vol surface构建的出发点应该是让data符合模型，也即你建出来的surface应该是arbitrage free的，否则无法使用。如果你弄出两个surface，那显然违反了无套利原理，也即你用你的模型自己就可以完成套利。Parity不hold有很多原因，你的出发点应该是假设parity hold然后去调整比如50etf 的implied dividend，使之符合parity，而不是说不hold所以我要把put和call分开对待。

对于一些流动性不好的市场本身就有流动性溢价在那里，也即因为市场买卖不积极，你必须付更高的价格才能吸引对盘迅速成交。所以并不是所有市场都跟模型符合的，但是基本假设是你选择一个流动性好的市场或者金融工具，然后假设他们符合模型，然后来矫正（calibrate）你的模型，然后再用这个矫正好的模型去price一些流动性不好的金融衍生品。但是不可能有一个模型可以fit所有market instrument。

好的 十分感谢

请问在fit model的时候如何选择data呢？ATM strike左侧选择OTM put data 右侧选择 OTM call data？还是通过成交量，持仓量，流动性等等因素去选择呢？业界有没有统一的方法还是各家有各家的方法？

ATM strike左侧选择OTM put data 右侧选择 OTM call data？是的

还是通过成交量，持仓量，流动性等等因素去选择呢？是
比如Bloomberg构建vol surface的方法，选取的每个instrument都有score，或者说weight，也即每data对于最终的surface的贡献度是不一样的，weight可以是很多东西的function，比如对于OTC的market比如外汇的波动率，有很多期限和strike会有很多银行给报价，根据每个点报价银行的数量可以决定每个点的质量如何，显然是报价来源越多这个点就越可靠。其次就是通过成交量，bid-ask spread，最近一次交易的时间（如果最近一次交易时间不是很近则剔除），这些都能决定某个点流动性的好坏，等等等等，这是一个系统你可以定各种规则，最终产生每个点对于最后surface的贡献度

业界有没有统一的方法还是各家有各家的方法？
我觉得一般是很标准的，但是每家会有细小的差别，业界quant和business manager都跑来跑去的，比如Bloomberg有很多quant在银行里做过，他们肯定会把银行里的那套带过来，再结合一些Bloomberg自身的数据优势等等，可能会有小的改进，但是总的来说这个还是一个很标准化的过程。

欢迎讨论