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

SVI 参数化

信息

本页深入介绍 SVI 模型。若想了解它在波动率曲面构建流程中的位置，请参阅曲面是如何构建的。若想与其他方法进行比较，请参阅插值方法。

SVI（Stochastic Volatility Inspired，随机波动率启发） 是加密货币和股票期权市场中拟合波动率微笑的行业标准。它使用 5 个参数来描述单一到期日的微笑形状。其名称源于该函数形式可以从一个简化的随机波动率模型推导得出。

探索参数​

调整下方的各个参数，观察它如何改变微笑曲线。使用预设可在常见配置之间快速切换。

SVI 参数浏览器

股票/加密资产的典型微笑。看跌翼抬升。
109%121%133%102.2%看跌翼看涨翼-0.2-0.1ATM0.10.2对数价值状态 (k)隐含波动率 (%)
a（水平）0.040
整体上移或下移微笑曲线
b（斜率）0.250
决定两翼的陡峭程度
ρ（偏斜）-0.40
负值 = 看跌偏斜，正值 = 看涨偏斜
m（平移）0.00
决定微笑最低点的位置
σ（曲率）0.200
小 = 尖锐的 V 形，大 = 平滑的 U 形
ATM IV
104.6%
看跌翼斜率
0.350
看涨翼斜率
0.150

各参数的作用​

  • a（水平）：将整个微笑曲线上移或下移。aa 越高 = 整体 IV 越高。可以将其视为方差的"基准线"。
  • b（斜率）：控制两翼的陡峭程度。bb 越高 = 两翼越陡 = 虚值 (OTM) 期权越贵。
  • ρ\rho（偏斜）：使微笑曲线倾斜。负 ρ\rho = 看跌偏斜（常见）。正 ρ\rho = 看涨偏斜（罕见）。零 = 对称。
  • m（平移）：将微笑曲线的最低点左右移动。通常接近零（最低点位于平值 (ATM) 附近）。
  • σ\sigma（曲率）：控制微笑曲线底部的圆滑程度。σ\sigma 小 = 尖锐的 V 形。σ\sigma 大 = 平滑的 U 形。

两翼行为​

当远离平值 (ATM) 时，微笑曲线趋近于直线。斜率分别为：

  • 看跌翼（左侧）：斜率 = b(1−ρ)b(1 - \rho)
  • 看涨翼（右侧）：斜率 = b(1+ρ)b(1 + \rho)

在典型的看跌偏斜（ρ<0\rho < 0）下，看跌翼比看涨翼更陡。这种有界的线性两翼行为是 SVI 的关键优势之一：它永远不会外推出荒谬的数值。

拟合市场数据​

给定不同行权价上观测到的一组 IV 值（针对单一到期日），SVI 会找出能最佳还原这些数据的 5 个参数。

流程如下：

  1. 收集目标到期日的所有 IV 观测值（通常为 5-15 个数据点）。
  2. 将每个观测值转换为总方差：观测 IV 的平方乘以剩余到期时间。
  3. 运行加权最小二乘优化器，寻找使 SVI 曲线与观测值之间差距最小化的参数。
  4. 按置信度加权：平值 (ATM) 期权权重更高（流动性更好），买价/卖价价差窄的权重更高（更可靠），深度虚值 (OTM) 的权重更低。
  5. 在优化过程中强制执行无套利约束（见下文）。

速度： 单个到期日的拟合耗时不到 10 毫秒。整个曲面（所有到期日）可随报价更新实时重建。

无套利约束​

SVI 可以通过约束来防止套利。这些约束是关于参数的简单不等式。

蝶式约束（无负局部方差）：

微笑曲线必须足够凸，使任何蝶式价差组合都不存在无风险套利。这要求：

b(1+∣ρ∣)≤4Tb(1 + |\rho|) \leq \frac{4}{T}

最低点处方差非负：

微笑曲线的最低点必须高于零：

a+bσ1−ρ2≥0a + b\sigma\sqrt{1 - \rho^2} \geq 0

日历约束（跨到期日）：

总方差必须在每个行权价处随到期期限递增。具体做法是在相邻到期日切片之间对所有 kk 检查 w1(k)≤w2(k)w_1(k) \leq w_2(k)。

变体​

SVI 有两个重要变体，各自都有专门的页面：

ORC Wing（Jump-Wing） 使用交易员友好的量对 SVI 进行重新参数化：平值 (ATM) 方差、平值 (ATM) 偏斜、看跌翼斜率、看涨翼斜率以及最小方差。同样的微笑曲线，不同的调节旋钮。适合手动编辑微笑曲线。

SSVI（Surface SVI） 将 SVI 扩展到整个曲面，从构造上保证无日历套利。SSVI 不再对每个到期日独立拟合，而是通过一个共享的偏斜参数和一个微笑陡度函数将它们关联起来。自由度更少，但无需跨到期日的修正。

方程探索器​

SVI 在总方差和对数价值状态空间中工作。使用下方工具在 IV、总方差和行权价表示之间进行转换。

公式探索器

k = ln(K / F)对数价值状态 = ln(行权价 / 远期价)
$
期权的行权价
$
远期价格（短期时 ≈ 现货价）
对数价值状态 (k)
-0.0513
价值状态 (K/F)
0.9500
类型
-5.0% 虚值 Put
对数价值状态是 SVI 和大多数参数化模型使用的 x 轴。k = 0 为平值 (ATM)。k 为负 = 虚值看跌一侧。k 为正 = 虚值看涨一侧。

为什么选择 SVI？​

  • 5 个参数足以拟合几乎所有观测到的微笑曲线。参数比样条方法少，又比 3 参数模型更灵活。
  • 有界的两翼防止外推失控。SVI 最坏的情况也只是外推到一个有限的斜率。
  • 简单的约束即可保证无蝶式套利。只需两个不等式。
  • 拟合速度快，曲面能够随市场变化实时更新。
  • 是加密货币市场（Deribit、Hypercall）和大多数股票波动率交易台的行业标准。

建立数学直觉​

从零开始学习 SVI互动课程 · 5 个章节 · 无需基础

上方的交互式课程从第一性原理讲解 SVI：SVI 参数化的对象及原因、5 个参数各自的独立作用、方差与波动率的转换、无套利约束，以及针对市场数据的动手校准实践。

开源实现​

代码库值得研究的原因
SVI-Vol-Surface带可视化的 Python SVI 校准
QuantLibC++ 实现的 SVI 参数化

SVI 变体： ORC Wing（Jump-Wing） | SSVI（Surface SVI）

另请参阅： 曲面是如何构建的 | 插值方法 | SABR 模型 | 偏斜 (Skew)

最后更新 于