从今天开始学量化 1.Black-Scholes原理 以及 Trigeorgis二叉树模型的实现

今天开始复习（学习）量化相关知识，记点笔记以防下次忘了又学，又想半天
对于一个股票，认为股票价格变化服从布朗运动
$$\frac{dS(t)}{S(t)}=\mu dt+\sigma dB(t)$$
B(t)是从0到t时刻的偏移量
dB(t)是t时刻的偏移量

个人理解：视dB(t)服从N(0, dt)，则可以认为 $d^{2}B(t)=dt$

假设期权的价格与股票价格和时间有关，利用泰勒展开：
$$d{C}_t=\frac{\partial C_t}{\partial t}dt+\frac{1}{2}\frac{{\partial }^2{C}_t}{\partial t^2}d{t}^2+...+\frac{\partial C_t}{\partial S(t)}dS(t)+\frac{1}{2}\frac{{\partial }^2{C}_t}{\partial S^2(t)}d{S}^2(t)+...$$
其中，$d{t}^2$项及之后的项因为是高阶小量，所以忽略，而$d{S}^2(t)=S^2(t)({\mu }^2{d}^{2}t+2\mu \sigma dtdB(t)+{\sigma }^2{d}^{2}B(t))$，其后的项因高阶小而忽略，但$d^{2}B(t)=dt$要留下

所以有
$$d{C}_t=(\frac{\partial C_t}{\partial t}+\mu S(t)\frac{\partial C_t}{\partial S(t)}+\frac{1}{2}{\sigma }^2{S}^2(t)\frac{{\partial }^2{C}_t}{\partial S^2(t)})dt+\sigma S(t)\frac{\partial C_t}{\partial S(t)}dB(t)$$

利用期权$d{C}_t$和股票$dS(t)$构建投资组合，使$dB(t)$项被消除
因此我们做多1单位期货做空$\frac{\partial C_t}{\partial S(t)}$的股票
我们持有的投资组合P，有
$$d{P}_t=(\frac{\partial C_t}{\partial t}+\mu S(t)\frac{\partial C_t}{\partial S(t)}+\frac{1}{2}{\sigma }^2{S}^2(t)\frac{{\partial }^2{C}_t}{\partial S^2(t)}-\mu S(t)\frac{\partial C_t}{\partial S(t)})dt$$
$$d{P}_t=(\frac{\partial C_t}{\partial t}+\frac{1}{2}{\sigma }^2{S}^2(t)\frac{{\partial }^2{C}_t}{\partial S^2(t)})dt$$
这个投资组合是无风险的，所以其收益率应当等于无风险收益率（无套利原则），故
$$\frac{d{P}_t}{dt}=r{P}_t$$
$$\frac{\partial C_t}{\partial t}+\frac{1}{2}{\sigma }^2{S}^2(t)\frac{{\partial }^2{C}_t}{\partial S^2(t)}=r{C}_t-rS(t)\frac{\partial C_t}{\partial S(t)}$$
$$r{C}_t=\frac{\partial C_t}{\partial t}+rS(t)\frac{\partial C_t}{\partial S(t)}+\frac{1}{2}{\sigma }^2{S}^2(t)\frac{{\partial }^2{C}_t}{\partial S^2(t)}$$
#得到了BS微分方程

利用极限二叉树法推导期权定价公式，假设有一个欧式看涨C,标的物的初始价格为S，执行价格为K，到期时间为T，无风险利率r。将时间分为n步，从初始到到期，每一步或上涨u或下跌d，根据前面的假设
$$u=exp(\sigma \sqrt{\frac{T}{n}}),d=exp(-\sigma \sqrt{\frac{T}{n}})$$
假设每一步，股票上涨的概率是p，则股票上涨i次下跌n-i次的概率为：
$$\frac{n!}{(n-i)!i!}{p}^i(1-p{)}^{n-i}$$
到期时期权的期望收益为：
$$\sum _{i=0}^n\frac{n!}{(n-i)!i!}{p}^i(1-p{)}^{n-i}max(S{u}^i{d}^{n-i}-K,0)$$
由于仅在$S{u}^i{d}^{n-i}-K>0$时期权才可以行权
即
$$S{e}^{(2i-n)\sigma \sqrt{\frac{T}{n}}}>K$$
解之可得，仅在$i>\frac{n}{2}+\frac{ln(\frac{K}{S})}{2\sigma \sqrt{\frac{T}{n}}}$时（令该值为$a$），期权可以行权
故，期权的期望收益可以改写为：
$$\sum _{i>a}^n\frac{n!}{(n-i)!i!}{p}^i(1-p{)}^{n-i}max(S{u}^i{d}^{n-i}-K)$$

p怎么计算呢？
因为无套利，所以期望的收益率是无风险利率：
$$pu+(1-p)d=r$$
$$p=\frac{(r-d)}{(u-d)}$$
$$p=\frac{e^{r\frac{T}{n}}-e^{-\sigma \sqrt{\frac{T}{n}}}}{e^{\sigma \sqrt{\frac{T}{n}}}-e^{-\sigma \sqrt{\frac{T}{n}}}}$$

再来看期望收益，首先看K的部分，定义
$$U_1=\sum _{i>a}^n\frac{n!}{(n-i)!i!}{p}^i(1-p{)}^{n-i}$$
是一个二项分布B(n,p)涨的次数大于$a$的概率，当n趋于无穷是，二项分布可以看做正态分布N(np,np(1-p))，故当n趋于无穷时，
$$U_1=N(\frac{np-a}{\sqrt{np(1-p)}})$$

注：N()是正态分布的累积分布函数

代入$a=\frac{n}{2}+\frac{ln(\frac{K}{S})}{2\sigma \sqrt{\frac{T}{n}}}$

$$U_1=N(-\frac{ln(\frac{K}{S})}{2\sigma \sqrt{T}\sqrt{p(1-p)}}+\frac{\sqrt{n}(p-\frac{1}{2})}{\sqrt{p(1-p)}})$$

再回到p，
现在p看起来很复杂，我们使用x来代替$\sqrt{\frac{T}{n}}$，得到：
$$p=\frac{e^{r{x}^2}-e^{-\sigma x}}{e^{\sigma x}-e^{-\sigma x}}$$

根据泰勒展开，
$$e^x=x+\frac{1}{2}{x}^2+...$$
所以，我们把p泰勒展开，省略高阶项(>3)可得:
$$p=\frac{\sigma x+(r-\frac{1}{2}{\sigma }^2)x^2}{2\sigma x}$$
当n趋于无穷时，x趋于0，p趋于$\frac{1}{2}$，$\sqrt{p(1-p)}$趋于$\frac{1}{4}$，代入$n=\frac{\sqrt{T}}{x}$ 有$\sqrt{n}(p-\frac{1}{2})=\frac{\sqrt{T}(r-\frac{1}{2}{\sigma }^2)}{2\sigma }$
故当n趋于无穷时，
$$U_1=N(\frac{ln(\frac{S}{K})+(r-\frac{1}{2}{\sigma }^2)T}{\sigma \sqrt{T}})$$

括号里的数就是BS期权定价公式里的$d_2$

然后我们转到S的部分，S前面的参数我们定义为：
$$U_2=\sum _{i>a}^n\frac{n!}{(n-i)!i!}{p}^i(1-p{)}^{n-i}{u}^i{d}^{n-i}$$
$$U_2=[pu+(1-p)d{]}^n\sum _{i>a}^n\frac{n!}{(n-i)!i!}(\frac{pu}{pu+(1-p)d}{)}^i(\frac{(1-p)d}{pu+(1-p)d}{)}^{n-i}$$
因为无套利，故$pu+(1-p)d=e^{r\frac{T}{n}}$
令$p^{\ast }=\frac{pu}{pu+(1-p)d}$，则
$$U_2=e^{rT}\sum _{i>a}^n\frac{n!}{(n-i)!i!}(p^{\ast }{)}^i(1-p^{\ast }{)}^{n-i}$$
这样就得到了同$U_1$时的式子，按照同样的推导，我们可以得到：
$$U_2=e^{rT}N(\frac{ln(\frac{S}{K})+(r+\frac{1}{2}{\sigma }^2)T}{\sigma \sqrt{T}})$$
括号中的内容就是BS期权定价公式里的$d_1$

由此我们可以得到期权的期望收益为：
$$S{e}^{rT}N(d_1)-KN(d_2)$$
折旧到发行日，乘$e^{-rT}$可得到期权的初始价格：
$$C=SN(d_1)-K{e}^{-rT}N(d_2)$$
其中，
$d_1=\frac{ln(\frac{S}{K})+(r+\frac{1}{2}{\sigma }^2)T}{\sigma \sqrt{T}}$
$d_2=\frac{ln(\frac{S}{K})+(r-\frac{1}{2}{\sigma }^2)T}{\sigma \sqrt{T}}$

今天又学废了呢。

然后想起来之前上课用C++，根据Trigeorgis(1992)(TRG)编写的二叉树定价模型，一起放在这里，也算有点关系吧

#include <iostream>
#include <cmath>
using namespace std;

double maxi(double a, double b){
	return (a>b)? a:b;
}

double btPricer(double s, double k, double T, double vol, double r, int n){// call option
//输入标的物价格，执行价格，到期时间，波动率，无风险利率，n step
	double dt = T/n;
	double nu = r-0.5*vol*vol;// r - 0.5sigma^2
	double delta = sqrt(dt*vol*vol+nu*nu*dt*dt);//增长的比率，参考Trigeorgis
	double p = 0.5+0.5*nu*dt/delta;
	
	double* St = new double[n+1]; //二叉树的叶结点 
	double* V = new double[n+1]; //option price
	int i, j;
	//at maturity
	St[0]=s*exp(-n*delta);//最低价格
	for(i=1;i<=n;i++){
		St[i] = St[i-1]*exp(2*delta);//每个可能的价格
	}
	for (i=0;i<=n;i++){
		V[i]=maxi(St[i]-k,0);//在期末时的payoff，计算看跌修改这句就好了
	}
	
	for(j=n-1;j>=0;j--){
		for(i=0;i<=j;i++){
			V[i] = exp(-r*dt)*(p*V[i+1]+(1-p)*V[i]);//一步一步往前推，计算每个结点的期权价格，有点抽象，建议思考一下
		}
	}
	double price = V[0];//0时刻的价格
	delete[] St;//free up the memory 
	delete[] V;
	return price;
} 

int main(){
	cout << btPricer(100,100,1,0.2,0.01,100)<<endl;
	return 0;
}

输出8.X的样子，上Computaitonal Finance时写的了
（写给自己：代码原理看不懂的时候记得翻翻week1，不要在那里自己想了，想不出来的）