5蒙特卡洛方法模拟期权定价

合集下载

蒙特卡洛模拟在金融中的作用

蒙特卡洛模拟在金融中的作用

蒙特卡洛模拟在金融中的作用蒙特卡洛模拟是一种基于随机抽样的数值计算方法,通过随机抽样的方式来模拟实际系统的不确定性因素,从而进行风险评估、决策分析和价格计算。

在金融领域,蒙特卡洛模拟被广泛运用于风险管理、资产定价、投资组合优化等方面,发挥着重要的作用。

本文将探讨蒙特卡洛模拟在金融中的作用,并介绍其在不同领域的具体应用。

一、风险管理在金融市场中,风险管理是至关重要的。

蒙特卡洛模拟可以帮助金融机构和投资者评估和管理各种风险,包括市场风险、信用风险、操作风险等。

通过模拟大量的随机路径,可以更准确地估计资产组合的价值变动范围,从而制定相应的风险控制策略。

例如,在衍生品定价中,可以利用蒙特卡洛模拟来评估期权的价格,同时考虑到不确定性因素对价格的影响,帮助投资者更好地管理风险。

二、资产定价资产定价是金融领域的核心问题之一。

蒙特卡洛模拟可以用来估计资产的未来价格走势,帮助投资者制定合理的投资策略。

通过模拟大量的随机路径,可以得到资产价格的概率分布,进而计算期望收益和风险指标,为投资决策提供参考依据。

在股票、债券、商品等各类资产的定价中,蒙特卡洛模拟都可以发挥重要作用,帮助投资者更好地把握市场机会。

三、投资组合优化投资组合优化是指在给定风险偏好的情况下,选择最佳的资产配置方案,以实现投资组合的最优化。

蒙特卡洛模拟可以帮助投资者评估不同资产配置方案的风险和收益特征,找到最优的投资组合。

通过模拟大量的随机路径,可以得到不同资产配置方案的效果分布,进而选择最适合自己需求的投资组合。

在资产配置、风险分散、收益最大化等方面,蒙特卡洛模拟都可以提供有力支持。

四、金融工程金融工程是金融学与工程学相结合的交叉学科,旨在开发新的金融产品和金融工具,以满足市场的需求。

蒙特卡洛模拟在金融工程中有着广泛的应用,可以用来设计和定价各种复杂的金融产品,如期权、衍生品、结构化产品等。

通过模拟不同的市场情景和价格变动,可以更好地理解金融产品的特性,为金融创新提供技术支持。

欧式敲入期权的蒙特卡洛定价法改进——蒙特卡洛重要抽样法

欧式敲入期权的蒙特卡洛定价法改进——蒙特卡洛重要抽样法

中 图法分类 号
F 3 . 1 809 ;
文献标 志码

对 金 融 产 品 及 其 衍 生 物 的 定 价 方 法 研 究 一 直 是金 融 工 程 的热 点 问 题 , 其 是 自 1 3 尤 9 0年 E r o ni c Fr i em 介绍 蒙特 卡 洛模 拟 法 ( neC r i ua o ) Mo t al Sm lt n o i 及 14 9 6年 Sa lm 和 Vo ema n对 该 方 法 作 t Ua n nN u n 进 一步 发展后 , 蒙特 卡 洛 模 拟 法 被 越 来 越 多 应 用 于

数测 度变化 的一 大特 征 。
( ) ) ) () 3
E hX) [ ( ]= f()( d ^ 厂 )x
() 1
式( ) 1 中 是定 义在 上 的随 机变量 , 的概 率 密 它
度 函数 为 _h是 一 的 函数 。普通 蒙 特 卡洛 估计 厂 ,
静 ( 9 4 ) 女, 18 一 , 汉族 , 陕西岐 山人。陕 西师
通信作者简介 : 张
( neC r otneSmpigm to ) 过 合 理 Mot al I r c a l e d 通 o mp a n h
改 变 随机变量 的测度 和分布 , 改变样本抽样重心 , 使对 有效概率贡献 大 的样本 出现 的 比重 增加 , 而将 更多 从
标 准差 。例 如 在计 算预 期值
值 为
1 n
范大学国 际商学 院 经济 学 硕 士生 。Ema :ia94 0 2 g i — i nn1 8 10 @ ma . l l
co n
0 ÷∑h i & & = X c 仅 =己 ( ) =

计算机模拟和蒙特卡洛方法

计算机模拟和蒙特卡洛方法

计算机模拟和蒙特卡洛方法计算机模拟和蒙特卡洛方法是计算机科学领域中常用的数值计算方法。

它们可以用来解决各种复杂问题,包括求解数学方程、优化问题、物理仿真等。

本文将从定义、原理和应用等方面对计算机模拟和蒙特卡洛方法进行详细介绍。

1.计算机模拟1.1建立数学模型:将现实系统抽象为数学方程或算法模型,包括物理定律、逻辑规则等。

1.2设定参数和边界条件:确定模型中各个变量的初始数值和范围。

1.3进行计算处理:利用计算机软件将模型进行求解,得到模拟数据。

1.4分析和评估结果:对模拟数据进行统计分析和可视化展示,评估模型的准确性和可行性。

蒙特卡洛方法是一种基于统计学原理的数值计算方法,其核心思想是通过随机抽样的方式模拟概率分布,从而进行数值计算。

蒙特卡洛方法通常涉及到以下步骤:2.1确定抽样空间:根据问题的特点和要求,确定抽样的范围和取值空间。

2.2生成随机数:利用计算机算法生成服从特定分布的随机数,如均匀分布、正态分布等。

2.3进行模拟计算:根据问题的需求,利用随机数进行模拟计算,得到结果。

2.4统计分析和评估:对多次模拟的结果进行统计分析和评估,得到问题的解或近似解。

蒙特卡洛方法主要用于求解具有随机性的问题,如求解复杂积分、优化问题、概率问题等。

由于其基于统计学原理,可以在一定程度上规避数学推导的复杂性,因此在实际应用中具有广泛的适用性。

3.应用领域和案例3.1金融工程:用于期权定价、风险管理、投资组合优化等。

3.2能源领域:用于石油开采、核能反应模拟、能源市场预测等。

3.3生物医学:用于药物研发、生物分子模拟、疾病传播模拟等。

3.4市场分析:用于市场预测、销售预测、人口统计等。

3.5天气预报:用于气象模拟、气候变化预测等。

总之,计算机模拟和蒙特卡洛方法是一种强大的数值计算工具,可以帮助解决各个领域的复杂问题。

它们具有灵活性和准确性的优势,在现代科学研究和工程设计中发挥着重要作用。

随着计算机技术的不断发展,计算机模拟和蒙特卡洛方法将继续得到广泛应用和进一步的改进。

蒙特卡洛法的原理及应用

蒙特卡洛法的原理及应用

蒙特卡洛法的原理及应用1. 蒙特卡洛法的概述蒙特卡洛法是一种基于统计学原理的数值模拟方法,通过随机抽样和统计分析来解决问题。

它的应用范围非常广泛,可以用于求解各种复杂的数学问题,特别是那些难以通过解析方法求解的问题。

蒙特卡洛法的核心思想是通过随机模拟来近似求解问题,它能够给出问题的解以及解的不确定性的度量。

2. 蒙特卡洛法的原理蒙特卡洛法的原理可以简单地概括为三个步骤:(1)问题建模首先,需要将要求解的问题转化为一个数学模型,并确定问题的输入和输出。

例如,要计算圆周率的近似值,可以使用蒙特卡洛法来进行模拟。

(2)随机抽样接下来,需要根据模型和问题的特点进行随机抽样。

蒙特卡洛法通过生成大量的随机数,然后根据这些随机数计算出问题的解。

(3)统计分析最后,通过对抽样得到的结果进行统计分析,来得出问题的解和解的不确定性的度量。

蒙特卡洛法通过对多次随机抽样的结果进行求平均、方差等统计分析,从而得到问题的解以及其精度。

3. 蒙特卡洛法的应用领域蒙特卡洛法具有广泛的应用领域,包括但不限于以下几个方面:(1)金融领域在金融领域,蒙特卡洛法可以用于评估投资组合的风险、定价衍生品合约、估计期权价格等。

(2)物理学领域在物理学领域,蒙特卡洛法可以用于模拟粒子物理实验、求解各种定态问题、研究统计力学等。

(3)生物学领域在生物学领域,蒙特卡洛法可以用于模拟蛋白质的折叠过程、优化DNA序列设计、分析化学反应等。

(4)工程领域在工程领域,蒙特卡洛法可以用于评估工程结构的可靠性、仿真电子电路的性能、优化运输网络等。

(5)人工智能领域在人工智能领域,蒙特卡洛法可以用于模拟智能体的学习过程、优化神经网络的结构、求解强化学习问题等。

4. 蒙特卡洛法的优缺点蒙特卡洛法具有以下的优点和缺点:(1)优点•蒙特卡洛法可以处理各种类型的问题,无论是连续问题还是离散问题,都可以通过适当的模型和抽样方法来求解。

•蒙特卡洛法的结果具有统计学意义,可以给出问题解的不确定性的度量,对于决策问题非常有用。

蒙特卡洛方法

蒙特卡洛方法

蒙特卡洛方法蒙特卡洛方法是一种基于随机抽样的计算方法,可以用于解决众多复杂的数学问题,涉及到概率统计、数值计算、优化问题等多个领域。

蒙特卡洛方法的核心思想是通过随机抽样来近似计算问题的解,其优点在于适用范围广,对于复杂的问题能够给出较为准确的结果。

本文将介绍蒙特卡洛方法的基本原理、应用领域以及优缺点。

蒙特卡洛方法的基本原理是利用随机抽样来估计问题的解。

通过生成服从特定分布的随机数,然后根据这些随机数来近似计算问题的解。

蒙特卡洛方法的核心思想是“用随机数来代替确定性数”,通过大量的随机抽样来逼近问题的解,从而得到较为准确的结果。

蒙特卡洛方法的随机性使得其能够处理复杂的问题,尤其在概率统计领域和数值计算领域有着广泛的应用。

蒙特卡洛方法的应用领域非常广泛,其中包括但不限于,概率统计、金融工程、物理学、生物学、计算机图形学等。

在概率统计领域,蒙特卡洛方法可以用来估计各种概率分布的参数,进行模拟抽样,计算统计量等。

在金融工程领域,蒙特卡洛方法可以用来进行期权定价、风险管理、投资组合优化等。

在物理学领域,蒙特卡洛方法可以用来模拟粒子的行为、计算物理系统的性质等。

在生物学领域,蒙特卡洛方法可以用来模拟生物分子的构象、预测蛋白质的结构等。

在计算机图形学领域,蒙特卡洛方法可以用来进行光线追踪、图像渲染等。

蒙特卡洛方法的优点在于适用范围广,能够处理各种复杂的问题,且能够给出较为准确的结果。

蒙特卡洛方法的缺点在于计算量大,需要进行大量的随机抽样才能得到较为准确的结果,且随机抽样的过程可能会引入误差。

因此,在实际应用中需要权衡计算成本和精度要求,选择合适的抽样方法和样本量。

总之,蒙特卡洛方法是一种重要的计算方法,具有广泛的应用价值。

通过随机抽样来近似计算问题的解,能够处理各种复杂的问题,且能够给出较为准确的结果。

在实际应用中,需要根据具体问题的特点和要求来选择合适的抽样方法和样本量,以平衡计算成本和精度要求。

希望本文能够帮助读者更好地理解蒙特卡洛方法的基本原理、应用领域以及优缺点,为实际问题的解决提供一些参考和启发。

金融衍生品的定价与估值方法

金融衍生品的定价与估值方法

金融衍生品的定价与估值方法在金融市场中,衍生品是一种重要的金融工具,它们的定价和估值方法对于投资者和金融机构来说至关重要。

本文将介绍一些常见的金融衍生品的定价和估值方法,并讨论它们在实际应用中的意义和局限性。

一、期权定价与估值方法期权是一种允许购买者在未来某个时间以约定价格购买或出售标的资产的权利。

其定价和估值方法主要包括Black-Scholes模型和蒙特卡洛模拟。

Black-Scholes模型基于几个重要的假设,如市场无摩擦、标的资产价格的对数收益是正态分布等。

该模型使用数学公式来计算期权的理论价格,但忽略了许多实际市场中的因素,如交易成本、市场流动性等。

蒙特卡洛模拟是一种基于随机模拟的方法,通过模拟大量的标的资产价格路径,从而得出期权的定价和估值结果。

二、期货定价与估值方法期货合约是一种约定在未来某个时间以约定价格进行买卖的合约。

其定价和估值方法主要包括成本理论、无套利定价模型和存储模型。

成本理论是基于期货合约的买卖需要满足一定的成本关系,如存储成本、融资成本等。

无套利定价模型是基于无套利条件下,通过远期价格和现货价格之间的关系来计算期货价格。

存储模型则是基于存储成本和期货价格之间的关系来定价期货合约。

三、利率衍生品定价与估值方法利率衍生品包括利率互换、利率期货等。

其定价和估值方法主要包括利率期结构模型和风险中性定价方法。

利率期结构模型用于估计不同期限的利率,从而计算利率衍生品的定价。

常见的利率期结构模型包括离散时间模型和连续时间模型。

风险中性定价方法则是基于市场中的理论无风险利率,通过把市场风险中性的假设引入定价模型,计算利率衍生品的定价和估值。

需要注意的是,以上所介绍的方法都有其局限性。

它们在实际应用中需要考虑市场的特殊情况、风险因素的变化以及市场流动性等因素。

因此,在使用这些方法进行金融衍生品的定价和估值时,需要谨慎分析和判断,结合实际市场情况进行修正和调整。

综上所述,金融衍生品的定价和估值是金融市场中的重要问题,各种定价和估值方法的选择取决于衍生品的类型、市场情况和投资者的需求。

蒙特卡洛模拟金融


例8-3 股票价格为50,亚式看涨期权执行价为50,存续期为5个 月,期权到期现金流是每月均价与执行价之差,股票波动率标准 差为0.4,无风险利率为0.1,下面我们用蒙特卡洛方法计算该亚 式期权价格。
8.2.2蒙特卡洛模拟障碍期权定价
我们考虑一个欧式看跌股票期权。股票的价格为50,看跌期权执 行价为50,无风险利率为0.1,时间为5个月,股票年波动率的标 准差为0.4。
8.2.3蒙特卡洛方法模拟亚式期权定价
亚式看涨期权到期现金流为
1 N max S (ti ) K ,0 , ti i t , t T / N N i 1
生成服从连续均匀分布随机数 调用方式 R = unifrnd(A,B) R = unifrnd(A,B,m) R = unifrnd(A,B,m,n)
8.1.2生成正态分布随机数
调用方式 R=normrnd(mu,sigma) R=normrnd(mu,sigma,m) R=normrnd(mu,sigma,m,n) 输入参数 mu 正态分布的均值 sigma 正态分布的方差 m 随机矩阵的行数 n 随机矩阵的列数
例83股票价格为50亚式看涨期权执行价为50存续期为5个月期权到期现金流是每月均价与执行价之差股票波动率标准差为04无风险利率为01下面我们用蒙特卡洛方法计算该亚式期权价格
MATLAB教学网
第8章 蒙特卡洛模拟金融 衍生产品定价
8.1 随机模拟基本原理
8.1.1 随机数生成函数 均匀分布随机数生成函数 调用方式 R = unidrnd(N) R = unidrnd(N,v) R = unidrnd(N,m,n) 输入参数 N 生成1个随机数,在1到N之间 m 确定输出随机矩阵R的行数 n 确定输出随机矩阵R的列数 输出参数 R 随机数矩阵

直接蒙特卡洛模拟方法

直接蒙特卡洛模拟方法一、什么是蒙特卡洛模拟方法蒙特卡洛模拟方法(Monte Carlo simulation)是一种基于随机数和概率统计的模拟技术,通过生成大量随机样本来模拟实验或事件的概率分布,用于解决复杂的计算问题。

它起源于第二次世界大战时,用于解决核物理领域的复杂问题。

二、蒙特卡洛模拟方法的基本原理蒙特卡洛模拟方法的基本原理是利用概率统计理论中的随机抽样和大数定律,通过生成大量的随机样本,通过对这些随机样本进行统计分析,得到研究对象的数值解或概率分布。

在蒙特卡洛模拟中,随机数的生成是关键步骤,通常使用计算机算法来生成伪随机数。

2.1 蒙特卡洛模拟方法的步骤蒙特卡洛模拟方法的主要步骤包括: 1. 定义模拟的问题和目标。

2. 建立模拟模型,包括建立数学模型和模拟算法。

3. 生成随机数,用于模拟实验的输入。

4. 进行模拟实验并记录结果。

5. 分析模拟结果,得出目标问题的解或概率分布。

6. 进行模型验证和灵敏度分析。

2.2 蒙特卡洛模拟方法的应用领域蒙特卡洛模拟方法在各个领域都有广泛的应用,包括金融、天气预测、风险评估、物理学、化学工程等。

它可以帮助我们解决那些具有不确定性的问题,以及那些使用传统解析方法难以求解的复杂问题。

三、蒙特卡洛模拟方法的优缺点蒙特卡洛模拟方法具有以下优点: - 可以解决各种具有不确定性的问题。

- 可以处理复杂问题,无需求解解析解。

- 结果具有可靠性和可重复性。

然而,蒙特卡洛模拟方法也存在一些缺点: - 模拟结果受随机数生成算法的影响。

- 计算量大,运行时间较长。

- 在处理高维问题时会面临“维数灾难”。

四、蒙特卡洛模拟方法的案例应用4.1 金融领域的蒙特卡洛模拟在金融风险评估中,蒙特卡洛模拟方法非常常见。

例如,在期权定价中,我们可以使用蒙特卡洛模拟方法来模拟股票价格的随机波动,从而计算期权的价值和风险。

示例代码:import numpy as npdef monte_carlo_option_pricing(S0, K, r, sigma, T, n_simulations):dt = T / n_simulationsS = np.zeros((n_simulations + 1, ))S[0] = S0for i in range(1, n_simulations + 1):epsilon = np.random.standard_normal()S[i] = S[i-1] * (1 + r * dt + sigma * np.sqrt(dt) * epsilon)payoff = np.maximum(S[-1] - K, 0)price = np.exp(-r * T) * np.mean(payoff)return priceS0 = 100K = 105r = 0.05sigma = 0.2T = 1n_simulations = 10000option_price = monte_carlo_option_pricing(S0, K, r, sigma, T, n_simulations) print(f"The option price is: {option_price}")4.2 物理学中的蒙特卡洛模拟蒙特卡洛模拟在物理学中也有广泛应用。

蒙特卡洛方法

蒙特卡洛方法蒙特卡洛方法是一种以随机数代替确定性答案的方法,用来解决难以用传统数学方法求解的计算问题。

它的名字来自于摩纳哥的蒙特卡洛市,因为在二战时期,美国的原子弹计划曾在那里进行过试验。

现在,蒙特卡洛方法已经广泛应用于各种领域,包括统计学、计算机科学、物理学、金融等。

我们来举一个简单的例子来解释蒙特卡洛方法的基本原理。

假设我们要计算正方形中圆的面积,这个问题可以用传统的数学方法求解,而且结果是$π/4$。

但是,如果我们用蒙特卡洛方法求解这个问题,我们可以在正方形中随机生成很多点,并统计其中多少点在圆内。

如果我们生成的点足够多,那么圆内点的数量与总点数的比例就可以近似表示圆的面积与正方形面积之比,也就是$π/4$。

这种方法的优点在于,我们不需要事先知道圆的半径或面积,只需要用随机数模拟出圆内外的点,就可以得到一个近似的答案。

当然,随机生成的点的数量越多,计算结果就越精确。

蒙特卡洛方法的应用非常广泛,下面介绍几个例子:1. 在金融领域,蒙特卡洛方法被用来计算复杂的金融衍生品的价格。

金融衍生品是一种金融工具,其价值的变化受到其他金融资产的价格波动的影响。

这些衍生品的价格无法用传统的数学方法精确计算,因为它们涉及到多种不确定因素,如未来市场价格的波动、利率和货币汇率的变化等。

利用蒙特卡洛方法,可以在一个随机模拟的框架下,通过很多次模拟(通常是几千次)来计算期权的价格和各种可能结果出现的概率。

这些结果可以用来帮助投资者评估一种衍生品的实际价值。

2. 在科学计算中,蒙特卡洛方法可以用来求解很多复杂的数学问题,如高维积分、求解微分方程、求解偏微分方程等。

一个著名的例子就是蒙特卡洛积分法,它可以用来求解高维积分。

在这种方法中,我们首先确定积分范围(即多维空间中的一个区域),然后在这个区域中随机生成很多点,最后根据这些点的分布来估计积分的大小。

蒙特卡洛积分法的优点在于,它适用于复杂的积分问题,且收敛速度比传统的数值积分方法要快得多。

蒙特卡洛随机模拟

蒙特卡洛随机模拟随着计算机技术和数学理论的飞速发展,模拟技术在生产、科学研究和决策方面的应用越来越广泛。

蒙特卡洛随机模拟是一种重要的模拟技术,被广泛应用于金融、医学、环境和工业等领域。

本文将介绍蒙特卡洛随机模拟的基本概念、方法和应用。

一、蒙特卡洛随机模拟的基本概念蒙特卡洛随机模拟是一种用随机数统计方法解决问题的数学模型。

其基本思路是,通过随机抽样、模拟实验和数值计算等方法,从概率的角度分析问题,得到结论。

蒙特卡洛随机模拟通过随机抽样的方法,模拟出具有相同概率分布的样本,利用这些样本对问题进行模拟实验和数值计算,最终得到问题的结果。

二、蒙特卡洛随机模拟的方法蒙特卡洛随机模拟的方法主要包括随机抽样、样本生成、模拟实验和数值计算四个步骤。

1.随机抽样随机抽样是蒙特卡洛随机模拟的第一步。

它决定了模拟实验的样本大小和概率分布。

随机抽样的方法有多种,可以利用计算机的随机数生成器进行伪随机数的生成,也可以利用物理上的随机过程产生真正的随机数。

2.样本生成样本生成是蒙特卡洛随机模拟的第二步。

它根据随机抽样得到的样本,生成符合概率分布的样本数据。

样本生成的方法有很多种,根据问题的不同,选择不同的方法。

例如,对于连续型随机变量,可以采用逆变换法、接受-拒绝法、重要性抽样等方法;对于离散型随机变量,可以采用反映现实情况的近似分布,如泊松分布、二项分布或几何分布等。

3.模拟实验模拟实验是蒙特卡洛随机模拟的第三步。

它利用采样后的样本数据,对实际问题进行模拟实验。

模拟实验的方法根据问题的不同而有所不同。

例如,对于金融领域的股票价格预测问题,可以利用随机漫步模型、布朗运动模型等进行模拟实验;对于天气预报问题,可以利用大气环流模型、海洋模型等进行模拟实验。

4.数值计算数值计算是蒙特卡洛随机模拟的最后一个步骤。

它对模拟实验得到的结果进行统计分析和计算,得出问题的解答。

数值计算涉及到估计期望、方差、置信区间、概率密度函数等概率特征。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

. . 页脚 材料五:蒙特卡洛方法模拟期权定价 1.蒙特卡洛方法模拟欧式期权定价 利用风险中性的方法计算期权定价: ˆ()rtTfeEf

其中,f是期权价格,Tf是到期日T的现金流,ˆE是风险中性测度 如果标的资产服从几何布朗运动: dSSdtsdW 则在风险中性测度下,标的资产运动方程为: 20exp[()]2TSSrTT

对于欧式看涨期权,到期日欧式看涨期权现金流如下: 2(/2)max{0,(0)}rTTSeK

其中,K是执行价,r是无风险利率,是标准差, 是正态分布的随机变量。 对到期日的现金流用无风险利率贴现,就可知道期权价格。

例1 假设股票价格服从几何布朗运动,股票现在价格为50,欧式期权执行价格为52,无风险利率为0.1,股票波动标准差为0.4,期权的到期日为5个月,试用蒙特卡洛模拟方法计算该期权价格。 下面用MATLAB编写一个子程序进行计算:

function eucall=blsmc(s0,K,r,T,sigma,Nu) %蒙特卡洛方法计算欧式看涨期权的价格 %输入参数 %s0 股票价格 %K 执行价 %r 无风险利率 %T 期权的到期日 %sigma 股票波动标准差 %Nu 模拟的次数 %输出参数 %eucall 欧式看涨期权价格 %varprice 模拟期权价格的方差 %ci 95%概率保证的期权价格区间 . . 页脚 randn('seed',0); %定义随机数发生器种子是0, %这样保证每次模拟的结果相同 nuT=(r-0.5*sigma^2)*T sit=sigma*sqrt(T) discpayoff=exp(-r*T)*max(0,s0*exp(nuT+sit*randn(Nu,1))-K) %期权到期时的现金流 [eucall,varprice,ci]=normfit(discpayoff) %在命令窗口输入:blsmc(50,52,0.1,12/5,0.4,1000)

2. 蒙特卡洛方法模拟障碍期权定价 障碍期权,就是确定一个障碍值bS,在期权的存续期有可能超过该价格,也可能低于该价格,对于敲出期权而言,如果在期权的存续期标的资产价格触及障碍值时,期权合同可以提前终止执行;相反,对于敲入价格,如果标的资产价格触及障碍值时,期权合同开始生效。

当障碍值bS高于现在资产价格0S,称上涨期权,反之称下跌期权。

对于下跌敲出看跌期权,该期权首先是看跌期权,股票价格是0S,执行价格是K,买入看跌期权就首先保证以执行价K卖掉股票,下跌敲出障碍期权相当于在看跌期权的基础上附加提前终止执行的条款,容是当股票价格触及障碍值bS时看跌期权就提前终止执行。因为该期权对于卖方有利,所以其价格应低于看跌期权的价格。 对于下跌敲出看跌期权,该期权首先是看跌期权,股票价格是0S,执行价格是K,买入看跌期权就首先保证以执行价K卖掉股票,下跌敲出障碍期权相当于在看跌期权的基础上附加提前终止执行的条款,容是当股票价格触及障碍值bS时看跌期权就提前终止执行。因为该期权对于卖方有利,所以其价格应低于看跌期权的价格。 对于下跌敲入看跌期权,该期权首先是看跌期权,下跌敲出障碍期权相当于在看跌期权

的基础上附加提前何时生效的条款,容是当股票价格触及障碍值bS时看跌期权开始生效。

当障碍值bS确定时,障碍期权存在解:

4275{()()[()()]}rTPKeNdNdaNdNd

03186{()()[()()]}SNdNdbNdNd

其中 212/0()rbSaS, 212/0()rbSbS, 201

ln(/)(/2)SKrTdT, . . 页脚 202

ln(/)(/2)SKrTdT

203ln(/)(/2)bSSrTdT

204ln(/)(/2)bSSrTdT

205ln(/)(/2)bSSrTdT

206ln(/)(/2)bSSrTdT

2207ln(/)(/2)bSKSrTdT

2208ln(/)(/2)bSKSrTdT

利用上述公式编写下跌敲出障碍期权价格程序: function P=DownOutPut(S0,K,r,T,sigma,Sb) a=(Sb/S0)^(-1+2*r/sigma^2) b=(Sb/S0)^(1+2*r/sigma^2) d1=(log(Sb/K)+(r+sigma^2/2*T))/(sigma*sqrt(T)) d2=(log(Sb/K)+(r-sigma^2/2*T))/(sigma*sqrt(T)) d3=(log(S0/Sb)+(r-sigma^2/2*T))/(sigma*sqrt(T)) d4=(log(S0/Sb)+(r+sigma^2/2*T))/(sigma*sqrt(T)) d5=(log(S0/Sb)-(r-sigma^2/2*T))/(sigma*sqrt(T)) d6=(log(S0/Sb)-(r+sigma^2/2*T))/(sigma*sqrt(T)) d7=(log(S0*K/Sb^2)-(r-sigma^2/2*T))/(sigma*sqrt(T)) d8=(log(S0*K/Sb^2)-(r+sigma^2/2*T))/(sigma*sqrt(T)) P=K*exp(-r*T)*(normcdf(d4)-normcdf(d2)-a*(normcdf(d7)-normcdf(d5))) -S0*(normcdf(d3)-normcdf(d1)-b*(normcdf(d8)-normcdf(d6)))

例2 同例1,运行: P=DownOutPut(50,50,0.1,5/12,0.4,40) P=4.0936

利用蒙特卡洛方法模拟下跌敲出障碍期权价格程序: 在模拟中我们给出模拟次数Nrepl,每次模拟时间分为Nsteps,障碍值为bS,其现金流

如下:当St小于bS时,CashFlow=0 . . 页脚 我们可以先模拟路径,然后让大于bS路径的现金流为0,程序如下: function [P,aux,ci]=DOPutMC(S0,K,r,T,sigma,Sb,NSteps,NRepl) NSteps每次离散时间数目 NRepl模拟次数 %模拟股价路径 dt=T/NSteps nudt=(r-0.5*sigma^2)*dt sidt=sigma*sqrt(dt) randn('seed',0) rand=randn(NRepl,NSteps) rand1=nudt+sidt*rand rand2=cumsum(rand1,2) path=S0*exp(rand2) 利用路径进行定价 payoff=zeros(NRepl,1) for i=1:NRepl ax=path(i,:) if min(ax) payoff(i)=0 else payoff(i)=max(0,K-ax(NSteps)) end end [P,aux,ci]=normfit(exp(-r*T)*payoff) 运行: [P,aux,ci]=DOPutMC(50,50,0.1,5/12,0.4,40,100,1000) P = 0.8094 aux = 1.9714 ci = 0.6871 0.9318

3 蒙特卡洛方法模拟亚式期权定价 亚式期权是一种路径依赖型期权,它的收益函数依赖于期权存续期的标的资产的平均价格。(算术平均与几何平均) 亚式看涨期权到期现金流为

11max{(),0}NiiStKN ,/itittTN

例3 同例1,用蒙特卡洛方法计算该亚式期权价格。 function [P,CI]=AsianMC(s0,k,r,T,sigma,NSteps,NRepl) dt=T/NSteps; . . 页脚 nudt=(r-0.5*sigma^2)*dt; sidt=sigma*sqrt(dt); randn('seed',0); rand=randn(NRepl,NSteps); rand1=nudt+sidt*rand; rand2=cumsum(rand1,2); path=s0*exp(rand2); payoff=zeros(NRepl,1); for i=1:NRepl payoff(i)=max(0,mean(path(i,:))-k); end [P,aux,CI]=normfit(exp(-r*T)*payoff)

>> AsianMC(50,50,0.1,5/12,0.4,5,50000) P = 3.9622 aux = 5.9669 CI = 3.9099 4.0145 ans = 3.9622

4. 等价鞅测度 (容参见247页) function eucall=blsmc(s0,kK,r,T,sigma,Nu) s0=50;K=52;r=0.1;T=5/12;sigma=0.4;Nu=1000; randn('seed',0); nuT=(r-0.5*sigma^2)*T; sit=sigma*sqrt(T); discpayoff=exp(-r*T)*max(0,s0*exp(nuT+sit*randn(Nu,1)-K)); disp('蒙特卡洛模拟结果') [eucall,varprice,ci]=normfit(discpayoff) SM=s0*exp(nuT+sit*randn(Nu,1)); SM=s0*exp(r*T)*SM/mean(SM); S1=max(0,SM-K); disp('风险中性下欧式看涨期权结果') [Emscall,varprice,ci]=normfit(S1) disp('欧式看涨期权解析解') blsprice(50,52,0.1,5/12,0.4) blsmc 蒙特卡洛模拟结果

相关文档
最新文档