c++二叉树_期权的二叉树定价模型

一、套期保值（复制原理）

基本思想：构造一个股票和借款的适当组合，使得无论股价如何变动，投资组合的损益都与期权相同，那么创建该投资组合的成本就是期权的价值。求取看涨期权价值call的具体步骤如下：

H：购买股票的数量的比率（套期保值比率）；

S0：股票的初始价格；

r：1年的无风险利率；

b：以无风险利率借款初始额;

u：股票的上升幅度；

d：股票的下降幅度；

1年后，价格可能50%上升为Su=uS0，也可能50%下降到Sd=dS0

1年后，如果股票上升，收益：Cu=HSu-b(1+r) ①

1年后，如果股票下降，收益：Cd=HSd-b(1+r) ②

由①②两式可以解得：

组合投资成本＝看涨期权价值Call＝购买股票支出－借款

二、风险中性原理

基本思想：假设投资者对待风险的态度是中性的，所有证券的预期报酬率都应当是无风险利率。风险中性的投资者不需要额外的收益补偿其承担的风险。在风险中性的世界里，将期望值用无风险利率折现，可以获得现金流量的现值。

购买股票的数量为H，卖出1份看涨期权价格为call;

从0到△t时刻，股票上升收益为fu,股票下降收益为fd

股票如果上升，投资价值为HS0u-fu

股票如果下降，投资价值为HS0d-fd

在风险中性下，则应当满足上升与下降后的价值相同。

如果股票上升，则价值为

看涨期权的价值为call，有

假定股票上升的概率为p，下降的概率为1-p，有

由以上两式消去call，最终可以解得

其中p为股票价格上升概率，△t为股票初始S0上升到S0u这段年化时间。

u：股票的上升幅度；d：股票的下降幅度；

三、多步二叉树——欧式看涨/看跌期权

下面主要讲解以风险中性原理来构建二叉树。

1.两步二叉树

2.多步二叉树

当二叉树模型扩展到n步后,其计算的方法仍然是相同的,从后往前依次计算出每个节点的期权价格,并乘以对应的风险中性概率,直到求出t=0时刻的期权价格。检验发现,当n达到比较大时，二叉树模型所确定的期权价格趋于一个平稳的值(如图所示),这也在一定程度上说明了二叉树模型的合理性和实用性。

对于n步二叉树的上升幅度u和下降幅度d的求解方法如下：

股票收益率在短期时间△t的方差是σ^2△t，其中σ是波动率。

使用统计学中的标准公式，收益的方差为E（R2）-[E（R）]2，其中R是收益，E表示期望值。在二叉树的一个步骤中，上升概率为p的收益为u-1，下降概率为1-p的收益为d-1。因此，我们需要选择u和d，以便：

将以下p值代入上式，

采用指数函数展开式

忽略二阶项以后的阶数，有

可以求得一般的参数如下：

△t为每两步之间的年化时间；

p为股票上升的概率，则下降概率为1-p；

u为股票上升的幅度，d为股票下降的幅度。

【案例分析1】两步二叉树的欧式看涨期权

Python实现：

import 

四、多步二叉树——美式看涨/看跌期权

美式期权可能提前行权，要在欧式期权的基础上加一步是否提前行权的判断。定价过程变为：

①计算叶子节点的期权价值。

②向前加权平均并折现，得到前一层节点的期权价值。

③判断在该节点是否提前行权，若提前行权的话，将提前行权的期权价值更新为本节点的期权价值。

④不断重复2和3步至0时刻。

判断是否提前行权，需要先计算提前行权的收益。提前行权的收益为本节点上股票的预期价格减执行价格。如果收益大于期权价值，说明提前行权获利更多，因此会提前行权；反之则不会。

【案例分析2】两步二叉树的欧式看跌期权与美式看跌期权对比。

Python实现：

#二叉树模型对欧式看跌期权定价

Python实现：

#二叉树模型对美式看跌期权定价

【拓展】如果我们不断扩充二叉树的步数，比如4步的计算如下：

Python实现：

D

当二叉树的步数增加，则模型更为精确。例如，步数分别为20，50，100和500，相应的美式看跌期权的价格分别为3.082，3.067，3.059和3.055.在实践中，我们通常使用步长至少在30-50之间。

---

附录：欢迎大家关注微信公众号了解更多！谢谢

http://weixin.qq.com/r/tjrTyybENXtKrWKo92_k (二维码自动识别)