7. 双线性插值：在行权价和期限两个维度上进行插值

说实话，做波动率曲面这行，最头疼的就是数据稀疏问题。你拿到的期权报价，行权价就那么几个，期限也就那么几条。但实际交易中，客户要的可能是任意行权价、任意期限的波动率。怎么办？

嗯，双线性插值就是解决这个问题的经典方法。它不复杂，但很实用。我个人习惯把它当作曲面构建的「入门级武器」——虽然不够华丽，但绝对靠谱。

什么是双线性插值？

说白了，就是在两个方向上分别做线性插值。你想想看，我们有一个网格：横轴是行权价，纵轴是期限。每个格子四个角上都有已知的波动率值。现在要算格子内部任意一点的波动率，那就先在一个方向插值，再在另一个方向插值。

举个例子。假设我们已知以下四个点的波动率：

现在要算行权价 K、期限 T 处的波动率 σ(K, T)。

第一步：在期限 T1 上，对行权价做线性插值：

σ(K, T1) = σ11 + (σ12 - σ11) * (K - K1) / (K2 - K1)

第二步：在期限 T2 上，同样对行权价做线性插值：

σ(K, T2) = σ21 + (σ22 - σ21) * (K - K1) / (K2 - K1)

第三步：在行权价 K 处，对期限做线性插值：

σ(K, T) = σ(K, T1) + (σ(K, T2) - σ(K, T1)) * (T - T1) / (T2 - T1)

你看，三步搞定。这就是双线性插值的全部逻辑。

为什么用双线性插值？

我在项目中遇到过不少情况，数据点少得可怜。比如某个外汇期权市场，只有 3 个行权价和 4 个期限。用样条插值？数据不够，容易过拟合。用克里金？太复杂，没必要。双线性插值反而最稳。

它的优点很明显：

• 计算快——就几个乘法和加法，毫秒级出结果
• 保证单调性——不会出现奇怪的震荡
• 容易理解——交易员也能看懂你在干什么

但也要注意它的局限。双线性插值只保证连续，不保证光滑。什么意思？就是曲面在网格边界处会有「折痕」，导数不连续。对于某些需要 Greeks 计算的场景，这可能是个问题。

代码实现

下面是我常用的双线性插值实现。代码不长，但很实用。

import numpy as np

def bilinear_interp(K, T, K_grid, T_grid, sigma_grid):
    """
    双线性插值计算波动率
    
    参数:
        K: 目标行权价
        T: 目标期限
        K_grid: 行权价网格点 (1D array)
        T_grid: 期限网格点 (1D array)
        sigma_grid: 波动率网格 (2D array, shape: len(T_grid) x len(K_grid))
    
    返回:
        插值后的波动率
    """
    # 找到 K 所在的网格区间
    i = np.searchsorted(K_grid, K) - 1
    i = max(0, min(i, len(K_grid) - 2))
    
    # 找到 T 所在的网格区间
    j = np.searchsorted(T_grid, T) - 1
    j = max(0, min(j, len(T_grid) - 2))
    
    # 四个角点的波动率
    sigma_11 = sigma_grid[j, i]
    sigma_12 = sigma_grid[j, i+1]
    sigma_21 = sigma_grid[j+1, i]
    sigma_22 = sigma_grid[j+1, i+1]
    
    # 行权价方向插值
    if K_grid[i+1] != K_grid[i]:
        t_K = (K - K_grid[i]) / (K_grid[i+1] - K_grid[i])
    else:
        t_K = 0.0
    
    sigma_T1 = sigma_11 + (sigma_12 - sigma_11) * t_K
    sigma_T2 = sigma_21 + (sigma_22 - sigma_21) * t_K
    
    # 期限方向插值
    if T_grid[j+1] != T_grid[j]:
        t_T = (T - T_grid[j]) / (T_grid[j+1] - T_grid[j])
    else:
        t_T = 0.0
    
    sigma = sigma_T1 + (sigma_T2 - sigma_T1) * t_T
    
    return sigma

双线性插值的知识结构

下面这张图帮你理清双线性插值的核心逻辑：

实际应用中的注意事项

双线性插值虽然简单，但用起来有几个坑要避开。

• 网格要单调——行权价和期限必须严格递增，否则插值结果会乱套
• 避免外推——如果目标点落在网格外面，双线性插值会变成「单线性」甚至「常数」，结果可能不合理
• 数据质量——输入数据如果有异常值，插值结果会直接继承这些异常

好了，双线性插值就讲到这里。它不复杂，但很实用。你想想看，很多时候我们不需要花里胡哨的算法，一个简单可靠的方法反而能解决 80% 的问题。下一节我们会聊更光滑的插值方法，但双线性插值这个基础，值得你牢牢掌握。

公众号:蓝海资料掘金营，微信deep3321