从零开始学 Vanna-Volga
1/5三个流动性良好的期权决定一切定价
Vanna-Volga 仅用三个市场报价即可构建整条微笑曲线：25Δ 看跌期权、ATM 跨式组合和 25Δ 看涨期权。这就是全部输入，其余一切均由此推导。
在外汇市场中，做市商并不按行权价报出期权价格，而是报三个数字：
ATM vol (σATM). 平值 (ATM) 跨式组合的波动率。它决定微笑曲线的整体水平。
25Δ risk reversal (RR). 25-delta 看涨期权波动率与 25-delta 看跌期权波动率之差。它捕捉偏斜——微笑曲线倾斜的程度。
25Δ butterfly (BF). 25-delta 看跌与看涨期权波动率的平均值减去 ATM 波动率。它捕捉曲率——两翼高出 ATM 的程度。
由这三个数字即可还原各自的波动率：
Vanna-Volga 方法以这三个流动性良好的参考点为基础，通过回答一个问题来构建完整的微笑曲线：用这三种工具对冲任意目标期权的微笑风险，成本最低的方式是什么？
把 ATM、RR 和 BF 想象成调音台上的三个旋钮。ATM 是总音量，RR 是左右平衡控制，BF 是响度增强（两侧同时）。三个旋钮，一条微笑曲线。
什么是 Vanna 和 Volga？
Vanna 和 Volga 是 Black-Scholes 假装不存在的两个二阶希腊字母。它们衡量对微笑风险的敏感度——现货与波动率之间的交叉效应（Vanna）以及对波动率的凸性（Volga）。
Vanna = ∂²V / ∂S∂σ. 这是 Delta 对波动率变化的敏感度，或者等价地说，是 Vega 对现货变化的敏感度。波动率变动时，Delta 会移动；现货变动时，Vega 会移动。这两种效应都是 Vanna。
Vanna 在 ATM 附近最大，并且围绕远期价格呈反对称 分布。对于看跌期权（左翼），Vanna 为正：当波动率上升时，看跌期权的 Delta 变得更负（在概率意义上更加实值）。对于看涨期权（右翼），Vanna 为负。
Volga = ∂²V / ∂σ². 这就是波动率的 Gamma——期权价格对波动率的凸性。Volga 为正的期权在波动率向任一方向变动时都会受益。
Volga 在两翼最大，且围绕远期价格呈 对称分布。深度虚值 (OTM) 的看跌和看涨期权都具有较大的正 Volga。ATM 期权的 Volga 接近零。
上图展示了两条随行权价变化的曲线。Black-Scholes 假设微笑曲线平坦，因此将 Vanna 和 Volga 敞口定价为零成本。但在存在微笑的真实市场中，持有 Vanna 和 Volga 敞口并非免费——它有成本，而这个成本正是 Vanna-Volga 所计算的微笑调整。
Delta 和 Gamma 是 Black-Scholes 已经处理的一阶效应。Vega 是 BS 同样能处理的一阶波动率敏感度（尽管模型假设波动率恒定，它仍然有 Vega）。而二阶波动率效应——Delta 随波动率的变化（Vanna）和 Vega 随波动率的变化（Volga）——正是微笑曲线所刻画的内容。微笑曲线不过是市场对 Vanna 和 Volga 风险的定价。
复制论证
核心思想在此：用三个流动性良好的基准期权构建一个组合，使其匹配目标期权的 Vanna 和 Volga。这个对冲组合超出其 Black-Scholes 价值的成本，就是微笑修正。
从任意行权价 K 的目标期权开始。用 Black-Scholes（采用 ATM 波动率）计算其 Vanna 和 Volga。接下来在三个基准期权上求权重（x₁, x₂, x₃），使得：
求得权重后，VV 价格为：
在上方组件中拖动目标行权价，观察复制权重如何变化：
目标接近 25Δ 看跌期权： 几乎所有权重都落在看跌期权基准上。ATM 和看涨期权基准贡献甚微。
目标接近 ATM： ATM 基准占主导。修正很小，因为 BS 在 ATM 处几乎正确。
目标位于基准之间： 权重平滑插值。任何中间行权价的微笑值都是三个参考点的加权组合。
公式
当您显式求解复制权重时，VV 修正清晰地分解为两项：产生偏斜的 Vanna 修正和产生曲率的 Volga 修正。
Volga 项： 与蝶式成正比。对称——对两翼同等加价。
这种分解正是该方法被称为 Vanna-Volga 的原因。整个微笑修正由两种效应解释：
Vanna 修正围绕 ATM 呈反对称。它由风险逆转报价驱动。当市场报出较大的负 RR（看跌期权比看涨期权更贵）时，Vanna 修正使微笑曲线向左倾斜。对于深度虚值 (OTM) 看跌期权，修正最大且为正（增加权利金）；对于深度虚值 (OTM) 看涨期权，修正为负（减少权利金）。
Volga 修正围绕 ATM 呈对称。它由蝶式报价驱动。当市场报出较大的 BF 时，Volga 修正抬升两翼。ATM 不受影响（那里的 Volga 接近零）。越深入两翼，修正越大。
上方堆叠柱状图展示了各行权价上的两种修正。请注意：
图中蓝色柱（Vanna）左侧为负、右侧为正——这是偏斜分量。
而橙色柱（Volga）在两翼处处为正——这是曲率分量。
而绿色线是总修正。在看跌一侧，Vanna 与 Volga 相互加强（都增加权利金）；在看涨一侧，二者部分抵消（Vanna 减、Volga 加）。这就是看跌翼通常比看涨翼更陡的原因。
外汇交易台钟爱它，股票交易台则不然
Vanna-Volga 是外汇市场中占主导地位的微笑模型，因为外汇市场本身就以 ATM、RR 和 BF 报价。该模型的输入正是市场的母语。而在股票和加密货币市场，市场直接按行权价报价，VV 的三点假设过于僵化。
外汇为何喜欢它： 银行间外汇期权市场的报价惯例已经标准化，可直接映射到 Vanna-Volga 的输入。做市商看到 ATM = 8.2、RR = -1.3、BF = 0.4，立即得到 VV 所需的三个波动率。无需校准步骤，无需优化器，只需代数运算。
对于标准 Delta 上的外汇普通期权，VV 快速、准确且无套利。对于第一代奇异期权（一触即付、双重不触碰），VV 给出的快捷粗略价格与完整模型的结果惊人地接近。
股票/加密货币为何不用： 场内股票和加密货币期权提供覆盖众多行权价与到期日的完整价格网格。您拥有的数据点远不止三个。用三参数模型去拟合三十个行权价会丢弃信息。
更糟的是，VV 微笑曲线的灵活性不足以匹配股票和加密货币市场中实际观察到的形态。陡峭的短期偏斜、随到期日变化的两翼凸性、蝶式的期限结构——这些都无法用三个数字刻画。
即使在不将 VV 用于生产定价的交易台上，它作为思维模型也很有价值。“这个期权比 BS 价格更贵，是因为 Vanna 和 Volga”——这是对微笑曲线为何存在的完整解释。将其分解为偏斜（Vanna）和曲率（Volga），有助于交易员推理任何期权价格的驱动因素——即使实际定价使用的是更复杂的模型。
扩展： 基础 VV 方法使用 25-delta 基准。一些交易台将其扩展为五个点（加入 10-delta 看跌与看涨期权）以更好地捕捉两翼行为。另一些则使用包含更高阶希腊字母的“二阶 VV”。但到那一步，您已经在构建更复杂的模型，不如直接使用 SVI。
在加密货币中： VV 框架偶尔被用于快速心算——“给定市场 RR 和 BF，这个虚值 (OTM) 看跌期权应该值多少？”——但它不是生产模型。加密货币波动率曲面过于嘈杂且过于陡峭，不适合三点插值。其价值在于概念层面，而非实际运用。
下一步阅读：
Black-Scholes——VV 所修正的基准模型
希腊字母参考——全面讲解 Vanna、Volga 及其他二阶敏感度
SVI 参数化——适用于股票/加密货币微笑曲线的基于行权价的替代方案
随机局部波动率——生产环境中的奇异期权定价模型