Processing math: 100%

5/11/2011

[衍生商品] 希臘值與動態避險 (1)-Delta Hedging Example

回憶前篇 [衍生商品] 希臘值與動態避險 (0) - Delta and Delta Neutral ,這次要介紹如何利用 Δ 進行動態避險。

回憶 Δ 定義如下:
Δ:=fS亦即表示為 選擇權價格 f 對 股價 S 的變化率。(由於其為一階導數,故為斜率)

現在來看個例子:

Example 1 : (Delta Hedging)

如果 Δ=0.6 則表示當股價 些微變化 的時候,對應的選擇權價格變化大約是股價變化值 的 60%
下圖顯示了一組 Δ 值在某時刻的例子:


考慮上圖,假設股價為 $100,Call option 價格為 c=$10,現在考慮某金融機構的交易員賣出了 20 份 Call option (一份選擇權對應其持有者可以有權購買 100 股,亦即 20 份call option 共 x=20×100=2000 股)。此時如果不進行避險,則當股價上升時,該交易員會暴露風險之中:

簡單的說,現在有兩個人物:
  1. 賣出 call option 的交易員
  2. 跟交易員 購買 call option 的客戶
此時客戶的 ΔCustomer=0.6 (因為購入call option,當股價上升對顧客有利,此時 Δ>0)
而交易員的 Δtrader=0.6, (由於交易員是 "賣出" 選擇權,故當股票價格上升,則選擇權會被執行,此情形時將對交易員產生風險。故此 Δ 對 交易員而言是負值)

現在,站在交易員的觀點,如果不進行避險,則交易員本身的潛在損失為
0.6×2000=1200 shares
我們必須消除賣出 Call option所帶來的 風險,此時交易員可進行 Δ-Hedging  來補足缺少的 1200 股 股票。:

由於交易員是 "賣出" Call option ,故避險方法便是進行反向操作,也就是可以透過 "買入" 一定量股票來抵銷當 股價上升時,Call option 被執行所帶來的損失風險,故
購買 Δ×x=0.6×2000=1200 股股票

此時如果 股票上漲 1 元,則交易員 買入的股票會上升 1200 元 (賺 1200 元),而由 圖中 Δ=0.6 可知 Call option 會上漲 0.6 元,故如果此時 Call option 被持有者執行,則交易員會損失 0.6×2000=$1200 此數值剛好會跟交易員進行避險時候買入的股票所賺取的 1200 抵銷。

相反的如果股票下跌 1元,則交易員 買入的股票會下跌 1200 元 (損失 1200 元),而由圖中 Δ=0.6 可知 Call option 亦會下跌 0.6 元,此時選擇權不會被執行,則交易員因為賣出選擇權 會賺得 $1200 此數值剛好會跟交易員進行避險時候賣出的股票所損失的 1200 抵銷。

Comment:
1. 注意到上述例子中,由於 Δ 會變動,故抵銷後的 Δ-Hedging 只能維持一段極短時間,也就是需要不斷的調整 Δ-Hedging ,此稱為 Rebalancing。一般而言,隨時間不斷調整的 避險策略 統稱為 DynamicHedging,這邊展示的是利用 Δ 進行避險

2. Δ 在 Nondividend Black-Scholes formula 中等價為 N(d1);亦即
Δ:=fS=N(d1) 其中 N() 為 Cumulative normal distribution。

3. Δ -Hedging 並非 Perfect Hedging。(WHY!? 理由同 comment 1 )

Example 2 (Delta-Hedging )
考慮 造市商(market-maker) 賣出 K=40 的 call-option on 100 股 股票,且
σ=0.3, r=0.08 連續複利
現在考慮 Day 0,S=$40, c=$2.78, Δ=0.58
如何進行 Δ-hedging?
How much cost you to create such a Δ-hedging ?

現在再考慮 Day 1,S=40.5,c=$3.06, Δ=0.61
如何進行 Δ-hedging?
Overnight Mark-to-market profit/loss ?

現在再考慮 Day 2,S=39.25,c=$2.328, Δ=0.53
Overnight Mark-to-market profit/loss ?

Solution:
考慮 時刻為 DAY 0
首先考慮不進行避險情況,market-maker 本身為 Δ×100=58,故需要補足此 58 股股票,亦即需要購買 58 股 股票即可達成 DAY0 Δ-Hedging。

接著我們可以計算要花多少錢才可以建構此避險策略: ( 賣出選擇權 與 購入 股票之後的花費):
58×402.78×100=$2042故我們知道建構此避險策略需要花費 $2042,故我們可借入此金額並考慮利率,亦即我們借入 2042×e8%/365=2042.45,故利息為 2042.452042=$0.45。現在總結 Day 0 如下:

購入 58 股股票 達成避險,然後我們需要借入 2042  元 並支付利息 0.45 來達成此避險策略。

接著考慮 DAY 1
此時相關資訊(股價、選擇權價格、Delta)變動為 S=40.5,c=$3.06, Δ=0.61

我們可以先行計算 Overnight mark-market profits/loss :
(40.540)(58)(3.062.78)(100)0.45=0.55 由於此時 Δ=0.61 已經改變,故我們需要重新調整股票數來消除風險。
首先考慮不進行避險情況,market-maker 本身為 Δ×100=61,故需要補足此 61 股股票,但由於在 DAY0 已經購入 58 股,故我們只需再購買 6158=3 股 股票即可達成 DAY1 Δ-Hedging。

現在我們來計算達成此避險策略所需的花費 (DAY1 total cost ):
61×40.53.06×100=2164.5 同樣地,我們可以得知需要借入 2164.5 元 且須支付利息為 2164.5e8%/3652164.5=0.47

考慮 DAY2 Mark-market Profits/loss:
此時相關資訊(股價、選擇權價格、Delta)變動為 S=39.25,c=$2.328, Δ=0.53
(39.2540.5)61(2.3283.06)1000.47=3.52    


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

3 則留言:

  1. Thanks ! Good to know and learn this.

    回覆刪除
  2. 58×100−2.78×100=$2042
    這乘法?? 5800-278?

    回覆刪除
    回覆
    1. 謝謝指出謬誤,我已將文章修正。

      刪除

[人工智慧] 本地端 DeepSeek R1 快速安裝:以 Macbook Pro M4 Chip為例

最近火熱的 DeepSeek R1 模型由於採用了 distill 技術,可以大幅降低計算成本,使得一般人有機會在自家筆電上跑性能逼近 Open AI ChatGPT o1的大語言模型。本文簡單介紹一步安裝在 Macbook Pro 的方法以及使用方法,以下測試採用 Macboo...