ヘストンモデル：確率的ボラティリティとその重要性

要点

ブラック-ショールズモデルはボラティリティが一定であると仮定しますが、これは体系的な価格決定エラーを生み、実際のオプション市場で観察されるボラティリティスマイルを説明できない単純化です。ヘストンモデル（1993）は、ボラティリティが独自の確率過程に従うことを許容することでこの問題を解決し、平均回帰、ボラティリティのボラティリティ、資産リターンとボラティリティの相関を捉える5つのパラメータで制御されます。その特性関数はヨーロピアンオプション価格の準閉形式解を可能にし、インプライドボラティリティサーフェス全体へのキャリブレーションを解析可能かつ高速にします。公表から30年が経過した現在も、ヘストンモデルはデリバティブ価格決定、リスク管理、ボラティリティサーフェス構築の主力確率的ボラティリティフレームワークであり続けます。

一定ボラティリティの問題

1973年、ブラックとショールズは金融において最も影響力のある公式となる論文を発表しました。彼らのオプション価格決定モデルはいくつかの仮定に基づいていましたが、最も重要なものは原資産のボラティリティがオプションの存続期間中一定に保たれるという仮定でした。この仮定の下では、同じ原資産と同じ満期を持つオプションのインプライドボラティリティは、すべての行使価格で同一であるはずです。

市場はこれに同意しません。1987年の暴落後、オプション市場は持続的なパターンを示し始めました：アウト・オブ・ザ・マネーのプットオプションは、アット・ザ・マネーのオプションよりも一貫して高いインプライドボラティリティで取引されます。このボラティリティスマイル（株式市場ではその非対称性からスマークとも呼ばれます）は、金融における最も頑健な経験的規則性の一つです。ブラック-ショールズモデルはこれを生成できません。トレーダーがブラック-ショールズの公式を使って市場価格をインプライドボラティリティに逆算すると、行使価格と満期に伴って体系的に変化するサーフェスを発見しますが、これは一定ボラティリティの仮定と直接矛盾します。

経済的直感は明快です。実際の市場ではボラティリティはクラスタリングを示します：高ボラティリティの日は高ボラティリティの日に続く傾向があり、穏やかな期間も持続します。ボラティリティはリターンとも負の相関を示します；株価が下落するとボラティリティは上昇する傾向があり、これはBlack（1976）が初めて文書化したレバレッジ効果です。ボラティリティを固定として扱うモデルは、どちらの現象も捉えることができません。

ヘストンフレームワーク

スティーブン・ヘストンの1993年の論文は、資産価格の分散が平均回帰する平方根過程に従うモデルを導入し、2つの結合した確率的微分方程式のシステムを作りました。

資産価格Sは以下に従います：dS = mu * S * dt + sqrt(v) * S * dW_1

分散vは以下に従います：dv = kappa * (theta - v) * dt + sigma_v * sqrt(v) * dW_2

2つのブラウン運動W_1とW_2は相関係数rhoで相関します：dW_1 * dW_2 = rho * dt

このシステムは、それぞれ明確な経済的解釈を持つ5つのパラメータによって制御されます：

平均回帰構造は、分散が無限大に発散したりゼロに崩壊したりしないことを保証します（特定の条件下で）。分散ダイナミクスにおける平方根項sqrt(v)は、現在の分散水準に比例してノイズをスケーリングし、フェラー条件が満たされる場合に分散が負になるのを防ぎます：2 * kappa * theta > sigma_vの二乗。この条件が成立すると、分散過程は厳密に正を保つことが保証されます。この条件が破られると、分散はゼロに到達する可能性がありますが即座に反射され、慎重な数値処理が必要ですが経済的には合理的な状態を維持します。

ロー（Rho）がスキューを生む理由

相関パラメータrhoは、ボラティリティスキューの最も重要な単一の駆動要因です。株式市場ではrhoは一貫して負であり、通常-0.5から-0.9の範囲です。この負の相関は、株価が下落するとき（dW_1が負）、分散が増加する傾向があることを意味します（符号構造を考慮するとdW_2も負であり、分散SDEはdW_2が負のときvを上昇させます）。

オプション価格決定への影響は極めて大きいです。負のrhoは、株価の下落がボラティリティの上昇と関連していることを意味し、一定ボラティリティモデルが予測するよりも大幅な下落がより起こりやすくなります。この非対称性は、アウト・オブ・ザ・マネーのコールオプションに対してアウト・オブ・ザ・マネーのプットオプションの価格を膨張させ、株価指数オプションで観察されるスキューを生成します。

rhoがゼロの場合でも、モデルはボラティリティのボラティリティパラメータsigma_vのみからスマイル（ディープ・イン・ザ・マネーおよびアウト・オブ・ザ・マネーのオプションで高いインプライドボラティリティ）を生成します。しかしスマイルは対称的です。この対称性を破り、株式インプライドボラティリティ曲線の特徴的な左偏形状を作り出すのは負のrhoです。

特性関数アプローチ

ヘストン論文の最も重要な技術的貢献は、対数資産価格の特性関数を使用してヨーロピアンオプション価格を準閉形式で計算できることを示したことでした。これは、確率的ボラティリティモデルの価格決定偏微分方程式の直接解法が一般的に解析不能であるため、画期的な進歩でした。

対数価格ln(S_T)の特性関数phi(u)は、リスク中立確率密度のフーリエ変換を与えます。ヘストンはこの関数が指数アフィン形式を持つことを示しました：phi(u) = exp(C(u, T) + D(u, T) * v_0 + i * u * ln(S_0))

関数CとDは、複素指数と対数を含む解析解を許容する常微分方程式（リカッチ方程式）を満たします。特性関数が既知になると、ヨーロピアンコールとプットの価格は数値積分によって復元できます。

このアプローチは、プレーンバニラの価格決定においてモンテカルロシミュレーションに対して3つの主要な利点があります。第一に、劇的に高速です；単一のオプション価格は、数千のシミュレーション経路の平均ではなく、1次元積分の評価のみを必要とします。第二に、数値積分誤差まで正確であり、モンテカルロ推定に内在する統計的ノイズを排除します。第三に、インプライドボラティリティサーフェス全体を数秒で計算できるため、勾配ベースの最適化が観測された市場価格にモデルパラメータを適合させる効率的なキャリブレーションを可能にします。

エキゾチックオプション（バリア、ルックバック、経路依存的ペイオフ）については、ヘストンダイナミクス下のモンテカルロシミュレーションが依然として必要です。しかし、バニラヨーロピアンオプションへの適合を含むキャリブレーションステップでは、特性関数アプローチは不可欠です。

キャリブレーション：ボラティリティサーフェスへの適合

キャリブレーションは、観測された市場のインプライドボラティリティサーフェスを最もよく再現する5つのヘストンパラメータを見つけるプロセスです。典型的な手順は、行使価格と満期のグリッド全体にわたるモデルインプライドボラティリティと市場インプライドボラティリティの二乗差の合計を最小化します。

キャリブレーション品質はボラティリティサーフェスの豊富さに依存します。流動性の高い株価指数オプション（S&P 500、Euro Stoxx 50）は密なグリッドを提供し、精密なパラメータ推定を可能にします。流動性の低い市場では、ノイズの多いデータへの過適合を防ぐために正則化やベイジアン事前分布が必要になる場合があります。

S&P 500指数オプションの典型的なキャリブレーション結果は以下のようになる可能性があります：

キャリブレーションされたrho -0.72は、株式市場におけるレバレッジ効果に関する数十年の実証的証拠と整合しています。kappa 2.5はln(2)/2.5、すなわち約0.28年または約70営業日の分散半減期を意味し、ボラティリティショック後、長期平均からの乖離の約半分が3か月以内に消散することを示しています。

よく知られた一つの限界は、ヘストンモデルが単一のパラメータセットでボラティリティサーフェスの非常に短期と非常に長期のセクションを同時に適合できないことです。短期オプションは観測された急峻なスキューに合わせるためにより高い実効vol-of-volを必要としますが、長期オプションはより低い値を示唆します。この緊張がダブルヘストンモデル（2つの独立した分散過程）やブラウンドライバーを分数ブラウン運動に置き換えるラフボラティリティモデルなどの拡張を動機づけました。

ヘストン対ブラック-ショールズ：差異が重要な場面

ヘストンとブラック-ショールズの価格差は、すべてのオプションにわたって均一ではありません。特に短い満期のアウト・オブ・ザ・マネーのプットとディープ・イン・ザ・マネーのコールで最も大きくなります。

最大の不一致はアウト・オブ・ザ・マネーのプットに現れますが、これはヘストンモデルの負のrhoがリターン分布でより厚い左テールを生成するためです。ブラック-ショールズが0.50と価格付けするアウト・オブ・ザ・マネーのプットは、ヘストンの下では0.70から0.80の価値を持つ可能性があり、これは負の相関を持つ確率的ボラティリティが示唆する大幅な下落のより高い確率を反映します。

アット・ザ・マネーのオプションについては、アット・ザ・マネーのインプライドボラティリティが初期分散v_0の平方根にほぼ等しいため、2つのモデルはしばしば近い値で一致し、両モデルともこれを入力として使用します。オプションがアット・ザ・マネーから離れるか、満期が短くなるにつれて乖離は大きくなります。

限界と拡張

ヘストンモデルはその優雅さにもかかわらず、いくつかの既知の限界があります。

生成するボラティリティスマイルは、すべての市場構成に適合するのに十分な柔軟性がありません。モデルはrhoパラメータを通じて主にスキューを、sigma_vを通じて曲率を生成しますが、異なる満期でスマイルのウィングを独立に制御する自由度が不足しています。実務的には、基礎となる市場状況が実質的に変化していなくても、キャリブレーションされたパラメータが取引日によって不安定になる可能性があることを意味します。

資産価格のジャンプ（決算発表や地政学的イベント中に発生するものなど）は基本的なヘストンフレームワークには含まれません。ベイツモデル（1996）は資産価格過程にジャンプ拡散要素を追加してヘストンを拡張し、特性関数の解析可能性を維持しながら短期スマイルへのより良い適合を提供します。

フェラー条件2 * kappa * theta > sigma_vの二乗は、株価指数オプションに対するキャリブレーション済みヘストンパラメータで頻繁に違反されます。sigma_vがkappa * thetaに対して大きい場合、分散過程はゼロに到達する可能性があり、特定の価格決定スキームに数値的な課題を生じさせます。現代の実装では、慎重な離散化（Lord、Koekkoek、Van Dijk（2010）のフルトランケーションスキーム）を通じて、または理論的な境界挙動が実務的な目的では経済的に無関係であることを受け入れることでこれを処理します。

これらの限界にもかかわらず、ヘストンモデルは解析的取り扱いの容易さ、経済的解釈可能性、キャリブレーション品質のバランスを取るため、デフォルトの確率的ボラティリティベンチマークであり続けます。より洗練されたモデル（SABR、ラフベルゴミ、ローカル確率的ボラティリティハイブリッド）は特定のコンテキストでより良い適合を提供しますが、複雑さの増大、キャリブレーションの遅延、または閉形式価格決定の喪失というコストを伴います。

実行可能な結論

ヘストンモデルの持続的な関連性は、経済的に意味のある5つのパラメータを完全なインプライドボラティリティサーフェスに変換する能力にあります。実務家にとって、監視すべき主要パラメータは、rho（スキューを駆動するレバレッジ効果）、sigma_v（スマイルの曲率を制御するvol-of-vol）、kappa（ボラティリティショックの減衰速度を支配する平均回帰速度）です。キャリブレーションされたrhoが過去の基準より負の方向に大きくなると、市場は高まった暴落リスクを織り込んでいます。sigma_vが上昇すると、市場は将来のボラティリティそのものに対してより高い不確実性を付与しています。これらのダイナミクスを理解することで、一定ボラティリティフレームワークが提供できるものよりも完全なオプション価格決定の全体像を得ることができます。