Калибровка каплетов с использованием обычной (холостяцкой) модели

Открыть сценарий в реальном времени

В этом примере показано, как использовать hwcalbycap для калибровки рыночных данных с помощью модели Normal (Bachelier) для ценовых каплет. Используйте модель Normal (Bachelier) для выполнения калибровки при работе с отрицательными процентными ставками, забастовками и обычной подразумеваемой волатильностью.

Рассмотрим колпачок со следующими параметрами:

Settle = 'Dec-30-2016';
Maturity = 'Dec-30-2019';
Strike = -0.001075;
Reset = 2;
Principal = 100;
Basis = 0;

Кэплеты и рыночные данные для этого примера определяются следующим образом:

capletDates = cfdates(Settle, Maturity, Reset, Basis);
datestr(capletDates')

ans = 6x11 char array
    '30-Jun-2017'
    '30-Dec-2017'
    '30-Jun-2018'
    '30-Dec-2018'
    '30-Jun-2019'
    '30-Dec-2019'

% Market data information
MarketStrike = [-0.0013; 0];
MarketMat =  {'30-Jun-2017';'30-Dec-2017';'30-Jun-2018'; '30-Dec-2018';'30-Jun-2019'; '30-Dec-2019'};
MarketVol = [0.184 0.2329 0.2398 0.2467 0.2906 0.3348;   % First row in table corresponding to Strike 1 
             0.217 0.2707 0.2760 0.2814 0.3160 0.3508];  % Second row in table corresponding to Strike 2

Определите RateSpec.

Rates= [-0.002210;-0.002020;-0.00182;-0.001343;-0.001075];
ValuationDate = 'Dec-30-2016';
EndDates = {'30-Jun-2017';'Dec-30-2017';'30-Jun-2018';'Dec-30-2018';'Dec-30-2019'};
Compounding = 2;
Basis = 0;

RateSpec = intenvset('ValuationDate', ValuationDate, ...
'StartDates', ValuationDate, 'EndDates', EndDates, ...
'Rates', Rates, 'Compounding', Compounding, 'Basis', Basis);

Использовать hwcalbycap для поиска значений параметров волатильности Alpha и Sigma с использованием модели Normal (Bachelier).

format short
o=optimoptions('lsqnonlin','TolFun',100*eps);
warning ('off','fininst:hwcalbycapfloor:NoConverge')
[Alpha, Sigma, OptimOut] = hwcalbycap(RateSpec, MarketStrike, MarketMat,...
MarketVol, Strike, Settle, Maturity, 'Reset', Reset, 'Principal', Principal,...
'Basis', Basis, 'OptimOptions', o, 'model', 'normal')

Local minimum possible.
lsqnonlin stopped because the size of the current step is less than
the value of the step size tolerance.

Alpha = 1.0000e-06

Sigma = 0.3384

OptimOut = struct with fields:
     resnorm: 1.5181e-04
    residual: [5x1 double]
    exitflag: 2
      output: [1x1 struct]
      lambda: [1x1 struct]
    jacobian: [5x2 double]

OptimOut.residual области OptimOut структура - это остаточное значение оптимизации. Это значение содержит разницу между нормальными (Bachelier) и рассчитанными во время оптимизации. Используйте OptimOut.residual значение, чтобы вычислить процентную разницу (ошибку) по сравнению с нормальными ценами (Bachelier) caplet, а затем решить, является ли остаток приемлемым. Почти всегда есть некоторый остаток, поэтому решите, приемлемо ли параметризировать рынок с одним значением Alpha и Sigma.

Оцените кэплеты с использованием рыночных данных и модели Normal (Bachelier) для получения ссылочных значений кэплета. Для определения эффективности оптимизации вычислите ссылочные значения caplet по формуле Normal (Bachelier) и рыночным данным. Обратите внимание, что сначала необходимо интерполировать рыночные данные для получения букв для расчета.

MarketMatNum = datenum(MarketMat);
[Mats, Strikes] = meshgrid(MarketMatNum, MarketStrike);
FlatVol = interp2(Mats, Strikes, MarketVol, datenum(Maturity), Strike, 'spline');

[CapPrice, Caplets] = capbynormal(RateSpec, Strike, Settle, Maturity, FlatVol,...
'Reset', Reset, 'Basis', Basis, 'Principal', Principal); 
Caplets = Caplets(2:end)'

Caplets = 5×1

    4.7392
    6.7799
    8.2609
    9.6136
   10.6455

Сравните оптимизированные значения и значения Normal (Bachelier) и просмотрите результаты графически. После вычисления ссылочных значений для кэплетов сравните значения аналитически и графически, чтобы определить, являются ли вычисленные единичные значения Alpha и Sigma обеспечить адекватную аппроксимацию.

OptimCaplets = Caplets+OptimOut.residual;

disp('   ');

disp(' Bachelier   Calibrated Caplets');

 Bachelier   Calibrated Caplets

disp([Caplets        OptimCaplets])

    4.7392    4.7453
    6.7799    6.7851
    8.2609    8.2657
    9.6136    9.6112
   10.6455   10.6379

plot(MarketMatNum(2:end), Caplets, 'or', MarketMatNum(2:end), OptimCaplets, '*b');
datetick('x', 2)
xlabel('Caplet Maturity');
ylabel('Caplet Price');
ylim ([0 16]);
title('Bachelier and Calibrated Caplets');
h = legend('Bachelier Caplets', 'Calibrated Caplets');
set(h, 'color', [0.9 0.9 0.9]);
set(h, 'Location', 'SouthEast');
set(gcf, 'NumberTitle', 'off')
grid on

Figure contains an axes. The axes with title Bachelier and Calibrated Caplets contains 2 objects of type line. These objects represent Bachelier Caplets, Calibrated Caplets.

Документация

Калибровка каплетов с использованием обычной (холостяцкой) модели

Документация по инструментам для финансовых инструментов

Поддержка