期权价格上下限 | 数学推导 & 直观理解


记欧式看涨和看跌的价格分别为 c , p c, p c,p,美式看涨和看跌的价格为 C , P C, P C,P。本文假设不含股息

欧式上限

对看涨期权 c c c,一定有 c ≤ S c \leq S cS,即期权价格小于标的资产价格。很简单,欧式call的目的就是为了在 T T T时刻得到标的资产,假如当前的 c c c S S S还大,那还不如直接现在买入股票并持有到 T T T

从数学角度看,买入期权 c c c和买入标的资产 S S S T T T时刻的收益分别为 max ⁡ ( S T − K , 0 ) \max(S_T-K, 0) max(STK,0) S T S_T ST,显然期权的 T T T时刻收益 小于等于 标的资产的 T T T时刻收益,因此折到当前时刻也得有 c ≤ S c\leq S cS,否则会产生套利机会

对看跌期权 p p p,一定有 p ≤ K e − r τ p\leq Ke^{-r\tau} pKerτ。直觉上也很简单,一个欧式看跌期权在 T T T时刻收益最多就是 K K K,折到当前时刻就是 K e − r τ Ke^{-r\tau} Kerτ,怎么可能花比这更多的钱来买入这个权利

欧式下限

对欧式看涨期权 c c c,有 c ≥ max ⁡ ( S − K e − r τ , 0 ) c \geq \max(S-Ke^{-r\tau}, 0) cmax(SKerτ,0)。对欧式看跌期权 p p p,有 p ≥ max ⁡ ( K e − r τ − S , 0 ) p \geq \max(Ke^{-r\tau}-S, 0) pmax(KerτS,0) c c c p p p都大于0很显然,下面证明剩下的部分
数学证明很简单,两种方法

  • 一是put-call parity, c + K e − r τ = p + S c + Ke^{-r\tau} = p+S c+Kerτ=p+S,由 c c c p p p大于0可以推出 c ≥ S − K e − r τ , p ≥ K e − r τ − S c \geq S-Ke^{-r\tau}, p \geq Ke^{-r\tau}-S cSKerτ,pKerτS
  • 方法二:
    假设要证明 c ≥ S − K e − r τ c \geq S-Ke^{-r\tau} cSKerτ,也就是 c + K e − r τ ≥ S c + Ke^{-r\tau} \geq S c+KerτS,那就构造2个投资组合,然后看它们的terminal payoff哪个大。
    组合一:买入欧式看涨期权,并买入一个面值为 K K K的0息债券。该组合当前的价值为 c + K e − r τ c + Ke^{-r\tau} c+Kerτ,那么到了 T T T时刻,payoff为 max ⁡ ( S T − K , 0 ) + K = max ⁡ ( S T , K ) \max(S_T-K, 0)+K = \max(S_T, K) max(STK,0)+K=max(ST,K)
    组合二:买入标的资产,该组合当前的价值为 S S S,那么到了 T T T时刻,payoff为 S T S_T ST
    显然,组合一的terminal payoff大于组合二,因此当前价格应该也大于组合二,即 c + K e − r τ ≥ S c + Ke^{-r\tau} \geq S c+KerτS

对看跌,要证明 p ≥ K e − r τ − S p \geq Ke^{-r\tau}-S pKerτS,即 p + S ≥ K e − r τ p + S \geq Ke^{-r\tau} p+SKerτ。类似的,还是考虑2个组合
组合一: 买入看跌期权和标的资产,该组合当前的价值为 p + S p+S p+S,到了 T T T时刻的payoff为 max ⁡ ( K − S T , 0 ) + S T = max ⁡ ( K , S T ) \max(K-S_T, 0) +S_T = \max(K, S_T) max(KST,0)+ST=max(K,ST)(有没有很眼熟?没错,这个组合就是protective put)
组合二:买入一个面值为 K K K的0息债券,该组合当前价值为 K e − r τ Ke^{-r\tau} Kerτ T T T时刻payoff为 K K K
于是组合一的terminal payoff大于组合二,因此组合一的当前价值也大于组合二的当前价值,即 p + S ≥ K e − r τ p + S \geq Ke^{-r\tau} p+SKerτ

那么怎么直观理解 c c c p p p的下限呢。实际上, c ≥ S − K e − r τ c \geq S-Ke^{-r\tau} cSKerτ的意思是,为了在 T T T时刻获得大于等于 S T − K S_T-K STK的收益,当前必须付出大于等于 S − K e − r τ S-Ke^{-r\tau} SKerτ的代价。这是符合直觉的,因为如果要在 T T T时刻正好获得 S T − K S_T-K STK的收益,可以在当前买入标的资产,然后借入 K e − r τ Ke^{-r\tau} Kerτ的钱(当前一共花 S − K e − r τ S-Ke^{-r\tau} SKerτ),这样到了 T T T时刻,一定可以有 S T − K S_T-K STK的收益(手里持有的标的资产价格为 S T S_T ST,然后还钱还了 K K K)。而欧式期权会获得大于等于 S T − K S_T-K STK T T T时刻收益,因此一定大于仅仅获得了 S T − K S_T-K STK T T T时刻收益的当前代价,即 S − K e − r τ S-Ke^{-r\tau} SKerτ
由此也可以看出,欧式call的价格一定 c ≥ S − K e − r τ ≥ S − K c \geq S-Ke^{-r\tau} \geq S-K cSKerτSK,即大于内在价值,因此不含股息的欧式call的时间价值一定大于0

对看跌也是一样的,为了在 T T T时刻获得大于等于 K − S T K-S_T KST的收益,当前必须付出大于等于 K e − r τ − S Ke^{-r\tau}-S KerτS的代价。因为当前如果借出 K e − r τ Ke^{-r\tau} Kerτ的钱并short标的资产,即付出 K e − r τ − S Ke^{-r\tau}-S KerτS的代价,则可以在 T T T时刻获得 K − S T K-S_T KST的收益(收到还的钱,并入买标的资产平之前的short仓位)。而看跌期权会获得大于等于 K − S T K-S_T KST T T T时刻收益,因此一定大于仅仅获得了 K − S T K-S_T KST T T T时刻收益的当前代价,即 K e − r τ − S Ke^{-r\tau}-S KerτS
可见 p ≥ K e − r τ − S p \geq Ke^{-r\tau}-S pKerτS并不能保证 p ≥ K − S p \geq K-S pKS,因此不能从这里证明欧式put的时间价值一定为正。事实上,深度价内的欧式put可能会出现负的时间价值

美式看跌期权上下限

对无股息的美式call,由于不会提前行权,其价格和欧式call一样

而对美式put,由于可以提前行权,其价格一定高于其内在价值 max ⁡ ( K − S , 0 ) \max(K-S,0) max(KS,0),然后低于其最大收益 K K K,因此对美式put,有 max ⁡ ( K − S , 0 ) ≤ P ≤ K \max(K-S,0) \leq P \leq K max(KS,0)PK

二叉树模型期权定价数学推导如下: 假设有一个股票价格为S的资产,其价格在每个时间步长中有两种可能的变化:上涨或下跌。假设上涨的概率为p,下跌的概率为1-p。假设每个时间步长的长度为Δt,总共有n个时间步长。则在第i个时间步长中,股票价格为Si=S*(u^i)*(d^(n-i)),其中u为上涨幅度,d为下跌幅度,满足u*d=1,即u=1/d。因此,上涨幅度和下跌幅度之间存在一个负相关关系。 假设我们有一个欧式看涨期权,其行权价格为K,到期时间为T。则该期权的价值为V(S,t),其中t表示当前时间。根据无套利原理,该期权的价值必须满足以下条件: V(S,t)=pV(Su,t+Δt)+(1-p)V(Sd,t+Δt),其中V(Su,t+Δt)表示在上涨状态下的期权价值,V(Sd,t+Δt)表示在下跌状态下的期权价值。 根据期权的到期收益,我们可以得到以下公式: V(Su,T)=max(Su-K,0),V(Sd,T)=max(Sd-K,0) 因此,我们可以通过递归地向后计算来确定期权的价值。具体来说,我们从到期时间开始,计算出每个时间步长的期权价值,然后向前递归计算出当前时间的期权价值。最终,我们可以得到当前时间的期权价值V(S,0)。 在实际计算中,我们可以使用二叉树来表示股票价格的变化,并使用递归算法来计算期权的价值。具体来说,我们可以从到期时间开始,计算出每个时间步长的股票价格,并将其存储在二叉树中。然后,我们可以使用递归算法来计算每个节点的期权价值,最终得到根节点的期权价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值