股息,時間依賴參數和交易費用

之前的考慮均假設標的資產不付息和沒有交易費用,這裡我們來看看這兩者會對我們的模型有什麼影響。並對部分參數引入時間參數。

一、股息(dividend)

付息對標的資產的價格影響

  • 套利理論,可以很容易得出付息之後,資產價格會下降和付出的股息的一樣的數量
  • 設該資產在 dt 時間裡付息 D(S,t)dt ,最常見是
    • 連續股息,即股息和 S 成比例,對於一些資產組合,一段時間裡,裡面的各個資產的股息比較平均,可視為此種情況
    • 離散股息,即在特定時間付單詞股息,通常為單個股票或資產
  • 由上面的結果可知資產應滿足如下隨機遊走:dS = sigma S dX + (mu S - D(S,t))dt

這裡我們先假設付出的都是固定比例,即上述的 D(S,t) 函數與 t 無關

  • 如果是連續股息,即 D(S,t) = D_0S ,此時 hat{mu} = mu - D_0 ,模型和之前一樣
  • 如果是離散股息,設 D(S,t) = D_ddelta(t-t_d)S ,此時可得付息前後資產價格會有一個跳躍,即 S(t_d^+) = S(t_d^-)e^{-D_d}

付息對期權價格的影響

  • 此時我們發現一個矛盾,期權的價值應該是關於 S 連續,但是根據剛剛的分析,資產價格在離散付息後有一個價格跳躍,那麼問題在哪裡呢?

這裡的問題在於我們之前假設價格 S,t 是獨立的,事實上不是,因此期權的價值應該是關於 S 連續正確的理解是對於 S 任何一個實現,期權的價值是連續;更具體點,是指 V(S(t),t)t 連續。即上述價格跳躍引導出一個跳躍條件(jump condition)V(S(t_d^-),t_d^-) = V(S(t_d^+),t_d^+)

  • 修改後的Black-Schole方程應為: frac{partial V}{partial t} + frac{1}{2}sigma^2S^2frac{partial^2 V}{partial S^2} + ( rS-D(S,t))frac{partial V}{partial S} -rV=0

二、時間依賴參數

之前假設 sigma, r, D 都是確定的常數,現在我們允許它們可以為時間的函數, 即 sigma = sigma(t), r=r(t), D=D(t) ,此時Black-Schole方程應為: frac{partial V}{partial t} + frac{1}{2}sigma^2(t)S^2frac{partial^2 V}{partial S^2} + ( r(t)S-D(S,t))frac{partial V}{partial S} -rV=0

下面我將求解當 D(S,t) = D(t)S ,即連續付息的情況:

我們希望通過做如下換元來顯出包含時間變數的係數:begin{cases} hat{S} &= Se^{alpha(t)}cr hat{V} &= Ve^{beta(t)} cr hat{t} &= gamma(t) end{cases}

此時BS方程變成: dot gamma(t)frac{partial hat{V}}{partial hat{t}} + frac{1}{2}sigma^2(t)hat{S}^2frac{partial^2 hat{V}}{partial hat{S}^2} + left( r(t)-D(t)+dot alpha(t) right) hat{S}frac{partial hat{V}}{partial S} -left(r(t)+dot beta(t) right)hat{V}=0

通過取 begin{cases} alpha(t) &= int_{t}^{T}D(tau)-r(tau)dtau cr beta(t) &= int_{t}^{T} r(tau)dtau cr gamma(t) &= int_{t}^{T} sigma^2(tau)dtau end{cases} ,可得 frac{partial hat{V}}{partial hat{t}} + frac{1}{2}hat{S}^2frac{partial^2 hat{V}}{partial hat{S}^2} =0

上述方程的解是已知的,且原方程的解為 V = e^{-beta(t)}hat{V}left(Se^{alpha(t)},gamma(t) right)

最後總結一下,和固定參數相比,實際上我們只是做了如下替換:

begin{cases} r_{new} &= frac{1}{T-t} int_{t}^{T} r(tau)dtau cr sigma_{new}^2 &= frac{1}{T-t} int_{t}^{T} sigma^2(tau)dtau cr S_{new} &= Se^{-int_{t}^{T}D(tau)dtau } end{cases}

三、交易費用(transaction cost)

之前的討論中,我們假設在做保值的時候是沒有加以費用,這是我們可以隨時調整整個資產組合,但實際中是有交易費用,因此我們不能隨時調整資產組合,否則的話可能導致交易費用過大。

下面我將介紹如何加入交易費用到我們的模型中。這裡我們假設交易費用和交易資產的價值成正比,即交易費用為 k|nu|S ,其中 nu 為買賣資產的分數。這個時候我們考慮離散化的隨機遊走,即 delta S = sigma Sphisqrt{delta t} + mu Sdelta t ,其中 phi 是服從標準的高斯分布的隨機變數。類似之前的保值操作,可得 delta Pi = sigma Sleft(frac{partial V}{partial S} -Delta right)phi sqrt{delta t} + left(frac{1}{2}sigma^2S^2frac{partial ^2V}{partial S^2}phi^2 + mu S frac{partial V}{partial S} + frac{partial V}{partial t} -mu Delta S right)delta t - kS|nu|

此時我們應取 Delta = frac{partial V}{partial S} ,相應的我們有 nu = frac{partial V}{partial S}(S+delta S, t+delta t) - frac{partial V}{partial S}(S,t) approx frac{partial ^2V}{partial S^2}(S,t)delta S approx frac{partial ^2V}{partial S^2}sigma Sphi sqrt{delta t}

以及在一個時間區間的期望交易費用 E[kS|nu|]sqrt{frac{2}{pi}} ksigma S^2left| frac{partial ^2V}{partial S^2}right| sqrt{delta t}

從而可得 E[delta Pi] = left( frac{partial V}{partial t} + frac{1}{2}sigma^2S^2frac{partial ^2V}{partial S^2} -sqrt{frac{2}{pi} }frac{ ksigma S^2 }{ sqrt{delta t}} left| frac{partial ^2V}{partial S^2}right| right) delta t

同樣的上述期望收益不能超過無風險收益,從而可得 frac{partial V}{partial t} + frac{1}{2}sigma^2S^2frac{partial ^2V}{partial S^2} -sqrt{frac{2}{pi} }frac{ ksigma S^2 }{ sqrt{delta t}} left| frac{partial ^2V}{partial S^2}right| +rSfrac{ partial V}{partial S} -rV=0

注意點,此時方程為非線性,因此期權和期權組合的情況不完全一樣。

數值結果

  • 如果沒有交易費用,那麼對於期權多頭,有 frac{partial ^2V}{partial S^2}>0 ,不妨設在有交易費用的情況下也成立,於是考慮修改後的波動率: hat{sigma}^2 = sigma^2 - 2sqrt{frac{2}{pi} }frac{ ksigma}{ sqrt{delta t}} ,此時得到新方程和原來的BS方程一樣。對於空頭,只需要將上面負號變成正號即可。
  • K = frac{k}{sigma sqrt{delta t}} 這個參數衡量重新保值的頻率是否合適
    • 若遠小於1,那麼重新平衡的時間區間太大,應該加大重新平衡的頻率以降低風險
    • 若遠大於1,那麼重新平衡太過平凡,交易費用太大,應降低頻率

推薦閱讀:

為什麼要發放現金股利?

TAG:期权 | 偏微分 | 股息 |