这里我们将简单总结期权定价和对冲的理论。更多的细节请参见我的另一本书《波动率交易:期权量化交易员指南》。
期权定价模型应包括以下变量和参数:
► 标的资产价格和行权价格,这决定了期权的内在价值。
► 期权期限。
► 任何与持有期权或者标的资产有关的因素,包括股息、借贷利率、持仓成本和利率。
► 波动率或者其他能够量化未来不确定性的指标。
一个不必要的变量是标的资产预期收益。显然,标的资产收益对于期权收益是重要的,但是它和期权即时价值无关。如果包含了这一漂移项,将会形成矛盾。假设预期标的资产价格将会上涨,意味着认购期权价值将会更高。但是认沽认购平价关系意味着,认购期权价格的上涨会导致相同行权价格的认沽期权价值也会上涨。类似情形也适用于熊市。认沽认购平价关系足以说明标的收益与当前期权价格无关,但是(也许没那么明显)这种无关也可能是动态复制导致的。
这并不是期权独有的异常情形。在很多情形下,人们认同未来的价格变化,但却不影响当前的价格。例如,法拉利会认为其汽车的长期价值是高于厂商建议零售价(MSRP)的。但是它现在就可以造车然后靠卖车来获利。作为厂商,它靠复制价值就保证获利,而不必考虑未来价格变动。同理,做市商也可以不考虑标的资产收益来复制期权价格。如果它们考虑了标的资产收益,它们还可能被其他人套利。
经典的期权定价模型是BSM模型。为了简化,忽略利率,认购期权价格 C 的BSM偏微分方程是
其中 S 是标的资产价格, σ 是标的资产波动率, t 是期权到期前的时间。
或者使用标准定义, Γ 是期权价格对标的资产价格的二阶偏导, θ 是期权价格对时间的导数。
在特定期权的损益条件下,就可以用标准的数值或者分析方法求解。
Γ 和 θ 的关系对于理解如何利用期权获利至关重要。假设我们买入认购期权,标的股票价格从 S t 变到 S t+ 1 。Delta损益就是期初Delta( ∆ )和期末Delta的平均值乘以标的资产的价格变化。
如果期权期初是Delta中性的,则损益是
注意到
因此,在每个时间区间内的对冲收益为
尽管式(1-6)的等式只是渐近正确的,但如果我们使用价格变化的极小值,那么推导就是精确的。
这是BSM微分方程的第一个形式。BSM认为由于Gamma产生的再平衡收益等同于期权的Theta,即预期的(价格)变动抵消了时间损耗。方向中性的期权头寸只有当期权(支配Theta的)隐含波动率与(决定再平衡收益的)标的资产已实现波动率不同时,才能获利。不管期权结构和对冲机制如何,这都是适用的。
如果我们可以识别波动率不一致的情形,那么期权头寸的预期收益将是
这是期权交易的基本方程。所有的“时间衰减”和“Gamma交易”(Gamma scalping)的损益都在这个关系式中呈现。
还要注意的是Vega损益会影响到期权的方向性交易。如果我们为期权支付错误的隐含波动率,我们可能仍会获利,但还不如通过标的资产复制期权。
BSM模型依赖于一系列金融和数学假设:
► 标的资产是可交易的。
► 存在单一的无风险利率。
► 标的资产可以卖空。
► 卖空收益可以按无风险利率再投资。
► 所有现金流按照相同税率征税。
► 标的资产收益是连续的,并且按固定波动率形成正态分布。
交易员设计了非常多的变通方案来处理这些限制性假设(参见附录A),其中最重要的是隐含波动率曲面的概念。如果BSM模型是精确的描述性理论,那么标的资产所有期权的波动率都相同。事实并非如此。对于通过重复反推期权市场价格的BSM模型而言,不同行权价格的期权有不同的隐含波动率(即波动率微笑),不同期限的期权也有不同的隐含波动率(即波动率期限结构)。这些隐含波动率构成了隐含波动率曲面(示例见图1-1)。
图1-1 SPY的隐含波动率曲面(2019年9月10日)
隐含波动率曲面存在的部分原因是BSM模型在数学意义上有误。标的资产收益并不连续,也没有按照固定波动率正态分布。然而,即使是可以完美捕捉标的资产动态变化的模型,也需要隐含波动率曲面这一容差系数。另外,隐含波动率曲面存在的部分原因和标的资产无关。不同的期权有不同的供求关系,这将让期权价格有所失真。正因如此,就同一标的而言,卖出较高波动率的期权通常会带来收益(详见第4章的隐含偏度溢价)。
式(1-7)给出了对冲后期权头寸的平均损益,但是损益的分布很广。对冲的次数越多,分散度越小。图1-2展示了无再对冲的一年期平值卖出跨式损益分布,图1-3展示了每日对冲的一年期平值卖出跨式损益分布。标的资产变化路径通过10000次几何布朗运动(GBM)实现。隐含波动率和已实现波动率相同,因此我们预期损益为零。
图1-2 无再对冲的一年期平值卖出跨式损益分布
注:股价为100美元,利率为0,已实现波动率和隐含波动率都为30%。
图1-3 每日对冲的一年期平值卖出跨式损益分布
注:股价为100美元,利率为0,已实现波动率和隐含波动率均为30%。
图1-4展示了损益分布的标准差与对冲次数的关系。
图1-4 一年期平值卖出跨式最终损益分布的标准差与对冲次数的关系
注:股价为100美元,利率为0,已实现波动率和隐含波动率都为30%。
由于对冲有损耗,因此需要以较低频率进行对冲,并接受更大范围的损益分布标准差。所有对冲都会产生交易成本(佣金、交易费和设备费用)。这些成本在投资组合中很容易被忽略。单次交易成本微小,但是成本会累积。为了强调这一点,表1-1对比了每日对冲需要成本的卖出跨式(每股交易成本0.1美元)和对冲无需成本的卖出跨式统计数据。两种情形的区别大致相当于波动率被错估了2个点的情形差异。
表1-1 有无对冲成本的一年期平值卖出跨式的数据对比
注:股价为100美元,利率为0,已实现波动率和隐含波动率都为30%。
实际上,激进的再对冲由做市商和一些波动率专家来执行。绝大多数个人或者买方极少对冲或者从不对冲。我在另一本书中讨论了希望近似于连续对冲的相关理论。在本书中,我们假设没有发生再对冲。这些结论也同样适用于那些不经常对冲的人。他们可以假设原始头寸已经了结,并建立新的头寸。因此,一个月后被对冲的一年期头寸可以得到类似于11个月期的期权头寸分布。