Black-Scholes:一个公式如何再造华尔街
先掌握这个答案
公式(认购):C = S·N(d1) − K·e^(−rT)·N(d2),其中d1、d2由五个输入决定:标的价格S、行权价K、到期时间T、利率r、波动率σ。核心思想:不用预测涨跌也能定价——构造「股票+债券」的动态组合复制期权收益,无套利 forces 复制成本=期权价格(期权成了「可合成」的东西)。假设与错误:假设波动率恒定、价格连续(无跳跃)、可连续对冲、无摩擦——现实全部违反(波动率微笑q-657就是市场对「恒定σ」的否定)。为什么还在用:①反解IV的通用语言(q-169);②报价与沟通的基准(「比BS贵2个vol点」);③修正模型都建立在它的骨架上——BS之于衍生品如牛顿力学之于物理:知道它错在哪,比抛弃它更有用。
先读结论,再核对下方使用边界;数字例题为教学情景,涉及实际行情与规则时请核对原始来源。
从理解到使用
分位数不是最大损失
VaR是指定持有期与模型下的损失分位数,超过该阈值仍可能损失很多。ES刻画最差尾部的平均损失;离散样本中并不总能简单等同于“严格大于VaR的样本均值”。报告分位数算法和回测覆盖情况。
核对来源:BIS:VaR与ES ↗希腊字母是局部敏感度
说明标的、期限、波动率口径与模型假设。Delta对冲无法消除跳跃、波动率变化和交易成本;买方通常以权利金为主要损失上限,卖方风险与保证金必须按具体头寸分析。
本阶段实战方法 · 把风险指标转成可执行的限额
报告VaR、对冲比率或保证金时,必须同时说明模型外还可能发生什么。
- 先定义损失正负号、置信水平、持有期、样本窗口和估计方法。
- 组合使用VaR、ES、压力测试、集中度、清算天数与保证金情景,不把单一指标当最大损失。
- 为预警、减仓、暂停交易写清触发条件、执行责任和恢复条件,并记录无法成交的情景。
使用边界
- 95% VaR是损失分布的95%分位,不是最大亏损或保证每天有95%把握安全。
- 久期敏感度使用修正久期;Macaulay久期是现金流加权时间,两者不能直接混用。
- BS被证明错了就该淘汰:它错在假设、对在框架——市场用法是「骨架+修正」而非「全或无」
- 公式能预测期权涨跌:它给「无套利公平价」——预测靠的是你对IV vs 未来波动的判断(波动率交易),不是公式
- 五个输入都是客观的:四个可查,唯独σ要估——整个期权交易的博弈都浓缩在第五个输入上(q-169的深意)
🛠 本题实践任务
用bs_call计算平值认购在σ=20%/40%下的价格差;再对照真实期权链:同一行权价不同月份的价格,用两个σ反解(复用q-169的implied_vol函数)——你刚建立了自己的定价-反解工具对。
💡 提示(先自己想5分钟再看)
价格随σ上升的速率就是Vega(q-652);σ差×Vega≈价差。
在你的浏览器内运行。首次需联网下载 Python;支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词,不代替逻辑审查。
🤖 AI导师
导师会先检查你的前置知识(期权定价要素、无套利思想),再用案例、公式和代码帮助理解。此功能需要先启用服务。