3. Black-Scholes模型的局限
Black-Scholes（BS）模型是期权定价的基石，但它建立在一组理想化假设之上，其中最具争议、也最影响实战定价精度的，就是波动率为常数这一条。理解它的失效边界，正是我们走向Local Vol与Dupire模型的起点。
一、核心原理：常数波动率假设到底假设了什么
BS模型假设标的资产价格服从几何布朗运动，其随机微分方程为：
dS_t = μ S_t dt + σ S_t dW_t
其中：
S_t : 标的资产价格
μ : 漂移率（常数）
σ : 波动率（常数，关键假设）
dW_t: 标准布朗运动增量在这个框架下，σ被当作一个与行权价K、到期时间T、标的价位S都无关的固定参数。由此推出的BS公式，使得期权价格只依赖于五个可观测或可估计的量：S、K、T、r、σ。前四个都能直接观察，唯独σ不可直接观测，于是市场习惯用隐含波动率——把市场价格反代回BS公式解出的σ——来报价。
问题恰恰出在这里：如果BS模型是对的，那么对同一标的、同一到期日，不同行权价的期权反解出的隐含波动率应当完全相同，是一条水平直线。但真实市场给出的却是一条弯曲的曲线，这就是波动率微笑与偏斜。
二、波动率微笑现象：市场对BS假设的直接否定
把同一到期日、不同行权价的隐含波动率画成图，横轴为行权价或Delta，纵轴为隐含波动率，得到的曲线通常呈现中间低、两端高的“微笑”形状；在外汇市场尤为对称，而在股票与指数市场则常表现为左高右低的“偏斜”（skew），即低行权价（虚值看跌）的隐含波动率显著高于高行权价。
这一现象背后的经济含义是：市场认为极端行情的发生概率，比对数正态分布所描述的要高得多。换言之，真实收益率分布具有尖峰厚尾特征，而BS模型隐含的分布是对数正态的，尾部太薄。
从图中可以清楚看到：BS模型的常数波动率是一条水平虚线，而真实市场要么是蓝色微笑曲线，要么是橙色偏斜曲线。任何一条曲线都无法用单一σ拟合，这正是BS模型在定价与风险管理上的根本局限。
三、模型风险与校准需求
常数波动率假设带来的不只是定价偏差，更是一系列连锁的模型风险：
- 定价偏差：用单一σ给不同行权价期权定价，必然与市场价偏离，无法同时匹配所有报价。
- 希腊字母失真：Delta、Gamma、Vega在BS框架下是σ的函数，σ取错会导致对冲比率错误，形成对冲误差累积。
- 风险指标误导：Vega被低估或高估，使交易台对波动率风险的敞口判断失准。
- 套利机会误判：模型价与市场价的系统性偏差，可能被误读为套利机会，实则是模型错误。
因此，市场必须对BS模型进行“校准”——即不再把σ当作常数，而是让它随K和T变化，构造一个能同时拟合整条隐含波动率曲面的波动率函数。这正是Local Vol模型的核心思想：把σ从常数升级为σ(S,t)，即局部波动率。
| 对比维度 | BS常数波动率 | Local Vol（Dupire） |
|---|---|---|
| 波动率形式 | σ 为常数 | σ(S,t) 随价格与时间变化 |
| 隐含波动率曲面 | 水平直线，无法拟合 | 可精确拟合市场曲面 |
| 分布假设 | 对数正态，尾部偏薄 | 由曲面反推，尾部更真实 |
| 校准需求 | 仅需一个σ | 需整个隐含波动率曲面数据 |
| 典型风险 | 定价偏差、对冲失真 | 校准不稳定、曲面外推风险 |
四、案例与场景：一次对冲失误的复盘
假设某交易台在指数期权上使用BS模型，取平值期权隐含波动率20%作为统一σ。当日市场出现下跌，虚值看跌期权隐含波动率从25%飙升到40%，而平值仍为22%。
场景参数：
标的指数 S = 3000
行权价 K = 2700（虚值看跌）
到期 T = 30天
市场隐含波动率 σ_imp = 40%
BS模型使用 σ = 20%
结果：
BS模型价 ≈ 12.5 点
市场真实价 ≈ 28.0 点
定价低估 ≈ 15.5 点（约55%）
对冲影响：
该看跌期权Delta被低估，空头对冲不足
市场继续下跌时，实际亏损远超模型预期复盘结论：错误不在BS公式本身，而在于把σ当成常数。市场早已通过偏斜曲线告诉我们，下行风险的定价远高于平值波动率。若使用Local Vol模型，σ(2700, 30天)会被校准到接近40%，定价与对冲都会更贴近现实。
总结来说，BS模型的常数波动率假设在理论上优雅，却在市场事实面前失效。波动率微笑与偏斜是市场对厚尾风险的定价表达，模型风险与校准需求由此产生。Local Vol与Dupire模型，正是为了在保留BS解析框架优点的同时，让σ真正随S和t变化，从而拟合整条波动率曲面。理解这一局限，是掌握局部波动率实战的第一块基石。