期权定价数值方法之蒙特卡洛模拟【python量化】

期权定价数值方法之蒙特卡洛模拟

前言

蒙特卡洛模拟最重要的应用之一是对未定权益，如期权、衍生品、混合型工具的估值。在风险世界中，未定权益的价值是风险中立（鞅）测度下的折现后的预期收益。

一、蒙特卡洛模拟思路

蒙特卡洛模拟需要用到风险中立世界思想。其基本思路为：尽可能的模拟风险中性世界中标的资产价格的多种路径，计算每种路径下的期权回报均值，再贴现就可得期权价格。
①在风险中性世界里对S的随机路径进行抽样，这就给出了标的资产价格路径的一个实现。
②计算这条路径下的期权回报。
③重复计算步骤①、②，得到许多样本结果，即风险中性世界中的期权回报值。
④计算这些回报的均值，得到风险中性世界中的预期期权回报值。
⑤用无风险利率进行贴现，得到这个期权的估计价值。

二、随机过程

前文说到，蒙特卡洛模拟方法需要模拟标的资产的价格路径，而价格路径的变化是随机的，可以通过数学上的随机过程进行模型。因此本部分将介绍集中主流的随机过程。

粗略地讲，随机过程是一个随机变量序列。但是随机数的选取一般不是独立的，而是依赖于前几次选取的结果。不过，金融学中使用的随机过程通常表现出马尔科夫特性 ——主要的含义是：明天的过程值只依赖于今天的过程状态，而不依赖其他任何“历史”状态，甚至不依赖整个路径历史。这种过程也被称做“无记忆过程 ”