第3章：定价模型与波动率曲面：BSM模型、局部波动率、随机波动率模型在团队中的分工
做期权做市，说白了就是跟波动率打交道。我见过不少团队，模型选得挺高级，但交易员和量化研究员之间互相听不懂，最后亏在沟通上。今天咱们就聊聊，BSM、局部波动率、随机波动率这三个模型，在团队里到底该怎么分工。
3.1 BSM模型：团队的“基准锚”
BSM模型，大家都熟。它假设波动率是常数，这显然不现实。但为什么我们还在用？因为它简单、透明、可复现。
在团队里，BSM模型主要干三件事：
- 定价基准：所有报价的起点。交易员报出一个价格，先看BSM算出来是多少，再根据市场情况调整。
- 希腊值计算：Delta、Gamma、Vega这些风险敞口，BSM给得最干净。我习惯用BSM算Delta，然后做对冲，因为它的解析解稳定，不会像数值方法那样乱跳。
- 波动率报价：市场里大家说的“IV 20%”，指的就是BSM隐含波动率。这是行业通用语言。
核心观点：BSM不是用来“预测”价格的，它是用来“翻译”价格的。把市场报价翻译成波动率，再把波动率翻译成希腊值。
我记得有一次，一个新来的量化研究员想用随机波动率模型直接报Delta，结果交易员一看，说“你这Delta怎么跟市场对不上？” 后来我们统一了：所有希腊值先用BSM算，再用随机波动率模型做修正。这样大家沟通起来就顺畅了。
3.2 局部波动率模型：处理“微笑曲线”的利器
BSM假设波动率是常数，但市场不是这样。你想想看，虚值看跌期权的IV通常比平值高，这就是“波动率微笑”。局部波动率模型（LV）就是用来刻画这个现象的。
局部波动率模型的核心思想：波动率是标的价格和时间的函数，即 σ(S, t)。它通过市场期权价格反推出来，能完美拟合当前的波动率曲面。
在团队里的分工：
- 曲面构建：这是LV模型的主战场。每天开盘前，量化团队会用LV模型把市场报价“翻译”成一个光滑的波动率曲面。这个曲面是所有定价的基础。
- 奇异期权定价：对于障碍期权、亚式期权这些路径依赖产品，LV模型比BSM准得多。因为它能捕捉到不同价格水平上的波动率变化。
- 风险对冲：LV模型给出的Delta和Gamma，比BSM更贴近实际。特别是对于深度虚值期权，BSM的Delta可能严重偏离市场。
避坑指南：我曾经用LV模型给一个雪球产品定价，结果发现它预测的敲出概率跟实际差很多。后来才意识到，LV模型虽然能拟合当前曲面，但它假设未来波动率结构不变。这在实际中是不成立的。
3.3 随机波动率模型：捕捉“波动率的波动”
局部波动率模型有个硬伤：它假设波动率是确定的函数，但实际中波动率本身也在随机变化。比如Heston模型、SABR模型，它们把波动率也当作一个随机过程来建模。
随机波动率模型（SV）的优势：
- 捕捉波动率聚集：市场大跌时波动率会飙升，SV模型能自然描述这个现象。
- 刻画波动率期限结构：不同期限的波动率变化不同，SV模型能处理这种“波动率的波动”。
- 更准确的尾部风险：对于极端行情，SV模型给出的VaR比LV模型更可靠。
在团队里的分工：
- 风险管理：SV模型主要用于计算极端风险敞口。比如，我们团队每天会用Heston模型跑一次压力测试，看看如果波动率突然跳升20%，组合会亏多少。
- 波动率交易：如果你交易的是波动率本身（比如VIX期货、波动率互换），SV模型是必须的。因为它能给出波动率的动态变化路径。
- 模型校准：SV模型的参数校准是个技术活。通常由量化研究员负责，交易员只关心校准后的结果是否合理。
注意：SV模型计算量很大，不适合做高频交易。我们团队只在日终风控和策略回测时用SV模型，盘中定价还是用LV模型。
3.4 三个模型的分工协作
说了这么多，这三个模型到底怎么配合？我画了一张图，你看看就明白了。
你看，这三个模型不是互相替代的关系，而是层层递进。BSM是地基，LV是主体结构，SV是顶层设计。每个模型解决不同层次的问题。
3.5 团队分工实战建议
说了这么多理论，来点实际的。我们团队的分工是这样的：
| 角色 | 负责模型 | 主要工作 | 输出物 |
|---|---|---|---|
| 做市交易员 | BSM + LV | 盘中报价、对冲、风险管理 | 报价单、希腊值报表 |
| 量化研究员 | LV + SV | 模型校准、曲面构建、策略开发 | 波动率曲面、参数文件 |
| 风控经理 | SV | 压力测试、VaR计算、限额管理 | 风险报告、预警信号 |
| IT开发 | 全部 | 系统实现、性能优化、数据接口 | 定价引擎、API接口 |
关键原则：交易员不直接调模型参数，量化研究员不直接下单。各司其职，通过标准化的接口（波动率曲面、希腊值）来协作。
举个例子。有一次市场突然暴跌，波动率曲面瞬间变得很陡。交易员发现BSM算出来的Delta不对，赶紧让量化研究员用LV模型重新构建曲面。量化研究员发现LV模型拟合得也不好，又调用了SV模型做压力测试。最后风控经理根据SV模型的结果，决定降低仓位。整个过程不到10分钟，三个模型各司其职，配合得很默契。
3.6 避坑指南
最后，分享几个我踩过的坑：
- 不要迷信SV模型：SV模型参数多，容易过拟合。我见过一个团队，SV模型校准出来参数很漂亮，但一到实盘就亏钱。后来发现是参数太多，把噪声也拟合进去了。
- LV模型的“波动率陷阱”：LV模型假设未来波动率结构不变，这在市场突变时会出大问题。我建议每周至少做一次LV模型的回测，看看它预测的波动率跟实际差多少。
- BSM不是万能的：对于深度虚值期权，BSM的Delta可能严重偏离市场。这时候要用LV模型做修正。我习惯的做法是：BSM算Delta，LV算Gamma，SV算Vega。
- 沟通比模型重要：再好的模型，如果交易员和量化研究员之间说不清楚，也是白搭。我们团队每周开一次模型讨论会，交易员讲市场感受，量化研究员讲模型逻辑，互相校准。
我的习惯：每天开盘前，我会先看LV模型构建的波动率曲面，然后跟BSM的隐含波动率做对比。如果两者差异超过5%，说明市场有异常，需要警惕。这个习惯帮我躲过了好几次黑天鹅事件。
好了，关于定价模型的分工，就聊这么多。记住，模型是工具，不是目的。团队协作的核心是让每个人用最合适的工具，解决最擅长的问题。