---
title: "局部波动率模型：从期权价格到状态依赖波动率"
description: "理解 Dupire 局部波动率模型如何把满足无套利条件的欧式期权曲面转换为状态依赖扩散过程，以及精确校准为何不能保证真实的波动率微笑动态。"
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.
# 局部波动率模型：从期权价格到状态依赖波动率
> 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
**局部波动率模型**把瞬时波动率设为当前标的价格与时间的确定函数。在一个简单的股票风险中性模型中，`dS_t=(r-q)S_tdt+σ_loc(S_t,t)S_tdW_t`。Black-Scholes 使用单一常数波动率，而经适当校准的局部波动率扩散过程可以重现当前不同执行价和期限的欧式期权价格。
这种校准性质针对的是今天的风险中性边际分布，并非对实际波动率或明天隐含波动率曲面的预测。模型为定价与对冲提供了一套内部一致的路径过程，但确定性的状态依赖关系可能产生与市场观测不同的未来微笑移动。
## Dupire 校准机制
以 `C(K,T)` 表示执行价为 `K`、期限为 `T` 的欧式看涨期权在时点零的价格。若连续复利利率 `r` 与连续股息率 `q` 为常数，则在分母为正的地方，Dupire 正向方程给出：
`σ_loc²(K,T)=[∂_T C+(r-q)K∂_K C+qC]/[0.5K²∂²_KK C]`。
曲率 `∂²_KK C` 与贴现后的风险中性终值密度成正比。因此，看涨期权价格必须随执行价下降并保持凸性，各期限切片也必须满足经持有成本调整的日历约束。报价稀疏或不一致时，推导出的方差可能不稳定甚至为负。
实务校准通常从同步的期权报价、贴现因子、远期价、股息和合约口径开始。先在静态无套利约束下拟合平滑曲面，再计算导数；随后对得到的局部波动率网格进行插值和边界限制，并通过重新定价校准期权来检查结果。
局部波动率并不等于相同执行价和期限的屏幕隐含波动率。隐含波动率是令 Black-Scholes 匹配某一个期权价格的常数输入；局部波动率则是其演化过程能够生成全部已校准边际分布的瞬时扩散系数。
## Dupire 数值示例
在 `K=$100`、`T=1` 年处，假设平滑后的看涨期权曲面给出 `C=$8`、`∂_T C=10` 美元/年、`∂_K C=-0.45`、`∂²_KK C=0.018` 每美元。令 `r=5%`、`q=2%`，分子为：
`10+(0.05-0.02)×100×(-0.45)+0.02×8=8.81`。
分母为 `0.5×100²×0.018=90`，所以局部方差为 `8.81/90=0.0979`，局部波动率为 `√0.0979=31.3%`。
这只是数值演示，并非市场估计。若噪声更大的拟合使曲率从 `0.018` 变为 `0.012`，而其他输入保持不变，推导出的波动率会升至 `√(8.81/60)=38.3%`。这种敏感性说明数据清洗、无套利平滑、稳定求导和样本外检查十分重要。
## 校准与模型风险检查
- 使用同步且可成交的报价、远期价、贴现因子、股息、合约条款和结算口径。
- 按有记录的规则剔除交叉、陈旧、零买价和经济上不一致的观测。
- 求导前强制满足执行价单调性、执行价凸性和适当的持有成本调整后日历约束。
- 测试插值、平滑惩罚、报价权重、网格间距、边界条件和外推的敏感性。
- 重新定价每个校准用普通期权，并同时以价格单位和隐含波动率点数报告误差。
- 在标的价格和微笑冲击下，对比 Black-Scholes 与随机波动率替代模型的对冲表现。
- 对跳跃和跳空做压力测试，因为连续扩散无法对冲瞬时不连续变化。
- 把未来曲面动态视为模型假设，而不是今天拟合结果必然保证的结论。
- 对障碍期权及其他路径依赖合约格外谨慎，其价值取决于模型设定的路径规律。
- 曲面变化时重新校准，并区分市场损益、持有收益、对冲误差和重校准影响。
- 限制稀疏翼部和长期期限的外推，因为数值求导会放大细小输入误差。
- 另行计入流动性、交易成本、离散对冲、提前行权以及对手方或结算条款。
## 常见误区
- “局部波动率等于每个点的隐含波动率。”两者定义不同，是不同的量。
- “精确校准证明模型真实。”很多模型都能拟合今天的普通期权，却给出不同路径与对冲。
- “Dupire 公式可以直接用于原始报价。”它需要平滑导数和满足无套利条件的输入。
- “完备的扩散模型消除了所有风险。”跳跃、离散对冲、流动性和模型误差仍然存在。
- “曲面细节越多，准确度一定越高。”求导会放大噪声和不活跃报价的影响。
- “模型可以预测波动率。”校准提取的是风险中性定价函数，不是现实世界预测。
- “拟合全部普通期权的模型会给所有奇异期权相同价格。”其路径规律与未来微笑动态可能不同。
- “负局部方差是有效的市场信号。”它通常暴露数据、拟合、求导或假设的不一致。
## 相关主题
- [Black-Scholes 模型](/zh-cn/options/black-scholes-model/)
- [隐含波动率](/zh-cn/options/implied-volatility/)
- [Heston 模型](/zh-cn/options/heston-model/)
- [有限差分期权定价](/zh-cn/options/finite-difference-option-pricing/)
- [Delta 对冲](/zh-cn/options/delta-hedging/)
- [Gamma 风险](/zh-cn/options/gamma-risk/)
## 一手与权威资料
- [Dupire：《Pricing with a Smile》](https://www.risk.net/derivatives/1500210/pricing-smile)
- [Derman 与 Kani：《Riding on a Smile》](https://emanuelderman.com/wp-content/uploads/1994/01/gs-volatility_smile.pdf)
- [Derman、Kani 与 Zou：《The Local Volatility Surface》](https://emanuelderman.com/wp-content/uploads/1996/06/gs-local_volatility_surface.pdf)
- [Hagan 等：《Managing Smile Risk》](https://wilmott.com/managing-smile-risk/)
- [OCC：《标准化期权的特征与风险》](https://www.theocc.com/company-information/documents-and-archives/options-disclosure-document)
Source: https://wiki.fcontext.com/zh-cn/options/local-volatility-model/index.mdx