跳到主要內容

[衍生商品] 淺談 Binomial Pricing Model (1) -Two-steps tree

現在我們可以將 One step Tree拓展到 Two steps 的情況。
在前篇文章我們有提過,事實上如果把二項樹的step拓展到 無窮大,則Binomial pricing會收斂成為 Black-Scholes formula。

我們手上現在有兩種方法 (此兩種方法等價)來對選擇權進行定價:
1. Binomial Pricing:
2. Risk-Neutral Pricing:風險中性機率 $P$ 再任意二項樹的步都是定值 (因為投資人對風險漠不關心,故股票上漲或下跌對投資人來說沒有影響。故 $P$ 值不變).

先給個例子看看兩步的二項樹是怎麼回事:

Example
現在考慮一個 兩步的二項樹:

今日股價 $S_0 =20$,下圖二項樹的每一步中股價上漲 或者下跌 $10 \%$,假設二項樹中每一步長度$h$為3個月 $h=3/12$ (亦即兩步為 6個月 $T=6/12$),無風險利率 $r =12 \%$ p. a. (連續複利),考慮 執行價格為 $K=21$ 的 歐式 看漲選擇權 ( European Call option) 。



我們這邊使用 風險中性定價法求解 $f$:關於風險中性定價有興趣的讀者請參考
[衍生商品] 風險中性定價 (Risk-Neutral Pricing)

步驟如下:

1. 首先求解 (二項樹中 任意一步的) 風險中性機率 $P$:
其中 $r =0.12, h=3/12, u=1.1, d=0.9$,可解得
 \[
P = \frac{{{e^{r h}} - d}}{{u - d}} =0.6523
\]
2. 接著我們可以計算各節點的 看漲選擇權 價格:
首先計算 到期時 at expiration $T$ (6個月) 的 看漲選擇權 價格
\[\left\{ \begin{array}{l}
{f_{uu}} = \max \{ {S_T} - K,0\}  = \max \{ 24.2 - 21,0\}  = 3.2\\
{f_{ud}} = \max \{ {S_T} - K,0\}  = \max \{ 19.8 - 21,0\}  = 0\\
{f_{dd}} = \max \{ {S_T} - K,0\}  = \max \{ 16.2 - 21,0\}  = 0
\end{array} \right.
\]接著再計算中間節點的 看漲選擇權價格 (3個月 $h=3/12$)
\[\left\{ \begin{array}{l}
{f_u} = \left( {P{f_{uu}} + \left( {1 - P} \right){f_{du}}} \right){e^{ - rh}} = \left( {0.6523\left( {3.2} \right) + 0} \right){e^{ - 12\% \left( {3/12} \right)}} = 2.0257\\
{f_d} = \left( {P{f_{du}} + \left( {1 - P} \right){f_{dd}}} \right){e^{ - rh}} = \left( {0 + 0} \right){e^{ - 12\% \left( {3/12} \right)}} = 0
\end{array} \right.
\]最後在計算 $f$
\[f = \left( {P{f_u} + \left( {1 - P} \right){f_d}} \right){e^{ - rh}} = \left( {0.6523\left( {2.0257} \right) + 0} \right){e^{ - 12\% \left( {3/12} \right)}} = 1.2823
\] $\square$

============
那麼現在產生一個簡單的問題,如果是上述例子變成 美式選擇權(American option) 我們可以進行估價嗎?

答案是肯定的。

那麼該怎麼做呢?
Idea: 美式選擇權與歐式選擇權最大差別在於美式選擇權可以在到期時間之前都可以被執行。故我們首先計算歐式選擇權的價格,再逐點討論是否要提早執行該選擇權。

現在回頭再看看剛剛我們解完的 歐式看漲選擇權 的例子:


現在我們逐點討論是否要提早執行該選擇權。

NOTE:
在解題之前我們先注意到一個common sense:
美式 看漲選擇權 在股票未配發股息 的情況之下,永遠都不應該提早執行 (WHY!?),

因為如果立刻執行我們會得到 $S - K$,但是如果我們不選擇立刻執行而是把美式選擇權賣出,由於美式選擇權可以在到期之前隨時執行,故其價格會比歐式選擇權 要來的高,則我們會得到選擇權價格有如下關係:
\[
C_{american} \geq C_{european}
\]又由歐式看漲選擇權我們知道選擇權的價格具有下界 (內部價值 + 時間價值 $ max\{ S-K, 0\}$):故我們知道歐式選擇權會有如下關係
 \[ C_{european} \geq S-K
\],故合併上式我們得到
\[
C_{american} \geq C_{european} \geq S-K
\]這說明了如果立刻執行只有得到下界 $S-K$,但我們如果賣出 美式看漲選擇權則可以得到 $C_{american}$,這說明了 看漲選擇權在未配發股息的情況永遠不該提早執行。以下分析可以作為一個驗證:


現在我們開始逐點討論,對上述例子而言,是否要提早執行 美式選擇權

注意到如果我們考慮 到期時 at expiration $T$,則我們的美式選擇權 $f_{uu}, f_{du}, f_{dd}$ 三點與歐式選擇權價格相同 (因為已經到期!)。

故我們只需討論 $f_u, f_d$ 以及 $f$ 是否需要提早執行。

首先檢驗 $f_u$ (亦即股票從 $20$ 上漲到 $22$的情況),歐式選擇權計算的結果是 $f_u = 2.0257$,
現在如果是美式選擇權,且如果我們在此時 執行選擇權會得到 $\max\{S_{h=3month} - K, 0 \} = \max\{22 - 21, 0 \} =1$,可以發現 $f_u =2.0275 >1 $ 故不執行。

接著檢驗 $f_d$ (亦即股票從 $20$ 下跌到 $18$的情況),歐式選擇權計算的結果是 $f_u = 0$,
現在如果是美式選擇權,且如果我們在此時 執行選擇權會得到 $\max\{S_{h=3month} - K \} = \max\{18 - 21, 0 \} =0$,可以發現 $f_u =0 = 0 $ 故不執行。

最後再檢驗 $f$ (亦即現在 ),歐式選擇權計算的結果是 $f = 1.2823$,
現在如果是美式選擇權,且如果我們在此時 執行選擇權會得到 $\max\{S_{h=0} - K \} = \max\{20 - 21, 0 \} =0$,可以發現 $f_u =0 = 0 $ 故不執行。

=====================

現在我們來看個 美式看跌選擇權的例子

Example
同上例,考慮一個 兩步的二項樹:

今日股價 $S_0 =20$,下圖二項樹的每一步中股價上漲 或者下跌 $10 \%$,假設二項樹中每一步長度$h$為3個月 $h=3/12$ (亦即兩步為 6個月 $T=6/12$),無風險利率 $r =12 \%$ p. a. (連續複利),考慮 執行價格為 $K=21$ 的 美式 看跌選擇權 ( American Put option)



我們這邊使用 風險中性定價法求解 $f$:同樣的第一步先求解 歐式看跌選擇權在做逐步討論

步驟如下:

1. 首先求解 (二項樹中 任意一步的) 風險中性機率 $P$:
其中 $r =0.12, h=3/12, u=1.1, d=0.9$,可解得
 \[
P = \frac{{{e^{r h}} - d}}{{u - d}} =0.6523
\]
2. 接著我們可以計算各節點的 看跌選擇權 價格:
首先計算 到期時 at expiration $T$ (6個月) 的 看跌選擇權 價格
\[\left\{ \begin{array}{l}
{f_{uu}} = \max \{  K - S_T,0\}  = \max \{ 21-24.2 ,0\}  = 0\\
{f_{ud}} = \max \{  K - S_,0\}  = \max \{21 - 19.8,0\}  = 1.2\\
{f_{dd}} = \max \{  K - S_,0\}  = \max \{ 21-16.2,0\}  = 4.8
\end{array} \right.
\]接著再計算中間節點的 看跌選擇權價格 (3個月 $h=3/12$)
\[\left\{ \begin{array}{l}
{f_u} = \left( {P{f_{uu}} + \left( {1 - P} \right){f_{du}}} \right){e^{ - rh}} = 0.4049\\
{f_d} = \left( {P{f_{du}} + \left( {1 - P} \right){f_{dd}}} \right){e^{ - rh}} = 2.3793
\end{array} \right.
\]最後在計算 $f$
\[f = \left( {P{f_u} + \left( {1 - P} \right){f_d}} \right){e^{ - rh}}  = 1.0591 \ \ \ \ \square
\]
故我們可得到如下 兩步的 二項樹圖:



現在我們逐點討論美式選擇權是否要提早執行。

同樣地,注意到如果我們考慮 到期時 at expiration $T$,則我們的美式 看跌選擇權 $f_{uu}, f_{du}, f_{dd}$ 三點與歐式 看跌選擇權價格相同 (因為已經到期!)。

故我們只需討論 $f_u, f_d$ 以及 $f$ 是否需要提早執行。

首先檢驗 $f_u$ (亦即股票從 $20$ 上漲到 $22$的情況是否需要提早執行),歐式 看跌 選擇權計算的結果是 $f_u = 0.4049$,
現在如果是美式 看跌選擇權,且如果我們在此時 執行選擇權會得到 $\max\{K-S_{h=3month} , 0 \} = \max\{21-22, 0 \} = 0$,(out of money!) ,故不執行。

接著檢驗 $f_d$ (亦即股票從 $20$ 下跌到 $18$的情況是否需要提早執行),歐式 看跌選擇權計算的結果是 $f_u = 0$,
現在如果是美式看跌選擇權,且如果我們在此時 執行選擇權會得到 $\max\{ K-S_{h=3month} \} = \max\{21-18, 0 \} =3$,可以發現 $f_u =2.3793 < 3 $ 故此時提早執行有利投資人!!。故對美式 看跌選擇權而言, $f_d =2.3793 $需被 $f_{d_{american}} = 3$ 替換!

且因為 $f_d$ 已經被 $f_{d_{american}}$取代,故我們需要重新計算 $f$
\[
f = f_{american} = \left( {P{f_u} + \left( {1 - P} \right){f_{d_{american}}}} \right){e^{ - rh}}=1.2686
\]
最後再檢驗我們剛計算出來的 新 $f$ (亦即現在 是否需要提早執行 ),歐式 看跌選擇權計算的結果是 $f = 1.2686$,
現在如果是美式 看跌選擇權,且如果我們在此時 執行選擇權會得到 $\max\{ K - S_{h=0} \} = \max\{21-20, 0 \} =1$,可以發現 $f_u =1.2686 >1 $ 故不執行。

故美式 看跌選擇權 的價格 $f_{american} = 1.2685$
歐式 看跌選擇權最 的價格 $f = 1.0591$


ref: John C. Hull, Options, Futures and Other Derivatives 7th.

留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質