期貨與選擇權市場 ( 碩士班 )

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)

- 假設股價下一期只有兩種情況 ( 上漲或下跌 ) ，且其幅度是

已知的

- 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

假設當前股價是 20, 三個月後股價可能是 22 或 18

= $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

• 因該投組為無風險 , 故 22D – 1 = 18D

• 可求得 D = 0.25

• 故該投組到期價值是 4.5, 故期初價值為

• 故買權價值 = 5 – 4.455 =0.545

Remark
• 建立無風險投組 (short 1 call + long 0.25
stock)= 借出資金
• long 1 call = long 0.25 stock + 借入資金

• 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

• 回到上例 , 可利用股價二項樹直接算出 p=0.5503

股價主觀機率無關論
• 直覺 : 股價上漲機率越高則買權價格越高

• 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%,

u =1.2, d = 0.8) 可計算出 p = 0.6282 72

0
60
50 1.4147 48
4.1923 4
40
9.4636 32
20
定價美式賣權
定價賣權 : 根據條件 (K = 52, 一步時間間隔為 1 年 , r =
5%,

u =1.2, d = 0.8) 可計算出 p = 0.6282 72

0
60

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

• 根據每個節點 , 我們都能算出其 Delta

• 以歐式買權為例 :

A: B:

• 當股價上漲 ( 下跌 )  ( 下跌 )

[short call long delta stock]

• 動態避險過程中會追高殺低 , 這樣可能會造成交易成本 ( 賣權呢 ?)

Delta-hedge return
• 進行 delta-hedged 的投組交易成本可能會侵蝕報酬 , 該
策略是否存在負報酬 ? 或選擇權權利金可以彌補此虧損 ?

• Bakshi and Kapadia (2003, RFS) 發現 delta-

hedged portfolio (long option + short stock) 平均
損益是負的 ( 針對 S&P 500 index)

• 若該策略越價外 ( 波動率越大 ), 負績效的程度越小 ( 越

大)

• Volatility risk premium 顯著影響到其績效

如何決定 u 和 d
• 利用一階和二階動機

• 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

• Realized Variance = Implied Variance ?

• 衍生主題 : Variance risk premium = IV - RV

變異數風險溢酬 VRP
• Bollerslev, Tauchen, and Zhou (2009, RFS) 建立一
均衡模型 , 其中考慮了隨時間變動的總體不確定性

• 根據此模型找到了 VRP 能解釋部分的未來股價報酬

• 這裡的隱含波動率指的是 model-free, 而非 BSM 模型

• 這裡的實質波動率用的是 5-min 而非 daily 標的資產報酬

• 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

• 利用 VIX futures 的資料重新建立 VIX premium

• 利用 VIX premium 解釋 Variance risk premium 所出

現的不合理現象
多步數二項樹模型
• 當步數夠多時 , 該定價公式會趨近 BSM 的定價公式

• 首先 , n-step 二項樹模型的公式
n
n!
ce  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