本页由机器翻译。英文原文为权威版本。 阅读英文版 →
跳转到主要内容

波动率曲面的插值方法

信息

本页是波动率曲面的构建方法的配套页面。建议先阅读该页，了解插值为何重要。

波动率曲面存在空缺，插值负责填补这些空缺。插值方法的选择决定了最终曲面是否平滑、无套利且稳定。本页对比几种主流方法。

插值方法比较

45%55%65%75%隐含波动率80%90%100%110%120%行权价（现货%）线性三次样条SVI
白点 是唯一的真实市场报价。中间的一切都是估算的。点击每种方法查看其优缺点。

会出什么问题​

在深入介绍每种方法之前，先亲自看看这些问题。同样的 7 个市场观测点，三种不同的插值方法。请注意曲线两翼和数据点处的表现。

问题所在：插值失败案例

同样的 7 个市场观测值，三种不同的插值方法。请注意两翼会发生什么。

平滑的多项式曲线。在两翼可能出现振荡和过冲。
40%50%60%70%80%外推外推过冲-0.3-0.2-0.1ATM0.10.20.3对数价值状态 (k)隐含波动率 (%)

白点是仅有的真实观测值。点击“全部对比”可叠加显示三种方法。请注意样条在左翼出现过冲，而 SVI 始终保持有界。

非参数方法​

这些方法直接拟合穿过数据点的曲线，不假设任何函数形式。它们快速且简单，但不提供任何结构性保证。

线性插值​

在相邻数据点之间画直线。

优点：

  • 实现极其简单
  • 无需拟合或优化
  • 确定性：相同输入总是产生相同输出

缺点：

  • 在每个数据点处产生尖角。这些尖角导致一阶导数不连续，意味着希腊字母（尤其是 Gamma）会在观测到的行权价处发生突变。
  • 无法防止蝶式套利。两点之间的直线可能低于凸性微笑曲线应有的位置。
  • 外推纯属猜测（只是延伸最后一段的斜率）。

适用场景： 快速估算、合理性检查、调试。不适用于生产环境定价。

三次样条插值​

在数据点之间拟合分段三次多项式，并约束各连接点处的一阶和二阶导数相匹配。结果是一条 C2C^2 平滑曲线（曲率连续）。

这个名字来源于实体制图样条：制图员将柔性木条弯曲穿过固定销钉来绘制平滑曲线。

优点：

  • 平滑曲线穿过所有数据点
  • 无需参数估计（样条由数据和边界条件确定）
  • 计算快速

缺点：

  • 龙格现象（Runge's phenomenon）：在插值区间的边缘，多项式可能剧烈超调。对波动率曲面而言，这意味着两翼的 IV 会飙升甚至变为负数。
  • 振荡：在数据点之间，三次曲线可能高于或低于良好微笑曲线应有的位置，产生凹陷（蝶式套利）。
  • 对异常值敏感：一个坏数据点（过时报价、乌龙指）会扭曲整条曲线，因为平滑性约束会传播这个误差。
  • 无法控制外推行为。

适用场景： 可视化、学术研究，或作为参数化拟合前的初始猜测。不适用于生产环境的定价或风险管理。

参数化方法​

这些方法为微笑曲线假设一个函数形式，然后将其参数拟合到数据上。它们用精确插值换取结构可控性。

SVI（Stochastic Volatility Inspired）​

加密货币和股权类波动率曲面的行业标准。每个到期日切片有五个参数。

w(k)=a+b(ρ(k−m)+(k−m)2+σ2)w(k) = a + b \left( \rho(k - m) + \sqrt{(k - m)^2 + \sigma^2} \right)

完整参考文档：SVI 参数化

它为何占据主导地位： SVI 是灵活性与简约性之间的最佳平衡点。五个参数几乎可以拟合任何观测到的微笑形状，而简单的不等式约束就能保证无蝶式套利。曲线两翼趋近于线性渐近线，因此外推有界且合理。

SABR（Stochastic Alpha Beta Rho）​

一种随机波动率模型，从波动率演化的假设中推导出微笑曲线。四个参数：α\alpha（波动率水平）、β\beta（CEV 指数）、ρ\rho（现货-波动率相关性）、ν\nu（波动率的波动率）。

完整参考文档：SABR 模型

它为何存在： SABR 捕捉的是微笑曲线的动态，而不仅仅是静态形状。它告诉您当标的资产变动时微笑曲线应如何移动（默认为粘性 Delta）。这使它天然适用于利率互换期权，因为微笑动态对对冲至关重要。

局部波动率（Dupire）​

严格来说不是一种拟合方法。局部波动率从观测到的隐含波动率曲面推导出一个瞬时波动率曲面。它回答的问题是："在每个（现货价格、时间）组合上，瞬时波动率必须是多少，才能精确复现这些期权价格？"

完整参考文档：局部波动率

它为何存在： 局部波动率是唯一能精确匹配所有观测期权价格的无套利模型。它是连接隐含波动率与能够处理路径依赖到期收益的定价引擎之间的桥梁。

SSVI（Surface SVI）​

SVI 的扩展版本，对整个曲面进行联合建模，而不是逐切片拟合。SSVI 从构造上就杜绝了日历套利：在每个行权价上，总方差都保证随到期期限递增。

w(k,θt)=θt2(1+ρ φ(θt) k+(φ(θt) k+ρ)2+(1−ρ2))w(k, \theta_t) = \frac{\theta_t}{2} \left( 1 + \rho \, \varphi(\theta_t) \, k + \sqrt{(\varphi(\theta_t) \, k + \rho)^2 + (1 - \rho^2)} \right)

其中 θt\theta_t 是时间 tt 的 ATM 总方差，φ(θt)\varphi(\theta_t) 控制偏斜如何随到期期限演化。

权衡： 相比逐切片的 SVI，自由参数更少（微笑形状在各到期日之间相互关联），因此单个切片的拟合可能略差。但您永远不需要事后修补日历套利。

对比表​

方法
参数
是否无套利？
外推
速度
最适用于
线性插值
0
否
无界
即时
调试
三次样条
约 12（隐式）
否
振荡
快
可视化
SVI
每切片 5 个
是（带约束）
有界线性
快
加密货币 / 股权类
SABR
4
基本上是
合理
中等
利率 / 互换期权
局部波动率
完整网格
构造性保证
不适用（派生）
慢
奇异期权定价
SSVI
约 6（整个曲面）
是（含日历套利）
有界
快
全曲面一致性

如何选择​

  • 生产环境的加密货币/股权类定价：SVI 或 SSVI。业界已在此达成共识，且理由充分。
  • 利率期权：SABR。它捕捉了对互换期权对冲至关重要的微笑动态。
  • 奇异衍生品定价：局部波动率（或随机-局部波动率混合模型）。您需要完整曲面，而不仅仅是切片。
  • 快速分析或可视化：三次样条没有问题，只要您不据此进行交易。
  • 任何场景都不该用：生产环境中的线性插值。真的。

公式探索器​

所有插值方法都基于总方差和对数价值状态运作。使用此计算器在不同表示形式之间转换。

公式探索器

w = σ2 × Ttotal variance = IV2 × time
%
隐含波动率
天
距到期的日历天数
总方差 (w)
0.022225
年化方差 (σ²)
0.2704
反算 IV
52.00%
总方差是 SVI 等模型拟合的对象。它随时间增长，因此 30 天 50% 波动率的总方差小于 90 天 50% 波动率。

另请参阅：

最后更新 于