Para LMM me cosa la Rebonato del libro de 2002, es una buena referencia. Él ha explicado la condición de vol cita que permiten la existencia de la solución de calibración.
LMM parámetros y entradas son bastante complejo, calibrador no funciona tal vez causada por la implementación de errores, pero no sólo la entrada de datos. Creo que es mejor si usted calibrar prácticamente antes de que la verdadera datos de mercado. I. e que cree que los datos que usted sabe el verdadero "parámetros", calibre de un "falso parámetros" para encontrar la verdadera. Si este primer paso de trabajo, se puede decir que su aplicación no tiene error.
El segundo paso consiste en leer el artículo, mejorar el modelo, garantizando siempre la prueba virtual de las obras.
Si que siempre no trabajar con datos de mercado, tal vez es causada por el mal de datos. Usted puede demostrar mediante el uso de la cascada calibrattion (Brigo Damien libro de 2006). Si, efectivamente, los datos que es malo, es necesario agregar una regulación en la calibración (pena de método). Sin embargo, ser conscientes de que la adición de la pena de modificar la solución (que es permisible cuando exacte solución no existen), se debe estudiar el cómo y el "cuánto" pena agregar para tener una precisión razonable.
PS : yo tenía un poco de experiencia en la implementación de LMM , utilizamos swapfion vcub y estándar de la curva de descuento como entrada para la calibración.
