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

Rough Bergomi 模型

Rough Bergomi 解释了一个困扰交易员多年的问题：为什么短期波动率微笑如此陡峭？答案是，真实市场中的波动率路径远比经典模型假设的更加崎岖。当您测量 BTC、ETH 或标普 500 实际已实现波动率的"粗糙度"时，会发现它远比 Heston 或 SABR 所能生成的任何路径都更粗糙。

该模型不用于实时曲面拟合，因为它太慢了。它的价值在于理论层面：它告诉您波动率曲面为什么呈现出现在的形态，并在您用 SVI 等实用模型拟合短期加密期权时，为您提供正确的直觉。它所解释的隐含波动率模式，在每一个流动性充足的期权市场中都清晰可见。

💡
粗糙度洞见

无论在股票、外汇还是加密货币市场中测量，波动率路径都远比标准模型假设的更加崎岖。这种粗糙度自然产生了市场中观察到的陡峭短期偏斜，无需跳跃或极端参数。

交互演示：粗糙度与偏斜​

使用下方滑块观察粗糙度参数（H）的两种效应。左侧面板展示较低的 H 如何产生更崎岖、更不规则的路径。右侧面板展示这种粗糙度如何转化为更陡峭的短期偏斜。

粗糙路径探索器

H(赫斯特指数)0.10
更粗糙(路径更锯齿状、偏斜更陡)更平滑(标准布朗运动)
路径粗糙度
H=0.1(粗糙)H=0.3H=0.5(布朗运动)H=0.10 (滑块)时间步路径值
ATM 偏斜 vs 到期期限(log-log)
1d7d30d90d1y距到期时间|ATM 偏斜|T^(-0.5) 经典T^(-0.4) H=0.1T^(-0.4) H=0.10

拖动滑块以更改 H。H 越低,路径越锯齿状(左图),短期偏斜越陡峭(右图)。当 H=0.5 时,路径为标准布朗运动,偏斜遵循经典的 T^(-0.5) 衰减。

"粗糙"的含义​

Heston 等经典模型赋予波动率平滑、缓慢蜿蜒的路径，就像一条河流。Rough Bergomi 则赋予波动率崎岖的、类似海岸线的路径。这并非建模上的选择，而是在高频下测量真实波动率路径时数据所呈现的结果。

粗糙度由单一数值控制：Hurst 参数 H。H 越低，路径越粗糙，短期偏斜越陡峭。

H 值
路径特征
对偏斜的意义
0.1（实测值）
极度粗糙、尖刺状、类似海岸线
非常陡峭的短期偏斜。与 BTC/ETH 市场吻合。
0.3
中等粗糙，抖动明显
中等程度的短期偏斜。比经典模型更陡，但不及实测水平。
0.5（经典）
标准布朗运动，看起来较平滑
经典偏斜。在极短期限下趋于常数，短期偏斜严重不足。
💡
H 接近 0.1 是事实，而非选择

无论研究人员测量的是标普 500、个股、BTC 还是 ETH，都发现 H 接近 0.1。数据本身表明波动率路径是粗糙的。该模型建立在数据所呈现的事实之上。

ATM 偏斜幂律​

粗糙度参数 H 控制着ATM 偏斜从短期到长期到期日的衰减方式。当 H 接近 0.1 时，短期偏斜陡峭，随着期限拉长而逐渐变平。这单一参数即可解释从 1 天到 1 年的整个偏斜期限结构，在加密货币和股票市场中均成立。

经典扩散模型（Heston、SABR）在这一点上存在系统性偏差：随着到期时间缩短，它们的 ATM 偏斜趋于常数，因此会低估 1 天期的偏斜，除非将参数推向极端，而这又会扭曲较长到期日的表现。H 接近 0.1 的 Rough Bergomi 恰好兼顾了两者。Black-Scholes 框架则完全无法刻画这种幂律行为。

💡
陡峭短期偏斜的解释

Rough Bergomi 解释了为什么短期偏斜如此陡峭。它是一种理论洞见，而非生产工具。

参数​

三个自由参数，外加来自市场数据的远期方差曲线。

参数
典型值
作用
H（Hurst）
0.07 - 0.12
波动率路径的粗糙度。越低越粗糙，短期偏斜越陡
eta（波动率的波动率）
1.5 - 3.0
波动率的波动幅度。控制微笑宽度和蝶式水平
rho（相关系数）
-0.7 to -0.9
现货与波动率的相关性。负值对应看跌偏斜（常态）

优势与局限​

优势
对您的意义
与观测到的偏斜标度吻合
单一参数（H）即可解释偏斜如何从短期到长期到期日衰减。适用于加密货币和股票市场。
解释陡峭的短期微笑
经典模型需要极端参数或额外引入跳跃。Rough Bergomi 能自然产生陡峭的短期偏斜。
有实证基础
H 接近 0.1 是从真实数据中测得的，并非为了方便而选定。
局限
对您的意义
没有定价公式
每个价格都需要蒙特卡洛模拟。比 SABR 或 SVI 慢若干个数量级。
路径依赖（记忆其历史）
无法为期权价格写出偏微分方程（PDE），也没有简单的数值求解器。Delta、Vega 等希腊值必须通过模拟计算。
拟合需要数分钟到数小时
每组候选参数都需要完整运行一次蒙特卡洛模拟。相比之下，SVI 只需数毫秒。
不适合实时使用
生产环境的波动率曲面需要以毫秒级更新。Rough Bergomi 太慢。

与经典模型的比较​

特性
Rough Bergomi
Heston
SABR
偏斜标度
正确（基于 H 的幂律）
错误（短期过于平坦）
错误（同样问题）
定价速度
仅限蒙特卡洛（慢）
半解析（快）
公式（最快）
拟合速度
数分钟到数小时
数秒
数毫秒
短期微笑
极佳
无跳跃时较差
中等
最适用于
理论洞见、偏斜研究
股票奇异期权、结构化产品
利率、外汇、加密货币微笑拟合

为什么它对加密货币很重要​

ℹ️
一种视角，而非生产工具

Rough Bergomi 就像 Black-Scholes：它不是您在生产环境中运行的模型，而是为您提供正确语言和直觉的框架。

它解释了加密货币微笑为何呈现现在的形态。 BTC 和 ETH 的波动率曲面具有陡峭的短期偏斜。Rough Bergomi 指出：这种陡峭是粗糙波动率路径的自然结果，而这正是数据所呈现的。

它为 SVI 拟合提供正确的先验。 如果您在用 SVI 拟合稀疏的短期数据，粗糙波动率告诉您偏斜应当是陡峭的。幂律为您提供了偏斜在不同到期日间如何演变的定量预期。在数据稀少时尤其有用。在每个行权价上，预期的隐含波动率都由标的方差过程的粗糙度决定。

它勾勒出研究前沿。 粗糙波动率模型的深度学习拟合、混合粗糙局部波动率以及粗糙 Heston 变体，最终可能快到足以实时使用。现在理解这一框架，意味着当这些工具出现时您能够认出它们。Delta对冲和Vega敞口等概念保持不变，但在粗糙动态下计算它们要困难得多。难点在于将模拟出的各期限切片拼接在一起时，如何在不产生日历套利违规的前提下计算这些希腊值，而OTM两翼对此尤为敏感。

公式探索器​

在隐含波动率、总方差、对数价值状态和期权价格之间进行换算。

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。

自我检测​

继续学习前先测试你的理解。

Q: 为什么 Rough Bergomi 无需极端参数，就能产生比 Heston 或 SABR 更陡峭的短期偏斜？
Q: 如果 Rough Bergomi 在理论上更优越，为什么不用于实时波动率曲面拟合？
Q: 一位交易员注意到 BTC 1 天期隐含波动率偏斜远比 30 天期偏斜陡峭。粗糙波动率如何解释这一现象？
Q: 在用 SVI 拟合稀疏的短期加密货币数据时，粗糙波动率的洞见如何帮助您？

💡 提示： 先尝试自己回答每个问题，再查看答案。

建立数学直觉​

从零开始学习 Rough Bergomi互动课程 · 无需任何基础

本课程从粗糙波动率的洞见出发，然后讲解 Hurst 参数、方差过程，以及为什么粗糙度会自然地使微笑的短端变陡。

另请参阅：

最后更新于