主要内容

normalvolbysabr.

通过SABR模型隐含正常(学士)波动率

描述

例子

outvol.= orcentmvolbysabr(Αbetrho.nu.解决锻炼转向值罢工通过使用SABR随机波动率模型来计算隐含的正常(Bachelier)波动性。

例子

outvol.= orcentmvolbysabr(___名称,价值除了以前语法中的输入参数之外,使用一个或多个名称值对参数指定选项。

例子

全部收缩

定义模型参数和选项数据。

ForwardValue = 0.0209;罢工= 0.02;alpha = 0.041;beta = 0.5;rho = -0.2;nu = 0.33;settr = datenum('15 -FEB-2018');锻炼=数据内('15 -FEB-2020');

使用SABR模型计算正常(Bachelier)波动率

ComputEdVols = NormalVolbysabr(alpha,beta,rho,nu,sollat​​,锻炼,转发值,罢工)
ComputedVols = 0.0059.

要使用普通SABR模型,请设置bet参数为零。当正常的SABR模型与正常(Bachelier)暗示波动结合使用时,允许负息率。

定义模型参数和选项数据。

ForwardValue = -0.00383;罢工= -0.003;alpha = 0.007;beta = 0;%将beta参数设置为零以使用普通SABR模型rho = -0.18;nu = 0.29;settr = datenum('17 -JAN-2018');锻炼=数据内('17 -apr-2018');

使用普通SABR模型计算正常(Bachelier)波动率。

ComputEdVols = NormalVolbysabr(alpha,beta,rho,nu,sollat​​,锻炼,转发值,罢工)
computedvols = 0.0070.

输入参数

全部收缩

当前SABR波动性,指定为标量数字。

数据类型:双倍的

SABR CEV指令,指定为标量数字。

笔记

设定bet参数到0.允许消极的转向值罢工

数据类型:双倍的

正向值和波动率之间的相关性,指定为标量数字。

数据类型:双倍的

波动率的波动性,指定为标量数字。

数据类型:双倍的

结算日期,使用串行非负日期号或日期字符向量指定为标量。

数据类型:双倍的|char

选项锻炼日期,使用串行非负日期号或日期字符向量指定为标量。

数据类型:双倍的|char

底层资产的前向值,指定为标量数字或大小向量numvols.-经过-1

数据类型:双倍的

选项罢工价格值,指定为标量数字或大小的向量numvols.-经过-1

数据类型:双倍的

名称值对参数

指定可选的逗号分离对名称,价值论点。姓名是参数名称和价值是相应的价值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1,value1,...,namen,valuen

例子:Outvol = NormalVolbysabr(alpha,beta,rho,nu,sold,锻炼,转发值,罢工,'基础',2)

仪器的日计数基础,指定为逗号分隔的配对'基础'和来自集合的正整数[1 ... 13]

  • 0 =实际/实际

  • 1 = 30/360(SIA)

  • 2 =实际/ 360

  • 3 =实际/ 365

  • 4 = 30/360(PSA)

  • 5 = 30/360(ISDA)

  • 6 = 30/360(欧洲)

  • 7 =实际/ 365(日语)

  • 8 =实际/实际(ICMA)

  • 9 =实际/ 360(ICMA)

  • 10 =实际/ 365(ICMA)

  • 11 = 30/360e(ICMA)

  • 12 =实际/ 365(ISDA)

  • 13 =总线/ 252

有关更多信息,请参阅基础

数据类型:双倍的

输出参数

全部收缩

SABR模型计算的正常(Bachelier)波动率,作为标量数字或大小向量返回numvols.-经过-1

算法

两个常规案例算法normalvolbysabr.不是钱(ATM)和ATM。

不是ATM(FK.):

σ. N α. β ρ υ F K. T. = α. F - K. 1 - β F 1 - β - K. 1 - β Z. X Z. { 1 + [ β β - 2 α. 2 24. F m 一世 D. 2 - 2 β + ρ β υ α. 4. F m 一世 D. 1 - β + 2 - 3. ρ 2 24. υ 2 ] T. } = υ F - K. X Z. { 1 + [ β β - 2 α. 2 24. F m 一世 D. 2 - 2 β + ρ β υ α. 4. F m 一世 D. 1 - β + 2 - 3. ρ 2 24. υ 2 ] T. } F m 一世 D. = F + K. 2 Z. = υ α. F 1 - β - K. 1 - β 1 - β X Z. = LN. 1 - 2 ρ Z. + Z. 2 + Z. - ρ 1 - ρ

对于ATM(F=K.):

σ. N 一种 T. m α. β ρ υ F T. = α. F β { 1 + [ β β - 2 α. 2 24. F 2 - 2 β + ρ β υ α. 4. F 1 - β + 2 - 3. ρ 2 24. υ 2 ] T. }

特殊情况normalvolbysabr.其中β= 0而不是ATM(FK.) 是:

σ. N α. ρ υ F K. T. = υ F - K. X ζ 1 + 2 - 3. ρ 2 24. υ 2 T. ζ = υ α. F - K. X ζ = LN. 1 - 2 ρ ζ + ζ 2 + ζ - ρ 1 - ρ

对于ATM(F=K.):

σ. N 一种 T. m α. ρ υ T. = α. 1 + 2 - 3. ρ 2 24. υ 2 T.

特殊情况normalvolbysabr.其中β= 1而不是ATM(FK.) 是:

σ. N α. ρ υ F K. T. = υ F - K. X ζ { 1 + [ - α. 2 24. + ρ υ α. 4. + 2 - 3. ρ 2 24. υ 2 ] T. } ζ = υ α. LN. F K. X ζ = LN. 1 - 2 ρ ζ + ζ 2 + ζ - ρ 1 - ρ

对于ATM(F=K.):

σ. N 一种 T. m α. ρ υ F T. = α. F { 1 + [ - α. 2 24. + ρ υ α. 4. + 2 - 3. ρ 2 24. υ 2 ] T. }

参考

[1] Hagan,P. S.,D. Kumar,A.。Lesniewski,和D.E.伍德沃德。“管理笑容风险。”Wilmott杂志。2002年9月,第84-108页。

在R2018B中介绍