期权的定价方法

1. 期权的定价方法

这是一个老题目了，在知乎里也有一些类似的问题，但总感觉所有回答都有所欠缺，所以希望在这里对所有的数值方法进行一个梳理。按照我个人的分类，期权定价的数值方法分为五个大类：解析解方法，树方法，偏微分方程数值解方法，蒙特卡洛方法，傅立叶变换方法。
1）解析解方法：
一个期权定价问题，其实就是根据已知的随机微分方程（SDE）模型，然后来求解关于这个随机过程函数表达式的过程。这也是为什么随机微积分和Ito lemma会是金融工程的核心知识之一，因为Ito直接告诉了我们一个随机过程的函数所满足的新SDE：

\rm{d}f(t, X_{t})=\frac{\partial f}{\partial t}\rm{d}t + \frac{\partial f}{\partial X_t}\rm{d}X_t + \frac{1}{2}\frac{\partial^2 f}{\partial X_t^2}\rm{d}[X, X]_t
然后，如果我们可以求出这个SDE的解析解，那么一个欧式无路径依赖期权的价格就是它在终值时刻折现的期望值。这就是一种期权定价的解析解方法，当然你也可以利用PDE来求解，由于Feynman Kac定理的存在，PDE和条件期望的答案会是一致的。
而这类方法的优点是显而易见的，一旦解析解存在，那么期权的价格公式计算速度就会非常之快，不论做拟合还是优化都会有效率上质的提升，而这类方法的缺点也很明显，那就是，对于大部分模型和大部分奇异期权，解析解未必存在。
2）树方法
之所以叫树方法而不叫二叉树，是因为我们也将讨论三叉树模型，但其实本质思想是一模一样的。
如果告知你了一个标的资产的波动率，那么你可以通过下述式子构造一个N段的二叉树的上下波动：

u = \rm{e}^{\sigma\sqrt{T/N}}, d = \rm{e}^{-\sigma\sqrt{T/N}}
然后利用逆推，来得到初始时刻的期权价格。
那么三叉树呢？首先要明白一个道理，除了满足了下列条件的三叉树模型(u是上叉，d是下叉，l是中叉)
其余的三叉树都是incomplete market。在其余的树模型下，我们只能做到super-replicate，而不能完成perfect hedge。而这独有的一种三叉树模型，也成为了最常用的树模型之一。或许有人好奇为什么有二叉树了，还有人使用更麻烦的三叉树。这是因为三叉树的收敛速度要高于二叉树。
那么树模型的优缺点又是什么呢？树模型有一个任何连续时间模型都无法取代的优点，那就是每一个定价，在树模型里，不论美式、欧式、路径依赖、奇异，通过Backward Induction Principle得到价格，永远都是伴随着显式对冲策略的。而在连续时间模型里，想获得连续时间对冲策略的这类问题，是一个倒向随机微分方程（BSDE）问题，有很多时候并不是那么好解决的，尤其是当期权有奇异或美式属性的时候。
另一方面，树模型缺点也显而易见，高维度问题树模型是不能解决的，所以对于多个标的资产的问题，尤其是具有相关系数的资产，我们只能诉之于他法。而从速度上来讲，树模型的收敛速度是要低于PDE方法的。
3）PDE方法
很多对于quantitative finance陌生的人也会听说过Black Scholes PDE。而实际上，不同的随机模型，都会对应不同的PDE。BS PDE只不过是单资产符合几何布朗运动随机模型的PDE表达罢了。因为对于期权，我们往往知晓它最终到期日的payoff，所以我们用payoff函数来作为这个PDE的终值条件。
如果PDE存在解析解，最优办法自然也是求解析解。然而，如果解析解不存在，我们就必须诉诸数值方法。最常用的数值解方法就是有限差分，也就是将所有变量构造一个网格，然后利用网格上的差分方法来估计偏导数，进而将PDE问题转化为代数问题。而对于期权定价的PDE，我们会根据期权的性质，获得这个PDE终值条件和边值条件。然而，有时候根据不同的模型，我们可能得到的并不是一个简单的PDE，而可能是PIDE（partial integral differential equation），也就是在PDE中多了积分项，这时候，我们需要同时再借助数值积分来完成数值计算。
PDE的数值问题自然还有很多的选择，有限元、谱方法都在列。但期权定价PDE本身并不像很多物理PDE有很大的非线性程度，边界也并没有那么奇怪，所以基本上有限差分是可以解决绝大部分问题的。
有限差分法分三种：显式差分，隐式差分，交错差分。我们不深入研究算法，但几个点就是：稳定性上，显式差分是条件稳定的，另外两种都是无条件稳定；计算复杂度上，显示最简单，隐式次之，交错最繁琐；精确性上，显式、隐式是同阶的，交错差分的特殊情形，显式和隐式各占一半时，也就是Crank-Nicolson差分，精度会在时间上也上升一阶。
另外，在期权定价中PDE有两大类，正向和倒向。传统的BS PDE就是倒向的一个典型例子，它的终值条件就是期权的payoff function。而一个倒向PDE所对应的正向PDE，它不再是期权价格满足的PDE，而是这个标的的“价格密度”所满足的PDE。这个“价格密度”被称为State price，或者Arrow Debreu price，抑或是Green function。而这个在我之前的一篇文章有介绍过
Arrow Debreu price与快速拟合
而PDE方法的缺点主要有两点：路径依赖问题，高维度问题。很多路径依赖问题的PDE形式是很麻烦，甚至无法表达的，比如亚氏期权，比如回望期权。而对于高维度问题，如果PDE的数值方法会从平面网格上升到空间网格，在复杂度上不但繁琐，而且在边值条件上更难以控制。而PDE的优点则是速度快，而且根据差分的数值方法，在计算Greeks的时候不需要加以再次的bumping计算。举个例子，如果不降维，一个具有两个assets的期权的有限差分就是这样的一个立方网格：

4）蒙特卡洛方法
蒙特卡洛方法是目前应用范围最广泛的方法了。因为不存在提前行权属性的期权价格其实就是一个期望，所以我们就可以通过模拟很多的路径，来用平均数估计真实期望。而美式或百慕大这种具有提前行权属性的期权，它的期权价格其实是一个随机优化问题。这类问题我们可以采用regression-based Monte Carlo，也就是最小二乘蒙特卡洛，利用regression来估计conditional NPV，然后再用蒙特卡洛求解当前价值。
所以说，蒙特卡洛方法是最为general的方法了。然而，蒙特卡洛的缺点也是显而易见：因为要模拟上百万条路径，而且对于奇异期权还要做路径上的计算，美式更要做回归，蒙特卡洛方法成为了计算时间长的代名词。但幸运的是，我们有三种提速的方法：1，利用方差缩减，在保证方差恒定的基础上，可以减少模拟路径；2，利用Multi-level 蒙特卡洛，减少complexity；3，利用GPU或超级计算机，进行并行计算。
对于普通蒙特卡洛方法，上述三种方法都是可行的，而且GPU的提速是非常显著的。对于方差缩减，得强调一点的就是，一般而言，最简单的方式是对偶变量，其次是控制变量，然后是利用条件期望，最难的是importance sampling，而在效果和适用范围上，它们的排序往往是刚好相反的。比如美式期权的最小二乘蒙特卡洛，方差缩减的最有效手法就是important sampling，其他方法的效果很小。
这里另外再着重强调一下最小二乘蒙特卡洛。最小二乘蒙特卡洛的流程大致如下：首先，正向模拟标的路径；其次，倒向在每个时间节点，对所有路径值进行回归，估算条件期望，直到初始时间点；最后，求平均。所以值得注意的一点就是，在这里，如果单纯使用GPU cluster进行提速，效果并不是很理想，因为路径模拟并不是最消耗时间的步骤，对所有路径回归才是。虽然如此，但其实还是可以用GPU cluster来对回归精度加以提升，比如可以将路径进行归类，然后将global regressor转换成多个local regressor。
总的来说，蒙特卡洛方法是期权定价中适用范围最广的数值方法，但也是最慢的方法。然而，我们可以利用方差缩减、复杂度缩减，以及GPU计算来优化我们的蒙特卡洛算法，达到提速与增加精确性的目的。
5）傅立叶方法
傅立叶方法也被称为特征函数法，利用的就是对于很多的模型，它们的特征函数往往是显式表达的，比如靠具有independent increment的infinitely divisible process来决定的模型，因为在这样的情况下，我们有Levy-Khintchine representation，很多拟合性质很好的过程，比如Variance Gamma，Normal Inverse Gaussian都属于这一类。而特征函数实际上可以看作是一个随机变量的傅立叶变换，这也就是这个名字的由来。
如果我们有显式表达的特征函数，我们可以通过傅立叶逆变换来得到原随机变量的密度，进而达到求解期权价格的目的。一般来讲，这样的方法要比PDE方法更加快速，因为数值积分的速度要比微分方程数值解的速度要快。然而，这类方法的缺陷也是显而易见的，路径依赖性和维度问题，以及我们必须要有显式表达的特征函数。
总结：
在这里，我们只讲一些面上的东西。具体深入的东西，我会在公众号：衍生财经上详谈。

2. 什么是期权价格

3. 期权定价问题

(25-20)-2+1=4
23-20-2+1=2
2-1=1（股票下跌不执行期权，损失等于期权买入价格和卖出价格的差额）
股票价格为21
执行合约21-20=1
刚好等于你买入期权卖出期权的差额
所以盈亏平衡

4. 期权的价格是如何决定的

期权的价格是由内在价值和时间价值组成。期权权利方(买方)将权利金支付给期权义务方(卖方)，以此获得期权合约所赋予的权利。
内在价值：是由期权合约的行权价格与期权标的市场价格的关系决定的，表示期权买方可以按照比现有市场价格更优的条件买入或者卖出标的证券的收益部分。
内在价值只能为正数或者为零。
只有实值期权才具有内在价值，平值期权和虚值期权都不具有内在价值。实值认购期权的内在价值等于当前标的股票价格减去期权行权价，实值认沽期权的行权价等于期权行权价减去标的股票价格。
时间价值：是指随着时间的延长，相关合约标的价格的变动有可能使期权增值时期权的买方愿意为买进这一期权所付出的金额，它是期权权利金中超出内在价值的部分。
期权的有效期越长，对于期权的买方来说，其获利的可能性就越大;而对于期权的卖方来说，其须承担的风险也就越多，卖出期权所要求的权利金就越多，而买方也愿意支付更多权利金以拥有更多盈利机会。所以一般来讲，期权剩余的有效时间越长，其时间价值就越大。

5. 期权价格是什么

这取决于它是看涨期权还是看跌期权。 如果是看涨期权，则股票的期权价格与股票价格的走势一致。 当股票价格上涨时，期权价格也会上涨。 C=S-K。如果是看跌期权，则股票价格和期权价格方向相反。 如果股价上涨，期权价格就会下跌。 P=K-S拓展资料一、期权价格是什么：期权价格也称为期权费、期权的买卖价和期权的卖出价。 通常，作为期权的保险费，期权的买方将其支付给期权发行人，从而获得期权发行人转让的期权。 它具有期权购买者成本和期权发行者收入的双重性。 同时，这也是期权购买者在期权交易中可能遭受的最大损失。二、股票价格是什么：三、股票价格是指股票在证券市场上交易的价格。股票本身没有价值，它只是一张凭证。其价格的原因是它可以为其持有人带来股息收入，所以买卖股票实际上是买卖凭证以获得股息收入。面值是参与公司利润分配的依据。股利水平是一定数量的股本与已实现股利的比率，利率是货币资本的利率水平。股票的买卖价格，即股市的高低，直接取决于分红的数额和银行存款利率的高低。它直接受供求关系的影响，供求关系受股市内外多种因素的影响，使股市偏离其票面价值。例如，公司的经营状况、声誉、发展前景、股利分配政策、外部经济周期变化、利率、货币供应量和国家政治、经济和重大政策是影响股价波动的潜在因素，而交易量、交易方式股票市场中的交易者会引起股票价格的短期波动。此外，人为操纵股价也会造成股价的涨跌。股票价格分为理论价格和市场价格。股票的理论价格不等于股票的市场价格，甚至存在相当大的差距。但是，股票的理论价格为预测股票市场价格的变化趋势提供了重要的依据，也是形成股票市场价格的基本因素。

6. 期权价格是什么

比如公司在期权合同里承诺你，两年后的今天，你可以用1块钱1股的价格认购公司1000份以内的股票，那么这两年的时间就是期权的期，用1块钱1股的价格认购公司股票的权利就是期权的权，这就是期权。

7. 期权的价格特性

期权价格等于期权的内在价值加上时间价值。
（一）期权的内在价值
期权的内在价值（Intrinsic Value）是指多方行使期权时可以获得的收益的现值。
欧式看涨期权的内在价值为(ST-X)的现值。无收益资产欧式看涨期权的内在价值等于S-Xe-r(T-t), 而有收益资产欧式看涨期权的内在价值等于S-D- Xe-r(T-t)。
无收益资产美式看涨期权价格等于欧式看涨期权价格,其内在价值也就等于S-Xe-r(T-t)。有收益资产美式看涨期权的内在价值也等于S-D- Xe-r(T-t)。

8. 期权价格的定义

期权价格通常是期权交易双方在交易所内通过竞价方式达成的。在同一品种的期权交易行市表中表现为不同的敲定价格对应不同的期权价格。商务印书馆《英汉证券投资词典》解释：期权价格  英语为：option price。每份期权合约的市场交易价。股票期权以100股为基本交易单位。报价时以整份合约价格的1%进行。当市值为100元一股的股票期权报价为5/8元时，表示一股股票的权益为62.5分，一份100股的合约交易价格为62.5元。参见：期权金；权利金，option premium