标签： #隐含波动率

你只能观测到带噪声的市场报价,却想知道藏在背后的「真实隐含波动率」——这是个标准的状态估计问题。卡尔曼滤波要求状态方程和观测方程都是线性高斯的,可真实波动的噪声明明是异方差、非高斯的。本文用一套合成数据,从零实现 SIR 粒子滤波(序贯重要性重采样),从被噪声淹没的观测里还原隐含波动率路径,并对照线性高斯卡尔曼滤波,证明粒子滤波 RMSE 低 36%,把整套可复现 Python 给你(中阶)。

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）。

VVIX 是 VIX 期权隐含的'VIX 的波动率'——恐慌的平方。它能否预测未来 VIX 走向？本文用自洽合成模型从零构造 VVIX、证明它确实领先 VIX 均值回复(IC=-0.195、低高桶单调反转)，并诚实指出朴素日频择时会跑输买入持有，附完整 Python 与六类真实陷阱。

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）。

期权价格里藏着的不是波动率，而是整条未来分布。Breeden-Litzenberger 定理说：看涨期权价格对行权价的二阶导就是风险中性密度。本文从零合成分布、定价、反推，并点明平滑、边界、Q≠P 三大真实陷阱。

Black-Scholes 假设价格连续、波动恒定，所以算不出崩盘时的肥尾。Merton(1976) 给扩散加了对数正态跳，Bates(1996) 再把随机波动(Heston)叠上来。本文用特征函数+FFT 给欧式期权定价，与蒙特卡洛对照，并展示跳如何把隐含波动率的微笑扭成左偏的 smirk。

把波动率拆成「隐含(IV,前瞻)」与「已实现(RV,后顾)」两张脸，用随机波动率模型真实复现波动率风险溢价(VRP)，并给出做空 VRP 的 Delta 中性策略与尾部陷阱。

期权的隐含波动率（IV）孤零零一个数字，你根本不知道它「贵不贵」。波动率锥（Volatility Cone）把「某个期限下，波动率历史上通常落在哪」画成一套分位带，让 IV 的贵贱、择时的多空、该卖还是该买期权，全都变成可量化的相对值。本文从零实现波动率锥，并把它用在相对定价、期限结构与风险叠加层择时上。