변동성 표면 보간 방법

정보

이 페이지는 변동성 표면은 어떻게 구축되는가의 보충 페이지입니다. 보간이 왜 중요한지에 대한 배경은 해당 페이지에서 먼저 확인하십시오.

변동성 표면에는 빈 구간이 있습니다. 보간은 그 빈 구간을 채웁니다. 어떤 방법을 선택하느냐에 따라 결과 표면이 매끄러운지, 차익거래가 없는지, 안정적인지가 결정됩니다. 이 페이지에서는 주요 접근 방식을 비교합니다.

보간 방법 비교

흰 점들 만이 실제 시장 호가입니다. 그 사이의 모든 것은 추정치입니다. 각 방법의 장단점을 보려면 클릭하세요.

무엇이 잘못되는가

각 방법을 자세히 살펴보기 전에 문제를 직접 확인해 보십시오. 동일한 7개의 시장 관측값에 세 가지 서로 다른 보간 방법을 적용했습니다. 날개(wing) 구간과 데이터 포인트에서 어떤 일이 일어나는지 주목하십시오.

무엇이 잘못되는가: 보간 실패 사례

동일한 7개의 시장 관측치에 세 가지 보간 방법을 적용했습니다. 윙에서 어떤 일이 일어나는지 확인해 보십시오.

매끄러운 다항식 곡선입니다. 윙에서 진동하거나 오버슈트할 수 있습니다.

흰색 점만이 실제 관측치입니다. "모두 비교"를 클릭하면 세 가지 방법을 겹쳐서 볼 수 있습니다. 스플라인은 왼쪽 윙에서 오버슈트하는 반면 SVI는 유계 상태를 유지하는 점에 주목하십시오.

---

비모수적 방법

이 방법들은 함수 형태를 가정하지 않고 데이터 포인트를 지나는 곡선을 적합합니다. 빠르고 단순하지만 구조적인 보장은 제공하지 않습니다.

선형 보간

인접한 데이터 포인트 사이를 직선으로 연결합니다.

장점:

• 구현이 매우 간단합니다
• 적합이나 최적화가 필요 없습니다
• 결정론적입니다: 같은 입력은 항상 같은 출력을 냅니다

단점:

• 모든 데이터 포인트에서 뾰족한 꺾임이 생깁니다. 이 꺾임은 1차 도함수를 불연속으로 만들기 때문에, 관측된 행사가에서 그릭스(특히 감마)가 급격하게 튑니다.
• 버터플라이 차익거래를 막아 주지 못합니다. 두 점 사이의 직선은 볼록한 스마일이 있어야 할 위치보다 아래로 내려갈 수 있습니다.
• 외삽은 순전히 추측입니다(마지막 구간의 기울기를 그대로 연장할 뿐입니다).

적합한 용도: 빠른 추정, 검증, 디버깅. 프로덕션 가격 산정에는 적합하지 않습니다.

3차 스플라인 보간

데이터 포인트 사이에 구간별 3차 다항식을 적합하되, 각 연결점에서 1차 및 2차 도함수가 일치하도록 제약합니다. 결과는 $C^2$ 수준으로 매끄러운 곡선(연속적인 곡률)입니다.

이 이름은 실제 제도용 스플라인에서 유래했습니다. 제도사들이 핀 사이로 휘어 매끄러운 곡선을 그리던 유연한 나무 띠입니다.

장점:

• 모든 데이터 포인트를 지나는 매끄러운 곡선
• 파라미터 추정이 필요 없음(스플라인은 데이터와 경계 조건으로 결정됩니다)
• 계산이 빠름

단점:

• 룽게 현상(Runge's phenomenon): 보간 구간의 양 끝에서 다항식이 크게 튀어 오를 수 있습니다. 변동성 표면에서는 날개 구간의 IV가 급등하거나 음수가 된다는 뜻입니다.
• 진동: 데이터 포인트 사이에서 3차 다항식이 정상적인 스마일보다 위아래로 흔들리면서 오목한 골(버터플라이 차익거래)을 만들 수 있습니다.
• 이상치에 대한 민감성: 잘못된 데이터 포인트 하나(오래된 호가, 주문 실수)가 전체 곡선을 왜곡합니다. 매끄러움 제약이 오차를 전파하기 때문입니다.
• 외삽 동작을 제어할 수 없습니다.

적합한 용도: 시각화, 학술 연구, 또는 모수적 적합 전 초기 추정값. 프로덕션 가격 산정이나 리스크 관리에는 적합하지 않습니다.

---

모수적 방법

이 방법들은 스마일의 함수 형태를 가정하고 그 파라미터를 데이터에 적합합니다. 정확한 보간 대신 구조적 통제를 택합니다.

SVI (Stochastic Volatility Inspired)

암호화폐 및 주식 변동성 표면의 업계 표준입니다. 만기 슬라이스당 파라미터 5개를 사용합니다.

$$w(k) = a + b \left( \rho(k - m) + \sqrt{(k - m)^2 + \sigma^2} \right)$$

전체 레퍼런스: SVI 파라미터화

지배적인 이유: SVI는 유연성과 간결성 사이의 최적점입니다. 파라미터 5개로 관측되는 거의 모든 스마일 형태를 적합할 수 있으며, 단순한 부등식 제약과 계산 비용이 낮은 밀도 검사만으로 버터플라이 차익거래를 배제할 수 있습니다. 날개 구간은 선형 점근선에 수렴하므로 외삽이 유계이고 합리적입니다.

SABR (Stochastic Alpha Beta Rho)

변동성이 어떻게 변하는지에 대한 가정으로부터 스마일을 도출하는 확률적 변동성 모델입니다. 파라미터는 4개입니다: $\alpha$(변동성 수준), $\beta$(CEV 지수), $\rho$(현물-변동성 상관관계), $\nu$(변동성의 변동성).

전체 레퍼런스: SABR 모델

존재 이유: SABR은 스마일의 정적인 형태뿐 아니라 동학까지 포착합니다. 기초자산이 움직일 때 스마일이 어떻게 움직여야 하는지 알려 줍니다(기본값은 sticky delta). 그래서 스마일 동학이 헤징에 중요한 금리 스왑션에 자연스럽게 쓰입니다.

로컬 변동성 (Dupire)

일반적인 의미의 적합 방법은 아닙니다. 로컬 변동성은 관측된 내재변동성 표면으로부터 순간 변동성 표면을 도출합니다. 다음 질문에 답합니다: '이 옵션 가격들을 정확히 재현하려면 각 (현물가, 시간) 조합에서 순간 변동성은 얼마여야 하는가?'

전체 레퍼런스: 로컬 변동성

존재 이유: 로컬 변동성은 관측된 모든 옵션 가격과 정확히 일치하는 유일한 무차익 모델입니다. 내재변동성과 경로 의존적 페이오프를 처리할 수 있는 가격 산정 엔진을 잇는 다리 역할을 합니다.

SSVI (Surface SVI)

슬라이스별이 아니라 전체 표면을 함께 모델링하는 SVI의 확장입니다. SSVI는 구조적으로 캘린더 차익거래가 없도록 보장합니다. 모든 행사가에서 총분산이 만기에 따라 증가함이 보장됩니다.

$$w(k, \theta_t) = \frac{\theta_t}{2} \left( 1 + \rho \, \varphi(\theta_t) \, k + \sqrt{(\varphi(\theta_t) \, k + \rho)^2 + (1 - \rho^2)} \right)$$

여기서 $\theta_t$는 시점 $t$에서의 ATM 총분산이고, $\varphi(\theta_t)$는 만기에 따라 스큐가 어떻게 변하는지를 제어합니다.

트레이드오프: 슬라이스별 SVI보다 자유 파라미터가 적기 때문에(스마일 형태가 만기 간에 연결됨) 개별 슬라이스에서의 적합도는 약간 떨어질 수 있습니다. 대신 사후적으로 캘린더 차익거래를 보정할 필요가 전혀 없습니다.

---

비교표

방법

파라미터

무차익 여부

외삽

속도

최적 용도

선형

0

아니오

무한정

즉시

디버깅

3차 스플라인

~12 (암묵적)

아니오

진동

빠름

시각화

SVI

슬라이스당 5

예 (제약 시)

유계 선형

빠름

암호화폐 / 주식

SABR

4

대체로

합리적

보통

금리 / 스왑션

로컬 변동성

전체 그리드

구조적으로 보장

해당 없음 (도출됨)

느림

이색옵션 가격 산정

SSVI

~6 (표면)

예 (캘린더 포함)

유계

빠름

전체 표면 일관성

선택 방법

• 프로덕션 암호화폐/주식 가격 산정: SVI 또는 SSVI. 업계가 이쪽으로 수렴한 데는 충분한 이유가 있습니다.
• 금리 옵션: SABR. 스왑션 헤징에 중요한 스마일 동학을 포착합니다.
• 이색 파생상품 가격 산정: 로컬 변동성(또는 확률적 로컬 변동성 하이브리드). 슬라이스만이 아니라 전체 표면이 필요합니다.
• 빠른 분석이나 시각화: 그 결과로 거래하지만 않는다면 3차 스플라인으로 충분합니다.
• 어디에도 쓰지 마십시오: 프로덕션 환경의 선형 보간. 진심입니다.

---

수식 탐색기

모든 보간 방법은 총분산과 로그 머니니스를 기준으로 작동합니다. 이 계산기를 사용해 표현 방식 간에 변환하십시오.

방정식 탐색기

w = σ² × Ttotal variance = IV² × time

내재변동성 (σ)

%

내재변동성

만기까지의 기간

일

만기까지의 달력 기준 일수

총 분산 (w)

0.022225

연율화 분산 (σ²)

0.2704

역산 IV

52.00%

총 분산은 SVI 등 모델이 피팅하는 대상입니다. 시간에 비례해 커지므로 30일간 50% 변동성은 90일간 50% 변동성보다 총 분산이 작습니다.

---

함께 보기:

• 변동성 표면은 어떻게 구축되는가 - 전체 파이프라인
• SVI 파라미터화 - SVI 심층 분석
• SABR 모델 - SABR 심층 분석
• 로컬 변동성 - Dupire 심층 분석