Black-Scholes 隐含波动率的显式公式

Source: Schadner, W. (2026), “An Explicit Solution to Black–Scholes Implied Volatility”, arXiv:2604.24480v2

核心贡献#

首次给出 Black-Scholes 隐含波动率的显式公式，解决了期权定价中一个 50 年历史的问题。

此前隐含波动率只能通过数值迭代求解（如 Newton-Raphson、Jäckel 的 “Let’s be Rational”），本文将其转化为一个逆高斯分布的分位数函数求值。

主要公式#

基础符号#

$C$ : 欧式看涨期权价格
$K$ : 行权价， $F$ : 远期价格
$c = C/(DF)$ : 归一化期权价格
$k = \log(K/F)$ : 远期对数钱值（log-moneyness）
$v = \sigma\sqrt{T}$ : 总隐含波动率
$D$ : 贴现因子， $T$ : 到期时间

核心公式#

对于 $k > 0$ （虚值看涨）：

$\sigma(K, C) = \frac{2}{\sqrt{T}}\left[\mathcal{F}^{-1}_{IG}\left(1-c;\frac{2}{k},1\right)\right]^{-1/2}$

其中 $\mathcal{F}^{-1}_{IG}(q; \mu, \lambda)$ 是逆高斯分布的分位数函数。

对于 $k < 0$ 的情况，通过钱值转换得到：

m = \begin{cases} 1, & K > F \\ K/F, & K < F \end{cases}$$ ### 平价情况（$k=0$） $$\sigma(K=F, C) = \frac{2}{\sqrt{T}}\Phi^{-1}\left(\frac{c+1}{2}\right)$$ ## 关键洞察 ### 1. 期权价格 = 逆高斯生存概率 对于虚值看涨期权（$k>0$）： $$c_{BS}(k, v) = 1 - \mathcal{F}_{IG}\left(\frac{4}{v^2}; \frac{2}{k}, 1\right)$$ 即**归一化的看涨期权价格等于逆高斯分布的生存概率**。 ### 2. 首次到达时间解释 令 $\tau_k = \inf\{t>0: B_t + \frac{k}{2}t = 1\}$ 为漂移 $k/2$ 的布朗运动首次到达水平 1 的时间，则： $$c_{BS}(k, v) = \mathbb{P}\left(\tau_k > \frac{4}{v^2}\right)$$ 即期权价格是**布朗运动在方差时钟到达前未触达边界的概率**。 ### 3. 方差空间解释 $$c_{BS}(k, v) = \mathbb{P}(Z_k < v^2), \quad Z_k \sim GIG\left(\frac12, \frac14, k^2\right)$$ 隐含波动率是**广义逆高斯分布在期权价格概率水平上的分位数**。 ## 数值表现 | 指标 | 显式公式 | Jäckel (2024) | |------|---------|---------------| | 平均绝对恢复误差 | $2.24 \times 10^{-16}$ | $2.12 \times 10^{-16}$ | | 每评估用时 | **0.305$\mu$s** | 1.038$\mu$s | | 相对速度 | **快约 3.4 倍** | 基准 | 两种方法均达到**机器精度**（双精度浮点数的极限），但显式公式快 3.4 倍。 ## 理论和实践意义 1. **理论突破**：Gerhold (2012) 曾证明隐含波动率不是 $D$-finite 的，排除了大多数传统闭式解，但本文通过逆高斯分布分位数绕过了这一限制 2. **实用价值**：逆高斯分位数函数已内置于标准数值计算库（如 SciPy 的 `scipy.stats.invgauss`），可直接调用 3. **概率视角**：隐含波动率不再是求解器的"黑箱输出"，而是**市场期权价格的分布变换** ## 相关论文 - [波动率微笑对冲](波动率微笑对冲.md) — 波动率微笑下的期权定价与静态对冲