金融分析与风险管理——期权的隐含波动率

1. 隐含波动率的计算方法

在期权市场上，可以直接观察到标的物当前价格（S）、期权的执行价格（K）、合约期限（T）以及无风险收益率（r），但是波动率不能直接观察。当然，我们可以通过标的物历史价格来估计波动率，但是在实际的应用中，通常会使用隐含波动率，隐含波动率可通过期权的市场价格、运用 BSM 模型进行计算。由于期权的定价公式非常复杂，不能直接通过反解公式求解（定价公式可参考这篇文章），在数学上可以通过无限逼近的方法来求解，常用的求解方法有：牛顿迭代法、二分查找法

1.1 牛顿迭代法

由这篇文章可知：波动率与期权价格成正比。

计算步骤如下：

• 1 输入一个初始隐含波动率 ${\sigma }_0$
• 2 建立迭代关系：
  • 2.1 若初始隐含波动率获得的期权价格较高，则需要减去一个标量 $\delta$
  • 2.2 若初始隐含波动率获得的期权价格较低，则需要加上一个标量 $\delta$
• 3 迭代临界值控制，隐含波动率计算的期权价格与期权的市场价格的绝对值要小于等于设定的临界值，若满足条件，则隐含波动率为返回的最新 ${\sigma }_0$。

其 Python 代码如下：

#期权的隐含波动率
#牛顿迭代法求解隐含波动率
#call的计算
def impvol_call_Newton(C,S,K,r,T,sigma0 = 0.2):
    def call_BS(S,K,sigma,r,T):
        import numpy as np
        from scipy.stats import norm
        d1 = (np.log(S/K)+(r+sigma**2/2)*T)/(sigma*np.sqrt(T))
        d2 = d1 - sigma*np.sqrt(T)
        
        return S*norm.cdf(d1) - K*np.exp(-r*T)*norm.cdf(d2)
        
    diff = C - call_BS(S, K, sigma0, r, T)
    i = 0.0001
    while abs(diff) > 0.0001:
        diff = C - call_BS(S, K, sigma0, r, T)
        if diff > 0:
            sigma0 += i
        else:
            sigma0 -= i
    
    return sigma0

#put的计算
def impvol_put_Newton(P,S,K,r,T,sigma0 = 0.2):
    def put_BS(S,K,sigma,r,T):
        import numpy as np
        from scipy.stats import norm
        d1 = (np.log(S/K)+(r+sigma**2/2)*T)/(sigma*np.sqrt(T))
        d2 = d1 - sigma*np.sqrt(T)
        return K*np.exp(-r*T)*norm.cdf(-d2) - S*norm.cdf(-d1)
        
    diff = P - put_BS(S, K, sigma0, r, T)
    i = 0.0001
    while abs(diff) > 0.0001:
        diff = P - put_BS(S, K, sigma0, r, T)
        if diff > 0:
            sigma0 += i
        else:
            sigma0 -= i
    
    return sigma0

impvol_call = impvol_call_Newton(C=0.1566,S