이터 포인트를 지나는 곡선을 적합시킵니다. 빠르고 단순하지만 구조적 보장은 제공하지 않습니다.

선형 보간

인접한 데이터 포인트 사이를 직선으로 연결합니다.

장점:

• 구현이 매우 간단함
• 적합이나 최적화가 필요 없음
• 결정론적: 동일한 입력은 항상 동일한 출력을 제공

단점:

• 모든 데이터 포인트에서 날카로운 꺾임이 발생합니다. 이 꺾임은 1차 도함수의 불연속을 만들어내며, 이는 그릭스(특히 감마)가 관측된 행사가에서 급격히 튀는 것을 의미합니다.
• 버터플라이 차익거래에 대한 방지 보장이 없습니다. 두 점 사이의 직선은 볼록한 스마일이 있어야 할 위치보다 아래로 처질 수 있습니다.
• 외삽은 순전히 추측에 불과합니다(마지막 구간의 기울기를 그대로 연장할 뿐입니다).

용도: 빠른 추정, 정합성 확인, 디버깅. 프로덕션 가격 산정에는 부적합합니다.

큐빅 스플라인 보간

데이터 포인트 사이에 구간별 3차 다항식을 적합시키되, 각 접합점에서 1차 및 2차 도함수가 일치하도록 제약합니다. 그 결과 $C^2$-매끄러운 곡선(연속적인 곡률)이 만들어집니다.

이 이름은 실제 제도용 스플라인에서 유래했습니다. 제도사들이 핀 사이로 휘어서 매끄러운 곡선을 그리던 유연한 나무 조각입니다.

장점:

• 모든 데이터 포인트를 지나는 매끄러운 곡선
• 파라미터 추정이 필요 없음(스플라인은 데이터와 경계 조건에 의해 결정됨)
• 계산이 빠름

단점:

• 룽게 현상(Runge's phenomenon): 보간 구간의 가장자리에서 다항식이 크게 오버슈팅할 수 있습니다. 변동성 표면의 경우 윙 부분의 IV가 급등하거나 음수가 될 수 있음을 의미합니다.
• 진동: 데이터 포인트 사이에서 3차 곡선이 정상적인 스마일이 만들어낼 값의 위아래로 크게 흔들리며 오목한 함몰(버터플라이 차익거래)을 만들 수 있습니다.
• 이상치 민감성: 잘못된 데이터 포인트 하나(오래된 호가, 팻핑거)가 전체 곡선을 왜곡합니다. 매끄러움 제약이 오류를 전파하기 때문입니다.
• 외삽 동작을 제어할 수 없음.

용도: 시각화, 학술 연구, 또는 모수적 적합 전의 초기 추정값. 프로덕션 가격 산정이나 리스크 관리에는 부적합합니다.

---

모수적 방법

이 방법들은 스마일의 함수 형태를 가정하고 그 파라미터를 데이터에 적합시킵니다. 정확한 보간 대신 구조적 제어를 얻습니다.

SVI (Stochastic Volatility Inspired)

크립토 및 주식 변동성 표면의 업계 표준입니다. 만기 슬라이스당 5개의 파라미터를 사용합니다.

$$w(k) = a + b \left( \rho(k - m) + \sqrt{(k - m)^2 + \sigma^2} \right)$$

전체 참조 문서: SVI 파라미터화

지배적인 이유: SVI는 유연성과 간결성 사이의 최적 지점입니다. 5개의 파라미터로 거의 모든 관측된 스마일 형태를 적합시킬 수 있으며, 간단한 부등식 제약만으로 버터플라이 차익거래가 없음을 보장합니다. 윙 부분은 선형 점근선에 수렴하므로 외삽이 유계이고 합리적입니다.

SABR (Stochastic Alpha Beta Rho)

변동성이 어떻게 진화하는지에 대한 가정으로부터 스마일을 도출하는 확률적 변동성 모델입니다. 4개의 파라미터: $\alpha$ (변동성 수준), $\beta$ (CEV 지수), $\rho$ (현물-변동성 상관관계), $\nu$ (변동성의 변동성).

전체 참조 문서: SABR 모델

존재 이유: SABR은 정적인 형태뿐만 아니라 스마일의 동학을 포착합니다. 기초자산이 움직일 때 스마일이 어떻게 움직여야 하는지 알려줍니다(기본적으로 스티키 델타). 이 때문에 스마일 동학이 헤징에 중요한 금리 스왑션에 자연스럽게 적합합니다.

로컬 변동성 (Dupire)

일반적인 의미의 적합 방법이 아닙니다. 로컬 변동성은 관측된 내재변동성 표면으로부터 순간 변동성 표면을 도출합니다. 이 방법은 다음 질문에 답합니다: "이 옵션 가격들을 정확히 재현하려면 각 (현물가격, 시간) 조합에서 순간 변동성이 얼마여야 하는가?"

전체 참조 문서: 로컬 변동성

존재 이유: 로컬 변동성은 관측된 모든 옵션 가격을 정확히 재현하는 유일한 무차익 모델입니다. 내재변동성과 경로 의존적 페이오프를 처리할 수 있는 가격 산정 엔진 사이의 다리 역할을 합니다.

SSVI (Surface SVI)

슬라이스별이 아니라 전체 표면을 함께 모델링하는 SVI의 확장입니다. SSVI는 구조적으로 캘린더 차익거래가 없음을 강제합니다. 모든 행사가에서 총분산이 만기에 따라 증가함이 보장됩니다.

$$w(k, \theta_t) = \frac{\theta_t}{2} \left( 1 + \rho \, \varphi(\theta_t) \, k + \sqrt{(\varphi(\theta_t) \, k + \rho)^2 + (1 - \rho^2)} \right)$$

여기서 $\theta_t$는 시간 $t$에서의 ATM 총분산이고, $\varphi(\theta_t)$는 스큐가 만기에 따라 어떻게 진화하는지를 제어합니다.

트레이드오프: 슬라이스별 SVI보다 자유 파라미터가 적어(스마일 형태가 만기 간에 연결됨) 개별 슬라이스에서의 적합도가 약간 떨어질 수 있습니다. 하지만 사후 캘린더 차익거래 보정이 전혀 필요하지 않습니다.

---

비교표

방법

파라미터

무차익 보장?

외삽

속도

최적 용도

선형

0

아니오

무한 발산

즉시

디버깅

큐빅 스플라인

~12 (암묵적)

아니오

진동

빠름

시각화

SVI

슬라이스당 5

예 (제약 조건)

유계 선형

빠름

크립토 / 주식

SABR

4

대체로

합리적

중간

금리 / 스왑션

로컬 변동성

전체 그리드

구조적 보장

해당 없음 (도출됨)

느림

이색옵션 가격 산정

SSVI

~6 (표면 전체)

예 (캘린더 포함)

유계

빠름

전체 표면 일관성

선택 방법

• 프로덕션 크립토/주식 가격 산정: SVI 또는 SSVI. 업계가 여기로 수렴한 데에는 충분한 이유가 있습니다.
• 금리 옵션: SABR. 스왑션 헤징에 중요한 스마일 동학을 포착합니다.
• 이색 파생상품 가격 산정: 로컬 변동성(또는 확률적 로컬 변동성 하이브리드). 슬라이스가 아닌 전체 표면이 필요합니다.
• 빠른 분석이나 시각화: 큐빅 스플라인도 괜찮습니다. 단, 그 결과로 거래하지만 않는다면요.
• 어떤 경우에도 안 되는 것: 프로덕션에서의 선형 보간. 진심입니다.

---

수식 탐색기

모든 보간법은 총분산과 로그 머니니스로 작동합니다. 이 계산기를 사용하여 표현 간 변환을 해보십시오.

방정식 탐색기

w = σ² × Ttotal variance = IV² × time

내재변동성 (σ)

%

내재변동성

만기까지의 기간

일

만기까지의 달력 기준 일수

총 분산 (w)

0.022225

연율화 분산 (σ²)

0.2704

역산 IV

52.00%

총 분산은 SVI 등 모델이 피팅하는 대상입니다. 시간에 비례해 커지므로 30일간 50% 변동성은 90일간 50% 변동성보다 총 분산이 작습니다.

---

참고 자료:

• 변동성 표면 구축 방법 - 전체 파이프라인
• SVI 파라미터화 - SVI 심층 분석
• SABR 모델 - SABR 심층 분석
• 로컬 변동성 - Dupire 심층 분석