标签： #波动率微笑

Black-Scholes 假设价格连续游走，可股灾里价格是「跳」下去的。本文 numpy 从零实现 Merton(1976) 跳跃扩散闭式期权定价(对跳数次 n 求 BS 无穷级数)，12 万路径 Monte Carlo 校验误差仅 0.019；ATM 期权价 15.38 vs 无跳 BS 9.41(跳变溢价 +63%)，并把价格拆开：连续扩散占 10.6%、跳变占 89.4%。附完整 Python 与四张真实计算图。

Black-Scholes 假设价格连续、收益正态，但真实市场会跳——一夜暴跌 10% 不是连续路径能画出来的。Merton 1976 在扩散上叠一个泊松跳跃过程，用解析级数解同时解释了肥尾、左偏和波动率微笑。固定种子 20260801 受控模拟：同样 20% 年化波动，跳跃扩散把日收益峰度从 0 拉到 140、偏度压到 -6.24，尾部整整长出一截。跳跃扩散的期权价格反解出真实市场那条『微笑曲线』——虚值看跌区隐含波动 28% 高于 ATM 的 26%，而纯 BS 是一条平线。四项对抗式检验全过：20 万路径蒙特卡洛收敛到解析解 11.74（互验无 bug）、关掉跳跃（λ→0）Merton 完美退化为 BS 基准 9.41、跳跃越密左尾保险越贵、泊松级数几项即收敛。核心教训：BS 少算的那 2.3 块钱期权费，正是市场为『崩盘可能性』收的保险费。

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）。

「整条波动率微笑，只需要三个报价就能重建。」Vanna-Volga 是外汇期权柜台三十年的工作马：不引入任何随机波动率模型，直接用市场上流动性最好的三个工具（25Δ Put / ATM / 25Δ Call）的对冲成本修正 Black-Scholes 价格。逻辑是纯交易员式的——BS 假设波动率恒定，于是漏算了 vega（重挂）、vanna（∂Δ/∂σ）、volga（∂vega/∂σ）三个敞口的对冲费用；用三个锚点期权恰好搭出一个匹配这三个敞口的复制组合，组合的市场价与 BS 价之差就是微笑修正。Python 完整实现：解 3×3 线性方程组得对冲权重、修正价反推隐波，重建微笑在锚点覆盖区（±1.2σ）与参考微笑几乎重合；三个希腊字母各定微笑的一个几何自由度——vega 定水平、vanna 定偏斜（ATM 过零的奇函数）、volga 定曲率（两翼大 ATM 小），这正是它只需要三个报价的深层原因，与 SABR 的 α/ρ/ν 一一同构。误差分析给出诚实边界：锚点之间插值精确，两翼外推随期限拉长迅速发散，深度 OTM 与超长期限须换模型；它是插值器不是模型——没有动态、没有一致的联合分布，定价路径依赖产品会出错（高阶）。

标准 CRR 二叉树的转移概率是常数，所以只能给一条「平」的隐含波动率。Rubinstein (1994) 隐含二叉树换思路：先由市场微笑用 Breeden-Litzenberger 反推出终端风险中性分布，再用前向归纳反解出每个节点的状态依赖转移概率 p(i,j)。本文从零跑通这条自洽闭环，并用真实数值证明——它定出来的期权曲面在每个行权价都能精确还原市场报价，而固定 p 的树只能压出一条平 IV。

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该是平的；但真实市场弯成微笑。Dupire（1994）把波动率写成「依赖于标的现价 S 和到期 T」的局部函数 σ_loc(S,T)，从整张期权价格曲面 C(K,T) 反推出它。本文用自洽合成数据从零跑通「正向 PDE 解出价格曲面 + Dupire 公式反演恢复」的闭环，并诚实点出 ATM 奇点、微笑套利、无模型风险三类真实陷阱（中阶）。

Black-Scholes 给所有行权价同一个常数波动率，于是隐含波动率该是平的；但真实市场弯成微笑，外汇期权尤其典型。Vanna-Volga（VV 法，又称半解析微笑插值）不拟合整个曲面，只抓三个支柱期权（25-delta put / ATM / 25-delta call），用蝴蝶（凸度）和 Vega（波动率敏感度）把微笑「加」回 BS 价格。本文用自洽合成数据从零跑通三支柱 Lagrange 校正，证明它在支柱处精确还原市场 IV（残差=0），并诚实点出支柱外无套利失控、远端外推爆炸等六类真实陷阱（中阶）。

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）。