跳到主要內容

[衍生商品] 希臘值與動態避險 (0) - Delta and Delta Neutral

這次要介紹的是財務中的 希臘值 Greek Letters:
\[ \Delta, \Gamma, \Theta, \rho, \nu
\],上述的這些希臘字母被用作財務中衍生商品的 避險 (Hedging) 的指標。

那麼問題是這些希臘字母到底如何跟避險扯上關係呢? 這必須要回歸 Black-Scholes Formula:
\[\left\{ \begin{array}{l}
C = S{e^{ - qT}}N \left( {{d_1}} \right) - K{e^{ - rT}}N \left( {{d_2}} \right)\\
P = K{e^{ - r(T)}}N \left( { - {d_2}} \right) - S{e^{ - qT}}N \left( { - {d_1}} \right)
\end{array} \right.\]
其中 $C$ 為 Call option 價格,$P$ 為 Put Option 價格, $N(\cdot)$ 為 Standard Normal Cumulative distribution function (CDF),且\[\left\{ \begin{array}{l}
{d_1} = \frac{{\ln (S/K) + (r - q + \frac{1}{2}{\sigma ^2})(T)}}{{\sigma \sqrt T }}\\
{d_2} = {d_1} - \sigma \sqrt T
\end{array} \right.\]

觀察上述 Black-Scholes Formula,我們知道 選擇權價格 $C, P$ 可表為一個多變數的函數
\[
f(S,K,T,r,q,\sigma)
\]其中 $S$ 為現時股價,$K$ 為執行價格, $T$ 為到期時間, $r$ 為連續複利的無風險年利率, $q$ 為連續複利的年股息,$\sigma$ 為 波動度。


想法:對於 B-S formula 所求得的 $f(S,K,T,r,q,\sigma)$ 對特定參數的變動,我們用一個特定希臘字母來表示他,這些變動用來測量不同的風險:

這邊先介紹 $\Delta$
\[
\Delta := \frac{\partial f}{ \partial S}
\]亦即表示為選擇權價格對股價的變化率。(由於其為一階導數,故為斜率)

回憶先前介紹過,
對於 Long Call Position: $0 \leq \Delta \leq 1$ (Short call 則對左式同取負號)
對於 Long Put Position : $-1 \leq \Delta \leq 0$ (Short put 則對左式同取負號)

上述結果可繪製如下圖:




Comment: 
1. 如果 $\Delta =0$,則表示股票些微變化 不影響 選擇權價格。且此狀態稱為 Delta Neutral
2. $\Delta$ 在 Black-Scholes Call opton formula 中等價為 $e^{-qT}N(d_1)$;亦即
\[
\Delta := \frac{{\partial f}}{{\partial S}} = e^{-qT}N\left( {{d_1}} \right)
\] 其中 $N(\cdot)$ 為 Cumulative normal distribution。
3. 關於 Put Option 與 Call Option 的 $\Delta$ 值之間存在一固定關係,我們將此關係寫成下面的 Claim :

Claim:
對於 Call option 與 Put Option 的 $\Delta$ 有如下關係:
\[
\Delta_c - \Delta_p = e^{-qT}
\]Proof
上述關係可以很簡潔的利用 Put-Call Parity 來證明,現在回憶 Put-Call Parity 如下:
\[
C-P = Se^{-qT} - Ke^{-rT}
\]對上式兩邊取對 $S$ 偏導數 $\frac{{\partial }}{{\partial {\rm{S}}}}$:
\[\begin{array}{l}
C - P = S{e^{ - qT}} - K{e^{ - rT}}\\
 \Rightarrow \underbrace {\frac{{\partial C}}{{\partial S}}}_{{\Delta _c}} - \underbrace {\frac{{\partial P}}{{\partial S}}}_{{\Delta _p}} = {e^{ - qT}}\\
 \Rightarrow {\Delta _c} - {\Delta _p} = {e^{ - qT}}
\end{array}\] $\square$


投資組合 的 Delta 與 Superposition (Delta of Portfolio)
現在考慮 $\Pi $ 為投資組合的價值,則對單一資產 (價格為 $S$) 的 選擇權或其他衍生商品所組成的投資組合之 $\Delta$ 定義為
\[
\frac{\partial \Pi}{\partial S}
\] 投資組合的 $\Delta$ 值可由投資組合中,可先分別計算各自單一的 Options 的 $\Delta$ 值在做線性組合:亦即若考慮投資組合由數量為 $w_i$ 的選擇權所組合而成 $(1 \leq i \leq n)$ 且對應地 $i$ 個 Option 的 $\Delta$ 值為 $\Delta_i$,則此投資組合的總 $\Delta$ 值為
\[
\Delta = \displaystyle \sum_{i=1}^{n} w_i \Delta_i \ \ \ \ (*)
\]

現在我們看個例子:

Example
考慮某金融機構持有下列三種某標的資產股票:
  1. Long 100,000 call options ,執行價格為 $K=55$,到期時間 $T=3$ 個月,$\Delta=0.533$
  2. Short 200,000 Call options﹑,執行價格為 $K=56$,到期時間 $T=5$ 個月,$\Delta=0.468$
  3. Short 50,000 Call options﹑,執行價格為 $K=56$,到期時間 $T=2$ 個月,$\Delta=-0.508$

則此金融機構的總 $\Delta$ 可由 $(*)$ 計算而得
\[
\Delta = 100,000 \times 0.533 - 200,000 \times 0.468 - 50,000 \times (-0.508) = -14,900
\]亦即,如果要達到使此投資組合為 Delta Neutral,則必須 購入 $14,900$ 股 股票。

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