第3章期权定价模型与波动率

第1章：期权定价模型与波动率

聊期权定价，绕不开Black-Scholes-Merton模型。这个模型是1973年问世的，到现在快50年了，依然是场内期权定价的行业标准。

BSM模型的核心假设是：标的资产价格服从几何布朗运动。说白了，就是价格变化是连续的，没有跳空，而且波动率是常数。公式长这样：

C = S₀·N(d₁) - K·e^(-rT)·N(d₂)

其中：
d₁ = [ln(S₀/K) + (r + σ²/2)T] / (σ√T)
d₂ = d₁ - σ√T

这个公式里，C是看涨期权价格，S₀是当前标的价格，K是行权价，r是无风险利率，T是剩余期限，σ是波动率。N(·)是标准正态分布的累积分布函数。

我个人习惯把这个公式拆成两部分理解：第一部分是「预期收益」，第二部分是「行权成本」。你想想看，期权价格本质上就是这两个东西的差值。

核心要点：BSM模型给出了期权价格与五个输入变量之间的解析关系。这五个变量中，四个可以直接观测（S₀、K、r、T），唯独波动率σ是未知的。

波动率在BSM模型里扮演什么角色？我直接说结论：它是整个模型的灵魂。

为什么？因为其他四个变量都是确定的。标的价格在交易所实时跳动，行权价写在合约里，无风险利率可以用国债收益率近似，剩余期限是固定的。唯独波动率，你看不到，摸不着，只能估计。

我在项目中遇到过这样一个场景：两个交易员对同一张期权报价，一个报2.5元，一个报3.2元。差异从哪来的？就是他们对波动率的判断不同。一个认为波动率是18%，另一个认为是22%。

波动率在BSM模型中的具体作用：

嗯，这里要注意：波动率不是风险，而是不确定性。风险是你可以对冲的，不确定性是你只能定价的。

BSM模型很漂亮，但漂亮的东西往往不真实。我在实际交易中踩过不少坑，下面说几个最要命的局限性。

局限性一：假设波动率是常数

这是BSM模型最大的硬伤。真实市场中，波动率是时变的，而且会聚集。大涨大跌之后，波动率往往持续偏高；平静期则偏低。我见过太多新手拿着BSM模型算出的理论价去交易，结果被实际波动率的变化打得措手不及。

局限性二：假设价格连续变化

BSM模型假设价格不会跳空。但真实市场呢？财报发布、突发事件、开盘跳空，这些都会导致价格瞬间大幅变动。这种跳空风险，BSM模型完全无法处理。

局限性三：假设无交易成本

模型假设你可以无限细分地连续对冲。但现实中，交易有手续费、有滑点、有买卖价差。你不可能每秒都去调整对冲头寸。我曾经试过高频对冲，结果手续费比赚的钱还多。

还有其他假设，比如利率恒定、标的可以卖空、市场无套利机会等等。这些假设在学术论文里没问题，但在交易台上，你得时刻保持清醒。

回到BSM公式，五个变量里四个已知，只有波动率是未知的。这意味着什么？

意味着期权定价问题，本质上变成了波动率估计问题。你估计的波动率准不准，直接决定了你的报价有没有竞争力。

实际交易中，我们通常用两种方式处理波动率：

方法	做法	适用场景
历史波动率	用过去一段时间价格的标准差来估计	波动率稳定的品种
隐含波动率	用市场价格反推波动率	流动性好的期权

我个人更倾向于用隐含波动率。为什么？因为历史波动率看的是过去，而期权交易的是未来。隐含波动率反映了市场对未来波动的一致预期，虽然不一定对，但至少是市场参与者的真实看法。

实战技巧：我建议新手先从隐含波动率入手。把市场上所有期权的隐含波动率算出来，画成波动率微笑曲线。你会发现，不同行权价的期权，隐含波动率是不一样的。这就是BSM模型无法解释的「波动率微笑」现象。

波动率作为唯一未知输入变量，给了交易员很大的发挥空间。你可以根据自己的判断，给出一个与市场不同的波动率估计，然后通过期权组合来押注这个判断。这就是波动率交易的核心逻辑。

我曾经用这个方法做过一个交易：某只股票财报前，市场隐含波动率是35%，但我分析历史数据发现，该股票财报后的实际波动率平均只有22%。于是我卖出了跨式期权组合，赌波动率会回落。结果财报出来后，股价波动确实不大，期权价格暴跌，我赚了不少。

当然，也有翻车的时候。有一次我判断波动率会下降，结果突发黑天鹅事件，波动率瞬间飙升，亏得很惨。嗯，这就是交易，没有百分之百确定的事。

本章小结：BSM模型给了我们一个漂亮的定价框架，但它的假设在真实市场中并不成立。波动率作为唯一未知输入变量，既是模型的弱点，也是交易机会的来源。理解波动率的角色，是进入波动率交易世界的第一步。