Polinômio quíntico do zero
1/5Ajuste o smile com um polinômio
Esqueça a escolha de uma SDE ou de um modelo de vol estocástica. Pegue a curva de variância total w(k) e ajuste-a diretamente com um polinômio em log-moneyness. Seis coeficientes por slice. Pronto.
A ideia é quase ofensivamente simples. Variância total w(k) =σ²·T é uma função da log-moneyness k = ln(K/F). Basta ajustá-la com um polinômio:
Compare isso com a SVI, que tem cinco parâmetros com significados geométricos específicos (nível, inclinação, curvatura, centro, tilt). O quíntico tem seis parâmetros sem significado inerente -- são apenas coeficientes polinomiais. O que você perde em interpretação, ganha em flexibilidade.
Cada coeficiente controla um aspecto diferente do formato do smile: a₀ define o nível ATM. a₁ controla o skew linear. a₂ controla a curvatura. Termos de ordem superior lidam com a assimetria e a estrutura fina que o formato fixo do SVI não consegue capturar.
A SVI é um molde com forma definida: só consegue produzir smiles de uma certa família. O quíntico é argila mole: você pode formar mais formatos, mas a argila não sabe como um smile deve ser. Você precisa de disciplina externa (restrições) para impedir que ele produza formatos sem sentido.
Por que quíntico?
O grau 5 é o ponto ideal. O cúbico é rígido demais para smiles realistas. O quártico ajuda, mas ainda não lida com a assimetria entre as asas de put e de call. O sético (grau 7) oscila. O quíntico acerta na mosca.
Cúbico (grau 3): 4 coeficientes. Consegue capturar um smile inclinado, mas não a curvatura independente de cada asa. Se a asa esquerda for íngreme e a direita for plana, o cúbico não consegue ajustar ambas sem distorcer o centro.
Quártico (grau 4): 5 coeficientes. Melhor -- consegue lidar com curvatura simétrica --, mas ainda falta um termo de potência ímpar alto o suficiente para diferenciar as asas com clareza.
Quíntico (grau 5): 6 coeficientes. O termo extra de quinto grau dá controle independente sobre a assimetria das asas no intervalo de moneyness certo. Smiles reais são assimétricos (asa de put mais íngreme que a asa de call em ações e cripto), e o quíntico captura isso sem overfitting.
Sético (grau 7) e superiores: Graus de liberdade em excesso. O polinômio começa a oscilar entre os pontos de dados, criando ondulações e saliências espúrias que não estão nos dados de mercado. Esse é o clássico tradeoff viés-variância: mais flexibilidade significa mais risco de overfitting.
Veja a comparação acima. Clique por cada grau. O cúbico erra as asas. O quártico chega perto, mas é rígido. O quíntico acerta. O sético começa a ondular. Esse visual é todo o argumento a favor do grau 5.
Restrições de arbitragem em polinômios
Eis o problema fundamental dos modelos de smile polinomiais: eles crescem rápido demais nas asas. A fórmula dos momentos de Roger Lee diz que a variância total deve crescer no máximo linearmente em |k| quando |k| tende ao infinito. Um polinômio de grau 5 cresce como k⁵. Isso é um problema.
A fórmula dos momentos de Lee (2004) estabelece o comportamento assintótico da volatilidade implícita:
O gráfico acima mostra a diferença de forma nítida. As asas da SVI são limitadas: elas se aproximam de uma inclinação linear. As asas do quíntico explodem. Nas asas distantes, o polinômio cota vols implícitas que implicam spreads de butterfly negativos -- dinheiro grátis.
A solução: use o quíntico apenas no interior do smile (digamos, |k| < 0.5) e faça a transição para um modelo de asas (linear ou tipo SVI) para extrapolação. Essa é a abordagem padrão de produção: interior polinomial, asas controladas.
Como alternativa, você pode adicionar restrições explícitas durante o ajuste:
1. w(k) ≥ 0 para todo k (a variância deve ser positiva).
2. w(k) is convex no interior (sem arbitragem de butterfly -- essa é a condição de Durrleman).
3. w(k)/|k| ≤ 2 nos extremos do intervalo de ajuste.
Essas restrições são todas lineares ou quadráticas nos coeficientes, então podem ser impostas resolvendo um problema de mínimos quadrados restrito (programa quadrático) em vez de mínimos quadrados irrestrito.
A calibração é apenas regressão linear
Ao contrário da otimização não linear da SVI (que requer inicialização, iterações e pode ficar presa em mínimos locais), ajustar um polinômio é um problema de mínimos quadrados linear. Monte uma matriz, resolva um sistema linear, pronto.
Dados N pontos de dados observados (kᵢ, wᵢ), o problema é:
Arraste os pontos de dados acima. O ajuste atualiza instantaneamente porque é apenas uma resolução matricial -- sem iterações, sem problemas de convergência, sem sensibilidade à inicialização. Compare isso com a calibração da SVI, onde o otimizador pode levar dezenas de iterações e pode encontrar uma resposta diferente dependendo de onde você começa.
Adicionando restrições: Se você adicionar as restrições de arbitragem da seção anterior (positividade, convexidade, limites das asas), o problema se torna um programa quadrático (QP) em vez de mínimos quadrados irrestrito. QPs ainda são rápidos e bem estudados -- os solvers os resolvem em milissegundos. O ponto principal: o quíntico restrito ainda é dramaticamente mais rápido de calibrar do que a SVI.
Estabilidade numérica: A matriz de Vandermonde pode ficar mal condicionada quando o intervalo de moneyness é amplo. Remédios padrão: (1) escalar k para [-1, 1] antes de ajustar, (2) usar polinômios ortogonais (Chebyshev, Legendre) em vez de potências brutas. Essas são técnicas rotineiras de análise numérica.
Quíntico vs SVI
Nenhum dos dois vence em todos os cenários. O quíntico é mais rápido de ajustar e mais flexível no interior. A SVI tem asas limitadas e parâmetros interpretáveis. Saiba qual escolher.
O quíntico vence quando:
1. Você precisa de calibração rápida (milhares de slices por segundo para uma superfície em tempo real). A resolução linear é imbatível em velocidade.
2. O smile observado tem características que o formato fixo da SVI não consegue reproduzir -- saliências locais, curvatura incomum, asas assimétricas. O quíntico é mais flexível no interior.
3. Você está trabalhando no interior do smile (|k| < 0.3) onde o comportamento das asas não importa e você quer o ajuste mais justo possível aos dados observados.
A SVI vence quando:
1. Você precisa de extrapolação confiável das asas. A linearidade assintótica da SVI nas asas é correta por construção. O quíntico precisa ser cortado ou combinado.
2. Você quer parâmetros interpretáveis para a gestão de risco. Os da SVI, a (nível), b (ângulo), ρ (tilt), m (centro), σ (suavização das asas), mapeiam diretamente para características observáveis do smile.
3. Você está construindo uma superfície entre vencimentos. A SSVI estende a SVI para a superfície completa com garantias de não-arbitragem. Não existe um "quíntico de superfície" padrão com as mesmas garantias.
O compromisso de produção: Muitas mesas usam ambos. Quíntico para interpolação rápida do interior e cotação em tempo real. SVI ou SSVI para a superfície oficial, extrapolação das asas e relatórios de risco. O quíntico cuida do centro denso em dados; a SVI cuida das asas esparsas.
O polinômio quíntico não é um modelo do mercado. É uma ferramenta de ajuste de curva. Ele não diz nada sobre dinâmica, hedge ou por que o smile tem o formato que tem. A SVI também é uma ferramenta de ajuste de curva, mas com estrutura suficiente para se estender a uma superfície. Para dinâmica de fato, você precisa de SABR, Heston ou um modelo de vol local estocástica. O quíntico vive no espaço entre os dados brutos e um modelo real -- é a maneira mais rápida de obter um smile suave e interpolado a partir de observações ruidosas.
Para onde ir a seguir:
Parametrização SVI -- o modelo de smile padrão com asas limitadas
Superfície SSVI -- SVI estendida para a superfície completa com garantias de não-arbitragem
Métodos de Interpolação -- todos os métodos de ajuste comparados