期权专题6：BSM期权定价

潘大师爱好者

已于 2024-03-12 15:07:02 修改

阅读量1.1w

点赞数 33

分类专栏：期权文章标签： python 金融 BSM模型期权定价

于 2023-06-05 17:21:41 首次发布

本文链接：https://blog.csdn.net/mhmh123789/article/details/131046144

版权

期权专栏收录该内容

12 篇文章 17 订阅

订阅专栏

1. 模型简介

BSM（布莱克-斯科尔特-莫顿）模型是最常见，最流行的期权定价模型之一。模型的假设前提为：

1.标的资产价格呈几何布朗运动。

2.标的资产价格连续变动，不存在跳空缺口。

3.无风险利率是已知常数，可以用无风险利率无限制借贷。

4.标的资产价格的波动率为已知常数。

5.市场无摩擦成本，无套利空间；标的流动性好，可以卖空。

BSM模型的诸多假设都是不切实际的，但是其目的并不是为了精确的计算期权的价格，而是提供一个基准价格，便于我们比较期权价格的相对贵贱。换句话说，BSM模型是一个寻求期权合理价格的优质框架。

2.模型公式

BSM模型仅适用于欧式期权，不考虑股利发放的模型公式如下：

其中，

C：看涨期权的价格；

P：看跌期权的价格；

S0：标的资产价格；

K：期权的执行价；

r：连续复利无风险利率；

σ：标的资产的年化波动率；

T：期权合约的剩余期限（年）；

N(*)：累积标准正态分布的标准分布

3.代码复现

def get_constant_value(in_value, fix_value):
    # 当参数数值未传入时，取默认值
    if in_value == None:
        out_value = fix_value
    else:
        out_value = in_value
    return out_value

考虑到模型的参数较多，每一次传参比较麻烦。因此设定了一个函数,若未传入该参数，则取默认值。S默认值100，K默认值120，年化波动率默认值20%，无风险利率默认值3%，剩余期限默认值0.5年（此处仅为了后续的参数影响分析时，代码更简洁）。盛

import numpy as np
from scipy.stats import norm

def BSM_option_price(d_type, S = None, K = None, vol = None, T = None, r = None ):
    '''
    BSM-期权定价模型
    ----------
    d_type:str,期权类型，call/put
    S:float,标的资产价格，默认值为100
    K:float,行权价格，默认值为120
    vol:float,年化波动率，默认值为0.2
    T:float,剩余期限（折算成年），默认值为0.5
    r:float,连续复利无风险利率，默认值为0.03
    -------
    '''
    S1 = get_constant_value(S, 100)
    K1 = get_constant_value(K, 120)
    vol1 = get_constant_value(vol, 0.2)
    T1 = get_constant_value(T, 0.5)
    r1 = get_constant_value(r, 0.03)

    value = vol1 * np.sqrt(T1)
    d1 = (np.log(S1/K1) + (r1 + 0.5*vol1**2) * T1)/value
    d2 = d1 - value
    dis_value = K1 * np.exp(-r1 * T1)

    if d_type == 'call':
        option_value = S1 * norm.cdf(d1) - dis_value * norm.cdf(d2)
    elif d_type == 'put':
        option_value = dis_value * norm.cdf(-d2) - S1 * norm.cdf(-d1)
    out_value = option_value

    return out_value

上述主要是BSM模型的主要代码，必传参数为期权的类型，其余参数都可省略。接下来我们分别运行测试一下完整参数和简略参数的函数：

if __name__ == '__main__':
    print('call_option_price: ',BSM_option_price('call'))
    print('put_option_price: ',BSM_option_price('put'))
    new_call = BSM_option_price('call',100,150,0.2,0.5,0.03)
    new_put = BSM_option_price('put',100,80,0.2,0.5,0.03)
    print('new_call: ',new_call)
    print('new_put : ',new_put)

对应得到的结果为：

new_call在默认参数的基础上将执行价格调整为150(默认是120)，对应的期权价格有0.89下降至0.01；new_put在默认参数的基础上将执行价格调整为80(默认是120)，对应的期权价格有19.10下降至0.23。

4.参数影响

在明确了模型的表达式的基础上，接下来采用控制变量法，模拟出各个变量对期权价格的走势图象，同时分析其对期权价格的影响方向。

if __name__ == '__main__':
    variable_name = '标的价格'
    variable_list = [x for x in range(0,200)]
    call_price_list = []
    put_price_list = []
    for variable in variable_list:
        call_price = BSM_option_price('call', S = variable)
        put_price = BSM_option_price('put', S = variable)
        call_price_list.append(call_price)
        put_price_list.append(put_price)

    plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False  # 防止中文乱码的处理
    plt.title(variable_name + '与期权价格的关系')
    plt.xlabel(variable_name)
    plt.ylabel('期权价值')

    plt.plot(variable_list, call_price_list, label= '欧式看涨期权', color='orange')
    plt.plot(variable_list, put_price_list, label= '欧式看跌期权 ', color='blue')
    plt.legend(loc='best')
    plt.show()

上面的代码以标的价格作为举例，如果更换变量，我们只需要将variable_name ,variable_list以及BSM_option_price的参数S进行更换即可;同时variable_list应该根据变量的值设置不同的间距。我们再以执行价格做一个举例，后期就不再逐一展示相应的代码。

if __name__ == '__main__':
    variable_name = '执行价格'
    variable_list = [x for x in range(50,150)]
    call_price_list = []
    put_price_list = []
    for variable in variable_list:
        call_price = BSM_option_price('call', K = variable)
        put_price = BSM_option_price('put', K = variable)
        call_price_list.append(call_price)
        put_price_list.append(put_price)

    plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False  # 防止中文乱码的处理
    plt.title(variable_name + '与期权价格的关系')
    plt.xlabel(variable_name)
    plt.ylabel('期权价值')

    plt.plot(variable_list, call_price_list, label= '欧式看涨期权', color='orange')
    plt.plot(variable_list, put_price_list, label= '欧式看跌期权 ', color='blue')
    plt.legend(loc='best')
    plt.show()

S-标的价格

从图中可以看出，其他参数不变的情况下：标的价格与看涨期权价值呈现出非线性正相关趋势，标的价格与看跌期权价格呈现出非线性负相关趋势。该结论结合实际场景，理解起来比较容易。

K-行权价格

从图中可以看出，其他参数不变的情况下：看涨期权价值与标的执行价格呈现出非线性负相关趋势，看跌期权价值与标的执行价格呈现出非线性正相关趋势。这一点理解起来也比较容易，对于看涨期权，执行价越高，到期行权的可能性越低，因此期权价格也越低。

vol-波动率

从图中可以看出，其他参数不变的情况下：波动率与期权价格呈现出非线性正相关趋势，且伴随着波动率的增大，期权价值增加的速率加快。这主要因为，标的波动率变大时，期权由虚值变成市值的概率增大，因此其内含价值也随之增大。

T-剩余期限

上述两个期权皆调整为平值期权（行权价=标的价格=100)。这样处理的目的是更好的展示趋势（若二者非平值，期权价值差异过大，会导致纵坐标的刻度线拥挤，从而出现曲线的趋势度不明朗的情况）。从图中可以发现，剩余期限与期权价格正相关，临近到期的时候，期权价格下跌的速度加快。期权的时间价值主要由两部分组成，波动率带来的时间价值以及资金占用的时间价值。资金占用的时间价值基本是均匀变动，不会随着期权的到期出现明显的变化，因此到期期权价值的衰减加速主要是由波动率带来的时间价值引起。根据布朗运动的性质：期权剩余到期时间内的波动率是时间的一个平方根函数。所以当时间趋于0时，波动率的不确定性会使得时间价值快速衰减。

r-无风险利率

从图中可以看出，其他参数不变的情况下：无风险利率与看跌期权价格呈现出近似线性负相关趋势，无风险利率与看涨期权价格呈现出近似线性正相关趋势。主要是因为：无风险利率越高，看涨期权执行价对应的现值越低，因为看涨期权价值=max{标的价格-执行价格,0}，因此看涨期权的价格也就相应越高；另一方面，利率越高，意味着购买标的本身的资金占用成本越高，因此购买看涨期权可以降低成本占用，对看涨期权的购买意愿也就越强烈。看跌期权则是与看涨期权反之。