Dupire局部波动率是什么？如何从期权曲面反推出波动率函数？

Dupire局部波动率方法把市场欧式期权价格曲面反推成一个随时间和现货水平变化的波动率函数。它回答：如果标的遵循连续扩散，并且模型要匹配当前所有执行价和到期日的期权价格，那么每个时间和价格位置应使用多大的局部波动率？

定义

局部波动率过程可写为：

dS_t = (r-q)S_tdt + σ_loc(S_t,t)S_tdW_t

与Black-Scholes固定σ不同，σ_loc 是现货S与时间t的确定函数。它不是额外随机因子；给定某个时间和现货水平，模型波动率由曲面函数确定。

在简化利率与股息条件下，Dupire公式通过欧式Call价格 C(K,T) 对期限和行权价的导数求局部方差。常见形式可概括为：

σ_loc²(K,T) = [期限方向价格变化与持有成本调整] ÷ [0.5K² × 行权价二阶导数]

完整公式依利率和股息口径而异。分母中的二阶导数对应风险中性密度，因此输入曲面必须平滑、凸且无套利。

核心原理

同一到期日Call价格对行权价的二阶导数反映风险中性终值密度。不同到期之间价格如何变化，反映风险随时间累积速度。Dupire把这两类信息组合，得到局部扩散强度。

只要市场曲面满足适当无套利条件，理论上可以构造一个局部波动率函数，使模型重新产生这张当前曲面。这叫静态校准一致性。

但能精确复现今天的曲面，不代表能正确预测明天曲面如何移动。静态拟合与动态真实性是两个问题。

为什么不能直接对原始报价求导？

市场只提供离散行权价和期限，报价还有Bid/Ask、过时成交与流动性噪声。Dupire公式需要期限一阶导数和行权价二阶导数，微小噪声经过二阶求导会被大幅放大。

因此实际流程不是把期权链数字直接相减，而是：

1. 清洗同步报价；
2. 估计贴现因子与远期；
3. 构建平滑、无静态套利的价格或总方差曲面；
4. 在连续曲面上计算导数；
5. 对局部波动率做稳定性与边界检查。

曲面清洗质量通常比公式本身更决定结果。

数字直觉

假设市场显示，下行行权价Put IV显著高于ATM。局部波动率模型需要解释为什么终值分布左尾更厚。

模型通常会让标的下跌到较低价格区域时，σ_loc(S,t) 上升。路径一旦进入下方区域，后续扩散更强，从而增加更低终值概率并提高Put价格。

这与Heston不同。Heston中同一现货水平可能对应多个随机方差状态；局部波动率中，同一时间和现货对应唯一波动率。

从总方差曲面反推

实践中也可先用对数远期Moneyness k=ln(K/F) 和总方差 w(k,T)=IV²T 参数化曲面，再通过包含w对k与T导数的Dupire变换计算局部方差。

这种形式便于使用SVI或SSVI等无套利参数曲面。无论采用价格形式还是总方差形式，都要避免分母接近零或结果为负。

若计算得到负局部方差，不表示市场真的存在“负波动率”，通常说明输入曲面违反无套利、插值不平滑或数值导数不稳定。

实际校准流程

第一步：建立市场输入

收集多个期限的欧式或可合理欧式化报价，使用价外Call和Put减少深度实值价差问题。个股美式期权需要处理提前行权，不能未经调整直接套用。

第二步：确定远期与贴现

通过Put-Call Parity、利率和股息估计每个期限远期。远期错误会把曲面中心放错位置。

第三步：拟合无套利曲面

确保同期限Call价格随K下降且凸，跨期限价格满足合理日历约束。可以在价格空间或总方差空间拟合。

第四步：计算局部方差

在密集网格求导，并对极端节点和短期限使用稳定数值方法。

第五步：重新定价验证

用得到的 σ_loc(S,t) 解PDE或模拟路径，重新计算原始欧式期权。模型价格应回到市场Bid/Ask附近。

第六步：做样本外检查

用未参与校准的执行价、障碍期权或后续日期观察误差。

局部波动率曲面的读取

局部波动率不是某张期权的隐含波动率。隐含波动率是让Black-Scholes单张价格匹配的平均参数；局部波动率是路径在某个状态下瞬时使用的扩散率。

两者数值不必相等。ATM隐含波动率20%，不表示当前现货处的局部波动率一定为20%。局部函数需要同时解释全部未来路径与终值分布。

用于障碍期权

障碍期权价值依赖路径是否触及某个价格。两张模型都能匹配普通欧式期权曲面，却可能对触障路径给出不同概率。

局部波动率根据现货位置改变扩散。例如下方局部波动率较高，向下接近障碍时路径波动加快，会显著影响Down-and-Out或Down-and-In价格。

因此，局部波动率常用于路径依赖产品，但其动态假设也会成为主要模型风险。不能因为香草期权拟合精确，就认为障碍期权价格必然准确。

微笑动态问题

纯局部波动率模型常产生与市场不同的微笑动态。现货变化后，模型隐含微笑可能以某种机械方式移动，而真实市场可能更接近Sticky Delta、Sticky Strike或两者混合。

如果模型预测的曲面移动错误，Delta对冲就会有系统偏差。静态价格误差很小，动态对冲损失仍可能很大。

这也是局部随机波动率模型出现的原因：用局部函数保证静态拟合，再加入随机方差改善动态。

数据与数值风险

短期限靠近到期时，价格曲面导数非常敏感；远尾报价稀疏，外推规则会决定局部波动率。应对以下项目做压力测试：

• 删除一个报价节点后结果变化；
• 改变插值方法；
• 使用Bid和Ask边界曲面；
• 改变远期与股息假设；
• 调整网格步长；
• 限制极端局部波动率；
• 比较PDE与Monte Carlo重定价。

如果小幅输入改变就让局部波动率从20%跳到100%，函数不适合直接用于风险。

一个可复核练习

选取流动性指数期权三个到期日，在80%至120%远期Moneyness范围拟合平滑IV曲面。先检查每个期限的Call价格凸性，再检查总方差期限排序。

计算局部波动率网格后，回答：

1. 下方价格区域是否对应更高局部波动率；
2. 短期事件是否造成局部函数尖峰；
3. 删除最远Put节点后左翼变化多大；
4. 用模型重新定价时是否回到Bid/Ask；
5. 模拟路径是否出现负价格或数值异常。

练习重点是观察反演对数据的敏感性，而不是只生成彩色曲面。

常见误区

误区 1：局部波动率就是市场IV

一个是状态依赖瞬时扩散率，一个是单张期权的等价平均波动率。

误区 2：Dupire能直接使用原始期权链

二阶求导会放大噪声，必须先构建平滑无套利曲面。

误区 3：精确拟合今天就能预测明天

静态校准不保证正确微笑动态。

误区 4：负局部方差是特殊市场现象

通常是数据、套利约束或数值计算出了问题。

误区 5：香草期权拟合准确，奇异期权就准确

奇异期权依赖路径，模型动态和边界行为更重要。

误区 6：更细网格必然更稳定

网格变细也可能放大输入噪声，需要正则化与收敛检查。

常见问题 FAQ

Dupire模型需要历史价格吗？

核心反演使用当前跨执行价和期限的期权价格曲面，不直接依赖历史波动率。

能用于美股个股期权吗？

可以经过美式行权和股息调整后研究，但直接使用欧式公式会有偏差。

为什么局部波动率能匹配整张曲面？

函数有时间和价格两个维度，反演后可让扩散过程产生与当前欧式价格一致的边际分布。

与Heston模型哪个更好？

局部波动率静态拟合强，Heston动态更丰富。选择取决于产品与风险用途。

普通投资者需要关注什么？

应知道平台理论价与希腊值可能依赖反演曲面，尾部和缺失报价区域的模型数字并非直接市场事实。

一句话总结