本文构建了一个嵌入泊松过程的标记Hawkes订单流模型,为粗糙Hawkes–Heston模型中的粗糙波动率、杠杆效应及价格—波动率共同跳跃提供微观基础。普通订单流在近临界重尾Hawkes机制下产生连续粗糙波动与负杠杆,稀有标记事件则产生同步价格跳跃和波动率激发;在适当缩放与次临界条件下,完整的价格、方差和跳跃系统沿全序列收敛至唯一的规范粗糙Hawkes–Heston弱解。 研究进一步将Hawkes更新结构导出的Mittag–Leffler Volterra表示改写为Riemann–Liouville分数阶形式,并明确给出微观参数到宏观模型系数的映射;次临界机制限制有效Volterra漂移为负,稀有标记机制产生有限活跃跳跃测度。 数值实验显示,微观方差代理与粗糙Volterra极限之间的Wasserstein距离随微观期限延长而下降,微观模型亦能较好复现粗糙Hawkes–Heston模型的SPX隐含波动率微笑。
报告标题:《Microstructural Foundation for the Rough Hawkes–Heston Model》(粗糙 Hawkes–Heston 模型的微观结构基础)。
作者:Yingli Wang、Yinhao Wu、Lingjiong Zhu。
发布日期:2026年8月11日。
主题:金融市场微观结构、Hawkes点过程、粗糙波动率、杠杆效应、价格—波动率共同跳跃,以及它们在连续时间粗糙 Hawkes–Heston 模型中的极限关系。
报告的核心目标并不是提出一个新的简化定价模型,而是证明:一个具有明确订单流含义的、带稀有标记事件的近临界重尾 Hawkes 系统,在适当缩放下,可以收敛到完整的粗糙 Hawkes–Heston 模型。普通订单流产生连续的粗糙波动率和负向杠杆效应,稀有标记订单则产生同时作用于价格和方差的共同跳跃。 论文最终声称,完整的价格、方差及跳跃测度系统沿整个序列收敛,而不仅仅是沿某个子序列收敛,并且极限是唯一的完整规范弱解。
该研究没有传统金融研究报告中的股票评级或目标价,其“结论性判断”表现为数学上的存在性、唯一性、可达性和收敛性结论。最重要的结构限制是:在其所研究的次临界微观缩放区间内,粗糙 Volterra 方程的有效漂移系数必须满足 (b<0);共同跳跃测度必须是有限活动测度;杠杆相关系数可以通过微观参数实现任意 (\rho\in(-1,0))。
经典 Heston 模型具有 Markov 性和仿射结构,便于计算,但经验研究表明金融市场波动率具有显著的“粗糙性”,即其路径正则性低于传统扩散模型所暗示的程度。近临界、重尾 Hawkes 过程提供了一种微观解释:订单之间存在自激励,且记忆核具有重尾特征,经过适当缩放后,Hawkes 更新核收敛为 Mittag–Leffler 型 Volterra 核,再进一步可写成 Riemann–Liouville 分数阶形式。
报告还强调,粗糙 Heston 并不能充分表达压力时期波动率指数的突然跃升及其聚集现象,也不能自然刻画资产价格跳跃和波动率跳跃同时发生的共同冲击。因此作者在粗糙波动率、杠杆效应基础上加入了状态依赖的共同跳跃机制:共同跳跃测度的补偿强度与现货方差 (\sigma_t^2) 成正比,同一跳跃测度同时进入价格方程和方差方程。
论文明确归纳了三项贡献:
报告中方差过程记为 (\sigma_t^2),其核心结构是分数阶 Volterra 方程。粗略地说,当前方差并非只依赖当前状态,而是依赖过去所有时点的随机冲击,并由核
[ k_\alpha(t)=\frac{t^{\alpha-1}}{\Gamma(\alpha)},\qquad \alpha\in(1/2,1) ]
加权。由于 (\alpha<1),核在零点附近具有奇异性,意味着近期冲击影响很强;由于 (\alpha>1/2),该奇异性仍足以满足平方可积条件,保证随机卷积和二阶矩分析能够成立。
共同跳跃标记 (z>0) 导致价格出现大小为 (-\Lambda z) 的向下对数价格跳跃,同时对方差产生正向激励 (\bar\xi z)。因此模型内生地表现出“坏消息导致价格下跌、波动率上升”的非对称性。 (\Lambda\geq0) 控制价格跳跃幅度,(\bar\xi\geq0) 控制方差跳跃载荷,(\nu_J) 是跳跃标记的宏观 Lévy 测度。
作者特别引入“canonical(规范)”弱解概念,要求经过 (\bar\xi) 缩放后的共同跳跃测度正好是方差半鞅驱动项的跳跃测度。这一设定并非纯粹记号选择,而是为了保证方差路径能够反推出其半鞅驱动项以及共同跳跃测度,从而建立联合分布的唯一性。
命题2.4指出,在跳跃可积性和初始远期方差曲线 (G_0) 连续、非负、非递减等条件下,方差方程存在非负弱解,且方差过程的分布唯一;当 (\bar\xi>0) 且采用规范解时,方差与跳跃测度的联合分布也唯一。 需要注意的是,约化模型本身允许任意 (b\in\mathbb R),但微观近临界次临界构造只产生 (b<0)。这说明“约化模型的数学可行参数空间”大于“该特定微观机制的可实现参数空间”。
微观时间区间为 ([0,T]),宏观时间通过 (t\mapsto tT) 压缩到 ([0,1])。每个接受的事件被分为两类:
普通事件产生连续价格鞅、粗糙连续方差以及杠杆效应;标记事件立即造成价格跳跃,并通过 Hawkes 自激励机制提高未来订单活动,从而形成方差跳跃和后续粗糙波动率响应。
微观参数各自具有清晰含义:(a_T) 控制 Hawkes 近临界程度,(\phi) 控制记忆尾部,(p_T) 是事件成为共同冲击的概率,(F_J) 是冲击大小分布,(c_Jr_T) 控制标记事件的额外激励,(q) 负责平衡正负订单的频率与价格冲击,(\beta>1) 使负向订单产生更强的方差载荷,(\hat h_T) 代表外生信息流和初始活动水平。
正向普通订单可以更频繁但每次价格冲击更小,负向订单相对更少但方差载荷更大。约束
[ \omega_++\omega_-=2,\qquad q\omega_+=\omega_- ]
使普通订单产生的未中心化签名价格流保持局部鞅性质,即可避免普通订单流自身产生可预测价格漂移。 另一方面,(\beta>1) 表示负向订单带来更强的波动率反应,因此价格连续鞅与方差驱动布朗运动之间的相关系数严格为负。
报告指出,通过改变 ((\beta,q)),可以实现任意 (\rho\in(-1,0));在对称价格冲击基准 (q=1) 下,只能得到约 ((-1/2,0)) 区间,因此极强的负相关需要 (q<1)。
作者采用重尾核
[ \phi(t)=\alpha(1+t)^{-1-\alpha},\qquad \alpha\in(1/2,1), ]
其积分为1,并且尾部按 (t^{-1-\alpha}) 衰减。令 (1-a_T\sim \mu_0T^{-\alpha}),意味着 Hawkes 分支系统接近临界状态,但仍保持次临界。此时一个事件可以触发很长的后代链,累计记忆在宏观尺度上不会消失。
近临界 resolvent 的缩放极限满足 Laplace 变换
[ \widehat K(\lambda)=\frac{1}{\mu_0+\Gamma(1-\alpha)\lambda^\alpha}, ]
对应 Mittag–Leffler 型记忆核。该核在时间零点附近具有 (u^{\alpha-1}) 级别的奇异性,并满足可用于二阶随机卷积的分数阶包络。
普通事件总数在宏观时间区间内约为 (T^{2\alpha}) 量级,而标记概率满足 (p_T\asymp T^{-2\alpha}),所以标记事件总数保持在数量级1,最终形成有限活动跳跃测度。 与此同时,单个标记事件的激励强度通过 (r_TT^\alpha) 放大,再经近临界 resolvent 传播,形成非退化的粗糙 Volterra 方差响应。
这是论文最关键的尺度分离:稀有性确保宏观上只剩有限个共同冲击,放大机制确保每个共同冲击的波动率影响不会在极限中消失。
原始 Hawkes mild 方程中的漂移并非直接等于约化模型中的 (b)。经过分数阶重写后,(b) 是两项的平衡结果:
报告给出的结论是,在次临界条件下,前者必须占优,因此 (b<0)。这意味着该微观机制不能实现正的 Volterra 漂移,而临界或超临界缩放需要另行研究。
图1左图比较终端方差 (V_1^T) 与极限方差 (\sigma_1^2) 的 Wasserstein-1 距离;右图比较累计方差 (\int_0^1V_t^Tdt) 与极限累计方差的距离。 图中横轴为微观期限 (T),从2扩展到50;两幅图的距离均总体下降,说明微观 Hawkes 系统逐步接近粗糙 Hawkes–Heston 极限。
具体而言,终端方差距离由 (2.37\times10^{-2}) 降至 (3.09\times10^{-3}),累计方差距离由 (1.20\times10^{-2}) 降至 (7.63\times10^{-4})。 右图的累计方差距离整体低于左图,说明积分这一平滑函数对有限期限误差具有一定平均化作用。
不过,图中距离在较大 (T) 后出现平台,而不是继续快速下降;平台高于蒙特卡洛分辨率带,表明剩余误差主要来自有限 (T) 的前渐近偏差,以及极限仿真中仿射变换反演的数值误差,而不应简单解释为抽样误差。 这一点也是对理论收敛速度的谨慎提醒:论文证明了收敛,但没有从图1中宣称某个明确的幂次收敛速度。
图2比较两个期限 (t=23/730\approx0.032) 和 (t=66/730\approx0.090) 下的 SPX 隐含波动率微笑。橙色点为 (T=1000) 时微观 Hawkes 模型的蒙特卡洛结果,蓝线为粗糙 Hawkes–Heston 仿射极限。
两幅图均显示:深度虚值看跌期权一侧具有很高的隐含波动率,接近平值处出现谷底,右侧则出现轻微上翘。这与负向价格—波动率相关性、向下共同价格跳跃及粗糙波动率共同作用的结果一致。 微观模型的橙色点整体贴近蓝色极限曲线,特别是在第二个、较长期限的图中,拟合关系较为紧密,说明即使在有限微观期限下,微观订单流也能复制宏观模型的期权截面特征。
短期限深度看跌点的误差条最大,作者将其归因于期权收益分布尾部较重,导致样本平均和隐含波动率反演的不确定性更高。 因此,该图既支持价格过程的分布收敛,也展示了共同跳跃机制对偏斜的经济意义。
命题5.2指出,在满足基线曲线可实现条件后,给定符合条件的 (b,\bar c_B,\bar\xi,\nu_J,\rho),可以构造相应微观参数,使其映射到指定约化模型参数。 但这种反向构造并不意味着微观参数可被唯一识别。作者明确指出,(\theta) 与 (m^\star) 主要通过比值 (\theta/m^\star) 出现,(c_J) 与 (r^\star) 主要通过乘积 (c_Jr^\star) 出现,因此单个微观参数不能仅凭宏观模型参数被识别。
数值实验进一步给出一个具体实例:在 (\bar\xi=1)、(F_J=\mathrm{Exp}(1))、(\beta=8) 下,所选参数得到 (\rho=-0.731)、(b=-1.812)、(\bar c_B=0.115),并通过 (q=0.041605) 产生很强的负相关。正向普通事件权重约为1.9201,负向事件权重约为0.07989,体现“正向事件更频繁但价格影响更小、负向事件更少但波动率载荷更强”的微观机制。
这篇论文的核心价值在于把粗糙 Hawkes–Heston 模型中的几个宏观特征统一还原为同一套订单流机制:重尾近临界 Hawkes 记忆产生粗糙波动率,普通正负订单的频率—冲击非对称性产生负杠杆相关,稀有标记事件则同时造成价格跳跃和方差激励。
数学上,作者通过单一 resolvent、Mittag–Leffler 极限、随机卷积收敛、共同过滤下的噪声识别以及完整弱唯一性,证明了价格—方差—跳跃系统的全序列收敛,而非仅仅证明某些边际过程的收敛。 图1说明方差及累计方差分布随微观期限增加而接近极限,图2说明微观模型能够复制粗糙 Hawkes–Heston 的负偏斜、平值谷底和右尾上翘等期权特征。
总体而言,报告建立的是一种具有明确结构限制的微观基础:它增强了粗糙 Hawkes–Heston 模型的经济解释力,但同时也表明该模型并非任意宏观参数组合都能由该订单流机制实现。最重要的可实现性边界包括负的有效漂移、有限活动共同跳跃、负杠杆相关性以及对初始远期方差曲线的基线可实现性要求。
2608.07709.pdf