50 年的反解

1 一道题，问错了 50 年

Black-Scholes 模型 1973 年问世。从那天起，期权人手里就有两个动作：

• 正向：知道波动率，算期权价格 — 一行公式，秒出
• 反向：知道期权价格，算波动率 — 50 年没有显式解

第二个动作叫求隐含波动率（Implied Volatility，IV）。它是期权世界的体温计：报价、对冲、风控、回测，几乎所有动作都要先量这一下。

50 年里，行业的标准答案是 迭代逼近：先猜一个数，代回 BS 公式，看得出的价格离实际差多少，再调，再算，直到误差小到可以接受。

你能想到的优化都做过了：牛顿法、二分法、Brent 法、Padé 近似初值、Jäckel 2024 "Let's be rational"——后者是当前公认的工业级金标。

2 半个世纪的反解之旅

3 一次视角的搬动

2026 年 4 月，arXiv 收到一篇预印本（编号 2604.24480v2），作者是 Wolfgang Schadner。

他没有写新公式。他换了一种看 BS 公式的方法。

标准化的看涨期权价格，本质上是一个带漂移的布朗运动 还没有触及边界的概率。

而这个概率，刚好是 逆高斯分布的生存函数。只要从这个概率反查逆高斯分布的分位数，就直接拿到了波动率——一步、闭式、无迭代。

50 年来大家把波动率当成 BS 公式里"要解的未知数"，所以非要解。Schadner 把波动率当成"逆高斯分位数函数的输出"，于是直接代。

4 显式公式

设标准化看涨价格 c = C / (D·F)；远期对数价度 k = ln(K/F)；到期时间 T。逆高斯分位数函数记为 ℱ_IG⁻¹。

其中 m = 1（K>F）；m = K/F（K<F）。

5 跑分：精度顶级，速度 3.4×

论文在 328 组波动率 + Delta 组合上做对照：

6 工程上几乎没有摩擦

新公式的全部依赖只有两件东西：

• 逆高斯分布的分位数函数（Python 的 scipy.stats.invgauss.ppf）
• 正态分布的分位数函数（scipy.stats.norm.ppf）

Python、Matlab、C++ 标准库三十年前就有。

也就是说，对一个生产中跑着 IV 求解器的系统——做市、风控、回测、波动率曲面构建——升级动作约等于改 1 行函数调用。没有新的 SDK，没有新的服务依赖，没有新的 license。

工程师圈子里有句旧话：真正的科学进步不是让正确的事更精确，而是让原来昂贵的事变便宜。这条从今天起属于 IV 求解。

7 对一线意味着什么

对个人交易

• 极端价外/价内合约的 IV 不再"算不准"
• 回测时 IV 计算导致的微小偏差被消除，长期复利下信号更干净

对量化团队

• 实时波动率曲面构建从"压性能"变成"不再是瓶颈"
• 做市、对冲、Greeks 计算更稳定
• 高频系统的尾部延迟（tail latency）显著下降——因为没了"偶发不收敛"

对学术

• BS 框架内反解 IV 的问题从开放变成封闭
• 自然下一步——能否把同样的"概率重述"延伸到本地波动率、跳跃扩散、随机波动率模型？

8 两个值得记住的方法论结论

• 1 半个世纪的优化加起来，可能不如换一次视角。 50 年里大家的力气主要花在"如何让迭代更快"——线性进步。一次"概率重述"——断崖式跨越。
• 2 真正可落地的突破，工程门槛通常比理论门槛低。接入成本越低的研究越值得抢先评测，因为它意味着竞争对手也会快速跟进，时间窗短。