3、二叉树模型起源:从离散时间到连续时间,Cox-Ross-Rubinstein(CRR)模型的提出背景与核心思想

在期权定价理论的发展史上,1973年Black-Scholes(BS)模型的问世是一个里程碑。然而,BS模型建立在连续时间、连续路径的随机微分方程之上,其数学工具(伊藤引理、偏微分方程)对实务工作者而言门槛极高,且难以直接处理美式期权的提前行权特征。正是在这一背景下,Cox、Ross与Rubinstein于1979年发表了开创性《Option Pricing: A Simplified Approach》,提出了以离散时间二叉树为核心的CRR模型。该模型不仅为BS公式提供了直观的离散化推导路径,更成为美式期权定价与数值计算的基础范式。本节将系统梳理CRR模型的提出背景、核心假设、构建逻辑及其与连续时间模型的深层联系。

CRR二叉树模型:从离散到连续的核心逻辑 离散时间二叉树(CRR) S₀ S₀u(上涨,概率 p) S₀d(下跌,概率 1-p) u = e^(σ√Δt),d = 1/u p = (e^(rΔt) - d) / (u - d) Δt = T/N(N步细分) Δt→0 N→∞ 连续时间极限(BS) dS = μS dt + σS dW BS PDE: ∂V/∂t + rS∂V/∂S + ½σ²S²∂²V/∂S² = rV 收敛条件:u·d = 1,p ∈ (0,1) CRR参数使二叉树收敛于BS CRR模型三大核心思想 ① 风险中性定价 期望回报率 = 无风险利率 r 无需估计真实概率 ② 无套利复制 用股票+债券复制期权 Δ对冲消除风险 ③ 倒推定价 从末端期权价值逐层回推 每节点比较行权/持有 应用场景 美式期权提前行权判断 | 可转债定价 | 实物期权 | 利率二叉树 | 波动率微笑校准 关键优势 ✓ 直观展示路径依赖 ✓ 自然处理美式行权 ✓ 无需复杂随机微积分 ✓ 可扩展至多期/多资产 ✓ 数值稳定性好 ✓ 适合教学与实务 收敛性保证 当 N→∞ 时, 二叉树价格 → BS价格 (欧式期权) 误差 O(1/N) Richardson外推可加速

3.1 核心原理:为什么需要二叉树模型

BS模型虽然给出了欧式期权的解析解,但其推导依赖连续时间随机过程与偏微分方程,且无法直接处理美式期权提前行权这一关键特征。实务中,大多数交易所期权(如CBOE的股票期权、S&P 500指数期权)均为美式期权,投资者有权在到期前任意时刻行权。这一权利的价值无法通过BS公式直接获得,必须借助数值方法。

CRR模型的核心洞察在于:用简单的离散随机游走(二叉树)近似连续时间下的几何布朗运动。在每个时间步 Δt 内,标的资产价格仅以概率 p 上涨至 S₀u,或以概率 1-p 下跌至 S₀d。通过适当选择 u、d 与 p,当 Δt→0(即步数 N→∞)时,二叉树路径的极限分布恰好收敛于BS模型假设的对数正态分布。这一思想将复杂的连续时间问题转化为可逐层计算的离散树形结构,使得期权定价不再依赖高深的数学工具,而是通过简单的代数运算即可完成。

关键洞察:二叉树模型并非BS模型的替代品,而是其离散化近似。它保留了BS模型的核心经济假设(无套利、风险中性),但将时间轴离散化,从而在计算美式期权时具备天然优势——可以在每个节点判断是否提前行权。

3.2 判断方法与操作流程:CRR模型的构建步骤

构建CRR二叉树并完成期权定价,需要遵循一套标准化的流程。以下为完整的操作步骤:

  1. 参数设定:确定标的资产当前价格 S₀、执行价格 K、无风险利率 r、波动率 σ、到期时间 T,以及二叉树步数 N。时间步长 Δt = T/N。
  2. 计算树参数:采用CRR推荐的参数设定:u = e^(σ√Δt),d = 1/u,风险中性概率 p = (e^(rΔt) - d) / (u - d)。这一设定保证了树的对称性与收敛性。
  3. 生成价格树:从 S₀ 出发,逐层计算每个节点的资产价格。第 i 层第 j 个节点的价格为 S₀ · u^j · d^(i-j),其中 j 表示上涨次数(j = 0,1,...,i)。
  4. 计算末端期权价值:在到期日(第 N 层),计算每个节点的期权内在价值。看涨期权为 max(S - K, 0),看跌期权为 max(K - S, 0)。
  5. 倒推定价:从第 N-1 层开始,逐层向前回推。每个节点的期权价值 = e^(-rΔt) × [p × V_up + (1-p) × V_down]。对于美式期权,还需将该值与立即行权价值 max(S - K, 0) 或 max(K - S, 0) 比较,取较大者。
  6. 输出结果:根节点(第0层)的期权价值即为当前时点的期权价格。
步骤输入/操作输出注意事项
1. 参数设定S₀, K, r, σ, T, NΔt = T/NN越大精度越高,但计算量线性增长
2. 树参数σ, Δt, ru, d, p需保证 p ∈ (0,1),否则存在套利
3. 价格树S₀, u, d, N所有节点价格共 (N+1)(N+2)/2 个节点
4. 末端价值价格树末端, K期权内在价值美式与欧式在此步相同
5. 倒推末端价值, p, r, Δt逐层期权价值美式需比较行权价值
6. 输出根节点价值期权价格与BS对比验证(欧式)

3.3 案例拆解:CRR模型定价美式看跌期权

为深入理解CRR模型的实际运作,我们考虑一个具体案例。假设某股票当前价格 S₀ = 50 元,执行价格 K = 52 元,无风险利率 r = 5%(年化),波动率 σ = 30%(年化),到期时间 T = 1 年。我们使用 N = 3 步二叉树为美式看跌期权定价。

第一步:计算树参数

Δt = T/N = 1/3 ≈ 0.3333
u = e^(0.30×√0.3333) = e^(0.30×0.5774) = e^0.1732 ≈ 1.1891
d = 1/u ≈ 0.8410
p = (e^(0.05×0.3333) - 0.8410) / (1.1891 - 0.8410)
  = (1.0168 - 0.8410) / 0.3481
  = 0.1758 / 0.3481 ≈ 0.5050
1-p ≈ 0.4950

第二步:构建价格树

从 S₀ = 50 出发,逐层计算:

  • 第1层:S_up = 50×1.1891 = 59.46;S_down = 50×0.8410 = 42.05
  • 第2层:S_uu = 59.46×1.1891 = 70.70;S_ud = 59.46×0.8410 = 50.00;S_dd = 42.05×0.8410 = 35.36
  • 第3层:S_uuu = 70.70×1.1891 = 84.07;S_uud = 70.70×0.8410 = 59.46;S_udd = 50.00×0.8410 = 42.05;S_ddd = 35.36×0.8410 = 29.74

第三步:计算末端期权价值(看跌期权,K=52)

末端节点股票价格期权价值 max(K-S,0)
uuu84.070
uud59.460
udd42.059.95
ddd29.7422.26

第四步:倒推定价(关键步骤)

从第2层开始,逐层回推。以第2层节点 ud(S=50.00)为例:

持有价值 = e^(-0.05×0.3333) × [0.5050×0 + 0.4950×9.95]
        = e^(-0.0167) × [0 + 4.925]
        = 0.9834 × 4.925 ≈ 4.84
立即行权价值 = max(52 - 50, 0) = 2.00
美式期权价值 = max(4.84, 2.00) = 4.84(选择继续持有)

同理计算第2层其他节点:

  • 节点 uu(S=70.70):持有价值 = 0.9834 × [0.5050×0 + 0.4950×0] = 0;行权价值 = max(52-70.70,0)=0 → 价值 0
  • 节点 dd(S=35.36):持有价值 = 0.9834 × [0.5050×9.95 + 0.4950×22.26] = 0.9834 × [5.025 + 11.019] = 0.9834 × 16.044 ≈ 15.78;行权价值 = max(52-35.36,0) = 16.64 → 价值 16.64(选择立即行权)

继续回推至第1层:

  • 节点 up(S=59.46):持有价值 = 0.9834 × [0.5050×0 + 0.4950×4.84] = 0.9834 × 2.396 ≈ 2.36;行权价值 = max(52-59.46,0)=0 → 价值 2.36
  • 节点 down(S=42.05):持有价值 = 0.9834 × [0.5050×4.84 + 0.4950×16.64] = 0.9834 × [2.444 + 8.237] = 0.9834 × 10.681 ≈ 10.50;行权价值 = max(52-42.05,0) = 9.95 → 价值 10.50(选择继续持有)

最后回推至根节点(S₀=50):

持有价值 = 0.9834 × [0.5050×2.36 + 0.4950×10.50]
        = 0.9834 × [1.192 + 5.198]
        = 0.9834 × 6.390 ≈ 6.28
立即行权价值 = max(52-50,0) = 2.00
美式看跌期权价格 = max(6.28, 2.00) = 6.28 元

结果对比:若使用BS公式计算同参数欧式看跌期权,价格约为 5.87 元。美式期权价格(6.28元)高于欧式期权(5.87元),差额 0.41 元即为提前行权权利的价值。这一差异在深度实值看跌期权中尤为显著。

案例复盘:在本案例中,节点 dd 处出现了提前行权(行权价值16.64 > 持有价值15.78),说明美式期权在股价大幅下跌时提前行权更优。实务中,当股息率较高或利率较高时,提前行权的触发点会提前。二叉树模型的价值正在于能够精确捕捉这些节点。

3.4 常见误区与总结复盘

在学习和应用CRR模型时,初学者常陷入以下误区:

  • 误区一:认为二叉树步数越多越好。虽然增加步数 N 可以提高精度,但计算量呈 O(N²) 增长。实际应用中,N=100~500 通常已足够收敛,继续增加步数对结果改善有限,反而增加计算负担。建议使用 Richardson 外推法加速收敛。
  • 误区二:忽视参数设定的合理性。CRR模型要求 p ∈ (0,1),否则存在套利机会。当 r 较大或 σ 较小时,可能出现 p 接近 0 或 1 的情况,此时应调整步数或改用其他参数化方式(如Jarrow-Rudd模型)。
  • 误区三:混淆风险中性概率与真实概率。p 并非股票上涨的真实概率,而是风险中性世界中的概率。真实世界中投资者的风险偏好已通过无套利定价被消除,因此无需估计真实概率。
  • 误区四:忽略美式期权提前行权的判断条件。并非所有深度实值期权都应提前行权。对于看涨期权(无股息时),提前行权通常不是最优选择;对于看跌期权,提前行权可能有利。二叉树模型通过逐节点比较持有价值与行权价值,自动给出最优决策。
风险提示:CRR模型假设波动率 σ 为常数,且资产价格服从对数正态分布。在真实市场中,波动率微笑(volatility smile)现象普遍存在,导致模型价格与市场报价存在偏差。实务中常使用隐含波动率校准二叉树,或采用三叉树、有限差分法等更灵活的数值方法。

总结:CRR二叉树模型以离散时间近似连续时间,以简单代数运算替代复杂随机微积分,为美式期权定价提供了直观且高效的数值框架。其核心思想——风险中性定价、无套利复制、倒推算法——构成了现代数值期权定价的基石。理解CRR模型的起源与逻辑,不仅有助于掌握二叉树方法本身,更能为后续学习三叉树、有限差分法、蒙特卡洛模拟等高级数值技术奠定坚实基础。