本文首次建立了近不稳定重尾双变量累积INAR(∞)过程与粗糙Heston模型的离散时间微观基础,揭示了流动性不对称与杠杆效应的联系。基于此理论,设计了高效的FFT加速INAR模拟器,支持欧式及路径依赖期权(亚洲、极值、障碍)定价,并给出了有限时域的弱误差界。数值实验验证了模拟器的准确性与效率,且隐含波动率曲面展现与实证一致的粗糙波动特征,如短期ATM倾斜的幂律衰减
报告标题: Rough Heston model as the scaling limit of bivariate cumulative heavy-tailed INAR processes: Weak-error bounds and option pricing
作者: Yingli Wang, Zhenyu Cui, Lingjiong Zhu
日期: 2025年11月6日
主题领域: 数量金融、随机过程、微结构模型、粗糙波动率模型、选项定价
关键字: 粗糙波动率、INAR(∞)过程、尺度极限、基于FFT的模拟、隐含波动率面、选项定价弱误差界
数学分类: 60G22, 60H35, 91G20, 62M10, 60F17
核心论点:
该论文建立了重尾、近不稳定的双变量累计INAR(∞)过程与粗糙Heston模型之间的离散时间尺度极限联系,扩展了先前基于Hawkes过程的尺度极限研究,提供了粗糙波动率及其负相关性杠杆效应(leverage effect)的微观结构解释。论文提出了基于INAR(∞)序列的高效选项定价蒙特卡洛方法,利用分治快速傅里叶变换(FFT)实现长记忆卷积计算,显著提升计算效率并获得严格的有限期弱误差界。同时,通过模拟隐含波动率表面,证实了粗糙模型(参数α<1)能够自然再现实证中的尖锐短期隐含波动率偏斜及幂律衰减,而传统Heston模型(α=1)则无法体现这一非平坦特征。
论文首先介绍了粗糙Heston模型(El Euch和Rosenbaum,2019),强调其通过方差过程的分数卷积核引入隐含的路径粗糙性,参数α ∈ (1/2,1)控制路径的光滑性。该模型在波动率序列的粗糙性质及短期隐含波动率斜率解释方面有重要意义。
随后,论文引入INAR(∞)模型(整数值自回归过程,带有随机薄化操作),和累计INAR(∞)过程的定义及其与Hawkes过程的联系。尤其指出,尽管两者均刻画自激过程,但重尾近不稳定INAR(∞)的尺度极限与Hawkes过程存在显著不同,阐明了研究的必要性。
同时,引用了早期相关工作(Wang et al.,2024)证明了单变量重尾INAR(∞)过程极限为分数量CIR过程(粗糙Heston模型方差成分),但未涉及价格与波动率的联合过程,论文明确提出推广到双变量框架,结合价格和波动率的理论分析和应用。
此外,归纳了最近关于粗糙Heston模型的数值模拟进展,包括Euler-马鲁雅玛方法、多因子逼近、混合数值算法和CTMC方法,为提出基于离散微观结构的模拟方法提供背景。
整体引言形成了理论连接建立与实际应用需求间的桥梁。 ,2]
论文构造了一个双变量累计INAR(∞)模型,定义其强度函数为带权的过去交易计数的卷积,参数设定接近不稳定,权重满足重尾幂律衰减,精确体现流动性不对称性(“卖对买”的影响强于“买对卖”,引起负相关的杠杆效应)。完整模型中引入了时间依赖的基线强度以消除统计套利机会,确保买卖成交强度平衡。
主要假设包括:
参数化精细设计为满足上述条件,并通过离散更新方程表达强度进而转化为离散型更新、回归及鞅差分分解。
通过离散再生方程结构和卷积核的弱收敛性(Lemma 2.5),建立了强度过程的近似表达,揭示极限为带Mittag-Leffler函数密度的核相关的卷积表达。
命名了包括累计计数、强度及归一化鞅差补偿过程在内的若干重标定变量,首先展示了过程序列的紧性和一致有界性(Proposition 2.6),并通过鞅极限定理表征极限性质,同时指出男女成交计数趋同,反映订单流对称动态。
随后通过一系列技术引理,展示可能极限过程的随机积分和卷积形式,表述方差过程满足由Mittag-Leffler核卷积驱动的粗糙随机微分方程,最终归结为粗糙Heston模型的波动率与价格动态(Theorem 2.10)。
参数映射明确了微观模型参数与经典粗糙Heston模型参数间的联系,特别是波动率波动强度ν和负相关系数ρ由流动性偏差β及其他INAR参数一一映射得出(Theorem 2.11)。
整体奠定了从微观计数过程到波动率动力学和价格过程的完整理论机制。 –10]
利用Brownian运动的正交分解,构造市价与波动率驱动的两个独立布朗运动,并推导出两者的相关系数表达式 ρ=2(1+β2)1−β,负相关区间与流动性不对称性β>1相符,体现了微结构层面流动性与宏观杠杆效应的契合。
进一步定义微观价格过程及相应的标度系数,证明其在Skorokhod拓扑下收敛至粗糙Heston模型中经典的风险中性对数价格过程。此处包含价格的漂移补偿项,保证风险中性条件。
波动率V的演化通过带有分数卷积核的SDE表示,充分体现了“粗糙”特性和与微观INAR过程的对应关系。
此节完成了微观模型向宏观粗糙Heston模型的完备映射和收敛理论框架。 –10]
本章节致力于量化基于INAR(∞)近似的数值模拟与粗糙Heston极限模型之间的定价偏差(弱误差),覆盖欧式期权、亚洲期权、勒克巴克期权。全文默认时间范围T∈(0,1],符合前文归一化设置。
3.1 预备知识与工具:
介绍基于Laplace变换的幂级数展开获取基核函数性质(Lemma 3.1)、日常使用的卷积与黎曼-积分技巧,以及粗糙Heston特征函数刻画的分形Riccati方程。
明确定义辅助模型形式,基于近似核ζτ代替真实分数核,借此桥接INAR模拟与粗糙Heston模型。
3.2 欧式期权弱误差分析:
利用Carr–Madan公式将期权价格误差表示为特征函数差异在垂直复平面上的积分,并借助Riccati方程解的Lipschitz稳定性(Proposition 3.11)传导核逼近误差。
证明最终欧式看涨期权定价的弱误差界为
其中τ1/2−α项来自核函数逼近误差,τ−1/4源自微观鞅近似(Theorem 3.14)。
3.3 亚洲期权分析:
利用路径平均的Lipschitz性质,减少定价误差至路径差的均值误差。
对指数矩有限性的严格分析表明,对于二阶指数矩存在要求才保证弱误差界结果有效(Lemma 3.16)。
最终推导弱误差界与欧式相同阶,均为CT,K(τ1/2−α+τ−1/4)(Theorem 3.18)。
3.4 勒克巴克期权误差界:
需考虑最大路径函数的非平滑性,通过平滑近似取代并结合Doob不等式分析指数矩存在性。
推导辅助模型误差界为τ1/4−α/2,微观误差界限为τ−1/8,最终综合误差界为
其中微观噪声主导时在α≥3/4区间(Theorem 3.21)。
结论是,INAR(∞)的微观近似模型为多类期权提供了可控、且明确量化的弱误差界,有效保证选项价格计算的准确性与模型稳定性。 –19]
4.1 模拟框架与计算实现
设计了基于INAR(∞)过程的蒙特卡洛模拟引擎,采用分治式快速傅里叶变换(CDQ–FFT)解决长记忆卷积复杂度问题,将计算复杂度从O(τ2)降至O(τlog2τ),极大提升了大规模路径模拟效率(算法1概要)。
使用多线程并行策略分摊计算压力,在参数选取与预设路径数下,对欧式、亚洲、勒克巴克及障碍期权均给出定价蒙特卡洛估计和置信区间。
以粗糙参数α=0.62为例,构建了配套的模型参数(表2),验证了随时间步长τ增大价格趋于稳定且收敛于文献基准(表3)。
各类期权数值结果(表4)与Callegaro等经典卷积算法结果保持高度一致,体现了INAR模拟的有效性和稳健性。
4.2 经典Heston模型检验(α=1)
通过欧式期权闭式解与Euler-Maruyama数值基准对比,结果显示INAR(∞)模拟能成功复现经典Heston模型的价格,误差较小,置信区间合理(表5)。
对亚洲、勒克巴克、障碍期权同样采用Euler-Maruyama进行benchmark,比对结果呈现良好吻合(表6–8),展示了模型路径依赖定价的适用性。
4.3 隐含波动率曲面分析
运用INAR模拟器计算不同到期与行权价组合上的欧式期权价格,反求隐含波动率,绘制隐含波动率曲面(图1)。
粗糙模型(α=0.62)显示出典型的短期内尖锐TMATM斜率及对时间的幂律衰减行为,拟合指数约为-0.369,与理论预期 TH−1/2 (H=α−1/2≈0.12)极为接近(图2)。
经典Heston模型(α=1)曲面则平滑得多,无法反映短期隐含波动率偏斜的微观实证特征。
这部分实验证实了论文学术贡献不仅理论合理,也在金融工程实践层面能够再现粗糙波动率的现实特征。 –28]
图1(第28页):粗糙Heston模型隐含波动率曲面
三维网格图显示隐含波动率随对数虚值和到期时间变化的平滑曲面。粗糙模型下曲面在短期、近ATM处倾斜较陡,符合市场观测,经典模型则较为平坦。
该图直观展示了INAR基模拟器捕获粗糙波动率短端微结构的能力,验证理论模型的正确性。
图2(第27页):ATM隐含波动率斜率与水平演变及其幂律拟合
表格
以上图表均严谨支撑文本理论与数值论证,体现了采样精度、模拟效率与模型适用性的综合平衡。 –27,28]
本文从理论上不直接做静态估值,但通过构造离散INAR(∞)过程的尺度极限与粗糙Heston变量随机微分方程间显式映射,实现粗糙Heston模型的动态风险中性价量。这为金融衍生品的蒙特卡洛定价提供理论基础与计算工具。模型估值环节包括:
显著特征是软解释了粗糙波动率市价行为的微观基础,连接微观流动性不对称与宏观波动率微分动力学,为估值提供新视角。 ,11–19]
论文严格界定各种假设条件以保证理论和数值结果有效:
论文通过理论推导或数值实验证明上述假设及条件为价格估值提供充足保障。未具体给出对冲或风险缓释机制,但给出模型误差率以辅助实践中的离散层级决策。 –5,11–13,19]
总结而言,模型与模拟方法在理论和数值实验上均表现出较强优势与内在一致性,但实际应用推广时仍需注意上述条件和限制,特别是对极端行情下模型鲁棒性的检验。
本报告深入剖析了一篇开创性论文,具体贡献体现在:
图1、图2等图表通过标明短期高偏斜及幂律衰减的隐含波动率特征,强化理论与市场实证的连接,显示模型在波动率建模中的独特优势。
表3至表8数值结果验证了模型在固定参数下不同衍生品的准确定价能力,并揭示了选取τ平衡计算性能与精度的实践教训。
综上,本报告揭示论文通过鲁棒的理论推导与精细的数值实验,构建了一个全新的粗糙波动率微观结构与选项定价工具箱,提供了波动率建模、风险管理和金融工程应用的多维度范式,具有广泛理论影响和实际应用潜能。 –59]
本分析严格遵循报告章节逻辑和数据图示,全面揭示论文关键理论、假设、技术细节、数值实现和金融实证,说明作者在理论与数值方法上达到的突破,并就模型局限和实用考量提出审慎视角,旨在为专业机构读者提供详尽深入的理解基础与应用展望。
2503.18259.pdf