{"topic":{"id":15664,"title":"秋招记录 - 期权方向","slug":"topic","userId":346,"categoryId":11,"createdAt":"2026-09-05T01:36:52.047Z","bumpedAt":"2026-09-23T00:33:50.585Z","views":536,"postsCount":5,"highestPostNumber":5,"likeCount":0,"closed":false,"pinned":false,"pinnedGlobally":false,"pinnedAt":null,"pinnedUntil":null,"isBanner":false,"excerpt":"说是记录，但由于券商系大多是恶心的转正实习 offer，可能没什么内容一段场外衍生品实习","deletedAt":null,"isAnonymous":false,"isPrivate":false,"isMembersOnly":false,"category":{"id":11,"name":"深入交流","slug":"distilled","color":"c01c28"},"author":{"id":346,"username":"hoist","name":null,"avatarUrl":"/uploads/image/0d/cd/0dcdf69d213b6798002779ad4b729567cd4d889ee4a56c07a8c4454e8b563219.avif"},"realAuthor":{"id":346,"username":"hoist","name":null,"avatarUrl":"/uploads/image/0d/cd/0dcdf69d213b6798002779ad4b729567cd4d889ee4a56c07a8c4454e8b563219.avif"},"tags":[]},"posts":[{"id":73396,"postNumber":1,"raw":"说是记录，但由于券商系大多是恶心的转正实习 offer（连相关科技公司同余信科都要），估计没什么内容\r\n\r\n一段场外衍生品实习","cooked":"

说是记录，但由于券商系大多是恶心的转正实习 offer（连相关科技公司同余信科都要），估计没什么内容

一段场外衍生品实习

\n","createdAt":"2026-09-05T01:36:52.047Z","updatedAt":"2026-09-05T10:02:43.491Z","replyToPostNumber":null,"replyCount":2,"likeCount":2,"wordCount":52,"liked":false,"bookmarked":false,"polls":[],"reactions":[{"reaction":"❤️","count":2,"users":[{"id":2877,"username":"Zerick","name":null},{"id":8040,"username":"dvm","name":"Dvm"}],"hasReacted":false}],"wiki":false,"version":4,"publicVersion":4,"deletedAt":null,"isAnonymous":false,"user":{"id":346,"username":"hoist","name":null,"avatarUrl":"/uploads/image/0d/cd/0dcdf69d213b6798002779ad4b729567cd4d889ee4a56c07a8c4454e8b563219.avif","admin":false,"moderator":false,"signatureRaw":null,"signatureCooked":null}},{"id":73397,"postNumber":2,"raw":"**华泰期货子**\r\n\r\n问项目的技术问题\r\n问随机分析，如随机积分、二次变差\r\n最后一个领导问很多为什么选这个方向，不选别的方向\r\n\r\n转正已发","cooked":"

华泰期货子

问项目的技术问题
\n问随机分析，如随机积分、二次变差
\n最后一个领导问很多为什么选这个方向，不选别的方向

转正已发

\n","createdAt":"2026-09-05T01:39:23.851Z","updatedAt":"2026-09-05T01:39:35.359Z","replyToPostNumber":1,"replyCount":0,"likeCount":2,"wordCount":59,"liked":false,"bookmarked":false,"polls":[],"reactions":[{"reaction":"❤️","count":2,"users":[{"id":2877,"username":"Zerick","name":null},{"id":8040,"username":"dvm","name":"Dvm"}],"hasReacted":false}],"wiki":false,"version":1,"publicVersion":1,"deletedAt":null,"isAnonymous":false,"user":{"id":346,"username":"hoist","name":null,"avatarUrl":"/uploads/image/0d/cd/0dcdf69d213b6798002779ad4b729567cd4d889ee4a56c07a8c4454e8b563219.avif","admin":false,"moderator":false,"signatureRaw":null,"signatureCooked":null}},{"id":73398,"postNumber":3,"raw":"爱看期待，非银金融就业，貌似还没见过这方面的门友","cooked":"

爱看期待，非银金融就业，貌似还没见过这方面的门友

\n","createdAt":"2026-09-05T05:58:56.845Z","updatedAt":"2026-09-05T05:58:56.845Z","replyToPostNumber":1,"replyCount":0,"likeCount":0,"wordCount":24,"liked":false,"bookmarked":false,"polls":[],"reactions":[],"wiki":false,"version":1,"publicVersion":1,"deletedAt":null,"isAnonymous":false,"user":{"id":8040,"username":"dvm","name":"Dvm","avatarUrl":"/uploads/image/75/0b/750bd7e91b31df9bd240ba07ce30364f5a17eb5a79d3fb016b6249b4e8c8c3d1.avif","admin":false,"moderator":false,"signatureRaw":null,"signatureCooked":null}},{"id":73445,"postNumber":4,"raw":"之前拿 AI 水过一篇类似的笔记\r\n\r\n## 核心思想\r\n\r\n**通过构建一个无风险对冲投资组合来消除标的资产价格的随机性，再利用无套利原理推导出衍生品（如期权）的定价偏微分方程。**\r\n\r\n---\r\n\r\n## 符号定义\r\n\r\n| 符号 | 含义 |\r\n| ----------- | -------------------------------------------------- |\r\n| $ S $ | 标的资产（如股票）价格，是随机过程 |\r\n| $ V(S, t) $ | 衍生品（如期权）价格，是 $ S $ 和时间 $ t $ 的函数 |\r\n| $ \\Pi $ | 构建的投资组合价值 |\r\n| $ \\mu $ | 资产的预期年化收益率（漂移项） |\r\n| $ \\sigma $ | 资产的年化波动率（风险度量） |\r\n| $ r $ | 无风险利率（常数） |\r\n\r\n---\r\n\r\n## 几何布朗运动（GBM）\r\n\r\n假设资产价格短期内服从**几何布朗运动**：\r\n\r\n$$\r\ndS = \\mu S \\, dt + \\sigma S \\, dz\r\n$$\r\n\r\n- **漂移项**：$ \\mu S \\, dt $ 表示确定性增长趋势；\r\n- **扩散项**：$ \\sigma S \\, dz $ 表示由随机冲击引起的波动。\r\n- 标准维纳过程的微分增量 $ dz $：满足 $ dz \\sim \\mathcal{N}(0, dt) $\r\n\r\n---\r\n\r\n## 构建无风险对冲组合\r\n\r\n### 投资组合构造\r\n\r\n构建一个由**1 份衍生品多头**和**$ \\Delta $ 份标的资产空头**组成的投资组合：\r\n\r\n$$\r\n\\Pi = V - \\Delta S\r\n$$\r\n\r\n其中，选择对冲比率：\r\n\r\n$$\r\n\\Delta = \\frac{\\partial V}{\\partial S}\r\n$$\r\n\r\n> 这一选择使得对冲组合对标的资产价格的**一阶变动**无关。\r\n\r\n### 组合价值的瞬时变化\r\n\r\n在无穷小时间 $ dt $ 内，组合价值变化为：\r\n\r\n$$\r\nd\\Pi = dV - \\Delta \\, dS = dV - \\frac{\\partial V}{\\partial S} dS\r\n$$\r\n\r\n---\r\n\r\n## 伊藤引理（Itô’s Lemma）\r\n\r\n由于 $ V = V(S, t) $，且 $ S $ 是随机过程，需使用**伊藤引理**展开 $ dV $：\r\n\r\n$$\r\ndV = \\frac{\\partial V}{\\partial t} dt + \\frac{\\partial V}{\\partial S} dS + \\frac{1}{2} \\frac{\\partial^2 V}{\\partial S^2} (dS)^2\r\n$$\r\n\r\n### 计算 $ (dS)^2 $\r\n\r\n代入 $ dS = \\mu S dt + \\sigma S dz $，得：\r\n\r\n$$\r\n(dS)^2 = (\\mu S dt + \\sigma S dz)^2 = \\mu^2 S^2 (dt)^2 + 2\\mu\\sigma S^2 dt\\,dz + \\sigma^2 S^2 (dz)^2\r\n$$\r\n\r\n根据伊藤微积分规则（当 $ dt \\to 0 $）：\r\n\r\n- $ (dt)^2 \\to 0 $\r\n- $ dt \\cdot dz \\to 0 $\r\n- $ (dz)^2 = dt $\r\n\r\n因此：\r\n\r\n$$\r\n(dS)^2 \\approx \\sigma^2 S^2 \\, dt\r\n$$\r\n\r\n### 代入伊藤引理\r\n\r\n$$\r\ndV = \\frac{\\partial V}{\\partial t} dt + \\frac{\\partial V}{\\partial S} (\\mu S dt + \\sigma S dz) + \\frac{1}{2} \\frac{\\partial^2 V}{\\partial S^2} \\sigma^2 S^2 dt\r\n$$\r\n\r\n整理得：\r\n\r\n$$\r\ndV = \\left( \\frac{\\partial V}{\\partial t} + \\mu S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt + \\sigma S \\frac{\\partial V}{\\partial S} dz\r\n$$\r\n\r\n---\r\n\r\n## 代入对冲组合并消除随机性\r\n\r\n将 $ dV $ 和 $ dS $ 代入 $ d\\Pi = dV - \\frac{\\partial V}{\\partial S} dS $：\r\n\r\n$$\r\nd\\Pi = \\left[ \\left( \\frac{\\partial V}{\\partial t} + \\mu S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt + \\sigma S \\frac{\\partial V}{\\partial S} dz \\right] - \\frac{\\partial V}{\\partial S} (\\mu S dt + \\sigma S dz)\r\n$$\r\n\r\n展开后：\r\n\r\n- **随机项（含 $ dz $）**：\r\n $$\r\n \\sigma S \\frac{\\partial V}{\\partial S} dz - \\frac{\\partial V}{\\partial S} \\sigma S dz = 0\r\n $$\r\n\r\n- **确定性项（含 $ dt $）**：\r\n $$\r\n \\left( \\frac{\\partial V}{\\partial t} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt\r\n $$\r\n\r\n因此，**对冲后的组合无随机性**：\r\n\r\n$$\r\nd\\Pi = \\left( \\frac{\\partial V}{\\partial t} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt\r\n$$\r\n\r\n---\r\n\r\n## 无套利原理与 Black-Scholes PDE\r\n\r\n由于 $ \\Pi $ 是**无风险组合**，其收益率必须等于无风险利率 $ r $，否则存在套利机会。\r\n\r\n无风险资产的增长满足：\r\n\r\n$$\r\nd\\Pi = r \\Pi \\, dt\r\n$$\r\n\r\n将两种表达式联立：\r\n\r\n$$\r\n\\left( \\frac{\\partial V}{\\partial t} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt = r \\left( V - S \\frac{\\partial V}{\\partial S} \\right) dt\r\n$$\r\n\r\n两边除以 $ dt $，整理得 **Black-Scholes 偏微分方程（PDE）**：\r\n\r\n$$\r\n\\frac{\\partial V}{\\partial t} + r S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} - rV = 0\r\n$$\r\n\r\n---\r\n\r\n## 希腊字母\r\n\r\n- **Delta ($ \\Delta $)**：$ \\frac{\\partial V}{\\partial S} $，对冲比率；\r\n- **Gamma ($ \\Gamma $)**：$ \\frac{\\partial^2 V}{\\partial S^2} $，Delta 对价格的敏感度；\r\n- **Theta ($ \\Theta $)**：$ \\frac{\\partial V}{\\partial t} $，时间衰减。\r\n\r\n---\r\n\r\n## PDE 求解\r\n\r\n### 变量分类\r\n\r\n在实际应用中，我们将 Black-Scholes PDE 中的变量分为三类：\r\n\r\n#### 可观测的输入\r\n\r\n这些是市场数据或合约条款，可以直接获取：\r\n\r\n| 符号 | 含义 | 说明 |\r\n| ----- | ---------------------------- | ------------------------------------- |\r\n| $ S $ | 标的资产现价 | 股票等标的资产的当前市场价格 |\r\n| $ K $ | 行权价（Strike Price） | 期权合约约定的执行价格 |\r\n| $ T $ | 到期日（Expiry Date） | 通常使用剩余到期时间 $ \\tau = T - t $ |\r\n| $ r $ | 无风险利率（Risk-Free Rate） | 与期权期限匹配的国债收益率 |\r\n| $ q $ | 股息率（Dividend Yield） | 若标的资产支付股息，则需引入 |\r\n\r\n#### 不可直接观测的输入\r\n\r\n| 符号 | 含义 |\r\n| ---------- | -------------------- |\r\n| $ \\sigma $ | 波动率（Volatility） |\r\n\r\n- **估计方法**：\r\n - **历史波动率**：基于过去价格收益率的标准差，反映历史波动，未必代表未来。\r\n - **隐含波动率（Implied Volatility, IV）**：**市场标准做法**。将市场实际交易的期权价格 $ V_{\\text{market}} $ 与其他已知参数代入 Black-Scholes 公式，**反向求解**出使模型价格等于市场价格的 $ \\sigma $。 \r\n > 即：求解 $ V_{\\text{BS}}(S, K, T, r, \\sigma) = V_{\\text{market}} $ 中的 $ \\sigma $\r\n\r\n#### 最终要求解的 V\r\n\r\n| 符号 | 含义 | 目标 |\r\n| ----------- | ------------------------------ | ---------------------------- |\r\n| $ V(S, t) $ | 衍生品价格（Derivative Price） | **理论公允价值**，即模型输出 |\r\n\r\n**求解目标**： \r\n> 找到一个**具体的定价函数** $ V(S, t) $，使其满足该 PDE **以及特定衍生品的边界条件与终值条件**。\r\n\r\n该函数 $ V(S, t) $ 的作用是： \r\n> 给定任意时刻 $ t < T $ 和任意标的资产价格 $ S $，输出该衍生品的**理论公允价值**。\r\n\r\n$$\r\n\\frac{\\partial V}{\\partial t} + r S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} - rV = 0\r\n$$\r\n\r\n### 解析解\r\n\r\n- **适用对象**：欧式期权等结构简单、边界条件明确的衍生品。\r\n- **方法**：通过变量代换（如 $ x = \\ln S $, $ \\tau = T - t $）将 PDE 转化为**热传导方程**求解。\r\n- **优点**：结果精确、计算极快。\r\n- **缺点**：**无法处理美式期权**（因提前行权导致自由边界问题）。\r\n\r\n对于欧式看涨期权，终值条件为：\r\n\r\n$$\r\nV(S, T) = \\max(S - K, 0)\r\n$$\r\n\r\n求解 PDE 得到著名的 **Black-Scholes 定价公式**：\r\n\r\n$$\r\nC(S, t) = S N(d_1) - K e^{-r(T - t)} N(d_2)\r\n$$\r\n\r\n其中：\r\n\r\n$$\r\nd_1 = \\frac{\\ln(S/K) + (r + \\frac{1}{2}\\sigma^2)(T - t)}{\\sigma \\sqrt{T - t}}, \\quad\r\nd_2 = d_1 - \\sigma \\sqrt{T - t}\r\n$$\r\n\r\n$ N(\\cdot) $ 为标准正态分布的累积分布函数。\r\n\r\n### 数值方法\r\n\r\n当解析解不存在时，使用数值近似。\r\n\r\n#### 1. 有限差分法（Finite Difference Method, FDM）\r\n\r\n- **核心思想**：将连续的 $ (S, t) $ 平面离散化为网格，用差商近似偏导数。\r\n $$\r\n \\frac{\\partial V}{\\partial t} \\approx \\frac{V^{n+1}_i - V^n_i}{\\Delta t}, \\quad\r\n \\frac{\\partial^2 V}{\\partial S^2} \\approx \\frac{V^n_{i+1} - 2V^n_i + V^n_{i-1}}{(\\Delta S)^2}\r\n $$\r\n- **求解方向**：从到期日 $ t = T $（已知终值）**向后倒推**至当前时刻 $ t = 0 $。\r\n- **优点**：通用性强，可处理美式期权（通过在每步判断是否行权）、时变参数等。\r\n- **缺点**：实现较复杂，计算量较大。\r\n\r\n#### 2. 二叉树/三叉树模型（Binomial/Trinomial Tree）\r\n\r\n- **核心思想**：对标的资产**价格路径进行离散化**建模。\r\n - 每步：$ S \\to uS $（上涨）或 $ S \\to dS $（下跌），其中 $ u = e^{\\sigma \\sqrt{\\Delta t}}, d = 1/u $\r\n- **定价过程**：\r\n 1. 构建价格树至到期日；\r\n 2. 在叶节点计算期权 payoff；\r\n 3. 从后往前，按风险中性概率折现： \r\n $$\r\n V = e^{-r \\Delta t} [p V_{\\text{up}} + (1 - p) V_{\\text{down}}]\r\n $$\r\n 其中 $ p = \\frac{e^{r \\Delta t} - d}{u - d} $\r\n- **优点**：直观、天然支持**美式期权**（每节点比较行权价值与持有价值）。\r\n- **缺点**：收敛速度慢，高维问题效率低。\r\n\r\n#### 3. 蒙特卡洛模拟（Monte Carlo Simulation）\r\n\r\n- **核心思想**：基于**风险中性定价原理**，不直接解 PDE，而是模拟未来路径。\r\n- **步骤**：\r\n 1. 在风险中性测度下模拟 $ N $ 条资产价格路径： \r\n $$\r\n S_{t+\\Delta t} = S_t \\exp\\left( (r - \\frac{1}{2}\\sigma^2)\\Delta t + \\sigma \\sqrt{\\Delta t} \\, \\epsilon \\right), \\quad \\epsilon \\sim \\mathcal{N}(0,1)\r\n $$\r\n 2. 计算每条路径到期收益 $ \\text{Payoff}_i $\r\n 3. 估算价格： \r\n $$\r\n V \\approx e^{-r(T - t)} \\cdot \\frac{1}{N} \\sum_{i=1}^N \\text{Payoff}_i\r\n $$\r\n- **优点**：**极其灵活**，适用于路径依赖期权（如亚式、回望、障碍期权）。\r\n- **缺点**：\r\n - 无法直接处理**美式期权**（因需最优停止决策）；\r\n - 收敛速度慢（误差 $ \\propto 1/\\sqrt{N} $）, 需大量模拟路径以保证精度。","cooked":"

之前拿 AI 水过一篇类似的笔记

核心思想

通过构建一个无风险对冲投资组合来消除标的资产价格的随机性，再利用无套利原理推导出衍生品（如期权）的定价偏微分方程。

符号定义

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n

符号	含义
$ S $	标的资产（如股票）价格，是随机过程
$ V(S, t) $	衍生品（如期权）价格，是 $ S $ 和时间 $ t $ 的函数
$ \\Pi $	构建的投资组合价值
$ \\mu $	资产的预期年化收益率（漂移项）
$ \\sigma $	资产的年化波动率（风险度量）
$ r $	无风险利率（常数）

几何布朗运动（GBM）

假设资产价格短期内服从几何布朗运动：

\ndS = \\mu S \\, dt + \\sigma S \\, dz\n

漂移项：$ \\mu S , dt $ 表示确定性增长趋势；
扩散项：$ \\sigma S , dz $ 表示由随机冲击引起的波动。
标准维纳过程的微分增量 $ dz $：满足 $ dz \\sim \\mathcal{N}(0, dt) $

构建无风险对冲组合

投资组合构造

构建一个由1 份衍生品多头和**$ \\Delta $ 份标的资产空头**组成的投资组合：

\n\\Pi = V - \\Delta S\n

其中，选择对冲比率：

\n\\Delta = \\frac{\\partial V}{\\partial S}\n

\n
这一选择使得对冲组合对标的资产价格的一阶变动无关。
\n

组合价值的瞬时变化

在无穷小时间 $ dt $ 内，组合价值变化为：

\nd\\Pi = dV - \\Delta \\, dS = dV - \\frac{\\partial V}{\\partial S} dS\n

伊藤引理（Itô’s Lemma）

由于 $ V = V(S, t) $，且 $ S $ 是随机过程，需使用伊藤引理展开 $ dV $：

\ndV = \\frac{\\partial V}{\\partial t} dt + \\frac{\\partial V}{\\partial S} dS + \\frac{1}{2} \\frac{\\partial^2 V}{\\partial S^2} (dS)^2\n

计算 $ (dS)^2 $

代入 $ dS = \\mu S dt + \\sigma S dz $，得：

\n(dS)^2 = (\\mu S dt + \\sigma S dz)^2 = \\mu^2 S^2 (dt)^2 + 2\\mu\\sigma S^2 dt\\,dz + \\sigma^2 S^2 (dz)^2\n

根据伊藤微积分规则（当 $ dt \\to 0 $）：

$ (dt)^2 \\to 0 $
$ dt \\cdot dz \\to 0 $
$ (dz)^2 = dt $

因此：

\n(dS)^2 \\approx \\sigma^2 S^2 \\, dt\n

代入伊藤引理

\ndV = \\frac{\\partial V}{\\partial t} dt + \\frac{\\partial V}{\\partial S} (\\mu S dt + \\sigma S dz) + \\frac{1}{2} \\frac{\\partial^2 V}{\\partial S^2} \\sigma^2 S^2 dt\n

整理得：

\ndV = \\left( \\frac{\\partial V}{\\partial t} + \\mu S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt + \\sigma S \\frac{\\partial V}{\\partial S} dz\n

代入对冲组合并消除随机性

将 $ dV $ 和 $ dS $ 代入 $ d\\Pi = dV - \\frac{\\partial V}{\\partial S} dS $：

\nd\\Pi = \\left[ \\left( \\frac{\\partial V}{\\partial t} + \\mu S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt + \\sigma S \\frac{\\partial V}{\\partial S} dz \\right] - \\frac{\\partial V}{\\partial S} (\\mu S dt + \\sigma S dz)\n

展开后：

\n
随机项（含 $ dz $）：
\n
$\n\\sigma S \\frac{\\partial V}{\\partial S} dz - \\frac{\\partial V}{\\partial S} \\sigma S dz = 0\n$
\n
\n
确定性项（含 $ dt $）：
\n
$\n\\left( \\frac{\\partial V}{\\partial t} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt\n$
\n

因此，对冲后的组合无随机性：

\nd\\Pi = \\left( \\frac{\\partial V}{\\partial t} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt\n

无套利原理与 Black-Scholes PDE

由于 $ \\Pi $ 是无风险组合，其收益率必须等于无风险利率 $ r $，否则存在套利机会。

无风险资产的增长满足：

\nd\\Pi = r \\Pi \\, dt\n

将两种表达式联立：

\n\\left( \\frac{\\partial V}{\\partial t} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} \\right) dt = r \\left( V - S \\frac{\\partial V}{\\partial S} \\right) dt\n

两边除以 $ dt $，整理得 Black-Scholes 偏微分方程（PDE）：

\n\\frac{\\partial V}{\\partial t} + r S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} - rV = 0\n

希腊字母

**Delta ($ \\Delta $)**：$ \\frac{\\partial V}{\\partial S} $，对冲比率；
**Gamma ($ \\Gamma $)**：$ \\frac{\\partial^2 V}{\\partial S^2} $，Delta 对价格的敏感度；
**Theta ($ \\Theta $)**：$ \\frac{\\partial V}{\\partial t} $，时间衰减。

PDE 求解

变量分类

在实际应用中，我们将 Black-Scholes PDE 中的变量分为三类：

可观测的输入

这些是市场数据或合约条款，可以直接获取：

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n

符号	含义	说明
$ S $	标的资产现价	股票等标的资产的当前市场价格
$ K $	行权价（Strike Price）	期权合约约定的执行价格
$ T $	到期日（Expiry Date）	通常使用剩余到期时间 $ \\tau = T - t $
$ r $	无风险利率（Risk-Free Rate）	与期权期限匹配的国债收益率
$ q $	股息率（Dividend Yield）	若标的资产支付股息，则需引入

不可直接观测的输入

\n\n\n\n\n\n\n\n\n\n\n\n\n\n

符号	含义
$ \\sigma $	波动率（Volatility）

估计方法：\n
- 历史波动率：基于过去价格收益率的标准差，反映历史波动，未必代表未来。
- 隐含波动率（Implied Volatility, IV）：市场标准做法。将市场实际交易的期权价格 $ V_{\\text{market}} $ 与其他已知参数代入 Black-Scholes 公式，反向求解出使模型价格等于市场价格的 $ \\sigma $。\n
  \n
  即：求解 $ V_{\\text{BS}}(S, K, T, r, \\sigma) = V_{\\text{market}} $ 中的 $ \\sigma $
  \n
  \n
\n

最终要求解的 V

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n

符号	含义	目标
$ V(S, t) $	衍生品价格（Derivative Price）	理论公允价值，即模型输出

求解目标：

\n
找到一个具体的定价函数 $ V(S, t) $，使其满足该 PDE 以及特定衍生品的边界条件与终值条件。
\n

该函数 $ V(S, t) $ 的作用是：

\n
给定任意时刻 $ t \\lt T $ 和任意标的资产价格 $ S $，输出该衍生品的理论公允价值。
\n

\n\\frac{\\partial V}{\\partial t} + r S \\frac{\\partial V}{\\partial S} + \\frac{1}{2} \\sigma^2 S^2 \\frac{\\partial^2 V}{\\partial S^2} - rV = 0\n

解析解

适用对象：欧式期权等结构简单、边界条件明确的衍生品。
方法：通过变量代换（如 $ x = \\ln S $, $ \\tau = T - t $）将 PDE 转化为热传导方程求解。
优点：结果精确、计算极快。
缺点：无法处理美式期权（因提前行权导致自由边界问题）。

对于欧式看涨期权，终值条件为：

\nV(S, T) = \\max(S - K, 0)\n

求解 PDE 得到著名的 Black-Scholes 定价公式：

\nC(S, t) = S N(d_1) - K e^{-r(T - t)} N(d_2)\n

其中：

\nd_1 = \\frac{\\ln(S/K) + (r + \\frac{1}{2}\\sigma^2)(T - t)}{\\sigma \\sqrt{T - t}}, \\quad\nd_2 = d_1 - \\sigma \\sqrt{T - t}\n

$ N(\\cdot) $ 为标准正态分布的累积分布函数。

数值方法

当解析解不存在时，使用数值近似。

1. 有限差分法（Finite Difference Method, FDM）

核心思想：将连续的 $ (S, t) $ 平面离散化为网格，用差商近似偏导数。
\n
$\n\\frac{\\partial V}{\\partial t} \\approx \\frac{V^{n+1}_i - V^n_i}{\\Delta t}, \\quad\n\\frac{\\partial^2 V}{\\partial S^2} \\approx \\frac{V^n_{i+1} - 2V^n_i + V^n_{i-1}}{(\\Delta S)^2}\n$
求解方向：从到期日 $ t = T $（已知终值）向后倒推至当前时刻 $ t = 0 $。
优点：通用性强，可处理美式期权（通过在每步判断是否行权）、时变参数等。
缺点：实现较复杂，计算量较大。

2. 二叉树/三叉树模型（Binomial/Trinomial Tree）

核心思想：对标的资产价格路径进行离散化建模。\n
- 每步：$ S \\to uS $（上涨）或 $ S \\to dS $（下跌），其中 $ u = e^{\\sigma \\sqrt{\\Delta t}}, d = 1/u $
\n
定价过程：\n
1. 构建价格树至到期日；
2. 在叶节点计算期权 payoff；
3. 从后往前，按风险中性概率折现：
  \n
  $\nV = e^{-r \\Delta t} [p V_{\\text{up}} + (1 - p) V_{\\text{down}}]\n$
  
  \n其中 $ p = \\frac{e^{r \\Delta t} - d}{u - d} $
\n
优点：直观、天然支持美式期权（每节点比较行权价值与持有价值）。
缺点：收敛速度慢，高维问题效率低。

3. 蒙特卡洛模拟（Monte Carlo Simulation）

核心思想：基于风险中性定价原理，不直接解 PDE，而是模拟未来路径。
步骤：\n
1. 在风险中性测度下模拟 $ N $ 条资产价格路径：
  \n
  $\nS_{t+\\Delta t} = S_t \\exp\\left( (r - \\frac{1}{2}\\sigma^2)\\Delta t + \\sigma \\sqrt{\\Delta t} \\, \\epsilon \\right), \\quad \\epsilon \\sim \\mathcal{N}(0,1)\n$
2. 计算每条路径到期收益 $ \\text{Payoff}_i $
3. 估算价格：
  \n
  $\nV \\approx e^{-r(T - t)} \\cdot \\frac{1}{N} \\sum_{i=1}^N \\text{Payoff}_i\n$
\n
优点：极其灵活，适用于路径依赖期权（如亚式、回望、障碍期权）。
缺点：\n
- 无法直接处理美式期权（因需最优停止决策）；
- 收敛速度慢（误差 $ \\propto 1/\\sqrt{N} $）, 需大量模拟路径以保证精度。
\n

\n","createdAt":"2026-09-11T06:37:13.955Z","updatedAt":"2026-09-11T06:37:13.955Z","replyToPostNumber":null,"replyCount":0,"likeCount":1,"wordCount":2383,"liked":false,"bookmarked":false,"polls":[],"reactions":[{"reaction":"❤️","count":1,"users":[{"id":4668,"username":"IO","name":null}],"hasReacted":false}],"wiki":false,"version":1,"publicVersion":1,"deletedAt":null,"isAnonymous":true,"user":{"id":2191,"username":"anonymous","name":null,"avatarUrl":null,"admin":false,"moderator":false}},{"id":73595,"postNumber":5,"raw":"光大证券衍生品交易\r\n\r\n笔试\r\nAI 面","cooked":"

光大证券衍生品交易

笔试
\nAI 面

\n","createdAt":"2026-09-23T00:33:50.585Z","updatedAt":"2026-09-25T04:08:13.317Z","replyToPostNumber":null,"replyCount":0,"likeCount":0,"wordCount":13,"liked":false,"bookmarked":false,"polls":[],"reactions":[],"wiki":false,"version":2,"publicVersion":2,"deletedAt":null,"isAnonymous":false,"user":{"id":346,"username":"hoist","name":null,"avatarUrl":"/uploads/image/0d/cd/0dcdf69d213b6798002779ad4b729567cd4d889ee4a56c07a8c4454e8b563219.avif","admin":false,"moderator":false,"signatureRaw":null,"signatureCooked":null}}],"hasMore":false,"lastReadPostNumber":1,"hasUrlPostNumber":false}