本页为简体中文译文。如有歧义，请以英文原文为准。 阅读英文版 →
跳转到主要内容

波动率曲面的插值方法

信息

本页是 波动率曲面是如何构建的 的配套页面。如需了解插值为何重要，请先阅读该页。

波动率曲面存在空缺，插值负责填补这些空缺。所选方法决定了最终曲面是否平滑、是否无套利、是否稳定。本页对主要方法进行比较。

插值方法比较

45%55%65%75%隐含波动率80%90%100%110%120%行权价（现货%）线性三次样条SVI
白点 是唯一的真实市场报价。中间的一切都是估算的。点击每种方法查看其优缺点。

问题出在哪里​

在逐一介绍各方法之前，请先亲自观察这些问题。同样的 7 个市场观测点，三种不同的插值方法。请留意两翼以及各数据点处发生了什么。

问题所在：插值失败案例

同样的 7 个市场观测值，三种不同的插值方法。请注意两翼会发生什么。

平滑的多项式曲线。在两翼可能出现振荡和过冲。
40%50%60%70%80%外推外推过冲-0.3-0.2-0.1ATM0.10.20.3对数价值状态 (k)隐含波动率 (%)

白点是仅有的真实观测值。点击“全部对比”可叠加显示三种方法。请注意样条在左翼出现过冲，而 SVI 始终保持有界。

非参数方法​

这些方法在不假设函数形式的前提下，让曲线穿过数据点。它们快速、简单，但不提供任何结构性保证。

线性插值​

在相邻数据点之间连接直线。

优点：

  • 实现极其简单
  • 无需拟合或优化
  • 确定性：相同输入总是得到相同输出

缺点：

  • 在每个数据点处产生尖角。这些尖角导致一阶导数不连续，意味着希腊字母（尤其是 Gamma）会在观测到的行权价处突然跳变。
  • 无法防止蝶式套利。两点之间的直线可能会低于凸形微笑应有的位置。
  • 外推纯属猜测（只是延续最后一段的斜率）。

适用场景： 快速估算、合理性检查、调试。不适用于生产定价。

三次样条插值​

在数据点之间拟合分段三次多项式，并约束各连接点处的一阶和二阶导数相等。结果是一条 C2C^2 光滑曲线（曲率连续）。

这个名称来源于物理绘图用的样条：绘图员将柔韧的木条弯曲并穿过固定钉，以绘制平滑曲线。

优点：

  • 平滑曲线穿过所有数据点
  • 无需参数估计（样条由数据和边界条件决定）
  • 计算速度快

缺点：

  • 龙格现象：在插值区间的边缘，多项式可能出现剧烈的过冲。对波动率曲面而言，这意味着两翼 IV 会出现尖峰甚至变为负值。
  • 振荡：在数据点之间，三次曲线可能高于或低于一个形态良好的微笑应有的位置，形成凹陷（蝶式套利）。
  • 对异常值敏感：一个坏数据点（过期报价、乌龙指）就会扭曲整条曲线，因为平滑性约束会将误差传播出去。
  • 无法控制外推行为。

适用场景： 可视化、学术研究，或作为参数化拟合前的初始猜测。不适用于生产定价或风控。

参数方法​

这些方法假设微笑具有某种函数形式，并将其参数拟合到数据上。它们以放弃精确插值为代价换取结构上的可控性。

SVI（随机波动率启发模型）​

加密资产和股票波动率曲面的行业标准。每个到期日切片使用五个参数。

w(k)=a+b(ρ(k−m)+(k−m)2+σ2)w(k) = a + b \left( \rho(k - m) + \sqrt{(k - m)^2 + \sigma^2} \right)

完整参考：SVI 参数化

为何占据主导： SVI 在灵活性与简约性之间取得了最佳平衡。五个参数几乎可以拟合任何观测到的微笑形态，而简单的不等式约束加上低成本的密度检查即可排除蝶式套利。两翼趋近线性渐近线，因此外推有界且合理。

SABR（随机 Alpha Beta Rho 模型）​

一种随机波动率模型，从波动率如何演化的假设中推导出微笑。四个参数：α\alpha（波动率水平）、β\beta（CEV 指数）、ρ\rho（现货与波动率的相关性）、ν\nu（波动率的波动率）。

完整参考：SABR 模型

为何存在： SABR 刻画的是微笑的动态，而不仅仅是静态形状。它告诉您当标的资产变动时微笑应如何移动（默认为 sticky delta）。这使它天然适用于利率互换期权，因为在那里微笑动态对对冲至关重要。

局部波动率（Dupire）​

这并非通常意义上的拟合方法。局部波动率是从观测到的隐含波动率曲面中推导出瞬时波动率曲面。它回答的问题是："在每个（现货、时间）组合上，瞬时波动率必须是多少，才能精确复现这些期权价格？"

完整参考：局部波动率

为何存在： 局部波动率是唯一能精确匹配所有观测期权价格的无套利模型。它是隐含波动率与能够处理路径依赖到期收益的定价引擎之间的桥梁。

SSVI（曲面 SVI）​

SVI 的扩展，对整个曲面进行联合建模，而不是逐个切片处理。SSVI 在构造上即保证无日历套利：在每个行权价上，总方差都保证随期限递增。

w(k,θt)=θt2(1+ρ φ(θt) k+(φ(θt) k+ρ)2+(1−ρ2))w(k, \theta_t) = \frac{\theta_t}{2} \left( 1 + \rho \, \varphi(\theta_t) \, k + \sqrt{(\varphi(\theta_t) \, k + \rho)^2 + (1 - \rho^2)} \right)

其中 θt\theta_t 是时间 tt 处的 ATM 总方差，φ(θt)\varphi(\theta_t) 控制 Skew 如何随期限演化。

取舍： 自由参数少于逐切片 SVI（微笑形状在各到期日之间相互关联），因此单个切片上的拟合可能略差。但您永远不需要事后修补日历套利。

对比表​

方法
参数
无套利？
外推
速度
最适用于
线性插值
0
否
无界
即时
调试
三次样条
约 12（隐式）
否
振荡
快
可视化
SVI
每切片 5 个
是（有约束）
有界线性
快
加密资产 / 股票
SABR
4
大体是
合理
中等
利率 / 互换期权
局部波动率
完整网格
构造上保证
不适用（推导得出）
慢
奇异期权定价
SSVI
约 6（曲面）
是（含日历）
有界
快
整体曲面一致性

如何选择​

  • 用于加密资产/股票的生产定价：SVI 或 SSVI。业界在此趋同是有充分理由的。
  • 用于利率期权：SABR。它能刻画对互换期权对冲至关重要的微笑动态。
  • 用于奇异衍生品定价：局部波动率（或随机局部波动率混合模型）。您需要的是完整曲面，而不只是切片。
  • 用于快速分析或可视化：三次样条没问题，只要您不据此交易。
  • 任何场景都不要：在生产中使用线性插值。说真的。

公式探索器​

所有插值方法都基于总方差和对数价值状态。使用此计算器在不同表示之间进行转换。

公式探索器

w = σ2 × Ttotal variance = IV2 × time
%
隐含波动率
天
距到期的日历天数
总方差 (w)
0.022225
年化方差 (σ²)
0.2704
反算 IV
52.00%
总方差是 SVI 等模型拟合的对象。它随时间增长，因此 30 天 50% 波动率的总方差小于 90 天 50% 波动率。

另请参阅：

最后更新于