标签： #随机波动率

波动率不是常数，也不是能直接观测的量——它藏在收益率的平方里、被噪声层层包裹。本文用 numpy 从零实现随机波动率(SV)模型与 bootstrap 粒子滤波(序贯蒙特卡洛)，把隐状态波动率实时「反解」出来：每来一个新收益率，4000 个粒子就重采样+传播一次，输出波动率的后验中位数与 90% 置信带。在 600 天合成数据上，粒子滤波对真实波动率的跟踪 RMSE 比 EWMA 代理低 27.3%，相关度从 0.59 提升到 0.69，且每步对数似然稳定在 −1.02。附完整 Python 与四张真实计算图。

SABR 用四个参数 (α, β, ρ, ν) 就能拟合一整条波动率微笑，而且 Hagan 闭式近似让校准快到可以放进实时报价系统——这让它成为利率期权市场二十多年的事实标准。本文拆解四个参数各自控制微笑的哪一段（水平/骨架/偏斜/曲率），用 Python 完成一次完整校准（最小二乘 3 参数拟合 11 个市场报价），验证 SABR 相对局部波动率模型最关键的优势——正确的微笑动态（sticky-delta），并用蒙特卡洛揭示 Hagan 近似在长期限与深度 OTM 下的失真边界。附完整代码与四类实盘陷阱（中高阶）。

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)。