翟迎新,讓光林
(武漢大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院,湖北 武漢,430072)
?
有限狀態(tài)多期模型下的最小κ熵等價鞅測度期權(quán)定價
翟迎新,讓光林
(武漢大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院,湖北 武漢,430072)
本文用一個純跳的隨機(jī)過程來描述標(biāo)的資產(chǎn)價格的動態(tài)性,稱為有限狀態(tài)多期模型??紤]只有一個標(biāo)的資產(chǎn)的期權(quán)定價模型,給出其最小κ熵等價鞅測度,在此基礎(chǔ)上采用Monte Carlo模擬歐式期權(quán)定價MCMEM(κ)方法,分別以虛擬Black-Scholes世界中歐式期權(quán)價格和現(xiàn)實金融市場中的麥當(dāng)勞股票期權(quán)價格為例,對MCMEM(κ)和Black-Scholes公式等其他定價方法進(jìn)行比較,驗證了MCMEM(κ)的可行性。
最小熵;等價鞅測度;期權(quán)定價;有限狀態(tài)多期模型;歐式期權(quán)
Black-Scholes期權(quán)定價公式為包括股票、債券、貨幣、商品在內(nèi)的新興衍生金融市場中各種根據(jù)市價變動定價的衍生金融工具的合理定價奠定了基礎(chǔ)。但Black-Scholes期權(quán)定價模型中有很多假設(shè)與現(xiàn)實市場不符,如股票價格行為服從對數(shù)正態(tài)分布模式、在期權(quán)有效期內(nèi)無風(fēng)險利率和金融資產(chǎn)收益恒定等。隨著金融理論的不斷完善,很多研究人員開始探討放松Black-Scholes模型中的某些條件以獲得新的期權(quán)定價模型。例如,用隨機(jī)變量替代Black-Scholes期權(quán)定價模型中的某些固定參數(shù),得到隨機(jī)波動率模型[1];在標(biāo)的資產(chǎn)價格運動模型中引入跳-擴(kuò)散過程或純跳過程[2];用非參數(shù)方法對衍生產(chǎn)品進(jìn)行定價,如正則定價法[3-4]。
本文擬采用一個純跳的隨機(jī)過程來描述標(biāo)的資產(chǎn)價格,考慮只有一個標(biāo)的資產(chǎn)的有限狀態(tài)多期模型,給出其最小κ熵等價鞅測度,并提出基于Monte Carlo模擬的歐式期權(quán)定價方法,然后分別以虛擬Black-Scholes世界中歐式期權(quán)和現(xiàn)實市場中的麥當(dāng)勞股票期權(quán)價格為例,對最小κ熵等價鞅測度定價方法(MCMEM(κ))和Black-Scholes公式等其他定價方法進(jìn)行比較,以驗證MCMEM(κ)的可行性。
1.1 有限狀態(tài)多期模型
本文采用文獻(xiàn)[5]建議的逐天記錄價格變化的模型作為股票價格運動模型。記當(dāng)前時刻的股票價格為S0,T天以后的股票價格可以表示成
(1)
式中:Zj是從第j-1天到第j天股票價格的變化量,即Zj=Sj-Sj-1。
假定所有價格變化來自一個有限狀態(tài)空間Z={z1,z2,…,zn},其中n是狀態(tài)的個數(shù)。關(guān)于股票價格逐日的變化量,作如下假定(APC):
(1)Z中元素的個數(shù)是有限的, 可以由歷史數(shù)據(jù)估計出來;
(2)標(biāo)的資產(chǎn)價格的逐日變化之間相互獨立;
將以上模型稱為有限狀態(tài)多期模型。這個模型中每天股票價格的可能變化超過2個,一般而言這樣的市場都是不完備市場。
在不完備市場下,等價鞅測度集合通常不是單點集合,需要從許多等價鞅測度中選取一個合適的定價測度。備選原則有多種,應(yīng)用相對熵最小原則就可以得到最小κ熵等價鞅測度[6],該測度誘導(dǎo)出來的定價泛函是一個正的泛函,從而是一個合適的定價測度。
1.2 最小κ熵等價鞅測度
記市場價格變化的自然測度為P,記它的等價鞅測度為Q。由無套利定價原理可知, 對于一個T天的價格過程, 等價鞅測度Q必須滿足:
(2)
在有限狀態(tài)多期模型中, 第j天價格變化的自然測度為
P的等價鞅測度Q必須滿足式(2)和下面的約束:
定義1 設(shè)(Ω,F,Ρ)為一個概率空間,Q為可測空間(Ω,F)上的另一概率測度,定義測度Q相對于測度P的相對κ熵[6]為
Hκ(Q|
對于有限狀態(tài)多期模型而言,Q關(guān)于P的相對κ熵為
下面研究一種最簡單的情形: 假定所考慮的期權(quán)寫在一種標(biāo)的資產(chǎn)上,在T天以后到期,標(biāo)的資產(chǎn)在所考慮時間段內(nèi)沒有紅利支付,在到期日前銀行利率是一個常數(shù),沒有交易費用,這正是文獻(xiàn)[3]中考慮的情形。
由式(2)以及關(guān)于股票價格變化的假設(shè)(APC),有
可以改寫為
根據(jù)最小κ熵等價鞅測度的定義,有如下凸優(yōu)化問題:
使用拉格朗日乘數(shù)法,取兩個拉格朗日乘子分別為λ和γ,則目標(biāo)函數(shù)為
(3)
式中:Q=(q1,q2,…,qn)。
分別對目標(biāo)函數(shù)式(3)關(guān)于Q、λ、γ求偏導(dǎo)后可得到以下方程組:
λ+γzi=0,i=1,2,…,n
(4)
(5)
(6)
=1,則
由式(4)可以得到
(7)
(8)
{[-(λ+γzi)-
i=1,2,…,n
(9)
其中,(λ,γ)∈R2為以下方程組的唯一解:
從命題1可以看出, 最小κ熵等價鞅測度是關(guān)于S0、r、T、Ρ的函數(shù)。用LINGO軟件可直接求得Q*,然后就能夠根據(jù)無套利定價原理給出T天后到期、敲定價格為K的歐式期權(quán)的風(fēng)險中性價格:
(10)
1.3 Monte Carlo模擬計算風(fēng)險中性價格
對于一個T天后到期的歐式看漲期權(quán),標(biāo)的資產(chǎn)的價格軌道中有T個價格變化需要模擬。這些價格變化被認(rèn)為是從一個有限狀態(tài)集合中按照最小κ熵等價鞅測度Q*獨立抽取的樣本, 按如下方式記向量QC:QC(1)=0,QC(i)=QC(i-1)+Q*(i-1),i=2,3,…,n。
為了模擬出一條軌道上的第j次價格變化Zj,首先隨機(jī)抽取一個區(qū)間 [0,1] 上的均勻分布隨機(jī)變量s,如果滿足QC(i)≤s (1)空氣濾清器阻塞清洗空氣濾清器芯子或清除指質(zhì)濾芯上的灰塵,必要時應(yīng)更換,以及檢查機(jī)油平面是否正常。(2)排氣管阻塞或接管過長,轉(zhuǎn)彎半徑太小、彎頭過多清除排氣管內(nèi)積碳,重新排氣接管,彎頭不能多余三個,并有足夠大的排氣截面。 其中,Zk,j為第k條價格軌道中j時刻的價格變動。 在下面的研究中, 每次估計期權(quán)價格都用 Monte Carlo 方法[7]產(chǎn)生N=1000條價格的樣本軌道,然后把樣本平均作為期權(quán)價格的估計值。本文將采用Monte Carlo模擬方法計算風(fēng)險中性價格的最小κ熵等價鞅測度定價方法記為MCMEM(κ),而將最小熵等價鞅測度定價方法[7]記為MCMEM(0)。 圖1 效用函數(shù)曲線的對比 表1 不同κ值所對應(yīng)的u′與的偏差 以上分析說明,最小κ熵等價鞅測度更加貼近實際的金融市場,所以MCMEM(κ)定價方法理論上要優(yōu)于MCMEM(0)定價方法。 在虛擬Black-Scholes世界中,本文采用如下改進(jìn)的方法對歐式期權(quán)價格進(jìn)行估計:生成一條長度為T的價格軌道, 然后從這些價格中估計出歷史波動率δ和市場狀態(tài)集合Z,計算出相應(yīng)的基于歷史波動率的Black-Scholes值(HVBS)和MCMEM(κ)值,并與真實的Black-Scholes值(BS)進(jìn)行比較。由于價格軌道產(chǎn)生的隨機(jī)性,實驗重復(fù)以上過程100次,取其平均值作為各種方法對歐式期權(quán)價格的估計。 在上述隨機(jī)模型中,設(shè)連續(xù)復(fù)利r=0.05,幾何布朗運動的漂移和波動率分別為μ=0.05,δ=0.2。計算出固定敲定價格K=100、到期日T=30、當(dāng)前市場價格S0不同時的期權(quán)價格,結(jié)果如表2所示。 表2 采用不同方法的期權(quán)定價(K=100,T=30) 由表2可見,HVBS值與BS值的平方誤差和最小,而相比于MCMEM(0),MCMEM(κ)(κ=0.1,0.25,0.5,0.75)值與BS值的平方誤差和較小,這也進(jìn)一步說明MCMEM(κ)方法比MCMEM(0)方法在期權(quán)定價中的表現(xiàn)更好。HVBS值與BS值的平方誤差和很小是因為HVBS在估計期權(quán)價格的過程中用到了標(biāo)的資產(chǎn)價格運動是幾何布朗運動的信息,而MCMEM(κ)方法卻可以在沒有利用任何有關(guān)標(biāo)的資產(chǎn)價格運動過程分布特性的前提下得到如此準(zhǔn)確的估計,說明其能夠有效地從標(biāo)的資產(chǎn)的歷史價格數(shù)據(jù)中收集可用于期權(quán)定價的信息。因此,MCMEM(κ)方法是可行的且優(yōu)于最小熵等價鞅測度定價方法 。 一種期權(quán)定價方法在虛擬世界中表現(xiàn)得再好, 也不能保證它在現(xiàn)實市場中的適用性,所以下面以麥當(dāng)勞股票為例分析MCMEM(κ)方法在實際金融市場中的表現(xiàn)。 以麥當(dāng)勞股票(股票代碼MCD)為標(biāo)的資產(chǎn),選取其在2012年1月9日至2016年4月25日期間的1080個收盤價數(shù)據(jù),初始值S0取股票歷史價格的最后一個值,即2016年4月25日的收盤價,故S0=127.46。取無風(fēng)險利率為1%,分別對到期日T=5、20、40、105、195,執(zhí)行價格K=115、120、125、130、135、140的期權(quán)價格進(jìn)行分析。 采用R語言編程計算,由麥當(dāng)勞股票的1080個收盤價數(shù)據(jù)和其他給定的參數(shù),得到歐式看漲期權(quán)的HVBS值和MCMEM(κ)值 (κ=0,0.1,0.25,0.5,0.75),結(jié)果見表3。表4為麥當(dāng)勞股票真實期權(quán)價格與各定價方法下估計值的平方誤差和。 由表3可見,MCMEM(κ)定價的擬合效果比較好,更加驗證了該方法的適用性和可行性。MCMEM(κ)方法估計的期權(quán)價格在到期日較短時優(yōu)于基于歷史波動率的Black-Scholes方法所得期權(quán)價格(HVBS),但是在到期日較長時,MCMEM(κ)定價法得到的期權(quán)價格偏離真實價格較遠(yuǎn),這是因為歷史價格的數(shù)據(jù)有限,短期變化可以從歷史信息中表現(xiàn)出來,但是長期的變化則無法根據(jù)有限的歷史信息完全預(yù)測。 表3 采用不同方法的麥當(dāng)勞股票期權(quán)定價 續(xù)表 K定價方法期權(quán)價格T=5T=20T=40T=105T=195125BS2.673.494.045.987.95HVBS2.73113.62984.49516.45538.4077MCMEM(0)2.63753.23463.75134.82046.7613MCMEM(0.1)2.63903.19924.10535.24846.9008MCMEM(0.25)2.64613.02623.85925.21446.8241MCMEM(0.5)2.50432.97453.49404.82857.0587MCMEM(0.75)2.52013.23023.84065.09286.5183130BS0.100.791.323.355.45HVBS0.25471.14712.01293.97985.9429MCMEM(0)0.10730.54251.21242.55453.7936MCMEM(0.1)0.13980.64031.22592.65553.9480MCMEM(0.25)0.06620.60341.25892.59773.8649MCMEM(0.5)0.07150.62991.15592.42164.0690MCMEM(0.75)0.09010.62341.19502.78063.9363135BS0.020.060.251.603.45HVBS0.00260.22280.71882.27414.0496MCMEM(0)0.00390.03370.27171.07762.0441MCMEM(0.1)0.00290.03940.26001.20962.2370MCMEM(0.25)0.00260.04530.29711.05372.2316MCMEM(0.5)0.00020.03520.26041.12812.4216MCMEM(0.75)00.05060.24371.13222.1007140BS0.050.010.050.552.05HVBS00.02570.20271.20412.6620MCMEM(0)00.00360.01270.40231.0534MCMEM(0.1)00.00500.03870.34611.1316MCMEM(0.25)00.00590.02740.46971.1813MCMEM(0.5)000.02200.29681.0822MCMEM(0.75)00.00070.03150.37581.1462 表4 麥當(dāng)勞股票真實期權(quán)價格與各定價方法所得估計值的平方誤差和 從表4可以看出真實期權(quán)價格與MCMEM(κ)(κ=0.1,0.25,0.5,0.75)的平方誤差和要小于其與MCMEM(0)的平方誤差和,這為MCMEM(κ)定價方法的存在必要性進(jìn)一步提供了依據(jù)。 本文引入了一種新的期權(quán)定價方法——采用Monte Carlo模擬的最小κ熵等價鞅測度定價MCMEM(κ),它是一種完全由數(shù)據(jù)驅(qū)動的定價方法,不依賴任何關(guān)于股票價格分布的假設(shè),也可以嵌入隨機(jī)紅利或隨機(jī)利率的影響,因此應(yīng)用比較靈活。 從虛擬Black-Scholes世界中歐式期權(quán)定價隨機(jī)模擬實驗結(jié)果和現(xiàn)實金融市場中麥當(dāng)勞股票期權(quán)定價結(jié)果來看,MCMEM(κ)方法是可行的,且在一定程度上要優(yōu)于MCMEM(0)。 [1] Hull J, White A. The pricing of options on assets with stochastic volatilities[J].The Journal of Finance, 1987,42:281-300. [2] Merton R C. Option pricing when underlying stock returns are discontinuous[J].Journal of Financial Economics,1976,3:125-144. [3] Stutzer M.A simple nonparametric approach to derivative security valuation[J].Journal of Finance,1996,51:1633-1652. [4] 唐月涵.任意期權(quán)的正則定價[D].南京:南京理工大學(xué),2014. [5] Rydberg T H, Shephard N.A modeling framework for the prices and times of trades made on the New York Stock Exchange[EB/OL]. Nuffield College Working Paper W99-14.(1999-06-04)[2016-04-05].https://ssrn.com/abstract=164170. [6] Trivellato B.The minimal κ-entropy martingale measure[J].International Journal of Theoretical and Applied Finance,2012,15(5):1250038. [7] 黃光輝.有限狀態(tài)多期模型下的期權(quán)定價和市場風(fēng)險研究[D].武漢:華中科技大學(xué),2006. [8] 湯思英,劉繼春,杜立金.最小對稱熵鞅測度和不完備市場中的定價問題[J].廈門大學(xué)學(xué)報:自然科學(xué)版,2004,43(4):465-468. [責(zé)任編輯 尚 晶] Option pricing based on the minimalκ-entropy equivalent martingale measure for finite state multi-period model ZhaiYingxin,RangGuanglin (School of Mathematics and Statistics, Wuhan University, Wuhan 430072, China) This paper uses a pure jump stochastic process called the finite state multi-period model to describe the dynamics of underlying asset prices. Option pricing model for only one underlying asset is considered and the minimumκ-entropy equivalent martingale measure is deduced. On this basis, a pricing method for European option using Monte Carlo simulation named as MCMEM(κ) is proposed. MCMEM(κ) and other pricing methods such as Black-Scholes formula are used to evaluate European option price in a virtual Black-Scholes world and the option price of McDonald’s stock in the real financial market. The comparison results verify the feasibility of MCMEM(κ). minimal entropy; equivalent martingale measure; option pricing; finite state multi-period model; European option 2016-07-06 國家自然科學(xué)基金資助項目(11571272). 翟迎新(1992-),女,武漢大學(xué)碩士生.E-mail:2014202010053@whu.edu.cn 讓光林(1970-),男,武漢大學(xué)副教授,博士.E-mail:glrang.math@whu.edu.cn F830.9;F224 A 1674-3644(2016)06-0472-062 MCMEM(κ)與MCMEM(0)的比較
3 MCMEM(κ)在虛擬Black-Scholes世界中的應(yīng)用
4 MCMEM(κ)在現(xiàn)實金融市場中的應(yīng)用
5 結(jié)語