第3章期权定价模型基础

第3章：期权定价模型基础：BSM模型、希腊字母在波动率交易中的应用

期权定价，说白了就是给「不确定性」标个价。我刚入行那会儿，总觉得BSM模型就是个数学黑箱，直到自己动手写过几次定价引擎，才真正理解它的妙处。

这一章，咱们就聊聊BSM模型和希腊字母。这些东西是波动率交易的地基，地基不稳，楼盖得再高也得塌。

3.1 BSM模型：期权定价的「基准锚」

BSM模型是1973年由Black、Scholes和Merton提出的。它假设股价服从几何布朗运动，波动率是常数。嗯，现实中波动率当然会变，但这不妨碍BSM成为行业标准。

公式长这样：

C = S * N(d1) - K * e^(-rT) * N(d2)
P = K * e^(-rT) * N(-d2) - S * N(-d1)

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

参数含义：

S：标的资产当前价格
K：行权价
T：剩余到期时间（年化）
r：无风险利率
σ：波动率（年化）
N(·)：标准正态分布的累积分布函数

核心要点：BSM模型里唯一不可直接观测的输入就是σ。这就是为什么波动率交易能成立——我们赌的不是方向，而是波动率本身。

我个人习惯用Python实现BSM定价。代码不长，但每次写都能加深理解：

import numpy as np
from scipy.stats import norm

def bsm_price(S, K, T, r, sigma, option_type='call'):
    d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
    d2 = d1 - sigma*np.sqrt(T)
    
    if option_type == 'call':
        price = S*norm.cdf(d1) - K*np.exp(-r*T)*norm.cdf(d2)
    else:
        price = K*np.exp(-r*T)*norm.cdf(-d2) - S*norm.cdf(-d1)
    return price

避坑指南：我曾经在计算d1时把T的单位搞错了。如果期权还有30天到期，T应该是30/365，而不是30。这个错误让我亏过一笔小钱，从那以后我每次都会double-check时间参数。

3.2 希腊字母：波动率交易的「仪表盘」

希腊字母是期权价格对各个参数的偏导数。做波动率交易，说白了就是盯着这几个数字做决策。

3.2.1 Delta（Δ）：方向风险

Delta衡量期权价格对标的资产价格变化的敏感度。看涨期权的Delta在0到1之间，看跌期权在-1到0之间。

公式：

Δ_call = N(d1)
Δ_put = N(d1) - 1

举个例子：如果某看涨期权的Delta是0.6，标的价格涨1块钱，期权价格大约涨0.6块。

实战意义：做波动率交易时，我们通常要Delta中性。也就是让整个组合的Delta接近0，这样标的价格的小幅波动就不会影响组合价值。我习惯每天收盘前检查一次Delta敞口，超过阈值就调仓。

3.2.2 Gamma（Γ）：Delta的变化率

Gamma衡量Delta对标的资产价格变化的敏感度。说白了，就是Delta的「加速度」。

公式：

Γ = N'(d1) / (S * σ * √T)

其中N'(d1)是标准正态分布的概率密度函数。

Gamma有几个重要特性：

平值期权的Gamma最大
临近到期时，平值期权的Gamma会急剧增大
深度实值和深度虚值期权的Gamma都很小

注意：Gamma大的期权，Delta变化快。如果你做Delta中性策略，Gamma大会导致你需要频繁调仓。我见过有人因为忽略了Gamma，一天之内Delta从0变成了0.3，结果标的一波动就亏大了。

3.2.3 Vega（ν）：波动率风险

Vega衡量期权价格对波动率变化的敏感度。这是波动率交易最核心的希腊字母。

公式：

ν = S * √T * N'(d1)

Vega的特性：

平值期权的Vega最大
剩余时间越长，Vega越大
看涨和看跌期权的Vega相同

核心逻辑：做多波动率就是做多Vega，做空波动率就是做空Vega。如果隐含波动率被低估，你就买入期权（做多Vega）；如果被高估，你就卖出期权（做空Vega）。

3.2.4 Theta（Θ）：时间衰减

Theta衡量期权价格随时间流逝的损失速度。对期权买方来说，Theta是敌人；对卖方来说，Theta是朋友。

公式（看涨期权）：

Θ = -[S * σ * N'(d1)] / (2√T) - r * K * e^(-rT) * N(d2)

Theta的特性：

平值期权的Theta最大（绝对值）
临近到期时，Theta加速衰减
深度实值期权的Theta可能为正（理论上）

个人经验：我做过一个统计，在商品期货期权上，距离到期日30天以内的平值期权，Theta衰减速度是60天以上的3-4倍。所以做卖方策略时，我一般选30-45天到期的合约，既能吃到时间价值，又不会因为Gamma太大而失控。

3.2.5 Rho（ρ）：利率风险

Rho衡量期权价格对无风险利率变化的敏感度。在商品期货期权中，Rho的影响通常很小，可以忽略。

公式（看涨期权）：

ρ = K * T * e^(-rT) * N(d2)

为什么Rho不重要？因为商品期货期权的期限通常较短（几个月），利率变化对定价的影响微乎其微。我一般只在做跨年合约时才看一眼Rho。

3.3 希腊字母在波动率交易中的综合应用

做波动率交易，不能只看单个希腊字母。你得把它们组合起来看。

我常用的一个框架：

策略类型	Delta	Gamma	Vega	Theta
做多波动率（买入跨式）	≈0	正	正	负
做空波动率（卖出跨式）	≈0	负	负	正
Delta中性日历价差	≈0	可正可负	近月负/远月正	近月正/远月负

举个例子：如果你认为隐含波动率被高估，想卖出跨式组合。你会做空Vega（波动率下降时赚钱），做多Theta（时间流逝赚钱），但Gamma是负的（标的大幅波动时亏钱）。

关键权衡：做空波动率赚的是Theta，亏的是Gamma。做多波动率赚的是Gamma，亏的是Theta。你赚的钱，本质上是在承担另一种风险。没有免费的午餐。

3.4 一个完整的分析流程

我平时做波动率交易，会按这个步骤来：

计算隐含波动率：用BSM模型反推，得到当前市场定价的波动率
对比历史波动率：看隐含波动率是否处于历史高位或低位
分析希腊字母暴露：计算组合的Delta、Gamma、Vega、Theta
调整Delta中性：用标的期货或现货对冲Delta风险
设定止损：根据Gamma和Vega的暴露，设定最大亏损阈值

避坑指南：我曾经在2019年做空沪铜期权波动率，当时隐含波动率确实很高，但我忽略了Gamma风险。结果铜价突然暴涨，Gamma亏损远超过了Theta收益。嗯，从那以后我每次做空波动率都会先算一下「Gamma风险预算」。

3.5 本章小结

BSM模型是期权定价的基石，希腊字母是波动率交易的操作面板。记住几个要点：

BSM模型的核心输入是波动率，其他参数都是可观测的
Delta是方向风险，波动率交易要Delta中性
Gamma是Delta的变化率，决定调仓频率
Vega是波动率风险，是波动率交易的核心
Theta是时间衰减，卖方赚的就是这个
Rho在商品期权中基本可以忽略

把这些东西吃透了，你就能看懂期权价格在「说什么」。下一章咱们聊聊如何用这些工具构建实际的波动率交易策略。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录