1. 课程导入
欢迎进入《期权定价与模型风险完整项目实战》。在正式进入公式推导与代码实现之前，本章先解决三个问题：我们究竟要学什么、这些概念之间是什么关系、以及最终会交付一个什么样的实战项目。很多学习者在期权定价上受挫，并非因为数学太难，而是因为一开始就把“定价公式”“希腊字母”“风险计量”“模型验证”当成彼此孤立的碎片。本课程的核心主张是：定价与风险是一体两面，模型风险必须与定价同步管理。
一、学习目标：从会算价格到会管模型
本课程的学习目标分为四个递进层次，建议你在学习过程中反复对照自查：
- 理解原理：掌握无套利定价、风险中性测度、复制组合等底层逻辑，理解 Black-Scholes、二叉树、蒙特卡洛三大类方法的适用边界。
- 掌握实现：能够用 Python 独立实现欧式与美式期权定价，处理隐含波动率求解、希腊字母计算与数值稳定性问题。
- 识别风险：能够区分市场风险与模型风险，识别参数风险、模型选择风险、校准风险与实现风险。
- 完成验证：能够设计基准测试、压力测试与回溯检验，输出一份可交付的模型验证报告。
一句话目标：学完本课程，你应当能对一个期权定价模型说清楚三件事——它算出什么价格、这个价格对哪些假设敏感、以及当假设失效时风险有多大。
二、核心概念地图：五个必须打通的术语
期权定价与模型风险领域术语密集，但真正贯穿全课程的核心概念只有五个。理解它们之间的连接关系，比背诵定义更重要。
| 核心概念 | 本质含义 | 在课程中的作用 |
|---|---|---|
| 无套利原理 | 相同现金流必须同价，否则存在套利机会 | 所有定价模型的逻辑起点 |
| 风险中性测度 | 在等价鞅测度下，折现后资产价格为鞅 | 将真实概率转换为可定价概率 |
| 隐含波动率 | 使模型价格等于市场价格的波动率参数 | 连接市场价格与模型参数的桥梁 |
| 希腊字母 | 价格对标的、时间、波动率等变量的敏感度 | 风险计量与对冲的核心工具 |
| 模型风险 | 因模型假设错误或使用不当导致损失的可能 | 本课程的差异化主线 |
这五个概念并非并列关系，而是存在清晰的依赖链条：无套利原理导出风险中性测度，风险中性测度支撑定价模型，定价模型反解出隐含波动率，隐含波动率与希腊字母共同刻画风险敞口，而模型风险则贯穿始终，提醒我们所有环节都可能出错。
三、整体框架：六阶段项目流程
本课程不是按数学章节线性推进，而是围绕一个完整的项目流程组织内容。整个课程分为六个阶段，每个阶段都同时包含“定价实现”与“风险检查”两条线。
- 阶段一：基础建模——从无套利与风险中性出发，实现 Black-Scholes 欧式期权定价与希腊字母。
- 阶段二：数值方法——实现二叉树与蒙特卡洛，处理美式期权与路径依赖期权。
- 阶段三：波动率建模——从常数波动率走向微笑与偏斜，实现隐含波动率求解与校准。
- 阶段四：风险计量——计算希腊字母、VaR、压力测试与情景分析。
- 阶段五：模型验证——设计基准测试、参数敏感性分析与回溯检验。
- 阶段六：项目交付——整合为可运行的定价与风险引擎，输出验证报告。
学习建议：每个阶段都先跑通代码，再回头理解数学。本课程提供的代码框架可以直接运行，你需要在关键参数和假设处做修改与实验，而不是从零手写所有函数。
四、实战项目概览：一个可交付的定价与风险引擎
贯穿全课程的实战项目是构建一个名为 OptionRiskLab 的 Python 项目。它不是一个玩具脚本，而是一个具备模块划分、参数配置、日志输出与测试用例的小型引擎。项目最终结构如下：
OptionRiskLab/
├── config/
│ └── params.yaml # 标的、利率、波动率、合约参数
├── pricing/
│ ├── black_scholes.py # 解析解定价与希腊字母
│ ├── binomial_tree.py # 二叉树与美式期权
│ └── monte_carlo.py # 路径模拟与方差缩减
├── volatility/
│ ├── implied_vol.py # 隐含波动率求解
│ └── calibration.py # 波动率曲面校准
├── risk/
│ ├── greeks.py # 敏感度计算
│ ├── var_engine.py # VaR 与压力测试
│ └── model_validation.py # 基准测试与回溯检验
├── reports/
│ └── validation_report.md # 模型验证报告
└── tests/
└── test_pricing.py # 单元测试与回归测试
项目将使用一组统一的基准参数，便于不同方法之间交叉验证。例如：标的现价 100，行权价 100，无风险利率 3%，波动率 20%，到期时间 1 年，无股息。你可以先用解析解算出价格，再用二叉树和蒙特卡洛验证，观察三者差异如何随步数和模拟次数收敛。
五、常见误区与复盘要点
在开课之前，先明确几个高频误区，可以帮你少走弯路：
- 误区一：把模型价格当成真实价格。模型只是对现实的一种近似，Black-Scholes 假设连续对冲、无摩擦、波动率恒定，这些在真实市场中都不成立。
- 误区二：只关注定价，忽略参数风险。波动率变化 1% 对期权价格的影响，往往远大于利率变化的影响，隐含波动率的稳定性必须重点检查。
- 误区三：用复杂模型掩盖基础错误。如果二叉树步数不足、蒙特卡洛路径太少、随机种子未固定，再复杂的模型也会给出错误结果。
- 误区四：把模型验证当成一次性任务。模型验证是持续过程，市场结构变化、参数漂移、数据源切换都会使原有模型失效。
复盘提醒：每完成一个定价模块，都要问自己三个问题——这个结果能否用另一种方法复现？关键假设改变后结果如何变化？如果假设完全错误，最大损失是多少？这三个问题就是模型风险管理的日常动作。
本章建立了课程的整体认知框架：以无套利与风险中性为逻辑起点，以定价模型为实现工具，以隐含波动率和希腊字母为风险接口，以模型风险为贯穿主线，最终交付一个可运行的定价与风险引擎。接下来，你将进入第一阶段，从最基础的 Black-Scholes 模型开始，亲手实现第一个定价函数，并同步建立第一个风险检查点。