# 随机波动率模型：随机方差、风险溢价与微笑动态

理解随机波动率模型家族，区分实际测度与风险中性方差动态，比较 Heston、SABR 和粗糙波动率选择，并在静态微笑拟合之外验证模型。

规范链接: https://wiki.fcontext.com/zh-cn/options/stochastic-volatility-model/
事实核验日期: 2026-07-22

> 仅供教育参考，不构成投资建议

<a id="answer"></a>

## 直接答案

**随机波动率模型**把资产的瞬时方差设为随机状态变量，而不是常数或现货与时间的确定函数。一个通用的连续双因子形式为：

`dS_t = μ_t S_t dt + √v_t S_t dW_t^S`

`dv_t = a(v_t,t)dt + b(v_t,t)dW_t^v`，且 `dW_t^S dW_t^v = ρ_t dt`

额外的方差冲击可以产生时变波动率、聚集、均值回归、偏斜和更丰富的微笑动态。模型并没有让波动率变得“已知”，而是规定一套概率规律，其参数和风险中性版本仍须估计或校准。

这是一类模型，不是一个公式。Heston 使用均值回归平方根方差过程；SABR 让远期和其波动率共同演化；远期方差模型直接描述方差期限结构；粗糙波动率模型使用非马尔可夫记忆。每种选择拟合和对冲的特征不同，也带来不同的数值与模型风险。

<a id="mechanism"></a>

## 实际动态不等于定价动态

历史收益在实际测度 `P` 下建模；无套利期权估值使用风险中性测度 `Q`。方差冲击不可交易时，股票和现金通常不能覆盖全部不确定性，市场并不完备，因此仅靠无套利无法唯一确定方差风险溢价或方差在 `Q` 下的漂移。

示意地，同一方差状态在 `P` 下可能为：

`dv_t = a_P(v_t,t)dt + b(v_t,t)dW_t^{v,P}`

而在 `Q` 下为：

`dv_t = a_Q(v_t,t)dt + b(v_t,t)dW_t^{v,Q}`

`a_P` 与 `a_Q` 的差异包含对波动率风险的补偿。从历史收益估计 `P` 参数后原样放入期权定价器，相当于没有说明便消除了这个差别。

相关系数 `ρ` 连接收益与方差冲击。在股票模型中，风险中性相关性拟合为负值通常有助于产生更贵的下行 Put。波动率的波动率控制未来方差的离散程度并影响微笑曲率；均值回归塑造期限结构。这些解释都有条件：参数相互作用，多组参数可能生成相近的普通期权价格。

### 静态拟合与动态

校准是在一个时点尽量减小不同行权价和到期日的误差；风险模型还必须说明拟合后的曲面如何响应现货、时间和波动率冲击。两个模型可以同时匹配今天的普通期权，却给出不同的障碍期权价值、远期偏斜、对冲比率和次日损益。因此，微笑动态和样本外对冲必须与校准误差分别验证。

<a id="example"></a>

## 例子：同一当前方差，两种测度

假设当前方差为 `v₀ = 0.04`，因此当前瞬时波动率为 `√0.04 = 20%`。为说明区别，假设方差在两种测度下都做均值回归：

`E[v_T] = θ + (v₀ − θ)e^(−κT)`

使用以下假设参数：

| 测度 | `κ` | `θ` | 六个月 `E[v_0.5]` |
| --- | ---: | ---: | ---: |
| 实际测度 `P` | `1` | `0.04` | `0.04` |
| 风险中性测度 `Q` | `2` | `0.0625` | `0.05422` |

在 `P` 下：

`0.04 + (0.04 − 0.04)e^(−1×0.5) = 0.04`

在 `Q` 下：

`0.0625 + (0.04 − 0.0625)e^(−2×0.5) = 0.05422`

两者的平方根分别是 `20%` 和 `23.29%`。这个差异不是期权利润预测，也无法从单次观察识别风险溢价；它说明从期权校准得到的风险中性方差期限结构不能改名为预期实现波动率。

而且一般有 `√E[v_T] ≠ E[√v_T]`。本例报告的是预期方差的平方根，不是预期波动率。完整期权价值取决于方差的分布与路径、它和收益的相关性以及合约收益，而不只是这个均值。

<a id="risks"></a>

## 模型选择与验证清单

- 写清随机方程、测度、状态变量、参数单位、边界行为和相关结构。
- 区分在 `P` 下从收益估计的参数与在 `Q` 下从期权价格校准的参数。
- 使用同步且可成交的报价、远期、贴现因子、股息和合约条款。
- 按 Bid-Ask 或 Vega 等经济相关性加权误差，并分别检查每个期限与翼部。
- 使用多个初值优化并报告近似等价参数组；单次最优结果可能无法识别。
- 检查正值性、矩条件、模拟偏差、离散化、变换积分和复数分支处理。
- 重估所有校准工具，用市场价差而不只是 IV 均方误差衡量误差。
- 在样本外验证未来曲面变动、对冲损益和参数稳定性。
- 压力测试价格跳跃、事件方差、相关性失效、波动率的波动率激增和流动性消失。
- 按实际收益比较 Heston、局部波动率、随机局部波动率、跳跃和粗糙波动率方案。
- 美式行权、离散股息、障碍和路径依赖需配合适当数值方法。
- 纳入交易成本、离散再平衡、融资、指派和无法交易的对冲工具。
- 记录模型刻意省略的风险；精确校准不会缩小被省略的风险。

<a id="misconceptions"></a>

## 常见误区

- **“随机波动率模型会预测波动率。”** 它在选定模型和参数后规定条件动态。
- **“历史方差参数可以直接给期权定价。”** 定价通常需要风险中性动态和波动率风险溢价。
- **“完美拟合普通期权就证明模型正确。”** 静态拟合无法确定真实路径和对冲行为。
- **“因子越多一定越准确。”** 灵活性也会增加不稳定、过拟合和不可对冲参数风险。
- **“随机波动率已经包含崩盘。”** 连续方差模型仍可能遗漏价格和方差跳跃。
- **“风险中性预期方差就是市场预测。”** 它是含风险溢价且依赖约定的定价对象。
- **“一个校准参数只有一种经济含义。”** 参数会相互补偿，也可能难以识别。

<a id="related"></a>

## 相关主题

- [Heston 模型](/zh-cn/options/heston-model/)
- [局部波动率模型](/zh-cn/options/local-volatility-model/)
- [偏斜动态](/zh-cn/options/skew-dynamics/)
- [期权模型风险](/zh-cn/options/option-model-risk/)

<a id="sources"></a>

## 学术来源

- [Hull 与 White：The Pricing of Options on Assets with Stochastic Volatilities](https://doi.org/10.1111/j.1540-6261.1987.tb02568.x)
- [Heston：A Closed-Form Solution for Options with Stochastic Volatility](https://doi.org/10.1093/rfs/6.2.327)
- [Bergomi：Smile Dynamics IV](https://doi.org/10.2139/ssrn.1520443)
- [Hagan 等：Managing Smile Risk](https://www.next-finance.net/IMG/pdf/pdf_SABR.pdf)