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

SSVI (Surface SVI)

从零开始学习 SSVI交互式课程 · 需具备 SVI 基础知识
信息

SSVI 是 SVI 的曲面级扩展。如果您不熟悉单切片模型,请先从那里开始。有关完整的曲面构建流程,请参阅如何构建曲面

SSVI(Surface SVI) 将 SVI 微笑模型从单个到期日切片扩展到整个波动率曲面。其关键优势在于:日历套利无关性由构造本身保证。您永远无需先独立拟合各切片,再事后修正跨到期日的不一致。

SSVI 解决的问题

使用单切片 SVI 时,您需要独立拟合每个到期日。每个切片内部可能是一致的(无蝶式套利),但切片之间可能相互矛盾。具体而言,某个给定行权价的总方差可能从一个到期日到下一个到期日递减,从而产生日历套利。

事后修正(事后调整)非常脆弱:您微调一个切片,这会改变拟合结果,进而可能在别处产生新的违规。SSVI 通过对曲面进行联合建模,完全避免了这一问题。

工作原理

SSVI 将总方差描述为对数价值状态 kk 和 ATM 总方差 θt\theta_t 的函数:

核心思想:SSVI 不是为每个切片拟合 5 个参数(5 个到期日共 25 个参数),而是用少量全局参数加上 ATM 总方差曲线 θt\theta_t 来参数化整个曲面。

各部分的作用

θt\theta_t(ATM 总方差曲线):这是期限结构的主干。它必须随 tt 递增(一个基本的无套利要求)。您可以直接从 ATM 期权价格中观察到它。

ρ\rho(偏斜):一个控制微笑倾斜度的单一参数。在所有期限之间共享。这是一种简化:在现实中,偏斜可以随期限变化,但 SSVI 用这种灵活性换取了日历无套利保证。

φ(θt)\varphi(\theta_t)(微笑陡峭度函数):控制每个期限的微笑宽度。随着 θt\theta_t 增大(期限变长),微笑通常会变平。φ\varphi 编码了这种衰减。

φ\varphi 的常见选择

"幂律"形式是标准选择:

权衡取舍

SSVI 的自由度比单切片 SVI 少。这既是它的优势,也是它的局限。

单切片 SVISSVI
参数每个到期日 5 个(5 个切片共 25 个)3 个全局参数 + ATM 曲线
日历套利必须在拟合后检查并修正由构造本身保证无套利
每切片拟合质量出色(每切片 5 个自由参数)良好但受约束
偏斜变化可因到期日而异所有到期日共用单一 ρ\rho
使用时机单切片分析、稀疏数据完整曲面、生产环境定价

最大的约束在于:SSVI 对所有期限使用单一的 ρ\rho。在实践中,近月偏斜通常比远月偏斜更陡峭。SSVI 通过 φ\varphi(控制不同期限的翼部陡峭度)部分处理了这一点,但无法捕捉单切片 SVI 所能捕捉的全部变化。

对于大多数加密货币和标的资产的应用而言,这种权衡是值得的。日历无套利保证消除了一整类曲面缺陷。

微笑随时间变平时

期限结构

Backwardation: 近期IV > 远期。信号事件风险已定价。

74%67%60%52%45%7d69%14d68%30d67%60d63%90d60%180d50%距到期时间

在形状间切换查看期限结构如何变化。现货溢价通常预示即将到来的事件。

SSVI 自然地捕捉到了这样一个观察结果:远月微笑比近月微笑更平坦。φ(θt)\varphi(\theta_t) 函数随 θt\theta_t 增大而衰减,这意味着微笑宽度随期限增加而减小。这与市场行为相符:近期的二元事件会产生陡峭的微笑,但远期微笑会对众多可能的情景进行平均,从而趋于平坦。

拟合 SSVI

  1. 从市场数据中提取 ATM 方差曲线 θt\theta_t。这就是每个到期日的 ATM IV 平方后再乘以时间。
  2. 拟合 ρ\rhoη\etaγ\gamma,方法是同时最小化 SSVI 与所有行权价和到期日上观察到的 IV 之间的加权误差。
  3. 在优化过程中强制约束η(1+ρ)<2\eta(1 + |\rho|) < 2γ[0,1]\gamma \in [0, 1]θt\theta_t 递增。

该优化速度快(仅 3 个参数)且稳健。无需事后进行日历修正。

SSVI 与单切片 SVI 对比

使用单切片 SVI 的时机:

  • 您一次只关心一个到期日
  • 您需要每个切片的最高拟合质量
  • 您的数据稀疏(到期日很少)并希望保持灵活性
  • 您愿意手动处理日历套利检查

使用 SSVI 的时机:

  • 您需要完整曲面用于生产环境定价
  • 日历套利无关性不可妥协
  • 您想要一种紧凑的表示(3 个参数 + ATM 曲线)
  • 您需要同时对多个到期日进行定价

开源实现

代码库值得研究的原因
SVI-Vol-SurfaceSSVI 曲面拟合
QuantLib实验模块中的 SSVI

另请参阅: