本文展示了如何利用小波动近似方法(Small Volatility Approximation)对多因子HJM模型进行快速且高精度的标ATM互换期权的校准,在确定性相关性与因子波动率条件下,多因子校准质量优异且不依赖因子数量。实验数据显示模型定价与市场价格高度一致,尤其是在长期期限下仍表现稳定 .
标题: Small Volatility Approximation and Multi-Factor HJM Models
作者: V.M. Belyaev (美国明尼阿波利斯,US Bancorp)
发布日期: 2025年6月17日
主题: 利用小波动率近似法校准多因子HJM利率模型的技术研究。
本报告旨在展示如何通过小波动率近似法(Small Volatility Approximation, SVA)实现对多因子Heath-Jarrow-Morton(HJM)模型的高效校准。核心论点是,小波动率近似不仅实现了快速准确的校准,同时其精度不依赖于因子数量。报告特别强调该方法在定常相关性、因子波动率和均值回复速度确定的多因子HJM框架内的适用性与优越性。
报告首先介绍HJM模型作为正态波动率模型在建模远期利率动态中的应用,及多因子HJM模型通过引入多个驱动因子极大提升拟合能力。多因子模型依赖确定性输入参数:因子波动率、相关系数和均值回复速度/autocorrelation,导致其远期波动率分布为正态,无法捕捉隐含波动率微笑特征。
小波动率近似提供了一种实用方法,快速且精确地校准所有ATM(平值)互换期权价格。报告计划展示将SVA用于多因子HJM模型校准的具体过程和效果。
报告给出如下关键数学概念:
单因子HJM动态方程:
[
d f(t,T) = \alpha(t,T) dt + \sigma(t,T) dW(t)
]
其中,(f(t,T))为远期利率,(\sigma(t,T))为确定性正态波动率,(dW(t))为布朗运动,(\alpha(t,T))通过以下积分定义以保证债券价格的鞅性质(martingale):
[
\alpha(t,T) = \sigma(t,T) \int_t^T \sigma(t,\tau)d\tau
]
利用SVA近似,贴现后的零息债券价格在时间(T)时刻近似为正态分布,推导结果为:
[
e^{-\int_0^T r(\tau)d\tau} B(T,T_1) \approx B(0,T_1) \left(1 - \int_0^T dW(\tau) \int_\tau^{T_1} \sigma(\tau,t) dt + o(\sigma) \right)
]
利用上述表达可明确计算互换的现值分布,特别是SOFR互换的现值表达式近似为:
[
PV(T) \simeq (r_s - r_{ATM}) \sum_n B(0,T_n) + \Sigma(T,N) \xi \sqrt{T}
]
其中,(\xi)为标准正态随机变量,(\Sigma)表示互换的波动率聚合量。
该节核心说明SVA能够解析出远期债券的隐含波动率,进而定价互换期权,有着快速且精确的优点。,
利用3个月为步长建立时间网格,假设波动率在短期内相等,根据某个时间段内的债券价格计算互换期权的隐含总波动率,构建一系列二次方程来解出不同时点的远期波动率。数学表示为:
[
D^2(T_e, tenor) \Sigma^2(T_e, tenor) = A \sigma^2 + 2 B \sigma + C
]
其中A、B、C基于债券价格和已知波动率计算。求解该方程后,即可获得未知远期波动率(\sigma)并更新模型。该方法层层推出完成对所有距离的波动率拟合,实现有效的ATM互换期权价格模型匹配。
报告举例说明,校准输出与市场价格吻合度极高,除30年长端互换略有小差异,验证该校准方法的实用性能。,
多因子HJM模型的动态为:
[
d f(t,T) = \alpha(t,T) dt + \sum_{n=1}^N \sigma_n(t,T) dW_n(t)
]
其中每个因子对应一个确定性的波动函数(\sigma_n(t,T))和对应的布朗运动(dW_n(t)),因子之间存在确定的相关性矩阵(\rho_{mn})。鞅条件和贴现债券价格联合分布保证模型的无套利。
报告推导了多因子HJM模型的漂移项计算方法,保证模型价格满足期望折现等式。
同时,表明多因子HJM模型本质仍是正态波动率模型,无法捕获波动率微笑问题。
对于多因子模型校准,作者建议结合小波动率近似方法,结合因子权重、均值回复速度、相关性参数,提取最佳参数匹配ATM互换期权价格。示例涉及两因子模型,均值回复系数指数衰减等形式。【(\sigma_m(t,T)dW_m = \sigma_m(t,0) e^{-\int_0^t \kappa_m(\tau)d\tau} dW_m(t))】。
这说明,尽管多因子模型增加复杂度和拟合灵活度,但仅靠确定性波动率仍然受限于正态性假设。作者指出,需要额外的校准程序来确定均值回复参数。, ,
作者总结小波动率近似法能够显著提升多因子HJM模型在ATM利率衍生品上的校准质量,兼顾高速和准确性。
免责声明明确表示文中观点仅代表作者个人,不代表所属机构立场。
本报告主力关注模型的利率动态建模及期权价格校准方法,没有涉及传统的估值目标价或公司估值指标。估值部分主要是指利用小波动率近似计算利率衍生品价格,优化模型波动率和相关参数。
使用的核心方法为基于漂移调整的多因子HJM模型加上小波动率近似的半解析公式,该方法基于正态分布假设,适用ATM期权价格。关键假定包括波动率的确定性及均值回复的指数衰减形式,所有不确定参数通过市场价格(ATM互换期权)反推求解。
报告未明确列出风险章节,但间接揭示以下风险点:
报告未明确给出风险缓解策略和概率评估。
总结而言,模型和方法具有很强的实用性,但对复杂市场非正态特征捕捉不足及长期模型稳定性存在挑战。
本报告围绕应用小波动率近似法对多因子HJM利率模型进行校准展开,重点包括:
图1充分展示了理论模型对应市场数据的高拟合度,验证了小波动率近似结合多因子HJM模型做ATM价格校准的实际效用。
整体报告科学严谨,数学推导详尽,给出了实用的市场模型校准框架,对定量利率衍生品定价及风险管理具有指导意义。同时建议未来研究关注模型对非正态特征的适应性及长期动态稳健性的提升。
该报告有助于金融机构利率风险建模及衍生品定价模型的优化,是多因子利率模型领域的有价值贡献。
2506.12584.pdf