Model Heston: Volatilitas Stokastik dan Mengapa Itu Penting

Poin Utama

Model Black-Scholes mengasumsikan volatilitas konstan, sebuah penyederhanaan yang menghasilkan kesalahan penetapan harga sistematis dan tidak dapat menjelaskan volatility smile yang diamati di pasar opsi nyata. Model Heston (1993) menyelesaikan ini dengan memperbolehkan volatilitas mengikuti proses stokastiknya sendiri, dikendalikan oleh lima parameter yang menangkap mean reversion, vol-of-vol, dan korelasi antara return aset dan volatilitas. Fungsi karakteristiknya menghasilkan solusi semi-bentuk tertutup untuk harga opsi Eropa, menjadikan kalibrasi terhadap seluruh permukaan implied volatility baik layak maupun cepat. Tiga dekade setelah publikasinya, model Heston tetap menjadi kerangka volatilitas stokastik utama untuk penetapan harga derivatif, manajemen risiko, dan konstruksi permukaan volatilitas.

Masalah dengan Volatilitas Konstan

Pada tahun 1973, Black dan Scholes mempublikasikan apa yang akan menjadi formula paling berpengaruh dalam keuangan. Model penetapan harga opsi mereka didasarkan pada beberapa asumsi, yang paling penting adalah bahwa volatilitas aset dasar tetap konstan selama masa hidup opsi. Di bawah asumsi ini, implied volatility untuk opsi pada aset dasar yang sama dengan expiry yang sama harus identik di semua harga strike.

Pasar tidak setuju. Setelah crash 1987, pasar opsi mulai menunjukkan pola yang persisten: opsi put out-of-the-money secara konsisten diperdagangkan pada implied volatility yang lebih tinggi dari opsi at-the-money. Volatility smile ini (atau smirk, mengingat asimetrinya di pasar ekuitas) adalah salah satu keteraturan empiris paling robust dalam keuangan. Model Black-Scholes tidak dapat menghasilkannya. Ketika trader menggunakan formula Black-Scholes untuk membalikkan harga pasar menjadi implied volatility, mereka menemukan permukaan yang bervariasi secara sistematis dengan baik harga strike maupun waktu hingga expiry, kontradiksi langsung terhadap asumsi volatilitas konstan.

Intuisi ekonominya langsung. Volatilitas di pasar nyata menunjukkan clustering: hari-hari volatilitas tinggi cenderung diikuti oleh hari-hari volatilitas tinggi, dan periode tenang juga bertahan. Volatilitas juga berkorelasi negatif dengan return; ketika harga saham turun, volatilitas cenderung naik, efek leverage yang pertama kali didokumentasikan oleh Black (1976). Model yang memperlakukan volatilitas sebagai tetap tidak dapat menangkap kedua fenomena tersebut.

Kerangka Heston

Paper Steven Heston tahun 1993 memperkenalkan model di mana varians harga aset mengikuti proses akar kuadrat mean-reverting, menciptakan sistem dua persamaan diferensial stokastik yang terkopel.

Harga aset S mengikuti: dS = mu * S * dt + sqrt(v) * S * dW_1

Varians v mengikuti: dv = kappa * (theta - v) * dt + sigma_v * sqrt(v) * dW_2

Dua gerak Brown W_1 dan W_2 berkorelasi dengan koefisien rho: dW_1 * dW_2 = rho * dt

Sistem ini dikendalikan oleh lima parameter, masing-masing dengan interpretasi ekonomi yang jelas:

Struktur mean-reverting memastikan bahwa varians tidak drift ke infinity atau kolaps ke nol (dalam kondisi tertentu). Suku akar kuadrat sqrt(v) dalam dinamika varians menskalakan noise secara proporsional terhadap level varians saat ini, mencegah varians menjadi negatif ketika kondisi Feller terpenuhi: 2 * kappa * theta > sigma_v kuadrat. Ketika kondisi ini berlaku, proses varians dijamin tetap positif secara ketat. Ketika dilanggar, varians dapat menyentuh nol tetapi segera dipantulkan kembali, yang memerlukan penanganan numerik yang hati-hati tetapi tetap masuk akal secara ekonomi.

Mengapa Rho Menghasilkan Skew

Parameter korelasi rho adalah pendorong tunggal terpenting dari volatility skew. Di pasar ekuitas, rho secara konsisten negatif, biasanya antara -0,5 dan -0,9. Korelasi negatif ini berarti bahwa ketika harga saham turun (dW_1 negatif), varians cenderung meningkat (dW_2 juga negatif mengingat struktur tanda, dan SDE varians mendorong v naik ketika dW_2 negatif).

Konsekuensi untuk penetapan harga opsi sangat mendalam. Rho negatif berarti pergerakan turun harga saham dikaitkan dengan volatilitas yang meningkat, membuat penurunan besar lebih mungkin daripada yang diprediksi model volatilitas konstan. Asimetri ini menggembungkan harga put out-of-the-money relatif terhadap call out-of-the-money, menghasilkan skew yang diamati dalam opsi indeks ekuitas.

Ketika rho sama dengan nol, model tetap menghasilkan smile (implied volatility yang lebih tinggi untuk opsi deep in-the-money dan out-of-the-money) murni dari parameter vol-of-vol sigma_v. Tetapi smile-nya simetris. Rho negatiflah yang memecahkan simetri ini dan menciptakan bentuk kiri-miring yang khas dari kurva implied volatility ekuitas.

Pendekatan Fungsi Karakteristik

Kontribusi teknis paling signifikan dari paper Heston adalah menunjukkan bahwa harga opsi Eropa dapat dihitung dalam bentuk semi-tertutup menggunakan fungsi karakteristik dari harga log-aset. Ini merupakan terobosan karena solusi langsung dari PDE penetapan harga untuk model volatilitas stokastik umumnya tidak dapat dilakukan.

Fungsi karakteristik phi(u) dari harga log ln(S_T) memberikan transformasi Fourier dari densitas probabilitas risk-neutral. Heston menunjukkan bahwa fungsi ini memiliki bentuk eksponensial-afin: phi(u) = exp(C(u, T) + D(u, T) * v_0 + i * u * ln(S_0))

Fungsi C dan D memenuhi persamaan diferensial biasa (persamaan Riccati) yang mengakui solusi analitik yang melibatkan eksponensial kompleks dan logaritma. Setelah fungsi karakteristik diketahui, harga call dan put Eropa dapat dipulihkan melalui integrasi numerik.

Pendekatan ini memiliki tiga keunggulan utama dibandingkan simulasi Monte Carlo untuk penetapan harga plain-vanilla. Pertama, jauh lebih cepat; satu harga opsi memerlukan evaluasi integral satu dimensi daripada merata-ratakan ribuan jalur simulasi. Kedua, akurat hingga kesalahan integrasi numerik, menghilangkan noise statistik yang melekat dalam estimasi Monte Carlo. Ketiga, memungkinkan kalibrasi yang efisien karena seluruh permukaan implied volatility dapat dihitung dalam hitungan detik, memungkinkan optimisasi berbasis gradien untuk menyesuaikan parameter model dengan harga pasar yang diamati.

Untuk opsi eksotis (barrier, lookback, dan payoff path-dependent), simulasi Monte Carlo di bawah dinamika Heston tetap diperlukan. Tetapi untuk langkah kalibrasi, yang melibatkan fitting ke opsi Eropa vanilla, pendekatan fungsi karakteristik sangat diperlukan.

Kalibrasi: Fitting Permukaan Volatilitas

Kalibrasi adalah proses menemukan lima parameter Heston yang paling baik mereproduksi permukaan implied volatility pasar yang diamati. Prosedur tipikal meminimalkan jumlah selisih kuadrat antara implied volatility model dan pasar di seluruh grid strike dan maturitas.

Kualitas kalibrasi bergantung pada kekayaan permukaan volatilitas. Opsi indeks ekuitas yang likuid (S&P 500, Euro Stoxx 50) menyediakan grid yang padat, memungkinkan estimasi parameter yang presisi. Pasar yang kurang likuid mungkin memerlukan regularisasi atau prior Bayesian untuk mencegah overfitting terhadap data yang berisik.

Hasil kalibrasi tipikal untuk opsi indeks S&P 500 mungkin menghasilkan:

Rho terkalibrasi -0,72 konsisten dengan bukti empiris selama puluhan tahun tentang efek leverage di pasar ekuitas. Kappa 2,5 menyiratkan half-life varians ln(2)/2,5, sekitar 0,28 tahun atau sekitar 70 hari perdagangan, yang berarti bahwa setelah guncangan volatilitas, sekitar setengah dari deviasi dari mean jangka panjang hilang dalam tiga bulan.

Satu keterbatasan yang terkenal adalah bahwa model Heston tidak dapat secara bersamaan menyesuaikan bagian jangka sangat pendek dan jangka sangat panjang dari permukaan volatilitas dengan satu set parameter. Opsi jangka pendek memerlukan vol-of-vol efektif yang lebih tinggi untuk mencocokkan skew curam yang diamati, sementara opsi jangka panjang menunjukkan nilai yang lebih rendah. Ketegangan ini telah memotivasi ekstensi seperti model double Heston (dua proses varians independen) dan model rough volatility yang menggantikan driver Brownian dengan gerak Brown fraksional.

Heston versus Black-Scholes: Di Mana Perbedaan Penting

Perbedaan harga antara Heston dan Black-Scholes tidak seragam di semua opsi. Paling besar untuk put out-of-the-money dan call deep in-the-money, terutama pada maturitas yang lebih pendek.

Perbedaan terbesar muncul untuk put out-of-the-money karena rho negatif dalam model Heston menghasilkan ekor kiri yang lebih tebal dalam distribusi return. Put out-of-the-money yang Black-Scholes hargai 0,50 mungkin bernilai 0,70 hingga 0,80 di bawah Heston, mencerminkan probabilitas pergerakan turun besar yang lebih tinggi yang diimplikasikan oleh volatilitas stokastik dengan korelasi negatif.

Untuk opsi at-the-money, kedua model sering setuju secara dekat karena implied volatility at-the-money kira-kira sama dengan akar kuadrat dari v_0, varians awal, yang keduanya digunakan sebagai input. Divergensi tumbuh seiring opsi bergerak menjauhi the money atau seiring waktu hingga expiry memendek.

Keterbatasan dan Ekstensi

Model Heston, meskipun elegan, memiliki beberapa keterbatasan yang diketahui.

Volatility smile yang dihasilkannya tidak cukup fleksibel untuk mencocokkan semua konfigurasi pasar. Model menghasilkan skew terutama melalui parameter rho dan kurvatur melalui sigma_v, tetapi kurang memiliki derajat kebebasan untuk secara independen mengontrol sayap smile pada maturitas yang berbeda. Dalam praktiknya, ini berarti parameter terkalibrasi mungkin tidak stabil di hari perdagangan yang berbeda, bahkan ketika kondisi pasar yang mendasari tidak berubah secara substansial.

Lompatan dalam harga aset (seperti yang terjadi selama pengumuman earnings atau peristiwa geopolitik) tidak ada dalam kerangka Heston dasar. Model Bates (1996) memperluas Heston dengan menambahkan komponen jump-diffusion ke proses harga aset, memberikan fitting yang lebih baik terhadap smile jangka pendek sambil mempertahankan kemudahan fungsi karakteristik.

Kondisi Feller 2 * kappa * theta > sigma_v kuadrat sering dilanggar dalam parameter Heston terkalibrasi untuk opsi indeks ekuitas. Ketika sigma_v besar relatif terhadap kappa * theta, proses varians dapat mencapai nol, menciptakan tantangan numerik untuk skema penetapan harga tertentu. Implementasi modern menangani ini melalui diskretisasi yang hati-hati (skema full truncation dari Lord, Koekkoek, dan Van Dijk, 2010) atau dengan menerima bahwa perilaku batas teoretis secara ekonomi tidak relevan untuk tujuan praktis.

Meskipun memiliki keterbatasan ini, model Heston tetap menjadi benchmark volatilitas stokastik default karena menyeimbangkan kemudahan analitis, interpretabilitas ekonomi, dan kualitas kalibrasi. Model yang lebih canggih (SABR, rough Bergomi, hybrid local-stochastic volatility) menawarkan fitting yang lebih baik dalam konteks tertentu tetapi dengan biaya kompleksitas yang meningkat, kalibrasi yang lebih lambat, atau hilangnya penetapan harga bentuk tertutup.

Kesimpulan yang Dapat Ditindaklanjuti

Relevansi abadi model Heston terletak pada kemampuannya menerjemahkan lima parameter yang bermakna secara ekonomi menjadi permukaan implied volatility yang lengkap. Bagi praktisi, parameter kunci yang perlu dipantau adalah rho (efek leverage yang mendorong skew), sigma_v (vol-of-vol yang mengontrol kurvatur smile), dan kappa (kecepatan mean reversion yang mengatur seberapa cepat guncangan volatilitas meluruh). Ketika rho terkalibrasi menjadi lebih negatif dari norma historis, pasar sedang mempricingkan risiko crash yang lebih tinggi. Ketika sigma_v naik, pasar memberikan ketidakpastian yang lebih tinggi terhadap volatilitas masa depan itu sendiri. Memahami dinamika ini memberikan gambaran penetapan harga opsi yang lebih lengkap daripada yang dapat ditawarkan oleh kerangka volatilitas konstan mana pun.