En stokastisk volatilitetsmodell är ett sätt att utvärdera en investering i kvantitativ finansiering. Den stokastiska volatilitetsmodellen används för att titta på derivatinstrument, som är baserade på ett ursprungligt värdepapper eller aktie. Finansiella experter använder stokastiska volatilitetsmodeller för att lära sig mer om vad som sannolikt kommer att hända med ett derivat på grund av egenskaperna hos det värdepapper som det är baserat på.
När man tittar på hur ett derivat agerar i förhållande till säkerheten som det härrör från, använder en stokastisk volatilitet tillståndsvariabler. Tillståndsvariabler är variabler som identifierar föränderliga attribut för ett dynamiskt system. I termodynamik, till exempel, kan tillståndsvariabler inkludera temperatur och tryck. Inom finans kan statliga variabler inkludera saker som industrivolatilitet, marknadsvärden och händelsedrivna spekulativa värden eller andra finansiella variabler. Den stokastiska modellen är relaterad till en ”Black-Scholes”-modell där en specifik formel används för att prissätta alternativ för europeiska stilar.
Stokastiska modeller tittar på hur volatilitet kan förändras i en finansiell situation. En relevant trend som finansexperter tittar på när de använder stokastiska modeller för volatilitet kallas ett ”volatilitetsleende.” Volatilitetsleendet har att göra med olika tillstånd för derivat, inklusive in-the-money, at-the-money och out-of-the-money-situationer. Alla dessa hänför sig till lösenpriset för en option. Mer detaljerad information om lösenpriset, och när ett derivat eller option är inne eller utanför pengarna, kan vara till hjälp för dem som vill förstå hur stokastisk volatilitet fungerar. I grund och botten visar volatilitetsleendet att en värdepappers- eller derivatvärdering kan vara annorlunda beroende på ovanstående villkor för lösenpriset.
Flera olika typer av stokastiska volatilitetsmodeller finns tillgängliga för att finansiera proffs, inklusive Heston-modellen, SABR-modellen (Stochastic Alpha, Beta, Rho), GARCH-modellen (Generalized Autoregressive Conditional Heteroskedasticity) och Chen-modellen. När en användare har valt den stokastiska volatilitetsmodellen som passar deras beräkningar bäst, måste de kalibrera den mot befintlig marknadsdata. Den stokastiska volatiliteten kommer då att ge en mer exakt förutsägelse för ett derivat än om beräkningen bara hade använt en konstant istället för att köra volatilitetsmåttet genom denna process.
Det finns många andra termer som en finansstudent behöver känna till för att kunna använda stokastiska processer för att utvärdera volatilitet. Skickliga yrkesmän förstår relationen mellan varje värderingsmetod och hur man tillämpar dessa metoder på faktiska prissättningsmodeller. Att börja med ett gediget grepp om derivat och optioner, är det lättare för en student att bli bekant med grunderna i hur dessa typer av ekvationer ger kunskap om en specifik marknadssituation.