SVI 参数化

信息

本页深入介绍 SVI 模型。关于它在波动率曲面构建流程中的位置，请参阅曲面是如何构建的。关于与其他方法的比较，请参阅插值方法。

**SVI（Stochastic Volatility Inspired，随机波动率启发模型）**是加密货币期权和股票期权中拟合波动率微笑的行业标准。它使用 5 个参数描述单一到期日的微笑形状。其名称源于这样一个事实：它的函数形式可以从一个简化的随机波动率模型推导出来。

探索参数

调整下方每个参数，观察它如何改变微笑。使用预设可在常见配置之间快速切换。

SVI 参数浏览器

股票/加密资产的典型微笑。看跌翼抬升。

a（水平）0.040

整体上移或下移微笑曲线

b（斜率）0.250

决定两翼的陡峭程度

ρ（偏斜）-0.40

负值 = 看跌偏斜，正值 = 看涨偏斜

m（平移）0.00

决定微笑最低点的位置

σ（曲率）0.200

小 = 尖锐的 V 形，大 = 平滑的 U 形

ATM IV

104.6%

看跌翼斜率

0.350

看涨翼斜率

0.150

各参数的作用

• a（水平）：将整条微笑曲线上移或下移。$a$ 越高 = 整体 IV 越高。可以把它看作"基准"方差。
• b（斜率）：控制两翼的陡峭程度。$b$ 越高 = 两翼越陡 = 虚值 (OTM) 期权越贵。
• $\rho$（偏斜）：使微笑倾斜。$\rho$ 为负 = 看跌偏斜（常态）。$\rho$ 为正 = 看涨偏斜（少见）。为零 = 对称。
• m（平移）：将微笑的最低点左移或右移。通常接近零（最低点位于平值 (ATM)）。
• $\sigma$（曲率）：控制微笑底部的圆润程度。$\sigma$ 小 = 尖锐的 V 形。$\sigma$ 大 = 平滑的 U 形。

两翼行为

当远离平值 (ATM) 时，微笑趋近于直线。其斜率为：

• 看跌翼（左侧）：斜率 = $b(1 - \rho)$
• 看涨翼（右侧）：斜率 = $b(1 + \rho)$

在典型的看跌偏斜（$\rho < 0$）下，看跌翼比看涨翼更陡。这种有界、线性的两翼行为是 SVI 的关键优势之一：它永远不会外推出荒谬的数值。

拟合市场数据

给定一组在不同行权价上观测到的 IV 值（针对单一到期日），SVI 会找出最能复现这些数据的 5 个参数。

流程：

1. 收集目标到期日的所有 IV 观测值（通常为 5 至 15 个数据点）。
2. 将每个观测值转换为总方差：观测 IV 的平方乘以剩余到期时间。
3. 运行加权最小二乘优化器，找出使 SVI 曲线与观测值之间差距最小的参数。
4. 按置信度加权：平值 (ATM) 期权权重更高（流动性更好），买卖价差窄的权重更高（更可靠），深度虚值 (OTM) 权重更低。
5. 在优化过程中施加无套利约束（见下文）。

**速度：**单个到期日的拟合耗时不到 10 毫秒。随着报价更新，整个曲面（所有到期日）实时重建。

无套利约束

可以对 SVI 施加约束以防止大多数套利。部分约束是参数上的简单不等式；蝶式套利的排除还需要数值检验。

两翼斜率边界（无蝶式套利的必要条件）：

微笑必须足够凸，使得任何蝶式价差策略都不能白赚。以总方差表示，两翼的增长速度不能超过 Roger Lee 边界（见下文）：

$b(1 + |\rho|) \leq 2$

这是必要条件，而非充分条件。微笑可能满足该条件，但仍在平值附近隐含负的概率密度，因此拟合程序还会在一组对数价值状态网格上检验 Gatheral 密度函数 $g(k) \geq 0$。

最低点方差非负：

微笑最低点必须大于零：

$a + b\sigma\sqrt{1 - \rho^2} \geq 0$

日历约束（跨到期日）：

在每个行权价上，总方差必须随期限增加而增加。具体做法是在相邻到期日切片之间，对所有 $k$ 检验 $w_1(k) \leq w_2(k)$。

变体

SVI 有两个重要变体，各自有独立页面：

ORC Wing（Jump-Wing） 使用交易员友好的量对 SVI 重新参数化：平值方差、平值偏斜、看跌翼斜率、看涨翼斜率和最小方差。微笑相同，调节旋钮不同。适合手动编辑微笑。

SSVI（Surface SVI，曲面 SVI） 将 SVI 扩展到整个曲面，从构造上保证无日历套利。SSVI 不是独立拟合每个到期日，而是通过共享的偏斜参数和微笑陡度函数将它们关联起来。自由度更少，但无需进行跨到期日的修正。

公式探索器

SVI 在总方差和对数价值状态下工作。可用此工具在 IV、总方差和行权价表示之间进行换算。

公式探索器

k = ln(K / F)对数价值状态 = ln(行权价 / 远期价)

行权价 (K)

$

期权的行权价

远期价 (F)

$

远期价格（短期时 ≈ 现货价）

对数价值状态 (k)

-0.0513

价值状态 (K/F)

0.9500

类型

-5.0% 虚值 Put

对数价值状态是 SVI 和大多数参数化模型使用的 x 轴。k = 0 为平值 (ATM)。k 为负 = 虚值看跌一侧。k 为正 = 虚值看涨一侧。

为什么选择 SVI？

• 5 个参数足以拟合几乎任何观测到的微笑。参数比样条少，又比 3 参数模型更灵活。
• 有界的两翼可防止外推失控。SVI 最坏的情况也只是外推为有限斜率。
• 简单的约束使两翼和方差水平保持合理，且蝶式套利可以在网格上低成本地进行数值检验。
• 快速拟合意味着曲面可以随市场变动实时更新。
• 广泛使用于加密货币和股票波动率交易台。Hypercall 从每个标的资产配置的波动率来源获取其曲面。

建立数学直觉

从零开始学习 SVI互动课程 · 5 个章节 · 无需基础

上方的交互式课程从第一性原理讲解 SVI：SVI 参数化的对象及其原因、单独观察 5 个参数中的每一个、方差与波动率的换算、无套利约束，以及基于市场数据的实操校准。

开源实现

仓库	值得查看的原因
SVI-Vol-Surface	带可视化的 Python SVI 校准
QuantLib	C++ 中的 SVI 参数化

---

SVI 变体： ORC Wing（Jump-Wing） | SSVI（曲面 SVI）

另请参阅： 曲面是如何构建的 | 插值方法 | SABR 模型 | 偏斜