美式期权定价python_蒙特卡洛模拟和美式期权定价

最近面试的时候，面试官问我怎么用蒙卡模拟无股息的美式期权定价。我瞬间石化。。。不怕死地申请了期权建模的实习。。。主要参考课件

主要内容二叉树定价推导+Python

Longstaff-Schwartz定价推导+Python

一、引言

本讲的大前提：股票无股息。

1、美式期权主要问题是：在

之间找到合适的停止点

，从而美式期在t时刻价值

其中，

是收益，又称为内在价值。等式不难理解：给定t时刻的期权价格为

，找到未来合适的停止点

，然后把那一刻的期权价值折现到t时刻。

注意：

是随机值(random variable)。对于股票过程(例如GBM)的每个不同路径，

可以不同。解决之道：每时每刻基于标的股票的当前价值、评估此刻执行期权是不是最优的。

可以证明，V(t,s)是下面方程的弱解(weak solution) ：

又是解PDE。。。我之前写过欧式期权的PDE，可参考丹尼尔：Code and Finance 4 期权定价之有限差分法​zhuanlan.zhihu.com

美式期权实际上有3中解法，①PDE(以后有空再整理)；②二叉树(Binomial tree)；③Longstaff-Schwarts(※※※)。本文主要讲解后两种~

二、二叉树求解美式期权定价

1、基本逻辑前提假设风险中性的世界中，衍生品的现值=未来预期收益的折现值，折现率为无风险收益率

。

股价在

的时间内，上升概率为

，下降概率为

；

即为无风险概率。

上升幅度为

，下降幅度为

；

当前时间是t=0，当前标的资产股价为

，当前衍生品价格为

；

时间后，股价要么上升到

，对应的衍生品价值为