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

方差伽马模型

方差伽马(Variance Gamma,VG)模型:完全没有扩散项。价格在跳跃之间不会平滑移动,每一次变动都是跳跃。这些跳跃发生在一个随机时钟上:市场活跃时时间走得快,市场平静时时间走得慢。这个随机时钟本身就能产生肥尾,不需要像 Merton 模型那样额外设定跳跃幅度分布。由此得到的波动率曲面可以同时拟合真实市场的偏斜和峰度。

三个参数控制一切:波动率(sigma)、偏斜(theta)、峰度(nu)。

💡
随机时钟的思想

市场有一个以随机速度运行的内部时钟。繁忙的日子里,时钟走得快,价格波动大;平静的日子里,时钟几乎不动。VG 就是运行在随机时钟上的 Black-Scholes。肥尾和自然的波动率微笑随之而来,无需对崩盘或跳跃幅度做任何假设。

探索参数​

先试试「薄尾」预设,观察接近 Black-Scholes 的情形。然后调高 nu(峰度),看两翼如何抬升。

方差伽马微笑探索器

负偏斜加厚尾。经典的加密货币微笑:看跌期权一翼陡峭,看涨期权一翼抬升。
46%53%60%758595ATM105115125行权价隐含波动率 (%)
波动率0.45
整体波动率水平。越高 = 一切越贵。
θ(偏斜)-0.15
负值 = 看跌偏斜。决定微笑哪一侧更陡。
ν(峰度)0.30
控制尾部厚度。越高 = 波动更极端,两翼更陡。

试试“细尾”以查看近乎平坦的 Black-Scholes,然后调高 ν,观察两翼因超额峰度而上抬。

各参数的作用​

  • Sigma(波动率): 时钟以正常速度运行时的基准波动率。它决定整体水平,类似于ATM波动率。
  • Theta(偏斜): 过程的漂移项。theta 为负意味着在给定时间步内,市场下跌的倾向大于上涨。这会产生看跌偏斜,即左翼比右翼更陡。
  • Nu(峰度): 控制时钟的随机程度。nu 低时,时钟稳定运行(薄尾,接近 Black-Scholes);nu 高时,时钟极不规律(肥尾,两翼陡峭)。OTM期权会明显变贵。
参数
控制内容
对微笑的影响
σ (sigma)
波动率水平
整条微笑曲线上移或下移
θ (theta)
偏斜 / 不对称性
为负时看跌期权一翼陡峭。为零时对称。
ν (nu)
尾部厚度
越高两翼越抬升。为零时无超额峰度(Black-Scholes)。

为什么是纯跳跃?​

Black-Scholes 乃至 Merton 模型都假设存在连续的扩散成分:价格大部分时间平滑移动,偶尔发生跳跃。VG 的观点是:也许所有价格变动都是不连续的。在逐笔成交层面,价格从一个价位跳到下一个价位,成交之间并不存在平滑路径。Delta对冲在结构上就无法做到完美,您无法连续地复制到期收益。

这很好地描述了加密市场的真实运作方式,尤其是在低流动性交易对上:订单簿很薄,价格会从一个价位直接跳空到另一个价位。

ℹ️
三个参数,三个矩

VG 的优雅之处在于每个参数都直接对应收益率的一个统计性质。Sigma 控制方差(二阶矩),theta 控制偏度(三阶矩),nu 控制超额峰度(四阶矩)。没有冗余,也没有参数相关性带来的麻烦。

VG 与其他模型对比​

方差伽马
Merton
Black-Scholes
价格路径
纯跳跃(随机时钟)
扩散 + 偶发跳跃
仅平滑扩散
尾部特征
时钟随机性带来肥尾
离散跳跃带来肥尾
薄尾(高斯分布)
参数数量
3 个(sigma、theta、nu)
4 个(sigma、lambda、mu_J、sigma_J)
1 个(sigma)
微笑形态
平滑,由 3 个旋钮控制
短期陡峭,长期减弱
平坦(无微笑)
最适用于
通用微笑拟合、低流动性市场
事件风险、短期期权
快速粗略估算、高流动性市场

VG 的实际应用​

在传统交易台上,VG 不如 Heston 或 SABR 常见,但它在加密和信用领域有其独特位置:

应用场景
为什么选择 VG
低流动性交易对上的加密期权
纯跳跃特性契合跳空式的价格走势,无需强行假设连续扩散。
信用衍生品
违约本身就是跳跃事件。VG 天然适合处理不连续的到期收益。
快速的 3 参数微笑拟合
参数少于 Heston(5 个)或 Merton(4 个),且每个参数含义清晰。
矩匹配
可直接控制方差、偏度和峰度,使校准过程直观易懂。
💡
每个矩一个参数

VG 的每个参数恰好控制收益率的一个统计性质。在所有微笑模型中,它对偏斜与尾部厚度的分离最为干净。由于隐含波动率微笑并不平坦,VG 下的 Vega 敞口与 Black-Scholes 不同。如果您需要比 Black-Scholes 更进一步,又不需要 Heston 或 SLV 的复杂度,VG 正合适。

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相互换算。

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。

继续学习前先测试你的理解。

Q: 方差伽马中的随机时钟是什么?它为什么会产生肥尾?
Q: 如果 theta 为零而 nu 很高,微笑曲线会是什么形状?
Q: 对于低流动性交易对上的加密期权,为什么 VG 可能比 Merton 拟合得更好?

💡 提示: 先尝试自己回答每个问题,再查看答案。

建立数学直觉​

从零开始学习方差伽马模型互动课程 · 无需任何基础

本课程通过随机时钟这一心智模型讲解方差伽马,然后展示 theta、sigma 和 nu 如何分别控制偏斜、常规波动幅度和尾部厚度。


另请参阅: