股指期貨障礙期權的定價

① 股票指數期權的定價公式

期權定價問題（Options Pricing）一直是理論界與實務界較為關注的熱點問題，同時也是開展期權交易所遇到的最為實際的關鍵問題。期權價格是期權合約中惟一的可變數，它通常由內涵價值與時間價值兩部分構成。而決定期權價格的主要因素包括以下幾方面：（1）履約價格的高低；（2）期權合約的有效期；（3 ）期權標的物市場的趨勢；（4）標的物價格波動幅度；（5）利率的變化。股票指數期權價格的確定也是如此。
根據布萊克·修斯的期權定價模型， 可以分別得到歐式看漲股票指數期權和看跌股票指數期權的定價公式為：
c=se-q(T-t)N（d1）-xe-r（T-t）N（d2）；
P=xe-r(T-t)N（-d2）N-se-q(T-t)N（-d1）。
其中 ln(SX)+(r-q+σ2/2)(T-t) ┌──
d1=───────────── ，d2=d1-σ│T-T
┌──
σ│T-t
S為股票指數期權的現貨價格，X為執行價格，T為到期日，r為無風險年利率，q為年股息率，σ為指數的年變化率即風險。
例如，以期限為兩個月的標准普爾500指數的歐式看漲期權，假定現行指數價格為310，期權的協議價格為300，無風險年利率為8%，指數的變化率年平均為20 %，預計第一個月和第二個月的指數平均股息率分別為0.2%和0.3%。將這些條件，即S=310，X=300，r=0.08，σ=0.2，T-T=0.1667，q=0.5%×6=0.03，代入以上的歐式看漲股票指數期權定價公式，可以得到d1=0.5444，d2=0.4628，N（d1）= 0.7069，N（d2）=0.6782，則C=17.28，即一份股票指數期權合約的成本為17.28 美元。

② 哪位高人可以推導出金融期權的定價公式啊

這個方法也有不止一種，因為各種模型總會有不同和假設，和現實有差異。
建議你去看《Options, Futures, and Other Derivatives》 John C. Hull 這本書。也有翻譯過來的中文版《期權，期貨和其他衍生品》裡面從第十章開始有介紹期權定價的問題。
需要一定的微積分基礎的。這里也沒辦法寫出來。自己去解本書看看吧。那本書公式推導什麼都很清楚。

③ 期權定價問題

(25-20)-2+1=4
23-20-2+1=2
2-1=1（股票下跌不執行期權，損失等於期權買入價格和賣出價格的差額）
股票價格為21
執行合約21-20=1
剛好等於你買入期權賣出期權的差額
所以盈虧平衡

④ 期權定價是什麼意思 是指確定期權價格嗎比如說股票期權中購買股票應該支付的價格

期權定價即權利金，期權價格是由買賣雙方競價產生的。期權價格分成兩部分，即內涵價值和時間價值。期權價格＝內涵價值+時間價值。
期權定價是通過期權定價模型給期權確定一個價格，就是確定期權的價格，不過通過模型定的價是一個理論價格，在二級市場上流通的期權價格要受供求雙方的影響。
http://blog.eastmoney.com/laoniu998

⑤ 股指期貨定價模型的影響因素

股指期貨也可以用這個模型。

布萊克-斯科爾斯模型2009年08月09日 星期日 20:23布萊克-斯科爾斯模型（Black-Scholes Model，亦有譯為布萊克-休斯），簡稱BS模型，是一種為期權或權證等金融衍生工具定價的數學模型，由美國經濟學家邁倫·斯科爾斯與費雪·布萊克所最先提出，並由羅伯特·墨頓完善。該模型就是以邁倫·斯科爾斯和費雪·布萊克命名的。1997年邁倫·斯科爾斯和羅伯特·墨頓憑借該模型獲得諾貝爾經濟學獎。然而統計學上的肥尾現象影響此公式的有效性。

B-S模型5個重要假設
1、金融資產收益率服從對數正態分布；

2、在期權有效期內，無風險利率和金融資產收益變數是恆定的；

3、市場無摩擦，即不存在稅收和交易成本；

4、金融資產在期權有效期內無紅利及其它所得(該假設後被放棄)；

5、該期權是歐式期權，即在期權到期前不可實施。

模型
C = S * N(D1) − e − r * T * L * N(D2)

其中:

C—期權初始合理價格

L—期權交割價格

S—所交易金融資產現價

T—期權有效期

r—連續復利計無風險利率H

σ2—年度化方差

N()—正態分布變數的累積概率分布函數，

當然你可以用CAPM來做評估。

⑥ 期權的定價方法

這是一個老題目了，在知乎里也有一些類似的問題，但總感覺所有回答都有所欠缺，所以希望在這里對所有的數值方法進行一個梳理。按照我個人的分類，期權定價的數值方法分為五個大類：解析解方法，樹方法，偏微分方程數值解方法，蒙特卡洛方法，傅立葉變換方法。

1）解析解方法：

一個期權定價問題，其實就是根據已知的隨機微分方程（SDE）模型，然後來求解關於這個隨機過程函數表達式的過程。這也是為什麼隨機微積分和Ito lemma會是金融工程的核心知識之一，因為Ito直接告訴了我們一個隨機過程的函數所滿足的新SDE：

m{d}f(t, X_{t})=frac{partial f}{partial t} m{d}t + frac{partial f}{partial X_t} m{d}X_t + frac{1}{2}frac{partial^2 f}{partial X_t^2} m{d}[X, X]_t

然後，如果我們可以求出這個SDE的解析解，那麼一個歐式無路徑依賴期權的價格就是它在終值時刻折現的期望值。這就是一種期權定價的解析解方法，當然你也可以利用PDE來求解，由於Feynman Kac定理的存在，PDE和條件期望的答案會是一致的。

而這類方法的優點是顯而易見的，一旦解析解存在，那麼期權的價格公式計算速度就會非常之快，不論做擬合還是優化都會有效率上質的提升，而這類方法的缺點也很明顯，那就是，對於大部分模型和大部分奇異期權，解析解未必存在。

2）樹方法

之所以叫樹方法而不叫二叉樹，是因為我們也將討論三叉樹模型，但其實本質思想是一模一樣的。

如果告知你了一個標的資產的波動率，那麼你可以通過下述式子構造一個N段的二叉樹的上下波動：

u = m{e}^{sigmasqrt{T/N}}, d = m{e}^{-sigmasqrt{T/N}}

然後利用逆推，來得到初始時刻的期權價格。

那麼三叉樹呢？首先要明白一個道理，除了滿足了下列條件的三叉樹模型(u是上叉，d是下叉，l是中叉)

其餘的三叉樹都是incomplete market。在其餘的樹模型下，我們只能做到super-replicate，而不能完成perfect hedge。而這獨有的一種三叉樹模型，也成為了最常用的樹模型之一。或許有人好奇為什麼有二叉樹了，還有人使用更麻煩的三叉樹。這是因為三叉樹的收斂速度要高於二叉樹。

那麼樹模型的優缺點又是什麼呢？樹模型有一個任何連續時間模型都無法取代的優點，那就是每一個定價，在樹模型里，不論美式、歐式、路徑依賴、奇異，通過Backward Inction Principle得到價格，永遠都是伴隨著顯式對沖策略的。而在連續時間模型里，想獲得連續時間對沖策略的這類問題，是一個倒向隨機微分方程（BSDE）問題，有很多時候並不是那麼好解決的，尤其是當期權有奇異或美式屬性的時候。

另一方面，樹模型缺點也顯而易見，高維度問題樹模型是不能解決的，所以對於多個標的資產的問題，尤其是具有相關系數的資產，我們只能訴之於他法。而從速度上來講，樹模型的收斂速度是要低於PDE方法的。

3）PDE方法

很多對於quantitative finance陌生的人也會聽說過Black Scholes PDE。而實際上，不同的隨機模型，都會對應不同的PDE。BS PDE只不過是單資產符合幾何布朗運動隨機模型的PDE表達罷了。因為對於期權，我們往往知曉它最終到期日的payoff，所以我們用payoff函數來作為這個PDE的終值條件。

如果PDE存在解析解，最優辦法自然也是求解析解。然而，如果解析解不存在，我們就必須訴諸數值方法。最常用的數值解方法就是有限差分，也就是將所有變數構造一個網格，然後利用網格上的差分方法來估計偏導數，進而將PDE問題轉化為代數問題。而對於期權定價的PDE，我們會根據期權的性質，獲得這個PDE終值條件和邊值條件。然而，有時候根據不同的模型，我們可能得到的並不是一個簡單的PDE，而可能是PIDE（partial integral differential equation），也就是在PDE中多了積分項，這時候，我們需要同時再藉助數值積分來完成數值計算。

PDE的數值問題自然還有很多的選擇，有限元、譜方法都在列。但期權定價PDE本身並不像很多物理PDE有很大的非線性程度，邊界也並沒有那麼奇怪，所以基本上有限差分是可以解決絕大部分問題的。

有限差分法分三種：顯式差分，隱式差分，交錯差分。我們不深入研究演算法，但幾個點就是：穩定性上，顯式差分是條件穩定的，另外兩種都是無條件穩定；計算復雜度上，顯示最簡單，隱式次之，交錯最繁瑣；精確性上，顯式、隱式是同階的，交錯差分的特殊情形，顯式和隱式各佔一半時，也就是Crank-Nicolson差分，精度會在時間上也上升一階。

另外，在期權定價中PDE有兩大類，正向和倒向。傳統的BS PDE就是倒向的一個典型例子，它的終值條件就是期權的payoff function。而一個倒向PDE所對應的正向PDE，它不再是期權價格滿足的PDE，而是這個標的的「價格密度」所滿足的PDE。這個「價格密度」被稱為State price，或者Arrow Debreu price，抑或是Green function。而這個在我之前的一篇文章有介紹過

Arrow Debreu price與快速擬合

而PDE方法的缺點主要有兩點：路徑依賴問題，高維度問題。很多路徑依賴問題的PDE形式是很麻煩，甚至無法表達的，比如亞氏期權，比如回望期權。而對於高維度問題，如果PDE的數值方法會從平面網格上升到空間網格，在復雜度上不但繁瑣，而且在邊值條件上更難以控制。而PDE的優點則是速度快，而且根據差分的數值方法，在計算Greeks的時候不需要加以再次的bumping計算。舉個例子，如果不降維，一個具有兩個assets的期權的有限差分就是這樣的一個立方網格：

4）蒙特卡洛方法

蒙特卡洛方法是目前應用范圍最廣泛的方法了。因為不存在提前行權屬性的期權價格其實就是一個期望，所以我們就可以通過模擬很多的路徑，來用平均數估計真實期望。而美式或百慕大這種具有提前行權屬性的期權，它的期權價格其實是一個隨機優化問題。這類問題我們可以採用regression-based Monte Carlo，也就是最小二乘蒙特卡洛，利用regression來估計conditional NPV，然後再用蒙特卡洛求解當前價值。

所以說，蒙特卡洛方法是最為general的方法了。然而，蒙特卡洛的缺點也是顯而易見：因為要模擬上百萬條路徑，而且對於奇異期權還要做路徑上的計算，美式更要做回歸，蒙特卡洛方法成為了計算時間長的代名詞。但幸運的是，我們有三種提速的方法：1，利用方差縮減，在保證方差恆定的基礎上，可以減少模擬路徑；2，利用Multi-level 蒙特卡洛，減少complexity；3，利用GPU或超級計算機，進行並行計算。

對於普通蒙特卡洛方法，上述三種方法都是可行的，而且GPU的提速是非常顯著的。對於方差縮減，得強調一點的就是，一般而言，最簡單的方式是對偶變數，其次是控制變數，然後是利用條件期望，最難的是importance sampling，而在效果和適用范圍上，它們的排序往往是剛好相反的。比如美式期權的最小二乘蒙特卡洛，方差縮減的最有效手法就是important sampling，其他方法的效果很小。

這里另外再著重強調一下最小二乘蒙特卡洛。最小二乘蒙特卡洛的流程大致如下：首先，正向模擬標的路徑；其次，倒向在每個時間節點，對所有路徑值進行回歸，估算條件期望，直到初始時間點；最後，求平均。所以值得注意的一點就是，在這里，如果單純使用GPU cluster進行提速，效果並不是很理想，因為路徑模擬並不是最消耗時間的步驟，對所有路徑回歸才是。雖然如此，但其實還是可以用GPU cluster來對回歸精度加以提升，比如可以將路徑進行歸類，然後將global regressor轉換成多個local regressor。

總的來說，蒙特卡洛方法是期權定價中適用范圍最廣的數值方法，但也是最慢的方法。然而，我們可以利用方差縮減、復雜度縮減，以及GPU計算來優化我們的蒙特卡洛演算法，達到提速與增加精確性的目的。

5）傅立葉方法

傅立葉方法也被稱為特徵函數法，利用的就是對於很多的模型，它們的特徵函數往往是顯式表達的，比如靠具有independent increment的infinitely divisible process來決定的模型，因為在這樣的情況下，我們有Levy-Khintchine representation，很多擬合性質很好的過程，比如Variance Gamma，Normal Inverse Gaussian都屬於這一類。而特徵函數實際上可以看作是一個隨機變數的傅立葉變換，這也就是這個名字的由來。

如果我們有顯式表達的特徵函數，我們可以通過傅立葉逆變換來得到原隨機變數的密度，進而達到求解期權價格的目的。一般來講，這樣的方法要比PDE方法更加快速，因為數值積分的速度要比微分方程數值解的速度要快。然而，這類方法的缺陷也是顯而易見的，路徑依賴性和維度問題，以及我們必須要有顯式表達的特徵函數。

總結：

在這里，我們只講一些面上的東西。具體深入的東西，我會在公眾號：衍生財經上詳談。

⑦ 遲付期權的定價原理及案例

哥明兒之前給你做好。

⑧ 股指期貨是怎樣定價的

對股票指數期貨進行理論上的定價，是投資者做出買入或賣出合約決策的重要依據。股指期貨實際上可以看作是一種證券的價格，而這種證券就是這上指數所涵蓋的股票所構成的投資組合。同其它金融工具的定價一樣，股票指數期貨合約的定價在不同的條件下也會出現較大的差異。但是有一個基本原則是不變的，即由於市場套利活動的存在，期貨的真實價格應該與理論價格保持一致，至少在趨勢上是這產的。為說明股票指數期貨合約的定價原理，我們假設投資者既進行股票指數期貨交易，同時又進行股票現貨交易，並假定：

(1)投資者首先構造出一個與股市指數完全一致的投資組合(即二者在組合比例、股指的「價值」與股票組合的市值方面都完全一致);

(2)投資者可以在金融市場上很方便地借款用於投資;

(3)賣出一份股指期貨合約;

(4)持有股票組合至股指期貨合約的到期日，再將所收到的所有股息用於投資;

(5)在股指期貨合約交割日立即全部賣出股票組合;

(6)對股指期貨合約進行現金結算。

⑨ 布萊克斯科爾斯期權定價公式

定價公式：C=S·N(D1)-L·(E^(-γT))*N(D2)

其中:

D1=(Ln(S/L)+(γ+(σ^2)/2)*T)/(σ*T^(1/2))

D2=D1-σ*T^(1/2)

C—期權初始合理價格

L—期權交割價格

S—所交易金融資產現價

T—期權有效期

γ—連續復利計無風險利率H

σ2—年度化方差

N()—正態分布變數的累積概率分布函數

(9)股指期貨障礙期權的定價擴展閱讀：

理論前驅

1、巴施里耶（Bachelier，1900）

2、斯普倫克萊（Sprenkle,1961）

3、博內斯(Boness，1964）

4、薩繆爾森（Samuelson,1965）

定價方法

（1）Black—Scholes公式

（2）二項式定價方法

（3）風險中性定價方法

（4）鞅定價方法等