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

SANOS(非参数化曲面)

SANOS 采用了一种不同的方法来构建波动率曲面。它不是用少数几个参数去拟合一个公式(例如 SVI 每个切片 5 个参数),而是利用局部波动率节点网格和有保证的无套利约束,直接从市场数据构建曲面。最终得到的是一个平滑曲面,能够刻画市场产生的任何形状,包括参数化模型在结构上无法拟合的局部特征。

💡
参数化与非参数化

SVI 和 SABR 预先决定了微笑曲线的形状(类抛物线,3 到 5 个参数)。SANOS 不做任何形状假设。它要回答的问题是:"在不产生套利的前提下,穿过市场数据的最平滑曲面是什么?"当市场偏离参数化模型的预期时,这种方法拟合效果更好。每个节点上的隐含波动率都是一个自由变量,而不是某个公式的输出。

实际演示​

切换不同视图,查看 SANOS 与参数化 SVI 拟合的对比、网格的形态,以及无套利约束是如何执行的。

SANOS 曲面构建

74%92%110%8090ATM110120行权价隐含波动率 (%)市场报价SVI（参数化）SANOS（非参数化）
SVI 残差RMSE： 25.66
SANOS 残差RMSE： 0.15

SVI（参数化）使用 5 个参数，可能遗漏局部特征。SANOS（非参数化）在遵守无套利约束的同时穿过市场报价。

工作原理​

1. 用波动率节点网格代替公式​

曲面由一个局部波动率值网格表示,每个(行权价,到期日)点对应一个值。在 15 个行权价和 5 个到期日的情况下,您有 75 个自由变量,而 SVI 只有 25 个。灵活性更高,但需要约束来防止优化器给出毫无意义的结果。

2. 内置无套利约束​

两条基本的无套利规则可以转化为网格上的简单约束:

约束
含义
日历价差
在每个行权价上,总方差必须随期限递增。防止日历套利。
蝶式价差
看涨期权价格必须关于行权价是凸的。蝶式交易不存在无风险收益。
正值性
局部波动率在任何地方都必须为正。波动率不能为负。

关键在于:以局部波动率节点作为变量时,所有这些约束都是线性的。这意味着优化器每次都能完美地执行这些约束。

3. 用线性规划求解​

约束和目标函数都是线性的,因此整个问题就是一个线性规划。

  • 没有局部极小值:求解器总能找到最优解,而不仅仅是附近的某个解
  • 对初始化不敏感:您不需要一个好的初始猜测
  • 速度快:现代 LP 求解器可以在毫秒级完成求解
  • 原生支持买卖价差:LP 天然地将买卖价差作为区间处理,而不是使用中间价
ℹ️
为什么线性规划很重要

SVI 和 SABR 需要非线性优化:您需要一个好的起点,而且可能陷入局部极小值。SANOS 完全避开了这些问题。LP 总能快速、确定地找到全局最优解。每个行权价和到期日节点都在一次求解中被联合约束,以排除日历套利和蝶式违规。

买卖价差处理​

大多数模型拟合的是中间价。但中间价是一种虚构:市场报出的是买价和卖价,"真实"价值位于这个区间内的某处。SANOS 直接拟合买卖价区间:模型只需在每个点上落在区间之内即可。流动性好的报价(价差窄)对曲面约束很紧;流动性差的报价(价差宽)约束较松。不存在人为的中间价偏差。

💡
SANOS 的取舍

这是曲面构建中最灵活、最干净的方法。从设计上无套利,原生处理买卖价差,能捕捉参数化模型遗漏的局部特征。代价是:方法较新(2025 年),没有动态解释(无法预测偏斜动态),需要更多基础设施。

SANOS 与参数化模型对比​

特性
SVI / SSVI
SABR
SANOS
形状假设
抛物线型两翼
CEV 骨架
无
无套利性
事后检查
两翼可能违规
构造上保证
日历一致性
逐切片(联合拟合用 SSVI)
无保证
构造上保证
拟合方法
非线性优化
双参数优化
线性规划(全局最优)
局部特征
无法捕捉
无法捕捉
可以捕捉
买卖价差处理
拟合中间价
拟合中间价
原生区间
外推
有界(线性两翼)
可能失效
取决于边界设置
动态解释
无
Sticky-delta
无(静态)
成熟度
行业标准
数十年应用
较新(2025)

优势与局限​

优势
对您意味着什么
无形状偏差
曲面形状来自数据,而不是公式。能捕捉 SVI/SABR 在结构上遗漏的市场特征。
构造上无套利
无需事后修补。日历和蝶式约束在拟合过程中强制执行。
LP 拟合,无局部极小值
确定性、速度快、始终找到全局最优解。无需好的初始猜测。
原生支持买卖价差
尊重市场报价中的不确定性。不存在人为的中间价偏差。
捕捉局部特征
事件前的波动率凸起、大额未平仓量造成的拐点、到期日之间的结构性断裂,都能被捕捉。
局限
对您意味着什么
没有动态解释
告诉您当前的曲面形状,但不告诉您现货变动时曲面如何移动。微笑动态请使用 SABR。
外推需谨慎
在观测区间内拟合效果极佳。超出最后一个具有流动性的虚值行权价后,需要边界条件。
节点多时有过拟合风险
参数越多,在清淡市场中越可能拟合噪声。适当的平滑处理必不可少。
较新(2025)
缺少 SVI 和 SABR 那样数十年的实战检验。边缘情况可能尚未有文档记录。
⚠️
并非万能替代品

SANOS 比参数化模型更好地解决了静态拟合问题。但它不处理微笑动态(请使用 SABR),不提供紧凑的存储表示(SVI 每个切片 5 个数字很难被超越),并且需要更多基础设施。从 SANOS 曲面计算 Delta 和 Vega 等希腊字母,需要在网格上进行有限差分扰动。它是下一代曲面拟合方法,但不能替代对参数化模型的理解。

与加密市场的关联​

加密期权市场有若干特征更适合非参数化方法:

  • 稀疏、不规则的报价:并非每个行权价在每个到期日都有报价。SANOS 原生处理不规则网格。
  • 较宽的买卖价差:在较小的标的资产上尤其明显。SANOS 将价差作为约束使用,而不是丢弃它们。
  • 结构性事件:代币解锁、协议升级和空投会产生局部的波动率特征,SVI 无法捕捉。这些表现为特定到期日上的ATM 波动率凸起。
  • 快速的市场状态切换:曲面形状的变化速度可能快于参数化模型重新估计的速度。SANOS 的 LP 拟合足够快,可以跟上。期限结构可能在日内剧烈变化,SANOS 无需人工干预即可适应。
ℹ️
SANOS 与局部波动率提取

由于 SANOS 直接将局部波动率节点参数化,提取完整的 Dupire 局部波动率曲面非常简单,因为拟合出的网格本身就是局部波动率曲面。这使得 SANOS 在为路径依赖型奇异期权(障碍期权、棘轮期权)定价时尤其有用,因为这类期权的到期收益由局部波动率动态决定。基于 Black-Scholes 的 SVI 等参数化模型需要单独的提取步骤,可能引入数值伪影。

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。

继续学习前先测试你的理解。

Q: 为什么 SANOS 使用线性规划,而不是 SVI 和 SABR 所用的非线性优化?
Q: 某做市商的 SANOS 曲面有 20 个行权价节点和 6 个到期日节点。共有多少个自由变量?与 SVI 相比如何?
Q: 您需要为一个障碍期权定价。在提取局部波动率时,您更倾向于使用 SANOS 曲面还是 SVI 曲面?
Q: 对于 Delta 对冲交易台而言,SANOS 相比 SABR 的主要局限是什么?

💡 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 SANOS互动课程 · 无需任何基础

本课程将 SANOS 解释为一个节点网格曲面而非固定公式, 然后展示优化过程与无套利约束如何协同工作。

另请参阅:

最后更新于