# SVI 波动率模型：在无静态套利约束下拟合总方差

理解 Raw SVI 五个参数，在对数远期价性中计算微笑，校准可成交报价，并检查正值、蝶式、日历和翼部约束。

规范链接: https://wiki.fcontext.com/zh-cn/options/svi-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

**SVI** 全称 Stochastic Volatility Inspired，是描述某一期限不同行权价的隐含**总方差**的参数形式。Raw SVI 写作：

`w(k) = a + b{ρ(k−m) + √[(k−m)² + σ²]}`

其中 `w(k) = σ_imp²(k,T)T`，`k = ln(K/F_T)` 是对数远期价性。Raw SVI 用五个参数把离散期权报价转为连续微笑，用于插值、盯市、希腊值和相对价值诊断。

虽然名称中有“随机波动率”，一条拟合后的 SVI 曲线本身并不是随机过程，也不预测未来波动率。它描述静态风险中性价格曲面；不同期限如何连接、曲面如何随时间移动仍需另行规定。

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

## 五个参数控制什么

- `a`：总方差的垂直水平，但不一定等于平值方差。
- `b ≥ 0`：左右翼斜率的总体尺度。
- `−1 < ρ < 1`：不对称性；负 `ρ` 使左侧渐近斜率高于右侧。
- `m`：微笑中心在对数价性中的水平位置。
- `σ > 0`：中心的平滑程度和宽度；这个参数不是隐含波动率。

左右渐近总方差斜率分别是 `b(1−ρ)` 与 `b(1+ρ)`。最低总方差为：

`w_min = a + bσ√(1−ρ²)`

因此总方差非负需要 `a + bσ√(1−ρ²) ≥ 0`。这些基础限制**不能**保证没有蝶式套利。

对于二次可微的总方差微笑，常用密度条件为：

`g(k) = [1 − kw'(k)/(2w(k))]² − [w'(k)²/4][1/w(k)+1/4] + w''(k)/2 ≥ 0`

并需要适当的翼部行为。连续行权价构造中，负的 `g(k)` 对应负风险中性密度。可靠实现应施加解析无套利区间，或在足够宽、足够密的网格及翼部检查；视觉平滑与低均方误差都不够。

### 一条曲线不是完整曲面

分别校准每个到期日，拼接后仍可能跨期限相交。在一致的远期与贴现约定下，标准无日历套利构造要求固定对数远期价性处的总方差不应随期限下降。SSVI 等参数形式用显式限制连接期限。事件到期日可能出现真实总方差台阶；无套利控制应保留有效事件信息，而非为了视觉平滑将其删除。

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

## 例子：读取一条 Raw SVI 曲线

设 `T = 0.25` 年且：

`a = 0.01, b = 0.10, ρ = −0.5, m = 0, σ = 0.20`

正值最低点为：

`w_min = 0.01 + 0.10×0.20×√(1−0.5²) = 0.02732 > 0`

计算三个对数价性节点：

| `k` | 总方差 `w(k)` | `IV = √[w(k)/T]` |
| ---: | ---: | ---: |
| `−0.20` | `0.04828` | `43.95%` |
| `0` | `0.03000` | `34.64%` |
| `+0.20` | `0.02828` | `33.64%` |

在 `k = 0`：

`w(0) = 0.01 + 0.10×0.20 = 0.03000`

在 `k = −0.20`：

`w(−0.20) = 0.01 + 0.10[0.10 + √(0.20²+0.20²)] = 0.04828`

负 `ρ` 产生更陡左翼。左右渐近斜率分别为 `0.10(1−(−0.5)) = 0.15` 与 `0.10(1+(−0.5)) = 0.05`。

该计算既不能证明市场拟合良好，也不能证明无静态套利。整条曲线仍需 `g(k)`/密度和翼部检查，相邻期限还需日历检查。这些数值是从总方差导出的年化 IV；跨期限比较必须使用 `w`，不能机械比较原始 IV。

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

## 校准与生产清单

- 固定一个到期日，并从可靠输入或看涨看跌平价得到同步远期与贴现因子。
- 用统一时钟把行权价转为 `k = ln(K/F_T)`，把有效 IV 转为 `w = IV²T`。
- 优先使用可成交价外报价；记录零 Bid、交叉市场、陈旧价、公司行动和深度翼部的处理。
- 按 Vega、Bid-Ask 和流动性加权价格、IV 或总方差误差，并报告目标函数。
- 使用参数边界和多个初值；Raw SVI 参数会相互补偿。
- 把模型价格与 Bid/Ask 比较，而不只看平均统计误差。
- 施加非负总方差、蝶式/密度约束与有效渐近翼部。
- 在一致坐标中检查所有期限的日历单调性，并保留可解释事件台阶。
- 检查期限插值与报价翼部外推；最大风险往往位于拟合区之外。
- 在密集的行权价/期限网格重算价格与希腊值，比较不同网格的数值导数。
- 把缺失节点估计标记为模型值，不能当作市场观察。
- 持续监测参数跳跃和残差；稳定价格曲面可能对应不稳定 Raw 参数。
- 在核对可成交组合价格、费用、股息与限制前，不能把偏离 SVI 当作套利。
- 版本化数据、远期曲线、求解器、约束、权重和降级规则，使盯市结果可复现。

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

## 常见误区

- **“SVI 是随机波动率预测模型。”** 校准曲线是静态隐含总方差参数化。
- **“`σ` 是期权隐含波动率。”** 它是 Raw SVI 的中心宽度参数；IV 为 `√(w/T)`。
- **“`a` 是平值方差。”** 其他参数和 `m` 共同决定平值附近的数值与最低点。
- **“五个参数符合边界就无套利。”** 仍需蝶式、翼部和跨期限日历条件。
- **“均方误差越低，曲面越好。”** 它可能拟合噪声或违反重要经济约束。
- **“每个期限可以完全独立拟合。”** 单条曲线良好，拼接后仍可能相交并产生日历套利。
- **“SVI 残差就是交易信号。”** 坏数据、流动性、特殊股息和执行成本都可能造成偏离。

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

## 相关主题

- [隐含波动率](/zh-cn/options/implied-volatility/)
- [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

- [Gatheral 与 Jacquier：Arbitrage-Free SVI Volatility Surfaces](https://doi.org/10.1080/14697688.2013.819986)
- [Martini 与 Mingone：No Arbitrage SVI](https://arxiv.org/abs/2005.03340)
- [Guo 等：Generalized Arbitrage-Free SVI Volatility Surfaces](https://doi.org/10.1137/120900320)
- [Gatheral 与 Jacquier：Convergence of Heston to SVI](https://arxiv.org/abs/1002.3633)