2. 随机波动率模型基础：Heston模型、SABR模型、3/2模型的核心思想与数学表达
聊到随机波动率模型，我得先跟你掏心窝子说一句：经典的Black-Scholes模型，其实是个“理想国”。它假设波动率是常数，这在真实市场里几乎不可能。我早年做期权做市商的时候，就吃过这个亏——用BS模型算出来的价格，跟市场实际报价总是差一截，尤其是那些深度价外期权，偏差大到让人怀疑人生。
为什么会这样？说白了，市场里存在两个BS模型无法解释的现象：波动率微笑和波动率聚集。今天我们要聊的三个模型——Heston、SABR、3/2模型，就是用来解决这些问题的。它们把波动率从“常数”变成了“随机过程”，让定价更贴近真实市场。
核心思想一句话总结：随机波动率模型，就是把波动率本身也当作一个随机变量来建模，而不是一个固定值。
2.1 Heston模型：最经典的随机波动率模型
Heston模型是我个人用得最多的一个。它在1993年被提出，到现在依然是业界标杆。核心思想是：资产价格和它的方差都服从随机过程，而且这两个过程是相关的。
数学上，Heston模型长这样：
dS(t) = μ·S(t)·dt + √v(t)·S(t)·dW₁(t)
dv(t) = κ·(θ - v(t))·dt + σ·√v(t)·dW₂(t)
dW₁(t)·dW₂(t) = ρ·dt我来拆解一下每个参数的含义：
| 参数 | 含义 | 典型取值范围 |
|---|---|---|
| v(t) | t时刻的方差（波动率的平方） | v(t) > 0 |
| κ | 均值回复速度 | κ > 0，通常1~5 |
| θ | 长期方差均值 | θ > 0，通常0.01~0.1 |
| σ | 方差的波动率（vol of vol） | σ > 0，通常0.1~1.0 |
| ρ | 资产价格与方差的相关系数 | -1 ≤ ρ ≤ 1 |
我的经验之谈：ρ这个参数特别有意思。当ρ为负时，资产价格下跌会导致方差上升——这就是所谓的“杠杆效应”。我在2015年股灾期间回测过，ρ设为-0.7左右时，模型对沪深300ETF期权的拟合效果最好。
Heston模型最大的优势是：存在半解析解。什么意思？就是你可以用特征函数+傅里叶逆变换的方法，快速算出欧式期权的价格，不需要跑蒙特卡洛模拟。这在做批量定价时特别香。
不过它也有坑。我曾经在项目中遇到一个问题：当参数κ、θ、σ不满足Feller条件（2κθ > σ²）时，方差过程可能会碰到零。虽然理论上不会，但数值模拟时经常出负值。嗯，这里要注意——一定要做截断处理。
2.2 SABR模型：利率市场的宠儿
SABR模型全称是Stochastic Alpha Beta Rho模型。我第一次接触它是在做利率衍生品的时候，那时候我发现Heston模型在利率市场上表现一般，而SABR模型却出奇地好用。
它的数学形式是：
dF(t) = α(t)·F(t)^β·dW₁(t)
dα(t) = ν·α(t)·dW₂(t)
dW₁(t)·dW₂(t) = ρ·dt这里F(t)是远期价格，α(t)是波动率参数。你可能会问：为什么没有漂移项？因为SABR模型是在远期测度下建模的，远期价格本身就是鞅。
SABR模型有几个关键参数：
- β（形状参数）：控制资产价格与波动率的关系。β=0时是正态模型，β=1时是对数正态模型。我个人习惯用β=0.5，这是CEV模型的经典取值。
- ν（vol of vol）：波动率的波动率，越大说明波动率越不稳定。
- ρ（相关系数）：跟Heston一样，控制价格与波动率的相关性。
SABR模型的显式近似公式（Hagan公式）：
σ_B(K, F) = α / (F^(1-β)) · [1 - ½(1-β-ρ·λ)·ln(K/F) + ...]
这个公式可以直接用来拟合波动率微笑曲线，非常实用。
我记得有一次做外汇期权定价，客户给的报价波动率微笑特别陡峭。用SABR模型拟合时，我把ν设到0.8，ρ设到-0.3，效果出奇地好。但要注意——SABR模型在极端价外期权上可能会发散，这是Hagan公式的局限性。
避坑指南：我曾经在SABR模型校准中遇到过参数不稳定的问题。特别是当市场流动性不足时，ν和ρ的估计值会剧烈波动。我的建议是：加正则化项，或者固定β值只校准α、ν、ρ三个参数。
2.3 3/2模型：厚尾分布的利器
3/2模型这个名字听起来有点怪，其实是因为它的方差过程的漂移项里含有v^(3/2)项。这个模型在学术界很受推崇，但在业界用得相对少一些。不过，如果你要做极端行情下的期权定价，它比Heston更合适。
数学表达式：
dS(t) = μ·S(t)·dt + √v(t)·S(t)·dW₁(t)
dv(t) = v(t)·[κ·(θ - v(t))]·dt + σ·v(t)^(3/2)·dW₂(t)
dW₁(t)·dW₂(t) = ρ·dt你发现没有？跟Heston模型相比，3/2模型的方差过程有两个关键区别：
- 漂移项是v(t)乘以(θ - v(t))，而不是κ乘以(θ - v(t))。这意味着均值回复速度跟当前方差水平有关。
- 扩散项是v^(3/2)，而不是√v。这导致方差过程的波动性更大，更容易产生极端值。
说白了，3/2模型生成的波动率分布尾部更厚，更适合捕捉市场崩盘或暴涨时的波动率行为。我在做尾部风险对冲产品定价时，就经常用这个模型。
一个小技巧：3/2模型有一个很好的性质——它的方差过程可以转换成CIR过程。具体来说，令X(t) = 1/v(t)，那么X(t)就服从一个CIR过程。这个变换在数值计算时特别有用，可以借用Heston模型的成熟算法。
2.4 三个模型的对比与选择
讲了这么多，你可能会问：那我到底该用哪个？我根据自己的项目经验，给你一个参考：
| 场景 | 推荐模型 | 理由 |
|---|---|---|
| 股票/ETF期权 | Heston | 半解析解，计算快，适合批量定价 |
| 利率/外汇期权 | SABR | 参数直观，显式公式，市场标准 |
| 尾部风险/极端行情 | 3/2模型 | 厚尾分布，能捕捉极端波动 |
| 奇异期权（如障碍期权） | Heston + MC | 路径依赖性强，需要模拟 |
最后说一句：模型只是工具，不是真理。我见过太多人沉迷于模型的数学美感，却忽略了市场数据的质量。你想想看，再好的模型，如果输入的数据是垃圾，那输出也是垃圾。所以，数据清洗和参数校准，往往比模型本身更重要。