本报告基于2011-2022年日度SPX期权数据,实证比较了粗糙波动率模型、路径依赖模型和Markovian模型在拟合全期限结构隐含波动率曲面及ATM斜率方面的表现。结果显示,粗糙波动率模型在短期和长期期限均未表现出优越性,且ATM斜率的幂律假设不符合市场数据。路径依赖和两因子Markovian Bergomi模型基于相似参数数量展现更优的拟合和预测能力,且粗糙模型的非半鞅性质导致其实现成本较高且拟合效果受限。实证还表明,衡量实现波动率的粗糙性不足以反映底层波动率过程的粗糙度,提示粗糙波动率并非选模标准
| Model | Mean | Std | Min | 5% | 50% | 95% | Max |
|---|---|---|---|---|---|---|---|
| Rough | 0.0055 | 0.0018 | 0.0011 | 0.0030 | 0.0053 | 0.0087 | 0.0198 |
| Path-dependent | 0.0049 | 0.0016 | 0.0009 | 0.0027 | 0.0047 | 0.0075 | 0.0189 |
| One-factor | 0.0050 | 0.0015 | 0.0011 | 0.0028 | 0.0048 | 0.0076 | 0.0162 |
| Model | Mean | Std | Min | 5% | 50% | 95% | Max |
|---|---|---|---|---|---|---|---|
| Rough | 0.0077 | 0.0021 | 0.0029 | 0.0048 | 0.0074 | 0.0115 | 0.0209 |
| Path-dependent | 0.0059 | 0.0016 | 0.0023 | 0.0037 | 0.0058 | 0.0087 | 0.0215 |
| One-factor | 0.0079 | 0.0019 | 0.0033 | 0.0051 | 0.0078 | 0.0112 | 0.0225 |
| Two-factor | 0.0054 | 0.0014 | 0.0024 | 0.0035 | 0.0053 | 0.0078 | 0.0220 |
标题:Volatility models in practice: Rough, Path-dependent or Markovian?
作者:Eduardo Abi Jaber 与 Shaun (Xiaoyuan) Li
发布机构:[Ecole Polytechnique, AXA Investment Managers, Université Paris 1 Panthéon-Sorbonne]
发布时间:2025年4月10日
研究主题:
本报告围绕股票市场指数SPX(S&P 500指数)期权隐含波动率曲面,针对当前金融领域极为关注的几类随机波动率模型展开比较研究,重点评估粗糙波动率模型(rough volatility models)、路径依赖波动率模型(path-dependent volatility models)和马尔可夫模型(Markovian volatility models)在拟合隐含波动率曲面以及预测未来波动率表现上的实用性与有效性。
报告核心论点:
整体来看,作者主张粗糙波动率模型的非半鞅(non-semimartingale)和非马尔可夫(non-Markovian)特性在实用层面未必折算成拟合与预测上的优越性,且相比同参数规模的马尔科夫及路径依赖模型表现反而更差。,,
该部分点明当前学术及实务界对粗糙波动率模型的普遍接受度,尤其是其使用有限参数能准确拟合期权价格和隐含波动率表面的宣称。也指出这种“优越性”理论大多基于有限的时间点或数据片段,缺少广泛且公平的多模型比较。该文结合多篇最新独立研究成果质疑粗糙模型的稳健性,提出应对粗糙、路径依赖及马尔可夫模型同参数规模展开综合实证比较。,
粗糙波动率模型基于分数布朗运动(fractional Brownian motion, FBM)或Riemann-Liouville变体,以指数H(Hurst指数)控制轨迹局部正则性(H∈(0,1/2),路径粗糙度高于标准布朗运动)。该类模型非马尔可夫且非半鞅。两条实证支持路径:
实证检验粗糙波动率模型中非半鞅特性是否能更好映射SPX隐含波动率曲面和期限结构,关键考察如下:
四类模型核函数区分及特性(见表1):
| 模型名 | 核函数形式 | H域 | 是否半鞅 | 是否马尔可夫 |
|---|---|---|---|---|
| Rough (粗糙) | tH−1/2 | (0,1/2] | 否 | 否 |
| Path-dependent (路径依赖) | (t+ε)H−1/2 | (−∞,1/2] | 是 | 否 |
| One-factor (一因子) | e−(1/2−H)ε−1ttH−1/2 | (−∞,1/2] | 是 | 是 |
| Two-factor (两因子) | 复合指数衰减核 | (−∞,1/2] | 是 | 是 |
解析:
路径依赖模型通过核函数平移平滑了原粗糙核的奇异性,转化为半鞅过程(保证更好的数值实现),但保留了历史依赖的非马尔可夫性质;
一因子和两因子模型则通过指数核实现Markovian属性,方便实现和优化。两因子模型通过引入慢速和快速因子更有效捕捉波动率的多尺度行为。,,,
这些理论差异表明,路径依赖及多因子模型因其灵活性更合适捕捉SPX隐含波动率的复杂期限结构,粗糙模型限制了自有形式,难以满足市场数据多层面需求。,,,
整个评估流程充分考虑数据现实与数值可行性,确保模型比较的公平性和实用价值。,,
结论是粗糙波动率模型对短期期权市场波动率拟合过度理想化且不成熟,不如传统Markovian模型适用。,
整体观点强调Markovian多因子模型在市场拟合中的实用和有效性,凸显粗糙模型结构上的缺陷。,,
该结果强化报告提出的粗糙模型结构限制及路径依赖模型适用性的核心论点。,,
预测能力的弱点更突显粗糙模型实用性不足问题。,
这一分析揭示了粗糙波动率解读中的统计陷阱和潜在误区,强化报告对粗糙波动率模型适用性的怀疑。,
结论是提示金融与风险管理实务需警惕粗糙模型理论与应用之间的差距,推荐路径依赖与多因子Markovian模型更适合现实市场。
描述:月度滚动平均RMSE比较,展示粗糙(蓝色)、路径依赖(橙色)、一因子(绿色)三模型对短期SPX隐含波动率全曲面的拟合误差时序走势。
解读:路径依赖模型在期间大部分时间表现最佳,一因子次之,粗糙模型普遍拟合误差最高,反映其对全曲面的拟合能力弱且波动较大。
联系文本:呼应正文强调粗糙模型在短期拟合上表现逊色。
描述:短期期权拟合RMSE统计,定量展示均值、中位数、95%分位等分布差异。
解读:路径依赖均值拟合误差最低(0.0049),一因子次之(0.0050),粗糙最高(0.0055),且所有统计指标路径依赖优于粗糙,凸显拟合优势。
联系文本:佐证模型性能排序及粗糙模型劣势。
描述:短期期权市场与各模型拟合的平均ATM skew及其对数形态。细节框放大1-2周短端表现。
解读:粗糙模型ATM偏斜在1周期限附近明显高于市场,暴涨后迅速下跌,偏离实测曲线。路径依赖与一因子模型曲线更贴近市场偏斜,表现稳定。
联系文本:直观展示粗糙幂律假设对短期偏斜拟合过度,支持报告质疑。
描述:短长期权SPX隐含波动率曲面拟合月度滚动RMSE,多模型比较,包括两因子(红色)。
解读:两因子模型稳定领先,紧随其后为路径依赖,粗糙与一因子表现相近但均不及前者。粗糙模型拟合误差平均最高且波动最大。
联系文本:强化两因子模型的强拟合能力和粗糙模型不足。
描述:短长期权拟合RMSE分布统计。
解读:两因子模型均值最低(0.0054),路径依赖次之(0.0059),粗糙(0.0077)与一因子(0.0079)接近且明显较差。
联系文本:定量支持路径依赖及两因子模型优势。
描述:短长期限ATM skew与其对数拟合曲线,多模型表现与市场数据对比。
解读:两因子与路径依赖曲线整体紧贴市场偏斜,粗糙与一因子偏离明显,偏斜斜率变化对粗糙模型显示劣势。
联系文本:直观展示多因子和路径依赖模型对市场偏斜的灵活拟合能力。
描述:图5演示对数ATM偏斜对数期限的双区间拟合,标记长短端估计H值;图6展示不同切点τ下的长期H估计变化。
解读:长期H估计显著负值,且随τ增长负值加深,暗示长期偏斜衰减比经典幂律更快,验证模型及市场的复杂趋势。
联系文本:支持负H必要性及路径依赖模型对应参数空间的合理性。
描述:每日回归长期H的时间序列,及粗糙、路径依赖模型对应参数随时间的比较。
解读:长期市场H保持负值趋势,一致低于粗糙模型允许的正H区间,路径依赖模型的H更贴合市场长期趋势,凸显其优势。
联系文本:强化路径依赖模型适应市场长期波动的能力。
描述:模型在不同校准条件下预测未来20交易日隐含波动率的RMSE箱线图。
解读:短期校准时路径依赖模型预测误差最小;短长期校准时两因子模型预测能力最佳,粗糙模型表现一般,显示模型参数稳定性和预测能力皆不及马尔可夫多因子模型。
联系文本:进一步论证路径依赖及两因子模型实用性。 ,
描述:对不同模型基于校准参数生成的模拟路径计算q变异量进行log-log回归,估计实现波动率的统计粗糙度,比较市场真实数据。
解读:所有模型模拟的实现波动率均显示统计粗糙度,估计H约在0.1-0.16,显著低于标准布朗运动0.5,且与标的市场实现波动率相似,印证“伪粗糙”现象。表5校准参数体现各模型的特定状态。
联系文本:核心论据,解释为何粗糙统计不能用于模型选择。 ,
本报告未涉及具体股票或资产的估值目标价设定,核心聚焦模型的拟合精度和参数表现,且均基于同一类别Bergomi模型家族下参数不同配置的随机波动率表示方式。估值分析集中在:
评估时统一固定参数ε及参数解释,确保公平比较。路径依赖与多因子Markovian模型通过额外灵活度在整个期限结构中取得了显著优异表现,尤其是长端ATM偏斜的贴合。粗糙模型因幂律限制,估值逻辑无法自由调整,导致拟合不佳。本研究没有涉及如DCF等传统估值法,而是精准聚焦波动率解释力层面。,
报告未提供针对粗糙模型结构性风险的缓解策略,但强调路径依赖及Markov多因子模型作为替代具备更佳稳定性与适应性。,,
尽管如此,报告从整体市场角度提供了坚实的实证基础,为粗糙波动率模型提出了重要警示和改进方向。
本报告通过丰富而严谨的实证分析,基于2011至2022年645个交易日的SPX隐含波动率数据,比较了粗糙、路径依赖和马尔可夫多因子Bergomi类模型的拟合和预测性能,得出了以下关键洞见:
从具体数据和图表来看,如图1、3、8和表3、4中的RMSE数据均鲜明表明路径依赖和多因子模型在拟合市场隐含波动率方面的优势。图2和4揭示了粗糙模型在实际ATM偏斜期限结构拟合上的明显缺陷。同时,图5-7、10-12通过统计估计充分说明粗糙路径特征的观测数据本身复杂且易误判。整体样本拟合曲线(附录多个图示)进一步支撑了报告的结论。
本报告实证力度强,方法先进,且深刻解析了金融波动率建模中的前沿争议,具有重大的理论价值和实务指导意义。–29]
文末包含29篇文献,以支撑模型设定、理论分析和实证方法,核心出处涵盖Bergomi原始提出、粗糙波动率最新研究和市场实证分析等内容。
此研究报告通过详实的数学模型定义、系统的市场数据实证和多维度模型性能评估,综合展现了粗糙波动率模型在目前市场环境下的局限,强调了路径依赖及多因子Markovian模型在结构灵活性和应用表现上的优势。报告呼吁金融实践者和研究社区重新审视粗糙波动率模型的实用价值,并重视路径依赖和多因子建模策略,为风险管理、定价和市场微观结构提供更为稳健的工具与理论基础。
2401.03345.pdf