期权定价中的蒙特卡洛模拟方法newWord下载.doc

期权定价中的蒙特卡洛模拟方法newWord下载.doc

《期权定价中的蒙特卡洛模拟方法newWord下载.doc》由会员分享，可在线阅读，更多相关《期权定价中的蒙特卡洛模拟方法newWord下载.doc（35页珍藏版）》请在冰豆网上搜索。

下面，通过构造标的资产与期权的资产组合并根据无套利定价原理建立期权定价模型。

首先，为了得到期权的微分形式，先介绍随机微积分中的最重要的伊藤公式。

伊藤Ito公式：

设，是二元可微函数，若随机过程满足如下的随机微分方程

根据伊藤公式，当标的资产的运动规律服从假设条件中的几何布朗运动时，期权的价值的微分形式为

现在构造无风险资产组合，即有，经整理后得到

这个表达式就是表示期权价格变化的Black-Scholes偏微分方程。

它同时适合欧式看涨期权、欧式看跌期权、美式看涨期权和美式看跌期权，只是它们的终值条件和边界条件不同，其价值也不相同。

欧式看涨期权的终边值条件分别为

，

通过求解带有终边值条件的偏微分方程，得出欧式看涨期权的的解析解：

其中，，，，为期权的执行日期，为期权的执行价格。

欧式看跌期权的终边值条件分别为

此外，美式看涨期权的终值条件为，美式看跌期权的终值条件为。

然而，美式期权的价值没有解析解，我们一般可通过数值方法（蒙特卡洛模拟、有限差分法等）求得其近似解。

◆风险中性期权定价模型

如果期权的标的资产价格服从几何布朗运动

即标的资产的瞬时期望收益率取为无风险利率。

同理，根据伊藤公式可以得到

对数正态分布的概率密度函数：

设，，则的密度函数为

根据上述公式，得到标的资产的密度函数如下

在风险中性概率测度下，欧式看涨期权定价为：

接下来，求解以上风险中性期望。

首先，对上式的右边第一个广义积分分别作变量替换

和，可以得到

再对等式的右边的第二个无穷积分，令

，可求得

将以上的计算结果代入期望等式中，得到欧式看涨期权的价格公式为：

其中，，。

可以看出，对于欧式看涨期权的风险中性定价方法的结果与基于资产复制的偏微分方程定价方法的结果是一致的。

基于风险中性的期权定价原理在于：

任何资产在风险中性概率测度下，对于持有者来说都是风险偏好中性的，便可用风险中性概率求取期权的期望回报再将其进行无风险折现便是初始时刻的期权价值。

蒙特卡洛模拟方法就是一种基于风险中性原理的期权数值定价方法。

2.蒙特卡洛模拟方法及其效率

假设所求量是随机变量的数学期望，那么近似确定的蒙特卡洛方法是对进行n次重复抽样，产生独立同分布的随机变量序列，并计算样本均值

。

那么根据Kolmogorov强大数定律有

因此，当n充分大时，可用作为所求量的估计值。

由中心极限定理可得到估计的误差。

设随机变量的方差，对于标准正态分布的上分位数，有

这表明，置信水平对应的渐近置信区间是

实际上，由此可确定蒙特卡洛方法的概率化误差边界，其误差为，误差收敛速度是。

不难看出，蒙特卡洛方法的误差是由和决定的。

在对同一个进行抽样的前提下，若想将精度提高一位数字，要么固定，将n增大100倍；

要么固定n将减小10倍。

若两个随机变量的数学期望，，那么无论从或中抽样均可得到的蒙特卡洛估计值。

比较其误差，设获得的一个抽样所需的机时为，那么在时间T内生成的抽样数，若使，则需使。

因而，若要提高蒙特卡罗方法的效率，不能单纯考虑增加模拟的次数n或是减小方差，应当在减小方差的同时兼顾抽取一个样本所耗费的机时，使方差与机时t的乘积尽量的小。

3.蒙特卡洛模拟方法为期权定价的实现步骤

期权定价的蒙特卡洛方法的理论依据是风险中性定价原理：

在风险中性测度下，期权价格能够表示为其到期回报的贴现的期望值，即，其中的表示风险中性期望，r为无风险利率，T为期权的到期执行时刻，是关于标的资产价格路径的预期收益。

由此可知，计算期权价格即就是计算一个期望值，蒙特卡洛方法便是用于估计期望值，因此可以得到期权定价的蒙特卡洛方法。

一般地，期权定价的蒙特卡洛模拟方法包含以下几步（以欧式看涨期权为例）:

（l）在风险中性测度下模拟标的资产的价格路径

将时间区间分成n个子区间，标的资产价格过程的离散形式是

（2）计算在这条路径下期权的到期回报，并根据无风险利率求得回报的贴现

（3）重复前两步，得到大量期权回报贴现值的抽样样本

（4）求样本均值，得到期权价格的蒙特卡洛模拟值

另外，我们还可以得到蒙特卡洛模拟值与真值的概率化误差边界，这也是蒙特卡洛方法为期权定价的优势之一。

由于，m条路径的收益均值为，m条路径的方差为，则可得95%的置信区间为。

例1：

假设无红利的股票A，初始价格为￥6，价格过程服从几何布朗运动，年预期收益率为10%，收益率的波动率为每年25%，时间步长为0.01年（1年为100时间步），给定数据，，以及＝100，用蒙特卡洛方法模拟资产的价格路径如下：

（1）

（2）

图

（1）蒙特卡洛方法模拟股票A价格路径，图

（2）蒙特卡洛方法模拟股票B价格路径。

若无红利的股票B、C、D，其价格均为￥6，股票B的期望收益率为0.1，波动率为0.6；

股票C的期望收益率为0.5，波动率为0.25；

股票D的期望收益率为0.5，波动率为0.6，分别用蒙特卡洛方法模拟该三种股票在一年内的价格路径如下：

（3）

（4）

图（3）蒙特卡洛方法模拟股票C价格路径，图（4）蒙特卡洛方法模拟股票D价格路径。

从图中可以看出，股票C和股票D的价格上升速度较快，而股票B和股票D的价格波动比较大。

这是与股票C和股票D价格的期望收益率较高，股票B和股票D价格的波动率较高相对应的。

欧式看涨期权，通过Black-Scholes公式计算得的精确值为，蒙特卡洛模拟的价格为，其蒙特卡洛模拟图如下：

（5）

上述同样的条件，路径由100逐渐增加到1000000条，对应地分别得到的期权价值的模拟值和置信区间，结果如下表所示：

各种路径下蒙特卡洛方法模拟的95%置信区间

N

模拟值

置信区间

100

4.3146

[4.0112,4.6180]

500

4.2262

[4.0962,4.3563]

1000

4.2213

[4.1287,4.3139]

2000

4.1633

[4.0984,4.2281]

5000

4.1695

[4.1280,4.2111]

10000

4.1787

[4.1490,4.2083]

50000

4.1960

[4.1826,4.2094]

100000

4.1886

[4.1791,4.1980]

1000000

4.1914

[4.1884,4.1944]

4.蒙特卡洛模拟方法为我国权证定价

权证是一种合同，权证投资者在约定时间内有权按约定价格向发行人购入或者出售合同规定的标的证券。

权证发行人可以是标的证券的发行人或其之外的第三方。

权证主要具有价格发现和风险管理的功能，它是一种有效的风险管理和资源配置工具。

现选取我国认股权证中的五粮YGC1、马钢CWB1、伊利CWB1为例，以2006年的价格作为样本区间模拟认股权证的价值，并将这些权证的蒙特卡洛模拟价值和由wind数据库给出的理论值进行比较。

本例采用一年期短期利率2.52%作为无风险利率，用这些权证的正股股票价格序列来计算波动率。

现实中用等时间间隔观测股票价格序列，股票投资的连续复利收益率，（），则的样本标准差。

如果用日数据计算波动率，则年度波动率按下式计算：

年度波动率＝日波动率*（每年的交易日数）1/2

将时间区间取为2006年12月1日－2006年12月29日，则由蒙特卡洛方法模拟的认股权证价格与Black-Scholes模型的精确值和市场价格比较的结果如下：

蒙特卡洛方法对五粮YGC1认股权证的模拟（）

日期

实际值

蒙特卡洛模拟值

理论值

12-1

10.164

10.066

9.821

12-18

12.100

13.524

13.351

12-4

10.120

10.357

10.121

12-19

12.080

13.574

13.401

12-5

9.880

10.630

10.401

12-20

12.210

13.771

13.601

12-6

9.395

10.386

10.151

12-21

11.900

13.376

13.201

12-7

9.147

9.998

9.751

12-22

11.420

12.687

12.501

12-8

9.050

9.785

9.531

12-25

12.038

13.742

13.571

12-11

9.850

9.225

8.951

12-26

11.978

13.406

13.231

12-12

9.825

10.600

10.371

12-27

13.001

14.364

14.201

12-13

9.766

10.260

10.021

12-28

13.050

14.612

14.451

12-14

10.589

11.332

11.121

12-29

14.500

16.198

16.051

12-15

10.849

12.028

11.831

－

蒙特卡洛方法对马钢CWB1认股权证的模拟（）

1.143

1.244

0.569

1.775

1.709

1.052

1.209

1.188

0.517

1.803

1.241

1.223

0.549

1.730

1.756

1.103

1.349

1.641

1.633

1.416

0.743

1.