从零开始的五次多项式
1/5用多项式拟合波动率微笑
忘掉选择 SDE 或随机波动率模型吧。直接取总方差曲线 w(k)，用对数价值状态的多项式来拟合它。每个切片六个系数。搞定。
这个想法简单得几乎有点冒犯。总方差 w(k) =σ²·T 是对数价值状态 k = ln(K/F) 的函数。直接用多项式拟合即可：
将其与 SVI 对比，后者有五个具有特定几何含义的参数（水平、斜率、曲率、中心、倾斜）。五次多项式有六个不带固有含义的参数——它们只是多项式系数。您在可解释性上失去的，在灵活性上得到了补偿。
每个系数控制微笑形状的不同方面： a₀ 设定 ATM 水平。a₁ 控制线性偏斜。a₂ 控制曲率。更高阶的项处理 SVI 固定形状无法捕捉的非对称性和精细结构。
SVI 是一个成型模具：它只能制造某一族的微笑。五次多项式则是软陶土：您能塑造更多形状，但陶土并不知道微笑应该是什么样子。您需要外部约束（constraints）来防止它做出无意义的形状。
为什么用五次？
5 次是最佳平衡点。三次对真实微笑而言太僵硬。四次有所改善，但仍无法处理 Put 翼与 Call 翼之间的不对称。七次（7 次）会振荡。五次恰到好处。
三次（3 次）： 4 个系数。能捕捉倾斜的微笑，但无法独立刻画每个翼的曲率。如果左翼陡峭而右翼平坦，三次无法在不扭曲中心的情况下同时拟合两者。
四次（4 次）： 5 个系数。更好——它能处理对称曲率——但仍缺少一个足够高阶的奇次幂项来清晰区分两翼。
五次（5 次）： 6 个系数。额外的五次项在合适的价值状态范围内对两翼的不对称提供独立控制。真实微笑是不对称的（在股票和加密市场中 Put 翼比 Call 翼更陡），五次多项式能捕捉这一点而不过拟合。
七次（7 次）及更高： 自由度太多。多项式开始在数据点之间振荡，产生市场数据中并不存在的虚假凸起和摆动。这是经典的偏差-方差权衡：更多的灵活性意味着更大的过拟合风险。
看看上面的对比。逐一点击每个次数。三次错过了两翼。四次接近但僵硬。五次相符。七次开始摆动。这个可视化就是选择 5 次的全部论据。
多项式上的套利约束
这是多项式微笑模型的根本问题：它们在两翼增长得太快。Roger Lee 的矩公式指出，当 |k| 趋于无穷时，总方差最多只能随 |k| 线性增长。而 5 次多项式的增长像 k⁵。这就是问题所在。
Lee 的矩公式（2004）确立了隐含波动率的渐近行为：
上面的图表鲜明地展示了差异。SVI 的两翼是有界的：它们趋近一个线性斜率。五次多项式的两翼则爆炸式增长。在远翼处，多项式报出的隐含波动率意味着负的蝶式价差——即免费的钱。
修正方法： 仅在微笑内部使用五次多项式（比如 |k| < 0.5），并融合到一个翼部模型（线性或类 SVI）中用于外推。这是标准的生产做法：多项式管内部，受控翼部管外推。
或者，您可以在拟合过程中添加显式约束：
1. w(k) ≥ 0 对所有 k（方差必须为正）。
2. w(k) is convex 在内部（无蝶式套利——这就是 Durrleman 条件）。
3. w(k)/|k| ≤ 2 在拟合范围的端点处。
这些约束在系数上都是线性或二次的，因此可以通过求解带约束的最小二乘问题（二次规划）而非无约束最小二乘来施加。
校准只是线性回归
与 SVI 的非线性优化（需要初始化、迭代，且可能陷入局部极小值）不同，拟合多项式是一个线性最小二乘问题。搭建一个矩阵，求解一个线性方程组，搞定。
给定 N 个观测数据点 (kᵢ, wᵢ)，问题是：
拖动上面的数据点。拟合会即时更新，因为它只是一次矩阵求解——没有迭代、没有收敛问题、没有初始化敏感性。将其与 SVI 校准对比，后者的优化器可能需要数十次迭代，且根据起点不同可能找到不同的答案。
添加约束： 如果您加入上一节的套利约束（正性、凸性、翼部界限），问题就从无约束最小二乘变成二次规划（QP）。QP 仍然快速且研究充分——求解器能在毫秒级内处理。关键在于：带约束的五次多项式校准起来仍然比 SVI 快得多。
数值稳定性： 当价值状态范围较宽时，Vandermonde 矩阵可能病态。标准补救措施：(1) 拟合前将 k 缩放到 [-1, 1]，(2) 使用正交多项式（Chebyshev、Legendre）而非原始幂次。这些都是常规的数值分析技术。
五次多项式 vs SVI
两者都不是处处占优。五次多项式拟合更快、在内部更灵活。SVI 有界的两翼和可解释的参数。要知道该在何时选用哪一个。
五次多项式占优的情形：
1. 您需要快速校准（实时曲面每秒数千个切片）。线性求解在速度上无可匹敌。
2. 观测到的微笑具有 SVI 固定形状无法匹配的特征——局部凸起、异常曲率、不对称两翼。五次多项式在内部更灵活。
3. 您在微笑的内部工作（|k| < 0.3），此时翼部行为不重要，而您想对观测数据获得尽可能紧密的拟合。
SVI 占优的情形：
1. 您需要可靠的翼部外推。SVI 在两翼的渐近线性由构造保证是正确的。五次多项式则必须被裁剪或融合。
2. 您想要可解释的参数用于风险管理。SVI 的 a（水平）、b（角度）、 ρ （倾斜）、m（中心）、 σ （翼部平滑）直接映射到可观测的微笑特征。
3. 您在构建跨到期日的曲面。SSVI 将 SVI 扩展到完整曲面并带无套利保证。没有具有相同保证的标准“曲面五次多项式”。
生产中的折中： 许多交易台两者兼用。五次多项式用于快速的内部插值和实时报价。SVI 或 SSVI 用于官方曲面、翼部外推和风险报告。五次多项式处理数据密集的中心；SVI 处理稀疏的两翼。
五次多项式不是市场的模型。它是一个曲线拟合工具。它对动态、对冲、或微笑为何呈现这样的形状只字不提。SVI 同样是一个曲线拟合工具，但具有足够的结构可以扩展成曲面。要获得真正的动态，您需要 SABR、Heston 或随机局部波动率模型。五次多项式处于原始数据与真实模型之间的空间——它是从含噪观测中获得平滑、插值微笑的最快方式。