从零开始学位移扩散
1/5移动原点，得到微笑
Black-Scholes 假设现货价格从当前水平开始按对数正态扩散。位移扩散只改变一件事：移动原点。扩散仍然是对数正态的，但它所在的坐标轴移动了。
SDE 极其简单：
这就是整个模型。在标准 BS 之上多加一个参数 d。扩散系数与 (S + d) 成正比，而不再只与 S 成正比。这一位移打破了对数正态微笑的对称性，从而产生偏斜。
为什么移动原点会产生偏斜？因为位移后变量的百分比波动率是 σ，但 S 本身的百分比波动率随价格水平变化。当 S 较低时，S + d 相对 S 较大，因此按百分比计的有效波动率更高。当 S 较高时，位移 d 的影响减弱，趋近于 BS 情形。
想象您从另一个零点开始测量：不是从 0 开始，而是从 −d 开始。标的资产本身没有变，但量尺变了。参考系的这一改变就足以产生倾斜的微笑。
位移参数
位移 d 是您唯一可调的旋钮。它控制偏斜的方向和幅度。理解它的作用就等于理解整个模型。
d > 0（正位移）： 原点右移。对于给定的 σ，低价位的有效波动率更大（因为 S + d 相对 S 较大），高价位的有效波动率更小。结果：隐含波动率曲线自左向右向下倾斜。这就是负偏斜——与股权和加密货币市场的方向一致。
d < 0（负位移）： 原点左移。此时高价位的波动率按比例更大。结果：正偏斜。这种情况不常见，但可用于建模波动率随价格上升的市场（例如某些大宗商品）。
d = 0： 没有位移。回到 Black-Scholes。平坦微笑。
拖动上方滑块。注意随着 d 增大，微笑逐渐倾斜。位移扩散的微笑没有曲率——两翼近乎线性。这是根本性局限：DD 可以产生倾斜，但无法产生真实市场中的 U 形。
位移扩散 = 平移后的 Black-Scholes
使 DD 如此实用的操作性洞见在于：您不需要新的定价公式。用平移后的输入运行标准 Black-Scholes 即可。把 S 换成 (S + d)，把 K 换成 (K + d)。完成。
其逻辑很直接。定义 S̃ = S + d 。那么 SDE 就变为 dS̃ = σ·S̃·dW ，这只是平移变量的几何布朗运动。标准 BS 适用于 S̃ ，其行权价为 K̃ = K + d.
这就是负利率时代利率交易台迅速采用 DD 的原因。他们不需要新软件，只需给输入加一个位移，就能继续使用整套 Black-Scholes 基础设施。位移通常每天根据 ATM 波动率和另外一个点校准一次。
希腊字母也随之平移。Delta 是平移后期权的 BS Delta。Gamma 是 BS Gamma。Vega 是 BS Vega。唯一的细节是：计算对冲时需要把敏感度换算回原始（未平移的）坐标。
与 CEV 和 SABR 的联系
位移扩散是 CEV 模型的线性化版本。SABR 在 β = 1 并带位移参数时，近似于位移扩散。理解这一联系能让您准确了解 DD 在模型层级中的位置。
CEV（常数弹性方差） 使用 dS = σ·Sᵝ·dW 其中 β 是弹性系数。当 β = 1 时，即为 BS。当 β < 1 时，波动率在低 S 处更高、在高 S 处更低——与 DD 具有相同的定性行为。
两者的联系：S 的一阶泰勒展开ᵝ 在 S = F 附近大约给出 (S + d)，其中特定的 d 取决于 β 和 F。因此 DD 是 CEV 在远期附近的线性化近似。二者在 ATM 附近产生几乎相同的微笑，而在远端翼部出现分歧。
注意两条曲线在 ATM 附近重合，而在两翼分离。DD 产生的微笑对行权价近乎线性。CEV 则因幂律骨架的弯曲而产生曲率。在 ATM 附近几个行权价范围内的多数实际应用中，二者可以互换。
与 SABR 的联系： SABR 模型在 β = 1 时即为对数正态 SABR。给远期加上位移（位移 SABR），就得到作用于位移变量的 SABR(β = 1)。在波动率的波动率为零的极限（ν = 0）下，它恰好退化为位移扩散。因此 DD 是位移 SABR 的退化情形——该族中最简单的成员。
这就是为什么 DD 被称为给 BS 添加偏斜的最简单方法。您获得一个额外参数、一个倾斜方向，并且与现有 BS 基础设施完全兼容。如果需要曲率、翼部形态或随机动态，就要升级到 CEV、SABR 或 Heston。
何时够用
DD 是 Black-Scholes 的单参数扩展。这既是它的优势，也是它的局限。要知道何时使用它、何时该更进一步。
适合使用 DD 的情形：
1. 您需要快速的偏斜调整而不需要完整模型。例如在交易台交流中报一个粗略偏斜、对更复杂模型做合理性检验，或为倾斜比翼部更重要的普通期权组合定价。
2. 您的标的资产可能归零或为负（利率、价差）。即使原始变量穿过零，位移也能使平移后的变量保持为正。这是经典用例——负利率时代的利率交易台就靠位移对数正态模型运作。
3. 您希望完整保留现有 BS 基础设施。无需新的数值方法、蒙特卡洛或傅里叶反演，只需平移输入。
应超越 DD 的情形：
1. 您需要微笑曲率。DD 只能产生近乎线性的偏斜。真实市场的微笑呈 U 形，两翼均有凸性。DD 无法捕捉这一点。
2. 您需要动态的微笑行为。DD 是静态模型——位移是固定的。它无法说明现货变动时微笑如何移动。动态对冲需要 SABR、Heston 或 SLV。
3. 您在为奇异期权定价。路径依赖型期权需要能描述波动率动态而非静态快照的模型。DD 没有波动率动态。
具体到加密货币，DD 过于简单。加密货币的微笑陡峭、弯曲且动态。DD 可以提供粗略的初步倾斜，但任何生产级曲面都会使用 SVI, SABR，或更复杂的模型。
可以把模型层级想象成一架阶梯：Black-Scholes（平坦微笑）→ 位移扩散（倾斜微笑）→ CEV/SABR（带动态的弯曲微笑）→ Heston/SLV（结构丰富的随机波动率）。每一步都增加复杂性，也增加解释力。DD 是 BS 之上的第一级台阶。即使您在生产中从不使用它，也值得了解，因为它告诉您：偏斜本质上是波动率如何随标的资产价格水平变化的问题。