从零学习CEV
1/5一个参数控制整个骨架
CEV可能是能够产生偏斜的最简单模型。一个指数 -- β -- 决定了扩散系数如何随现货价格水平缩放。这就是全部的诀窍。
在Black-Scholes中，现货SDE为 dS = σ·S·dW。噪声项与S成正比，因此百分比波动率是恒定的。CEV将其推广为：
β = 0: 您得到Bachelier / 正态模型。扩散为 σ·dW -- 加性噪声，完全不依赖于价格。
0 < β < 1: 介于两者之间。扩散随S增长，但增长速度慢于成比例。
把 β 想象成混音台上的一个旋钮。完全向右（β = 1）您得到对数正态世界 -- 恒定的百分比波动。完全向左（β = 0）您得到正态世界 -- 恒定的美元波动。介于两者之间的一切都是混合。该模型不关心跳跃、状态或随机波动率。它只问：随机冲击的大小如何依赖于价格水平？
CEV下的百分比波动率为 σ·Sβ−1。当 β < 1, 时指数为负，因此百分比波动率随S下降而上升。这就是杠杆效应，也是CEV偏斜背后的全部引擎。没有额外的参数，没有额外的噪声源。只有这个指数。
β < 1 意味着现货下跌时波动率上升
这就是杠杆效应。在股票和加密市场中，当现货下跌时波动率持续上升。带有 β < 1 的CEV机械地捕捉了这一点，无需第二个随机因子。
如果 β = 0.5，局部波动率函数为 σ·√S。当S从100跌到50时，局部波动率并不成比例地下降 -- 它只下降到 √(50/100) ≈ 0.71。但现货下跌了一半。百分比波动率实际上是上升的。
这个效应是自动且确定性的。没有需要调节的相关性参数，没有第二个布朗运动。价格与波动率的关系被固化在单个指数 β.
这在隐含波动率中产生负偏斜，无需任何额外参数。当市场下跌时，波动率机械地上升，因此OTM Put变得更有价值。微笑曲线的Put一翼抬升。
上方的模拟器清楚地展示了这一点。左侧面板：CEV价格路径。当 β < 1, 时，下跌的路径明显变得更加嘈杂 -- 在较低水平上摆动更宽。右侧面板：窗口化的已实现波动率相对于价格水平作图。负斜率就是杠杆效应。
设置 β = 1，散点图就变平了。价格与波动率之间没有依赖关系。这就是Black-Scholes世界。
设置 β > 1 关系就反转了：波动率随价格上升。这在实践中不常见，但它向您展示了模型的完整范围。
杠杆效应不仅仅是模型的奇趣现象。它可在股票、信用和加密资产的已实现数据中观察到。当市场抛售时，已实现波动率会飙升。CEV 认为这并非因为波动率有其自身的随机过程——而是因为扩散系数在机制上依赖于价格水平。这是对偏斜最简约的解释。
来自 CEV 的隐含波动率微笑
CEV产生一种完全由 β 控制的特定隐含波动率形状。这个形状是一个倾斜，而不是一个U形。CEV可以做出偏斜，但无法产生对称的微笑曲线。
这种映射关系很直接：
β = 1: 平坦的微笑曲线。没有偏斜，没有曲率。这就是Black-Scholes。
β < 1: 负偏斜。Put一翼被抬高，Call一翼被压低。β 越低于1，偏斜就越陡。
β > 1: 正偏斜。Call一翼上升，Put一翼下降。在股票/加密市场中罕见，但在某些商品市场中可能出现。
关键的是，CEV的微笑曲线是 单调的。它向一个方向或另一个方向倾斜，但它没有U形。没有机制能让两翼同时抬升，因为没有波动率的波动率或随机方差来产生对称的两翼增值。
上方的浏览器展示了两个部分：局部波动率函数 σ·Sβ 位于左侧，由此得到的隐含波动率微笑位于右侧。拖动 β 并观察它们如何一同变化。局部波动率的斜率直接驱动微笑的倾斜。
当 β = 1 时，局部波动率函数是一条过原点的直线（与 S 成正比）。此时微笑是平的。随着 β 降至 1 以下，局部波动率函数在高 S 处向下弯曲——这意味着价格越高，过程的波动性越低。微笑向左倾斜。
CEV 作为 SABR 的骨架
SABR’s forward equation is dF = σ·Fβ·dW₁ 呈线性。这正是 CEV 过程。SABR 只是为波动率参数本身额外附加了第二个 SDE。
完整的 SABR 系统为：
第二行： σ 现在是随机的。 ν（波动率的波动率）控制着 σ 游走的幅度。当 ν = 0 时，σ 是一个常数，您就回到了纯粹的 CEV。
第三行： 这两个布朗运动是相关的。 ρ 在 β 已提供的倾斜之上又增加了一层倾斜。
因此 CEV 是 SABR 的确定性基础。β 指数控制着微笑主干的形状。随后 SABR 在其上叠加随机波动率：ν 产生曲率（翼部增强），而 ρ 增加了额外的方向性倾斜。
在实践中，利率交易台通常将 β 固定在一个惯例值（利率产品为 0.5，视市场状态有时为 0 或 1），然后根据观测到的微笑校准 σ, ν, ρ。主干只选定一次；随机叠加层则每日拟合。
上面的对比使其变得直观。绿色实线是单独的 CEV——单调的倾斜。蓝色虚线是具有相同 β 但非零 ν 的 SABR。SABR 增加了 CEV 无法产生的曲率。
在滑块中设置 ν = 0，观察这些曲线完美重叠。这证实了它们之间的关系：波动率的波动率为零的 SABR 恰好就是 CEV。主干是共享的。
当您校准 SABR 时，β 的选择并非无关紧要。它决定了观测到的偏斜中有多少归因于主干（价格相关的波动率），又有多少归因于随机叠加层（ρ 倾斜）。不同的 β 选择会导致不同的 ρ 的拟合，这会影响远期动态，进而影响对冲行为。单独理解 CEV 有助于您理解 β 在 SABR 内部实际所起的作用。
局限与用途
CEV 过于简单，无法拟合真实的微笑。但它是理解价格依赖型波动率如何运作的正确思维模型，并且它出现在每一次 SABR 校准之中。
CEV 无法做到的：
无曲率。 真实的微笑同时具有倾斜和曲率——Put 翼陡峭，Call 翼抬升。CEV 产生单调的倾斜但没有 U 形。如果您试图仅用 CEV 拟合真实的加密微笑，您将完全错过两翼。
无期限结构动态。 CEV 没有均值回归、没有波动率聚集、没有机制切换。局部波动率函数是静态的。短期和长期微笑具有相同的形状，这与观测到的期限结构行为相矛盾。
在零点被吸收。 对于 β < 1, 该过程可能触及零并被吸收。这对定价而言是一个技术难题，需要特殊的边界条件。
CEV 擅长的：
讲解杠杆效应。 如果您想用一个模型来解释为什么现货下跌时波动率上升，CEV 就是它。一个参数、一个机制、清晰的直觉。
SABR 骨架选择。 在校准 SABR 时，您首先选择 β 。单独理解 CEV 的作用可以告诉您，哪些部分归因于骨架（backbone），哪些归因于随机叠加层。
快速偏斜近似。 CEV 隐含波动率展开为您提供了 β 与偏斜陡峭程度之间的解析关系。如果有人向您报出一个偏斜数值，您可以在脑中反推出隐含的 β 。
正态与对数正态之争。 在利率市场中，正态（β = 0）与对数正态（β = 1）报价惯例之间的选择是一个热门争论。CEV 使其成为一个连续的谱系，而非二选一。
CEV 表明：随机冲击的大小取决于价格水平，而 β 控制其方式。其他一切——偏斜、杠杆效应、SABR 骨架——都由这一单一理念衍生而来。