bs期权定价公式推导-BS公式推导

BS期权定价模型的背景与核心假设

在布莱克、斯科尔斯和默顿提出其开创性模型之前，期权定价缺乏一个被广泛接受的科学方法。早期的尝试大多依赖于直觉或过于简化的模型，无法准确反映市场风险。BS模型的革命性突破建立在若干精炼的核心假设之上，这些假设构成了整个推导过程的基石。

模型的基本假设主要包括：

• 市场无摩擦：不存在交易成本、税收，且所有证券完全可分（即可买卖任意小数量的资产）。
• 无风险利率恒定：存在一个已知且不变的无风险利率，投资者可以此利率自由借贷。
• 股票价格行为：标的股票价格服从几何布朗运动。这意味着股票收益率的对数服从正态分布，其波动率为常数。这是模型最关键也是后续被讨论最多的假设之一。
• 无股息支付：在期权有效期内，标的股票不支付股息。
• 期权为欧式期权：只能在到期日行权。
• 市场无套利机会：任何无风险投资组合只能获得无风险利率的回报。这是推导的核心理念。
• 允许卖空：允许完全使用卖空所得款项。

这些假设虽然与现实世界存在差距，但它们极大地简化了问题，使得运用伊藤引理等数学工具成为可能，从而导出了一个简洁而深刻的定价公式。对于在易搜职考网备考的学员来说，深刻理解这些假设的涵义及其局限性，是正确应用模型并洞察其改进方向的第一步。

核心数学工具：伊藤引理

BS公式推导的数学核心是伊藤引理，它是随机微积分中的关键定理，用于处理随机过程的函数。假设标的资产价格S_t遵循以下几何布朗运动：

dS_t = μS_t dt + σS_t dW_t

其中，μ为资产的预期收益率（漂移率），σ为波动率（假设为常数），W_t是标准布朗运动（维纳过程）。dS_t/S_t = μ dt + σ dW_t 直观表示了股价的相对变化由确定性漂移和随机波动两部分组成。

现在，考虑一个以该股票为标的、价格为V的衍生证券（例如期权），其价格是股票价格S和时间t的函数，即V = V(S, t)。伊藤引理指出，这个函数的微分dV为：

dV = (∂V/∂t + μS ∂V/∂S + (1/2) σ²S² ∂²V/∂S²) dt + σS ∂V/∂S dW_t

这个公式是普通微积分中全微分公式在随机环境下的扩展，多出了一项(1/2) σ²S² (∂²V/∂S²) dt，它来源于布朗运动二次变差非零的特性。伊藤引理将衍生品价格V的随机性（体现在dW_t项上）与标的资产价格S的随机性直接联系了起来，且两者的随机源dW_t完全相同。这为后续构造无风险组合提供了数学可能性。

无风险投资组合的构建

这是整个推导中最具金融智慧的一步。布莱克和斯科尔斯的灵感在于：既然期权价格V和股票价格S受到同一个随机过程dW_t的驱动，那么就可以通过恰当地组合股票和期权，来“对冲”掉这个共同的随机风险。

具体做法是构建这样一个投资组合Π：

• 卖空1份衍生品（期权）。
• 买入∂V/∂S份股票。

即 Π = -V + (∂V/∂S) S。

这个组合中，股票的头寸数量∂V/∂S被称为“Delta”，它衡量了期权价格对标的资产价格变化的敏感度。现在，计算该组合在极短时间dt内的价值变化dΠ。将dV和dS的表达式代入：

dΠ = -dV + (∂V/∂S) dS

= -[ (∂V/∂t + μS ∂V/∂S + (1/2) σ²S² ∂²V/∂S²) dt + σS ∂V/∂S dW_t ] + (∂V/∂S) [ μS dt + σS dW_t ]

展开并合并同类项后，一个美妙的结果出现了：所有包含随机项dW_t和漂移率μ的项都相互抵消了：

dΠ = ( -∂V/∂t - (1/2) σ²S² ∂²V/∂S² ) dt

这个结果至关重要。组合的价值变化dΠ变成了一个完全确定性的表达式，不含任何随机项dW_t。这意味着，在无限短的时间区间内，通过动态地保持股票头寸为Delta (∂V/∂S)，我们成功构造了一个瞬时无风险的投资组合。

推导布莱克-斯科尔斯偏微分方程

根据无套利原则，一个瞬时无风险的投资组合，其收益率必须等于无风险利率r。否则，将存在套利机会。
也是因为这些，我们有：

dΠ = r Π dt

将dΠ和Π的表达式代入上式：

( -∂V/∂t - (1/2) σ²S² ∂²V/∂S² ) dt = r ( -V + S ∂V/∂S ) dt

两边同时除以dt，并移项整理，就得到了著名的布莱克-斯科尔斯偏微分方程：

∂V/∂t + (1/2) σ²S² ∂²V/∂S² + rS ∂V/∂S - rV = 0

这是一个抛物线型偏微分方程。它适用于所有其价格依赖于标的资产价格S和时间t的衍生证券，不同的衍生品对应于不同的终端条件（边界条件）。对于欧式看涨期权，其终端条件（在到期日T）为：V(S, T) = max(S - K, 0)，其中K为行权价。对于欧式看跌期权，终端条件为：V(S, T) = max(K - S, 0)。

这个方程的精妙之处在于，它不包含标的资产的预期收益率μ。期权的价格与投资者对股票在以后收益的预期（风险偏好）无关，它只依赖于当前股价S、行权价K、无风险利率r、波动率σ和到期时间T。这被称为“风险中性定价”原理的体现——在无套利市场中，衍生品可以被视为在一个所有投资者都是风险中性的假想世界中定价。

求解偏微分方程得到定价公式

通过求解上述偏微分方程，并结合欧式看涨期权的边界条件，可以得到具体的定价公式。求解过程涉及一系列复杂的数学变换，主要包括：

1. 变量变换以简化方程：通过引入新的变量，如x = ln S，将方程转化为一个常系数热传导方程的形式，这大大降低了求解难度。
2. 应用终值条件：将期权到期日的支付函数max(S-K, 0)转化为新变量下的终值条件。
3. 使用概率论方法或傅里叶变换求解：一种经典的方法是观察到，在风险中性世界中，标的资产价格在到期日的分布是对数正态分布。期权的价格是其到期日期望收益以无风险利率贴现的现值。这个期望是在风险中性测度下计算的，其中资产的漂移率被替换为无风险利率r。

最终，我们得到欧式看涨期权的BS定价公式：

C = S₀ N(d₁) - K e^{-rT} N(d₂)

其中：

• C：看涨期权理论价格。
• S₀：标的资产当前价格。
• K：期权行权价。
• r：无风险利率（连续复利）。
• T：期权到期时间（以年为单位）。
• N(·)：标准正态分布的累积分布函数。
• d₁ = [ ln(S₀/K) + (r + σ²/2)T ] / (σ√T)
• d₂ = d₁ - σ√T = [ ln(S₀/K) + (r - σ²/2)T ] / (σ√T)

相应地，利用看涨-看跌平价关系，可以得到欧式看跌期权的定价公式：

P = K e^{-rT} N(-d₂) - S₀ N(-d₁)

公式中的N(d₁)具有深刻的金融含义：它代表了在风险中性测度下期权被执行的概率，同时它也恰好是构造无风险组合时所需的股票头寸Delta (∂C/∂S)。而Ke^{-rT}N(d₂)是行权价支出的现值乘以行权的风险中性概率。S₀N(d₁)则可以理解为股票价格中有利于期权持有者的那部分价值的现值。

模型的应用、局限与扩展

BS公式自问世以来，迅速被华尔街所采用，成为期权交易商和风险管理者的标准工具。其应用远不止于简单的理论定价：

• 隐含波动率：将市场价格C_market代入公式，反解出的波动率σ_implied，称为隐含波动率，是市场对在以后波动率预期的集中体现，已成为一个关键的金融指标。
• 希腊字母：通过对公式求各变量的偏导，得到Delta、Gamma、Vega、Theta、Rho等“希腊值”，用于精确度量和管理期权头寸的各种风险。
• 金融工程的基础：它是构建更复杂衍生品模型（如利率衍生品、奇异期权）的出发点和方法论范本。

模型的局限性也十分明显，这主要源于其理想化的假设：

• 波动率恒定假设：现实中波动率是时变的，且存在“波动率微笑”现象。
• 对数正态分布假设：资产收益率实际分布常呈现尖峰厚尾，并非完全正态。
• 无交易成本与连续对冲假设：现实中交易有成本，且无法实现真正的连续动态对冲。
• 无股息与利率恒定假设：这些条件在长期期权中往往不成立。

为了克服这些局限，金融学界和实务界发展了大量扩展模型，例如：考虑随机波动率的Heston模型，考虑跳跃扩散的Merton模型，以及适用于美式期权的二叉树模型和有限差分数值方法等。这些扩展使得期权定价理论更加贴近现实市场。

对于在易搜职考网平台上学习的金融从业者或考生来说呢，掌握BS公式的推导不仅是为了记忆一个公式，更是为了理解其背后的无套利、动态复制和风险中性定价这一整套现代金融定价的哲学与方法论。这种深刻理解，能够帮助从业者在面对新的、复杂的金融产品时，具备分析其风险收益特征和进行合理估值的核心能力，从而在职业生涯中保持竞争优势。从最初的假设出发，到伊藤引理的数学应用，再到无风险组合的金融思想，最终得到那个简洁而强大的方程与公式，这一完整的逻辑链条，展现了数理金融将抽象市场力量转化为精确量化模型的非凡历程。