4. Heston模型详解：SDE系统、参数含义（κ, θ, σ, ρ, v₀）、Feller条件

好，咱们进入Heston模型。这是随机波动率模型里最经典的一个，也是我实际项目中使用频率最高的模型。说实话，Black-Scholes模型虽然简单，但你做奇异期权定价时就会发现它根本不够用——波动率微笑那关就过不去。

Heston模型厉害在哪？它把波动率本身也当作一个随机过程来处理。嗯，这就好比我们不光预测股价，还同时预测市场情绪的变化。下面我带你一步步拆解。

4.1 Heston模型的SDE系统

Heston模型由两个随机微分方程组成。一个管股价，一个管波动率。它们之间还有关联，这才是精髓。

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

你看，第一个方程和Black-Scholes很像，但波动率不再是常数σ，而是√v(t)。第二个方程描述波动率v(t)自身的演化。两个布朗运动dW₁和dW₂的相关系数是ρ。

我个人习惯把这两个方程看作「双轮驱动」——股价和波动率互相影响，共同决定期权价格。

4.2 五个参数的含义

Heston模型有五个关键参数。每个参数都有明确的金融含义，我一个个说。

参数	符号	含义	典型范围
均值回复速度	κ	波动率回归长期均值的速度	1~5
长期波动率	θ	波动率的长期均值水平	0.01~0.25
波动率的波动率	σ	波动率本身的波动幅度	0.1~0.5
相关系数	ρ	股价与波动率的关联方向	-1~1
初始波动率	v₀	当前时刻的波动率水平	0.01~0.25

κ（均值回复速度）：这个参数决定了波动率从偏离状态回到长期均值θ的速度。κ越大，回复越快。我在项目中遇到过极端情况——κ设得太大，模型会变得很「僵硬」，波动率几乎不动，那就失去随机波动率的意义了。

θ（长期波动率）：你可以理解为市场在很长一段时间内的平均波动水平。比如标普500的θ大概在15%~20%之间。θ设得太离谱，模型校准会出问题。

σ（波动率的波动率）：这个参数很有意思。它衡量波动率本身的不确定性。σ越大，波动率路径越「狂野」。我曾经在VIX期权定价时把σ设到0.8，结果模拟出来的波动率直接飞上天——嗯，那是不合理的。

ρ（相关系数）：这是Heston模型的灵魂。ρ为负，说明股价跌时波动率涨——这就是著名的「杠杆效应」。实际市场中ρ通常在-0.5到-0.8之间。你想想看，市场大跌时恐慌情绪飙升，波动率自然就上去了。

v₀（初始波动率）：就是当前时刻的波动率水平。这个参数直接影响短期期权的定价。

4.3 Feller条件

这里有个坑，我必须重点说。Heston模型中的波动率过程是CIR过程，它有个特性——波动率可能跑到零以下。但现实中波动率不能为负，对吧？

Feller条件就是用来保证波动率始终为正的数学条件：

如果2κθ ≤ σ²，波动率有可能碰到零，甚至短暂为负。这在数值模拟中会引发NaN错误，让你的定价程序直接崩溃。

4.4 核心逻辑框架图

下面我用一张SVG图把Heston模型的整体逻辑串起来。你看完应该能一目了然。

4.5 参数校准的实战建议

理论说完了，聊聊实战。参数校准是Heston模型落地最头疼的一步。我分享几个经验。

具体来说：

• v₀：直接用近期历史波动率作为初值，比如过去30天的年化波动率
• θ：用更长时间窗口的历史波动率均值，比如1年
• κ：这个比较难估，我一般从1.5开始试，看拟合效果调整
• σ：注意不要太大，否则Feller条件容易不满足
• ρ：用股价收益率和波动率变化的相关性作为初值

校准完成后，一定要检查Feller条件。如果不满足，有两种处理方式：一是给参数加约束重新校准；二是在模拟时对波动率做截断处理——v(t) = max(v(t), ε)，其中ε是一个很小的正数，比如1e-6。

我个人更推荐第一种方式。截断虽然简单，但会引入偏差，影响定价精度。

好了，Heston模型的核心内容就这些。你掌握了SDE系统、五个参数的含义，以及Feller条件这个关键约束，后面做奇异期权定价时就能得心应手了。

---

公众号:蓝海资料掘金营，微信deep3321