SVJD-Fachbegriffe im Überblick
Ein präzises Nachschlagewerk für stochastische Volatilität und Sprungdiffusion — von fundamentalen Prozessparametern bis zu numerischen Bewertungsmethoden, die in den Plattformmodulen verwendet werden
Sprungintensität Lambda
Sprungprozesse
Sprungintensität Lambda
Sprungprozesse
Variansprozess v_t
Stochastische Volatilität
Variansprozess v_t
Stochastische VolatilitätDer stochastische Variansprozess v_t beschreibt die zeitvariable Instantanvarianz des Preisprozesses im Heston-Modell. Er folgt einem mean-revertierenden CIR-Prozess. Im Gegensatz zur konstanten Volatilität in Black-Scholes erlaubt v_t eine dynamische Volatilität, die Volatility-Clustering und den persistenten Volatility Smile strukturell erklärt. Negative Varianz wird durch die Feller-Bedingung ausgeschlossen.
Mean-Reversion-Geschwindigkeit Kappa
Stochastische Volatilität
Mean-Reversion-Geschwindigkeit Kappa
Stochastische VolatilitätDer Parameter κ bestimmt, wie schnell der Variansprozess v_t zu seinem langfristigen Mittelwert θ zurückkehrt. Ein hohes κ bedeutet schnelle Rückkehr und eine weniger persistente Volatilität. Ein niedriges κ erzeugt langanhaltende Volatilitätsregimes. In der Kalibrierung beeinflusst κ die Form der Termstruktur impliziter Volatilitäten erheblich und ist eng mit der Volatilitätspersistenz in Zeitreihen verbunden.
Volatilität der Volatilität Sigma_v
Stochastische Volatilität
Volatilität der Volatilität Sigma_v
Stochastische VolatilitätDer Parameter σ_v, auch als Vol-of-Vol bezeichnet, misst die Standardabweichung des Variansprozesses selbst. Ein hohes σ_v erzeugt ausgeprägte Volatilitätsschwankungen und stärkere Krümmung der Implied-Volatility-Oberfläche. In der Praxis führt ein zu hohes σ_v kombiniert mit einem zu niedrigen κ zu Instabilitäten in der Kalibrierung. Die Feller-Bedingung 2κθ größer σ_v² stellt sicher, dass der Variansprozess positiv bleibt.
Poisson-Prozess
Sprungprozesse
Poisson-Prozess
Sprungprozesse
Charakteristische Funktion
Numerische Methoden
Charakteristische Funktion
Numerische Methoden
Risikoneutrales Maß
Maßtheorie
Risikoneutrales Maß
Maßtheorie
Implied Volatility Surface
Marktgrössen
Implied Volatility Surface
Marktgrössen
Expected Shortfall
Risikomessung
Expected Shortfall
Risikomessung
Feller-Bedingung
Stochastische Volatilität
Feller-Bedingung
Stochastische Volatilität
Lévy-Prozess
Stochastische Prozesse
Lévy-Prozess
Stochastische Prozesse
Volatility Risk Premium
Marktgrössen
Volatility Risk Premium
MarktgrössenDer Volatility Risk Premium bezeichnet die Differenz zwischen der impliziten Volatilität, die aus Optionspreisen abgeleitet wird, und der realisierten Volatilität des Basiswerts. Er spiegelt die Risikoprämie wider, die Optionskäufer für den Schutz vor unerwarteten Volatilitätsereignissen zahlen. In der SVJD-Kalibrierung muss der Volatility Risk Premium explizit berücksichtigt werden, da eine alleinige Kalibrierung auf Optionspreise systematisch verzerrte Sprungparameter erzeugen kann.
Monte-Carlo-Simulation
Numerische Methoden
Monte-Carlo-Simulation
Numerische Methoden
Korrelationsparameter Rho
Stochastische Volatilität
Korrelationsparameter Rho
Stochastische VolatilitätAktuelle Forschung und Plattformupdates im Bereich SVJD
Neue Implementierungshinweise, Forschungsüberblicke und Weiterentwicklungen in der stochastischen Volatilitätsmodellierung — regelmäßig aktualisiert für Praktiker, die am Puls des Feldes bleiben möchten
Kalibrierungsinstabilität im Bates-Modell: Ursachen und Lösungsstrategien
Warum kalibriert das Bates-Modell auf ruhigen Märkten gut und versagt in Stressphasen? Eine strukturierte Analyse der häufigsten Instabilitätsursachen und praktischer Regularisierungsstrategien für die Praxis.
Expected Shortfall unter SVJD-Annahmen: Ein numerischer Vergleich
Wie stark weicht Expected Shortfall unter Sprung-Volatilität-Annahmen von klassischen Normalverteilungsschätzungen ab? Ein quantitativer Vergleich mit realen Marktdaten aus verschiedenen Volatilitätsregimes.
Affine Sprungdiffusionsmodelle: Ein Überblick über moderne Erweiterungen
Von Kou-Modell bis Hawkes-gesteuerten Sprungintensitäten: Welche Erweiterungen des klassischen Bates-Frameworks in der aktuellen Forschung und in der Praxis quantitativer Risikoabteilungen relevant sind.
Neues Expert-Modul: Vollständige SVJD-Kalibrierung mit realen Marktdaten
Das überarbeitete Expert-Modul enthält jetzt eine vollständig dokumentierte Kalibrierungsanalyse auf Basis realer Implied-Volatility-Daten, inklusive Identifikationsdiagnostik und szenariobasierter Stresstests.
Fourier-Methoden für SVJD-Modelle: Implementierung und numerische Stabilität
Die charakteristische Funktion ist das effizienteste Werkzeug für die SVJD-Optionspreisberechnung — wenn sie korrekt implementiert wird. Eine praxisnahe Anleitung zu Integrationsverfahren und Stabilisierungstechniken.
Praktische Hinweise für die SVJD-Implementierung und Kalibrierung
Kalibrierung immer mit mehreren Startpunkten initialisieren
Optimierungsalgorithmen für SVJD-Modelle konvergieren häufig zu lokalen Minima, die den Marktpreisen numerisch gut entsprechen, aber ökonomisch implausible Parameter liefern. Ein systematisches Grid über verschiedene Startwerte für κ, σ_v und λ erhöht die Wahrscheinlichkeit, das globale Optimum zu finden. Dieser Schritt kostet Rechenzeit, verhindert aber stille Fehlkalibrierungen, die schwer zu diagnostizieren sind.