--- title: "Heston 模型：风险中性方差、数值引擎与校准" description: "从风险中性参数、方差边界、相关冲击、特征函数约定、报价加权校准和数值验证等方面审查 Heston 模型。" image: "https://wiki.fcontext.com/og.png" --- > Documentation Index > Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt > Use this file to discover all available pages before exploring further. # Heston 模型：风险中性方差、数值引擎与校准 > 仅供教育参考，不构成投资建议；投资可能产生损失。 ## 直接答案 在一种常见的风险中性测度 `Q` 下，Heston 模型规定 `dS_t / S_t = (r - q)dt + sqrt(v_t)dW_t^(S,Q)` 和 `dv_t = kappa(theta - v_t)dt + xi sqrt(v_t)dW_t^(v,Q)`，且 `d_t = rho dt`。五个核心定价参数是 `v_0`、`theta`、`kappa`、`xi` 和 `rho`。 除非明确给出从物理测度到风险中性测度的方差风险溢价映射，否则这些都是风险中性校准参数。它们可以产生随机方差、下行偏斜和期限效应，但拟合得到的参数组不是唯一的市场真相、波动率预测或对冲质量证明。 ## 分七步建立、校准和验证 1. 锁定索赔、行权与结算规则、币种、市场时间戳、远期价格、贴现曲线、股息、借券，以及任务使用物理测度 `P` 还是定价测度 `Q`。 2. 写明随机微分方程与单位：`v_0` 和 `theta` 是年化方差，`kappa` 的单位是 `1/year`，`xi` 的单位是 `1/sqrt(year)`，`rho` 是位于 `[-1, 1]` 的无量纲参数。记录任何从 `P` 到 `Q` 的方差风险溢价映射。 3. 要求参数符号和相关系数有效，再检验 `2 kappa theta >= xi^2`。精确平方根过程保持非负；充分 Feller 条件涉及零边界是否不可达或过程是否严格为正，不满足该条件并不意味着精确方差为负或所有价格均无效。 4. 锁定特征函数约定，例如 `phi(u;T) = E^Q[exp(iu ln S_T)]`，同时锁定对数价格或对数远期坐标、Fourier 符号、阻尼、贴现、复数平方根与对数分支、积分截断点、网格和容差。 5. 清理同步且可成交的买价、卖价、数量、远期、贴现、股息和公司行动数据。按书面规则剔除过时、交叉、零数量及违反静态无套利的数据；明确目标函数按价格、隐含波动率、Vega、价差还是其他方式加权。 6. 从多个初值进行校准，并报告参数边界、使用的 Feller 惩罚、近似最优替代组、价差标准化残差、梯度或 Jacobian 条件数及参数不稳定性，而非只报告一个 RMSE。 7. 验证看跌看涨平价、确定性波动率极限、求积与 FFT 收敛、有限差分或蒙特卡洛交叉检验、模拟方法偏差、样本外价格与对冲损益；再对跳跃、事件、流动性、重校准和结算进行压力测试。 ## 四个完整示例 - **矩与 Feller 诊断。** 设 `v_0 = 0.09`、`theta = 0.04`、`kappa = 2`、`xi = 0.30`、`rho = -0.70`、`t = 0.5`。则 `E^Q[v_t] = 0.0583939721`，`sqrt(E^Q[v_t]) = 0.2416484473`，方差半衰期为 `0.3465735903 year = 4.1588830834 months`，且 `2 kappa theta = 0.16 > xi^2 = 0.09`。充分条件成立，但 `sqrt(E[v_t])` 不是 `E[sqrt(v_t)]`，也不是期权隐含波动率。 - **相关冲击构造。** 设 `rho = -0.70`、`Z_S = -1.2`，独立的 `Z_perp = 0.5`，则使用 `Z_v = rho Z_S + sqrt(1 - rho^2)Z_perp = 1.1970714214`。对于 `S = $100`、`v = 0.04`、`r = 4%`、`q = 1.5%`、`kappa = 2`、`theta = 0.04`、`xi = 0.30`、`Delta t = 1/252`，一次普通 Euler 诊断得到 `S_next = $98.4980627429`、`v_next = 0.0445245047` 和 `sqrt(v_next) = 0.2110083048`。此例用于核对符号与单位；生产环境不建议使用普通 Euler。 - **预期积分方差。** 使用第一组参数和 `T = 1.5`，`E^Q[integral_0^T v_t dt] = theta T + (v_0 - theta)(1 - e^(-kappa T))/kappa = 0.0837553233 variance-years`。平均预期方差是 `0.0558368822`，其平方根是 `0.2362982907`。它既不是单一路径的已实现方差，也不是直接报价的期权隐含波动率。 - **校准权重改变诊断结果。** 三个报价的买价/卖价/模型价/Vega 分别为 `(5.10, 5.30, 5.18, 12)`、`(2.00, 2.10, 2.08, 4)` 和 `(0.45, 0.55, 0.60, 1.5)`。相对中间价的残差为 `-0.02`、`+0.03` 和 `+0.10`；按半价差标准化后为 `-0.2`、`+0.6` 和 `+2.0`。价格 SSE 为 `0.0113`，价差加权 SSE 为 `4.40`，Vega 标准化残差为 `-0.0016667`、`+0.0075` 和 `+0.0666667` 个波动率小数单位。目标函数会改变优化器对严重误差的判断。 ## 模型、校准与数值风险 - 混用物理测度与风险中性参数，或遗漏方差风险溢价。 - 混淆方差与波动率，或采用错误的平方根换算。 - 混用年、日、利率、股息和波动率的年化单位。 - 使用错误的远期、贴现、连续股息或离散股息输入。 - 允许无效参数符号，或让 `rho` 超出 `[-1, 1]`。 - 把 Feller 条件不成立误解为精确方差为负或模型自动无效。 - 使用会产生负方差和损益偏差的朴素 Euler 路径。 - 忽略截断法、QE 法和精确法之间的偏差与收敛差异。 - 混用对数价格、对数远期、Fourier 符号或特征函数约定。 - 采用不一致的复数平方根或对数分支，触发 Little Heston Trap。 - 积分截断不足、求积精度不够、FFT 阻尼或容差不当。 - 未通过确定性波动率、看跌看涨平价、概率和独立引擎测试。 - 校准过时、不同步、指示性、交叉或零数量报价。 - 将存在静态套利或公司行动扭曲的曲面输入校准。 - 把中间价误差当成可成交误差，而忽略买卖价差和数量。 - 认为价格、隐含波动率、Vega 和价差加权目标等价。 - 尽管存在局部极小值、平坦方向和弱识别，仍信任单一起点。 - 过度拟合一个曲面，而不验证样本外价格和对冲效果。 - 认为恒定参数的连续 Heston 能捕捉跳跃、事件、违约、所有微笑和未来曲面动态。 - 遗漏流动性、成本、保证金、产品结算、重校准控制和模型治理。 ## 常见误区 - **“Heston 能预测波动率。”** 它在选定测度和参数后规定条件动态。 - **“Feller 条件不成立会使方差为负，所有价格都无效。”** 精确边界行为与数值离散化是两个不同问题。 - **“闭式解意味着不需要数值计算。”** Heston 定价仍需特征函数反演和数值控制。 - **“最佳拟合能唯一确定动态和对冲。”** 不同参数组和目标函数可以得到相近拟合。 - **“随机波动率能捕捉崩盘和所有微笑。”** 标准 Heston 仍是恒定参数的连续扩散。 ## 相关主题 - [隐含波动率](/zh-cn/options/implied-volatility/) - [蒙特卡洛期权定价](/zh-cn/options/monte-carlo-option-pricing/) - [有限差分期权定价](/zh-cn/options/finite-difference-option-pricing/) ## 一手与学术来源 - [A Closed-Form Solution for Options with Stochastic Volatility with Applications to Bond and Currency Options](https://doi.org/10.1093/rfs/6.2.327) - [A Theory of the Term Structure of Interest Rates](https://doi.org/10.2307/1911242) - [Option Valuation Using the Fast Fourier Transform](https://doi.org/10.21314/JCF.1999.043) - [Simple and Efficient Simulation of the Heston Stochastic Volatility Model](https://doi.org/10.21314/JCF.2008.189) - [Exact Simulation of Stochastic Volatility and Other Affine Jump Diffusion Processes](https://doi.org/10.1287/opre.1050.0247) - [A Comparison of Biased Simulation Schemes for Stochastic Volatility Models](https://doi.org/10.1080/14697680802392496) - [The Little Heston Trap](https://www.ma.imperial.ac.uk/~ajacquie/IC_Num_Methods/IC_Num_Methods_Docs/Literature/HestonTrap.pdf) - [Full and fast calibration of the Heston stochastic volatility model](https://doi.org/10.1016/j.ejor.2017.05.018) Source: https://wiki.fcontext.com/zh-cn/options/heston-model/index.mdx