Calibración del modelo de casco blanco de dos factores

Question

Tengo una pregunta sobre el método del optimizador para calibrar los parámetros del modelo de dos factores del casco blanco. Tengo la fórmula analítica de fijación de precios para el precio de capitalización y de mercado. Hay cinco parámetros que necesito calibrar ( $\gamma_1$ . $\gamma_2$ , $\sigma_1$ , $\sigma_2$ , $\rho$ ). El problema es que no puedo obtener los parámetros fijos, cuando cambio la conjetura inicial para estos cinco paras, obtendré un resultado diferente. Se agradece cualquier sugerencia.

El código de optimización es el siguiente:

minimize(error_func, initial_guess, args = (strikes, cap_tenor, zcb, cap_price_market), 
                                            bounds=bound, method="Nelder-Mead")

Answer 1

Evidentemente, está utilizando un optimizador local (aquí el método Nelder-Mead). Uno debe esperar diferentes resultados para diferentes conjeturas iniciales, ya que se quedará atascado en un mínimo local ( o simplemente una "solución" para Nelder-Mead, ya que es un optimizador heurístico). En la práctica, juegue y recoja las diferentes soluciones y sus errores, cuanto más pequeño sea el error, mejor. También puede utilizar el optimizador de evolución diferencial que es un optimizador global, es más lento pero puede darle una buena indicación de dónde está la solución real.

Los instrumentos de calibración es también otra cosa que usted debe mirar. Si elimina un instrumento, puede obtener resultados totalmente diferentes. Puedes comprometer la precisión (es decir, elegir el conjunto de parámetros que produce el menor error) para la estabilidad