Delta对冲：实际波动率 VS 隐含波动率

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

$\alpha$	i	V	$\Gamma$	$\Theta$
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
${\Delta }^{\alpha }$即使用实际波动率计算出的delta值	${\Delta }^i$即使用隐含波动率计算出的delta值	V（S,t,$\sigma$）

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$\sigma$的函数，即$V(S,t,\sigma )$。

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：
$$V(S,t;\sigma )-V(S,t,\tilde{\sigma })$$

2.1 推导

假设期权标的资产价格服从几何布朗运动：
$$dS=\mu Sdt+\sigma SdX.$$
在t时候，购入了价值为$V^i$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${\Delta }^{\alpha }$，卖出了${\Delta }^{\alpha }$的股票，现金的变化为$-V^i+{\Delta }^{\alpha }S$ 。

资产	价值（t时刻）	价值（t+dt时刻）
期权	$V^i$	$V^i+d{V}^i$
股票	$-{\Delta }^{\alpha }S$	$-{\Delta }^{\alpha }S-{\Delta }^{\alpha }dS$
现金	$-V^i+{\Delta }^{\alpha }S$	$(-V^i+{\Delta }^{\alpha }S)(1+rdt)-{\Delta }^{\alpha }DSdt$
总计	0	$d{V}^i-{\Delta }^{\alpha }dS+(-V^i+{\Delta }^{\alpha }S)rdt-{\Delta }^{\alpha }DSdt$

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：
$$d{V}^i-{\Delta }^{\alpha }dS+r(-V^i+{\Delta }^{\alpha }S)dt-{\Delta }^{\alpha }DSdt$$
如果期权正确定价为$V^{\alpha }$，那么可以得到：
$$d{V}^{\alpha }-{\Delta }^{\alpha }dS+r(-V^{\alpha }+{\Delta }^{\alpha }S)dt-{\Delta }^{\alpha }DSdt=0$$

假设世界是风险中性的，$d\pi =\pi rdt,d{V}^{\alpha }-{\Delta }^{a}dS=r(V-{\Delta }^{a}S)dt$；
股票分红使得股价下跌，未分红的股价应该为$S_{t+dt}+DSdt$;

综上两个式子，我们可以重写隔天的收益为：
$$\begin{gathered} d{V}^i-{\Delta }^{\alpha }dS+r(-V^i+{\Delta }^{\alpha }S)dt-{\Delta }^{\alpha }DSdt \\ =d{V}^i-d{V}^{\alpha }-r(V^i-V^{\alpha })dt=e^{rt}d(e^{-rt}(V^i-V^{\alpha })) \end{gathered}$$
折现到$t_0$时刻，收益为：
$$e^{(-r(t-t_0)}{e}^{rt}d(e^{-rt}(V^i-V^{\alpha }))=e^{r{t}_0}d(e^{-rt}(V^i-V^{\alpha }))$$
对上式进行积分，那么从$t_0$时刻到到期，对冲的总收益为：
$$e^{r{t}_0}{\int }_{t_0}^{T}d(e^{-rt}(V^i-V^{\alpha }))=V^{\alpha }-V^i$$

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$\sigma$的函数，即$V(S,t,\sigma )$。在$\Delta t$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：
$$\begin{array}{rl}d{V}^i& =\frac{\partial V}{\partial S}dS+\frac{1}{2}\frac{{\partial }^{2}V}{\partial S^2}d{S}^2+\frac{\partial V}{\partial t}dt+\frac{\partial V}{\partial \sigma }d\sigma \\ & =(\frac{\partial V}{\partial S}\mu S+\frac{\partial V}{\partial t}+\frac{1}{2}\frac{{\partial }^{2}V}{\partial S^2}{\sigma }^2{S}^2)dt+\frac{\partial V}{\partial S}\sigma SdX\\ d{V}^i-{\Delta }^{a}dS& =({\Theta }^i+\frac{1}{2}{\Gamma }^i{\sigma }^2{S}^2)dt+{\Delta }^{i}dS-{\Delta }^{a}dS\end{array}$$

• Black-sholes公式里假定波动率是常数，所以$d\sigma$项为0;
• 标的资产价格服从几何布朗运动$dS=\mu Sdt+\sigma SdX$

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：
$$\begin{gathered} d{V}^i-{\Delta }^{i}dS+r(-V^i+{\Delta }^{i}S)dt-{\Delta }^{i}DSdt \\ ={\Theta }^{i}dt+\frac{1}{2}{\sigma }^2{S}^2{\Gamma }^{i}dt-r(V^i-{\Delta }^{i}S)dt-{\Delta }^{i}DSdt \\ =\frac{1}{2}({\sigma }^2-{\tilde{\sigma }}^2)S^2{\Gamma }^{i}dt \end{gathered}$$
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
$$\frac{1}{2}({\sigma }^2-{\tilde{\sigma }}^2){\int }_{t_0}^T{e}^{-r(t-t_0)}{S}^2{\Gamma }^{i}dt.$$
在本例子中，买入期权，实际波动率大于隐含波动率，而$\Gamma$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$\mu$（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$\mu$非常的大（或正或负），那么$\Gamma$和$\frac{1}{2}({\sigma }^2-{\tilde{\sigma }}^2)S^2{\Gamma }^{i}dt$的值将会比较小，赚不到多少收益。

对于认购期权来说
$${\Delta }_{call}=N(d1),{\Delta }_{put}=N(d1)-1,d1=\frac{ln(S_0/K)+(u+{\sigma }^2/2)T}{\sigma \sqrt{T}}$$
$$\Gamma =\frac{\partial \Delta }{\partial S}=N^{\prime }(d1)\frac{\partial d1}{\partial S}=\frac{N^{\prime }(d1)}{\sigma S\sqrt{T}}$$
当处于风险中性时，$\mu =r$，即股票的期望收益率等于无风险利率。如果$\mu$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$\Gamma$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