Poin Utama

Model Black-Scholes menyediakan solusi harga tertutup untuk opsi Eropa menggunakan lima input: harga saham, harga strike, waktu hingga jatuh tempo, suku bunga bebas risiko, dan volatilitas. Meskipun memiliki keterbatasan yang diketahui (mengasumsikan volatilitas konstan dan return log-normal), model ini tetap menjadi bahasa universal pasar opsi. Trader menggunakan model ini bukan karena percaya model ini benar; mereka menggunakannya karena implied volatility, satu-satunya parameter bebas, telah menjadi konvensi kuotasi standar untuk opsi di seluruh dunia.
Masalah yang Diselesaikan Black-Scholes
Sebelum 1973, perdagangan opsi adalah sebuah seni. Dealer menetapkan harga berdasarkan intuisi, penawaran dan permintaan, serta aturan praktis. Tidak ada kerangka sistematis untuk menentukan berapa nilai wajar sebuah opsi, yang berarti market maker yang berbeda dapat mengutip harga yang sangat berbeda untuk kontrak yang sama.
Fischer Black dan Myron Scholes mengubah ini dengan paper mereka tahun 1973, yang diterbitkan di Journal of Political Economy. Robert Merton secara independen mengembangkan kerangka waktu kontinu untuk masalah yang sama dan menerbitkan ekstensinya di Bell Journal of Economics. Wawasan intinya sangat sederhana namun mendalam: jika Anda dapat secara terus-menerus melakukan hedging opsi dengan saham yang mendasarinya, harga opsi harus independen dari preferensi risiko investor. Prinsip "risk-neutral pricing" ini memungkinkan mereka menurunkan formula yang unik dan bebas preferensi.
Pencapaian intelektual ini mengantarkan Scholes dan Merton menerima Nobel Ekonomi 1997 (Black meninggal pada 1995). Lebih praktis lagi, formula ini melahirkan industri derivatif modern. Ketika Chicago Board Options Exchange (CBOE) dibuka pada April 1973, hanya beberapa minggu setelah publikasi paper, trader akhirnya dapat menentukan harga opsi secara sistematis. Pasar derivatif global sejak itu tumbuh hingga nilai nosional melebihi $600 triliun.
Lima Input
Formula Black-Scholes untuk opsi call Eropa adalah:
C = S * N(d1) - K * e^(-rT) * N(d2)
di mana d1 = [ln(S/K) + (r + sigma^2/2) * T] / (sigma * sqrt(T)) dan d2 = d1 - sigma * sqrt(T).
Lima input menentukan harga:
S (Harga saham saat ini). Dapat diamati secara real-time. Tidak ada ambiguitas.
K (Harga strike). Didefinisikan dalam kontrak opsi. Tidak ada ambiguitas.
T (Waktu hingga jatuh tempo). Didefinisikan dalam kontrak opsi. Diukur dalam tahun; opsi 30 hari memiliki T = 30/365 = 0,0822.
r (Suku bunga bebas risiko). Biasanya diperkirakan dengan suku bunga Treasury bill yang sesuai dengan jatuh tempo opsi. Dalam praktiknya, kesalahan kecil pada r memiliki dampak minimal terhadap harga opsi.
sigma (Volatilitas). Standar deviasi tahunan dari log return saham. Ini adalah satu-satunya input yang tidak dapat diamati secara langsung.
Asimetri ini bersifat fundamental. Empat dari lima input diketahui dengan hampir pasti. Seluruh tantangan pricing opsi tereduksi menjadi estimasi satu parameter: volatilitas. Inilah mengapa perdagangan opsi, pada intinya, adalah perdagangan volatilitas.
Greeks: Mengukur Sensitivitas
Greeks mengkuantifikasi bagaimana harga opsi berubah ketika setiap input bergerak. Mereka adalah alat penting untuk manajemen risiko dan hedging.
Delta mengukur sensitivitas opsi terhadap perubahan harga saham. Opsi call dengan delta 0,60 naik sekitar $0,60 untuk setiap kenaikan $1 pada saham. Delta berkisar dari 0 hingga 1 untuk call (dan -1 hingga 0 untuk put). Opsi at-the-money memiliki delta mendekati 0,50. Opsi deep in-the-money mendekati delta 1,0, berperilaku hampir seperti saham itu sendiri. Delta juga mendekati probabilitas opsi berakhir in-the-money di bawah ukuran risk-neutral.
Gamma mengukur laju perubahan delta terhadap harga saham. Ini mengkuantifikasi konveksitas: seberapa banyak delta sendiri bergeser ketika saham bergerak. Gamma tertinggi untuk opsi at-the-money yang mendekati jatuh tempo dan mendekati nol untuk opsi deep in- atau out-of-the-money. Gamma tinggi berarti eksposur posisi berubah dengan cepat, memerlukan rebalancing lebih sering. Gamma adalah apa yang membuat opsi menjadi instrumen nonlinier.
Theta mengukur laju peluruhan waktu. Dengan faktor lain tetap sama, opsi kehilangan nilai seiring berjalannya waktu karena probabilitas pergerakan besar yang menguntungkan menyusut. Theta biasanya negatif untuk posisi long opsi dan mempercepat saat jatuh tempo mendekat. Opsi at-the-money dengan 30 hari hingga jatuh tempo mungkin kehilangan $0,05 per hari; dengan 5 hari tersisa, peluruhan itu bisa mempercepat menjadi $0,15 per hari.
Vega mengukur sensitivitas terhadap perubahan implied volatility. Vega 0,20 berarti harga opsi meningkat $0,20 untuk setiap kenaikan 1 poin persentase implied volatility. Vega tertinggi untuk opsi at-the-money dengan waktu jatuh tempo lebih lama. Karena volatilitas adalah satu-satunya input yang tidak dapat diamati, risiko vega sering menjadi pertimbangan dominan untuk portofolio opsi.
Rho mengukur sensitivitas terhadap suku bunga bebas risiko. Rho 0,05 berarti harga opsi berubah $0,05 untuk perubahan 1 poin persentase suku bunga bebas risiko. Rho umumnya merupakan Greek yang paling tidak signifikan untuk opsi ekuitas jangka pendek tetapi menjadi bermakna untuk opsi jangka panjang atau dalam lingkungan suku bunga tinggi.
Analisis Sensitivitas Greeks
Tabel berikut mengilustrasikan bagaimana Greeks berperilaku untuk opsi call pada saham $100 dengan suku bunga bebas risiko 5% dan implied volatility 25%.
| Parameter | ATM (K=100, T=90 hari) | OTM (K=110, T=90 hari) | ATM (K=100, T=30 hari) | ATM (K=100, T=180 hari) |
|---|---|---|---|---|
| Harga ($) | 5,38 | 1,42 | 2,89 | 7,85 |
| Delta | 0,57 | 0,25 | 0,54 | 0,59 |
| Gamma | 0,031 | 0,022 | 0,054 | 0,022 |
| Theta ($/hari) | -0,048 | -0,026 | -0,076 | -0,036 |
| Vega ($/1% vol) | 0,196 | 0,138 | 0,112 | 0,280 |
| Rho ($/1% suku bunga) | 0,117 | 0,051 | 0,039 | 0,238 |
Beberapa pola menonjol. Gamma tertinggi untuk opsi ATM jangka pendek (0,054 untuk ATM 30 hari), mengonfirmasi bahwa posisi ini memiliki konveksitas terbesar dan memerlukan hedging paling aktif. Theta juga paling negatif untuk opsi yang sama, mencerminkan trade-off yang terkenal: membeli gamma berarti membayar theta. Vega meningkat dengan waktu jatuh tempo (0,112 untuk 30 hari vs. 0,280 untuk 180 hari), berarti opsi jangka panjang membawa risiko volatilitas lebih besar. Rho mengikuti pola yang sama, menjadi bermakna hanya untuk jatuh tempo yang lebih panjang.
Mengapa Black-Scholes Salah
Model ini berdiri di atas asumsi yang secara nyata dilanggar di pasar riil.
Volatilitas konstan. Black-Scholes mengasumsikan bahwa volatilitas (sigma) tetap konstan sepanjang umur opsi. Dalam kenyataan, volatilitas itu sendiri stokastik: ia berkluster (periode volatilitas tinggi diikuti periode volatilitas tinggi), mean-revert, dan cenderung melonjak selama penurunan pasar. Kegagalan asumsi tunggal ini telah menghasilkan seluruh subbidang penelitian keuangan.
Return log-normal. Model mengasumsikan return saham mengikuti gerakan Brownian geometris dengan log return berdistribusi normal. Distribusi return empiris menunjukkan fat tail (pergerakan ekstrem terjadi jauh lebih sering dari prediksi distribusi normal) dan skewness negatif (penurunan besar lebih umum dari kenaikan besar). Crash Oktober 1987, penurunan satu hari lebih dari 20%, adalah peristiwa sekitar 25 standar deviasi di bawah distribusi normal; probabilitasnya pada dasarnya nol.
Perdagangan kontinu. Model mengasumsikan pasar beroperasi secara kontinu dan saham yang mendasari dapat diperdagangkan tanpa friksi kapan saja. Dalam praktiknya, pasar tutup semalam, likuiditas bervariasi, dan biaya transaksi menciptakan celah yang bermakna antara kinerja hedge teoritis dan yang dapat dicapai.
Tidak ada lompatan. Model mengasumsikan harga bergerak mulus, tanpa lompatan diskontinu mendadak. Dalam kenyataan, pengumuman laba, peristiwa geopolitik, dan mikrostruktur pasar dapat menghasilkan gap harga seketika yang tidak dapat ditangkap oleh model proses kontinu.
Volatility Smile: Kesimpulan Praktis
Jika Black-Scholes benar, implied volatility akan sama untuk semua strike dan jatuh tempo. Trader akan mengutip satu angka volatilitas, dan setiap opsi pada saham yang sama akan mengimplisikan sigma yang sama.
Ini bukan yang terjadi. Ketika Anda membalik formula Black-Scholes untuk mengekstrak implied volatility dari harga pasar yang diamati, pola karakteristik muncul: put out-of-the-money memiliki implied volatility lebih tinggi dari opsi at-the-money, dan call out-of-the-money mungkin juga memiliki implied volatility sedikit lebih tinggi. Memplot implied volatility terhadap harga strike menghasilkan kurva yang menyerupai senyuman atau, lebih umum di pasar ekuitas, skew (implied volatility lebih tinggi di sisi downside).
Volatility smile tidak ada sebelum crash 1987. Sebelum crash, implied volatility relatif datar di seluruh strike, konsisten dengan asumsi Black-Scholes. Setelah Oktober 1987, pasar secara permanen menghargai ulang tail risk, dan smile telah menjadi fitur persisten sejak saat itu.
| Strike (% dari spot) | IV Teoritis BS | IV Pasar | Selisih |
|---|---|---|---|
| 80% (deep OTM put) | 25,0% | 35,2% | +10,2% |
| 90% (OTM put) | 25,0% | 29,8% | +4,8% |
| 95% (sedikit OTM put) | 25,0% | 27,4% | +2,4% |
| 100% (ATM) | 25,0% | 25,0% | 0,0% |
| 105% (sedikit OTM call) | 25,0% | 24,1% | -0,9% |
| 110% (OTM call) | 25,0% | 23,8% | -1,2% |
| 120% (deep OTM call) | 25,0% | 24,5% | -0,5% |
Smile mengkodekan penilaian pasar terhadap tail risk. Implied volatility yang lebih tinggi untuk put strike rendah mencerminkan permintaan untuk proteksi downside dan realitas empiris bahwa penurunan besar terjadi lebih sering dari yang diprediksi Black-Scholes. Sedikit kenaikan untuk deep OTM call mencerminkan permintaan untuk tiket lotere upside dan kemungkinan premi akuisisi.
Implied Volatility sebagai Bahasa Pasar
Inilah pergeseran konseptual yang kritis. Meskipun ada kecacatan yang diketahui, Black-Scholes tetap universal karena inversi praktis: alih-alih menggunakan model untuk menghitung harga opsi dari volatilitas, trader menggunakan model untuk mengonversi harga yang diamati menjadi implied volatility.
Implied volatility telah menjadi konvensi kuotasi standar untuk opsi. Ketika seorang trader mengatakan "30-delta put trading pada 28 vol," mereka mengomunikasikan harga dalam satuan volatilitas menggunakan Black-Scholes sebagai lapisan translasi. Konvensi ini memiliki beberapa keunggulan: intuitif (vol lebih tinggi berarti proteksi lebih mahal), dapat dibandingkan lintas strike dan jatuh tempo, dan menghilangkan efek mekanis harga saham dan waktu.
Dalam pengertian ini, Black-Scholes bukan model pricing; ini adalah sistem koordinat. Model menyediakan pemetaan antara harga dolar dan implied volatility, dan pasar memperdagangkan permukaan volatilitas daripada harga dolar secara langsung. Trader yang "membeli volatilitas" mengekspresikan pandangan bahwa pasar meremehkan realized volatility masa depan. Mereka yang "menjual volatilitas" percaya sebaliknya.
Indeks VIX, sering disebut "pengukur ketakutan," dihitung dari strip harga opsi S&P 500 menggunakan pendekatan model-free tetapi dikutip dalam satuan volatilitas tahunan. Interpretasinya sepenuhnya bergantung pada kerangka konseptual Black-Scholes meskipun perhitungannya tidak menggunakan formula Black-Scholes.
Di Luar Black-Scholes: Model yang Mengatasi Smile
Keterbatasan Black-Scholes telah memotivasi beberapa generasi model yang lebih baik.
Model volatilitas lokal (Dupire 1994). Bruno Dupire menunjukkan bahwa seseorang dapat mengkonstruksi fungsi volatilitas deterministik sigma(S,t) yang tepat mencocokkan semua harga opsi yang diamati di seluruh strike dan jatuh tempo. Permukaan volatilitas lokal adalah ekstraksi model-free dari harga pasar yang mereproduksi smile secara sempurna. Namun, model volatilitas lokal memiliki kelemahan kritis: mereka memprediksi bahwa smile merata saat saham bergerak, yang bertentangan dengan perilaku yang diamati. Dalam praktik, smile cenderung "menempel pada strike," berarti pola implied volatility bertahan relatif terhadap harga saham.
Model volatilitas stokastik (Heston 1993). Steven Heston memperkenalkan model di mana volatilitas itu sendiri mengikuti proses stokastik mean-reverting. Model Heston memiliki lima parameter (varians jangka panjang, kecepatan mean-reversion, vol-of-vol, korelasi, dan varians awal) dan menghasilkan volatility smile secara endogen. Parameter korelasi, yang biasanya negatif untuk ekuitas, menghasilkan skew asimetris yang diamati di pasar. Model Heston memiliki solusi bentuk tertutup untuk opsi Eropa (melalui fungsi karakteristik), menjadikannya praktis secara komputasional untuk kalibrasi.
Model SABR (Hagan et al. 2002). Awalnya dikembangkan untuk derivatif suku bunga, model SABR (Stochastic Alpha Beta Rho) menentukan dinamika stokastik untuk harga forward dan volatilitasnya. Ini menyediakan aproksimasi bentuk tertutup yang nyaman untuk implied volatility sebagai fungsi strike, menjadikannya sangat populer di kalangan trader opsi fixed income dan FX. Keunggulan utama model SABR adalah kemampuannya menangkap dinamika smile (bagaimana smile bergerak ketika underlying bergerak), yang krusial untuk hedging.
Model jump-diffusion (Merton 1976). Robert Merton memperluas kerangka Black-Scholes untuk memungkinkan lompatan diskontinu sesekali dalam harga saham, dimodelkan sebagai proses Poisson. Model jump-diffusion dapat menghasilkan volatility smile jangka pendek yang sulit dihasilkan model difusi murni. Tantangannya adalah risiko lompatan tidak dapat di-hedge secara sempurna, memecah asumsi pasar lengkap yang mendasari Black-Scholes.
Hierarki Model Pricing Opsi
| Model | Inovasi Utama | Generasi Smile | Biaya Komputasi | Penggunaan Utama |
|---|---|---|---|---|
| Black-Scholes (1973) | Risk-neutral pricing, bentuk tertutup | Tidak ada (asumsi vol konstan) | Sangat rendah | Konvensi kuotasi, hedging dasar |
| Merton Jump-Diffusion (1976) | Lompatan harga diskontinu | Smile jangka pendek | Rendah | Opsi ekuitas dengan risiko event |
| Dupire Local Vol (1994) | Permukaan vol deterministik | Fit smile sempurna | Sedang | Pricing opsi eksotis |
| Heston Stochastic Vol (1993) | Proses vol mean-reverting | Smile endogen | Sedang | Opsi ekuitas vanilla dan eksotis |
| SABR (2002) | Forward dan vol stokastik | Dinamika smile | Rendah | Opsi suku bunga, FX |
| Rough Volatility (2018+) | Gerakan Brownian fraksional untuk vol | Struktur jangka waktu realistis | Tinggi | Frontier penelitian |
Salah tetapi Berguna
Frasa "semua model salah, tetapi beberapa berguna," yang sering dikaitkan dengan statistikawan George Box, berlaku dengan kekuatan khusus untuk Black-Scholes. Model ini salah dalam cara yang spesifik dan dipahami dengan baik: volatilitas tidak konstan, return tidak log-normal, pasar tidak tanpa friksi, dan harga dapat melompat. Setiap praktisi mengetahui ini.
Namun Black-Scholes tetap bertahan karena kegunaannya tidak bergantung pada akurasinya. Model ini menyediakan bahasa bersama (implied volatility) untuk pasar yang perlu mengomunikasikan eksposur risiko kompleks secara sederhana. Model ini menyediakan rasio hedging orde pertama (delta, gamma) yang cukup efektif untuk manajemen risiko harian. Dan model ini menyediakan benchmark: deviasi dari harga Black-Scholes (smile, skew, term structure volatilitas) adalah fenomena yang mengungkapkan di mana peluang trading sebenarnya berada.
Volatility smile bukan kegagalan Black-Scholes; ini adalah pasar yang memberitahu Anda dengan tepat bagaimana dan di mana model gagal. Membaca smile berarti membaca penilaian kolektif pasar terhadap tail risk, jump risk, dan harga asuransi. Trader opsi paling canggih tidak membuang Black-Scholes; mereka menggunakannya sebagai sistem koordinat dan memperdagangkan deviasinya.
Status Bukti
Kerangka Black-Scholes berdiri di atas salah satu fondasi teoretis terkuat dalam keuangan, diturunkan dari pricing bebas arbitrase dan matematika kalkulus stokastik waktu kontinu. Rekam jejak empirisnya lebih bernuansa.
Validitas teoretis. Prinsip risk-neutral pricing yang mendasari Black-Scholes telah divalidasi secara ekstensif. Argumen hedging (portofolio delta-neutral yang secara kontinu di-rebalance menghasilkan suku bunga bebas risiko) berlaku secara aproksimasi di pasar yang likuid dan frekuensi tinggi. Boyle dan Emanuel (1980) menunjukkan bahwa hedging diskrit memperkenalkan tracking error yang proporsional terhadap akar kuadrat interval rebalancing, memberikan batas kuantitatif pada efektivitas hedging.
Keterbatasan empiris. Asumsi volatilitas konstan secara definitif ditolak oleh volatility smile pasca-1987. Cont dan Tankov (2004) mendokumentasikan bahwa return indeks ekuitas menunjukkan excess kurtosis 5-10 dan skewness negatif -0,5 hingga -1,0, jauh dari distribusi normal yang diasumsikan Black-Scholes. Bakshi, Cao, dan Chen (1997) menunjukkan bahwa model volatilitas stokastik (khususnya Heston) mengurangi kesalahan pricing untuk opsi indeks ekuitas sebesar 20-50% relatif terhadap Black-Scholes.
Ketahanan praktis. Meskipun ada keterbatasan ini, Black-Scholes tetap menjadi standar industri untuk kuotasi, hedging, dan manajemen risiko. Survei Risk.net 2019 menemukan bahwa lebih dari 90% desk opsi menggunakan implied volatility Black-Scholes sebagai konvensi kuotasi utama mereka, bahkan ketika menggunakan model yang lebih canggih untuk pricing dan hedging. Kesederhanaan, transparansi, dan universalitas model telah terbukti lebih berharga daripada akurasinya.
Terkait
Analisis ini disintesis dari Black & Scholes (1973), Merton (1973) oleh QD Research Engine AI-Synthesised — platform riset otomatis Quant Decoded — dan ditinjau oleh tim editorial kami untuk memastikan akurasi. Pelajari lebih lanjut tentang metodologi kami.
Referensi
- Black, F., & Scholes, M. (1973). "The Pricing of Options and Corporate Liabilities." Journal of Political Economy, 81(3), 637-654. https://doi.org/10.1086/260062
- Merton, R. C. (1973). "Theory of Rational Option Pricing." Bell Journal of Economics and Management Science, 4(1), 141-183. https://doi.org/10.2307/3003143
- Heston, S. L. (1993). "A Closed-Form Solution for Options with Stochastic Volatility with Applications to Bond and Currency Options." Review of Financial Studies, 6(2), 327-343. https://doi.org/10.1093/rfs/6.2.327
- Dupire, B. (1994). "Pricing with a Smile." Risk Magazine, 7(1), 18-20.
- Hagan, P. S., Kumar, D., Lesniewski, A. S., & Woodward, D. E. (2002). "Managing Smile Risk." Wilmott Magazine, September, 84-108.
- Bakshi, G., Cao, C., & Chen, Z. (1997). "Empirical Performance of Alternative Option Pricing Models." Journal of Finance, 52(5), 2003-2049. https://doi.org/10.1111/j.1540-6261.1997.tb02749.x
- Cont, R., & Tankov, P. (2004). Financial Modelling with Jump Processes. Chapman & Hall/CRC.