2. 期权估值基础
在回归测试与模型验证的语境下，理解期权估值不是“会套公式”就够了，而是要清楚每个模型假设了什么、忽略了什么、在什么条件下会失效。本章从定价核心要素出发，梳理 Black-Scholes、二叉树与蒙特卡洛三条技术路线，为后续的基准比对与偏差定位打下基础。
一、期权定价的六个核心要素
任何期权定价模型，本质上都是把这六个输入映射为一个理论价格。回归测试中出现的绝大多数偏差，最终都能追溯到某个要素的取值口径不一致。
- 标的现价 S：取收盘价、结算价还是盘口中间价，会直接造成系统性差异。
- 行权价 K：需注意复权处理与合约调整后的口径。
- 剩余期限 T：按自然日还是交易日、是否含到期日，是常见的“隐性偏差源”。
- 波动率 σ：历史波动率、隐含波动率还是波动率曲面插值结果。
- 无风险利率 r：连续复利与单利的换算、期限结构的选择。
- 分红率 q：连续分红率、离散分红现值或成分股股息率。
二、Black-Scholes 模型：解析解的边界
Black-Scholes 给出欧式看涨期权的闭式解，其核心思想是通过连续对冲构造无风险组合，从而得到与风险偏好无关的定价。看涨期权价格为：
C = S·N(d1) − K·e^(−rT)·N(d2)
d1 = [ln(S/K) + (r − q + σ²/2)·T] / (σ·√T)
d2 = d1 − σ·√T它的优势是快、可解析求导，因此希腊字母（Delta、Gamma、Vega、Theta、Rho）都能直接算出，非常适合做实时风控与大规模回归基准。但它的假设也极为严格：波动率恒定、收益率服从对数正态、无摩擦连续对冲、欧式行权。一旦标的存在跳跃、波动率微笑明显或含提前行权条款，BS 结果只能作为参考基准，而非真值。
三、二叉树模型：把提前行权装进格架
二叉树把剩余期限切成 N 步，每步标的价格只有上涨和下跌两种可能，再通过风险中性概率从末端向前折现。它的关键价值在于：每一步都可以比较“继续持有”与“立即行权”的收益，因此天然支持美式期权、离散分红和可赎回条款。
u = e^(σ√Δt)，d = 1/u
p = (e^((r−q)Δt) − d) / (u − d)
V = e^(−rΔt)·[p·V_up + (1−p)·V_down]步数 N 决定精度与耗时：N 较小时结果粗糙，N 增大后收敛于 BS（欧式情形）。验证时常用“N 翻倍后价格变化是否收敛”作为数值稳定性的检查项。
四、蒙特卡洛模拟：路径依赖问题的通用解
蒙特卡洛通过模拟大量标的路径，对每条路径计算期权 payoff，再取贴现后的平均值。它最擅长处理路径依赖型产品，如亚式期权、障碍期权、回望期权，以及多资产篮子期权。
S(t+Δt) = S(t)·exp[(r − q − σ²/2)Δt + σ·√Δt·Z]
price ≈ e^(−rT)·(1/M)·Σ payoff(path_i)其误差随模拟次数 M 以 1/√M 收敛，因此提升精度需要成倍增加计算量。实务中会配合对偶变量、控制变量、重要性抽样等方差缩减技术。验证要点包括：随机数种子是否固定、路径离散格式（欧拉 vs 对数欧拉）、以及 M 增大时结果是否稳定。
五、三大模型对比与选型清单
| 维度 | Black-Scholes | 二叉树 | 蒙特卡洛 |
|---|---|---|---|
| 行权方式 | 仅欧式 | 欧式/美式 | 欧式为主，美式需LSM |
| 路径依赖 | 不支持 | 有限支持 | 天然支持 |
| 计算速度 | 极快（解析） | 中等（随N增长） | 较慢（随M增长） |
| 希腊字母 | 解析可得 | 差分近似 | 差分或路径法 |
| 典型用途 | 基准价、实时风控 | 美式、含权债 | 结构化、多资产 |
六、常见误区与复盘要点
误区一：把 BS 当作唯一真值。在波动率微笑显著时，BS 只是把市场价反推出的隐含波动率重新代回，并非独立验证。
误区二：二叉树步数不一致就比对。N=100 与 N=1000 的结果差异可能大于模型间差异，回归前必须统一收敛标准。
误区三：蒙特卡洛不固定种子。随机性会掩盖真实偏差，验证时应固定种子并记录置信区间。
复盘时建议建立“要素—模型—偏差”的映射表：先确认六个输入要素口径一致，再判断偏差是否落在该模型的已知局限内。只有排除了输入与数值收敛问题，剩下的差异才真正指向模型实现缺陷。