传统期权二叉树的算法都是基于数组的,对于没有编程基础的人来说非常不直观。二叉树是一种特殊的图,可以用python networkx这个图算法库实现,这个库不仅包含常用的图算法,还包含简单的绘图功能,非常适合研究分析使用。
def binarytree_europtionfull(S,K,r,q,sigma,t,steps,op_type):
u=np.exp(sigma*np.sqrt(t/steps))
d=1/u
P=(np.exp((r-q)*t/steps)-d)/(u-d)
#二叉完全树
G=nx.full_rary_tree(2,2**(steps+1)-1)
G.nodes[0]['price']=S
#正推过程
for (parent,children) in nx.bfs_successors(G,0):
#print(parent,children)
G.nodes[children[0]]['price']=G.nodes[parent]['price']*d;
G.nodes[children[1]]['price']=G.nodes[parent]['price']*u;
#对最后一天到期日计算所有情况下的payoff
for i in nx.descendants_at_distance(G,0,steps):
G.nodes[i]['opt_val']=np.maximum(G.nodes[i]['price']-K,0)
#倒推过程
for (parent,children) in reversed(list(nx.bfs_successors(G,0))):
G.nodes[parent]['opt_val']=((1-P)*G.nodes[children[0]]['opt_val']+(P)*G.nodes[children[1]]['opt_val'])*np.exp(-r*t/steps)
#print(node)
dat=G.nodes.data()
#生成图形显示,可注释掉。
pos = graphviz_layout(G, prog="dot")
nx.draw(G, pos, labels={k:"price: %.2f\n opt_val:%.2f"%(v['price'],v['opt_val']) for (k,v) in dat},with_labels=True)
plt.show()
return G.nodes[0]['opt_val']
直接用二叉树空间复杂度为,呈指数增长。我们注意到,对于中间的节点,其实有一些是相等的,因为对于一支标的价格,S*u*d=S*d*u,所以我们可以将这些节点合并,这就是网格模式。
def binarytree_europtionLattice(S,K,r,q,sigma,t,steps,op_type):
u=np.exp(sigma*np.sqrt(t/steps))
d=1/u
P=(np.exp((r-q)*t/steps)-d)/(u-d)
G = nx.Graph()
G.add_node(0)
G.nodes[0]['price']=S
cnt=0
for i in range(steps):
for j in range(i+1):
#print(j,i,cnt,cnt+i+1,cnt+i+2)
G.add_edge(cnt,cnt+i+1)
G.add_edge(cnt,cnt+i+2)
cnt+=1
#正推过程
for (parent,children) in nx.bfs_successors(G,0):
if len(children)==2:
G.nodes[children[0]]['price']=G.nodes[parent]['price']*d;
G.nodes[children[-1]]['price']=G.nodes[parent]['price']*u;
#对最后一天到期日计算所有情况下的payoff,
for i in nx.descendants_at_distance(G,0,steps):
G.nodes[i]['opt_val']=np.maximum(G.nodes[i]['price']-K,0)
#倒推过程
for (parent,children) in reversed(list(nx.bfs_successors(G,0))):
G.nodes[parent]['opt_val']=((1-P)*G.nodes[children[-1]-1]['opt_val']+(P)*G.nodes[children[-1]]['opt_val'])*np.exp(-r*t/steps)
#生成图形显示,可注释掉。
pos = graphviz_layout(G, prog="dot")
nx.draw(G, pos, labels={k:"price: %.2f\n opt_val:%.2f"%(v['price'],v['opt_val']) for (k,v) in dat},with_labels=True)
plt.show()
return G.nodes[0]['opt_val']
那么在这个基础上我们就可以实现美式看跌期权的二叉树定价
def binarytree_america_lattice(S,K,r,q,sigma,t,steps):
u=math.exp(sigma*math.sqrt(t/steps))
d=1/u
P=(math.exp((r-q)*t/steps)-d)/(u-d)
G = nx.Graph()
G.add_node(0)
G.nodes[0]['price']=S
cnt=0
for i in range(steps):
for j in range(i+1):
G.add_edge(cnt,cnt+i+1)
G.add_edge(cnt,cnt+i+2)
cnt+=1
#正推过程,
for (parent,children) in nx.bfs_successors(G,0):
#如需查看,可注掉下行
#print(parent,children)
if len(children)==2:
G.nodes[children[0]]['price']=G.nodes[parent]['price']*d;
G.nodes[children[-1]]['price']=G.nodes[parent]['price']*u;
#对最后一天到期日计算所有情况下的payoff。descendants_at_distance(G,source,distance)返回距离起点source指定距离distance所有的节点。
for i in nx.descendants_at_distance(G,0,steps):
G.nodes[i]['c_value']=max(K-G.nodes[i]['price'],0)
#倒推过程,bfs_successors返回一个生成器,只能向下遍历,所以我们需要将其变为一个倒序的列表。
for (parent,children) in reversed(list(nx.bfs_successors(G,0))):
#由于广度遍历的特点,children在每层开始是两个,其他情况都是一个,这里我们使用-1下标取倒数第一个,这样总是可以取到上涨分支。而children[-1]-1总是下跌分支。
G.nodes[parent]['c_value']=max(((1-P)*G.nodes[children[-1]-1]['c_value']+(P)*G.nodes[children[-1]]['c_value'])*math.exp(-r*t/steps),K-G.nodes[parent]['price'])
#生成图形显示,可注释掉。
dat=G.nodes.data()
pos = graphviz_layout(G, prog="dot")
#price是价格,exe代表行权的payoff,c_value代表期权价格
nx.draw(G, pos, labels={k:"price: %.2f\nexe: %.2f\n c_value:%.2f"%(v['price'],max(K-v['price'],0),v['c_value']) for (k,v) in dat},with_labels=True)
#nx.draw_networkx_labels(G, pos, labels=price)
plt.show()
return G.nodes[0]['c_value']
D=binarytree_america_lattice(S=29,K=30,r=0.03,q=0,sigma=0.25,t=1,steps=2)
生成的图片如下,其中exe为立即行权的payoff