第八篇章 基于Copula的彩虹期权定价.pptVIP

基于Copula函数和非参数方法的彩虹期权定价 北京航空航天大学经管学院金融系 李平 副教授 主要内容 研究背景与意义 研究内容与方法 数值算例 1. 研究背景与意义 随着OTC场外市场的发展，多资产期权（以两个或两个以上的风险资产为标的的期权）在现今的国际金融衍生品市场中的交易越来越活跃。因此，如何确定多资产期权的价格以实现投资者和金融机构套期保值或增值的需要就显得尤其重要。然而，现实中对多资产期权的定价研究却面临着种种难题。 研究背景（续） 首先是Black-Scholes定价模型中的高斯分布假设。事实上，金融产品的收益率分布往往是尖峰厚尾的，这就使得Black-Scholes定价模型所计算出的理论价格和实际价格之间存在着偏差。 其次是Black-Scholes模型的完备市场假设。事实上，很难对给定的未定权益提供一个和价格唯一对应的精确的复制策略，也找不到相应的复制组合。因此寻求在实际交易过程中的完全套期保值是不可能的。 研究背景（续） 第三个难题来自于多资产衍生品本身。对多资产期权定价来说，要为作为标的资产的每个资产找到一个精确的定价核的同时还要考虑多个标的资产之间的相关性。 研究意义 本章用Copula函数和非参数方法为彩虹期权定价的意义体现在： 一方面，Copula不限制边缘分布的选择，因此可以构建灵活的联合分布函数；可以刻画多资产之间的相关性。 另一方面，非参数方法不依赖于总体服从的分布，可以直接采用从市场上交易获得的数据来刻画标的资产的真实分布。 2. 研究内容与方法 2.1 Copula函数简介 服从二元均匀分布的联合分布函数，有效的将边缘分布函数连接起来。 非参数核密度估计函数： 定价思路 完备市场中两色彩虹欧式期权定价模型 定价思路： 1. 选取标的资产进行数据处理和正态分布检验 2. 选用非参数核密度估计确定边缘分布函数 、 3. 估计Archimedean Copula中的参数进而确定函数形式 4. 确定联合分布和彩虹期权的价格 3. 数值算例 3.1 标的资产的选取和数据分析 从芝加哥期权交易所（CBOE）获得SP500股指和 Nasdaq100 股指收益率，2002年1月至2004年12月的日收益率数据，有效数据共755个。以收盘价（分别用X，Y表示）为基准，分别计算出两个股指的收益率: SP500收益率直方图 图1 SP500 收益率分布的直方图 NASDQ100收益率直方图 图2 NASDQ100 收益率分布的直方图 正态分布检验 J—B检验 结论：收益率分布拒绝正态分布假设，因此选用非参数方法。 表1. SP500和NASDQ100收益率分布的Jarque-Bera检验 股指 H P JBSTAT CV SP 500 1 1.7520e-012 116.7636 5.9915 NASDQ 100 1 1.0621e-004 18.30014 5.9915 3.2 用核密度方法估计边缘密度函数 选用高斯核函数 Silverman窗宽 边缘密度函数： 边缘密度函数 图3 SP500的核密度函数 图4 NASDQ100的核密度函数 3.3 Archimedean Copula参数的确定 Archimedean Copula参数与秩相关系数的关系 Gumbel Copula Clayton Copula Frank Copula 3.4 Copula函数的确定 由秩相关系数Kendall 的定义 计算出 =0.77 表2 对应于 的不同的参数 值 Archimedean族 Kendall tau Gumbel 0.77 4 Clayton 0.77 6 Frank 0.77 14.14 3.5 彩虹期权的价格 结论：对Gumbel Copula来说，正态分布假设低估了两色最小看涨彩虹期权的价格，而对Clayton和Frank Copula来说，正态分布假设则高估了两色最小看涨期权的价格。 表3 核估计和正态分布下的两色最小看涨彩虹期权的价格 两色最小看涨 彩虹期权的价格 Gumbel ( =4) Clayton ( =6) Frank ( =14.14) 核估计 1.094 0.569 1.272 正态分布 1.043 0.765 2.639 结论 提供了一种为彩虹期权定价的方法，避免了传统的偏微分方程难以求出解析解的难点，模型相对比较简单，容易理解。