隐含波动率的亚扩散多分形标度：基于MMAR框架对36年VIX数据的分析

《Axioms》：Subdiffusive Multifractal Scaling of Implied Volatility: Evidence from 36 Years of VIX Data Using the MMAR Framework

　　

摘要

我们首次将资产回报多重分形模型（MMAR）应用于隐含波动率指数，使用了涵盖四个经济周期的36年CBOE VIX日度数据。研究得出了三个主要结论。首先，隐含波动率具有多重分形特征：其尺度函数严格凹向下，且这种曲率在与基于相同数据拟合的单分形、ARMA和ARFIMA模型对比后依然存在，因此仅靠反持续性或短程线性依赖无法解释这一现象。其次，与具有持续性的股票价格指数不同，VIX呈现出强烈的亚扩散特性（），远低于，而这正是其均值回归特性的多重分形表现；不过对数正态级联模型也是可行的，因此该模型在逻辑上是自洽的。第三，尽管对数正态级联模型可行，但在极端尾部情况下仍不够准确。通过蒙特卡洛模拟、高阶矩分析、尾部风险（VaR/ES）比较以及GARCH/EGARCH/FIGARCH模型对比，该模型虽能描述分布的大部分特征，但会系统性地低估最剧烈的波动率飙升，并无法体现VIX明显的正偏态。我们对此进行了量化：该模型可解释约84%的超额峰度，几乎能精确再现95–99%的风险价值及95%的预期亏损值，但它会低估最大的预期亏损值，且由于是对称模型，无法体现正偏态，从而导致远期期权的价格被低估多达100%。因此，未来应发展出具有非对称特性的、尾部更重的级联模型。除了VIX之外，该分析还为识别任何波动率序列中的真正多重分形结构及其线性仿制品提供了可复用的方法。