[The Path to QUANT] 《Volatility Trading》by Euan Sinclair 读书笔记 Chapter 1

Chapter 1 期权定价

《波动率交易》一书阅读笔记，交叉参照英文原版及机械工业出版社翻译版。
Chapter1勘误：英文原版第一版中组合价值变化公式最后一项符号为$+$，在第二版中调整为$-$，应以第二版为准。

Black-Scholes-Merton Model

首先构建的是一个delta对冲的组合。英文原版中描述为‘delta-hedged portfolio’, 翻译版中使用的词汇是“delta中性”，delta-hedged和delta-neutral是否有细微区别此处存疑。

期权的基本属性

在讨论具体的计算之前，可以首先定义出期权的一些基本属性。

• 当合约标的上涨（下跌）时，call(put) option变得更有价值，因为此时期权成为实值的可能性提高。(delta/gamma）
• 期权的价值永远不会比合约标的的价格（即行权价格）更高。
• 随着时间的流逝，期权价值将下降，因为期权变为实值的时间减少了。（theta）
• 期权价值与不确定性正相关，不确定性越强，期权价值越高。（volatility）
• 利率上升，期权价值下降，因为提高了融资购买期权的成本。（rho）
• 股息的发放提升put option value，降低call option value，因为股息的发放会降低标的价格。

BSM公式与期权的公允价值

对于一个delta对冲的组合，由一份long call option和$\Delta$份 short stock构成，其价值为：
$$C(S_t)-\Delta S_t$$
在t+1的时刻，投资组合的价值变化由期权和股票头寸的价值变化，以及为了构建这个组合而产生的融资成本构成。因此，在t+1时刻，组合的价值变化为：
$$\begin{gathered} (C(S_{t+1})-\Delta S_{t+1})-(C(S_t)-\Delta S_t)-r(C(S_t)-\Delta S_t) \\ =(C(S_{t+1})-C(S_t))-(\Delta S_{t+1}-\Delta S_t)-r(C(S_t)-\Delta S_t) \end{gathered}$$
最后一项是加入了融资成本的考量。买入option产生了负的现金流而卖出stock产生了正的现金流，因此对于组合的持有者来说，这一部分产生了$r(C(S_t)-\Delta S_t)$的成本。由于间隔时间非常短，因此在接下来的推导中假设delta在t到t+1的时间变化内不发生改变。
Underlying price对option value的影响，在这里使用Taylor Expansion近似，同时，在其他条件不变时，时间会对期权价格产生影响，这部分的影响直接用$\theta$表示。

Taylor Expansion

https://www.zhihu.com/question/25627482/answer/313088784
知乎：怎样更好地理解并记忆泰勒展开式？

泰勒展开使用多项式对复杂函数进行近似，即保证初始值一致、初始值处导数相同，二阶导数相同……在此思想上，选择原函数$f(x)$上的一点$0,f(0)$，设近似曲线的解析式为$g(x)$，则$g(x)$为一个n阶多项式，其形式为：
$$g(x)=a_0+a_{1}x+a_2{x}^2+\cdots +a_n{x}^n$$
由于初始点相同，即保证$f(0)=g(0)=a_0$，由于n阶导数相同，即保证$f^n(0)=g^n(0)$，对于多项式$g(x)$，其n阶导数为$n!a_n$，因此求出$a_n=\frac{f^n(0)}{n!}$，故：
$$g(x)=g(0)+\frac{f^1(0)}{1!}x+\frac{f^2(0)}{2!}{x}^2+\cdots +\frac{f^n(0)}{n!}{x}^n$$
在此基础上，将初始点从0推广至任意$x_0$即可得到：
$$f(x)\approx g(x)=f(x_0)+\frac{f^1(x_0)}{1!}(x-x_0)+\frac{f^2(x_0)}{2!}(x-x_0{)}^2+\cdots +\frac{f^n(x_0)}{n!}(x-x_0{)}^n$$
注意此处的约等于，只要n不是正无穷，则约等号必须保留，换句话说，泰勒公式可以写成：
$$f(x)=g(x)=\sum _{n=0}^{+\infty }\frac{f^n(x_0)}{n!}(x-x_0{)}^n$$
在此基础上，组合的价值推导如下，初始点选择为$S_t$：
$$C(S_{t+1})\approx C(S_t)+\frac{\partial C(S_t)}{\partial S_t}(S_{t+1}-S_t)+\frac{1}{2}\frac{{\partial }^{2}C(S_t)}{\partial S_t^2}(S_{t+1}-S_t{)}^2+\theta$$
此外还有上文所说时间对期权价格的影响$\theta$。在这里，underlying price对option value的影响使用的二阶导数，而时间对期权价格的影响仅使用了一阶导数。在第一章中，作者认为合约标的的价格变化是随机的，因此这是一种风险（risk），而时间的流逝是可预期的，因此这是一种成本（cost）
因此可以推出公式：
$$\begin{gathered} C(S_t)+\frac{\partial C(S_t)}{\partial S_t}(S_{t+1}-S_t)+\frac{1}{2}\frac{{\partial }^{2}C(S_t)}{\partial S_t^2}(S_{t+1}-S_t{)}^2+\theta -C(S_t)-\Delta (S_{t+1}-S_t)-r(C(S_t)-\Delta S_t) \\ =\frac{1}{2}(S_{t+1}-S_t{)}^2\Gamma +\theta -r(C(S_t)-\Delta S_t) \end{gathered}$$
（显然，$\frac{\partial C(S_t)}{\partial S_t}=\Delta ,\frac{{\partial }^{2}C(S_t)}{\partial S_t^2}=\Gamma$）
因此，以上公式给出了当股票价格发生微小变化时，组合持有者所获得的利润。它由三部分组成：

1. gamma效应。由于gamma为正，因此期权多头可以盈利，利润大致相当于股票价格变化的平方的一半。
2. theta效应。由于theta为负，随着时间的流逝，期权多头会损失价值。
3. 融资影响。

从平均上说：
$$(S_{t+1}-S_t{)}^2\cong {\sigma }^2{S}^2$$
其中$\sigma$即underlying returns的standard derivation，也就是波动率volatility。因此，可以将公式改写为：
$$\frac{1}{2}{\sigma }^2{S}^2\Gamma +\theta -r(C(S_t)-\Delta S_t)$$
假定组合无风险，则组合不能产生任何非正常收益，即收益为0，因此，期权的公允价格应该满足等式：
$$\frac{1}{2}{\sigma }^2{S}^2\Gamma +\theta -r(C(S_t)-\Delta S_t)=0$$
在这个推导过程中，有三个隐含假设，即：

• 有可交易的标的且允许卖空存在，同时能以任何交易量交易且不产生任何费用
• 融资成本和投资成本相同且保持不变，均为r
• 标的价格变化连续且平滑，否则则出现不可导的点。这是一个强假设，在现实生活中，资产价格的连续性假设并不成立，因此方向依赖（directional dependence）现象会出现。

在上式中，资产的价格变化没有体现，但是资产价格变化的平方通过波动率项反映在公式中。因此，一个持有delta对冲组合的交易员能否获利的关键就在于合约标的价格的变化幅度。无论资产收益率是否服从正态分布，只要资产收益率有一个有限的方差，这个结论就会成立。
一旦期权和标的合约都在市场上进行公开交易，那么收益将与隐含波动率和已实现波动率的差成比例，即收益部分在于：
$$\frac{1}{2}({\sigma }_{real}^2-{\sigma }_{implied}^2)S^2\Gamma$$
又因为vega体现了期权价值对合约标的价格波动率的敏感程度，即隐含波动率每变化一个百分点，期权价值相应的变化，因此，收益也可以表示为：
$$vega({\sigma }_{real}-{\sigma }_{implied})$$
以上两式可以得到gamma和vega之间的关系为$vega=\sigma T{S}^2\Gamma$，但是这个关系对于交易并没有太大的帮助。

书中不加证明的给出了vega和gamma之间的关系，找到的相关reference为：
http://www.fabiomercurio.it/VegaGammaRelationship.pdf

关于波动率变化带来的收益$vega({\sigma }_{real}-{\sigma }_{implied})$，也可以用以下推导得出：
假设现在持有一份根据隐含波动率${\sigma }_{implied}^2$进行初始定价的看涨期权$C({\sigma }_{implied}^2)$，当波动率由${\sigma }_{implied}^2$变化至${\sigma }^2$时，期权价格变化，产生了收益。定义$\delta ={\sigma }^2-{\sigma }_{implied}^2$，可以得知新期权的价格：
$$C({\sigma }^2)=C({\sigma }_{implied}^2+\delta )=C({\sigma }_{implied}^2)+\delta \frac{\partial C}{\partial ({\sigma }^2)}$$
$\delta$是一个增加量，那么加上$\delta$后的call value相当于在原call value的基础上加上$\delta$倍方差的一阶导。
最后一项中：
$$\frac{\partial C}{\partial ({\sigma }^2)}=\frac{\partial C}{\partial \sigma }\frac{\partial \sigma }{\partial ({\sigma }^2)}=vega\times \frac{1}{2\sigma }$$
因此，损益项（PNL）$\delta \frac{\partial C}{\partial ({\sigma }^2)}$可以变为：
$$\begin{gathered} \delta \times vega\times \frac{1}{2\sigma }=({\sigma }^2-{\sigma }_{implied}^2)\times vega\times \frac{1}{2\sigma } \\ =\frac{\sigma +{\sigma }_{impllied}}{2\sigma }\times vega\times (\sigma -{\sigma }_{impllied}) \\ \approx vega(\sigma -{\sigma }_{impllied}) \end{gathered}$$
在假定波动率变化很小的条件下，最后一个约等于成立。根据这个公式，可以简化地认为，损益与波动率成线性关系。

模型假设

在这样一个简化的模型中，模型使用者需要对模型采用的假设有比较明确的认识，这样才能在实际应用中理解模型的利弊和适用范围。

标的合约可交易

尽管大部分时候人们关注的是股票和期货标的，这些标的通常是有很好的流动性的，但是对于新建立的标的或者标的流动性出现匮乏的时候，这个模型的适用性就会大大降低。

标的不支付股息或储存费用

一旦支付股息$q$，则无风险利率$r$就应该用$r-q$来替代，同样，如果产生仓储费用$q^{\ast }$，则利率应该用$r+q^{\ast }$替换。

标的可做空

对于期货来说没有问题，但是面对股票则不一定可行。即使可以做空股票，那么一般也需要支付一定的费用来借入股票。这部分费用可以通过假设一个虚拟的股息来实现。

利率单一且不变

利率是存在bid-ask spread的，同时利率本身也会有波动。但是相比其他风险，利率变化带来的rho是不显著的。

不存在税收

一旦发生支付股息的情况，则通常需要考虑税收问题。交易员需要记住应基于期权对其自身的价值来对期权定价，而不是考虑期权对投资者所产生的价值。

可以交易任何数量的合约标的，且交易不产生费用

交易量不可能超过市场容量，同时交易股数也不可能拆分至无限小。因此，当手续费、清算费或买卖价差导致小额交易或连续对冲不经济时，模型需要修正。

波动率为常数

在推导中，假设了波动率是一个常数，而不是一个关于时间或标的价格的函数，但是这并不符合实际。相反，还会有积极交易波动率这些变化的交易行为。

收益率服从正态分布/价格服从对数正态分布

根据实证研究，这种假设是不成立的，而且会产生波动率微笑，它表面隐含波动率是行权价的函数。因此，需要有额外的方法对隐含的偏度和峰度进行度量。
此外还假设了标的价格的变化是连续的，然而，大幅跳空是常见的现象。这些价格跳跃是无法对冲的，复制策略也会彻底失效。因此需要学会使用其他期权来对冲这部分风险。