期权Delta日频动态对冲成本计算

动态对冲

1973 年，Fischer Black 和 Myron Scholes(1973)发表了《期权定价和公司财务》 一文，在一系列严格的假设条件下，通过严密的数学推导和论证，提出了后来被 称为“Black-Scholes 模型”(下称 B-S 模型)的期权定价模型，成为期权定价理论研 究中的开创性成果。Black 和 Scholes 假设标的股票价格服从几何布朗运动，且 其波动率是一个常数。在无套利的条件下，利用动态复制（Dynamic Replication） 的方法，推导出基于不付红利股票的欧式看涨期权价格必须满足的微分方程。通 过解此微分方程，得出欧式看涨期权价格的显式解，称为 B-S 公式。该公式现已 成了市场参与者所普遍使用的一个定价工具，推动了衍生产品市场的深入发展。
 
许多学者分别从离散时间和交易费用方面来复制期权从而研究期权的定价。 Boyle 和Emanuel对于不考虑交易成本的短时间段进行间断性避险的误差 分布进行的检验表明，忽略泰勒展开式的某些高阶项，避险误差的期望值为零， 且避险误差分布服从自由度为 1 的卡方分布。Leland(1985)提出采用一种修正的 波动率来解决交易成本带来的避险误差问题。Kamal 和 Derman(1999)对分布的方 差的研究表明方差与期权的 Vega 成比例。Toft(1996) 继 Leland 开创性地对 B-S 模型进行修正以运用于存在交易成本下的期权定价之后，计算了对冲误差的期望 值并给出了显式解。Kabanov 和 Safarian(1997)给出了存在比例交易成本的对冲 误差的范围，并认为 Leland 的避险策略仅是一种推测。Yonggan Zhao 和 Ziemba(2003)指出，Leland 论文中存在数学证明上的漏洞，并用模拟结果证明 Leland 模型存在问题，他们借鉴 Leland 的想法也对 B-S 模型的波动率进行修正， 但使用的是内生的使绝对平均误差最小化的修正波动率来进行定价与避险。 Davis 和 Zariphopoulou(，Hodges 和 Neuberger(1998)等更是利用随 机控制方法求效用最大化的方法对期权进行定价，但由于算法复杂等原因并不实 用。 
Whalley 和 Wilmott（1997）给出了一个 Hodges 和 Neuberger(1989)方法的近似 接法，当交易费率趋于 0 时，delta 的非交易区间的边界满足如下的公式： 

普通 Delta 对冲成本计算 

我们以股指期权为例分析期权的对冲成本。 Delta 对冲策略在期货头寸中会因价格波动损失一定的手续费和追涨杀跌的损失， 不过这笔费用相当于购买期权所付出的权利金，并且这笔权利金并不是期初一次 性付清，而是在整个避险的过程中慢慢支付给市场。根据 Black-scholes 公式知道，期权的价格与 行权价、到期日、标的价格、无风险利率和隐含波动率有关。 而隐含波动率越高期权的权利金也越高，通过 Delta 策略能够更好的理解隐含波 动率的意义，因为未来标的价格的波动越剧烈，在进行 Delta 策略时，期货头寸的调整会越频繁，这样会导致更多买高卖低的次数出现，而造成整个策略在追涨 杀跌的过程中损失越大，相当于付给了期权“卖方”更多的权利金。

期权的对冲成本主要分为 3 部分： 
第一部分来自于动态持有 delta 份股指期货带来的资金损益。 Delta 对冲在具体的操作中就是 delta 升高的时候买入股指期货，delta 降低的时 候卖出股指期货，那么，在这一过程中由于高买低卖产生的损失以及到期日的支 付 K*（sign(s-k)）就近似于期权费。 
第二部分来自于调整股指期货持仓产生的交易费用。 由于期权 delta 在股价出现变动时会动态调整，那么，由于每天股指期货的持仓 都会出现变化，期权复制会带来一笔交易费用。 
第三部分来自于保证金的利息支出。 

数值分析

import pandas as pd
import numpy as np
from delta_hedge.BS_Model import *
from delta_hedge.MC_simulation_St import *
import time

if __name__=='__main__':
    start=time.time()
    S=1
    K=1
    T=1
    r=0.05
    sigma=0.2
    opt_type='call'
    M=54
    I=1000
    feerate=2/10000
    result=(Base(S,K,T,r,sigma,opt_type,M,I,feerate).hedge_part())
    print(result)
    end=time.time()
    print(end-start)

对冲损益0.07698467497846018,

交易费用0.00044492135677988746,

资金成本0.03267912987986223,

gamma损耗0.037029557338175104,

theta损耗-0.0001799607127056969