最小方差Delta对冲-CSDN博客

本文链接：https://blog.csdn.net/weixin_41223591/article/details/118249326

文章目录

文献笔记

文献笔记

参考文献
[1] Hull, J. , & White, A. . (2017). Optimal delta hedging for options. Social Science Electronic Publishing, 82(sep.), págs. 180-190.
[2] Ahmad, R., & Wilmott, P. (2005). Which free lunch would you like today, sir?: Delta hedging, volatility arbitrage and optimal portfolios. Wilmott, 64-79.

1.数学符号定义

符号	含义	备注
f	期权价值	$f_{BS}$ ：基于BS公式计算出的期权理论价值； $\Delta f$ 期权价格的变化量
S	期权标的资产价格	$\Delta S$ 标的资产价格的变化量
$\delta$	期权的Delta值	$\Delta_{BS}$ ：基于BS公式计算出的期权Delta值； $\Delta_{MV}$ ：最小方差Delta
$v_{BS}$	期权的Vega值
$\sigma$	期权波动率	$\sigma_{imp}$ ：隐含波动率
T	期权剩余到期时间

2. 最小方差Delta对冲

Ahmad, R., & Wilmott, P. (2005)的论文提到，当期权价格是根据市场价格来定的（Market to Market），出于风险管理的需要，为了避免每天收益(Profit and Loss)波动太大，出现在某一天出现较大亏损的极端情况，通常使用隐含波动率来进行delta对冲。每天收益的标准差可以写成 $\sigma S |\Delta^i - \Delta^h| \sqrt{dt}$ ,可以看出对冲的delta值越接近用隐含波动率计算的delta值，收益的波动性就越小。详情可参见Delta对冲：一般形式和模拟实验。

作者提出了一种最小方差Delta的计算方法：
$\begin{aligned} \Delta_{MV} &= \frac{\partial f_{BS}}{\partial S} + \frac{\partial f_{BS}}{\partial \sigma_{imp}} \frac{\partial E(\sigma_{imp})}{\partial S} \\ &= \delta_{BS} + v_{BS}\frac{\partial E(\sigma_{imp})}{\partial S} \tag{1} \end{aligned}$
可最小化 $\Delta f -\delta_{MV}\Delta S$ 的方差。

3. 理论推导

假定期权的价格f，只受到标的资产S和隐含波动率 $\sigma_{imp}$ 两个因素的影响(相当于没考虑Theta，Gamma等的影响)，期权的价格可表示为如下形式：
$f_{BS}(S,\sigma_{imp}) \tag{2}$

对（2）式进行泰勒展开，可以得到：
$\begin{aligned} \Delta f &= \frac{\partial f}{\partial S} \Delta S + \frac{\partial f}{\partial \sigma_{imp}} \Delta \sigma_{imp} +O(\Delta S^2) \\ &= \delta_{BS} \Delta S + v_{BS}\Delta \sigma_{imp} +\epsilon \tag{3} \end{aligned}$
等式(3)的两边同时减去 $\delta_{MV} \Delta S$ ,可以得到
$\begin{aligned} \Delta f - \delta_{MV} \Delta S = (\delta_{BS} - \delta_{MV}) \Delta S + v_{BS}\Delta \sigma_{imp} +\epsilon \tag{4} \end{aligned}$

等式（4）两边同时求关于 $\Delta S$ 的条件期望可以得到：

这一步我是真的迷惑

$\begin{aligned} \delta_{MV} = \delta_{BS} + v_{BS} \frac{E(\Delta \sigma_{imp}) }{\Delta S}+\frac{E(\epsilon) }{\Delta S} \tag{5} \end{aligned}$

当 $\Delta S$ 趋近于0的时候，最后一项是无穷小（因为 $\epsilon = O(\Delta S^2)$ ,是关于 $\Delta S$ 的无穷小），因此可以写成：
$\begin{aligned} \delta_{MV} = \delta_{BS} + v_{BS} \frac{E(\Delta \sigma_{imp}) }{\Delta S} \tag{6} \end{aligned}$

作者通过式子（6）和不同的期权数据对 $\delta_{MV}$ 进行估计发现， $\delta_{BS} - \delta_{MV}$ 与期权剩余到期时间的相关性不大，并且大概是 $\delta_{BS}$ 的二次函数。并且对于欧式期权来说， $v_{BS} = S \sqrt{T} N'(d1) e^{-qt}, d1= N^{-1}( \delta_{BS}e^{qt})$ 。可以得到 $v_{BS}=S \sqrt{T} N'(N^{-1}( \delta_{BS}e^{qt})) e^{-qt}$ ，如果不存在分红，q=0，那么 $\frac{v_{BS}}{S \sqrt{T}}$ 就只依赖于 $\delta_{BS}$ 。

$\begin{aligned} v_{BS}=S \sqrt{T} G(\delta_{BS}) \tag{7} \end{aligned}$

结合式（6）和式（7），以及从期权数据中获得的信息“ $\delta_{BS} - \delta_{MV}$ 与期权剩余到期时间的相关性不大，并且大概是 $\delta_{BS}$ 的二次函数”，作者提出了一种假设形式：
$\delta_{MV} = \delta_{BS} + \frac{v_{BS}}{S \sqrt{T}} (a+b\delta_{BS}+c\delta_{BS}^2) \tag{8}$
我其实觉得这里的推理不太能够说服我，因为是二次函数，就定义为vega*二次函数的形式，vege跟delta的关系比较复杂。
其中a,b,c都是常数。结合式（6）和式（8）式，可以得到
$E(\Delta \sigma_{imp}) = \frac{(a+b\delta_{BS}+c\delta_{BS}^2)}{\sqrt{T}} \frac{\Delta S}{S} \tag{9}$

4. 参数估计和模型评估

4.1 参数估计

如式子（8）所示，作者给出了 $\delta_{MV}$ 和 $\delta_{BS}$ 之间的关系，该式子需要估计出a，b，c三个常数的值，估计方法如下所示：
$\begin{aligned} \Delta f - \delta_{BS} \Delta S = \frac{v_{BS}}{ \sqrt{T}}\frac{\Delta S}{S} (a+b\delta_{BS}+c\delta_{BS}^2) +\epsilon \tag{10} \end{aligned}$

基于式子（9）和式子（3），可以得到等式（10），利用上式进行线性回归，即可求出a,b,c

4.2 模型评估

作者建立了一个Gain指数来评估模型的好坏，基尼指数的计算方式如下：
$\frac{SSE[ \Delta f - \delta_{MV} \Delta S]}{SSE[ \Delta f - \delta_{BS} \Delta S]} \tag{11}$

SSE代表了平方误差和。Gain指数等于0，说明两种对冲方式的效果相当；Gain指数大于0时，说明最小方差Delta的对冲效果更好，收益的波动率较小；Gain指数小于0时，说明标准delta对冲的对冲效果更好，收益的波动率较小。

基于标准BS公式的delta对冲的对冲误差为:
$\epsilon_{BS} = \Delta f - \delta_{BS} \Delta S \tag{12}$

基于最小方差delta对冲的对冲误差为：
$\begin{aligned} \epsilon_{MV} &= \Delta f - \delta_{MV} \Delta S \\ &= \Delta f - \delta_{BS} \Delta S -\frac{v_{BS}}{ \sqrt{T}}\frac{\Delta S}{S} (a+b\delta_{BS}+c\delta_{BS}^2) \tag{13} \end{aligned}$