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.

Formules de calcul stochastique sur écran de recherche

Étapes de construction

01

Diagnostic statistique

Collecte et analyse des données de volatilité implicite sur l'ensemble des strikes et maturités disponibles. Identification des propriétés statistiques de rugosité et de mémoire longue à l'aide d'estimateurs robustes de variation quadratique.
Explorer
Analyser
02

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.

Modéliser
Formaliser
03

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.

Ajuster
Affiner
04

Validation empirique

Tests de robustesse sur des périodes de marché variées, confrontation systématique des prévisions du modèle aux réalisations observées. Analyse des résidus et identification des régimes où le modèle excelle ou faiblit.
Vérifier
Valider
05

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.

Intégrer
Maintenir

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

La modélisation de l'évolution temporelle de la courbe de variance forward requiert des extensions multi-facteurs préservant la cohérence entre les dynamiques de court et long terme.

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

Un seul facteur de volatilité ne suffit pas à capturer la variété des régimes de marché. Les extensions multi-facteurs préservent la rugosité tout en enrichissant la structure de dépendance temporelle.
Projet en cours

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.