粗糙波動率：分數模型為何能更準確地為選擇權定價

核心要點

金融市場中的波動率路徑遠比經典模型假設的更加粗糙。主導已實現波動率的赫斯特指數約為0.1，而非標準布朗運動所暗示的H = 0.5。Gatheral, Jaisson, and Rosenbaum (2018)嚴格記錄的這種粗糙性，解釋了隱含波動率曲面為何呈現陡峭的短期偏斜、VIX為何能在日內飆升31%並在數小時內回落，以及傳統隨機波動率模型為何系統性地錯誤定價短期選擇權。

波動率打破自身規則的那一天

2018年2月5日，VIX在單個交易時段內從17飆升至50，日內變動達194%，摧毀了數十億美元的空頭波動率產品。XIV交易所交易票據一夜之間損失了96%的價值。建立在波動率作為平滑擴散過程演化假設之上的標準隨機波動率模型，對此類事件賦予了接近零的機率。模型並非校準失誤，而是在結構上不具備生成市場常規產生的那種急劇、聚集性波動率爆發的能力。

這並非孤立事件。2015年8月的閃崩、2014年10月的國債波動率飆升，以及最近2026年3月VIX 31%的日內急升，都共享同一特徵：波動率以鋸齒狀的自相似爆發方式運動，而非平滑的均值回歸弧線。數十年來，從業者注意到了模型與現實之間的這種不匹配。直到2018年的一篇里程碑式論文才解釋了其中原因。

核心論點：波動率是粗糙的

Gatheral, Jaisson, and Rosenbaum (2018)提出了一個簡單卻有力的主張：對數已實現波動率的樣本路徑表現得如同由赫斯特指數H約等於0.1的分數布朗運動所驅動，遠低於標準布朗運動的H = 0.5。這一單一參數的變化對選擇權的建模、定價和避險方式具有深遠影響。

在Heston (1993)等標準隨機波動率模型中，波動率過程由普通布朗運動驅動。該過程的增量是獨立的；知道昨天波動率上升並不能告訴你今天會上升還是下降。樣本路徑是連續但處處不可微的，具有由H = 0.5主導的特徵粗糙度。

分數布朗運動（fBm）通過允許赫斯特參數H取0到1之間的任意值來推廣這一框架。當H < 0.5時，過程表現出反持續性行為：正增量之後往往跟隨負增量，反之亦然。路徑變得比標準布朗運動更粗糙，方向變化更頻繁，外觀更加鋸齒狀。當H > 0.5時，過程具有持續性，路徑更加平滑。

關鍵發現是，股票、貨幣和商品市場的已實現波動率一致顯示H接近0.1。這意味著波動率路徑遠比標準模型能夠產生的任何路徑都更加粗糙，在短時間尺度上表現出上升和下降之間的快速交替。

如何證明波動率是粗糙的？

Gatheral, Jaisson, and Rosenbaum (2018)的實證方法論依賴於分數布朗運動的標度性質。對於具有赫斯特指數H的過程，時間滯後q上增量的變異數按以下方式標度：

E[|X(t+q) - X(t)|^2] 與 q^(2H) 成正比

作者通過計算從1天到數月的不同時間滯後上對數已實現波動率增量的經驗標度，通過對觀測變異數結構擬合冪律來估計H。在橫跨股票、外匯和商品的數千種資產中，估計的赫斯特指數緊密聚集在0.1附近。

這一發現具有驚人的一致性。無論是檢查個股波動率、指數波動率還是貨幣對波動率，粗糙度參數幾乎不變。這一結果的普遍性表明，H約等於0.1反映的是資訊被納入波動率方式的某種根本性特徵，而非任何特定市場或時期的統計偽跡。

Comte and Renault (1998)的早期研究曾提出H > 0.5的長記憶波動率模型，產生比布朗運動更平滑的路徑。粗糙波動率文獻逆轉了這一發現：在短時間範圍（天到週），波動率表現出反持續性和粗糙性，而非主導較長時間範圍的長記憶。兩種現象共存；短期粗糙性產生爆發性急升，長期記憶則產生VIX向其歷史均值的緩慢均值回歸。

粗糙性為何對選擇權定價至關重要

經典隨機波動率模型面臨一個眾所周知的校準問題。它們可以擬合隱含波動率曲面的短端（臨近到期的選擇權）或長端，但無法同時擬合兩者。短期選擇權表現出極其陡峭的波動率偏斜；價平與價外賣權之間的隱含波動率差異，在週選擇權上遠大於六個月到期的選擇權。H = 0.5的標準模型在不引入扭曲其他部分擬合的額外參數的情況下，無法重現這種陡峭性。

粗糙波動率模型解決了這一矛盾。由於波動率過程在短時間尺度上更加粗糙，模型自然為短期選擇權生成更陡峭的偏斜，同時在較長到期日保持合理的行為。Bayer, Friz, and Gatheral (2016)通過粗糙Bergomi模型證明了這一點，表明H約為0.07的單一參數集可以同時擬合所有履約價和到期日的整個SPX隱含波動率曲面。

這種簡潔性是核心的實務優勢。傳統模型需要對波動率曲面的不同部分進行單獨校準，引入使避險複雜化的不一致性。粗糙波動率模型以更少的自由參數實現相當或更優的擬合，產生更穩定的避險比率和更具內部一致性的風險度量。

波動率微笑與期限結構

隱含波動率微笑（價外選擇權以高於價平選擇權的隱含波動率交易的模式）自Black-Scholes以來一直是衍生品定價的核心謎題。不同到期日表現出不同的微笑形狀；短期微笑陡峭且不對稱，長期微笑則更平坦且更對稱。

粗糙波動率模型通過單一機制解釋這種微笑的期限結構：波動率路徑的時間尺度依賴性粗糙度。在短時間範圍內，H約為0.1的分數布朗運動的反持續性增量在波動率中創造出快速而不可預測的波動。這些波動使極端走勢的可能性高於平滑波動率模型的預測，推高價外選擇權的價格並使微笑更加陡峭。在較長時間範圍內，粗糙性被平均化，微笑趨於平坦，這與選擇權市場中有據可查的行為一致。

價平偏斜的期限結構（微笑斜率隨到期日變化的速度）提供了直接檢驗。在經典模型中，價平偏斜隨到期時間t衰減為t^(-1/2)。在粗糙波動率模型中，衰減遵循t^(H-1/2)，當H約為0.1時得到t^(-0.4)，這是一種更慢的衰減，與經驗觀察更加吻合。Fukasawa (2011)推導了這一標度關係，並表明股指選擇權的經驗偏斜期限結構與H = 0.5不一致，但與H接近0.1時吻合良好。

對散戶投資者的實際啟示

粗糙波動率研究具有超越衍生品交易商交易台的多項啟示。

理解VIX行為。VIX急劇飆升後快速回落的傾向是粗糙波動率動態的自然結果。波動率增量的反持續性特徵意味著大幅波動往往會部分反轉，但粗糙性意味著這些反轉以鋸齒狀、不可預測的方式發生，而非平滑的弧線。對於將VIX作為恐慌指標進行追蹤的投資者，關鍵洞察在於日內VIX飆升誇大了底層波動率變化的持續性。31%的VIX跳升並不意味著31%的持續更高波動率；粗糙模型預測快速的部分均值回歸。

短期選擇權在結構上是昂貴的。粗糙波動率模型解釋的陡峭短期偏斜轉化為一個實際現實：週選擇權和短期賣權內嵌的波動率溢價大於較長期的替代品。通過週賣權購買投資組合保護的投資者正在為波動率路徑的粗糙性支付成本；這一成本隨著保護期限的延長而減少。

波動率聚集是真實的，但並不平滑。標準GARCH模型捕捉波動率聚集（高波動率時期後往往跟隨高波動率時期），但施加了平滑的指數衰減結構。粗糙波動率模型表明，短時間範圍內的聚集更加不規則，波動率能夠在同一交易時段內飆升並部分回落。這對停損設置和日內風險管理具有啟示意義。

局限性與注意事項

粗糙波動率模型並非沒有挑戰。分數布朗運動的模擬在計算上比標準布朗運動的模擬更加昂貴，因為反持續性增量需要生成相關隨機變數而非獨立隨機變數。這使得奇異衍生品的蒙特卡洛定價更慢且更消耗記憶體。

赫斯特指數雖然在各資產間驚人地穩定，但是從歷史資料中估計的，可能並非隨時間完全恆定。一些研究者認為，表面上的粗糙性可能部分反映了高頻波動率估計中的微觀結構雜訊，不過Gatheral, Jaisson, and Rosenbaum (2018)通過跨越多種估計器和取樣頻率的穩健性檢驗解決了這一疑慮。

粗糙波動率模型中的避險比經典框架更加複雜。分數布朗運動的非馬可夫性質意味著，最優避險不僅取決於當前狀態，還取決於整個路徑歷史。在實踐中，通常通過用有限數量的輔助因子擴展狀態空間來近似，但馬可夫設定的理論優雅性因此喪失。

最後，粗糙波動率模型描述了波動率路徑的統計性質，但其本身並未解釋波動率為何是粗糙的。已有多種理論被提出，包括買賣壓力的積累遵循近似反持續過程的訂單流動態模型，以及市場參與者之間頻繁的意見分歧產生所觀察到的粗糙性的異質信念模型。微觀基礎仍是活躍的研究領域。

可操作的總結

粗糙波動率框架代表了我們對波動率行為理解的重大進步。對於選擇權市場參與者，它解釋了短期隱含波動率為何持續陡峭，以及VIX為何表現出爆發性但部分自我修正的行為。對散戶投資者而言，實際教訓是，日內VIX飆升等波動率事件是粗糙動態的特徵，而非異常。短期選擇權相對於其資訊含量，系統性地比長期替代品更加昂貴，擴展至30到90天期限的投資組合保護策略往往能捕獲比週度避險更好的風險報酬。波動率的粗糙性不是市場故障，而是市場的自然紋理。