局部波动率模型(Local Volatility Models)
大约 5 分钟
局部波动率模型(Local Volatility Models)
局部波动率模型简介
局部波动率模型是一类通过从市场隐含波动率曲面中反推资产价格波动率结构的定价方法,其目标是使模型生成的理论期权价格与市场观察到的期权价格完全一致。局部波动率模型的核心思想是,波动率不仅仅是时间的函数,还依赖于标的资产的价格水平,从而能够捕捉市场波动率微笑或偏斜的特性。
以下是主要的局部波动率模型及其特点简介:
Dupire 局部波动率模型
- 提出者:Bruno Dupire(1994)
- 核心特点:通过反推出一个双变量函数 $ \sigma(t, S) $(时间和资产价格的函数)来描述标的资产的局部波动率。该模型的核心公式基于偏微分方程,能精确拟合市场隐含波动率曲面,是局部波动率建模的基础。
- 应用场景:适用于捕捉市场整体波动率曲面,但在处理跳跃行为和短期波动率微笑时存在局限。
Andersen FX 局部波动率模型
- 提出者:Leif Andersen 和 Jorgen Andreasen(2000)
- 核心特点:在 Dupire 模型的基础上引入了泊松跳跃过程,用于更好地拟合外汇市场中短期波动率微笑。通过泊松跳跃项描述市场中可能的极端价格变化,同时保留局部波动率模型的灵活性。
- 应用场景:外汇市场定价,特别是对短期到期波动率微笑和价格跳跃行为的建模。
Dupire 局部波动率模型的参数化方法
在 Dupire 模型中,局部波动率 通常通过参数化方法拟合市场数据。一种常见的做法是使用二次多项式来描述隐含波动率曲面:
6个参数的含义
参数 | 变量 | 作用 | 金融意义 |
---|---|---|---|
a | $ K $ | 行权价的线性影响 | 控制波动率微笑的倾斜方向(上斜/下斜) |
b | $ T $ | 到期时间的线性影响 | 决定波动率随期限上升或下降 |
c | $ K^2 $ | 行权价的曲率(非线性) | 控制波动率微笑的弯度(凸/凹) |
d | $ T^2 $ | 到期时间的曲率 | 影响长期波动率的变化速度 |
e | $ K \cdot T $ | 行权价与时间的交叉影响 | 描述行权价对期限的敏感度 |
f | 常数项 | 基准波动率 | 短期平价(ATM)波动率 |
参数化方法的优势
- 计算高效:简单的多项式形式便于快速校准
- 解释性强:每个参数都有明确的金融含义
- 灵活性:能捕捉常见的波动率曲面形态
实际应用示例
假设校准后的参数为 [0.1, -0.02, 0.001, 0.0, -0.001, 0.2]
,则:
- a=0.1 → 行权价越高,波动率越高(上斜微笑)
- b=-0.02 → 期限越长,波动率越低(均值回归)
- e=-0.001 → 低行权价的波动率随时间下降更慢
- f=0.2 → 短期ATM波动率约20%
注:实际应用中可能需要更高阶项来拟合复杂曲面
Dupire FX 模型
核心假设
在 Dupire 模型 中,标的资产价格(例如外汇汇率) 的动态满足以下随机微分方程:
- 变量解释:
- :标的资产价格(例如外汇汇率)。
- :本币(Domestic Currency)的无风险利率。
- :外币(Foreign Currency)的无风险利率。
- :局部波动率(Local Volatility),是时间 和标的价格 的函数。
- :标准布朗运动(Wiener Process),描述标的资产价格的随机波动。
局部波动率的推导
局部波动率 是市场期权价格 的函数,可以通过以下公式计算:
Andersen FX Model
模型描述
在 Andersen FX Model 中,外汇汇率 的动态描述如下:
- 新增项解释:
- :泊松过程(Poisson Process),描述跳跃事件的发生
- :跳跃幅度(通常假设为对数正态分布)
- :跳跃强度
模型优势
- 能更好拟合短期波动率微笑
- 可以捕捉市场中的极端跳跃事件
- 保留了局部波动率模型的灵活性
数值定价方法
方法 | 优点 | 缺点 | 适用场景 |
---|---|---|---|
蒙特卡罗方法 | 适用于复杂动态(跳跃、高维) 易扩展至路径依赖期权 | 收敛速度慢 跳跃增加计算复杂性 | 路径依赖期权、高维问题 |
偏微分方程(PDE) | 计算效率高 稳定性强 | 无法直接处理跳跃过程 高维问题计算复杂 | 长期波动率微笑、欧式期权 |
偏微分-积分方程(PIDE) | 捕捉跳跃 精确拟合短期波动率微笑 | 实现复杂 对跳跃分布假设敏感 | 短期波动率微笑显著、跳跃影响显著 |
总结
- Dupire模型:基础局部波动率模型,使用6参数多项式拟合波动率曲面
- Andersen FX模型:加入跳跃过程,改进对短期微笑的拟合
- 根据需求选择合适的数值方法(MC/PDE/PIDE)