Diffusion déplacée
La diffusion déplacée (aussi appelée modèle lognormal décalé) reprend Black-Scholes en décalant l’axe des prix. Au lieu de modéliser directement le prix forward , vous modélisez comme lognormal, où est le déplacement. Cela crée du skew sans aucune volatilité stochastique, par un simple changement de coordonnées.
Un changement de coordonnées crée du skew
Explorer les paramètres
Déplacez le curseur de déplacement pour voir comment le décalage de l’axe des prix crée une asymétrie. Le curseur de volatilité contrôle le niveau global. La ligne bleue en pointillés montre le cas non décalé (Black-Scholes).
Explorateur de diffusion déplacée
Déplacez le curseur de déplacement pour voir comment le décalage de l'axe des prix crée du skew. La ligne bleue en pointillés montre le smile non décalé pour référence.
Rôle de chaque paramètre
- sigma (niveau de volatilité) : la volatilité implicite appliquée au forward décalé. Un sigma plus élevé renchérit toutes les options.
- déplacement (d) : l’ampleur du décalage de l’axe des prix. Un d négatif crée un skew put (la volatilité augmente quand le prix baisse). Un d positif crée un léger skew call. Un déplacement nul correspond au Black-Scholes standard.
Forces et limites
Le chemin le plus court de Black-Scholes au skew
La diffusion déplacée est le moyen le plus rapide d’ajouter du skew à Black-Scholes. C’est un bon point de départ, mais les marchés réels exigent davantage de paramètres. Pour une couverture correcte en delta et en véga sur l’ensemble de la structure par terme, il vous faut un modèle plus riche.
Explorateur d’équations
Convertissez entre volatilité implicite, variance totale, log-moneyness et prix des options.
Explorateur d'équations
💡 Conseil : Essayez de répondre à chaque question vous-même avant de révéler la réponse.
Construire l’intuition mathématique
Apprendre la diffusion déplacée depuis zéroLeçon interactive · aucun prérequisCette leçon explique en termes simples l’astuce du décalage de l’axe, montre comment le paramètre de déplacement modifie le smile, et relie le modèle à l’intuition de Black-Scholes.
Voir aussi :
- Modèle CEV : un autre modèle de skew simple (backbone en loi de puissance)
- Modèle SABR : modèle complet à volatilité stochastique (backbone CEV + vol de vol)
- Skew : pourquoi le smile s’incline
- Méthodes d’interpolation : comparaison de tous les modèles de smile