Модель Блэка-Дермана-Тоя (BDT): биномиальное дерево для кривой процентных ставок

Фундаментальное преимущество модели BDT перед классическими моделями Хо-Ли или Халла-Уайта заключается в предположении о логнормальном распределении короткой процентной ставки. Математически процесс в непрерывном времени аппроксимируется уравнением $d(ln r_t) = ( heta(t) - frac{sigma^prime(t)}{sigma(t)} ln r_t) dt + sigma(t) dW_t$. Логнормальность гарантирует, что процентная ставка $r_t$ никогда не станет отрицательной (проблема, критически свойственная нормальным моделям типа Васичека). Параметры $ heta(t)$ и $sigma(t)$ являются детерминированными функциями времени, которые алгоритмически настраиваются для точного совпадения теоретических цен с рыночными.

Вычислительным ядром BDT является дискретное биномиальное дерево. На каждом временном шаге $i$ ставка может пойти вверх $r_{u}$ или вниз $r_{d}$. Структура дерева задается так, чтобы $r_{i, j} = r_{i, 0} k_i^j$, где $r_{i, 0}$ — самая низкая ставка на шаге $i$, а $k_i$ — шаг мультипликатора, напрямую связанный с локальной волатильностью $sigma_i$. Для калибровки этого дерева Фаршид Джамшидян предложил гениальный алгоритм "Прямой индукции" (Forward Induction). Алгоритм рекурсивно вычисляет Цены состояний Эрроу-Дебре (Arrow-Debreu State Prices) для каждого узла дерева, двигаясь от корня к будущим периодам. На каждом шаге $i$ решается нелинейная алгебраическая система из двух уравнений (одно для спот-ставки, другое для волатильности кэплета), определяющая параметры узлов следующего шага.

После завершения калибровки (которая занимает доли секунды благодаря алгоритму Джамшидяна), дерево BDT становится идеальным вычислительным "полигоном" для оценки любых процентных деривативов. Оценка осуществляется методом обратной индукции (Backward Induction): начиная с выплат на дату экспирации, узлы сворачиваются обратно к корню с дисконтированием по локальным ставкам $r_{i, j}$. Эта процедура позволяет безупречно оценивать американские и бермудские опционы (например, Bermudan Swaptions или Callable Bonds), поскольку в каждом узле дерева алгоритм может сравнить стоимость продолжения контракта со стоимостью его немедленного досрочного исполнения.

Несмотря на то, что современная математика перешла к более сложным моделям (например, рыночной модели LIBOR или многофакторным моделям со стохастической волатильностью SABR), модель Блэка-Дермана-Тоя остается золотым стандартом для понимания механизмов калибровки. Программная реализация дерева BDT — это классическая задача вычислительной алгебры, доказывающая, что дискретная комбинаторика биномиальных моделей способна решать задачи оптимального управления в корпоративных финансах не хуже сложных систем стохастических дифференциальных уравнений.

Список литературы:
1. Black F., Derman E., Toy W. A One-Factor Model of Interest Rates and Its Application to Treasury Bond Options. — Financial Analysts Journal, 1990.
2. Jamshidian F. Forward Induction and Construction of Yield Curve Smoothing Models. — Journal of Fixed Income, 1991.
3. Fabozzi F.J. Fixed Income Mathematics. — McGraw-Hill, 2006.
Эксперты: Фишер Блэк, Эмануэль Дерман, Фаршид Джамшидян.