从零开始学 ZABR
1/5带灵活骨架的 SABR
SABR 假设远期以与 Fᵝ 成正比的波动率扩散——即幂律。仅这一个指数 β 就控制着整个骨架。ZABR 用一般函数 γ(F) 取代幂律。SABR 结构不变，但骨架可以呈任意形状。
在标准 SABR 中，远期的 SDE 为：
ZABR 通过将 Fᵝ 替换为任意光滑函数 γ(F) 来对其进行推广：
SABR 只给您一根可弯曲的杆：幂律 Fᵝ。改变 β 可将杆向不同方向弯曲，但形状始终属于同一族。ZABR 允许您在开始弯曲之前换上一根完全不同的杆。杆的形状就是骨架，ZABR 的理念是：选择最适合您市场的形状。
如果设 γ(F) = Fᵝ，即可完全还原 SABR。ZABR 是其严格推广。问题在于：额外的灵活性何时才真正重要？
γ 函数
在 SABR 中，γ(F) = Fᵝ。在 ZABR 中，γ(F) 可以是分段函数、样条或任意光滑正函数。这意味着局部波动率骨架可以带有拐折、平台、拐点——这些形状是任何单一幂律都无法产生的。
骨架函数 γ(F) 告诉模型：在远期的每个水平上，局部波动率对随机波动率冲击的敏感程度如何？某一水平上较高的 γ(F) 意味着价格处于该水平时波动率反应非常强烈。较低的 γ(F) 则意味着该处波动率反应平淡。
SABR 的 Fᵝ: 是单调函数。当 β < 1 时，γ 呈次线性增长——低 F 处的波动率敏感度相对更高。当 β = 1 时，γ 呈线性增长。但它始终是光滑、单调的凹函数。
ZABR 的一般 γ(F)： 可以非单调。可以带有平台（波动率敏感度在低 F 处饱和）。可以带有拐折（在某个价格水平敏感度突变）。可以是分段线性、样条或您选择的任意参数形式。
拖动 β 滑块，比较 SABR 的幂律骨架与两种 ZABR 备选骨架。“平台”骨架在低 F 处趋平——它表示当远期非常低时波动率敏感度饱和，从而避免了低 β 的 SABR 在零附近产生的爆炸。“S 形”骨架将波动率敏感度集中在当前远期附近的区间内，这是关于市场行为的另一种结构性假设。
上方设计器允许您拖动控制点创建任意骨架形状，并查看由此产生的微笑曲线。骨架形状与微笑形状之间的联系是直接的：在 γ(F) 陡峭的地方，微笑曲率更大；在 γ(F) 平缓的地方，微笑更平滑。
为什么要推广骨架？
有些市场的微笑是 SABR 的 Fᵝ 无法匹配的。当骨架本身就是错的，无论如何调参都无法完全挽救拟合。ZABR 让骨架能够自适应。
利率接近零。 当利率接近零或为负时，SABR 骨架会带来问题。当 β 较低时，Fᵝ 项会在低 F 处产生极端波动率，形成不切实际的微笑。当 β 较高时，模型完全无法处理负利率。采用诸如 γ(F) = (F + d)ᵝ（平移幂律）或 tanh 函数骨架的 ZABR 能够优雅地处理这一问题。
信用利差。 CDS 期权的微笑往往具有 SABR 在左翼系统性错失的形状。低水平（接近违约）的利差动态与高水平时的行为不同。分段骨架可以捕捉这种转变。
机制转换期间的股票波动率。 大幅抛售之后，微笑可能出现 SABR 的光滑幂律无法再现的特征（拐折、特定行权价区间的额外陡峭度）。带样条骨架的 ZABR 可以捕捉这些暂时性特征。
在上方两个预设之间切换。在“正常市场”情形中，SABR 与 ZABR 产生几乎相同的微笑——不需要 ZABR 的额外灵活性。在“左翼拐折”情形中，SABR 系统性地错失该拐折，而 ZABR 的骨架可以自适应地匹配它。
结论：只有当存在系统性的骨架失配时，ZABR 才有价值。如果 SABR 拟合良好，就没有理由增加自定义骨架的复杂性。模型选择的标准是经验性的：SABR 最佳拟合与市场之间的残差是否呈现出可以通过更换骨架来修正的模式？
渐近展开
ZABR 使用与 SABR 相同的 Hagan 式渐近展开，只是用 γ(F) 替换 Fᵝ。公式结构完全相同；变化的只有骨架函数。
Hagan-Woodward SABR 公式 (2002) 是隐含波动率按波动率的波动率 ν 与到期期限 T 的幂次进行的渐近展开。其关键构件是通过一个涉及骨架的积分，将远期水平映射到“正态波动率”空间：
Hagan 公式的其余部分——z 到 x 的映射、修正项——在结构上完全相同。您将每一处 Fᵝ 替换为 γ(F)，并将每一处骨架积分替换为其数值结果。展开在相同阶数上仍然有效。
为什么重要： 渐近展开速度快。对每个 (K, T) 组合，您（数值）计算一个积分，代入同样的 Hagan 式公式，即可得到隐含波动率。无需 PDE，无需蒙特卡洛。这正是 ZABR 实用的原因：它兼具渐近公式的速度与自定义骨架的灵活性。
精度局限： Hagan 展开在 T 上仅为一阶。对于长期期权，可能不够精确。这与 SABR 本身的局限相同——该展开适用于中短期到期日。对于长期到期日，无论使用 SABR 还是 ZABR，都需要 PDE 求解器或蒙特卡洛。
替代方案：PDE 方法。 除渐近展开外，您也可以直接求解 ZABR 定价 PDE。这更精确但更慢。一些实现将渐近展开作为初始猜测，再用 PDE 修正进行细化。
ZABR 实践
ZABR 是一种专用工具。利率交易台在负利率环境下使用它，奇异期权交易台在骨架失配导致对冲误差时使用它。它不如平移 SABR 常见——后者更简单，且通常已经足够好。
利率市场： 主要用户群体。当 EUR 和 JPY 利率转为负值时，交易台需要能处理 F < 0 的模型。平移 SABR（其 γ(F) = (F + d)ᵝ）是快速修复方案。带自定义骨架的完整 ZABR 则是需要更精确翼部拟合的交易台的高端方案。
奇异期权定价： 路径依赖产品（CMS 上限、区间累息）对骨架形状很敏感，因为其到期收益取决于远期如何穿越不同价位。骨架错误意味着动态错误，即使香草微笑拟合良好，奇异期权的价格也是错的。ZABR 通过让骨架匹配经验动态来解决这一问题。
校准： 将 γ(F) 拟合到市场数据比只拟合 β 更难。使用 SABR 时，您对四个参数进行优化。使用 ZABR 时，您需要优化 γ 的参数（可能是带许多节点的样条），外加 α, ν, 和 ρ。这是一个更高维的问题，需要更多数据和更谨慎的正则化。
何时不该使用 ZABR：
1. 当 SABR 拟合良好时。没有额外价值的额外复杂性只是额外风险。如果 SABR 残差很小且无结构，就保持简单。
2. 当数据不足以约束骨架时。灵活的 γ 加上稀疏数据会导致过拟合。您需要微笑上有足够多流动性良好的行权价，才能支撑额外的自由度。
3. 用于加密货币波动率曲面时。加密货币交易台通常使用 SVI/SSVI 进行静态拟合，并不需要 ZABR 提供的动态骨架机制。这些微笑形状更适合用直接参数化处理，而非通过修改随机波动率骨架。
Black-Scholes（γ = F，无随机波动率）→ SABR（γ = Fᵝ，随机波动率）→ ZABR（γ = 一般函数，随机波动率）。每一步都增加灵活性与复杂性。请使用能拟合您的市场并支持您对冲需求的最简单模型。