期权定价模型之经典--BS模型.pdfVIP

期权定价模型之经典--BS模型 Black-Scholes-Merton模型 前⾔ Black-Scholes-Merton （三⼈⼏乎 同⼀年同⼀时间提出该模型）模型⼜被称为BS模型 （事实上，这个叫法更为⼴泛和流⾏）。本章内容 会对BS模型进⾏⼀个简要的介绍，并且基于python进⾏量化。此外，本章还将介绍期权的时间价值、期权的内 价值等概念。 ⼀、BS模型 1.模型简介 期权定价理论最早的提出者是法国的经济学家 Bachelier，其 1900 年的⼀篇⽂章中⾸次提出关于期权定价的问题,随后，Boness 将其理论进⾏补充。 1973 年，美国的数学家、经济学家 Black 和 Scholes提出了⼀个较为完整的期权定价模型，称为 Balck-choles 模型。Balck-Scholes 模型是较为理想的欧式期权定价模型，该模型的 提出为期权的发展奠定了基础， 理论和实践⽅⾯都有着重⼤的意义。 Black-Scholes 期权的价格模型是建⽴ 严格的假设基础上的，包 括以下⼏点 ： ⾸先，期权标的物的价格服从布朗⼏何运动，因此股票价格的收 益率必须服从对数正态分布。 第⼆，商业市场没有摩擦，没有税收，没有卖空限制。 第三，⽆风险利率不变。 第四，期权不能 到期 ⽇之前⾏使，必须是欧式期权。 2.模型数学公式 ⼆、BS模型的python量化 1.BS模型代码 # BSM模型 # Black-Scholes-Merton ( 1973) Europ ean Call Put Valuation import math import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt from scipy.integrate import quad mpl.rcParams[font.family] = serif from scipy.stats import norm #欧式看涨期权函数 # 欧式看涨期权 def BSM call value(St, K, t, T , r, sigma) : d 1=(np.log(St/ K)+(r+0.5*sigma**2)*(T-t))/(sigma*np.sqrt((T-t))) d2=d 1-sigma*np.sqrt((T-t)) return St*norm.cdf(d 1)-K*np.exp(-r*(T-t))*norm.cdf(d2) #欧式看跌期权函数 def BSM put value(St, K, t, T , r, sigma) : d 1=(np.log(St/ K)+(r+0.5*sigma**2)*(T-t))/(sigma*np.sqrt((T-t))) d2=d 1-sigma*np.sqrt((T-t)) return K*np.exp(-r*(T-t))*norm.cdf(-d2)-St*norm.cdf(-d 1) 举例 # 例⼦ St=100 K=98 T=1 t=0 r=0.015 sigma=0.25 call=BSM call value(St, K, t, T , r, sigma) put=BSM put value(St, K, t, T , r, sigma) print(看涨期权价格,call,看跌期权价格,put) 实际数据 将上证50ETF期权⼀分钟⾼频数据进⾏实证。 数据⼀览 # 看涨期权 St= data[标的资产价格] # initial in ex level K =data[⾏权价] # strike level T=data[到期天/年] r = data[⽆风险利率]/ 100 # constant short rate sigma =0.02# constant volatility of iffusion t=0 from matplotlib import pyplot as plt #新增加的两⾏ import matplotlib matplotlib.rc(font,family=DengXian) BS Call price=BSM call value(St, K, t,