ORC Wing（Jump-Wing）

信息

本页介绍 SVI 的 Jump-Wing 参数化。原始 SVI 参数化请参阅 SVI。关于它在波动率曲面流水线中的位置，请参阅曲面是如何构建的。

Jump-Wing（JW），也称 ORC Wing（得名于推广这一形式的 ORC 交易系统），是表达同一条 SVI 微笑的另一种方式，其参数与交易员的思考方式一致。

原始 SVI 使用五个数学参数 $(a, b, \rho, m, \sigma)$，分别控制方差水平、斜率、偏斜、平移和曲率。这些参数便于拟合，但难以直观理解。Jump-Wing 用五个交易员可以直接从微笑上读出的量来替代它们。

探索参数

调整每个 Jump-Wing 参数，观察它如何塑造微笑。切换"显示原始 SVI"可查看对应的原始参数。

Jump-Wing 参数探索器

典型的看跌偏斜。看跌翼比看涨翼更陡。

ATM 方差0.25

整体波动率水平（年化方差）

ATM 偏斜-0.15

ATM 处的斜率。负值 = 看跌偏斜。

看跌翼斜率0.30

左翼上升的陡峭程度

看涨翼斜率0.10

右翼上升的陡峭程度

最小方差0.22

微笑曲线的下限（最低方差）

ATM IV

49.3%

25d 风险逆转

37.2

蝶式

32.3

虚线表示两翼的渐近斜率。点击“显示原始 SVI”查看等价的 (a, b, ρ, m, σ) 参数。

五个参数

JW 参数	符号	含义
ATM 方差	$v_t$	平值处的方差（IV 的平方）。控制微笑的整体水平。
ATM 偏斜	$\psi_t$	微笑在 ATM 处的斜率。为负表示微笑向右下倾斜（看跌期权偏斜）。
看跌翼斜率	$p_t$	左翼的渐近斜率。越高，OTM 看跌期权的权利金越陡峭。
看涨翼斜率	$c_t$	右翼的渐近斜率。越高，OTM 看涨期权的权利金越陡峭。
最小方差	$\tilde{v}_t$	微笑的最低点，即方差下限。必须为正。

为什么这些参数重要

交易员观察一条微笑时关心的是：

1. ATM 在哪里？ 即 $v_t$，一眼可读。
2. 向哪边倾斜？ 即 $\psi_t$。快速检查：偏斜是正常的（负值）还是倒挂的（正值）？
3. OTM 看跌期权有多贵？ 即 $p_t$。看跌翼越陡，市场为崩盘保护支付的价格越高。
4. OTM 看涨期权有多贵？ 即 $c_t$。看涨翼陡峭意味着上行方向有人追买（少见，预示亢奋情绪或事件风险）。
5. 下限在哪里？ 即 $\tilde{v}_t$。即使在微笑最便宜的部分，波动率最低能到多少？

这些参数直接对应可观察的特征。对比原始 SVI："a = 0.04, b = 0.25, rho = -0.4" 让您无法一眼看出任何信息。而"ATM 波动率 = 50%，看跌翼斜率 = 0.30，看涨翼斜率 = 0.10"则告诉您，市场正在为显著的下行风险定价，同时上行溢价温和。

从 JW 参数解读市场状况

状况	ATM 方差	ATM 偏斜	看跌翼	看涨翼
平静市场	低	略为负	中等	低
事件前	偏高	接近零	高	高
危机	非常高	强烈为负	非常高	低
亢奋	中等	为正	低	高

看跌翼与看涨翼斜率之间的关系反映了市场的方向性偏好：

• $p_t \gg c_t$：市场对下行的担忧大于上行（股票和加密资产的常态）
• $p_t \approx c_t$：风险对称（二元事件前，方向未知）
• $c_t \gg p_t$：市场更担心上行（少见，属于 meme 股或抛物线式上涨的情形）

JW 与原始 SVI 之间的转换

两种参数化描述的是同一条微笑，您可以在两者之间相互转换。

JW 存在的意义

原始 SVI 是为拟合而设计的。五个参数 $(a, b, \rho, m, \sigma)$ 在数值上方便，但难以解读。当波动率交易台上的交易员说"把看跌翼调陡 2 个点"时，他们指的是提高 $p_t$。而在原始 SVI 中，同样的变化需要协调调整 $b$ 和 $\rho$（可能还需要调整 $m$ 和 $\sigma$ 以保持拟合稳定）。

JW 让微笑可以手动编辑。交易员可以：

• 将 ATM 波动率上调 1 个点（提高 $v_t$）
• 调陡看跌翼（提高 $p_t$）
• 调平看涨翼（降低 $c_t$）

每项变化只对应一个参数。而在原始 SVI 中，每一个直观的调整都会牵动多个参数。

JW 在实践中的应用

• ORC（现属 Itiviti/Broadridge）：JW 形式的发源交易系统，被众多机构波动率交易台采用。
• Bloomberg OVML：其波动率曲面编辑器使用类似 JW 的参数化。
• 内部波动率曲面编辑器：大多数银行和加密做市商都向交易员提供 JW 风格的调节旋钮，即便底层模型是原始 SVI 或 SSVI。
• Deribit：其波动率曲面输出可以用 JW 的方式来解读。

JW 中的无套利约束

原始 SVI 的无套利约束可以转化为 JW 参数上的简单条件：

• $p_t \geq 0$ 且 $c_t \geq 0$（两翼斜率非负）
• $\tilde{v}_t > 0$（最小方差为正）
• $\tilde{v}_t \leq v_t$（最小值低于 ATM）
• $\frac{\sqrt{w_t}}{2}(p_t + c_t)(1 + |\rho|) \leq 2$，其中 $\rho = 1 - 2p_t/(p_t + c_t)$（来自原始 SVI 的 Lee 翼部界限，是不存在蝶式套利的必要条件）

前三项很容易通过滑块范围来保证。翼部界限以及完整的蝶式套利检查则在转换为原始 SVI 之后进行。

建立直觉

从零开始学习 wing 模型互动课程 · 无需基础

上面的交互课程从基本原理讲解 Wing 模型：分段微笑构建、六个参数（ATM 波动率、左/右斜率、左/右曲率、平滑）、左右两翼如何对应看跌期权偏斜和看涨期权偏斜，以及何时使用 Wing 模型、何时使用 SVI。

开源实现

仓库	为何值得查看
QuantLib	Wing 模型微笑拟合

---

另请参阅：

• SVI 参数化 - 原始 (a, b, rho, m, sigma) 形式
• SABR 模型 - 另一种随机波动率模型
• 插值方法 - 各种方法的比较
• 曲面是如何构建的 - 完整流水线
• 偏斜 - 理解行权价结构