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

Rough Bergomi 模型

Rough Bergomi 解释了一个困扰交易者多年的问题：为什么短期到期的微笑曲线如此陡峭？答案在于真实市场中的波动率路径远比经典模型假设的更加崎岖。当您测量 BTC、ETH 或标普 500 实际已实现波动率的"粗糙度"时，会发现它比 Heston 或 SABR 能够产生的任何结果都要粗糙得多。

该模型不用于实时曲面拟合——它太慢了。它的价值在于理论层面：它告诉您波动率曲面为什么呈现出现在的形态，并在对短期加密货币期权拟合 SVI 等实用模型时为您提供正确的直觉。它所解释的隐含波动率模式在每一个流动性充足的期权市场中都清晰可见。

💡
粗糙度洞察

在股票、外汇和加密货币市场中的测量结果显示，波动率路径远比标准模型假设的更加崎岖。这种粗糙度自然地产生了市场中观察到的陡峭短期偏斜——无需跳跃过程或极端参数。

交互演示：粗糙度与偏斜​

使用下方滑块查看粗糙度参数 (H) 的两种效应。左侧面板展示较低的 H 如何产生更崎岖、更不规则的路径。右侧面板展示这种粗糙度如何转化为更陡峭的短期偏斜。

粗糙路径探索器

H(赫斯特指数)0.10
更粗糙(路径更锯齿状、偏斜更陡)更平滑(标准布朗运动)
路径粗糙度
H=0.1(粗糙)H=0.3H=0.5(布朗运动)H=0.10 (滑块)时间步路径值
ATM 偏斜 vs 到期期限(log-log)
1d7d30d90d1y距到期时间|ATM 偏斜|T^(-0.5) 经典T^(-0.4) H=0.1T^(-0.4) H=0.10

拖动滑块以更改 H。H 越低,路径越锯齿状(左图),短期偏斜越陡峭(右图)。当 H=0.5 时,路径为标准布朗运动,偏斜遵循经典的 T^(-0.5) 衰减。

"粗糙"意味着什么​

像 Heston 这样的经典模型赋予波动率平滑、缓慢蜿蜒的路径——像一条河流。Rough Bergomi 赋予波动率崎岖、如海岸线般的路径。这不是建模上的选择——而是当您以高频测量真实波动率路径时数据所展示的结果。

粗糙度由一个数字控制：Hurst 参数 H。H 越低 = 路径越粗糙 = 短期偏斜越陡峭。

H 值
路径特征
对偏斜的意义
0.1（实际观测值）
极度粗糙、尖峰频现、如海岸线一般
非常陡峭的短期偏斜。与 BTC/ETH 市场吻合。
0.3
中等粗糙，抖动明显
中等程度的短期偏斜。比经典模型更陡，但低于实际观测值。
0.5（经典模型）
标准布朗运动——看起来平滑
经典偏斜。在极短期过于陡峭，在中期又不够陡峭。
💡
H 接近 0.1 是事实，不是选择

无论测量标普 500、个股、BTC 还是 ETH，研究人员发现 H 都接近 0.1。数据本身表明波动率路径是粗糙的。该模型建立在数据展示的事实之上。

ATM 偏斜幂律​

粗糙度参数 H 控制着 ATM 偏斜从短期到长期到期日的衰减方式。当 H 接近 0.1 时，短期偏斜陡峭，并随着期限拉长而趋于平缓。这一个参数就解释了从 1 天到 1 年的整个偏斜期限结构——在加密货币和股票市场中均是如此。

经典模型（Heston、SABR）在这方面存在系统性错误：它们高估 1 天期的偏斜，低估 30 天期的偏斜。H 接近 0.1 的 Rough Bergomi 恰好精准命中。Black-Scholes 框架则完全无法捕捉这种幂律行为。

💡
陡峭短期偏斜的解释

Rough Bergomi 解释了短期偏斜为何如此陡峭。它是一种理论洞察，而非生产环境的工具。

参数​

三个自由参数，外加来自市场数据的远期方差曲线。

参数
典型值
作用
H (Hurst)
0.07 - 0.12
波动率路径的粗糙度。越低 = 越粗糙 = 短期偏斜越陡峭
eta（波动率的波动率）
1.5 - 3.0
波动率的波动幅度。控制微笑宽度和蝶式水平
rho（相关性）
-0.7 至 -0.9
现货与波动率的相关性。负值 = 看跌偏斜（标准情形）

优势与局限​

优势
对您的意义
匹配观测到的偏斜尺度规律
单一参数 (H) 就能解释偏斜从短期到长期的衰减方式。对加密货币和股票市场均适用。
解释陡峭的短期微笑
经典模型需要极端参数或额外的跳跃过程。Rough Bergomi 自然地产生陡峭的短期偏斜。
有实证依据
H 接近 0.1 是从真实数据中测量得出的，而非为方便而选定的。
局限
对您的意义
没有定价公式
每个价格都需要蒙特卡洛模拟。比 SABR 或 SVI 慢几个数量级。
路径依赖（记忆自身历史）
无法为期权价格写出 PDE。没有简单的数值求解器。Delta 和 Vega 等希腊字母必须通过模拟计算。
拟合需要数分钟到数小时
每一组候选参数都需要一次完整的蒙特卡洛运行。相比之下 SVI 只需毫秒级。
不适合实时使用
生产环境的波动率曲面需要毫秒级更新。Rough Bergomi 太慢。

与经典模型的比较​

属性
Rough Bergomi
Heston
SABR
偏斜尺度规律
正确（基于 H 的幂律）
错误（短期过于陡峭）
错误（同样的问题）
定价速度
仅蒙特卡洛（慢）
半解析（快）
公式（最快）
拟合速度
数分钟到数小时
数秒
毫秒级
短期微笑
优秀
不加跳跃则较差
中等
最适用场景
理论洞察、偏斜研究
股票奇异期权、结构化产品
利率、外汇、加密货币微笑拟合

对加密货币的意义​

ℹ️
一种视角，而非生产工具

Rough Bergomi 就像 Black-Scholes 一样——不是您在生产环境中运行的模型，而是为您提供正确语言和直觉的框架。

它解释了加密货币微笑曲线为何呈现现在的形态。 BTC 和 ETH 的波动率曲面具有陡峭的短期偏斜。Rough Bergomi 指出：这种陡峭性是粗糙波动率路径的自然结果，而这正是数据所展示的。

它为 SVI 拟合提供了正确的先验。 如果您正在对稀疏的短期数据拟合 SVI，粗糙波动率告诉您偏斜应当是陡峭的。幂律为偏斜在不同到期日间的演变方式给出了定量预期。这在数据稀少时非常有用。在每个行权价上，预期的隐含波动率都源自标的方差过程的粗糙度。

它勾勒出研究前沿。 粗糙波动率模型的深度学习拟合、混合粗糙-局部波动率模型以及 rough Heston 变体，未来可能足够快以用于实时场景。现在理解这一框架，意味着当这些工具出现时您能够识别它们。Delta 对冲和 Vega 敞口等概念保持不变，但在粗糙动态下其计算变得困难得多。挑战在于在拼接模拟切片时计算这些希腊字母而不产生日历套利违规——OTM 翼部对此尤为敏感。

公式探索器​

在隐含波动率、总方差、对数价值状态和期权价格之间进行转换。

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。

自我检测​

继续学习前先测试你的理解。

Q: 为什么 Rough Bergomi 无需极端参数就能产生比 Heston 或 SABR 更陡峭的短期偏斜？
Q: 如果 Rough Bergomi 在理论上更优越，为什么不用于实时波动率曲面拟合？
Q: 一位交易者注意到 BTC 1 天期的隐含波动率偏斜比 30 天期陡峭得多。粗糙波动率如何解释这一现象？
Q: 在对稀疏的短期加密货币数据拟合 SVI 时，粗糙波动率的洞察能提供什么帮助？

💡 提示： 先尝试自己回答每个问题，再查看答案。

建立数学直觉​

从零开始学习 Rough Bergomi互动课程 · 无需任何基础

本课程从粗糙波动率的核心洞察出发，接着讲解 Hurst 参数、方差过程，以及粗糙度为何自然地使微笑曲线的短端变得更陡峭。

另请参阅：

最后更新 于