首页/论文/1306.5447

arXiv 1306.54472013-06q-fin.CP

多因素局部随机波动率模型的显式隐含波动率

Explicit implied volatilities for multifactor local-stochastic volatility models

Matthew Lorig, Stefano Pagliarani, Andrea Pascucci

备注：: 33 pages, 5 figures

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们考虑一种资产的风险中性动态描述的一般类的本地随机波动率模型，并推导出一个家庭的渐近展开的欧式期权价格和隐含波动率。我们的隐含波动率展开式是显式的;它们不需要任何特殊的函数，也不需要数值积分。为了说明我们的方法的准确性和通用性，我们实现了它在五个不同的模型动态：CEV局部波动率，二次局部波动率，赫斯顿随机波动率，$3/2$随机波动率，和SABR本地随机波动率。

英文摘要：

We consider an asset whose risk-neutral dynamics are described by a general class of local-stochastic volatility models and derive a family of asymptotic expansions for European-style option prices and implied volatilities. Our implied volatility expansions are explicit; they do not require any special functions nor do they require numerical integration. To illustrate the accuracy and versatility of our method, we implement it under five different model dynamics: CEV local volatility, quadratic local volatility, Heston stochastic volatility, $3/2$ stochastic volatility, and SABR local-stochastic volatility.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

从{ETF }动态中杠杆化{ ETF }隐含波动率

Leveraged {ETF} implied volatilities from {ETF} dynamics

交易所交易基金（ETF）行业的增长已经引起了ETF及其杠杆对应物{（LETF）}上的期权交易。我们研究了当标的ETF由一般的局部随机波动率模型建模时，ETF和LETF隐含波动率曲面之间的关系。一个封闭形式的近似价格推导出欧式期权的回报取决于ETF和/或LETF的终端价值。严格的误差界限，这种定价近似建立。本文还导出了隐含波动率的一个封闭形式近似。我们还讨论了比较杠杆率的隐含波动率的缩放过程。隐含波动率的扩展和缩放测试在三个著名的设置：CEV，赫斯顿和SABR。

2015-04-15q-fin.CP

高效计算多个隐含波动率的Newton Raphson仿真网络

Newton Raphson Emulation Network for Highly Efficient Computation of Numerous Implied Volatilities

在金融学中，隐含波动率是即时反映市场情况的重要指标。许多从业者使用迭代方法来估计波动率，例如Newton-Raphson（NR）方法。然而，如果必须频繁地计算大量的隐含波动率，则迭代方法容易达到处理速度极限。因此，我们使用PyTorch（一种著名的深度学习软件包）将NR方法模拟为网络，并使用TensorRT（一种用于优化深度学习模型的软件包）进一步优化网络。将优化的仿真方法与SciPy中的NR函数（NR方法的流行实现）进行比较，我们证明仿真网络比基准函数快1,000倍。

2022-10-28q-fin.CP

时变模型中香草价格和隐含波动率的快速计算

Fast computation of vanilla prices in time-changed models and implied volatilities using rational approximations

本文提出了一种新的数值方法，在时变布朗运动模型中对普通期权进行快速定价。该方法基于Black-Scholes公式的有理函数近似。详细的数值结果给出了一些广泛使用的模型。特别是，我们使用方差伽马模型，CGMY模型和赫斯顿模型没有相关来说明我们的结果。与标准快速傅立叶变换方法的精度和速度方面的比较似乎有利于新开发的方法在所考虑的情况下。我们提出了期权价格的误差估计。此外，我们使用这种方法推导出一个程序来计算，对于一组给定的无仲裁的欧洲看涨期权价格，相应的Black-Scholes隐含波动率表面。为了实现这一点，使用布莱克-斯科尔斯公式的逆的有理函数近似。因此，我们能够更有效地计算出隐含波动率比一个可以通过使用其他常用的方法。误差估计提出了一个广泛的参数。

2012-03-30q-fin.CP

一类无套利隐含波动率模型的Hilbert空间方法

An Hilbert space approach for a class of arbitrage free implied volatilities models

我们提出了一组隐含波动率模型在\cite{BraceGoldys01}中，作者研究了一个家庭的欧式看涨期权，不同的到期时间和执行价格$T$和$K$，是无套利的条件。无套利条件给出了隐含波动率曲面${\hatσ}_t(T,K)$演化的随机偏微分方程组。我们将专注于家庭获得固定罢工$K$和不同的$T$。为了给出条件来证明系统解的存在唯一性结果，这里用远期隐含波动率的平方根来表示，并在Hilbert空间中重写.证明了一类模型中远期隐含波动率和远期隐含波动率的（无套利）演化的存在性和唯一性。还给出了具体的例子。

2007-12-15math.PRq-fin.CP

使用神经网络对期权定价并计算隐含波动率

Pricing options and computing implied volatilities using neural networks

Delft University of Technology（代尔夫特理工大学）

本文提出利用人工神经网络作为代理来加速金融期权定价和隐含波动率计算，在Black-Scholes、Heston模型和Brent方法等三种求解器上的测试表明，该数据驱动方法能显著减少计算时间。

2019-04-23cs.LGcs.NAmath.NA

短期利率模型的随机化、解析定价及隐含波动率控制的灵活性

Randomization of Short-Rate Models, Analytic Pricing and Flexibility in Controlling Implied Volatilities

该研究通过将随机仿射扩散（RAnD）方法应用于Heath-Jarrow-Morton框架下的短期利率过程，扩展现有模型以在保留解析性的同时控制隐含波动率，提升校准质量，其随机化Hull-White模型对互换期权隐含波动率拟合近乎完美。

2024-11-26q-fin.CPq-fin.MFq-fin.PM

更多相关论文收起更多论文

LSV模型定价和隐含容量的泰勒级数方法

A Taylor series approach to pricing and implied vol for LSV models

利用经典的泰勒级数技术，我们开发了一个统一的方法来定价和隐含波动率的欧式期权在一般的本地随机波动率设置。我们的价格近似只需要一个正常的CDF和我们的隐含波动率近似是完全明确的（即，他们不需要特殊的功能，没有无穷级数，没有数值积分）。因此，近似价格可以像布莱克-斯科尔斯价格一样有效地计算，近似的隐含波动率几乎可以立即计算。

2013-08-22q-fin.CP

普通香草期权价格与隐含波动率无套利插值的稀疏建模方法

Sparse modeling approach to the arbitrage-free interpolation of plain-vanilla option prices and implied volatilities

本研究提出一种基于积分方程离散化与SVD稀疏建模的普通香草期权无套利插值方法，结合L₁正则化提升稳定性，无需指定随机过程等模型，在多类测试案例中验证了有效性。

2023-05-08q-fin.CPq-fin.MFq-fin.PR

基于遗传规划隐含波动率模型的动态套期保值

Dynamic Hedging using Generated Genetic Programming Implied Volatility Models

本文的目的是利用遗传规划生成的隐含波动率来提高动态套期保值的精度。利用标准普尔500指数期权的实际数据，比较了静态和动态训练子集选择方法对Black和Scholes隐含波动率的预测能力.在动态套期保值中检验了最佳生成GP隐含波动率的性能，并与布莱克-斯科尔斯模型进行了比较。基于均方误差总和，GP的动态训练比固定样本的静态训练得到更好的结果。从对冲误差来看，GP模型在几乎所有的对冲策略上都比BS模型更准确，特别是对于价内看涨期权和价内看跌期权。

2020-06-29cs.CEq-fin.CP

使用流动性市场基准对非流动性资产的期权定价：能源市场的应用

Pricing options on illiquid assets using liquid market benchmarks: an application to energy markets

Enel Global Energy and Commodity Management（Enel全球能源与商品管理部）；Dipartimento di Matematica, Università di Roma Tor Vergata（罗马托尔维加塔大学数学系）；INdAM-GNAMPA, Research Unit at Tor Vergata（Tor Vergata INdAM-GNAMPA研究组）；Dipartimento di Economia e Finanza, Università di Roma Tor Vergata（罗马托尔维加塔大学经济与金融系）

研究针对汽油期权市场流动性不足难以构建隐含波动率曲面的问题，通过相关巴舍利耶局部波动率模型联合建模布伦特和汽油期货价格，计算隐含波动率校正，经模拟验证该框架适合成品油建模与衍生品定价。

2026-07-22q-fin.CPq-fin.PRstat.CO

随机波动率模型下的短期实值渐近性

Short-term at-the-money asymptotics under stochastic volatility models

在一般的随机波动率模型下，给出了资产价格密度的小时间Edgeworth展开式，并由此得到了看跌期权价格和实值隐含波动率的渐近展开式.作为推论，给出了实值隐含波动率偏斜和曲率的极限定理。粗糙Bergomi模型作为一个例子。

2019-03-22math.PRq-fin.CP

波动率模型的神经网络校正--直接法与间接法的比较

Volatility model calibration with neural networks a comparison between direct and indirect methods

在最近的一篇论文《深度学习波动率》中，提出了一种用于粗略波动率模型的快速两步深度校准算法：在第一步中，通过神经网络学习从模型参数到隐含波动率的耗时映射，并在第二步中使用标准求解器技术来找到最佳模型参数。在我们的论文中，我们将这些结果与另一种直接方法进行比较，其中从市场隐含波动率到模型参数的映射由神经网络近似，而不需要额外的求解步骤。使用白化过程和目标参数到[0，1]的投影，为了能够使用sigmoid类型的输出函数，我们发现直接方法优于发表在“深度学习波动性”中的数据集和方法的两步方法。在我们的实现中，我们使用开源的tensorflow 2库。这篇论文应该被理解为神经网络技术的技术比较，而不是系统的新分析。

2020-07-07q-fin.CPq-fin.MF

双曲局部波动率模型的拟蒙特卡罗定价与风险分析

Pricing and Risk Analysis in Hyperbolic Local Volatility Model with Quasi Monte Carlo

局部波动率模型通常比其他方法（如随机波动率模型）更准确地捕捉隐含波动率的表面。本文给出了基于双曲局部波动率模型的蒙特卡罗（MC）和拟蒙特卡罗（QMC）方法在衍生品定价和风险分析中的应用结果。在高维积分中，当被积函数的有效维数不太大时，QMC的性能优于MC。在衍生品定价和计算希腊有效的维度依赖于路径离散算法的应用。对亚式期权的计算结果表明了拟蒙特卡罗方法的优越性能，特别是对布朗桥离散方案。

2021-06-15q-fin.CP

巴舍利尔期权价格的解析近似及其应用

Analytic approximation for Bachelier option prices and applications

Department of Economics and Business, Universitat Pompeu Fabra and Barcelona School of Economics（经济与商业系，庞培法布拉大学及巴塞罗那经济学校）；Departament de Matemàtica Econòmica, Financera i Actuarial, Universitat de Barcelona（经济、金融与精算数学系，巴塞罗那大学）

本文通过伊藤微积分和泰勒展开，将离散和在钱期权价格表示为货币性展开，系数与未来平均波动率的负非整数次幂相关，并应用于降低相关情况下蒙特卡洛期权价格的方差。

2026-05-08q-fin.CP

以S形函数描述波动率微笑

To sigmoid-based functional description of the volatility smile

本文提出了一种新的静态参数化的隐含波动率曲面，它是由sigmoid函数的多项式与其他一些条款相结合。这种参数化方法具有足够的灵活性，可以适应市场隐含波动率的微笑或偏斜。一个无套利的校准算法被认为是构造隐含波动率表面作为一个网格中的罢工到期空间，并保证在这个网格的每个节点缺乏套利。我们还演示了如何构建一个无仲裁的时间内插和外推，以及建立一个本地的波动率和隐含的pdf表面。渐近行为的参数化进行了讨论，以及校准参数的稳定性的结果。数值算例表明，该方法在建立所有这些表面的鲁棒性，以及展示了更好的质量的拟合相比，一些已知的模型。

2014-12-08q-fin.CPq-fin.GNq-fin.MF

粗糙Bergomi模型的涡轮增压蒙特卡罗定价

Turbocharging Monte Carlo pricing for the rough Bergomi model

Bayer、Friz和Gatheral提出的粗糙Bergomi模型[Quant. Finance 16（6），887-904，2016]，是最近的粗略波动率模型之一，与隐含波动率表面基本上是时不变的程式化事实一致，并且能够捕捉在股票市场中观察到的偏斜的期限结构。在没有分析的欧式期权定价方法的模型，我们专注于减少运行时调整方差的蒙特卡罗隐含波动率，从而有助于模型的模拟校准。我们采用了一种新的组合方差缩减方法，立即适用于任何条件对数正态随机波动率模型。假设一个目标隐含波动率估计与给定程度的信心，因此校准RMSE，我们证明的结果相当于显着的运行时间减少-大约20倍，平均在不同的相关性制度。

2018-03-16q-fin.CPq-fin.PR

某些Lévy型模型的微笑

The Smile of certain Lévy-type Models

我们考虑一类资产的风险中性定价动态描述的指数Lévy型过程的违约。我们考虑的过程类的特点是局部依赖的漂移，扩散和违约强度以及局部依赖的Lévy测度。利用正则摄动理论和傅立叶分析的技巧，我们推导出欧式期权价格的级数展开式。我们还提供了精确的条件下，这个级数展开收敛到确切的价格。此外，对于我们的建模框架中的某类资产，我们推导出了由我们的期权定价公式引起的隐含波动率的扩展。隐含波动率展开式在其收敛半径内是精确的。作为我们框架的一个例子，我们提出了一类CEV类Lévy型模型。在这一类中，近似期权价格可以通过一个傅立叶积分计算，近似隐含波动率是显式的（即，不需要集成）。此外，类CEV的Lévy型模型提供了一个紧配合的隐含波动率表面的S{&}P500指数期权。

2013-04-18q-fin.CPq-fin.GNq-fin.PR

具有随机波动率和随机利率的解析多货币模型

An analytic multi-currency model with stochastic volatility and stochastic interest rates

我们引入了一个易于处理的多货币模型，考虑到外汇市场的微笑和收益率曲线的演变与随机波动率和相关的随机利率。我们的框架也能够描述外汇利率和利率之间的许多非平凡的联系：第二个校准练习突出了模型的能力，同时适合外汇隐含波动率，同时与利率产品的一致性。

2013-03-12math.PRq-fin.CPq-fin.PR

期货衍生品的多尺度随机波动率模型

Multiscale Stochastic Volatility Model for Derivatives on Futures

在本文中，我们提出了一种新的方法来计算期货衍生品价格的一阶近似的背景下，多尺度随机波动率的Fouque \textit{et al.}（2011年，CUP）。它为Hikspoors和Jaimungal（2008）中提出的奇异摄动技术提供了一种替代方法。我们的方法的主要特点是双重的：首先，它不依赖于任何额外的假设的规律性的回报函数，其次，它允许一个有效的和简单的校准程序的模型，隐含波动率。这些功能在以前的作品中没有实现。此外，我们的方法的中心论点可以适用于利率衍生品和复合衍生品。我们的方法的唯一先决条件是基础导数的一阶近似。此外，这里提出的模型是非常适合的商品，因为它结合了现货价格的均值回归和多尺度随机波动率。事实上，该模型是通过校准原油期货期权来验证的，它显示出与隐含波动率非常吻合。

2013-11-18q-fin.CPq-fin.PR

期权定价中的机器学习：网络架构的实证研究

Machine learning for option pricing: an empirical investigation of network architectures

Delft Institute of Applied Mathematics, TU Delft（代尔夫特应用数学研究所，代尔夫特理工大学）；Institute of Applied and Computational Mathematics, FORTH（应用与计算数学研究所，希腊国家科研院）；Department of Mathematics, TU Munich（数学系，慕尼黑工业大学）

本文通过实证研究比较了不同网络架构在期权定价和隐含波动率计算中的性能，发现广义高速公路网络架构在准确性与训练时间方面表现最佳。

2026-01-29cs.LGq-fin.CP

局部随机波动率模型校正的生成对抗网络方法

A generative adversarial network approach to calibration of local stochastic volatility models

我们提出了一个完全数据驱动的方法来校准本地随机波动率（LSV）模型，特别是规避特设插值的波动率曲面。为了实现这一点，我们参数化的杠杆函数由一个家庭的前馈神经网络，并学习他们的参数直接从可用的市场期权价格。这应该在神经SDES和（因果）生成对抗网络的背景下看到：我们通过特定的神经SDES生成波动率曲面，其质量通过量化（可能以对抗方式）市场价格的距离来评估。校准函数的最小化强烈依赖于基于套期保值和深度对冲的方差缩减技术，这本身就很有趣：它允许仅使用少量样本路径以准确的方式计算模型价格和模型隐含波动率。为了验证该方法的有效性，我们实现了一个SABR型LSV模型，并对多个隐含波动率微笑样本进行了统计性能分析，结果表明该方法的准确性和稳定性。

2020-09-29math.OCq-fin.CPstat.ML

超越代理模型：通过形状约束学习局部波动率

Beyond Surrogate Modeling: Learning the Local Volatility Via Shape Constraints

我们探讨了两种机器学习方法的能力，欧洲香草期权价格的无套利插值，共同产生相应的局部波动率曲面：有限维高斯过程（GP）回归方法下的无套利约束的基础上的价格，和神经网络（NN）方法与惩罚的基础上的套利隐含波动率。我们证明了这些方法相对于SSVI行业标准的性能。GP方法被证明是无仲裁的，而套利只在SSVI和NN方法下受到惩罚。GP方法获得了最佳的样本外校准误差，并提供了不确定性量化。NN方法产生了更平滑的局部波动率和更好的回测性能，因为它的训练标准包含了局部波动率正则化项。

2022-12-20q-fin.CPq-fin.MFstat.ML

具有指数仿射特征函数的随机波动率扩散模型参数的解析估计及其在货币期权定价中的应用

Analytic estimation of parameters of stochastic volatility diffusion models with exponential-affine characteristic function for currency option pricing

本文提出一种解析估计随机波动率扩散模型参数的新方法，通过提供可靠的算法初始值提升期权定价与校准精度，并引入了带有欧式期权半解析公式的双因子OUOU模型。

2025-07-16q-fin.CPq-fin.MFq-fin.PR