《European Journal of Operational Research》：Full calibration, fast simulation, and exotic options pricing under the Ornstein–Uhlenbeck driven stochastic volatility model
编辑推荐：
本研究针对Ornstein–Uhlenbeck驱动的随机波动率（OUSV）模型，提出了三项主要贡献。第一，研究人员提出了一种完整且快速的校准算法。该算法基于对对数收益特征函数的重新表述，这一表述在代数上与Sch?bel和Zhu（1999）的原始结果等价，但
本研究针对Ornstein–Uhlenbeck驱动的随机波动率（OUSV）模型，提出了三项主要贡献。第一，研究人员提出了一种完整且快速的校准算法。该算法基于对对数收益特征函数的重新表述，这一表述在代数上与Sch?bel和Zhu（1999）的原始结果等价，但避免了数值不连续性问题，同时便于解析求导，从而能够推导出梯度的显式表达式，显著加速了校准过程。第二，研究人员提出了一种快速且具有理论依据的低偏模拟方案。该方案的核心在于证明了在给定终端波动率和时间积分波动率的条件下，时间积分方差的复杂分布随时间区间趋于无穷大时收敛于矩匹配的逆高斯（Inverse Gaussian）分布，据此采用矩匹配方法进行近似采样，大幅提升了模拟效率。第三，研究人员将上述低偏模拟方案与半解析方法相结合，发展了亚洲期权和障碍期权的高效定价技术。对于几何亚洲期权，研究人员推导了积分对数收益的矩生成函数（MGF），并采用COS方法进行定价，同时通过高阶矩的解析计算实现了误差的理论控制。对于算术亚洲期权，研究人员采用几何亚洲期权价格作为控制变量进行方差缩减。对于障碍期权，研究人员采用条件蒙特卡洛方法以降低估计量方差。数值实验表明，所提出的校准算法在真实市场数据上能够在0.5至1.5秒内完成校准并达到全局最优；模拟方案在速度-精度权衡方面优于现有基准方法（van Haastrecht等，2014；Kyriakou等，2024；Choi，2025）；奇异期权定价方法能够提供高精度的价格估计，且置信区间紧凑。研究结论表明，OUSV模型相比Heston模型在现实假设与计算可处理性之间实现了更好的平衡。
## 论文解读文章
### 一、研究背景与问题
在金融衍生品定价与高频交易策略实施中，金融机构需要选择可信赖的期权定价模型并将其校准至市场数据，随后基于校准参数进行模拟以获取现实情景或奇异期权价格。模型的选择至关重要——实务界倾向于选择在理想经验性质（如随机波动率）与数值可处理性（如快速稳定的校准与模拟算法）之间取得良好平衡的模型。Heston模型因满足上述要求而被业界广泛接受，大量文献致力于发展其在校准、模拟及奇异期权定价方面的高效方法论。
然而，Heston模型属于仿射模型，而金融计量经济学文献表明，非仿射模型在拟合真实数据方面通常优于仿射模型。Ornstein–Uhlenbeck驱动的随机波动率（OUSV）模型由Scott（1987）、Stein和Stein（1991）以及Sch?bel和Zhu（1999）提出并发展，其非仿射特性使其在经验拟合方面具有潜在优势，但同时也带来了数值处理的挑战。现有研究存在以下关键问题：其一，Sch?bel和Zhu（1999）给出的特征函数表达式存在数值不连续性问题，导致校准过程不稳定且缓慢；其二，OUSV模型存在所谓的“泄漏相关”问题——驱动波动率的潜在因子可以取负值，使得对数收益与波动率之间的相关符号随驱动因子符号变化，这排除了基本模拟方案（如Euler或Milstein格式）的适用性；其三，精确模拟方案虽由Li和Wu（2019）与Brignone（2024）提出，但这类方法为实现精确采样需数值求逆特征函数并采用求根算法，计算开销大，仅适用于大步长场景，在监控频率较高的路径依赖期权定价中效率低下。因此，亟需开发一种兼具速度与精度的OUSV模型数值方法体系。
### 二、研究方法
本研究采用以下主要关键技术方法：（1）特征函数重构——将OUSV模型的特征函数重新表述为基于双曲函数的连续形式，利用Levenberg–Marquardt方法求解非线性最小二乘校准问题，积分采用Gauss–Laguerre求积法；（2）矩匹配模拟——证明条件积分方差分布收敛于矩匹配的逆高斯（Inverse Gaussian）分布，据此设计三步模拟方案：先从二元正态分布模拟终端波动率与时间积分波动率，再通过逆高斯分布近似模拟条件积分方差，最后从正态分布模拟对数收益；（3）COS方法——基于傅里叶余弦级数展开定价几何亚洲期权，通过解析计算高阶累积量实现误差理论控制；（4）控制变量法——以几何亚洲期权价格作为控制变量降低算术亚洲期权蒙特卡洛估计量的方差；（5）条件蒙特卡洛方法——以障碍触发时刻的欧式期权价格作为条件期望来实现方差缩减。数值实验参数取自Sch?bel和Zhu（1999）与Li和Wu（2019），校准实验采用Refinitiv Eikon提供的2022年12月28日（周三）隐含波动率曲面数据。
### 三、研究结果
**完全快速校准算法。** 研究人员推导了OUSV模型特征函数的一个代数等价但数值连续的表达式，该表达式以双曲函数为基础，便于解析微分，从而获得目标函数梯度的完全显式解。在真实市场数据上的校准实验表明，无论初始猜测如何，算法均能在0.5至1.5秒内收敛到全局最优参数集，均方误差（MSE）达到4.31×10??，满足实时交易和风险管理的速度和稳定性要求。
**低偏模拟方案。** 研究人员证明了条件积分方差分布随时间区间趋于无穷大时收敛于矩匹配的逆高斯分布，这一理论结果为逆高斯近似提供了坚实的理论依据。数值比较表明，所提出的模拟方案在速度-精度权衡方面显著优于van Haastrecht等（2014）的梯形法则方法和Kyriakou等（2024）的Pearson分布矩匹配方法。对于挑战性参数设定（高波动率波动率、高均值回复速度、高杠杆参数），该方法也优于Choi（2025）的Karhunen–Loève展开方法，且更适用于路径依赖期权的定价。
**亚洲期权定价。** 研究人员推导了离散和连续监控下平均对数收益的矩生成函数，结合COS方法实现了几何亚洲期权的半解析定价，并通过高阶矩的解析计算实现了误差的理论控制。以几何亚洲期权价格作为控制变量，算术亚洲期权的蒙特卡洛估计量方差缩减率高达99.6%–99.89%。连续与离散监控价格差异通常较小，仅在低行权价和低监控频率下显著（最高约4%）。
**障碍期权定价。** 基于低偏模拟方案与条件蒙特卡洛方法，研究人员实现了Down & In障碍看涨期权的高效定价。数值结果表明，条件蒙特卡洛方法将估计量方差降低了5至7倍，在保证精度的同时，计算速度约为PROJ方法（Kirkby等，2017）的三倍，可提供两到三位有效数字的精度。
### 四、结论与讨论
本研究将Heston模型的数值方法论系统性地推广至OUSV模型，填补了该模型在快速校准、高效模拟和奇异期权定价方面的空白。所得结论如下：第一，所提出的特征函数新表达式避免了数值不连续性，使OUSV模型的校准达到与Heston模型同等的速度和精度水平；第二，逆高斯近似方案不仅在理论上具有渐近精确性，在数值上也在大步长和小步长场景下均表现优异，克服了精确模拟方案仅适用于大步长的局限；第三，半解析定价公式与模拟方案的结合为亚洲期权提供了加速控制变量估计量，方差缩减效果显著；第四，条件蒙特卡洛方法能够高效定价障碍期权。综合而言，OUSV模型在现实假设与计算可处理性之间取得了较Heston模型更优的平衡，这一发现对金融实践和行业实施具有潜在重要影响。未来研究可考虑将渐近结果推广至其他随机波动率模型（如3/2模型）。
论文发表于《European Journal of Operational Research》。
