基于可变波动率的期权定价研究
发布时间：2021-08-31 20:06
期权作为一类重要的金融衍生品,在风险对冲及套期保值等领域有着广泛运用。在国外成熟的金融市场,期权被风险管理人员大量运用于对冲标的资产价格波动的风险。而在国内,由于缺乏相应地风险对冲工具,投资者往往在市场剧烈波动中损失惨重。为了满足投资者规避风险的需求,上海证券交易所于2015年2月9日推出了我国第一只场内期权——上证50ETF期权。期权上市4年以来,成交活跃,成为了投资者管理组合风险的有力工具。当投资者进行期权交易时,最为关心的是期权定价问题,这是因为定价精确与否会影响投资者后续交易策略构建及组合头寸对冲。而基础金融资产的波动率是期权定价中的关键参数,因此,正确估计与预测基础金融资产波动率对期权定价准度十分重要。为了更好的分析基础金融资产波动率的变化对期权定价的影响,本文的研究通过以下两大部分展开。第一部分研究了可变波动率的建模问题。可变波动率主要包括历史波动率与已实现（高频）波动率。这两类波动率在揭示金融资产收益率变化信息方面各有所长。历史波动率能较好地捕捉金融资产在过去一段时间的收益波动情况,但它的缺陷是只能反映日间资产价格波动情况,会损失大量日内交易信息。而已实现波动率是基于日内...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图２－１沪深３００、中证５００已实现波动率??
?２０１７年７月?２０１８年１月??图２－１沪深３００、中证５００已实现波动率??图２－２是根据利好和中性信息影响中证５００指数成交量变化测算出现正波动??率概率和ＲＶ＋、ＲＶ？。通过进一步计算可以得到出现负波动率的平均概率为０．８５，??而出现正波动率的平均概率仅为０．１５。这说明在５分钟高频维度上，中证５００指??数受到了利空信息冲击的可能性要比受到利好信息冲击的可能性大得多。同时，??从ＲＶ的分解图也可以看到利空信息引起的ＲＶ＿的变动幅度显著超过了利好信息??引起的ＲＶ＋的变动幅度。这说明中证５００指数对利好信息、利空信息冲击存在非??对称反应，而利空信息可能是引发中证５００指数出现大幅跳跃的主要原因。这与??文凤华［ｉ６］研宄结论是一致。??１?＾?＾?｜??２０１６＾－７！！?２０１７５１?ｉｌ?２０１７＾７１１?２０１８＝Ｔ１ｌｊ?２０１７＾－１?ｆ？?２０１７＊Ｔ７Ｒ?２０１８？Ｔ１Ｐ??Ｉ塵．ｒ：：」ｉ?Ｌ：＇」ｉ??２０１６?枣７?月?２０１７＊１?Ｈ?２０１７?年７?月?２０１８－〒?１Ｂ?２Ｇ１６?年?７［?２０１７年?１〇?２０１７４－７Ｊ］?２０１８＾１；￣??图２－２中证５００指数的妒＋、ＲＶ＼?ＲＶ—?图２－３沪深３００指数的供＋、ＲＶ＇、ＲＶ—??图２－３是根据利好和中性信息影响沪深３００指数成交量变化测算出现正波??动率概率和ＲＶ＋、ＲＶ－。进一步计算得到出现正波动率的平均概率为０．１７
?２０１７年７月?２０１８年１月??图２－１沪深３００、中证５００已实现波动率??图２－２是根据利好和中性信息影响中证５００指数成交量变化测算出现正波动??率概率和ＲＶ＋、ＲＶ？。通过进一步计算可以得到出现负波动率的平均概率为０．８５，??而出现正波动率的平均概率仅为０．１５。这说明在５分钟高频维度上，中证５００指??数受到了利空信息冲击的可能性要比受到利好信息冲击的可能性大得多。同时，??从ＲＶ的分解图也可以看到利空信息引起的ＲＶ＿的变动幅度显著超过了利好信息??引起的ＲＶ＋的变动幅度。这说明中证５００指数对利好信息、利空信息冲击存在非??对称反应，而利空信息可能是引发中证５００指数出现大幅跳跃的主要原因。这与??文凤华［ｉ６］研宄结论是一致。??１?＾?＾?｜??２０１６＾－７！！?２０１７５１?ｉｌ?２０１７＾７１１?２０１８＝Ｔ１ｌｊ?２０１７＾－１?ｆ？?２０１７＊Ｔ７Ｒ?２０１８？Ｔ１Ｐ??Ｉ塵．ｒ：：」ｉ?Ｌ：＇」ｉ??２０１６?枣７?月?２０１７＊１?Ｈ?２０１７?年７?月?２０１８－〒?１Ｂ?２Ｇ１６?年?７［?２０１７年?１〇?２０１７４－７Ｊ］?２０１８＾１；￣??图２－２中证５００指数的妒＋、ＲＶ＼?ＲＶ—?图２－３沪深３００指数的供＋、ＲＶ＇、ＲＶ—??图２－３是根据利好和中性信息影响沪深３００指数成交量变化测算出现正波??动率概率和ＲＶ＋、ＲＶ－。进一步计算得到出现正波动率的平均概率为０．１７
【参考文献】：
期刊论文
[1]跳跃风险、结构突变与原油期货价格波动预测[J]. 龚旭,林伯强. 中国管理科学. 2018(11)
[2]中国股市价格跳跃行为的验证及应用[J]. 陈逢文,金启航,胡宗斌. 财贸经济. 2018(09)
[3]引入外部冲击的中国铜期货市场高频波动率建模与预测[J]. 朱学红,邹佳纹,韩飞燕,谌金宇. 中国管理科学. 2018(09)
[4]中国股票市场最优套期保值比率研究——基于高阶矩HAR模型[J]. 唐勇,崔金鑫. 系统科学与数学. 2018(09)
[5]中国股票市场波动率的长期记忆、结构突变与状态识别[J]. 张月茹,谭政勋. 南方金融. 2018(04)
[6]上证A股收益率分布特征的挖掘分析[J]. 刘宇欣,范宏. 计算机系统应用. 2018(02)
[7]收益率厚尾分布、特质性波动与股票价格行为[J]. 王春峰,姚守宇,房振明. 系统工程. 2017(12)
[8]基于符号收益和跳跃变差的高频波动率模型[J]. 马锋,魏宇,黄登仕. 管理科学学报. 2017(10)
[9]基于蒙特卡罗模拟的动态风险管理[J]. 张禹,李富有,吴逢怡. 统计与决策. 2017(14)
[10]基于高频数据HAR-CVX模型的沪深300指数的预测研究[J]. 刘晓倩,王健,吴广. 中国管理科学. 2017(06)
硕士论文
[1]高频数据下基于已实现波动率的上证50ETF期权定价研究[D]. 李超.首都经济贸易大学 2018
[2]基于GARCH族模型的上证50ETF期权定价研究[D]. 李瑶瑶.东北财经大学 2016
[3]基于GARCH模型的股指期权定价方法研究[D]. 张颖.西南石油大学 2016
[4]基于已实现波动率的期权定价研究[D]. 郑惠民.福州大学 2016
[5]HAR-RV及其扩展预测模型研究[D]. 张鹏云.西南交通大学 2014
本文编号：3375534
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图２－１沪深３００、中证５００已实现波动率??
?２０１７年７月?２０１８年１月??图２－１沪深３００、中证５００已实现波动率??图２－２是根据利好和中性信息影响中证５００指数成交量变化测算出现正波动??率概率和ＲＶ＋、ＲＶ？。通过进一步计算可以得到出现负波动率的平均概率为０．８５，??而出现正波动率的平均概率仅为０．１５。这说明在５分钟高频维度上，中证５００指??数受到了利空信息冲击的可能性要比受到利好信息冲击的可能性大得多。同时，??从ＲＶ的分解图也可以看到利空信息引起的ＲＶ＿的变动幅度显著超过了利好信息??引起的ＲＶ＋的变动幅度。这说明中证５００指数对利好信息、利空信息冲击存在非??对称反应，而利空信息可能是引发中证５００指数出现大幅跳跃的主要原因。这与??文凤华［ｉ６］研宄结论是一致。??１?＾?＾?｜??２０１６＾－７！！?２０１７５１?ｉｌ?２０１７＾７１１?２０１８＝Ｔ１ｌｊ?２０１７＾－１?ｆ？?２０１７＊Ｔ７Ｒ?２０１８？Ｔ１Ｐ??Ｉ塵．ｒ：：」ｉ?Ｌ：＇」ｉ??２０１６?枣７?月?２０１７＊１?Ｈ?２０１７?年７?月?２０１８－〒?１Ｂ?２Ｇ１６?年?７［?２０１７年?１〇?２０１７４－７Ｊ］?２０１８＾１；￣??图２－２中证５００指数的妒＋、ＲＶ＼?ＲＶ—?图２－３沪深３００指数的供＋、ＲＶ＇、ＲＶ—??图２－３是根据利好和中性信息影响沪深３００指数成交量变化测算出现正波??动率概率和ＲＶ＋、ＲＶ－。进一步计算得到出现正波动率的平均概率为０．１７
?２０１７年７月?２０１８年１月??图２－１沪深３００、中证５００已实现波动率??图２－２是根据利好和中性信息影响中证５００指数成交量变化测算出现正波动??率概率和ＲＶ＋、ＲＶ？。通过进一步计算可以得到出现负波动率的平均概率为０．８５，??而出现正波动率的平均概率仅为０．１５。这说明在５分钟高频维度上，中证５００指??数受到了利空信息冲击的可能性要比受到利好信息冲击的可能性大得多。同时，??从ＲＶ的分解图也可以看到利空信息引起的ＲＶ＿的变动幅度显著超过了利好信息??引起的ＲＶ＋的变动幅度。这说明中证５００指数对利好信息、利空信息冲击存在非??对称反应，而利空信息可能是引发中证５００指数出现大幅跳跃的主要原因。这与??文凤华［ｉ６］研宄结论是一致。??１?＾?＾?｜??２０１６＾－７！！?２０１７５１?ｉｌ?２０１７＾７１１?２０１８＝Ｔ１ｌｊ?２０１７＾－１?ｆ？?２０１７＊Ｔ７Ｒ?２０１８？Ｔ１Ｐ??Ｉ塵．ｒ：：」ｉ?Ｌ：＇」ｉ??２０１６?枣７?月?２０１７＊１?Ｈ?２０１７?年７?月?２０１８－〒?１Ｂ?２Ｇ１６?年?７［?２０１７年?１〇?２０１７４－７Ｊ］?２０１８＾１；￣??图２－２中证５００指数的妒＋、ＲＶ＼?ＲＶ—?图２－３沪深３００指数的供＋、ＲＶ＇、ＲＶ—??图２－３是根据利好和中性信息影响沪深３００指数成交量变化测算出现正波??动率概率和ＲＶ＋、ＲＶ－。进一步计算得到出现正波动率的平均概率为０．１７
【参考文献】：
期刊论文
[1]跳跃风险、结构突变与原油期货价格波动预测[J]. 龚旭,林伯强. 中国管理科学. 2018(11)
[2]中国股市价格跳跃行为的验证及应用[J]. 陈逢文,金启航,胡宗斌. 财贸经济. 2018(09)
[3]引入外部冲击的中国铜期货市场高频波动率建模与预测[J]. 朱学红,邹佳纹,韩飞燕,谌金宇. 中国管理科学. 2018(09)
[4]中国股票市场最优套期保值比率研究——基于高阶矩HAR模型[J]. 唐勇,崔金鑫. 系统科学与数学. 2018(09)
[5]中国股票市场波动率的长期记忆、结构突变与状态识别[J]. 张月茹,谭政勋. 南方金融. 2018(04)
[6]上证A股收益率分布特征的挖掘分析[J]. 刘宇欣,范宏. 计算机系统应用. 2018(02)
[7]收益率厚尾分布、特质性波动与股票价格行为[J]. 王春峰,姚守宇,房振明. 系统工程. 2017(12)
[8]基于符号收益和跳跃变差的高频波动率模型[J]. 马锋,魏宇,黄登仕. 管理科学学报. 2017(10)
[9]基于蒙特卡罗模拟的动态风险管理[J]. 张禹,李富有,吴逢怡. 统计与决策. 2017(14)
[10]基于高频数据HAR-CVX模型的沪深300指数的预测研究[J]. 刘晓倩,王健,吴广. 中国管理科学. 2017(06)
硕士论文
[1]高频数据下基于已实现波动率的上证50ETF期权定价研究[D]. 李超.首都经济贸易大学 2018
[2]基于GARCH族模型的上证50ETF期权定价研究[D]. 李瑶瑶.东北财经大学 2016
[3]基于GARCH模型的股指期权定价方法研究[D]. 张颖.西南石油大学 2016
[4]基于已实现波动率的期权定价研究[D]. 郑惠民.福州大学 2016
[5]HAR-RV及其扩展预测模型研究[D]. 张鹏云.西南交通大学 2014
本文编号：3375534
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3375534.html
教材专著
