Whally 和 Wilmott方法
交易员通常采用 Whally 和 Wilmott 的渐近解,这种方法计算起来比较简单,在实际操作中有非常广泛的应用。 Whally 和 Wilmott(1997)假设交易成本很小,那么就可以得到 HN 方法的渐进解法,WW 方法下非交易区间的边界如下:
γ 是 Arrow-Pratt 风险厌恶系数
λ 是交易成本比率
Γ 是期权的 Gamma 值
交易成本越大,交易员就越不愿意做对冲交易,对冲带越宽, Gamma 值越大,delta会发生较快的变动,对冲带也越宽。
而风险厌恶系数越大,交易员就越难以忍受持仓头寸的净值波动,更倾向于频繁对冲,对冲带就越窄。
基于效用的对冲模型中,我们设计一个对冲带,使得在临界值上,交易员认为持有未完全对冲头寸的风险(从效用上)与完全对冲的成本是无差别的。
数值分析
import time
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from delta_hedge.BS_Model import *
from delta_hedge.MC_simulation_St import *
from delta_hedge.delta_Whalley_Wilmott import *
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
trade_cost_lambda=2/10000
risk_lambda=0.1
model_=WW_delta_hedge(S,K,T,r,sigma,opt_type,M,I,feerate,trade_cost_lambda,risk_lambda)
df=model_.hedge_part()
print(df)
model_.plot_ww_delta_band()
end=time.time()
print(end-start)
对冲损益0.10994556771242286,
交易费用9.690925947859257e-07,
资金成本0.0005315829914963496,
gamma损耗0.00024021947389859667,
theta损耗-0.0012609921154572979,
delta对冲次数0.011