5차 다항식 처음부터
1/5다항식으로 스마일 피팅하기
SDE나 확률변동성 모델을 고르는 일은 잊어버리세요. 총 분산 곡선 w(k)를 가져와 로그 머니니스에 대한 다항식으로 직접 피팅하면 됩니다. 슬라이스당 계수 6개. 끝입니다.
이 발상은 거의 불쾌할 정도로 단순합니다. 총 분산 w(k) =σ²·T는 로그 머니니스 k = ln(K/F)의 함수입니다. 그냥 다항식으로 피팅하세요:
이를 SVI와 비교해 보세요. SVI는 구체적인 기하학적 의미(레벨, 기울기, 곡률, 중심, 틸트)를 가진 5개의 파라미터가 있습니다. 5차 다항식은 고유한 의미가 없는 6개의 파라미터를 가지며, 이는 그저 다항식 계수일 뿐입니다. 해석력에서 잃는 만큼 유연성에서 얻습니다.
각 계수는 스마일 형태의 서로 다른 측면을 제어합니다: a₀ 은(는) ATM 수준을 설정합니다. a₁ 은(는) 선형 스큐를 제어합니다. a₂ 은(는) 곡률을 제어합니다. 고차 항은 SVI의 고정된 형태로는 포착할 수 없는 비대칭성과 미세 구조를 처리합니다.
SVI는 정해진 틀입니다. 특정 계열의 스마일만 만들 수 있습니다. 5차 다항식은 부드러운 점토입니다. 더 많은 형태를 만들 수 있지만, 점토는 스마일이 어떤 모습이어야 하는지 알지 못합니다. 말이 안 되는 형태를 만들지 못하도록 외부의 규율(제약 조건)이 필요합니다.
왜 5차인가?
5차가 최적점입니다. 3차는 현실적인 스마일에 비해 너무 경직되어 있습니다. 4차는 도움이 되지만 풋과 콜 윙 사이의 비대칭성을 여전히 처리하지 못합니다. 7차는 진동합니다. 5차가 그 사이를 정확히 파고듭니다.
3차: 계수 4개. 기울어진 스마일은 잡아낼 수 있지만 각 윙의 독립적인 곡률은 잡아내지 못합니다. 왼쪽 윙이 가파르고 오른쪽 윙이 평평하다면, 3차는 중심을 왜곡하지 않고서는 둘 다 피팅할 수 없습니다.
4차: 계수 5개. 더 낫습니다. 대칭적인 곡률은 처리할 수 있지만, 윙을 깔끔하게 구분할 만큼 충분히 높은 홀수 차수 항이 여전히 부족합니다.
5차: 계수 6개. 추가된 5차 항이 적절한 머니니스 범위에서 윙의 비대칭성을 독립적으로 제어할 수 있게 해줍니다. 실제 스마일은 비대칭적이며(주식과 크립토 모두에서 풋 윙이 콜 윙보다 가파름), 5차는 과적합 없이 이를 잡아냅니다.
7차 이상: 자유도가 너무 많습니다. 다항식이 데이터 포인트 사이에서 진동하기 시작하여, 시장 데이터에 없는 가짜 봉우리와 물결을 만들어냅니다. 이것이 고전적인 편향-분산 트레이드오프입니다. 유연성이 클수록 과적합 위험이 커집니다.
위 비교를 보세요. 각 차수를 클릭해 넘겨 보세요. 3차는 윙을 놓칩니다. 4차는 근접하지만 뻣뻣합니다. 5차는 딱 맞습니다. 7차는 물결치기 시작합니다. 그 시각적 결과가 5차를 선택하는 논거의 전부입니다.
다항식에 대한 차익거래 제약 조건
다항식 스마일 모델의 근본적인 문제가 여기 있습니다. 윙에서 너무 빨리 커진다는 것입니다. Roger Lee의 모멘트 공식은 |k|가 무한대로 갈 때 총 분산이 |k|에 대해 최대 선형으로 커져야 한다고 말합니다. 5차 다항식은 k⁵처럼 커집니다. 그게 문제입니다.
Lee의 모멘트 공식(2004)은 내재변동성의 점근적 거동을 규정합니다:
위 차트가 그 차이를 극명하게 보여줍니다. SVI의 윙은 유계입니다. 선형 기울기에 접근합니다. 5차의 윙은 폭발합니다. 먼 윙에서 다항식은 음의 버터플라이 스프레드를 의미하는 내재변동성을 호가합니다. 공짜 돈입니다.
해결책: 5차는 스마일의 내부에서만 사용하고(예를 들어 |k| < 0.5), 외삽을 위해서는 윙 모델(선형 또는 SVI 유사형)로 블렌딩하세요. 이것이 표준적인 프로덕션 접근 방식입니다. 다항식 내부, 통제된 윙.
또는 피팅 중에 명시적 제약 조건을 추가할 수 있습니다:
1. w(k) ≥ 0 모든 k에 대해 (분산은 양수여야 함).
2. w(k) is convex 내부에서 (버터플라이 무차익 -- 이것이 Durrleman 조건임).
3. w(k)/|k| ≤ 2 피팅 범위의 끝점에서.
이 제약 조건들은 모두 계수에 대해 선형 또는 이차식이므로, 제약 없는 최소제곱 대신 제약 있는 최소제곱 문제(이차계획법)를 풀어 적용할 수 있습니다.
캘리브레이션은 그저 선형 회귀일 뿐
SVI의 비선형 최적화(초기화, 반복이 필요하고 국소 최솟값에 갇힐 수 있음)와 달리, 다항식 피팅은 선형 최소제곱 문제입니다. 행렬을 설정하고, 선형 시스템 하나를 풀면 끝입니다.
관측된 N개의 데이터 포인트 (kᵢ, wᵢ) 가 주어졌을 때, 문제는 다음과 같습니다:
위의 데이터 포인트를 드래그해 보세요. 피팅은 즉시 갱신되는데, 이는 그저 행렬을 푸는 것이기 때문입니다. 반복도, 수렴 문제도, 초기화 민감성도 없습니다. 이를 SVI 캘리브레이션과 비교해 보세요. 거기서는 옵티마이저가 수십 번의 반복을 거칠 수 있고, 출발점에 따라 다른 답을 찾을 수도 있습니다.
제약 조건 추가하기: 이전 섹션의 차익거래 제약 조건(양수성, 볼록성, 윙 한계)을 추가하면, 문제는 제약 없는 최소제곱 대신 이차계획법(QP)이 됩니다. QP도 여전히 빠르고 잘 연구되어 있습니다. 솔버가 밀리초 단위로 처리합니다. 핵심은, 제약 있는 5차도 여전히 SVI보다 훨씬 빠르게 캘리브레이션된다는 점입니다.
수치적 안정성: 머니니스 범위가 넓을 때 반데르몽드 행렬은 조건수가 나빠질 수 있습니다. 표준적인 해결책: (1) 피팅 전에 k를 [-1, 1]로 스케일링, (2) 원래 거듭제곱 대신 직교 다항식(체비쇼프, 르장드르) 사용. 이것들은 일상적인 수치해석 기법입니다.
5차 vs SVI
어느 쪽도 모든 곳에서 이기지는 않습니다. 5차는 피팅이 더 빠르고 내부에서 더 유연합니다. SVI는 유계인 윙과 해석 가능한 파라미터를 가집니다. 어느 쪽을 꺼내 들어야 할지 파악하세요.
5차가 유리한 경우:
1. 빠른 캘리브레이션이 필요할 때(실시간 표면을 위해 초당 수천 개의 슬라이스). 선형 풀이는 속도에서 타의 추종을 불허합니다.
2. 관찰된 스마일에 SVI의 고정된 형태로는 맞출 수 없는 특징이 있을 때 -- 국소적 봉우리, 특이한 곡률, 비대칭 윙. 5차는 내부에서 더 유연합니다.
3. 스마일의 내부에서 작업하고 있을 때(|k| < 0.3), 윙 거동이 중요하지 않고 관찰된 데이터에 가능한 한 가장 타이트하게 피팅하고 싶을 때.
SVI가 유리한 경우:
1. 신뢰할 수 있는 윙 외삽이 필요할 때. SVI의 윙에서의 점근적 선형성은 구조적으로 올바릅니다. 5차는 클리핑하거나 블렌딩해야 합니다.
2. 리스크 관리를 위한 해석 가능한 파라미터를 원할 때. SVI의 a(레벨), b(각도), ρ (틸트), m(중심), σ (윙 스무딩)는 관찰 가능한 스마일 특징에 직접 대응됩니다.
3. 여러 만기에 걸친 표면을 구축할 때. SSVI는 무차익 보장과 함께 SVI를 전체 표면으로 확장합니다. 동일한 보장을 가진 표준 "표면 5차"는 없습니다.
프로덕션에서의 절충안: 많은 데스크가 둘 다 사용합니다. 빠른 내부 보간과 실시간 호가에는 5차를. 공식 표면, 윙 외삽, 리스크 리포트에는 SVI 또는 SSVI를. 5차는 데이터가 조밀한 중심을 처리하고, SVI는 희소한 윙을 처리합니다.
5차 다항식은 시장의 모델이 아닙니다. 곡선 피팅 도구입니다. 동역학, 헤징, 또는 스마일이 왜 그런 형태를 가지는지에 대해 아무것도 말해주지 않습니다. SVI도 곡선 피팅 도구이지만, 표면으로 확장할 만큼 충분한 구조를 가진 도구입니다. 실제 동역학을 위해서는 SABR, Heston, 또는 확률 국소변동성 모델이 필요합니다. 5차는 원시 데이터와 실제 모델 사이의 공간에 자리합니다. 잡음이 있는 관측치로부터 매끄럽게 보간된 스마일을 얻는 가장 빠른 방법입니다.