Newton-Raphson Method를 이용한 옵션 내재 변동성 산출

일반적으로 옵션의 이론적인 가격은 변동성 에 의해 결정되며 옵션의 (이론)가격=와 같이 표현된다.

하지만, 실제 시장에서 형성되는 옵션의 가격은 수요자와 공급자, 즉, 매수자와 매도자에 의해 가격이 형성되다보니 이론적으로 산출한 이론가격과 괴리를 나타낼 수밖에 없고 이에 따라 실제 형성된 옵션의 가격을 뒷받침해주는 변동성1을 산출하려는 시도2)가 꾸준히 이어져왔다. 본 글에서는 제목에서 언급한 Newton-Rapshon Method를 이용하여 옵션, 그 중에서도 지수옵션3의 내재 변동성을 산출하는 일련의 흐름을 알아보고 개발 새발 작성된 본인의 관련 C source도 같이 알아본다.

먼저 시장에서 형성된 옵션의 가격은 [그림 1]과 같이 표현될 수 있다.

”]사용자 삽입 이미지
 
[그림 1]에서 보면, 형성된 가격은 와 같고 이 가격을 형성하는 변동성은 임을 알 수 있다. 또한 에서의 기울기는 옵션 민감도4 중의 하나인 가 되는데, 이 가 곧 일 때의 옵션의 가격인 에서의 1차 도함수 값이 된다. 그런데, 문제는 옵션의 가격인 는 시장에서 확인이 되지만, 그 가격을 형성한 의 값은 모른다는 것이다. 그래서 이 를 찾기 위해 시행착오법(Trial & Error Method)을 통해 를 구해야 하기에 위 [그림 1]을 아래 [그림 2]처럼 약간 변경해준다.

”]사용자 삽입 이미지
 
어차피 Newton-Raphson Method가 미분을 활용하여 ‘해’에 접근하는 방법이기 때문에 [그림 2]로부터 과 같은 식을 도출할 수 있게 된다. 이 식을 토대로 옵션의 가격 의 해인 에 근접하는 를 오차 범위 5 내에 도달할 때까지 반복해서 산출한다.

이 방법을 토대로 개발 새발 작성된 C source는 아래와 같다.

사용자 삽입 이미지
Newton-Raphson Method C Source
위 source에서 Options_TP, VegaO 등의 함수는 각각 이론가격 산출 및 민감도 Vega 산출 함수이다.

덧.: 시행착오법의 한계인 ‘‘로의 ‘수렴‘이 아니라 ‘발산‘이 이루어질 경우, ‘근사해‘를 구할 수 없게 되기 때문에 iteration에 제한을 두고 있다.

Footnotes

  1. 이를 옵션의 내재 변동성 또는 Implied Volatility라고 한다.
  2. 수치해석학을 이용한 시행착오법(Trial & Error Method
  3. 지수옵션, 주식옵션, 통화옵션 등의 유럽형 옵션이 현재 시장에 상장되어 있고 이론적으로 산출하는 각 옵션의 산출식은 대동소이하기 때문에 세부 논의는 생략한다.
  4. Delta, Gamma, Vega, Theta, Rho
  5. 보통

4 thoughts on “Newton-Raphson Method를 이용한 옵션 내재 변동성 산출”

  1. 우히히 너가 술도아닌 C를 좋아하게 되었구나 ㅋ
    NR법은 뻘짓을 할 때 빼고는 쓸만하지.
    solution의 범위를 대략적으로 알 수 있다면 다른 방법을 쓰지 그랴?

    응답
    • 술은 원래부터 좋아하니 제외! C는 13년동안 먹고 살게 해준 놈이니 싫어할래야 할 수가 없는 놈이기 때문에 인정!

      암튼, 뻘짓할 때 빼고는 NR이 정말 쓸만하긴 하더라. 그런데, 지수옵션의 변동성 범위가 적게는 15%에서 크게는 200% 가까이 되기 때문에 solution의 범위를 안다고 해도 performance 차원에서 NR을 사용하게 될 수밖에. 다른 방법으로 secant나 bisection, 또는 weighted bisection 정돌 사용해봤는데 적어도 지수옵션 내재 변동성 계산에는 NR의 performance가 제일 나은거 같다.

      응답
  2. 제가 케이뷔에서 secant 땜시 죽는 줄 알았습니다.
    Swap Pricing을 이용하여 Zero Rate를 도출하는데 값의 차이가 goal seek으로부터 나오는 것이라고 해서 열심히 뒤졌건만, 결국은 요건정의부터 무식한 차이를 보였다는 것.

    응답

댓글 남기기

이 사이트는 스팸을 줄이는 아키스밋을 사용합니다. 댓글이 어떻게 처리되는지 알아보십시오.