期权定价中的BAW和CRR模型
随着中国市场商品期权上市步伐加快,我们可以发现其大多数都是美式期权。
由于美式期权在到期前任何一个交易都可进行行权,这使得其定价的复杂度远大于欧式期权;而美式期权上不存在封闭解,必须求助于数值计算方式,大多数情况我们通过求一个可行的近似解逼近来求解。目前豆粕、白糖、玉米、棉花、橡胶的商品期权都是美式期权,我们将分别对常见的用于美式期权定价的 BAW 模型和 CRR 模型进行简单介绍。
BAW模型
BAW模型是Barone—Adesi 和 Whaley 提出的 。BAW 模型是基于 Macmillan 模型来进行定价的。BAW 主要将美式期权定价部分分解成两块,一部分是欧式期权定价即通过 BS 模型进行定价,另一部分是由于美式期权可以提前行权而需要增付的期权金,即可以看做 BS 的直接推广。在不支付红利的情形下,美式看涨期权一般情况是不会被进行提前行权(提前行权将失去时间价值,而支付红利情况下,期权本身无法像标的资产分到红利,持续持有并不有利于买方),所以在此情形下,美式看涨期权和欧式看涨期权应具有相同价格,可以通过 BS 模型进行定价。而美式看跌期权在标的资产价格低位的情况下,则会有可能被提早实施行权,所以美式看跌期权的价格一般情况下总是高于或等于相对应欧式看跌期权的价格。
美式看跌期权定价模型
CRR模型
CRR模型是由 Cox,Ross 和 Rubinstein 提出的,最初是一种 BS 期权定价模型的简化推导方式,但后期多用于美式期权定价。二叉树模型是树状模型的其中一类,是对连续模型的离散化逼近,在有限维的空间里寻找对真实解的近似。二叉树的基本思想是在风险中性的条件下,将期权价格的连续时间随机过程离散化,再利用离散节点所形成的价格树状路径反向求出期权的价值,对于美式期权,由于可以提前行权,每一节点上期权的理论价格应为期权行权收益和贴现计算出的期权价格两者较大者。
CRR 与 BAW 特性及对比
BAW 特性
BAW 长期定价偏高
可以发现 BAW 在看涨期权上面定价一直处于偏高状态,看跌期权上面短期偏低,长期偏高。
CRR 特性
CRR 收敛性
二叉树定价方式随着步数增加,计算结果趋于收敛状态,在此我们进行了步数为100 的平价看跌期权模拟。
CRR 步长越多精度越高
这里我们以 CRR 模拟步数 10000 步为基准,可以发现 CRR 精度只与步长有关,当步长达到 1000 时候,误差可以控制在十分位上面,且 CRR 定价在长期上面的误差度小于短期的。
CRR 与 BAW 对比
通过对比可以发现,CRR 到期日较短的定价,BAW 的精度比 CRR 的精度更高。美式看跌期权长期定价,CRR 的精度高于 BAW 的。但是在计算速度上,BAW 比 CRR有明显优势,BAW 基本用时在 0.001~0.003 秒,而 1000 步二叉树用时则需要 0.5 秒左右。
在实际运用当中,定价更多的是被做市商等报价方所运用,在报价时他们也有更多的模型可以进行选择,从而在计算精度上和速度之间选择到最优点;而对于投资者而言,更多的关注则在隐含波动率方面,通过隐含波动率来辅助其交易。在真格量化中,BAW和CRR模型可以通过QuantLib库进行调用。
期权定价中的BAW和CRR模型相关推荐
- python使用sklearn中的make_classification函数生成分类模型(classification)需要的仿真数据、使用pandas查看生成数据的特征数据、目标数据
python使用sklearn中的make_classification函数生成分类模型(classification)需要的仿真数据.使用pandas查看生成数据的特征数据(features).目标 ...
- 独家 | 在R中使用LIME解释机器学习模型
作者:PURVAHUILGOL 翻译:陈丹 校对:欧阳锦 本文约3200字,建议阅读15分钟 本文为大家介绍如何在R中使用LIME来解释机器学习模型,并提供了相关代码. 关键词:机器学习模型解释.R语 ...
- 聊聊 Linux 中的五种 IO 模型
聊聊 Linux 中的五种 IO 模型 2016/04/21 · IT技术 · 8 评论 · iO, 同步, 异步, 阻塞, 非阻塞 分享到:0 本文作者: 伯乐在线 - 陶邦仁 .未经作者许可,禁止 ...
- 详解 Java 中 4 种 I/O 模型
同步.异步.阻塞.非阻塞都是和I/O(输入输出)有关的概念,最简单的文件读取就是I/O操作.而在文件读取这件事儿上,可以有多种方式. 本篇会先介绍一下I/O的基本概念,通过一个生活例子来分别解释下这几 ...
- 【杂谈】有三AI秋季划火热进行中,如何深入学习模型优化,人脸算法,图像质量等研究方向...
文/编辑 | 言有三 这是我们最后一次CV季划,关于春季划和夏季划的说明,大家可以阅读往期文章. 这个春天,有三最后一月的学习"季划"招生 最后24小时,有三AI夏季划报名即将截止 ...
- 【NLP】ACL 2021中的25个Transformers模型
前言 言归正传,这次我们总结一下ACL2021中的Transformers,看看2021年了,NLPer在如何使用.应用.改进.分析Transformers,希望可以对大家产生idea有帮助. 本文涉 ...
- 视频直播中用户连麦技术模型与特点分析
本文章来源与网络(视频直播中用户连麦技术模型与特点分析 - 老头慢慢飞 - 博客园) 随着Web与移动视频直播应用的深度发展,有用户参与互动的视频直播技术被越来越多平台所支持,原来的RTMP流媒体方案 ...
- 【转】图形流水线中坐标变换详解:模型矩阵、视角矩阵、投影矩阵
转自:图形流水线中坐标变换详解:模型矩阵.视角矩阵.投影矩阵_sherlockreal的博客-CSDN博客_视角矩阵 图形流水线中坐标变换详解:模型矩阵.视角矩阵.投影矩阵 图形流水线中坐标变换过程 ...
- MVC中Model BLL层Model模型互转
MVC中Model BLL层Model模型互转 一. 模型通常可以做2种:充血模型和失血模型,一般做法是模型就是模型,不具备方法来操作,只具有属性,这种叫做失血模型(可能不准确):具备对模型一定的简单 ...
最新文章
- 动画演示 Delphi 2007 IDE 功能[3] - 修改属性
- 我对于全栈工程师的理解
- Java——设计模式(工厂方法模式)
- 科学的分析猪八戒到底是什么猪,黑猪还是白猪?
- mysql查询今天_昨天_7天_近30天_本月_上一月 数据_(转载)mysql查询今天、昨天、7天、近30天、本月、上一月数据...
- python做饼图出现重影_Matplotlib 绘制饼图解决文字重叠的方法
- PyTorch入门-词向量
- 关于get_magic_quotes_gpc()函数
- AI 是中性的技术,如何用它更好地为人类服务
- 怎么看so文件是哪个aar引进来的_运城人才引进7月5号面试
- 武电实业卡密接口对接经验分享
- main函数参数解析
- seaborn_Seaborn Distplot:综合指南
- QObject类 moc处理后代码
- 【深入理解JS核心技术】14. 什么是一元函数
- 用计算机计算勾股定理,勾股定理公式计算器(勾股定理计算工具)V2018.1.0 官方版...
- 用java设计族谱家谱制_家谱网站的设计与实现.doc
- 亚马逊仓库部署机器人:每小时挑拣物品为过去三倍
- 怎么用计算机的计算器转换进位制,计算机进制换算(进制转换计算器)
- ppt复制切片器_手把手教你使用Excel切片器,小白也能做出好看又好玩的动态图表...
热门文章
- 【软件工程】UML用例图总结
- 软件工程学科思维导图
- matlab灰度图像分割标记,matlab – 分割灰度图像
- MySQL架构原理(七)集群架构和主从模式部署
- 昂达 android x86,【图片】昂达v975w双系统(win10+x86安卓5.1R1)安装教程(2016.7.15更)_v975w吧_百度贴吧...
- uniapp 数据统计,数据埋点,自定义事件埋点封装
- ZZULIOJ:1008: 美元和人民币
- mysql兼容微信表情
- 时间序列分析应用实例(使用Eviews软件实现)
- 能被4,6,7,8,9,11整除的数