Construire des surfaces de volatilité robustes
Les modèles classiques supposent une régularité que le marché ne possède pas. Les processus stochastiques fractionnaires capturent la rugosité empirique observée sur les smiles de volatilité à travers strikes et maturités.
Fondements mathématiques
Le mouvement brownien fractionnaire avec un exposant de Hurst inférieur à 0,5 génère des trajectoires dont la rugosité correspond aux observations de marché. Cette construction mathématique fonde l'ensemble des modèles rough volatility et distingue radicalement leur comportement des approches classiques.
L'estimation du paramètre de Hurst repose sur des estimateurs de variation quadratique généralisée, adaptés aux propriétés de mémoire longue des séries temporelles de volatilité. La convergence de ces estimateurs est établie sous des hypothèses de régularité locale que les données de marché valident empiriquement.
L'extension rough Heston introduit une noyau de convolution singulier dans la dynamique de variance, produisant des trajectoires de volatilité dont la rugosité est intrinsèque. Les propriétés d'auto-similarité et de comportement critique à courte maturité en découlent naturellement.
Étapes de construction
Diagnostic statistique
Construction du modèle
Sélection et adaptation d'un cadre stochastique fractionnaire cohérent avec les observations empiriques. Établissement des équations, démonstration des propriétés mathématiques fondamentales, et conception des méthodes de simulation numérique.
Calibration numérique
Implémentation des routines de calibration et ajustement des paramètres sur les données historiques. Utilisation d'algorithmes de Monte Carlo adaptés et de techniques d'optimisation non linéaire pour minimiser les écarts entre modèle et marché.
Validation empirique
Déploiement opérationnel
Intégration du modèle dans l'environnement de trading, adaptation aux contraintes de temps de calcul et de mémoire. Surveillance continue de la qualité de calibration et mise à jour périodique pour tenir compte des évolutions de marché.
Comparaison des approches
Volatilité locale contre rough volatility
La volatilité locale produit des surfaces parfaitement calibrées à une date donnée mais génère des dynamiques de smile inconsistantes avec les observations. Les modèles rough volatility préservent la cohérence dynamique au prix d'un ajustement imparfait statique, préférant la fidélité temporelle à la reproduction exacte.
Heston standard contre rough Heston
Le modèle de Heston classique suppose des trajectoires de variance suffisamment régulières pour que le paramètre de Hurst vaille un demi. Les données de marché imposent une valeur significativement inférieure, que seule l'extension rough Heston intègre nativement dans sa structure de noyau de convolution.
Modèle de Bergomi contre rough Bergomi
Le modèle de Bergomi capture la dépendance en forward variance mais nécessite des facteurs multiples pour approcher la rugosité empirique. La version rough réduit la dimension du modèle tout en reproduisant mieux le comportement à courte maturité, allégeant ainsi la charge de calibration.
Calibration classique contre calibration rough
Les méthodes de calibration classiques minimisent l'erreur quadratique sur les prix observés sans contrainte de régularité. L'approche rough impose une cohérence structurelle entre les paramètres de rugosité estimés statiquement et ceux impliqués par la dynamique du modèle, réduisant l'arbitraire du choix paramétrique.
Extensions et problématiques avancées
Au-delà du cadre de base, plusieurs développements méthodologiques élargissent le champ d'application des modèles rough volatility.
Dynamique de courbe de variance forward
Bruit de microstructure
Les données haute fréquence sont contaminées par des effets de microstructure qu'il faut filtrer avant d'estimer la rugosité, sous peine de biais systématique dans le paramètre de Hurst.
Extensions multi-facteurs rough
Passer de la théorie à la pratique
Les modèles rough volatility demandent une expertise pointue en calcul stochastique, en méthodes numériques et en analyse de données de marché. L'équipe accompagne les professionnels souhaitant intégrer ces outils dans leur environnement analytique.
Collaborations de recherche sur mesure
Chaque collaboration débute par un diagnostic des besoins analytiques et des données disponibles. Les livrables incluent la documentation mathématique complète, le code de calibration, les rapports de validation empirique et le support pour l'intégration opérationnelle. Les projets typiques s'étendent sur trois à six mois selon la complexité du périmètre couvert.