σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Calculus スキル›モジュール 4 · 最適化と感応度›トピック 4.3·~1 時間 15 分中級

総仕上げ:有限差分によるグリークス

スキル上の位置モジュール 4/4 · トピック 3/3
4.3 総仕上げ:有限差分によるグリークス
—ラボスコア— / 100合計XP—連続日数—

グリークスを求める2つの方法

グリークスは、オプション価格が入力にどう反応するかを測ります。デルタ $\Delta=\frac{\partial C}{\partial S}$ は株価1単位あたりの変化、ガンマ $\Gamma=\frac{\partial^2 C}{\partial S^2}$ はデルタ自体の変化の速さ、ベガ $\mathcal{V}=\frac{\partial C}{\partial\sigma}$ はボラティリティ1単位あたりの変化です。このスキルで学んだ偏微分とテイラー係数を価格に適用したものです。

ブラック・ショールズのコールでは、導関数に閉じた式があります。$\Delta=N(d_1)$、$\Gamma=\frac{\varphi(d_1)}{S\sigma\sqrt{T}}$、$\mathcal{V}=S\,\varphi(d_1)\sqrt{T}$($N$ は標準正規分布関数、$\varphi$ はその密度)。閉じた式は正確で高速ですが、実務の多くの評価モデル(エキゾチック、モンテカルロ、キャリブレーション済みモデル)にはありません。

そこで有限差分の出番です。入力を上下に動かして再評価し、割ります。デルタは中心差分 $\frac{C(S+h)-C(S-h)}{2h}$、ベガは $\sigma$ について同じこと、ガンマは2階差分 $\frac{C(S+h)-2C(S)+C(S-h)}{h^2}$ です。選ぶのは動かす幅 $h$ だけで、大きすぎれば傾きが粗くなり、小さすぎれば丸めノイズが支配します(極限のトピックを参照)。有限差分を閉じた式と比べるのが、評価モデルとそのグリークスが正しいことを確かめる標準的なテストです。

ベガの単位上の式はボラティリティが1.00(100パーセントポイント)変化したときのベガです。トレーダーは通常、ボラティリティ1ポイント(0.01)あたりのベガを使い、それは式を100で割った値です。他のデスクの数字と比べる前に、どの慣習を使っているか必ず確認してください。

ラボ:採点される内容

  • ブラック・ショールズ価格25点
  • 中心差分25点
  • 公式によるグリークス25点
  • 有限差分によるグリークス25点
エクスプローラー · lab-ca-9
▾ lab-ca-9
…
bash · ブラウザ内
learner@quantcraft:~/lab-ca-9$
Pythonは未読み込みPythonLn 1, Col 1Spaces: 4UTF-8

このトピックをリセットしますか?

lab-ca-9 の内容はすべてスターターファイルに戻り、ターミナルも消去されます。現在の解答は失われ、元に戻せません。

リセットされるもの
  • main.py → スターターコード
  • ターミナル履歴とテスト出力
  • 未提出の変更
保持されるもの
  • ラボの最高スコア
  • XPと連続日数
  • 講義の進捗とメモ

コードを実行するにはログインしてください。

レクチャーはすべて無料で読めます。コードの実行、テスト、ラボの提出にはアカウントの作成かログインが必要です。

  • ブラウザ内IDEとbashターミナル。インストール不要
  • 即時採点、XP、スキルでの現在地
アカウントを作成ログイン
または
GitHubで続ける