variance-gamma 過程(variance-gamma process)
variance-gamma 過程是帶漂移的布朗運動在伽瑪隨機時鐘上運行——從屬的教科書範例,也是最受歡迎的資產對數報酬純跳躍模型之一。它捕捉了 Black-Scholes 高斯所遺漏的實證事實:更重的尾部、過度峰度與偏度,同時保持分析上可處理、具封閉形式特徵函數。
把它建構為 X_t = theta G_t + sigma B_{G_t},其中 G_t 是單位平均速率(故 E[G_t] = t)、變異數速率 kappa 的伽瑪從屬過程,B 為獨立布朗運動,theta 為漂移、sigma 為波動率。用伽瑪時鐘改變布朗運動之時間,產生有限變差的純跳躍李維過程,其特徵指數由從屬給出,psi_X(u) = -(1/kappa) log(1 - i theta kappa u + sigma^2 kappa u^2 / 2)。其三個具經濟意義的參數為 sigma(波動率)、theta(偏度:theta < 0 給出左偏、易崩盤的報酬)與 kappa(峰度:kappa 越大尾部越肥)。儘管由布朗運動建成,過程「無」布朗(連續)成分——隨機時間變換把擴散轉成無窮多小跳躍;它有限變差,且李維測度無窮並具已知密度。
VG 用於跨履約價一致地定價選擇權(其擬合波動率微笑遠勝 Black-Scholes),並建模具肥尾與偏度的報酬。值得指出的注意點:雖然 VG 由布朗運動而生,結果是有限變差的「純跳躍」過程、無連續鞅部分——故 VG 市場與擴散市場行為不同(例如避險與二次變差的局部行為相異)。且伽瑪時鐘須與驅動布朗運動獨立,乾淨的從屬公式才成立;相關版本是不同的模型。
設 sigma = 0.2、theta = -0.1、kappa = 0.3。負的 theta 產生左偏的報酬分布(大幅向下跳躍更可能),符合觀測到的股價指數崩盤不對稱,而 kappa = 0.3 增添峰度。擬合 S&P 對數報酬時,VG 重現了高斯 Black-Scholes 模型抹平的陡峭短到期波動率微笑。
以 theta 控偏度、以 kappa 控峰度——擬合微笑。
儘管由布朗運動建成,variance-gamma 過程是純跳躍、「無」連續成分且有限變差;其二次變差是跳躍平方之和,而非 dt 項。從屬的伽瑪時鐘須與驅動布朗運動獨立。