读书笔记
文献:”Which Free Lunch Would You Like Today, Sir?: Delta Hedging, Volatility Arbitrage and Optimal Portfolios.
作者:Riaz Ahmad, Paul Wilmott
摘要:基于不同的波动率,对香草期权进行delta对冲,并检验对冲收益的统计性质。对于单个期权或相同标的的期权组合,作者推导了对冲收益的均值和方差的形式。
1. 前言
论文中都是持有期权多头,对期权进行delta对冲,也就是long option + delta hedge。
1.1假设条件
- Black-Scholes的假设条件都成立。波动率是固定不变的,对冲是连续的。
1.2 符号表示
α \alpha α | i | V | Γ \Gamma Γ | Θ \Theta Θ |
---|---|---|---|---|
代表实际的 | 代表隐含的 | 期权的理论价值 | 期权的gamma值 | 期权的theta值 |
Δ α \Delta^{\alpha} Δα即使用实际波动率计算出的delta值 | Δ i \Delta^{i} Δi即使用隐含波动率计算出的delta值 | V(S,t, σ \sigma σ) |
2. 使用实际波动率进行对冲
如果期权的定价是正确的,隐含波动率等于实际波动率,对期权进行对冲相当于复制了一个期权的空头,那么期权多头和空头的收益就会完全抵消。期权的价值V是标的资产价格S,剩余到期时间t,标的资产价格波动率 σ \sigma σ的函数,即 V ( S , t , σ ) V(S,t,\sigma) V(S,t,σ)。
而实际情况并非如此,隐含波动率与实际波动率并不相等。基于实际波动率进行对冲,最终对冲的收益取决于实际波动率与隐含波动率之间的差距,对冲收益如下所示:
V
(
S
,
t
;
σ
)
−
V
(
S
,
t
,
σ
~
)
V(S,t;\sigma) - V(S,t,\tilde{\sigma})
V(S,t;σ)−V(S,t,σ~)
2.1 推导
假设期权标的资产价格服从几何布朗运动:
d
S
=
μ
S
d
t
+
σ
S
d
X
.
dS = \mu S dt +\sigma S dX.
dS=μSdt+σSdX.
在t时候,购入了价值为
V
i
V^i
Vi的期权,根据实际波动率计算出t时刻需要对冲的股票的份额
Δ
α
\Delta^\alpha
Δα,卖出了
Δ
α
\Delta^\alpha
Δα的股票,现金的变化为
−
V
i
+
Δ
α
S
-V^i + \Delta^\alpha S
−Vi+ΔαS 。
资产 | 价值(t时刻) | 价值(t+dt时刻) |
---|---|---|
期权 | V i V^i Vi | V i + d V i V^{i} + d V^{i} Vi+dVi |
股票 | − Δ α S -\Delta^\alpha S −ΔαS | − Δ α S − Δ α d S -\Delta^\alpha S -\Delta^{\alpha}dS −ΔαS−ΔαdS |
现金 | − V i + Δ α S -V^i + \Delta^\alpha S −Vi+ΔαS | ( − V i + Δ α S ) ( 1 + r d t ) − Δ α D S d t (-V^i + \Delta^\alpha S)(1+rdt)-\Delta^\alpha DSdt (−Vi+ΔαS)(1+rdt)−ΔαDSdt |
总计 | 0 | d V i − Δ α d S + ( − V i + Δ α S ) r d t − Δ α D S d t d V^{i}-\Delta^{\alpha}dS+(-V^i + \Delta^\alpha S)rdt-\Delta^\alpha DSdt dVi−ΔαdS+(−Vi+ΔαS)rdt−ΔαDSdt |
到t+dt时刻,期权的价格和股票的价格都发生了变化,同时考虑利息和分红(连续分红)对资产价值的影响。资产组合的价值变化值为:
d
V
i
−
Δ
α
d
S
+
r
(
−
V
i
+
Δ
α
S
)
d
t
−
Δ
α
D
S
d
t
d V^{i}-\Delta^{\alpha}dS+r(-V^i + \Delta^\alpha S)dt-\Delta^\alpha DSdt
dVi−ΔαdS+r(−Vi+ΔαS)dt−ΔαDSdt
如果期权正确定价为
V
α
V^\alpha
Vα,那么可以得到:
d
V
α
−
Δ
α
d
S
+
r
(
−
V
α
+
Δ
α
S
)
d
t
−
Δ
α
D
S
d
t
=
0
d V^{\alpha}-\Delta^{\alpha}dS+r(-V^\alpha + \Delta^\alpha S)dt-\Delta^\alpha DSdt = 0
dVα−ΔαdS+r(−Vα+ΔαS)dt−ΔαDSdt=0
假设世界是风险中性的, d π = π r d t , d V α − Δ a d S = r ( V − Δ a S ) d t d \pi = \pi r dt, dV^\alpha-\Delta^a dS = r(V-\Delta^a S )dt dπ=πrdt,dVα−ΔadS=r(V−ΔaS)dt;
股票分红使得股价下跌,未分红的股价应该为 S t + d t + D S d t S_{t+dt} + DSdt St+dt+DSdt;
综上两个式子,我们可以重写隔天的收益为:
d
V
i
−
Δ
α
d
S
+
r
(
−
V
i
+
Δ
α
S
)
d
t
−
Δ
α
D
S
d
t
=
d
V
i
−
d
V
α
−
r
(
V
i
−
V
α
)
d
t
=
e
r
t
d
(
e
−
r
t
(
V
i
−
V
α
)
)
d V^{i}-\Delta^{\alpha}dS+r(-V^i + \Delta^\alpha S)dt-\Delta^\alpha DSdt \\ = dV^i - dV^\alpha - r(V^i - V^\alpha)dt = e^{rt}d(e^{-rt}(V^i - V^\alpha))
dVi−ΔαdS+r(−Vi+ΔαS)dt−ΔαDSdt=dVi−dVα−r(Vi−Vα)dt=ertd(e−rt(Vi−Vα))
折现到
t
0
t_0
t0时刻,收益为:
e
(
−
r
(
t
−
t
0
)
e
r
t
d
(
e
−
r
t
(
V
i
−
V
α
)
)
=
e
r
t
0
d
(
e
−
r
t
(
V
i
−
V
α
)
)
e^{(-r(t-t_0)} e^{rt}d(e^{-rt}(V^i - V^\alpha)) = e^{rt_0}d(e^{-rt}(V^i - V^\alpha))
e(−r(t−t0)ertd(e−rt(Vi−Vα))=ert0d(e−rt(Vi−Vα))
对上式进行积分,那么从
t
0
t_0
t0时刻到到期,对冲的总收益为:
e
r
t
0
∫
t
0
T
d
(
e
−
r
t
(
V
i
−
V
α
)
)
=
V
α
−
V
i
e^{rt_0} \int_{t_0}^{T} d(e^{-rt}(V^i - V^\alpha)) = V^\alpha - V^i
ert0∫t0Td(e−rt(Vi−Vα))=Vα−Vi
对于t到t+dt的收益:
推导:期权的价值V是标的资产价格S,剩余到期时间t,标的资产价格波动率 σ \sigma σ的函数,即 V ( S , t , σ ) V(S,t,\sigma) V(S,t,σ)。在 Δ t \Delta t Δt时间内,期权价值的变化量,通过泰勒展开可以写成以下的式子:
d V i = ∂ V ∂ S d S + 1 2 ∂ 2 V ∂ S 2 d S 2 + ∂ V ∂ t d t + ∂ V ∂ σ d σ = ( ∂ V ∂ S μ S + ∂ V ∂ t + 1 2 ∂ 2 V ∂ S 2 σ 2 S 2 ) d t + ∂ V ∂ S σ S d X d V i − Δ a d S = ( Θ i + 1 2 Γ i σ 2 S 2 ) d t + Δ i d S − Δ a d S \begin{aligned} dV^i &= \frac{\partial V}{\partial S} dS + \frac{1}{2} \frac{\partial^2 V}{\partial S^2} dS^2+ \frac{\partial V}{\partial t} dt +\frac{\partial V}{\partial \sigma} d \sigma \\ &= ( \frac{\partial V}{\partial S} \mu S+ \frac{\partial V}{\partial t}+\frac{1}{2} \frac{\partial^2 V}{\partial S^2}\sigma^2 S^2 )dt+ \frac{\partial V}{\partial S} \sigma S dX \\ dV^i-\Delta^a dS &= (\Theta ^i+\frac{1}{2} \Gamma^i \sigma^2 S^2 )dt + \Delta^i dS- \Delta^a dS \end{aligned} dVidVi−ΔadS=∂S∂VdS+21∂S2∂2VdS2+∂t∂Vdt+∂σ∂Vdσ=(∂S∂VμS+∂t∂V+21∂S2∂2Vσ2S2)dt+∂S∂VσSdX=(Θi+21Γiσ2S2)dt+ΔidS−ΔadS
- Black-sholes公式里假定波动率是常数,所以 d σ d\sigma dσ项为0;
- 标的资产价格服从几何布朗运动 d S = μ S d t + σ S d X dS = \mu S dt +\sigma S dX dS=μSdt+σSdX
2.2 性质
- 总收益是确定的,取决于实际波动率与隐含波动率之间的差值。
- 每次对冲的收益是不确定的,存在较大波动。在每次对冲的收益中,存在一个漂移项dX。
2.3 代码实现
代码实现详见期权Delta对冲:模拟实现
3. 使用隐含波动率进行对冲
3.1 推导
假定不使用实际波动率进行对冲,而是使用隐含波动率进行对冲。那么基于市场价值的每次对冲的收益为:
d
V
i
−
Δ
i
d
S
+
r
(
−
V
i
+
Δ
i
S
)
d
t
−
Δ
i
D
S
d
t
=
Θ
i
d
t
+
1
2
σ
2
S
2
Γ
i
d
t
−
r
(
V
i
−
Δ
i
S
)
d
t
−
Δ
i
D
S
d
t
=
1
2
(
σ
2
−
σ
~
2
)
S
2
Γ
i
d
t
d V^{i}-\Delta^{i}dS+r(-V^i + \Delta^i S)dt-\Delta^i DSdt \\ = \Theta^i dt + \frac{1}{2}\sigma^2 S^2 \Gamma^i dt - r(V^i - \Delta^i S)dt - \Delta^i DS dt \\ = \frac{1}{2}(\sigma^2 - \tilde{\sigma}^2) S^2 \Gamma^i dt
dVi−ΔidS+r(−Vi+ΔiS)dt−ΔiDSdt=Θidt+21σ2S2Γidt−r(Vi−ΔiS)dt−ΔiDSdt=21(σ2−σ~2)S2Γidt
从上式可以看出,每次对冲收益的确定的,没有漂移项dz。从风险管理的角度来讲,使用隐含波动率进行对冲表现更好。并且不需要知道实际波动率的大小,当实际波动率大于隐含波动率(long ,买入期权的情况下).,或者说实际波动率小于隐含波动率(short,卖出期权的情况下)就一定会赚钱。不过首先对于实际波动率得有正确的认知和预测才行。
对上式进行积分,可以得到对冲的总收益为
1
2
(
σ
2
−
σ
~
2
)
∫
t
0
T
e
−
r
(
t
−
t
0
)
S
2
Γ
i
d
t
.
\frac{1}{2}(\sigma^2 - \tilde{\sigma}^2) \int_{t_0}^{T} e^{-r(t-t_0)}S^2 \Gamma^i dt.
21(σ2−σ~2)∫t0Te−r(t−t0)S2Γidt.
在本例子中,买入期权,实际波动率大于隐含波动率,而
Γ
\Gamma
Γ一定是正数,所以对冲总收益总是正的,但是高度路径依赖于
μ
\mu
μ(投资者对股票的期望收益率)。假如刚开始是一个平值期权,并且漂移项
μ
\mu
μ非常的大(或正或负),那么
Γ
\Gamma
Γ和
1
2
(
σ
2
−
σ
~
2
)
S
2
Γ
i
d
t
\frac{1}{2}(\sigma^2 - \tilde{\sigma}^2) S^2 \Gamma^i dt
21(σ2−σ~2)S2Γidt的值将会比较小,赚不到多少收益。
对于认购期权来说
Δ
c
a
l
l
=
N
(
d
1
)
,
Δ
p
u
t
=
N
(
d
1
)
−
1
,
d
1
=
l
n
(
S
0
/
K
)
+
(
u
+
σ
2
/
2
)
T
σ
T
\Delta_{call} = N(d1), \Delta_{put}= N(d1)-1, d1 = \frac{ln(S_0/K)+(u+\sigma^2 / 2) T}{\sigma \sqrt{T}}
Δcall=N(d1),Δput=N(d1)−1,d1=σTln(S0/K)+(u+σ2/2)T
Γ
=
∂
Δ
∂
S
=
N
′
(
d
1
)
∂
d
1
∂
S
=
N
′
(
d
1
)
σ
S
T
\Gamma = \frac{\partial \Delta}{\partial S} = N'(d1)\frac{\partial d1}{\partial S} = \frac{N'(d1)}{\sigma S\sqrt{T}}
Γ=∂S∂Δ=N′(d1)∂S∂d1=σSTN′(d1)
当处于风险中性时,
μ
=
r
\mu = r
μ=r,即股票的期望收益率等于无风险利率。如果
μ
\mu
μ的绝对值非常大时,d1的值就会越偏离0,正态分布的概率值就越小,因此
Γ
\Gamma
Γ值也会越小。
3.2 性质
- 总收益是正的,但是是不确定的。只需要根据实际波动率与隐含波动率的关系,判断买卖的方向即可,
- 每次对冲的收益是确定的,不存在局部的波动。
- 隐含波动率容易观测得到。
3.3 代码实现
代码实现详见期权Delta对冲:模拟实现