所有選擇權指南
隨機波動率閱讀約11分鐘
Heston模型與隨機波動率詳解
說明Heston如何讓變異數隨機變動、均值回歸與價格變異數相關性怎樣塑造選擇權,以及模型校準為何不等於預測
由 Mark 撰寫 · 官方資料列於文末
直接解答
Heston模型讓瞬時變異數遵循與資產報酬相關的隨機均值回歸過程。它能產生動態偏斜與波動率微笑,但校準參數只描述一個模型曲面,不能唯一預測未來路徑、市場價格或證明真實過程
固定波動率遺漏了動態狀態變數
Black-Scholes在契約期間使用一個固定波動率。市場選擇權卻在不同履約價、期間與時點反映不同波動率
隨機波動率模型把變異數當作另一個隨機狀態變數。明日不確定性同時取決於資產價格與路徑到達的變異數
這增加了現實動態,也帶來不能直接交易的風險來源。完整定價需要假設變異數風險如何得到補償
Heston讓變異數遵循平方根過程
資產擴散項以√vₜ作瞬時波動率。選定定價測度下,變異數遵循 dvₜ = κ(θ − vₜ)dt + ξ√vₜdWᵛₜ
目前變異數v₀是起點,Theta是長期變異數,Kappa是均值回歸速度,Xi是變異數的波動率
平方根項按目前狀態縮放變異數衝擊。參數採用變異數單位,不能把Theta直接視為波動率百分比
均值回歸塑造期限結構
變異數高於Theta時,漂移向下拉;低於Theta時則向上拉。Kappa控制回歸速度
快速回歸讓目前衝擊較多影響短期限,緩慢回歸則把影響分配到更遠期限
Kappa與Theta可能在校準時互相抵銷。曲面配適良好不表示每個參數都得到精確識別
相關性形成不對稱選擇權行為
現貨與變異數的布朗衝擊以Rho相關。負Rho代表負價格衝擊常與正變異數衝擊一同出現
這種槓桿式管道有助形成股票下行偏斜:現貨下跌與變異數上升共同提高下行選擇權價值
Rho不是報酬與畫面IV序列的歷史相關性,而是特定測度與校準下的瞬時模型參數
Vol-of-Vol讓曲面彎曲
Xi控制變異數的隨機程度。較高Xi擴大未來變異數分配,並可能增強跨履約價與期限的曲率
其效果與Rho、Kappa、Theta和目前變異數互動。一個參數不能直接對應曲面的一個可見特徵
Feller條件 2κθ ≥ ξ²是理想過程中變異數嚴格為正的充分條件,但實作與離散化仍然重要
校準解決逆問題
校準在選定選擇權網格尋找參數,使模型與市場價格或IV誤差最小
目標權重、買賣價差、期限、履約價、邊界、最佳化器、利率、股息與數值積分都會改變結果
多組參數可能同樣配適良好。應報告價格誤差與穩定性,並以未參與配適的契約測試
模型並不包含所有風險
基本Heston使用連續路徑、單一變異數因子與固定參數。真實市場會跳躍、轉換狀態、經歷事件並以不同方式移動偏斜
深度遠端與超短期限可能暴露遺漏的跳躍,長期限可能顯示不穩定回歸或需要多因子
應把它視為一致的情境工具,而不是真實過程證明。還要壓力測試跳躍、參數、曲面、流動性與模型外避險誤差
常見問題
Heston的五個主要參數是什麼?
目前變異數、長期變異數、均值回歸速度、變異數的波動率,以及現貨與變異數衝擊的相關性
股票選擇權的Rho為何經常是負數?
股票下跌常伴隨不確定性上升,負模型相關性有助重現下行履約價較高的隱含波動率
Heston保證變異數為正嗎?
平方根過程經適當處理後不會為負。Feller條件支持嚴格正值,但數值方法仍需謹慎
良好校準能預測未來波動率嗎?
不能。它只表示一組參數在既定權重與假設下配合所選選擇權快照,未來動態可以明顯不同
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標,讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權