2、波动率基础：历史波动率、隐含波动率、波动率微笑与偏斜的成因，以及它们与局部波动率的关系

上图展示了三类波动率的定位与转换关系。历史波动率是“已实现”的统计量，隐含波动率是“预期”的市场价格，而局部波动率则是将隐含波动率曲面转化为可复制的动态对冲参数。理解这一链条，是后续构建局部波动率模型的第一步。

2.1 历史波动率：定义、估计方法与局限性

核心原理

历史波动率衡量标的资产在过去一段时间内收益率的标准差。设资产价格序列为 \(S_0, S_1, \dots, S_n\)，定义对数收益率为 \(r_i = \ln(S_i / S_{i-1})\)，则年化历史波动率为：

σ_HV = std(r_i) × √N

其中 \(N\) 为每年交易天数（通常取 252）。常用的估计窗口包括 20 日（约 1 个月）、60 日（1 个季度）和 252 日（1 年）。窗口越短，对近期波动越敏感，但噪声越大；窗口越长，估计越平滑，但反应越迟钝。

判断方法与操作流程

1. 数据清洗：剔除停牌、异常跳空（如除权除息）的交易日，避免收益率失真。
2. 收益率计算：采用对数收益率而非简单收益率，以保证时间可加性。
3. 年化处理：将日波动率乘以 \(\sqrt{252}\)，得到年化波动率。
4. 加权方案：可使用等权（简单移动平均）或指数加权（EWMA），后者对近期数据赋予更高权重。

案例拆解：沪深300指数 20 日与 60 日波动率对比

假设某交易日，沪深300指数过去 20 日对数收益率的标准差为 0.8%（日），过去 60 日标准差为 1.1%（日）。则：

• 20 日年化波动率 = 0.8% × √252 ≈ 12.7%
• 60 日年化波动率 = 1.1% × √252 ≈ 17.5%

两者差异显著，说明近期市场波动率下降，而中期波动率仍处于较高水平。若仅使用 20 日波动率，可能低估中期风险；若仅使用 60 日波动率，则对近期市场变化反应滞后。实务中常同时观察多个窗口，并关注波动率期限结构。

2.2 隐含波动率：从市场价格反解市场预期

核心原理

隐含波动率是将期权市场价格代入 Black-Scholes 公式反解出的波动率参数。由于 BS 公式中除波动率外均为已知变量（标的价格、行权价、到期时间、无风险利率、股息率），因此隐含波动率是市场对“该期权剩余期限内标的资产波动率”的集体预期。它包含了所有市场参与者对未来的判断，包括事件风险、供需力量、情绪因素等。

判断方法与操作流程

1. 获取期权报价：选择流动性较好的期权合约，记录买价、卖价及中间价。
2. 选择定价模型：通常使用 BS 公式（欧式期权）或二叉树/有限差分（美式期权）。
3. 数值求解：采用牛顿-拉夫森法或二分法，迭代求解使模型价格等于市场价格的 σ。
4. 构建 IV 曲面：对不同行权价和到期日的期权重复上述过程，得到 IV 矩阵。

案例拆解：50ETF 期权隐含波动率曲面构建

假设 2024 年 3 月 1 日，50ETF 价格为 2.500 元，无风险利率 2.5%，股息率 1.8%。选取以下合约：

观察可见：同一到期日下，虚值看跌期权（行权价低于现价）的 IV 高于平值期权，形成“偏斜”形态；同时，6 月到期合约的整体 IV 高于 3 月合约，说明市场预期中期波动率将上升。这一曲面正是后续局部波动率校准的输入数据。

2.3 波动率微笑与偏斜：市场异象的成因

核心原理

若市场符合 BS 假设（对数正态分布、恒定波动率），则不同行权价的期权应反解出相同的 IV。然而实际市场中，IV 往往呈现“微笑”（Smile）或“偏斜”（Skew）形态：

• 微笑：平值期权 IV 最低，两侧虚值期权 IV 较高，常见于外汇市场。
• 偏斜：虚值看跌期权 IV 显著高于虚值看涨期权，常见于股票指数市场。

成因分析

案例拆解：2020 年 3 月美股波动率偏斜的极端表现

2020 年 3 月新冠疫情引发市场暴跌，标普500指数在 20 个交易日内下跌约 34%。期间，SPX 期权隐含波动率曲面出现极端偏斜：

• 平值期权 IV 从 15% 飙升至 80% 以上；
• 虚值看跌期权（行权价低于现价 10%）IV 超过 120%；
• 虚值看涨期权 IV 相对较低，约 60%。

这一现象无法用 BS 模型解释，但可以通过“杠杆效应 + 跳跃风险 + 恐慌性买入看跌”共同解释。市场参与者意识到尾部风险远高于对数正态分布假设，因此愿意为深度虚值看跌支付极高溢价。该案例说明，IV 曲面是市场情绪的“实时快照”，而局部波动率模型正是为了捕捉这种非恒定波动率结构而设计的。

2.4 从隐含波动率到局部波动率：Dupire 公式与校准逻辑

核心原理

局部波动率模型假设标的资产价格满足：

dS_t = (r - q)S_t dt + σ_LV(S_t, t) S_t dW_t

其中 σ_LV(S_t, t) 是价格和时间的确定性函数。Dupire（1994）证明，若已知所有行权价 K 和到期日 T 的欧式期权价格 C(K,T)，则局部波动率可由下式唯一确定：

σ_LV²(K,T) = [∂C/∂T + (r-q)K·∂C/∂K] / [ ½K²·∂²C/∂K² ]

该公式的核心思想是：从 IV 曲面出发，先转换为期权价格曲面，再计算价格对到期时间和行权价的偏导数，最终得到局部波动率。

操作流程

1. 数据准备：获取完整的期权 IV 曲面（至少 5 个行权价 × 5 个到期日）。
2. 插值平滑：对 IV 曲面进行平滑插值（如三次样条），避免噪声导致偏导数不稳定。
3. 价格转换：将每个 (K,T) 点的 IV 代入 BS 公式，计算期权价格 C(K,T)。
4. 数值微分：计算 ∂C/∂T、∂C/∂K 和 ∂²C/∂K²，可采用有限差分法。
5. 代入公式：逐点计算 σ_LV(K,T)，得到局部波动率曲面。

案例拆解：从 IV 曲面到 LV 曲面的数值实现

假设某股票现价 100 元，r=3%，q=1%。选取以下 IV 数据点：

以 K=100, T=1.0 为例，计算步骤：

1. 由 BS 公式计算 C(100, 1.0) ≈ 8.02（使用 IV=21%）；
2. 计算 ∂C/∂T ≈ (C(100,1.0) - C(100,0.5)) / 0.5 ≈ (8.02 - 5.57) / 0.5 = 4.90；
3. 计算 ∂C/∂K ≈ (C(110,1.0) - C(90,1.0)) / 20 ≈ (4.11 - 12.85) / 20 = -0.437；
4. 计算 ∂²C/∂K² ≈ (C(110) - 2C(100) + C(90)) / 100 ≈ (4.11 - 16.04 + 12.85) / 100 = 0.0092；
5. 代入公式：σ_LV² = [4.90 + (0.03-0.01)×100×(-0.437)] / [0.5×100²×0.0092] = [4.90 - 0.874] / 46.0 = 0.0875；
6. σ_LV ≈ 29.6%。

注意：该局部波动率（29.6%）高于该点的隐含波动率（21%），这是因为局部波动率是“边际”波动率，而隐含波动率是“平均”波动率。两者关系类似于边际成本与平均成本。

2.5 三类波动率的对比与局部波动率的定位

常见误区与总结

• 误区一：将历史波动率直接作为期权定价输入。正确做法是使用隐含波动率或校准后的局部波动率。
• 误区二：认为 IV 曲面是“真实”波动率的无偏估计。实际上 IV 包含了风险溢价和供需因素。
• 误区三：忽略 IV 曲面的插值质量。粗糙的插值会导致 LV 曲面出现负值或剧烈振荡。
• 误区四：混淆隐含波动率与局部波动率。IV 是期权价格对波动率的“平均”敏感度，LV 是瞬时波动率。