基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

用混合小波网络和遗传算法对期权定价的研究

由于波动率微笑的存在,不同种类的期权的隐含波动率不同,如何衡量不同种类期权的隐含波动率的最优权重一直是期权定价领域中的重要问题.提出了新的基于Black-Scholes模型的混合小波神经网络,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型要优于传统的Black-Scholes模型和其它的神经网络模型.     

基于波动率分解的期权定价

文章通过将标的资产波动率分解为不相关的两个组成部分,构建了期权定价模型,并求解了相应的期权定价公式.分析新模型在标的资产收益率的偏度与峰度、隐含波动率等方面的重要特征,并利用市场数据对模型进行了拟合.研究表明:将波动率进行分解,以适应于其组件不同的运动过程,从而扩展了模型的适用场景;利用波动率组件的相互作用,即使在波动率参数较低时,也可以令短期期权获得明显的尖峰、波动率微笑等形态特征,从而有效地规避了单因素随机波动率模型的缺陷;同时,通过波动率分解引入新的风险源,模型具有更好的定价效率.     

杠杆效应对期权定价的影响研究

本文基于时间序列视角从随机模拟和实证研究两方面探讨随机波动率模型中杠杆效应对期权定价的影响.在随机模拟中,通过与基本的随机波动率模型比较,发现当收益率时间序列存在高杠杆时,带杠杆的随机波动率模型给出的期权价格更接近真实的价格,在MAE和RMSE距离统计量上都存在显著差异,但较低的杠杆对期权定价不会有显著影响;并且,在带杠杆的模型中,路径模拟定价法优于BS框架下的定价方法.此外,在标普500指数的欧式期权上的实证研究,表明指数存在较高的杠杆水平;相较于期权市场价格,带杠杆的模型在定价上好于基本的模型,在MAE和RMSE统计量上存在显著性的差异.     

VIX期权定价——基于随机参数的仿射调和稳态模型

考虑VIX时间序列均值回复、尖峰厚尾、有偏、非对称跳与波动率聚类的特征，本文源于日历时间与内在时间的视角，构建了基于随机参数的仿射调和稳态模型.同时应用VIX时序过程的特征函数、等价无穷小与概率论方法，求出期权定价最简表达式.基于该类模型与期权定价方法，可以快速地进行VIX期权定价模型的参数估计与定价预测.较之前沿的带随机参数的跳过程的CIR定价模型与FFT期权定价方法，具有快而精准的特征.较之一般的仿射跳模型，不仅能较好地刻画VIX时序中的尖峰厚尾、有偏与非对称跳等特征，而且具有较好的经济解释与可行性的优势.该研究不仅丰富了衍生品定价理论，也为投资者进行风险规避与衍生品定价提供一些参考.     

基于参数学习的GARCH动态无穷活动率Levy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态,建立动态状态空间模型,并通过局部风险中性定价关系(RNVR)推导无套利定价模型.以非高斯条件ARMA-NGARCH为基准模型,构建SP500指数的离散动态Levy过程,并基于序贯贝叶斯的参数学习方法,进行模型估计和期权定价研究.结果表明:动态Levy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征,且贝叶斯方法的引入提高了期权隐含波动率的定价精度.同时,无穷活动率模型在期权定价方面具有显著优势.在五类滤波中,无损粒子滤波估计精度最高,速降调和稳态过程(RDTS)的期权定价误差最小,而非高斯模型在收益率预测方面没有表现出显著的差异.     

不完全信息下二叉树期权价格上下界

由于信息不完全和市场冲击,经典期权定价理论的股票波动率不能准确得到,从而导致期权的理论价格和实际价格出现偏差。本文假设可以通过相关的有限信息信号对波动率进行推断,基于二叉树框架对欧式看涨期权进行定价,得到了不完全信息下期权价格的定价区间,并研究了影响期权价格上下界的因素。通过对单期模型和多期模型、单信号和多信号模型的分析表明,信息质量的提高使得定价区间变小,从而提高定价的准确性。本文的模型也能包容波动率为随机变量的期权模型,是经典二叉树模型的推广。     

基于ARMA-GARCH调和稳态Levy过程的期权定价

通过收益率时间序列分析, 估计了非高斯ARMA-GARCH模型用以描绘资产价格的随机过程. 进一步假设模型的噪音分别服从标准正态分布及两类纯跳跃Levy分布 (经典调和稳态(CTS)和速降调和稳态(RDTS)), 并建立风险中性Levy-ARMA-GARCH模型进行恒生指数期权定价的实证研究. 研究结果表明: 中国股市主要股指的历史滤波噪音序列皆呈现尖峰有偏和肥尾的非高斯特征, 调和稳态相比其它Levy过程有更好的尖峰肥尾的刻画能力; 恒指价格的跳跃测度存在速降趋势, 形成收益率的尖峰厚尾; 布朗运动低估了金融市场震荡程度, 高斯分布高估短、中、长期隐含波动率; 调和稳态Levy过程的拟合与定价能力较好, 速降调和稳态过程综合的定价能力更稳健.     

Variance Gamma过程与股票期权定价中的波动率偏度的纠正

针对Black-Scholes期权定价模型在股票期权定价中的波动率偏度的定价偏差，介绍一种新的改进模型来纠正波动率偏度，这种改进模型是通过将Black-Scholes期权定价模型中的布朗运动过程替换为Variance Gamma过程来实现的，在给出相应欧式看涨期权价格的解析的基础上，对改进模型的定价性能进行实证检验。     

无模型隐含波动率及其所包含的信息: 基于恒生指数期权的经验分析

对香港恒生指数期权所含信息进行研究,并通过使用无模型隐含波动率对期权市场的效率进行直接检验, 结果发现:无模型隐含波动率所含信息最多, 它完全包含了所有历史波动率 所含信息,香港恒指期权市场是有效的; 在对未来一个月的预测中,无模型隐含波动率还完全包含了~BS~隐含波动率的信息, 在对未来两个月的预测中, 无模型隐含波动率虽不能完全包含~BS~隐含波动率,但仍然包含了最多的信息; 期权市场交易量的大小, 同时交易的不同行权价的期权的多少, 是影响无模型隐含波动率预测能力的重要因素;为追求积分密度进行过多人为的插值以及过大区间的积分,会导致无模型隐含波动率预测能力的降低,由此得到了无模型隐含波动率的相对合适的计算方式.美国已于~2003~年开始采用 无模型隐含波动率编制波动率指数.随着金融衍生品市场的不断发展,无模型隐含波动率在资产定价、风险管理方面将发挥越来越重要的作用.     

基于随机模拟和Black-Scholes模型的认股权证定价研究

认股权证具有期权定价和风险规避双重功能,因此它在资本市场中起着重要的作用.在研究过程中,对认股权证的定价实证分析建立在Black-Scholes定价模型和随机模拟方法的基础上.首先假定股价的变化遵循布朗运动并采用Monte Carlo随机模拟方法预测股价的期望值,然后采用Blaek-Scholes模型进行定价.为了验证认股权证定价的精确性,随机选择十只认股权证进行实证分析.研究结果表明,认股权证的市场价格高于定价模型所得出的理论计算值,但是随着资本市场的发展,两者之间的差距越来越小.     

具有随机寿命的多维Black-Scholes定价模型

利用随机微分方程和鞅方法,给出了具有随机寿命的多维Black-Scholes定价模型,并获得随机寿命情形下欧式期权及其它未定权益定价的解析表达式.将Black-Scholes定价模型进行了更为合理地推广.     

投资机会决策中分数布朗运动理论

根据现代期代理论将投资决策机会视作一种期权，当投资价值（Ｖ）和初始支出（Ｃ）是随时间变化的维纳过程时，根据Ｂlack-Scholes公式给出投资机会的定价模型，当Ｖ和Ｃ是Ｈ（Ｈ≠１／２）指数的分数布朗运动时，则Ｉto微分议程形式将改变，Ｂlack-Scholes公式失效，讨论了Ｈ指对投资决策的影响，给出此时根据Ｈ指数的投资决策的步骤和策略。     

基于长记忆性特征的欧式期权模糊定价研究

为了将金融市场的长记忆性特征纳入到不确定环境下欧式期权定价研究中,用分数布朗运动去刻画标的资产价格的变化过程.在分数Black-Scholes模型的基础上,考虑到金融市场的不确定性包括随机性和模糊性,运用随机分析、分形理论和模糊集理论构建了不确定环境下金融市场长记忆性特征的欧式期权定价模型.其次,分析了金融市场长记忆性的度量指标Hurst指数H对欧式期权定价的影响.最后,通过数值实验论证了该定价模型的合理性和可行性.研究结果表明:在不确定环境下充分考虑长记忆性特征得到的欧式期权定价模型更符合金融市场.     

An approximation scheme for Black-Scholes equations with delays

<正> This paper addresses a finite difference approximation for an infinite dimensional Black-Scholesequation obtained by Chang and Youree (2007).The equation arises from a consideration ofan European option pricing problem in a market in which stock prices and the riskless asset prices havehereditary structures.Under a general condition on the payoff function of the option,it is shown thatthe pricing function is the unique viscosity solution of the infinite dimensional Black-Scholes equation.In addition,a finite difference approximation of the viscosity solution is provided and the convergenceresults are proved.     

两资产亚式彩虹期权的定价研究

研究一种奇异路径依赖型期权——两资产亚式彩虹期权的定价问题.基于Black-Scholes期权定价模型的假设条件,利用无套利原理,构建了反映两资产亚式彩虹期权路径依赖特征的多因素定价模型.并结合边界条件,推导了基于两个标的资产的几何亚式彩虹期权的解析定价公式,借助它运用蒙特卡罗模拟法中减少变量技术对两资产算术亚式彩虹期权定价,得到了该期权更精确的估计值.     

基于投资犹豫的欧式期权定价模型

文章首先引入三角直觉模糊数来刻画投资者的犹豫程度和期权价格估计的不确定性,构建了基于三角直觉模糊数的Black-Scholes期权定价模型,并用风险中性的方法给出了欧式期权价格的解析表达式,该结论是Yoshida更一般的情况.然后,本文进行了数值分析,给出了欧式期权价格的区间值,并进行了参数敏感性分析.研究结果表明:基于三角直觉模糊数的Black-Scholes期权定价模型更能体现投资者的犹豫程度.     

一个依赖于挠度与峭度的三项式期权定价模型

提出了一个将股票收益分布的头四个动差结合起来的三项式期权定价模型。该模型所包含的股票收益分布的挠度可正可负，尾部可宽可窄，还可以是混合的。特别地，模型的系数可选择得与股票收益分布的实际估计评均值、方差、挠度和峭度相匹配，因而就可能产生出与实际观测的股票收益分布较为一致的期权价格。     

Bifractional Black-Scholes Model for Pricing European Options and Compound Options

Recent empirical studies show that an underlying asset price process may have the property of long memory. In this paper, it is introduced the bifractional Brownian motion to capture the underlying asset of European options. Moreover, a bifractional Black-Scholes partial differential equation formulation for valuing European options based on Delta hedging strategy is proposed. Using the final condition and the method of variable substitution, the pricing formulas for the European options are derived. Furthermore, applying to risk-neutral principle, we obtain the pricing formulas for the compound options. Finally, the numerical experiments show that the parameter H K has a significant impact on the option value.