本文将近乎不稳定的重尾双变量累积INAR()过程通过离散缩放极限与粗糙Heston模型联系起来，扩展了缩放极限技术，不仅限于Hawkes过程，并为粗糙波动性和杠杆效应提供了微观结构机制。在计算上，我们模拟逼近的INAR()序列，而不是离散化Volterra SDE，并实施带有分治快速傅里叶变换（CDQ）的长记忆卷积，以重用过去的变换，从而为欧洲期权和路径依赖期权（亚洲期权、回溯期权、障碍期权）提供高效的蒙特卡洛引擎。我们进一步推导了在我们微观结构近似下期权定价的有限时间弱误差界。数值实验表明，紧密的置信区间具有更高的效率；当α接近1时，结果与经典的Heston基准一致，其中α是粗糙度规格。使用模拟器，我们还研究了隐含波动率面：粗糙度规格（α<1）重现了关键的经验特征——尤其是陡峭的短期到期ATM偏斜及其幂律衰减——而经典模型产生了更平坦的偏斜。
Wang等人（Mon，）研究了这个问题。