Asymptotically-informed neural networks for Black-Scholes implied volatility computation

Resumo Técnico: Redes Neurais Assintoticamente Informadas para Computação da Volatilidade Implícita de Black-Scholes

Problema
A computação da volatilidade implícita (VI) de Black-Scholes é uma tarefa fundamental na finança quantitativa, essencial para a avaliação de opções, calibração de modelos e gestão de risco. Embora a fórmula de precificação de Black-Scholes forneça uma solução de forma fechada para preços de opções dados um parâmetro de volatilidade, o problema inverso — determinar a volatilidade única $\sigma$ que corresponde a um preço de mercado observado — carece de uma solução analítica explícita. Esta inversão torna-se um problema numérico desafiador, particularmente em regimes assintóticos correspondentes a preços, strikes ou maturidades extremas (por exemplo, opções profundamente dentro ou fora do dinheiro ou maturidades muito curtas/longas). Nestas regiões, o mapa inverso torna-se altamente sensível a perturbações no preço; erros mínimos de precificação podem induzir grandes erros na volatilidade implícita, levando potencialmente a decisões de hedge incorretas ou a uma calibração de modelo imprecisa.

Métodos numéricos existentes, como Newton-Raphson ou o algoritmo de Brent, dependem fortemente da qualidade do palpite inicial e podem ter dificuldades nestes regimes extremos. Aproximações analíticas muitas vezes carecem de robustez em intervalos de parâmetros realistas, e abordagens de aprendizagem automática padrão (redes neurais feed-forward genéricas) frequentemente falham em capturar os comportamentos analíticos distintos da função de VI através de diferentes regimes de volatilidade, levando a uma precisão e generalização subótimas.

Metodologia
Os autores propõem uma nova família de arquiteturas de redes neurais que incorporam explicitamente a estrutura analítica do problema de inversão de Black-Scholes. A metodologia central é inspirada pela análise de partição de domínio de Jäckel [30], que identifica que a função de precificação exibe comportamentos qualitativamente diferentes dependendo do regime de volatilidade.

1. Partição de Domínio: O espaço de entrada, definido pelo log-moneyness ($A$) e preço de call normalizado ($C$), é particionado em três regiões distintas baseadas na geometria da função de precificação:

   • Região Assintótica Inferior: Corresponde a preços muito baixos ($C \to 0$).
   • Região Central: Corresponde ao comportamento aproximadamente linear próximo ao ponto de inflexão da curva de precificação.
   • Região Assintótica Superior: Corresponde a preços muito altos ($C \to 1$).

2. Arquitetura de Mistura de Especialistas (Mixture-of-Experts): O modelo proposto aproxima o mapa de volatilidade implícita $B_{inv}(A, C)$ como uma combinação ponderada de aproximações locais especializadas:
   $$IV(A, C) = f_0(A, C)g_0(A, C) + f_1(A, C)g_1(A, C) + f_2(A, C)g_2(A, C)$$

   • Aproximadores Locais ($g_i$): São redes neurais (ou transformações exponenciais destas) treinadas para modelar o comportamento da IV dentro de regimes específicos.
   • Funções de Portão (Gating Functions) ($f_i$): São funções treináveis que determinam o peso de cada aproximador local. Elas são desenhadas para satisfazer restrições assintóticas específicas (ex: $f_0 \to 1$ quando $C \to 0$ e $f_0 \to 0$ quando $C \to 1$) para garantir transições suaves entre regimes. O artigo investiga várias formas paramétricas para estes portões, incluindo famílias polinomiais e gaussianas, com dependências de ambos $A$ e $C$, ou apenas de $C$.

3. Refinamento Híbrido: Os outputs das redes neurais são utilizados como palpites iniciais altamente precisos para um esquema de busca de raiz de terceira ordem de Householder. Esta abordagem híbrida aproveita a velocidade da rede neural para a inicialização e a precisidade do solver iterativo para o refinamento final.

Principais Contribuições

1. Arquiteturas Conscientes de Regime: O design de redes neurais que aprendem explicitamente uma partição do domínio preço-log-moneyness, combinando aproximações locais especializadas via funções de portão, em vez de tratar a inversão da volatilidade implícita como um problema de regressão genérico.
2. Mecanismos de Portão Treináveis: A introdução de funções de portão que aprendem automaticamente as fronteiras de transição entre os regimes assintóticos e centrais, respeitando as restrições analíticas conhecidas.
3. Superioridade em Precisão e Generalização: Experimentos numéricos demonstram que estas arquiteturas superam consistentemente as redes neurais feed-forward padrão em uma ampla gama de domínios de parâmetros. A melhoria é frequentemente de várias ordens de magnitude em termos de precisão relativa (MSRE), particularmente em regimes assintóticos desafiadores.
4. Refinamento de Precisão de Máquina: As redes propostas fornecem palpites iniciais tão precisos que um esquema de Householder de terceira ordem atinge resultados próximos à precisão de máquina após apenas duas iterações de refinamento.
5. Escalabilidade: Ao contrário das aproximações analíticas que exigem a derivação de novas fórmulas para diferentes regimes, a abordagem proposta escala naturalmente com a complexidade do modelo e a precisão desejada, simplesmente ampliando o conjunto de dados ou o tamanho da rede.

Resultados
O artigo apresenta extensos experimentos numéricos em três conjuntos de dados cobrindo diferentes intervalos de parâmetros:

• Dataset de Grande Intervalo ($A \in [0, 16], B \in [10^{-5}, 7.07]$): As arquiteturas propostas reduziram o Erro Quadrático Médio Relativo (MSRE) de teste em aproximadamente quatro ordens de magnitude comparado às redes neurais padrão. Mapas de calor confirmaram que os erros eram uniformemente pequenos em todo o domínio, enquanto as redes padrão exibiam grandes erros em regimes de baixa volatilidade.
• Dataset de Médio Intervalo ($A \in [0, 3], B \in [10^{-7}, 1.22]$): Melhorias semelhantes foram observadas, sendo que as melhores arquiteturas (especificamente aquelas que utilizam funções de portão gaussianas dependentes de ambos $A$ e $C$) reduziram o MSRE em mais de três ordens de magnitude.
• Dataset de Pequeno Intervalo ($A \in [0, 10^{-5}], B \in [10^{-5}, 0.18]$): Mesmo neste regime quase unidimensional onde as redes padrão performam razoavelmente bem, as arquiteturas propostas forneceram melhorias sistemáticas, reduzindo o MSRE por um fator de aproximadamente 39.

Em todos os casos, quando combinados com o refinamento de Householder, os métodos propostos atingiram erros relativos logarítmicos médios próximos ao limite de precisão numérica (cerca de $-37$a$-39$), superando significativamente tanto as redes neurais padrão quanto os métodos clássicos de busca de raiz como o algoritmo de Brent, que mostrou paisagens de erro irregulares em regimes extremos.

Significância
O artigo argumenta que a significância deste trabalho reside em demonstrar que a incorporação de conhecimento analítico qualitativo (especificamente, a existência de distintos regimes assintóticos e centrais) no design de redes neurais produz uma precisão e generalização substancialmente melhores do que tratar a inversão da volatilidade implícita como um problema de regressão genérico. A metodologia proposta não meramente substitui as técnicas clássicas de busca de raiz, mas atua como um poderoso acelerador, colocando os solvers iterativos imediatamente em sua região de convergência rápida. Isto resulta num solver computacionalmente eficiente e altamente preciso, que é particularmente robusto nos regimes de parâmetros extremos onde os métodos tradicionais frequentemente enfrentam dificuldades. Os autores sugerem que esta filosofia de aprendizagem de máquina "assintoticamente informada" poderia ser estendida a outros problemas de calibração em finança quantitativa envolvendo mapeamentos inversos com múltiplos regimes e fortes não-linearidades.