2. 金融衍生品基础
在进入 Cliquet 棘轮期权的结构定价之前，必须先把普通期权的“语言体系”打牢。Cliquet 并不是一种全新的金融物种，它更像是由一系列远期起始期权（Forward Starting Option）与亚式/回望特征拼接而成的复合结构。如果对期权的基本收益形态、希腊字母的敏感度方向、以及定价的直觉来源没有清晰认知，后续拆解棘轮条款时就会陷入“公式能看懂、结构想不通”的困境。本节用最少的数学，把四个关键认知建立起来。
一、期权的基本概念与收益结构
期权是赋予买方在约定时间以约定价格买入或卖出标的的权利，而非义务。买方支付权利金（Premium），卖方收取权利金并承担履约义务。按方向分为看涨期权（Call）与看跌期权（Put），按行权时间分为欧式（到期日行权）、美式（到期前任意时点）与百慕大（特定日期集合）。
收益结构是理解一切衍生品的起点。以欧式看涨期权为例，到期收益为 max(S_T − K, 0)，扣除权利金后才是净盈亏。看跌期权到期收益为 max(K − S_T, 0)。两者组合可以构造出跨式、宽跨式、价差等结构，而 Cliquet 的每一段“棘轮”本质上就是一个被重置了行权价的看涨期权片段。
二、希腊字母：敏感度的方向与量级
希腊字母不是装饰符号，而是风险管理的仪表盘。它们描述期权价格对各个变量的偏导数，决定了做市商如何对冲、结构如何定价。
| 希腊字母 | 衡量对象 | 看涨期权典型符号 | 看跌期权典型符号 | 实战含义 |
|---|---|---|---|---|
| Delta (Δ) | 标的价格变动 | 0 到 +1 | −1 到 0 | 方向性暴露，对冲比例 |
| Gamma (Γ) | Delta 的变化率 | 正 | 正 | 凸性，越接近平值越大 |
| Vega (ν) | 波动率变动 | 正 | 正 | 波动率风险，长期期权更敏感 |
| Theta (Θ) | 时间流逝 | 通常负 | 通常负 | 时间衰减，买方成本 |
| Rho (ρ) | 利率变动 | 正 | 负 | 利率敏感度，长期限更明显 |
需要特别强调：Gamma 与 Theta 通常互为“镜像”。买方承担负 Theta、享受正 Gamma；卖方相反。Cliquet 结构由于包含多个重置日，其 Gamma 会在重置点附近出现跳跃式变化，这是后续定价中必须单独处理的难点。
三、定价直觉：从二叉树到 Black-Scholes
期权定价的核心思想是无套利复制：用标的与现金动态复制期权收益，复制成本就是期权价格。二叉树模型把时间离散化，每一步用风险中性概率 p 计算期望，再贴现回来。Black-Scholes 是连续时间极限下的闭式解。
# Black-Scholes 看涨期权定价（示意）
d1 = (ln(S/K) + (r + 0.5*sigma^2)*T) / (sigma*sqrt(T))
d2 = d1 - sigma*sqrt(T)
Call = S*N(d1) - K*exp(-r*T)*N(d2)
Put = K*exp(-r*T)*N(-d2) - S*N(-d1)
# 关键输入
S 标的现价
K 行权价
r 无风险利率
sigma 隐含波动率
T 剩余期限（年）
定价直觉可以浓缩为一句话：期权价格由“波动率 × 时间 × 凸性”共同驱动。波动率越高、时间越长、越接近平值，期权越贵。Cliquet 的每一段期权都遵循这一逻辑，但重置机制会让“有效期限”和“有效行权价”不断变化。
四、案例与场景：用直觉判断结构贵不贵
假设某标的现价 100，无风险利率 2%，隐含波动率 20%，剩余期限 1 年。平值看涨期权价格约为 8.0 左右。若波动率升到 30%，价格会跳到约 12.0；若期限缩短到 3 个月，价格降到约 4.0。这个量级关系说明：波动率与期限是期权价格的两大杠杆。
把这一直觉迁移到 Cliquet：棘轮结构通常包含多个观察期，每期收益被“锁定”并累加。由于每期期权的起始点被重置，整体 Vega 并不等于各期 Vega 的简单相加，而是受到重置路径与相关性影响。若各期收益正相关，累加后的波动率暴露会被放大；若负相关，则被部分抵消。这就是为什么 Cliquet 定价必须引入相关性参数与局部波动率模型。
五、常见误区与复盘
- 误区一：把 Delta 当成固定值。Delta 随标的价格变化，Gamma 描述的就是这种变化。Cliquet 在重置日附近 Delta 会跳变，静态对冲会失效。
- 误区二：忽略 Theta 在结构中的分布。多个期权片段的 Theta 并非均匀衰减，临近重置日时时间价值集中释放，定价时需逐段处理。
- 误区三：用单一波动率给所有期限定价。Cliquet 涉及多个远期期限，必须使用波动率期限结构（Term Structure）甚至局部波动率曲面。
- 误区四：把相关性当次要参数。在棘轮结构中，各期收益的相关性直接影响累加收益的方差，是定价的核心输入之一。
掌握以上四个模块——收益结构、希腊字母、定价直觉、误区复盘——就具备了拆解 Cliquet 棘轮期权的基础能力。下一阶段将把这些工具直接应用到棘轮条款的逐段分解与定价实现中。