Difusão deslocada do zero
1/5Desloque a origem, obtenha um smile
O modelo Black-Scholes assume que o preço à vista difunde de forma lognormal a partir do seu nível atual. A difusão deslocada muda uma coisa: desloca a origem. A difusão continua lognormal, mas o eixo em que ela vive se moveu.
A SDE é extremamente simples:
Esse é o modelo inteiro. Um parâmetro extra, d, adicionado ao BS padrão. O coeficiente de difusão é proporcional a (S + d) em vez de apenas S. Esse deslocamento quebra a simetria do smile lognormal e cria skew.
Por que deslocar a origem produz skew? Porque a volatilidade percentual da variável deslocada é σ, mas a volatilidade percentual do próprio S varia com o nível. Quando S é baixo, S + d é relativamente grande em comparação com S, então a vol efetiva em termos percentuais é maior. Quando S é alto, o deslocamento d importa menos e você se aproxima do caso BS.
Imagine que você está medindo a partir de um ponto zero diferente. Em vez de medir a partir de 0, você mede a partir de −d. O ativo subjacente não mudou, mas a régua sim. Essa mudança de referencial é suficiente para produzir um smile inclinado.
O parâmetro de deslocamento
O deslocamento d é o único botão de ajuste que você tem. Ele controla a direção e a magnitude do skew. Entender o que ele faz é entender o modelo inteiro.
d > 0 (deslocamento positivo): A origem se desloca para a direita. Para um dado σ, preços baixos veem uma vol efetiva maior (porque S + d é grande em relação a S), enquanto preços altos veem uma menor. Resultado: a curva de vol implícita inclina para baixo da esquerda para a direita. Isso é skew negativo -- a mesma direção dos mercados de ações e de cripto.
d < 0 (deslocamento negativo): A origem se desloca para a esquerda. Agora preços altos veem proporcionalmente mais vol. Resultado: skew positivo. Isso é incomum, mas pode modelar mercados onde a vol sobe com o preço (algumas commodities, por exemplo).
d = 0: Sem deslocamento. Você está de volta ao Black-Scholes. Smile plano.
Arraste o slider acima. Note como o smile se inclina progressivamente conforme você aumenta d. Não há curvatura no smile da difusão deslocada -- ele é quase linear nas asas. Essa é a limitação fundamental: a DD consegue produzir inclinação, mas não o formato em U que você vê em mercados reais.
Difusão deslocada = Black-Scholes deslocado
Aqui está o insight operacional que torna a DD tão útil: você não precisa de uma nova fórmula de precificação. Você roda o Black-Scholes padrão com inputs deslocados. Substitua S por (S + d) e K por (K + d). Pronto.
A lógica é direta. Defina S̃ = S + d. Então a SDE se torna dS̃ = σ·S̃·dW, que é apenas movimento browniano geométrico para a variável deslocada. O BS padrão se aplica a S̃ com strike K̃ = K + d.
É por isso que a DD foi adotada tão rapidamente pelas mesas de juros na era das taxas negativas. Elas não precisaram de software novo. Adicionaram um deslocamento aos seus inputs e mantiveram toda a infraestrutura Black-Scholes funcionando. O deslocamento geralmente era calibrado uma vez por dia a partir da vol ATM e de um ponto adicional.
As gregas também se deslocam. O delta é o delta BS da opção deslocada. O gama é o gama BS. O vega é o vega BS. A única sutileza é que você precisa ajustar as sensibilidades de volta às coordenadas originais (não deslocadas) ao calcular hedges.
Conexão com CEV e SABR
A difusão deslocada é a versão linearizada do modelo CEV. O SABR com β = 1 e um parâmetro de deslocamento é aproximadamente a difusão deslocada. Entender essa conexão diz exatamente onde a DD se situa na hierarquia de modelos.
CEV (elasticidade constante da variância) usa dS = σ·Sᵝ·dW onde β é a elasticidade. Quando β = 1, é BS. Quando β < 1, a vol é mais alta em S baixo e mais baixa em S alto -- o mesmo comportamento qualitativo que o DD.
A conexão: uma expansão de Taylor de primeira ordem de Sᵝ em torno de S = F dá aproximadamente (S + d) para um d específico que depende de β e F. Então o DD é a aproximação linearizada do CEV em torno do forward. Eles produzem sorrisos quase idênticos perto do ATM e divergem nas asas distantes.
Note como as duas curvas se sobrepõem perto do ATM, mas divergem nas asas. A DD produz um smile quase linear no strike. O CEV produz curvatura porque o backbone de lei de potência se curva. Para a maioria dos propósitos práticos, dentro de alguns strikes do ATM, eles são intercambiáveis.
Conexão com o SABR: O modelo SABR com β = 1 é o SABR lognormal. Adicionar um deslocamento ao forward (SABR deslocado) resulta em SABR(β = 1) na variável deslocada. No limite de vol-de-vol zero (ν = 0), isso colapsa exatamente para a difusão deslocada. Portanto, a DD é um caso degenerado do SABR deslocado -- o membro mais simples possível dessa família.
É por isso que a DD é chamada de a forma mais simples de adicionar skew ao BS. Você ganha um parâmetro extra, uma direção de inclinação e compatibilidade exata com a infraestrutura BS existente. Se precisar de curvatura, asas ou dinâmica estocástica, você passa para CEV, SABR ou Heston.
Quando ela é suficiente
A DD é uma extensão de um único parâmetro do Black-Scholes. Essa é tanto sua força quanto sua limitação. Saiba quando usá-la e quando seguir adiante.
Use a DD quando:
1. Você precisa de um ajuste rápido de skew e não precisa de um modelo completo. Cotar um skew aproximado numa conversa de mesa, verificar a sanidade de um modelo mais complexo ou precificar um book de vanilas onde a inclinação importa mais do que as asas.
2. Seu ativo subjacente pode ir a zero ou ficar negativo (juros, spreads). O deslocamento mantém a variável deslocada positiva mesmo quando a original cruza o zero. Este é o caso de uso canônico -- as mesas de juros na era das taxas negativas viviam do lognormal deslocado.
3. Você quer manter intacta a infraestrutura BS existente. Sem novos métodos numéricos, sem Monte Carlo, sem inversão de Fourier. Apenas desloque os inputs.
Vá além da DD quando:
1. Você precisa de curvatura no smile. A DD produz um skew quase linear. Mercados reais têm smiles em formato de U com convexidade em ambas as asas. A DD não consegue capturar isso.
2. Você precisa de comportamento dinâmico do smile. A DD é um modelo estático -- o deslocamento é fixo. Ela não diz nada sobre como o smile se move quando o spot se move. Para hedge dinâmico, você precisa de SABR, Heston ou SLV.
3. Você está precificando exóticas. Opções dependentes de trajetória precisam de um modelo que descreva a dinâmica da vol, não apenas um retrato instantâneo. A DD não tem dinâmica de vol.
Para cripto especificamente, a DD é simples demais. Os smiles de cripto são íngremes, curvados e dinâmicos. A DD pode dar uma primeira inclinação aproximada, mas qualquer superfície de produção usará SVI, SABR ou um modelo mais sofisticado.
Pense na hierarquia de modelos como uma escada: Black-Scholes (smile plano) → difusão deslocada (smile inclinado) → CEV/SABR (smile curvado com dinâmica) → Heston/SLV (vol estocástica com estrutura rica). Cada degrau adiciona complexidade, mas também poder explicativo. A DD é o primeiro degrau acima do BS. Vale a pena conhecê-la mesmo que você nunca a use em produção, porque ela ensina que o skew é fundamentalmente sobre como a volatilidade escala com o nível do ativo subjacente.
Para onde ir a seguir:
Modelo CEV -- o primo não linear da DD, com smiles curvados
Modelo SABR -- vol estocástica sobre um backbone, o padrão de produção
Parametrização SVI -- ajuste direto do smile, o padrão em cripto