Rough-Bergomi-Modell
Rough Bergomi erklärt etwas, das Trader seit Jahren beschäftigt: Warum sind kurzlaufende Smiles so steil? Die Antwort lautet, dass Volatilitätspfade in realen Märkten deutlich zerklüfteter sind, als klassische Modelle annehmen. Wenn Sie die „Rauheit“ der tatsächlich realisierten Volatilität bei BTC, ETH oder dem S&P 500 messen, stellen Sie fest, dass sie wesentlich rauer ist als alles, was Heston oder SABR erzeugen können.
Dieses Modell wird nicht für die Echtzeit-Anpassung von Oberflächen eingesetzt -- es ist zu langsam. Sein Wert ist theoretischer Natur: Es erklärt Ihnen, warum Volatilitätsoberflächen so aussehen, wie sie aussehen, und vermittelt Ihnen die richtige Intuition, wenn Sie praktische Modelle wie SVI an kurzlaufende Krypto-Optionen anpassen. Die Muster der impliziten Volatilität, die es erklärt, sind in jedem liquiden Optionsmarkt sichtbar.
Die Erkenntnis der Rauheit
Gemessen über Aktien, FX und Krypto hinweg sind Volatilitätspfade weit zerklüfteter, als Standardmodelle annehmen. Diese Rauheit erzeugt ganz natürlich den steilen kurzlaufenden Skew, der in den Märkten beobachtet wird -- ohne Sprünge oder extreme Parameter.
Interaktiv: Rauheit und Skew
Verwenden Sie den Schieberegler unten, um beide Effekte des Rauheitsparameters (H) in Aktion zu sehen. Das linke Feld zeigt, wie ein niedrigeres H zerklüftetere, unregelmäßigere Pfade erzeugt. Das rechte Feld zeigt, wie sich diese Rauheit in einen steileren kurzlaufenden Skew übersetzt.
Explorer für raue Pfade
Pfadrauheit
ATM-Skew vs. Laufzeit (log-log)
Ziehen Sie den Schieberegler, um H zu ändern. Ein niedrigeres H erzeugt zackigere Pfade (links) und einen steileren Skew bei kurzen Laufzeiten (rechts). Bei H=0.5 ist der Pfad eine Standard-Brownsche Bewegung und der Skew folgt dem klassischen T^(-0.5)-Zerfall.
Was „rau“ bedeutet
Klassische Modelle wie Heston geben der Volatilität glatte, sanft mäandernde Pfade -- wie ein Fluss. Rough Bergomi gibt der Volatilität zerklüftete, küstenlinienartige Pfade. Das ist keine Modellierungsentscheidung -- es ist das, was die Daten zeigen, wenn Sie reale Volatilitätspfade in hoher Frequenz messen.
Die Rauheit wird durch eine einzige Zahl gesteuert: den Hurst-Parameter H. Niedrigeres H = rauere Pfade = steilerer kurzlaufender Skew.
H nahe 0.1 ist eine Tatsache, keine Wahl
Forscher finden H nahe 0.1, unabhängig davon, ob sie den S&P 500, einzelne Aktien, BTC oder ETH messen. Die Daten selbst sagen, dass Volatilitätspfade rau sind. Das Modell basiert auf dem, was die Daten zeigen.
Das Potenzgesetz des ATM-Skews
Der Rauheitsparameter H steuert, wie der ATM-Skew von kurzen zu langen Fälligkeiten abnimmt. Mit H nahe 0.1 ist der kurzlaufende Skew steil und flacht ab, je länger die Laufzeit wird. Dieser einzelne Parameter erklärt die gesamte Laufzeitstruktur des Skews von 1 Tag bis 1 Jahr -- sowohl bei Krypto als auch bei Aktien.
Klassische diffusive Modelle (Heston, SABR) liegen hier systematisch falsch: Ihr ATM-Skew strebt bei schrumpfender Laufzeit gegen eine Konstante, sodass sie den Skew bei 1 Tag unterschätzen, sofern die Parameter nicht auf Extremwerte getrieben werden, die dann längere Fälligkeiten verzerren. Rough Bergomi mit H nahe 0.1 trifft genau die Mitte. Das Black-Scholes-Framework kann dieses Potenzgesetz-Verhalten überhaupt nicht abbilden.
Steiler kurzlaufender Skew erklärt
Rough Bergomi erklärt, warum der kurzlaufende Skew so steil ist. Es ist eine theoretische Erkenntnis, kein Produktionswerkzeug.
Parameter
Drei freie Parameter sowie die Forward-Varianzkurve aus Marktdaten.
Stärken und Grenzen
Vergleich mit klassischen Modellen
Warum es für Krypto wichtig ist
Eine Linse, kein Produktionswerkzeug
Rough Bergomi ist wie Black-Scholes -- nicht das Modell, das Sie in der Produktion einsetzen, sondern das Framework, das Ihnen die richtige Sprache und Intuition vermittelt.
Es erklärt, warum Krypto-Smiles so aussehen, wie sie aussehen. Die Volatilitätsoberflächen von BTC und ETH weisen steile kurzlaufende Skews auf. Rough Bergomi sagt: Diese Steilheit ist die natürliche Folge rauer Volatilitätspfade, und genau das zeigen die Daten.
Es liefert Ihnen den richtigen Prior für die SVI-Anpassung. Wenn Sie SVI an spärliche kurzlaufende Daten anpassen, sagt Ihnen die raue Volatilität, dass der Skew steil sein sollte. Das Potenzgesetz gibt Ihnen eine quantitative Erwartung, wie sich der Skew über die Fälligkeiten entwickeln sollte. Nützlich, wenn die Datenlage dünn ist. An jedem Strike ergibt sich die erwartete implizite Volatilität aus der Rauheit des zugrunde liegenden Varianzprozesses.
Es umreißt die Forschungsfront. Deep-Learning-basierte Kalibrierung von Modellen mit rauer Volatilität, hybride rau-lokale Volatilität und Varianten von Rough Heston könnten irgendwann schnell genug für den Echtzeiteinsatz werden. Wenn Sie das Framework jetzt verstehen, werden Sie diese Werkzeuge erkennen, sobald sie verfügbar sind. Konzepte wie Delta-Hedging und Vega-Exposure bleiben gleich, ihre Berechnung wird unter rauer Dynamik jedoch deutlich schwieriger. Die Herausforderung besteht darin, diese Greeks ohne Verletzungen der Kalender-Arbitrage-Freiheit zu berechnen, wenn simulierte Slices zusammengefügt werden, worauf die OTM-Flügel besonders empfindlich reagieren.
Gleichungs-Explorer
Rechnen Sie zwischen impliziter Volatilität, Gesamtvarianz, Log-Moneyness und Optionspreisen um.
Gleichungs-Explorer
Selbsttest
💡 Tipp: Versuchen Sie jede Frage selbst zu beantworten bevor Sie die Antwort aufdecken.
Mathematische Intuition aufbauen
Rough Bergomi von Grund auf lernenInteraktive Lektion · keine Vorkenntnisse nötigDiese Lektion beginnt mit der Erkenntnis der rauen Volatilität und erklärt dann den Hurst-Parameter, den Varianzprozess und warum Rauheit das kurze Ende des Smiles ganz natürlich steiler macht.
Siehe auch:
- SABR-Modell -- Stochastisches Volatilitätsmodell für Smile-Dynamik
- Heston-Modell -- Klassische stochastische Volatilität mit mean-revertierender Varianz
- SVI-Parametrisierung -- Die praktische Methode zur Smile-Anpassung
- SSVI (Surface SVI) -- Kalender-arbitragefreie Erweiterung auf die Oberfläche
- Skew -- Empirisches Skew-Verhalten und seine Messung
- Laufzeitstruktur -- Wie die Volatilität über Fälligkeiten variiert
- Interpolationsmethoden -- Alle Methoden im Vergleich