The pricing of over-the-counter derivatives (OTC-derivatives) can be a complicated process, with many moving parts, where many things can go wrong. In addition, European Securities and Markets Authority (ESMA) requirements for non-cleared OTC-derivatives are somewhat non-specific. The main goal of this thesis is to perform a sensitivity analysis with respect to price on the configuration and input parameters of OTC-derivatives, with a swaption serving as the illustrative instrument. This thesis analyzes the risks of mispricing instruments from three possible sources of error; the data intraday sampling time, the model type, and the conventions used when configuring the instrument. These are compared using various risk and performance measures and discussed from an Industrial Economics and Management perspective. It is shown that the models differ in pricing most when making future predictions assuming fixed data, that the intraday data sampling time causes pricing differences sporadically, and that certain conventions exist that cause highly significant mispricings. The main conclusion from these findings is the necessity of extensive theoretical understanding when designing and auditing Mark-to-Model routines.

Prissättningen av OTC-derivat kan utgöra en invecklad process med många rörliga delar där många saker kan gå fel. Utöver det är kraven från European Securities and Markets Authority (ESMA) på icke-clearade OTC-derivat någorlunda ospecifika. Det huvudsakliga målet i detta examensarbete är utförandet av en känslighetsanalys med avseende på pris gentemot konfigurering och input-parametrar av OTC-derivat, där en swaption används som illustrativt instrument. Detta examensarbete analyserar riskerna för felprissättningar utifrån tre felkällor; datans intraday sampling-tid, modelltypen och konventionerna som används för att konfigurera instrumentet. Dessa jämförs med hjälp av olika risk/avkastnings-mått och diskuteras utifrån ett Industriell Ekonomi och Organisation-perspektiv. Det visas att modellerna skiljer sig i prissättning mest då man gör prisprediktioner samt antar fix data, att datans intraday sampling-tid orsakar skillnader i prissättning sporadiskt och slutligen att vissa konventioner finns som orsakar mycket signifikanta felprissättningar. Den huvudsakliga slutsatsen från dessa resultat är vikten av gedigen teoretisk förståelse vid design och granskning av Prissättning-efter-modell-rutiner.