پرش به محتوای اصلی

گسترش های مدل هستون | وابسته به زمان و دو عاملی

هستون وابسته به زمان و هستون دو‌عاملی چه مشکلی را حل می‌کنند؟ محدودیت پنج پارامتر استاندارد و انتخاب آپشن‌باز.

نویسنده: آپشن باز، تاریخ انتشار: ، آخرین به‌روزرسانی: ، 2 دقیقه مطالعه
اشتراک‌گذاری:

دو گسترش رایج هستون: هستون وابسته به زمان (پارامترها با زمان عوض می‌شوند) و هستون دو‌عاملی (دو فاکتور واریانس برای شکل ترم‌استراکچر بهتر).

زمان نوسان نوسان بلندمدت (√θ) نوسان فعلی (√v₀) κ = سرعت بازگشت
نوسان بالا می‌پرد، بعد با سرعت κ به سطح بلندمدت برمی‌گردد — نیم‌عمر بازگشت در پنل مدل هستون همین را به روز نشان می‌دهد.

وابسته به زمان

اگر κ، θ، ξ یا ρ تابع زمان باشند، مدل انعطاف بیشتری برای ساختار زمانی لبخند دارد — با هزینهٔ کالیبراسیون سنگین‌تر.

دو‌عاملی

دو فرایند واریانس می‌توانند هم‌زمان چولگی کوتاه‌مدت و سطح بلندمدت را بهتر توضیح دهند (ادبیات Christoffersen–Heston–Jacobs و شبیه‌سازی double Heston).

در آپشن‌باز

کالیبراسیون فعلی پنج پارامتر استاندارد هستون است — ساده، پایدار، مناسب بازار اختیار ایران. گسترش‌ها برای آینده و درک محدودیت مدل مفیدند.

در آپشن‌باز مدل هستون به‌صورت عملی دیده می‌شود: ستون هستون در دیده‌بان، لبخند نوسان در میزکار، تب هستون در ماشین حساب.

منبع

بازنویسی آموزشی بر پایهٔ ویکی‌پدیا (و منابع مرتبط با مدل هستون):

https://en.wikipedia.org/wiki/Heston_model

مرتبط: مدل هستون (ویکی‌پدیا) · هستون در آپشن‌باز

این را روی بازار امتحان کنید

مقالات مرتبط

مدل هستون (ویکی پدیا) | فرمول، پارامترها و کالیبراسیون

ترجمهٔ آموزشی مدل هستون از ویکی‌پدیا: معادلات قیمت و واریانس، پنج پارامتر، شرط فلر، اندازهٔ ریسک‌خنثی، پیاده‌سازی، کالیبراسیون و کاربرد در آپشن‌باز.

مدل هستون و لبخند نوسان | قیمت تئوری اختیار در آپشن باز

مدل هستون چیست و چه فرقی با بلک‌شولز دارد؟ پنج پارامتر، ستون هستون در دیده‌بان آپشن، نمودار لبخند نوسان، تب ماشین حساب و معنی کالیبراسیون معتبر.

مدل بلک شولز و قیمت تئوری قرارداد اختیار معامله

مدل بلک‌شولز در آپشن — قیمت تئوری، IV ضمنی، یونانی‌ها و استفاده در دیده‌بان و جزئیات قرارداد.

مدل هستون چیست؟ | بنیان نوسان تصادفی در قیمت گذاری اختیار

مدل هستون چیست و چه فرقی با بلک‌شولز دارد؟ معرفی نوسان تصادفی، پنج پارامتر، لبخند نوسان و کاربرد در دیده‌بان و ماشین حساب آپشن‌باز.

نوسان محلی و LSV | ترکیب لبخند امروز با دینامیک تصادفی

نوسان محلی چیست، چرا با نوسان تصادفی ترکیب می‌شود (LSV) و مرز آن نسبت به هستون خالص در آپشن‌باز کدام است.

کالیبراسیون با forward-start و barrier | لبخند رو به جلو

چرا گاهی اختیار پیش‌آغاز و سدی وارد کالیبراسیون هستون می‌شوند؟ معنی forward smile و تفاوت با کالیبراسیون وانیلا در آپشن‌باز.

مدل هستون در خانوادهٔ مدل های آفین | قیمت گذاری اختیار

جایگاه مدل هستون در مدل‌های آفین اختیار معامله؛ چه چیزی را پوشش می‌دهد و مرز قیمت‌گذاری اروپایی در آپشن‌باز چیست.

راهنمای نمودار لبخند نوسان | IV بازار و منحنی هستون

آموزش نمودار لبخند نوسان در آپشن‌باز: نقطه‌های IV خرید/فروش، منحنی مدل هستون، خط قیمت پایه، خواندن گران/ارزان نسبت به مدل، باز کردن از جزئیات قرارداد و باکس میزکار.

دیدگاه‌ها و پرسش‌ها

اگر سوال یا ابهامی در رابطه با این مطلب دارید، همین‌جا بپرسید؛ کارشناسان ما پاسخ می‌دهند.

با ایمیل یا شماره موبایلی که ثبت می‌کنید، وقتی به کامنتتان پاسخ داده شود خبرتان می‌کنیم.

پرسش‌ها و نظرات کاربران

4 پیام
سیما
08 شهریور 1405 - 10:30
«وابسته به زمان» یعنی چه؟ مگر نوسان در مدل عادی ثابت است؟
تیم آپشن بازپاسخ
11 شهریور 1405 - 11:09
نه — و تفکیک این دو نکتهٔ ظریفی است که ارزش روشن شدن دارد. در هستون استاندارد، نوسان متغیر تصادفی است: در طول زمان بالا و پایین می‌رود. ولی قواعدی که این حرکت را می‌سازند — مثل سرعت بازگشت به میانگین و خودِ آن میانگین — در تمام عمر قرارداد ثابت‌اند. گسترش وابسته به زمان می‌گوید همان قواعد هم می‌توانند در طول زمان عوض شوند. کجا این به درد می‌خورد: وقتی می‌دانید در یک بازهٔ مشخص چیزی متفاوت خواهد بود — مثلاً رویدادی در تقویم هست که انتظار دارید نوسان را بالا ببرد و بعد فرو بنشاند: IV Crush و کجا به درد نمی‌خورد: وقتی برای تخمین آن قواعدِ متغیر، دادهٔ کافی ندارید. در بورس تهران معمولاً همین حالت برقرار است، و به همین دلیل مقاله نسخهٔ استاندارد را توصیه می‌کند.
عباس
10 مرداد 1405 - 14:29
این گسترش‌ها را کِی لازم داریم؟ مدل استاندارد کِی کم می‌آورد؟
تیم آپشن بازپاسخ
15 مرداد 1405 - 12:38
مقاله جواب درستی دارد که ارزش برجسته شدن دارد: برای بازار ایران، هستون استاندارد کافی است. گسترش‌ها وقتی به کار می‌آیند که مدل ساده نتواند شکل واقعی بازار را بازتاب دهد — معمولاً در بازارهایی با سررسیدهای بسیار متنوع و داده‌های پرحجم. در بورس تهران، محدودیت جای دیگری است: دادهٔ کافی برای کالیبره کردن پارامترهای بیشتر وجود ندارد. مدلی با پارامتر بیشتر روی دادهٔ کم، دقیق‌تر نمی‌شود — فقط نویز را بهتر حفظ می‌کند. بخشی از قیمت‌ها کهنه‌اند. کالیبراسیون روی قراردادی که چند روز معامله نشده، هر مدلی را گمراه می‌کند: سنجش نقدشوندگی پس قاعدهٔ عملی: پیچیده‌تر کردن مدل جواب کم‌عمقی بازار نیست. اگر عددی برایتان عجیب است، اول کیفیت داده را بررسی کنید نه انتخاب مدل: مدل هستون