基于Arbitage-FreeSVI模型的.PDF

基于Arbitrage-Free SVI 模型的 期权做市策略 ——国信证券另类投资总部 摘要：本文主要提出了一种收益稳定的期权做市交易策略。首先我们对期权波动 率曲面进行建立，相对于以往的随机波动率模型不同，我们先对传统的一个常用的 SVI 模型改进成无套利的SVI 模型，即该模型不存在蝶形和跨期套利空间，再按照 该模型建立的隐含波动率曲线进行做市报价，这样可以将套利和做市策略结合。在 交易策略和风险控制方面，我们会在一定程度上限制delta 的风险暴露，同时尽量 完全不暴露vega 风险，同时对于波动率曲面的斜率和曲率变化所带来的风险我们 也会部分进行对冲。最后，我们使用180ETF 期权当月合约的高频数据进行实证分 析。 该模型在180ETF 模拟做市和沪深300 模拟做市中进行使用 关键字：Arbitrage-Free SVI，无套利原理，风险对冲，180ETF 实证分析 一． 综述 1.1 期权隐含波动率曲线 在期权做市交易中，非常重要的一个环节就是波动率曲面的建立，对于不同的方 法，我们所得到的曲线形态相差很大，而这将直接影响我们对风险控制的准确与否。 不同的做市机构所建立的曲面也都完全不相同。波动率曲线对期权做市所产生的收 益有很大的影响。 1976 年Black 和Scholes 提出了著名的BS 模型，从而我们可以从BS 模型的定 价公式中反解出BS 隐含波动率，也就是市场的隐含波动率。但是如果我们使用BS 模型中所反解出来的隐含波动率进行交易，就无法对风险进行很好的控制。问题就 在于 BS 公式中假设股票的分布为对数正态分布，即股票的走势符合以下 Ito 过程： 我们可以清楚的看到，式子中假定股票的波动率是固定不变的，由此建立出来的 BS 模型的波动率是一条直线。但是实际中的波动率却是一条曲线，这是由于股票 所符合的随机过程的波动率并不是一个常数，而是一个变化的值，股票的分布也并 不是对数正态分布，其分布可能具有厚尾性，不对称性和尖峰性。所以为了使模型 更加准确，我们必须放弃假设股票价格为对数正态分布。 如果直接使用BS 公式所求出的市场隐含波动率进行交易，虽然可以有波动率微 笑存在，但是由于BS 模型中所假定波动率是不变的，而市场波动率实际上又不是 相同的，这就导致在计算不同期权的Greeks 上使用了不同的模型，从而使计算出 来的风险值与实际的风险值有所偏差，从而在对冲上无法很好的规避掉风险，使做 市产生的收益受损。 Cox 和Ross 在1976 年又提出Constant Elasticity of Variance Model，简称 CEV 模型，该模型假设股票的波动符合以下随机过程： 可以看出，该模型认为股票波动率的变化是和价格的变化呈现一定联系的，当股 票价格上升或者下降时，波动率会向反方向变化。 如果CEV 模型是正确的，那么股票的价格和波动率的关系将满足如下过程： ( ) 用股票价格的历史数据通过上式进行回归，我们可以将模型的参数b 求出，再求 出模型的解。然而这个模型并非随机波动率模型，所以对波动率的求解并不是很精 确。 而后，Heston 在1993 年提出了非常著名的Heston 模型。Heston 模型是随机波 动率模型的一种，其认为标的物的波动符合以下随机过程： ( ) √ ( ) ( )