從白板推導到市場實踐——BSM 如何定價、如何被反用來讀取市場預期，以及 fat tail 如何讓模型失準
BSM 從兩個核心假設出發，推導出期權公允價格與定價 PDE。模型優雅但代價是強假設。
BSM 假設標的資產的波動率 σ 在整個存續期間維持不變。這讓模型有封閉解，但現實中 σ 隨 strike 和到期日而變，形成 vol surface。
模型假設資產報酬服從常態分布，因此價格服從 lognormal。這意味著分布是對稱的薄尾，而現實市場有 fat tail 和負偏（下跌機率被低估）。
代入 S、K、T、r、σ 五個參數，BSM 給出期權理論公允價格（Fair Value），以及描述期權價值動態的 Black-Scholes PDE（偏微分方程）。
把 BSM 反過來用：已知市場成交價，反算市場「隱含」的 σ。這個 σ 就是 Implied Volatility（IV）。
IV 是讓 BSM 公式計算值等於市場成交價的 σ。它反映市場對未來波動的預期，也包含了投資人的風險偏好。IV ≠ 未來真實波動（HV），但兩者的差距本身就是交易信號。
如果 BSM 完美，不同 strike 和到期的 IV 應該都相同。但現實中 IV 在低 strike 更高（左偏），形成 Vol Skew，不同到期形成 Term Structure，整體構成 Vol Surface。
用 Breeden-Litzenberger 公式，對 Vol Surface 做二次微分，可以得到市場隱含的「風險中立分布」——這是市場真正認為的未來價格機率分布，通常有明顯的 fat tail。
BSM 假設 lognormal，但市場的真實分布有厚尾（Fat Tail）：極端事件的發生機率遠超模型預測。
市場崩盤（如 2008、2020）發生的頻率遠超 lognormal 的預測。BSM 將這些「不可能」事件定價過低，導致 OTM put 被系統性低估。
資產價格下跌時波動率通常上升（恐慌效應），形成左偏。BSM 假設的對稱 lognormal 無法捕捉這種非對稱性，因此低估 OTM put 的 IV。
Vol Smile 的存在本身就證明 σ 不是常數——如果 σ 真的固定，所有 strike 的 IV 應相同。Vol Skew 是市場對 BSM 假設的「修正稅」。
市場對極端下跌的恐懼（fear premium）使 OTM put 的 IV 遠高於 ATM。這就是為什麼在我們的 SPX tail hedge 中，即使 K=5590（5% OTM），put 的成本仍達 $0.5M——fat tail 溢價。
BSM 是「假設世界完美時的定價工具」。 正向用：代入 σ 算出理論公允價格； 反向用：代入市場價格反算出 Implied Vol，讀取市場對未來的預期。 但由於現實存在 fat tail 和 vol skew，BSM 系統性低估極端風險—— 這正是 vol surface、risk-neutral distribution 等修正工具存在的原因， 也是我們在選擇權交易中必須額外管理 Vega 和 tail risk 的根本原因。