Construção de superfícies de volatilidade a partir da calibração do Modelo GARCH-SVNIG

• Autor(a) principal: Monteiro, Leonardo Herz
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: https://hdl.handle.net/10438/30775
• topic: Covariance Matrix Adaptation Evolution Estrategy (CMA-ES); Financial markets; Derivatives pricing; European options; Implied volatility; Volatility surface; Stochastic process; Model calibration; Non-affine Stochastic Volatility; Normal Inverse Gaussian Jumps (NIG); Infinite Activity and Infinite Variation Levy Jumps; Monte Carlo Simulation; Parallel computing; Low discrepancy sequence; Covariance Matrix Adaptation Evolution Estrategy (CMA-ES); Mercado financeiro; Precificação de derivativos; Opções europeias; Modelo Black-Scholes; Volatilidade implícita; Superfície de volatilidade; Processos estocásticos; Calibração de modelos; Volatilidade estocástica com expoente não-afim; Saltos Normal Inverse Gaussian (NIG); Saltos de Levy com Atividade Infinita e Variação Infinita; Simulação de Monte Carlo; Computação paralela; Sequências de Baixa Discrepância; Economia; Mercado financeiro; Derivativos (Finanças) - Preços; Volatilidade (Finanças); Processo estocástico

A precificação de opções é um constante desafio enfrentado pelo mercado financeiro, devido à dificuldade de modelar adequadamente a dinâmica dos preços dos ativos financeiros. Atualmente, os participantes do mercado utilizam a volatilidade implícita, oriunda do modelo Black-Scholes, como método para visualizar os prêmios de risco associados à diferentes prazos e strikes, dando origem às superfícies de volatilidade. O presente trabalho tem por objetivo propor a utilização de um processo estocástico avançado que seja flexível o suficiente para calibrar, de maneira equilibrada, os pontos amostrais de volatilidade implícita observados no mercado, independente da diversidade dos vértices disponíveis. O modelo proposto é testado com dados artificiais e reais, e o principal resultado observado é a possibilidade de construir de superfícies suaves e completas a partir da generalização do processo calibrado.