期权专题11：期权希腊字母greek

最新推荐文章于 2024-07-04 16:04:39 发布

潘大师爱好者

最新推荐文章于 2024-07-04 16:04:39 发布

阅读量958

点赞数 7

分类专栏：期权文章标签： python 期权德尔塔伽马西塔期权希腊字母

本文链接：https://blog.csdn.net/mhmh123789/article/details/136657386

版权

期权专栏收录该内容

12 篇文章 16 订阅

订阅专栏

本文主要分享期权的greek计算以及对应趋势图的代码实现。关于各个期权字母的介绍，网上文章非常多，此处就简单提及。

1.公式定义

根据BSM模型，可以得到d1,d2,对应的公式；再根据复合函数的求导，可以得到：

1.1 delta

含义：标的价格每变动一个单位，期权价格（即权利金）产生的变化，例如：标的价格上涨1美元，期权价格变动0.2美元，对应的Delta为0.2。call的值为正，取值在0到1之间；put的值为负，取值在-1到0之间。平值期权的值为0.5，实值程度越高的期权，值的绝对值越接近1，虚值程度越高的期权，值的绝对值越接近0。值的正负代表了期权的方向性风险。（图像类似“s”，横坐标表示实值虚值的程度）对应的公式为：

1.2 gamma

含义：代表delta对于股票价格的波动率，标的价每波动一个单位，delta值产生的变化，对应delta的一阶导数，例如delta为0.3，gamma为0.2，当标的价格上涨1个单位时，delta将变为0.5（即0.3+0.2*1）。gamma的值都为正，随着时间的流逝，实值和虚值期权的gamma值会减小，平值期权的gamma值会变大（图像类似开口向下的二次函数，横坐标表示实值虚值的程度），平值期权临近到期日时，gamma值会急剧增大。对应的公式为：

1.3 vega

含义：代表波动率每变动1%，对期权价格的影响，例如一个期权的vega值为0.35，当隐含波动率上升1%时，期权的价格增加0.35。vage总是为正，因为波动率不可能为负，期权价值与波动率呈正比例，平值期权，相对于实值和虚值期权，波动更为敏感，到期日越长，对波动率更为敏感。对应的公式为：

1.4 theta

含义：时间流逝对期权价格产生的变化，也即每减少一天，期权价格的变化值就是Theta。例如一个期权合约的Theta值为0.6，则表明在其他条件不变的情况下，这个期权合约每天的价值减少0.6美元。值为负数；行权价附近绝对值越大。对应的公式为：

1.5 rho

含义：代表无风险利率的单位变动对期权价格产生的影响，通常利率的变化较小，因此其对期权价格的影响是最小的。对于call而言，为正值，利率上升，期权价值增加，股票的价格越高，利率的影响越大；对于put来说，为负值，利率上升，期权的价值减小，股票价格越低，利率的影响越大；利率对于实值期权的影响大于虚值期权，随着到期日的临近，利率对期权价值的影响越小。。对应的公式为：

2.代码复现

在代码中，顺便加上了Price函数，基于BSM模型计算的期权价格。

import numpy as np
from scipy.stats import norm


class GREEK(object):
    def __init__(self, S=None, K=None, vol=None, T=None, r=None, direction=None):
        self.T = T or 1  # 到期期限，默认值为1
        self.S = S or 10  # 标的价格，默认值为10
        self.K = K or 10  # 执行价，默认值为10
        self.r = r or 0.03  # 无风险利率，默认值为3%
        self.vol = vol or 0.2  # 波动率，默认值为20%
        self.dir = direction or 'call'  # 期权方向，默认值为call-看涨
        # 衍生的基础数据
        self.vol_T = self.vol * np.sqrt(self.T)  # 波动率乘根号下的到期期限
        self.d1 = (np.log(self.S / self.K) + (self.r + self.vol ** 2 / 2) * self.T) / self.vol_T  # d1的值
        self.d2 = self.d1 - self.vol_T  # d2的值
        self.N_d1 = norm.cdf(self.d1)  # N(d1)的值
        self.N_d1_diff = norm.pdf(self.d1)  # N(d1)的求导值
        self.N_d2 = norm.cdf(self.d2)  # N(d2)的值

    def Price(self):
        # BSM计算期权的价格
        part = self.K * np.exp(-self.r * self.T)
        if self.dir == 'call':
            price_value = self.S * self.N_d1 - part * self.N_d2
        else:
            price_value = part * (1 - self.N_d2) - self.S * (1 - self.N_d1)
        return price_value

    def Delta(self):
        # 计算Delta的值
        if self.dir == 'call':
            delta_value = self.N_d1
        else:
            delta_value = self.N_d1-1
        return delta_value

    def Gamma(self):
        # 计算Gamma的值
        return self.N_d1_diff / (self.S * self.vol_T)

    def Vega(self):
        # 计算Vega的值
        return self.S * self.N_d1_diff * np.sqrt(self.T)

    def Theta(self):
        # 计算Theta的值
        one_part = -self.S * self.N_d1_diff * self.vol / (2 * np.sqrt(self.T))
        other_part = self.r * self.K * np.exp(-self.r * self.T) * self.N_d2
        if self.dir == 'call':
            theta_value = one_part - other_part
        else:
            theta_value = one_part + other_part
        return theta_value

    def Rho(self):
        # 计算Rho的值
        # 计算Rho的值
        part = self.K * self.T * np.exp(-self.r * self.T)
        if self.dir == 'call':
            rho_value = part * self.N_d2
        else:
            rho_value = -part * (1 - self.N_d2)
        return rho_value

对应调试的结果为：

3.趋势图

作图的源代码为（新建的py，调用GREEK）：

from option.greek import GREEK
import numpy as np
import pandas as pd


def get_greek_value(S_list, direction):
    data_list = []
    for value in S_list:
        S = round(value, 2)
        price = GREEK(S=S, direction=direction).Price()
        delta = GREEK(S=S, direction=direction).Delta()
        gamma = GREEK(S=S, direction=direction).Gamma()
        vega = GREEK(S=S, direction=direction).Vega()
        theta = GREEK(S=S, direction=direction).Theta()
        rho = GREEK(S=S, direction=direction).Rho()
        data_dict = {'S': S, 'price': price, 'delta': delta, 'gamma': gamma,
                     'vega': vega, 'theta': theta, 'rho': rho}
        data_list.append(data_dict)
    return data_list


if __name__ == '__main__':
    s_list = np.linspace(1, 20, 2000)
    direction = 'call'
    data = get_greek_value(s_list, direction)
    data_df = pd.DataFrame(i for i in data)
    name_list = [['price', 'delta'], ['gamma', 'vega'], ['theta', 'rho']]  # 分组
    import matplotlib.pyplot as plt

    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    fig, ax = plt.subplots(nrows=3, ncols=2, figsize=(8, 12))
    # 循环作图
    for row in range(3):
        for col in range(2):
            name = name_list[row][col]
            ax[row, col].plot(data_df['S'], data_df[name])
            ax[row, col].legend([direction + '-' + name])
    plt.show()