QuantLib Python Heston模型路径生成相关技术疑问

问题1：路径生成器接收Process而非Model的原因及参数传递机制 #

QuantLib中Model和Process是职责明确的分离组件：

• HestonModel的核心作用是封装定价逻辑、管理参数校准流程，它会基于市场数据（如波动率曲面、期权报价）拟合出最优的Heston参数（κ, θ, σ, ρ, v₀）。
• HestonProcess则是纯数值计算组件，只负责实现Heston过程的动态方程，为路径生成提供底层的随机演化规则，不需要处理定价或校准相关逻辑。

参数传递的正确流程是：

1. 用市场数据拟合HestonModel，完成参数校准；
2. 从校准后的HestonModel中提取所有参数（可通过model.params()方法）；
3. 使用这些校准后的参数，重新实例化一个HestonProcess；
4. 将这个带校准参数的HestonProcess传给GaussianMultiPathGenerator。

你当前代码里的heston_process如果是基于默认参数创建的，不会自动关联拟合后的模型参数，必须手动将校准后的参数注入到process中。

问题2：设置零利率/收益率曲线实现无漂移的可行性 #

完全可行。期货合约在风险中性测度下的价格是鞅，漂移项为0，对应Heston过程中标的资产的漂移项公式为r - q（r是无风险利率，q是股息/便利收益率）。

操作上只需：

• 创建平坦的无风险利率曲线，所有节点利率设为0；
• 创建平坦的股息/便利收益率曲线，所有节点收益率设为0；
• 将这两条曲线传入HestonProcess的构造函数。

此时r - q = 0，标的资产的漂移项会被消除，符合期货的无漂移演化要求。

附相关代码 #

dt = 1/252
# number of days from today to 31 march 2026
days = np.busday_count(pd.Timestamp.today().date(),pd.Timestamp('2026-03-31').date())
T = days*dt
N_paths = 10000
N_steps = days
busines_days = pd.bdate_range(start_date,periods=days)

uniform_gen = ql.UniformRandomSequenceGenerator(int(2*N_steps),ql.UniformRandomGenerator())
gaussian_gen = ql.GaussianRandomSequenceGenerator(uniform_gen)
times = list(ql.TimeGrid(T, int(N_steps)))

multipath = ql.GaussianMultiPathGenerator(heston_process, times, gaussian_gen, False)

内容的提问来源于stack exchange，提问作者Félix Rodriguez Moya