本文以总隐含方差为状态变量,构建由传输速度场驱动的无静态套利波动率曲面动态理论,将sticky delta、sticky strike及SSR统一为不同速度场的特例,并以ATM速度场导数建立波动率水平、偏度和曲率的高阶传输层级。在显式正则性条件下,模型可局部保持蝶式与日历套利无风险。基于2021年7月至2026年7月的SPX数据,研究发现SSR系数随期限由1M的1.4375单调降至24M的1.0114,且自相似传输在所有期限均被拒绝;中等期限的完整高阶模型对曲率动态预测误差改善约17%–21%,同时速度场呈现由短期限U形向长期单调下降的结构变化。
标题:《Beyond the Skew-Stickiness Ratio: Transport Geometry of Spot-Driven Variance Surface Dynamics》(超越偏斜黏性比:现货驱动方差曲面动态的输运几何)
作者:Charlie Che、Pradeepta Das。
机构:JPMorganChase Quantitative Trading & Research,以及 Equity Derivatives Group。
发布日期:原文未明确给出正式发布日期;但实证样本覆盖2021年7月至2026年7月。
研究主题:以总隐含方差曲面为状态变量,建立一个统一的、几何化的期权波动率曲面动态框架,解释sticky delta、sticky strike、SSR、局部波动率和粗糙波动率等传统模型,并利用SPX数据识别完整的、随执行价和期限变化的输运速度场。
报告没有给出传统意义上的股票评级、目标价或买卖建议,其核心不是证券估值,而是量化建模和波动率风险管理。论文的中心观点是:经典的偏斜黏性比(skew-stickiness ratio,SSR)不应被视为一个孤立的标量参数,而应被理解为输运速度场 (v(k,T)) 在平值点的零阶项;输运速度场关于对数货币性的导数,则分别控制ATM偏斜、曲率及更高阶微笑特征的动态。
实证方面,论文对SPX七个期限、五年日频数据进行估计,得出三个结论:第一,SPX存在明显的“super-skew”现象,短期限SSR大于1,且随期限延长单调下降;第二,所有期限均拒绝自相似输运,即仅由一个常数SSR描述整个微笑的假设不成立;第三,输运速度不仅随期限变化,也随货币性变化,短期限呈U形,长期限则大致单调下降。
论文将总隐含方差定义为:
[ w(k,T)=\sigma^2(k,T)T, ]
其中 (k=\log(K/F)) 是相对于远期价格的对数货币性。作者认为,总方差比隐含波动率本身更适合作为状态变量,原因包括:总方差具有更自然的期限缩放性质,SVI、eSSVI等无套利参数化通常直接以总方差表达,而且静态套利条件本质上是对方差曲面及其导数施加约束,而不是直接对波动率施加约束。
论文定义可容许集合:
[ \mathcal A={w(k,T):w\text{不存在静态套利}}. ]
严格可容许曲面需要满足总方差为正、日历方向上的总方差单调递增,以及Gatheral密度泛函 (g[w]) 严格为正。后者等价于由隐含波动率曲面诱导的风险中性密度为正,因此对应蝶式套利约束;日历单调性则对应不同期限之间不存在日历套利。
这里的重要思想是把 (\mathcal A^\circ) 看作类似流形内部的对象,把曲面变化方向看作“切向量”。如果一个扰动方向可以使曲面在足够小的正负扰动下仍属于可容许集合,则称其为可容许的无穷小扰动。论文并未声称已经严格构造出完整的Banach或Fréchet流形,而是先使用几何语言组织PDE和ODE结果;完整的泛函分析基础被留作未来研究。
这一点体现出论文的审慎之处:它并没有把“几何”仅仅作为比喻,而是明确指出输运速度场是切向量场、输运方程是其积分流、ATM jet是该向量场的Taylor展开。不过,真正的无限维流形结构、全局流以及非紧域上的尾部条件仍未被完全解决。
论文区分两种变化:
设 (u=\log F),则固定执行价与固定对数货币性之间的微分关系产生一个额外的 (\partial_k w) 项。由此,sticky delta对应浮动货币性坐标下曲面不动,即 (D=0);sticky strike对应固定执行价曲面不动,即包含机械滑动项;SSR则处于两者之间。
一般的一阶输运方程写成:
[ \partial_u w=v(k,u,T;w)\partial_k w. ]
其中 (v) 是输运速度。若 (v=\beta) 为常数,则得到经典SSR模型。若 (v=0),对应sticky delta;若 (v=1),对应sticky strike。固定执行价表达下,速度会出现“减一”的坐标转换,即固定执行价速度为 (v-1),但这只是坐标机械项,并不意味着模型本身发生变化。
从特征线角度看,曲面沿特征线保持不变。常数速度情况下特征线为直线,积分结果是:
[ w(k,u)=\Phi(k+\beta u). ]
因此,远期发生变化时,整个微笑沿对数货币性方向平移,这就是Bergomi ride formula的来源。论文强调,ride formula不是外加的经验规则,而是常数速度输运PDE的特征线解。
图1展示了初始SVI方差曲面与远期上升5%后的输运曲面,分别取 (\beta=0.5、1.0、2.0)。黑线是初始曲面,蓝线是数值输运解,红色虚线是精确ride formula。三组曲线几乎完全重合,说明数值求解器能够准确复现常数速度输运的解析解。
三个参数具有明确含义:(\beta=0.5)介于sticky delta与sticky strike之间;(\beta=1)就是sticky strike;(\beta=2)对应短期限局部波动率极限。图形显示,随着β上升,曲面在货币性方向上的平移速度增加,但微笑形状基本保持不变,这正是“自相似输运”的核心假设。
论文进一步说明,由于 (w=T\sigma^2),在波动率为正时,用总方差导数计算的β与用隐含波动率导数计算的SSR数值相同。因此,SSR可以被理解为ATM点的输运速度,而非独立于方差曲面几何的经验回归系数。
论文在ATM处定义方差jet:
[ a_n=\partial_k^n w(0,u,T). ]
其中 (a_0)是ATM总方差,(a_1)是ATM方差偏斜,(a_2)是ATM方差曲率,依此类推。速度场的对应导数定义为:
[ \beta=v(0),\qquad \eta=\partial_kv(0),\qquad \psi=\partial_{kk}v(0). ]
于是,β控制方差水平的输运,η控制偏斜动态中超出常数SSR的部分,ψ控制曲率动态中超出低阶项的部分。
一般的jet方程由Leibniz法则产生,具有下三角结构。前三阶可以概念性地理解为:
因此,若只估计SSR而忽略η、ψ,模型可能能够较好地预测ATM水平,却无法正确描述微笑形状如何变形。
固定执行价坐标只会使β变为β−1,η和ψ保持不变。这说明η和ψ不是坐标选择造成的机械项,而是曲面动态本身的内生特征。
论文还特别讨论了随机远期带来的Itô修正。确定性远期在领先阶只产生一阶算子 (v\partial_k);随机远期则会额外产生二阶项,且在速度不依赖于曲面本身时,二阶系数为非负的 (\frac12\nu^2v^2)。负二阶系数会导致反向抛物型方程,产生高频不稳定,因此被排除。三阶及以上算子则可能直接破坏Gatheral密度的正性,但论文承认这部分目前只是障碍性论证,并非完整分类定理。
论文的重要贡献之一是把ATM理论推广到任意展开中心 (k_0)。在满足 (\partial_k w(k_0)\neq0)时,有:
[ v(k_0)=\frac{\partial_u w(k_0)}{\partial_k w(k_0)}. ]
离散数据下,作者用前向差分估计:
[ \hat v(k_0)\approx \frac{w(k_0,u+\Delta u)-w(k_0,u)} {\partial_k w(k_0,u)\Delta u}. ]
当时间间隔趋于零时,该估计量具有 (O(\Delta u))误差。
这使得完整速度曲面可以通过扫描不同货币性中心来非参数识别。需要注意的是,识别的是复合速度 (\tilde v(k,w(k))),即显式货币性依赖与隐含方差依赖的合成结果;仅凭一条曲面轨迹,不能进一步分离这两种依赖。
估计流程采用顺序前向代入:
理论上,这种方法具有“误差隔离”特征:高阶方程的模型错误不会反向污染已经由低阶方程识别出的β和η。
不过,原文第5.9节的命题文字中出现了明显排版或逻辑错误:命题一处写“suppose (a_1=0)”,但随后又说对角线为 (a_1)且可进行唯一前向代入,实际识别显然需要 (a_1\neq0)。同时,行列式的符号表达也出现乱码或不一致。因此,该部分数学思想清晰,但原文公式排版需要核对。
论文分别研究日历密度和蝶式密度在输运下的变化。若初始曲面具有严格正的日历导数 (\partial_Tw\ge q>0),且速度场及其导数有界,则在足够小的现货对数变化范围内,日历无套利仍然保持。
对于蝶式套利,作者分析Gatheral密度 (g[w])沿特征线的变化。由于该泛函对货币性 (k)存在显式依赖,即使常数速度输运也不满足简单的平移等变性,因此不能直接断言输运后的密度就是初始密度的平移。作者通过有界残差得到一个明确的局部半径:只要现货移动足够小,(g[w])仍保持正值。
主定理要求速度场满足:
在这些条件下,特征线存在且唯一,流映射保持单调并构成全局货币性坐标上的局部微分同胚,输运后的曲面仍处于(\mathcal A^\circ)。
其局限也十分重要:这是局部无套利保持结论,不是任意远期变化下的全球结论;若速度依赖整个曲面,例如Dupire局部波动率中的非局部依赖,论文现有证明无法直接适用。
图2展示不同β在远期变化后的Gatheral密度。所有曲线在 (k\in[-1,1])上保持正值,最小值约为0.23,支持局部蝶式无套利结论。不同β导致密度峰值位置和左翼水平变化,但曲线并非简单平移,这直接验证了Gatheral泛函的显式货币性依赖。
图3以对数坐标展示网格间距与 (L^\infty)误差,拟合斜率为2.002,说明二阶Beam-Warming空间离散结合RK2时间推进实现了预期的二阶收敛。这证明数值算法能够可靠处理SSR输运,但数值收敛并不等同于金融模型的实证有效性。
论文将经典模型统一为不同的速度场:
局部波动率短期限下β趋向2,原因是ATM隐含波动率偏斜约为局部波动率偏斜的一半。因此,在相同ATM水平变化下,隐含波动率偏斜作为分母较小,SSR相应接近2。
这一统一方式的价值在于:局部波动率或粗糙波动率不再是完全不同的动态语言,而可以被视为特定速度场的来源;但论文仍然强调,其框架是一个组织和识别工具,并不等于已经为每一种生成模型建立了完全等价的动态定理。
数据覆盖2021年7月12日至2026年7月9日,共1118个有效日观测,期限包括1M、2M、3M、6M、9M、12M和24M。每个期限使用11个远期货币性点,范围约为 (K/F=0.85)至1.15;每日用三次多项式拟合总方差,从而提取 (a_0,a_1,a_2,a_3)。
该方法的主要风险是:高阶导数对报价噪声、执行价网格、拟合区间和多项式设定较敏感。论文通过 (R^2\ge0.95)筛选、HC3标准误、pairs bootstrap和moving-block bootstrap进行一定缓解,但这些处理不能完全消除高阶jet估计的不稳定性。
表2和图4显示,β从1M的1.4375单调下降到24M的1.0114;1M至12M均大于1,24M接近1。各期限回归 (R^2)约为0.79至0.82,说明单一ATM SSR能够解释相当大比例的ATM总方差变化。
滚动60日估计显示,短期限β波动更大,并在部分时期显著超过2,表明短期限微笑动态对现货变化更敏感。长期限β趋近sticky strike,但并不代表完整曲面已经自相似,因为β只是速度场在ATM的一个点值。
图5显示1M期限零阶、一级和二阶回归的实际变化与拟合变化。零阶散点相对集中,一级有所扩散,二阶散点明显更分散,说明曲率动态比ATM水平更难预测。
联合检验 (H_0:\eta=\psi=0)在所有期限均拒绝:1M的p值为0.026,其余期限均低于0.001。η在2M至6M以及12M至24M显著,ψ在1M至12M显著;η在9M附近穿过零,ψ在24M附近趋近零,但联合检验仍拒绝自相似模型。
图6显示η与ψ的时间变化幅度远大于β,尤其在2024至2025年前后出现明显尖峰,表明形状风险的输运速度具有较强时变性。
局部识别结果表明,1M和3M的 (v_0(k))呈U形,ATM附近存在低点,OTM call一侧在短期限速度最高;到12M时,曲线变为单调下降,OTM put一侧速度最高。
平滑趋势Wald检验在2M至12M拒绝strike-constancy,统计量约为10.1至32.7,p值均低于0.006;1M不拒绝,p=0.168,24M仅边际显著,p=0.065。
需要特别注意统计上的局限:七个货币性点使用相同的日收益序列,因此估计量高度正相关,平均相关系数从1M的0.908升至24M的0.998;协方差矩阵条件数最高达到约 (3\times10^{15})。因此,直接使用完整六自由度Wald统计会受到近奇异矩阵影响,论文将线性和二次货币性对比投影到较稳定的二维空间,并把该平滑趋势统计作为主结果。
图7还显示1M的 (v_1(k_0))在OTM put区域为负,接近94.9%货币性附近穿过零,ATM和OTM call区域转为正;但远离ATM后高阶估计的标准误迅速上升,因此超过±5%货币性的结果应谨慎解读。
完整模型在中等期限的曲率变化预测上优于SSR,3M至6M的 (\Delta a_2)RMSE改善约17%至21%,12M改善约4%。但是,增加η而不增加ψ可能反而恶化曲率预测,因为η估计误差会通过 (2\eta a_2)项传播。
全微笑RMSE改善较小,原因是水平项占总微笑变化约75%,偏斜项约17%,曲率项仅约6%;在有限的±10%货币性区间内,曲率项乘以 (k^2/2)后影响较小。因此,SSR已经能够很好地解释总的ATM水平风险,而η、ψ主要改善对vanna和volga等形状风险的刻画。
随机游走模型在全微笑预测上平均比SSR差约89%,说明输运结构本身具有很强的解释力。
图8以颜色、等值线和箭头展示 (v(k,T))。左图说明1%的现货变化大约对应 (v)%的货币性滑动:sticky delta为0,sticky strike为1,1M SPX约为1.44。右图显示ATM速度随期限下降,同时跨执行价剖面由短期限U形逐渐转为长期限单调下降。
这意味着单一β(T)只能捕捉速度曲面在ATM的截面值,无法描述完整的二维结构;报告明确指出该速度场既不具备简单的期限与货币性可分离形式,也不在两个方向上单调。
图9和表9显示,在以SPX估计参数构造的块残差bootstrap DGP下,β、η、ψ基本无偏恢复,报告标准误与实际模拟波动较为接近,覆盖率达到或超过95%。
但ψ在1M期限存在弱识别问题:由于ATM偏斜 (a_1)约为−0.019,决定ψ识别的回归变量接近零,经验标准误显著高于条件模拟标准误;1M的ψ统计量约为2.0,3M和6M分别约为4.6和10.7,因此1M结果应更加谨慎。
图10说明完整模型在模拟中对曲率和全微笑误差最低,但全微笑改善仍然很有限,因为ATM水平主导了总误差。
图11展示了模拟路径中ATM水平、偏斜和曲率的联动变化,直观说明jet方程并非三个相互独立的回归,而是一个耦合系统。
图12显示η检验在样本量50、100、200、500时的拒绝率分别为0.14、0.28、0.46和0.81,说明短样本下难以识别η,即使真实η较大,也可能因为ATM偏斜接近零而无法显著拒绝原假设。
此外,原文把2026年7月数据作为样本终点,但没有明确正式发布日期,这一元数据缺失应在正式发表或研究复现时补充。论文也没有讨论交易成本、流动性、报价过滤细节、远期估计误差及跨市场可迁移性,这些因素都可能影响速度场估计。
这篇论文的最大贡献不是提出一个新的单一SSR估计方法,而是把波动率微笑动态重构为“总隐含方差曲面在无套利集合中的输运问题”。在这一框架中,sticky delta、sticky strike和SSR都是不同速度场选择;β是ATM速度,η和ψ则是速度场关于货币性的高阶导数。
数学上,论文证明了在明确光滑性、有界性和正性条件下,输运流能在局部现货变化范围内保持蝶式和日历无套利;经验上,SPX表现出明显的super-skew,β从1M的1.4375下降到24M的1.0114,且自相似输运在所有期限均被拒绝。
图表进一步揭示了两个关键事实:第一,SSR对ATM水平风险具有较强解释力;第二,完整速度场随执行价和期限变化,其形状由短期U形过渡到长期单调下降,因而对于偏斜、曲率以及vanna、volga等形状风险,仅使用一个常数SSR是不充分的。
总体而言,报告的立场是:SSR仍然是一个有效且重要的零阶近似,但它不是完整的波动率曲面动态理论。真正更丰富的风险描述应当使用随货币性和期限变化的输运速度场,并通过β、η、ψ等局部jet系数逐层刻画微笑形状的变形。与此同时,该框架仍处于局部理论和经验识别阶段,全球无套利、非局部速度场、高阶算子分类以及完整的无限维几何基础,均是作者明确留待未来解决的问题。
2608.12493.pdf