金融随机波动率模型及其参数估计方法评述.pdfVIP

麓 金融随机波动率模型及其参数估计方法评述 刘凤琴 金 瑜 浙江财经大学信息学院 资助项 目：国家 自然科学基金 ；教育部人文社会科学规划项 目(11YJA790103) 【摘 要 】构建合适的理论模型来估计和预测金融资产波动率是衍生品定价、投资组合配置以及风险管理中的十分重要环节，因此相 关学术研究已经引起国内外学者广泛关注。本文主要基于已有研究文献，从两个方面对其研究成果进行适当梳理，首先分析了随机波动 率的理论模型和所适用的金融环境，其次讨论了常用参数估计方法的优缺点，最后总结了模型进一步发展的趋势 ．研究认为 ：Heston模型 在普通期权定价和利率市场方面应用较为广泛 ，SABR模型是目前金融市场最有效的风险管理工具之一 ；自适应马尔科夫链蒙特卡罗估计 M(CMC)方法将是未来最佳的随机波动率模型参数估计方法之一。 【关键词 】随机波动率 ；SABR模型 ；自适应MCMC 一 、 引育 Heston模型在普通期权定价和利率市场方面应用较为广泛 ， 对金融市场波动的描述是现代金融理论的关键内容之一，因为 在Heston推导出普通期权价格的半封闭解的基础上 ，随后许多对 现代金融理论的核心便是不确定性，而波动则是衡量这种不确定性 Heston模型的扩展，如加入非连续跳跃过程等进一步提高对期权定 的重要指标。而且随着近年来金融资产之间的联系不断加深和金融 价的精确度。但Heston模型目前有两方面的局限：f1)Bergomi(2004) 衍生品的不断创新，金融市场的波动 日益加剧，表现出非常复杂、 实证检验发现应用Heston模型难以对结构化产品实现有效估值。 丰富的统计特征，如波动的隐含微笑曲线、尖峰厚尾、长期记忆 (2)应用Heston期权定价模型难以较好的刻画与预测 “波动率微笑” 性、非对称性和溢出效应等。 现象。 自从Taylor(1986)构建随机波动率(Stochasticvolatility，sv)模 2．SABR模型 型，由于sV模型在描述金融资产波动率动态过程时比其他模型(如 Hagan，Kumar，Lesniewski(2002)在远期测度下，对标的资产 GARCH模型等)更灵活、更具有优势，sv模型逐渐在波动率估计和 的远期价格动态演化过程提出一个新的随机波动率模型一SABR模 预测中占据主导地位。国内外学者对此开展了大量研究，研究内容 型。SABR为Stochastic，alpha( )，beta(3／)，rho( )的缩写。 主要包括三个方面： 。 其中 ， ， 分别是SABR模型的四个参数中的三个。SABR 1．针对SV模型及其扩展的研究 模型在一定程度上拟合了实际市场交易中的 “波动率微笑”，包括 SV模型利用随机变量描述金融市场任意给定时刻的资产价格 分析推导出隐含波动率的近似值，赋予模型中各个参数直观的意义 及其波动率。目前最流行的SV模型是Heston模型和SABR模型。现 来描述 “波动率微笑”现象。由于其具有高效率、易操作等特性， 阶段的研究主要围绕sV模型的扩展展开，如引入跳跃过程、构建 SABR模型已成为 目前金融市场管理 “波动率微笑”风险的行业标 高频数据的波动模型等。 准模型之一。 2．SV模型参数估计方法的研究 SABR模型为双因子随机模型，它描述远期价格 ：(例如 由于SV模型的特征函数无法导出精确表达式，难以使用普通 LIBOR远期利率，远期交换利率等)的动态演化过程。SABR模型 的参数估计方法。近十几年来，国内外学者围绕SV模型中扰动项 可表示为如下形式 ： 无法观测的特性，提出了多种参数估计方法。归纳起来可分为三 dE,=6,Fp ， t0 (41 类：一是矩估计方法；二是极大似然估计方法；三是基于辅助模型 =aEaB,， t0