基于GARCH族模型上证50ETF期权定价研究.docVIP

基于GARCH族模型上证50ETF期权定价研究 　　【摘要】考虑到金融资产日收益率分布普遍地存在显著的尖峰厚尾现象，且其波动率存在时变性特征，本文运用自回归条件异方差系列模型（GARCH模型、TGARCH模型和EGARCH模型）来建模上证50ETF收益的波动率，并应用于上证50ETF期权定价。数值结果表明：上证50ETF收益率波动存在明显的时变性特征；由GARCH族模型计算得到的期权价格，与真实价格之间不存在显著差异；此外，考虑了非对称性波动影响的TGARCH和EGARCH模型，要比GARCH模型能更好刻画现实市场波动率动态特性，从而取得了更高的期权定价准确度。 　　【关键词】GARCH模型 TGARCH模型 EGARCH模型 期权定价 蒙特卡洛模拟 　　一、引言 　　金融衍生品挂牌交易，是基于通货膨胀、供需情况、汇率、利率及标的物价格未来走势的预期等信息基础上竞价成交的，因而交易价格的变化反映了市场的供需关系，是现货价格未来走势的重要信息来源，可为现货市场的成交价格提供重要的参考作用。此外，金融衍生工具不仅能够进行市场预期并发现价格，而且可以通过套期保值来降低价格风险。因此，自产生以来，金融衍生工具交易量呈逐年上升趋势，已经成为整个市场体系不可缺少的一个重要组成部分。经过多年的发展，我国的资本市场也不断地走向成熟，在经过长时间的筹备与模拟测试，我国首个期权合约品种“上证50ETF期权”终于应运而生，于2015年2月9日正式在上海证券交易所挂牌交易，个股期权等其他更多的交易品种也有望在年后推出，由此，2015年也被称为是中国期权的元年。但是，由于我国期权市场刚刚成立，对于符合我国国情的金融衍生工具的定价研究仍较为缺乏。 　　国内外学术界对期权的定价理论研究有着很长的历史。1973 年由Blake和Scholes提出的传统的B-S模型是一个假设股票价格服从几何布朗运动，在无套利的分析框架下给出的期权定价公式[1]。Merton（1976）认为市场证券的价格分布往往并非是光滑移动的，而是呈现间断的“跳空”过程，提出了一种股票价格遵循跳跃过程的模型，在股票价格服从几何布朗运动之上加入了各种跳跃[2]。这两个模型中都包含了常数波动率假设，但是越来越多的实证研究结果表明，金融产品的收益率分布存在着显著的尖峰、厚尾和非对称等特征。同时，其波动率也并非常数，而具有时变性、波动聚集性。所以，放松波动率为常数的假设，研究波动率的动态变化特性，这对于提升期权定价的准确性具有重要意义。 　　针对这一内容，当前国内外很多学者都做出了不懈地努力，研究工作大体上可归为两大类：一是，为资产收益波动率构建适当的连续动态方程，如假设波动率为随机过程，Hull和White（1987）[3]、Scott（1987）[4]、Heston（1993）[5]等建立了随机波动率模型；Bates（1996）[6]和Scott（1997）[7]建立了随机波动跳-扩散模型，该模型的优点是能较好刻画出隐含波动率的“微笑”与“偏斜”效应。然而，由于非交易的波动是不能任意用现存资产来复制，因此，波动率方程自身的模型误定风险（misspecificationerror）会使期权定价更加复杂化。尽管从数学角度可以通过一些不现实的假设来简化波动风险模型，但金融实践中要用此模型计算出期权定价，仍然需要使用复杂的数量方法。第二个分支是，利用时间序列方法来构建波动率的离散动力系统，如广义条件自回归（GARCH）系列模型{1}。GARCH族模型在某?N意义上可视为随机波动率模型的离散时间版本，其优点在于：能直接从股票的历史价格中得出收益波动率，而不必从同期其他期权推出内含波动率；此外，它具有一定的波动率预测功能。 　　自GARCH模型提出以后，人们自然联想到利用GARCH模型来定价期权。Duan（1995）通过局部风险中性定价关系（localrisk- neuralvaluationrelationship），建立了基于GARCH模型的离散时间序列的期权定价模型。Hardle和Hanfner（2000）在Duan的工作的基础上，应用TGARCH模型对德国市场期权进行定价，发现基于TGARCH模型的定价结果与BS模型和GARCH模型相比，更接近真实价格。Jong和Lehnert（2001）则认为EGARCH模型能较好地刻画不同期限的“波动率微笑”曲线，构建了一个估计指数期权局部波动率的EGARCH模型，并成功地解释和预测了实际的波动率[10]。王健，李超杰，何建敏（2006）建立了有交易成本的GARCH 扩散期权定价模型[11]。LouisH.Ederington，WeiGuan（2007）对GARCH系列所有模型做了实证研究，发现GARCH（1，1）和TGARCH模型在高波动的时间