标签： #随机波动率

经典随机波动率把波动率当成普通布朗运动(H=1/2)，所以短端隐含波动率斜度只该 ∝ 1/√T。但真实股权微笑短端比这还陡得多——模型漏了什么？Gatheral-Jaisson-Rosenbaum(2014) 的答案是：波动率不是平滑的，它是「粗糙」的，Hurst 指数 H≈0.1。本文用分数布朗运动重写波动率的记忆，自包含 Monte Carlo 实跑：① 粗糙(H=0.1)路径锯齿状、平滑(H=0.5)温和漂移；② 平均 variogram 回收 H≈0.11（对照 H=0.5 回收≈0.47，二者都受小样本滞后偏误轻微下压）；③ 粗糙 Bergomi 短端偏度 ∝ T^{H−1/2}：T=0.05 年时 4.18、T=2.0 年时仅 0.95，短端陡约 4.4 倍。附完整 Python 与六类真实陷阱（高阶）。

Black-Scholes 假设波动率为常数，于是同标的、不同行权价的隐含波动率应是水平线；但真实市场是弯弯的微笑甚至偏斜的。SABR(Hagan 2002) 把波动率也建模成随机过程，用 α、β、ρ、ν 四个参数精确还原整条波动率微笑。附完整 Python 与六类真实陷阱（高阶）。

Black-Scholes 假设波动率是常数，于是同一标的、不同行权价的期权隐含波动率应当是一条水平线。但真实市场里它是一条弯弯的微笑（且长期偏斜）——BS 用平值波动率给所有行权价定价会系统性误定价。Heston(1993) 把波动率本身建模成均值回复的平方根过程（带杠杆效应 ρ<0：跌时波动飙升），从机制上还原了波动率微笑。合成 30 资产级蒙特卡洛定价显示：T=0.5 时 BS 用平值 IV 给深度虚值/实值期权定价，误定价高达 ±0.45，Heston 则贴合微笑。附完整 Python 与六类真实陷阱（高阶）。

方差风险溢价(VRP)是恐慌的有形价格：用合成指数从零构造 VIX 与已实现方差，证明 VRP 长期为正、短端最肥，并可做成做空方差互换因子(年化7.2%/Sharpe0.48)，附完整 Python。

随机波动率(SV)的隐状态看不见，MCMC 全路径重抽样太慢。本文用粒子滤波(序贯蒙特卡洛)在线估计波动、顺手给出 SMC 边际似然，附完整 Python 与 Bootstrap/APF 对比。

波动率不是常数，恐慌是带尖刺的随机过程。本文用 Bates 型 SVJ 模型从零模拟随机波动+崩盘跳，给出 VIX(30日远期方差)的仿射解析与 VIX 期货 E^Q[VIX_T] 蒙特卡洛定价，并证明「恐慌」本身是一个可被定价、可做成交易因子的波动率风险溢价(VRP)。

GARCH 把波动率当收益的确定性函数，随机波动率(SV)则给波动加一层 AR(1) 隐状态。本文用「数据增强+单步 Gibbs」精确采样（slice sampling 抽隐路径、共轭抽参数），后验几乎还原真值，并诚实给出高持续性下混合偏慢等真实陷阱。