4. 局部波动率概念
在Black-Scholes框架下，波动率是一个常数。但真实市场中，同一标的、同一到期日、不同执行价的期权，隐含波动率并不相同，形成所谓的“波动率微笑”或“波动率偏斜”。这说明市场并不认同“波动率恒定”的假设。局部波动率模型正是为修正这一矛盾而提出的：它允许瞬时波动率随标的资产价格和时间变化，从而在理论上能够精确拟合当前所有到期日、所有执行价的期权价格。
一、核心原理：从隐含波动率到局部波动率的桥梁
隐含波动率是“平均”概念。一个执行价为K、到期日为T的期权，其隐含波动率σimp(K,T)反映的是从今天到T时刻、标的资产在K附近路径上波动率的某种加权平均。而局部波动率σloc(S,t)是“瞬时”概念，描述的是标的资产在价格S、时间t这一点的瞬时波动水平。
两者之间的关系由Dupire公式给出。在风险中性测度下，局部波动率的平方可以表示为：
σ²_loc(K, T) = (∂C/∂T + rK·∂C/∂K) / (½·K²·∂²C/∂K²)其中C(K,T)是执行价为K、到期日为T的看涨期权市场价格，r为无风险利率。这个公式的直观含义是：局部波动率由期权价格对到期日的敏感度（时间衰减）与对执行价的二阶敏感度（凸性）共同决定。换句话说，只要市场上有足够多到期日和执行价的期权价格，我们就能反推出唯一的局部波动率曲面。
关键理解：隐含波动率是期权价格的一种“编码”，局部波动率是这种编码的“解码”。Dupire公式就是解码器——它把市场报价中隐含的、关于未来波动率路径的信息，还原为每个(S,t)点上的瞬时波动率。
二、方法流程：从市场数据到局部波动率曲面
实际构建局部波动率曲面的流程通常包括以下步骤：
- 数据采集：获取同一标的、多个到期日、多个执行价的期权市场价格（或中间价）。
- 数据清洗：剔除流动性差、买卖价差过大、明显套利机会的报价。
- 隐含波动率曲面拟合：对每个到期日，用SVI、SABR或三次样条等参数化方法拟合隐含波动率微笑，得到光滑的σimp(K,T)曲面。
- 期权价格重建：将拟合后的隐含波动率代回Black-Scholes公式，得到光滑的C(K,T)曲面。
- 数值微分：对C(K,T)分别计算∂C/∂T、∂C/∂K、∂²C/∂K²，代入Dupire公式得到σloc(K,T)。
- 插值与外推：将离散的局部波动率网格扩展为连续曲面，供后续定价或模拟使用。
数值微分对噪声非常敏感。直接对市场原始报价做差分，往往得到剧烈震荡甚至为负的局部波动率。因此，先拟合光滑的隐含波动率曲面，再解析或数值求导，是更稳健的做法。
三、经济含义与核心假设
局部波动率模型的经济含义可以从两个角度理解。第一，它是对市场“波动率微笑”现象的一种无套利解释：如果未来瞬时波动率会随标的价格变化，那么不同执行价的期权隐含波动率自然不同。第二，它提供了一种从当前期权价格中提取“未来波动率路径”信息的方法，使得模型能够同时校准所有到期日和所有执行价。
然而，局部波动率模型建立在几个核心假设之上：
- 标的资产服从一维扩散过程：dSt = rStdt + σloc(St,t)StdWt，即价格连续变动，无跳跃。
- 市场无摩擦、无套利：忽略交易成本、买卖价差和融券限制。
- 局部波动率是确定性的：σloc(S,t)是S和t的确定函数，不包含随机项。
- 期权价格曲面光滑且可微：Dupire公式要求C(K,T)对K二阶可导、对T一阶可导。
这些假设在现实中并不完全成立。最突出的问题是：局部波动率模型虽然能完美拟合当前期权价格，但其预测的未来波动率动态往往与市场实际行为不符。例如，它通常预测波动率与标的价格负相关（即标的价格下跌时波动率上升），但实际市场中这种相关性的强度和形态可能更复杂。此外，局部波动率模型无法捕捉波动率本身的随机性，导致它在定价路径依赖型产品（如障碍期权、回溯期权）时可能出现偏差。
四、案例与误区复盘
假设某标的当前价格为100，无风险利率为0。市场上有三个到期日（1个月、3个月、6个月）和五个执行价（80、90、100、110、120）的看涨期权报价。我们首先对每个到期日拟合隐含波动率微笑，发现1个月到期时，执行价80的隐含波动率为25%，执行价100为20%，执行价120为18%，呈现明显的偏斜。经过Dupire公式反推后，得到的局部波动率曲面显示：在低价区域（S≈80）局部波动率较高（约28%），在高价区域（S≈120）局部波动率较低（约16%），且随着时间推移，局部波动率整体向20%附近收敛。
这个结果符合直觉：市场认为当前标的价格下跌时，未来波动率会上升；而如果标的价格上涨，波动率会下降。局部波动率曲面正是这种“状态依赖波动率”的量化表达。
常见误区：许多初学者误以为局部波动率就是“某个执行价对应的隐含波动率”。实际上，隐含波动率是期权价格的平均波动率，而局部波动率是瞬时波动率。两者在数值上通常不相等，且局部波动率曲面比隐含波动率曲面更“尖锐”，对数据噪声更敏感。另一个误区是认为局部波动率模型可以预测未来波动率的真实路径——它只是当前期权价格的一种一致性表示，并不保证未来实现波动率会按此路径演化。
为了更直观地展示从隐含波动率到局部波动率的映射关系，下图给出了一个简化的示意图：左侧是隐含波动率微笑曲线，右侧是反推得到的局部波动率曲线。可以看到，局部波动率曲线在低价区域更高、在高价区域更低，且整体形态比隐含波动率曲线更陡峭。
总结来说，局部波动率模型是连接市场期权报价与动态价格过程的重要工具。它让我们能够从“波动率微笑”这一静态现象中，提取出关于未来波动率如何随价格和时间变化的动态信息。理解其定义、经济含义和核心假设，是后续学习Dupire公式推导、数值实现以及模型局限性分析的基础。