Buscando consejo sobre la normalización del cambio de la volatilidad implícita para el modelado de opciones

Question

Estoy trabajando con un conjunto de datos sustancial que abarca cinco años de datos de opciones semanales, con registros hasta el segundo. Mi objetivo es desarrollar un modelo que pueda predecir con precisión la función de masa de probabilidad (PMF) de la reacción de volatilidad implícita (IV) de BSM ATM en 1 día si se proporcionan la IV actual, el tiempo actual hasta el vencimiento (DTE) y el cambio porcentual en el subyacente.

Aquí es donde estoy buscando consejo: Los cambios en la volatilidad implícita varían significativamente con el DTE, con las opciones cercanas al vencimiento mostrando cambios más grandes en comparación con las que están más lejos.

Para abordar este problema, estoy buscando derivar el valor normalizado del cambio en la volatilidad implícita para varios vencimientos en relación con el cambio porcentual en el activo subyacente durante 1 día.

Después de normalizar el cambio en la volatilidad implícita, usaré la estimación de densidad kernel (KDE) para construir su distribución.

Agradecería mucho cualquier idea, buenas prácticas o recomendaciones de practicantes experimentados en el campo con respecto al proceso de normalización.

Gracias a todos por su tiempo y ayuda.

Answer 1

Hice un poco de investigación sobre la normalización de la IV, donde utilicé el promedio transversal de la IV entre las IV de opciones (con diferentes precios de ejercicio). También puedes usar un promedio de series temporales de IV, como la IV de esa opción durante el último mes. Ambos promedios pueden ser utilizados para escalar/normalizar los valores de tu IV.

No estoy seguro si esta es la forma de la industria, pero hay académicos que han utilizado ambos de los métodos que mencioné anteriormente.