本论文以Hegic(Arbitrum)交易的wBTC与ETH期权为样本,使用基于两状态MS-AR-(GJR)-GARCH的制度敏感波动率作为输入,构建以Black–Scholes为基准的定价模型并与链上AMM报价逐笔比较,发现基准价平均高于Hegic报价(尤以看涨期权为甚);价差随订单规模、行权价远离平价、到期时间与估计波动率上升而扩大、随标的交易量增加而收窄;wBTC的偏离更大且更持久,ETH偏离较小。研究通过FGLS进行横截面回归,提出对率表(rate schedule)进行按量级、行权、到期和流动性联动的可行标定建议以改善定价质量
| 变量 | wBTC 系数 | ETH 系数 |
|---|---|---|
| Amount (订单规模) | 0.0228*** | 0.0334*** |
| Strike (行权价远离平价) | 0.0559*** | -0.0160 |
| Maturity (到期) | 0.0166* | -0.0087 |
| Volume (标的成交量) | -0.0743*** | -0.1353*** |
| Volatility (σ_t) | 0.0789*** | -0.0662 |
| Kind (call=1) | -0.0896*** | 0.0869** |
引言与报告概览(元数据)
逐节深度解读
图表与图片的逐一剖析(关键环节)
图 1–2(Sankey:地址到合约流向,pages 14–15)
表 1:MS‑AR 模型估计(page 17)
图 3–4:平滑后状态概率时序图(pages 18)
表 2:GARCH / GJR‑GARCH 估计(page 22 & 17)
图 5–6:模型条件波动率与 7‑日滚动实现波动率对比(pages 20–21)
表 A3(mispricing 描述性统计)与散点时间序列(pages 23–26)
表 3:FGLS 回归结果(page 27 & 28)
估值方法详细解析(估值分析)
风险因素评估(报告识别与影响)
批判性视角与细微差别(审慎评估)
结论性综合(关键发现与操作性建议)
可视化资源(文中重要图片引用)
结语(限度与后续研究建议)
若需要,我可以基于报告中的回归系数与样本均值,生成更详尽的“校准模拟”:即对若干备选 rate 调整策略(例如对 Amount、Strike、Maturity 分别增减 x%)进行事后估算对 mispricing 分布与池收益的预期影响模拟,并以图表形式展示模拟结果(需要您确认是否需要并指定关注的调整变量与幅度)。
2512.20190.pdf