跳到主要內容

[衍生商品] 淺談 Binomial Pricing Model (0) - One-step tree case

一般而言 選擇權(Option)的定價模型 大致上有兩種方法:
一種為 二項樹定價法 (Binomial Pricing)  另一種為 Black-Scholes Model (for continuous time)。

NOTE:
1. 事實上 Binomial pricing 取極限會得到Black-Scholes Model)
2. 二項樹定價法有另一個等價的方法求解較為簡便,叫做risk-netural pricng method,關於 risk-netural pricing model 有興趣的讀者可參閱BLOG相關文章: [衍生商品] 風險中性定價 (Risk-Neutral Pricing): 本文在此不討論此法。

這次要介紹的是 Binomial Pricing Method:來幫助我們找出合理的選擇權價格。
基本想法如下:
考慮市場為無套利機會(No-Arbitrage opportunity )的市場,則我們可以建構一組能產生與 選擇權相同的 payoff 的投資組合 。因為既然 payoff 相同則其價值必須相同( 由無套利機會假設兩者等價)。故此我們便可計算選擇權的(合理)價格。

以下為一個簡單的例子說明這個想法

Example
考慮 現時股價 $S_0 = \$ 20$,且已知三個月後股價要麼為 $S_u = \$ 22$ 或者 $ S_d = \$ 18$ (只有此兩種可能),另外考慮 無風險利率為 $r=12\%$ p.a. (採連續複利),

現在我們想估計
3個月後到期 ($T=3/12$)、 執行價格(Strike price) $K= \$21$ 的 看漲選擇權 (Call option) 價格應該是多少?

則我們可建構如下二項樹 (點圖放大):


上圖可以發現如果三個月後的股價為 $22$,看漲選擇權的payoff為 $\max\{S_T - K, 0 \} = \max\{22-21,0 \}=1 $;
反之如果三個月後的股價為 $18$ ,則看漲選擇權對應的payoff為 $\max\{S_T - K, 0 \} = \max\{18-21,0 \}=0 $

那麼現在想要回推 "今日" 看漲選擇權的合理價格應該是多少?

由之前的想法,我們可以建立一個投資組合來 "模仿" or "複製" 看漲選擇權 的收益行為:
故考慮如下投資組合
----------------------------
假設在"今日" 我們
買入 " $ +\Delta$ 股"  股票
投資 " $ +B$ 元 " 債卷 (此債卷提供投資者 無風險利率 $r$)
----------------------------

則三個月後此投資組合的市值,由無套利機會假設可知,必須與選擇權產生的收益相同。故我們得到下圖 (點圖放大)

故我們得到
\[\left\{ {\begin{array}{*{20}{l}}
{22\Delta  + B{e^{12\%  \cdot \left( {3/12} \right)}} = 1}\\
{18\Delta  + B{e^{12\%  \cdot \left( {3/12} \right)}} = 0}
\end{array}} \right.\]上式可求解 $\Delta$ 與 $B$:
\[
\left\{ \begin{array}{l}
\Delta  = 0.25\\
B =  - 4.3670
\end{array} \right.
\] 注意到 $B$ 為負值,亦即我們原本假設為 要投資 $B$ 元 到無風險利率的債卷,但事實上是要 "借入" $4.367$ 元。

那麼有了 $\Delta$ 與 $B$ 便可以回答到底 今日 看漲選擇權的合理價格是多少? 我們說此價格必須等同於我們所建構的投資組合:亦即買入 0.25股 股價為 $20$ 的股票 再借入 $4.367$元,亦即
\[
20 \Delta + B = 20 \cdot (0.25) - 4.367 = 0.633
\] 此即為我們 看漲選擇權的 (今日購入) 合理價格。 $\square$

Comment:
1. 上述唯一的假設是市場為 無套利機會 。注意到我們並不須知道股票上漲的機率是多少。

2. 如果 賣出一份看漲選擇權 (Short a call) + 購入 0.25股的股票 (Long 0.25 $\Delta$ share) 所建構而成的投資組合會發生甚麼情況?

如果我們在今日用 $0.633$ 賣出看漲選擇權,

現在考慮當三個月後股票價格上漲到 $22$ 時:
看漲選擇權會被執行 (因為 in the money, $22 > 21 = K$),故要付1元出去,但我們因為在今日買入 $0.25$ 股 股票,故三個月後此 Short a call + Long $0.25 \Delta$  share 的組合價值為$0.25 \cdot 22 -1 = 4.5$

如果考慮當三個月後股票價格下跌到 $18$時:
則看漲選擇權 不會被執行 (因為 out of money, $18 < K=21$),故我們三個月後 Short a call + Long $0.25 \Delta$  share 的組合價值為
$0.25 \cdot 18 +0 = 4.5$

會發現不論股票上漲或下跌,我們的組合價值都固定為 $4.5$。故此組合為無風險組合(riskless portfolio)。

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

Generalization of the example

現在我們可以將上述的例子推廣到一般的情況:

現在考慮 當前股價 $S_0$ ,且 當前 選擇權 (可為call option / put option)價格為 $f$  (我們要求解此 $f=?$), 假定選擇權的到期時間為 $T$ ,在期限內股票價格會由 $S_0$ 上漲到 $S_0 \cdot u$ 或者由 $S_0$ 下降到 $S_0 \cdot d$,其中 $u >1, d<1$;且對應的上漲選擇權價格為 $f_u$,下跌選擇權價格為 $f_d$,則我們可以繪製如下二項樹圖:



那麼我們該如何求解 $f$ ??

由前述例子可知我們要建構一個投資組合使其到期的payoff 等同於 對應的選擇權價格 ($\Rightarrow$ 今日 payoff 也必須相等)。故如前例所示,我們建立投資組合如下:
----------------------------
假設在"今日" 我們
買入 " $ +\Delta$ 股"  股票
投資 " $ +B$ 元 " 債卷 (此債卷提供投資者 無風險利率 $r$)
----------------------------

則我們可寫出
\[\left\{ {\begin{array}{*{20}{l}}
{{S_0}u\Delta  + B{e^{rT}} = {f_u}}\\
{{S_0}d\Delta  + B{e^{rT}} = {f_d}}
\end{array}} \right. \Rightarrow \left\{ {\begin{array}{*{20}{l}}
{\Delta  = \frac{{{f_u} - {f_d}}}{{{S_0}\left( {u - d} \right)}}}\\
{B = {e^{ - rT}}\left( {\frac{{u{f_d} - d{f_u}}}{{u - d}}} \right)}
\end{array}} \right.
\]故今日合理的選擇權價格
\[\begin{array}{l}
f = \Delta {S_0} + B\\
 \Rightarrow f = \frac{{{f_u} - {f_d}}}{{{S_0}\left( {u - d} \right)}}{S_0} + {e^{ - rT}}\left( {\frac{{u{f_d} - d{f_u}}}{{u - d}}} \right)
\end{array}\]

Comment:
1.  ${\Delta  = \frac{{{f_u} - {f_d}}}{{{S_0}u - {S_0}d}}}$ 代表 選擇權 與 股票價格 之間的變化率 (斜率),
對於 Call option 而言,$0 \leq \Delta_{call} \leq 1$;(當股價上升的時候投資人獲利。)
對於 Put Option而言, $-1 \leq \Delta_{put} \leq 0$。(當股價下跌的時候投資人獲利。)
另外若考慮為連續時間的情況 $\Delta := \frac{{\partial C}}{{\partial S}}$

2. 觀察 前述選擇權定價的式子
\[{f = \frac{{{f_u} - {f_d}}}{{{S_0}\left( {u - d} \right)}}{S_0} + {e^{ - rT}}\left( {\frac{{u{f_d} - d{f_u}}}{{u - d}}} \right)}
\] 我們可發現 定價選擇權需要的資訊為
1. 現時股價 $S_0$
2. 執行價格 $K$ (計算 $f_u, f_d$)
3. 無風險利率 $r$
4. 到期時間 $T$
5. $u$ & $d$ <~ 上升因子/與下降因子乘數;此兩者會與 volatility 有關。會在之後再行介紹。


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

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

留言

張貼留言

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