Professional Documents
Culture Documents
(2) 期貨與選擇權市場 選擇權評價模型
(2) 期貨與選擇權市場 選擇權評價模型
(2) 期貨與選擇權市場 選擇權評價模型
選擇權評價模型
選擇權評價模型
• 二項樹模型 (CRR 模型 ) (Cox, Ross, Rubinstein, 1979,
JFE)
- 利用現貨與借貸市場的工具形成投資組合 , 使其價值與選擇
權一致 , 進而評價選擇權
• BSM 模型 (Black, and Sholes, 1973, JPE)(Merton,
1973)
二項樹模型
• 考慮單期模型
= $20
𝑆 1 =18
二項樹模型
• 若市場上有執行價為 21 且三個月到期的買權
Call’s Payoff = 1
= $20
Call = ?
Call’s Payoff = 0
二項樹模型
• 實際上 , 目前市場有三種金融商品 : 股票 , 債券
( 年利率 4%), 選擇權
4 % ∗ 0.25
= 22 B1= e
= 20 =1
4 % ∗ 0.25
= 18 B1= e
=1
=?
建立無風險投資組合
• 賣 1 單位的買權 + 買單位的股票 , 到期的 payoff
22D – 1
18D
• 可求得 D = 0.25
• 買權 = 損失有限 , 獲利無窮
• 由上述投組可知買權的槓桿效應
• 為何買權價格會符合該等式 ( 假設無套利機會 )
單期模型下買權價格公式
• 選擇權 (f) 的合理價格
其中
• 其中股票的單位
單期模型下買權價格公式
• 且 , p 可視為一種機率
• 而該期望值所對應的機率為 p
• 試著將此機率代入股價模型中
• 財務定價基本原則
• 該機率使得股價與選擇權未來期望報酬率成為無風險利率
單期模型下買權價格公式
• 且 , p 可視為一種機率
• 而該期望值所對應的機率為 p
• 試著將此機率代入股價模型中
• 財務定價基本原則
• 若以此機率計算股價或選擇權未來期望值 , 會發現該資產報
酬皆為無風險利率 , 故稱此機率為風險中立測度
單期模型下買權價格公式
• 若符合某些正規條件下 , 並假設折現過程 , 那麼必然存在
一風險中立測度 Q 使得 是一鞅 (martingale)
• 例如我們假設
該測度就是一風險中立測度
• 但選擇權價格公式中與股價的主觀上漲下跌機率無關
• 其實依然可以使用主觀機率進行定價 , 但主觀機率不易估
計 , 此外 , 該用多少折現率也是不易估計
• 而實際上 , 定價時所用到的未來股價其實已經隱含了未來
上漲下跌的機率 , 因此 , 根據股價來定價選擇權 , 就不須
再考慮其主觀機率
兩步二項樹模型
• 考慮兩步二項樹模型 ( 為何不考慮其他類型的樹 ,
例如 : 多項樹 , 非重和節點樹 )
• 假設執行價是 21, 每一步代表三個月
22 24.2
20 19.8
18
16.2
定價買權
• 定價買權 : 根據條件 (u=1.1 d=0.9, r=4%,
T=0.25), p=0.5503 ( 跟單期二元樹的結果一致 )
24.2
3.2
22
B
20 1.7433 19.8
0.9497 A 0.0
18
0.0 16.2
0.0
定價歐式賣權
定價賣權 : 根據條件 (K = 52, 一步時間間隔為 1 年 , r =
5%,
50 1.4147 48
5.0894 4
40
C
12.0 32
20
計算 Delta
• Delta = ( 變動一單位的股價會使得買權價格變動多少
• 以歐式買權為例 :
A: B:
• 當股價上漲 ( 下跌 ) ( 下跌 )
• 得到 (HW2)
and
Girsanov 定理
• 當我們轉換測度的時候 , 波動度是不會受到影響
• 受到影響的部分只有一階動差 , 主觀機率得到的期望報酬
是 , 風險中立測度得到的期望報酬是無風險利率
• 所以 , 主觀測度下的波動度 = 風險中立測度下的波動度
• 對於季報酬率預測能力最佳
變異數風險溢酬 VRP
• Cheng (2019, RFS) 試圖解釋 VRP 的異象
• 首先 , n-step 二項樹模型的公式
n
n!
ce rT
j 0 ( n j )! j!
p j
(1 p ) n j
max( S 0 u j n j
d K , 0)
其中價內選擇權滿足
n ln( S 0 K )
2 2 T n
多步數二項樹模型
• 而最終我們將得到下列定價結果
c e rT ( S 0U1 KU 2 )
where
n!
U1 p j (1 p ) n j u j d n j
j ( n j )! j!
n!
U2 p (1 p )
j n j
j ( n j )! j!
多步數二項樹模型
• 可表示成
U1 [ pu (1 p )d ]
n n!
* j
p 1 p*
n j
e
rT n!
* j
p 1 p*
n j
j ( n j )! j! j ( n j )! j!
其中
pu
p*
pu (1 p )d
• U 1 和 U 2 都是二項分布的累積機率函數且二項分布會趨近常態分
佈
Q&A