金融分析与风险管理——期权中的希腊字母

最新推荐文章于 2024-02-17 23:22:44 发布

wxw_csdn

最新推荐文章于 2024-02-17 23:22:44 发布

阅读量3.3k

点赞数 5

分类专栏： Python在金融风险分析中的应用文章标签： BSM模型希腊字母 Python delta gamma

本文链接：https://blog.csdn.net/wxw_csdn/article/details/120076165

版权

本文详细介绍了金融分析中的期权希腊字母，包括Delta（期权价格与标的物价格的关系）、Gamma（Delta对标的物价格的敏感性）、Theta（期权价值随时间流逝的变化率）、Vega（期权对标的物波动率的敏感性）和Rho（期权对无风险利率的敏感性）。通过BSM模型，解析了各种希腊字母的数学表达式，并用Python实现了相关函数计算欧式期权的这些参数。

摘要由CSDN通过智能技术生成

1. 期权的Delta

期权的Delta：期权价格变动与标的物价格变动的比率，即期权价格与标的物价格之间关系曲线的切线斜率，公式如下：

$\Delta = \frac{\partial \prod}{\partial S}$

$\prod$ 表示期权价格，S 表示标的物价格。

Delta = 0.6 表示：当标的物价格变化一个很小的金额时，相应的期权价格变化约为标的物价格变化的60%。

利用BSM模型的期权定价公式，欧式看涨、看跌的分布如下，具体的过程可以参照:金融分析与风险管理——期权BSM模型。

欧式看涨期权的定价公式：

$c = SN(d_1) - Ke^{-r(T-t)}N(d_2)$

欧式看跌期权的定价公式：

$p = Ke^{-r(T-t)}N(-d_2) - SN(-d_1)$

其中, $T$ 是期权的有效期限， $t$ 是流失的时间。

$\int\limits \frac{1}{\sqrt{2 \pi}}e^{-x^2/2}\mathrm{d}x$

$d_1 = \frac{ln(\frac{S}{K}) + (r+\sigma^2/2)(T-t)}{\sigma \sqrt{T-t}}$

$d_2 = \frac{ln(\frac{S}{K}) + (r-\sigma^2/2)(T-t)}{\sigma \sqrt{T-t}} = d_1 - \sigma \sqrt{T-t}$

接下来以欧式看涨期权的多头为例对其进行推导：

$N^{'}(x) = \frac{1}{\sqrt{2 \pi}}e^{-x^2/2}$

$d_2 = \frac{ln(\frac{S}{K}) + (r-\sigma^2/2)(T-t)}{\sigma \sqrt{T-t}} ==> d_2\sigma \sqrt{T-t} + \sigma^2(T-t)/2 = ln(\frac{S}{K}*e^{r(T-t)})$

$N^{'}(d_1) = N^{'}(d_2 + \sigma \sqrt{T-t}) = \\[10pt] \frac{1}{\sqrt{2 \pi}}e^{-(d_2 + \sigma \sqrt{T-t})^2/2} = \\[10pt] \frac{1}{\sqrt{2 \pi}}e^{-d_2^2/2 - d_2 \sigma \sqrt{T-t}-\sigma^2(T-t)/2} = \\[10pt] \frac{1}{\sqrt{2 \pi}}e^{-d_2^2/2}* e^{- d_2 \sigma \sqrt{T-t}-\sigma^2(T-t)/2} = \\[10pt] N^{'}(d_2)e^{- d_2 \sigma \sqrt{T-t}-\sigma^2(T-t)/2} = \\[10pt] N^{'}(d_2)*\frac{K}{S}e^{-r(T-t)} ==> SN^{'}(d_1) = Ke^{-r(T-t)}N^{'}(d_2) ---->(1)$