Diese Seite wurde maschinell übersetzt. Das englische Original ist maßgeblich. Auf Englisch lesen →
Zum Hauptinhalt springen

Sprung- und Fat-Tail-Modelle

Der Markt springt. Ein Protokoll-Exploit, eine überraschende Fed-Entscheidung, eine Liquidationskaskade. Stochastische Volatilitätsmodelle tun sich mit plötzlichen Sprüngen schwer. Sprungmodelle bilden sie direkt ab: Der Preis springt zu zufälligen Zeitpunkten auf ein neues Niveau.

💡
Zwei Wege zu Fat Tails

Stochastische Volatilität (Heston, SABR) macht die Volatilität zufällig. Sprungmodelle lassen den Preis selbst springen. Beide Effekte treten in realen Märkten auf, und Produktivsysteme kombinieren sie häufig.

Auf einen Blick​

Modell
Kernidee
Am besten für
Black-Scholes + zufällige Sprünge. Das ursprüngliche Sprungmodell.
Verständnis des Crash-Risikos, Steilheit des Smiles bei kurzen Laufzeiten
Asymmetrische Sprünge. Crashs größer als Rallys.
Unabhängige Anpassung der Flügel
Reine Sprünge, keine Diffusion. Renditen werden von einer zufälligen Uhr getrieben.
Fat Tails ohne stochastische Volatilität. Akademischer Benchmark.

Was sie gemeinsam haben​

Alle drei Modelle erklären Fat Tails und steile Smiles bei kurzen Laufzeiten, indem sie Preissprünge zulassen. Sie unterscheiden sich in der Sprungverteilung und darin, ob eine kontinuierliche Diffusionskomponente vorhanden ist.

Modell
Sprungverteilung
Mit Diffusion?
Geschlossene Form?
Verhalten der Flügel
Merton
Lognormal (symmetrisch)
Ja
Ja (Reihe)
Symmetrische Verbreiterung
Kou
Doppelt exponentiell (asymmetrisch)
Ja
Ja
Unabhängige linke/rechte Tails
Variance Gamma
Gamma-subordinierte Brownsche Bewegung
Nein
Ja
Gesteuert durch Skew- und Kurtosis-Parameter

Wie sie zueinander stehen​

Merton ist das Original: Man nimmt Black-Scholes und fügt zufällige Sprünge hinzu, die aus einer Lognormalverteilung gezogen werden. Die Sprünge sind symmetrisch, daher verbreitert das Modell beide Tails gleichermaßen. Kou behebt dies, indem der lognormale Sprung durch eine doppelt exponentielle Verteilung ersetzt wird. Das liefert getrennte Parameter für Aufwärts- und Abwärtssprünge, sodass Crashs größer ausfallen können als Rallys. Variance Gamma geht einen anderen Weg: Es entfernt die Diffusion vollständig und modelliert Renditen als Brownsche Bewegung, die auf einer zufälligen Uhr (einem Gamma-Prozess) läuft. Jede Bewegung stammt aus Sprüngen. Damit ist es ein reiner Sprungprozess, bei dem die Kurtosis- und Skew-Parameter die Form der Tails direkt steuern.


Modelle in diesem Abschnitt: