python解zuobiaoxi方程_欧式期权定价的python实现

0. pre

在《给你的二叉树期权定价》中就挖了坑要写期权定价的代码，这会有时间来填坑啦 。
本文将会用python实现欧式期权定价。具体的定价算法分别是基于 BS公式的、蒙特卡洛的以及二叉树的。
对于二叉树和BS公式还不熟悉的小伙伴可以移步至往期关于二叉树期权定价和BS公式的3篇文章先熟悉一下二叉树和BS公式本身，然后再来看代码实现。当然，如果您对于理论推导部分不感兴趣也可以考虑跳过该部分直接看代码。只是这样可能理解起来稍微麻烦些 。
接下来我们将先描述基于蒙特卡洛的期权定价方法，然后再分别对三种方法进行python代码的实现。

1.基于蒙特卡洛的期权定价

1.1 蒙特卡洛思想

蒙特卡洛是基于随机抽样的一种统计模拟方法。由于大数定律的成立，此方法可以用于计算一些难搞的期望的数值解或者是进行数值积分的计算。
由于在风险中性的假设下，欧式期权价格等于到期时期权价值的期望在无风险利率下的贴现。因此，这里的问题就成了如何计算时刻期权价值的期望。
由于标的资产服从的既定分布，蒙特卡洛模拟通过生成随机数的方式模拟资产价格的若干条路径，并以此得到这若干条价格路径在到期时的价格。
又由于看涨和看跌期权到期时的价值分别为和。因此我们便可以通过到期时标的资产价格计算期权价值，再由大数定律知样本量足够大时均值趋于期望而计算出时刻期权价值的期望。最后用无风险利率将该期望贴现到0时刻便得到期权价格。

1.2 蒙特卡洛期权定价的数学语言

(1) 标的资产价格服从对数正态分布

首先，资产价格服从几何布朗运动： 又有伊藤引理： 因此，对于来讲有： 所以：

(2) 蒙特卡罗模拟步骤

1、生成若干个标准正态分布随机数。
2、将这n个标准正态分布随机数带入方程得到n个到期时的标的资产价格。
3、求这n个标的资产价格的均值得。
4、用无风险利率对贴现得0时刻的期权价格。