Heston - 校準中的初始猜測有多重要，如果它非常重要，那麼獲得初始猜測的好方法是什麼？

因此，我一直在嘗試使用具有 10k 場景和 1000 個時間步長的粗 MC 來實現簡單的 Heston 校準，而我能得到的最好結果是觀察到的隱含波動率的 3 倍。

我懷疑這與我最初猜測的工作方式有關，因此，我只是想知道：

1. 最初的猜測是否非常關鍵（一個不太好的最初猜測可能會給您帶來 3 倍的差異）
2. 如果是，我怎樣才能得到一個好的初步猜測？

要檢查您的結果，您可以嘗試 Nimalin Moodley 的“The Heston Model: A Practical Approach with Matlab Code”，http ://math.nyu.edu/~atm262/fall06/compmethods/a1/nimalinmoodley.pdf ，特別是www.ingber.com 用於自適應模擬退火的開源 C++ 程式碼（+ SWIG 將其包裝/解析為您使用的語言）

這取決於使用的​​優化算法，尤其是。無論他們在本地還是全球範圍內採取行動。

只是給你一些想法：

1. 局部（確定性）算法（例如梯度方法）：良好的初始猜測至關重要。
2. （全域）隨機算法（例如模擬退火）：初始猜測無關緊要。

您可以在此處找到更多資訊：Sergei Mikhailov、Ulrich Nögel 的 Heston 的隨機波動率模型實施、校準和一些擴展

引用自：https://quant.stackexchange.com/questions/8246