金融衍生品定价中的随机波动率模型比较.docxVIP

金融衍生品定价中的随机波动率模型比较

一、引言：随机波动率模型的诞生与研究意义

传统的Black-Scholes模型作为金融衍生品定价的经典框架，曾在很长一段时间内主导了衍生品市场的定价逻辑，但该模型基于“波动率恒定”的核心假设，与实际金融市场存在显著偏差。现实中，无论是股票、利率还是商品市场，波动率都呈现出明显的时变性、集群性以及与标的资产价格的相关性，并且市场上还普遍存在“波动率微笑”“波动率偏斜”等现象——即不同执行价格的期权隐含波动率并非一致，而是呈现出非对称的曲线形态，这些都无法通过Black-Scholes模型得到合理解释（Hull，2006）。

为弥补这一缺陷，随机波动率模型应运而生，它将波动率视为一个随机过程，而非固定常数，从而更贴近市场的真实波动特征。自20世纪70年代以来，学界和业界陆续提出了多种经典的随机波动率模型，这些模型在假设条件、结构设定、适用场景等方面存在差异，其定价效果和应用效率也各不相同。对这些模型进行系统比较，不仅能够深化对金融波动率本质的理解，还能为金融机构在衍生品定价、风险管理、对冲策略制定等实践环节提供科学的决策依据，具有重要的理论价值和现实意义。

二、经典随机波动率模型的核心特征概述

要对不同随机波动率模型进行有效比较，首先需要明确各模型的核心设定与基本特征。目前应用最为广泛的经典模型主要包括Heston模型、SABR模型和CEV模型三类