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路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • 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路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Stochastic Calculus 学习路线›模块 5 · 模拟与实战›主题 5.2·~1小时 40分钟高级

综合项目:用离散再平衡进行模拟、定价与对冲

路线进度模块 5/5 · 主题 2/2
5.2 综合项目:用离散再平衡进行模拟、定价与对冲
—实验得分— / 100总 XP—连续天数—

从模型到对冲

期权的价值就是对冲它的成本。这个实验用 SPY 价格走完整条链条。首先由日收益估计几何布朗运动:波动率 σ 是收益标准差换算到一年;价格的漂移是 μ=r̄·252+σ²/2,多出来的 σ²/2 来自伊藤引理,因为对数价格比价格本身增长得慢。然后用一个正态随机数矩阵模拟路径,分别用精确格式和欧拉格式。同样的随机数同时喂给两者,所以可以逐条路径比较。

Sₖ₊₁=Sₖ e^((μ-σ²/2)h+σ√h z), Sₖ₊₁=Sₖ (1+μh+σ√h z), h=T/n

接下来用两种方法给看涨期权定价。布莱克-斯科尔斯公式是风险中性测度下的精确平均;蒙特卡洛则用漂移 r 模拟,对收益取平均再贴现来逼近它,永远不会精确,大约差一个标准误差。最后做对冲:卖出看涨期权,买入 Δ 股,其余放现金。每个再平衡日,让现金按利率 r 增长,用剩余时间重新计算 Δ 并调整仓位。到期时的误差就是对冲遗留下来的部分。

Vₙ=C₀exp(rT)+ΣⱼΔⱼ₋₁(Sⱼ-Sⱼ₋₁exp(rh))exp(r(T-tⱼ)), e=Vₙ-max(Sₙ-K,0)
真实数据怎么说2005 年以来的 SPY 给出年化 μ≈11.6%、σ≈19.0%。对价格 100、行权价 100、剩余三个月的看涨期权,价值约 4.03,Delta 为 0.54。在模拟市场里,对冲误差的标准差在再平衡 3 次时为 1.79,9 次时 1.08,21 次时 0.70,63 次时 0.44,大致按 1/√n 下降。在 85 个真实季度中则是 1.81、1.71、1.59、1.74:增加再平衡次数并没有帮助。原因是波动率并不恒定:各季度的已实现波动率从 6% 到 70% 不等,而对冲每次都用 19%。
  • 精确与欧拉:同样的随机数给出两条路径,它们的差就是上一个主题的离散化误差。
  • 价格 = 对冲成本:连续交易时对冲完美,再平衡次数少时会剩下 1/√n 量级的误差。
  • 真实误差是波动率误差:增加再平衡次数无法修正错误的 σ。
需要记住的简化利率固定为 2%,没有交易成本和股息。对冲使用的是全样本波动率,这是没有人能事先知道的,所以真实误差如果说有偏差的话是偏乐观。85 个季度数量不多,也不独立于市场状态。这里重要的是结果的排序,而不是具体数额。

实验:评分内容

  • 估计模型10 分
  • 精确路径15 分
  • 欧拉路径10 分
  • 布莱克-斯科尔斯看涨期权15 分
  • Delta5 分
  • 蒙特卡洛价格10 分
  • 对冲25 分
  • 对冲研究10 分
资源管理器 · lab-so-09
▾ lab-so-09
▾ data
…
bash · 浏览器内
learner@quantcraft:~/lab-so-09$
Python 尚未加载PythonLn 1, Col 1Spaces: 4UTF-8

要重置此主题吗?

lab-so-09 中的所有内容将恢复为初始文件,终端也会被清空。你当前的解答将丢失,且无法撤销。

将被重置
  • main.py → 初始代码
  • 终端历史与测试输出
  • 未提交的更改
将被保留
  • 实验最高得分
  • 你的 XP 与连续天数
  • 讲解进度与笔记

登录后即可运行你的代码。

所有讲解均可免费阅读。创建账户或登录后,即可运行代码、运行测试并提交此实验。

  • 浏览器内 IDE 与 bash 终端,无需安装
  • 即时评分、XP 以及你在学习路线中的位置
创建账户登录
或
使用 GitHub 继续