1703564277
1703564278
1703564279
1703564280
最先尝试将这些矩估计用于期权定价的是Jarrow和Rudd(1982),他们从价格分布入手,不厌其烦地使用对数正态分布来估计价格分布。他们以对数正态分布为基础,将新的价格分布以展开式的形式表示。但是很遗憾,价格分布的高阶矩在不同的到期日上并不恒定,因此我们需要对随时间变化的参数进行不断跟踪。这是数学上的近似过程,即便真实分布并没有发生变化,我们还是需要对参数进行重新拟合。
1703564281
1703564282
一个更好的解决方法是由Corrado和Su(1996)提出的,他们对收益率分布进行了展开(从技术上说,这就是Gram-Charlier展开),这意味着参数不是随时间变化的(除非分布的形状确实变了)。欧式看涨期权的价格为:
1703564283
1703564284
1703564285
1703564286
1703564287
式中 μ3——收益率的偏度;
1703564288
1703564289
μ4——峰度;
1703564290
1703564291
CBSM——标准的BSM看涨期权价格。
1703564292
1703564293
1703564294
1703564295
1703564296
1703564297
1703564298
1703564299
和前面一样:
1703564300
1703564301
1703564302
1703564303
1703564304
1703564305
1703564306
1703564307
1703564308
1703564309
1703564310
N(x)为正态分布的累积分布函数,并且:
1703564311
1703564312
1703564313
1703564314
1703564315
看跌期权的价格可以通过看跌/看涨平值关系式得到:
1703564316
1703564317
1703564318
1703564319
1703564320
起初,我们认为这些参数都是完全隐含的,即它们只有在期权市场的背景下才有意义,和合约标的收益率的分布没有直接关系。我们使用期权的市场价格来倒推期权价格的参数,但这次我们不会对每个行权价都计算一个隐含波动率。我们会从一个给定期限的所有期权价格中,得到隐含波动率、偏度和峰度。这样就把参数的数量从每个行权价都有一个,减少到一共只有3个。
1703564321
1703564322
我们直接从式(5-4)计算隐含偏度和峰度,通过最小化期权的市场报价和公式价格之差的平方来获得参数的估计值。图5-13展示了GameStop公司(GME)在2007年9月5日,到期日为2007年10月的期权的隐含波动率曲线。
1703564323
1703564324
1703564325
1703564326
[
上一页 ]
[ :1.703564277e+09 ]
[
下一页 ]