[论文解读] A Review of Volatility and Option Pricing

Sovan Mitra|RePEc: Research Papers in Economics|Apr 8, 2009

Stochastic processes and financial applications参考文献 75被引用 8

一句话总结

本文回顾了波动率建模与期权定价的发展历程，从恒定波动率模型到随机波动率模型，强调了杠杆效应和波动率微笑等经验特征。文章评估了若干关键模型——包括局部波动率、GARCH、SABR 以及混合框架——展示了各模型如何在捕捉市场动态和实现更精确的期权定价方面改进了先前模型的局限性。

ABSTRACT

The literature on volatility modelling and option pricing is a large and diverse area due to its importance and applications. This paper provides a review of the most significant volatility models and option pricing methods, beginning with constant volatility models up to stochastic volatility. We also survey less commonly known models e.g. hybrid models. We explain various volatility types (e.g. realised and implied volatility) and discuss the empirical properties.

研究动机与目标

• 系统回顾金融数学中主要波动率模型及其相关期权定价方法。
• 考察波动率的经验特征，如杠杆效应和波动率聚类，并分析模型如何捕捉这些特征。
• 分析不同建模方法在解析可处理性与经验现实性之间的权衡。
• 探讨较少为人知的模型，包括混合模型与隐含波动率模型，及其与现有框架的整合方式。
• 评估现有模型的局限性，特别是其短期聚焦和缺乏校准指导的问题，并提出改进方向。

提出的方法

• 回顾基础随机微积分，包括伊藤过程和随机微分方程（SDEs），作为资产价格与波动率建模的数学基础。
• 介绍关键波动率类型：历史波动率、已实现波动率、隐含波动率与随机波动率，基于数据频率与市场信息定义并区分其差异。
• 分析恒定波动率模型（如 Black-Scholes）及其因不可观测波动率和无法捕捉市场异常而导致的局限性。
• 研究局部波动率模型（如 Dupire）允许波动率作为股票价格与时间的函数，以解决波动率微笑与偏斜问题。
• 回顾随机波动率模型（如 Heston、SABR），将波动率视为随机过程，通过捕捉波动率聚类与杠杆效应，超越时间依赖模型的局限。
• 讨论离散时间模型，如 GARCH(p,q) 与 ARCH(q)，通过利用过去收益与冲击来建模条件方差动态，并在计量经济学中进行扩展。

实验结果

研究问题

• RQ1 从恒定波动率到随机波动率，不同波动率模型在捕捉波动率微笑与杠杆效应等经验市场特征方面，如何逐步改进？
• RQ2 隐含波动率模型的数学与经验基础是什么？它们与已实现波动率或历史波动率有何不同？
• RQ3 与局部波动率或恒定波动率模型相比，随机波动率模型在多大程度上提升了期权定价的准确性？
• RQ4 SABR 或基于树状结构的混合模型等混合模型如何整合多种波动率特征，并改善对市场观测期权价格的校准？
• RQ5 当前波动率模型的关键局限性是什么，特别是在长期宏观经济因素与校准程序方面？

主要发现

• Heston 与 SABR 等随机波动率模型成功捕捉了金融市场上观察到的波动率聚类与杠杆效应，而恒定波动率与局部波动率模型则未能解决这些问题。
• SABR 模型在随机波动率下提供了期权定价的闭式近似解，因其能够拟合波动率微笑与偏斜，被广泛应用于利率衍生品市场。
• GARCH 类模型为建模时变波动率提供了实用的离散时间替代方案，其扩展形式如 EGARCH 与 APARCH 能够处理收益分布中的非对称性与厚尾特征。
• 混合模型（如结合二叉树与随机波动率或混合模型）通过提升对市场观测期权价格的校准能力，增强了对奇异衍生品定价的灵活性。
• 尽管随机与混合模型在现实性方面有所提升，但通常以牺牲解析可处理性为代价，导致期权定价与校准需依赖数值方法。
• 大多数模型的主要缺陷仍在于其对短期动态的聚焦，忽视了影响波动率的长期宏观经济因素，提示未来模型需加强宏观与金融的整合。