📚 课程目录第2章期权定价基础

期权定价基础：期权类型、Black-Scholes模型、风险中性定价原理

期权定价是金融工程的核心问题，也是傅里叶变换方法得以施展的关键舞台。要理解傅里叶变换如何革新期权定价，首先必须牢固掌握经典框架：期权的合约类型、Black-Scholes（BS）模型的假设与方程，以及贯穿现代定价理论的风险中性测度。本章将系统梳理这三个基石，为后续引入特征函数与傅里叶逆变换铺平道路。

2.1 期权类型与合约要素

期权（Option）是一种衍生金融工具，赋予持有者在未来特定时间以约定价格买入或卖出标的资产的权利，但并非义务。理解期权类型是定价的第一步，因为不同类型的期权对应不同的到期收益函数（Payoff Function），而收益函数正是后续傅里叶变换中需要处理的边界条件。

2.1.1 按行权方向分类

类型	权利方向	到期收益（欧式）	盈亏特征
看涨期权（Call）	买入标的资产	max(S_T - K, 0)	标的上涨获利，亏损有限（权利金）
看跌期权（Put）	卖出标的资产	max(K - S_T, 0)	标的下跌获利，亏损有限（权利金）

其中 S_T 为到期日标的资产价格，K 为行权价（Strike Price）。欧式期权仅在到期日 T 可行权，美式期权在到期日前任意交易日均可行权。由于美式期权包含提前行权的最优停时问题，其定价通常比欧式期权复杂得多。在傅里叶变换定价框架中，我们通常先处理欧式期权，再通过数值方法（如最小二乘蒙特卡洛）扩展至美式期权。

2.1.2 按收益结构分类

普通香草期权（Vanilla）：收益函数为分段线性，即上述 Call/Put 形式。
数字期权（Binary/Digital）：到期收益为固定金额或零，例如现金或无价值看涨（Cash-or-Nothing Call）收益为 1_{{S_T>K}}。
障碍期权（Barrier）：收益取决于标的资产价格是否触及某个障碍水平，如敲出看涨（Up-and-Out Call）。
亚式期权（Asian）：收益取决于标的资产在有效期内平均价格，如平均价格看涨（Average Price Call）。

讲师提示：在后续傅里叶变换定价中，普通香草期权的收益函数经变换后会出现 e^iux 形式的振荡项，导致积分收敛缓慢。因此实际工程中常采用 衰减因子（Damping Factor） 或 数值积分技巧（如 FFT 中的 Simpson 规则）来加速收敛。

2.2 Black-Scholes 模型

Black-Scholes 模型由 Fischer Black 和 Myron Scholes 于 1973 年提出，是期权定价的里程碑。其核心思想是：通过构造一个由标的资产和无风险债券组成的复制组合，消除随机性，从而得到期权价格必须满足的偏微分方程。

2.2.1 模型假设

标的资产价格 S_t 服从几何布朗运动：
```
dS_t = μS_t dt + σS_t dW_t
```
其中 μ 为漂移率，σ 为波动率，W_t 为标准布朗运动。
无风险利率 r 为常数，且借贷利率相同。
标的资产不支付股息（可扩展至连续股息率 q）。
市场无摩擦：无交易成本、无税收、资产可无限分割。
允许卖空，且不存在套利机会。

2.2.2 BS 偏微分方程与解析解

通过 Delta 对冲（持有 Δ 份标的资产多头和 1 份期权空头），可以消除随机项，得到 BS 方程：

∂V/∂t + ½σ²S² ∂²V/∂S² + rS ∂V/∂S - rV = 0

对于欧式看涨期权，边界条件为 V(S,T) = max(S-K, 0)，其解析解为：

C = S₀·N(d₁) - K·e^(-rT)·N(d₂)
其中 d₁ = [ln(S₀/K) + (r + σ²/2)T] / (σ√T)
      d₂ = d₁ - σ√T

N(·) 为标准正态分布的累积分布函数。该公式在实务中广泛使用，但其假设波动率恒定与对数正态分布，与市场实际存在偏差（如波动率微笑）。

风险提示：BS 模型假设波动率 σ 为常数，但实际市场中隐含波动率随行权价和到期时间变化，形成“波动率微笑”或“波动率曲面”。当使用傅里叶变换方法时，我们可以通过引入 随机波动率模型（如 Heston 模型）来捕捉这一现象，此时特征函数仍可解析表达，但 BS 公式不再适用。

2.2.3 案例拆解：BS 公式计算欧式看涨期权

场景：某股票当前价格 S₀ = 100 元，行权价 K = 105 元，到期时间 T = 0.5 年，无风险利率 r = 5%，年化波动率 σ = 20%。

计算过程：

d₁ = [ln(100/105) + (0.05 + 0.2²/2)×0.5] / (0.2×√0.5)
   = [-0.04879 + 0.035] / 0.14142
   = -0.0975
d₂ = -0.0975 - 0.14142 = -0.2389
N(d₁) = N(-0.0975) ≈ 0.4612
N(d₂) = N(-0.2389) ≈ 0.4056
C = 100×0.4612 - 105×e^(-0.05×0.5)×0.4056
  = 46.12 - 105×0.9753×0.4056
  = 46.12 - 41.54 = 4.58 元

结果：该看涨期权理论价格为 4.58 元。若市场价格显著高于此值，可能存在定价偏差；但需注意模型假设的局限性。

2.3 风险中性定价原理

风险中性定价是连接“真实世界”与“定价世界”的桥梁。其核心思想是：在无套利市场中，存在一个等价鞅测度 Q（风险中性测度），在该测度下，所有资产的折现价格过程是鞅。这意味着我们可以直接以无风险利率 r 作为期望收益率来折现未来收益，而无需考虑投资者的风险偏好。

2.3.1 核心公式

在风险中性测度 Q 下，欧式期权价格可表示为：

V(t, S_t) = e^(-r(T-t)) · E_Q[ Payoff(S_T) | F_t ]

其中 E_Q[·] 表示在风险中性测度下的条件期望。对于欧式看涨期权，Payoff = max(S_T - K, 0)。

2.3.2 测度变换与 Girsanov 定理

从真实测度 P 到风险中性测度 Q 的变换通过 Girsanov 定理实现。在 Q 下，标的资产价格过程变为：

dS_t = rS_t dt + σS_t dW_t^Q

其中 W_t^Q 是 Q 下的标准布朗运动。漂移率从 μ 变为 r，波动率 σ 不变。这一变换的关键在于市场风险价格（Sharpe Ratio）λ = (μ - r)/σ 被“吸收”进测度中。

2.3.3 特征函数与傅里叶变换的接口

风险中性定价公式中的期望计算，在标的资产价格分布已知时可直接积分。但更一般地，我们定义对数价格 X_T = ln(S_T) 的特征函数：

φ(u) = E_Q[ e^(iuX_T) ]

对于 BS 模型，X_T 服从正态分布，特征函数为：

φ(u) = exp( iu(lnS₀ + (r - σ²/2)T) - ½σ²T u² )

傅里叶变换定价方法的核心思路是：将期权价格表示为特征函数的某种积分形式（如 Carr-Madan 公式），从而避免直接求解偏微分方程或进行高维数值积分。这正是后续章节将详细展开的内容。

2.3.4 实战场景：风险中性定价在离散分红下的应用

背景：某股票在期权有效期内有一次已知现金分红 D = 2 元，除息日为 t_d = 0.25 年。BS 模型假设不支付股息，但实际中分红影响标的资产价格路径。

处理方式：在风险中性测度下，除息日股价将向下跳跃 D 元。我们可以将股价过程拆分为两部分：除息前的价格 S_t 和除息后的价格 S_t - D。更简便的做法是使用前瞻价格（Forward Price）：

F = S₀·e^(rT) - D·e^(r(T-t_d))

然后将期权价格视为以 F 为标的的 BS 公式，其中行权价不变。这一调整保证了风险中性定价的一致性。

结果对比：若不调整分红，直接使用 S₀ 代入 BS 公式，会高估看涨期权价格（因为忽略了分红导致的股价下跌）。调整后价格更贴近市场实际。

2.4 常见误区与总结复盘

误区	说明	正确做法
混淆 P 测度与 Q 测度	用真实世界的历史收益率 μ 代替 r 进行折现	定价必须使用风险中性测度 Q，期望收益率恒为 r
忽视波动率微笑	直接使用历史波动率代入 BS 公式	使用隐含波动率曲面，或改用随机波动率模型
美式期权直接套用 BS 公式	BS 公式仅适用于欧式期权	美式期权需使用二叉树、有限差分或 LSM 方法
特征函数与概率密度混淆	将特征函数直接当作密度函数使用	特征函数是密度的傅里叶变换，需通过逆变换恢复密度

  本章核心要点：
  期权类型决定收益函数，收益函数是定价的边界条件。
BS 模型提供解析解，但假设过强；其 PDE 框架可推广至更复杂模型。
风险中性定价将期望折现问题转化为特征函数积分问题，为傅里叶变换方法铺平道路。
特征函数 φ(u) 是连接随机过程与期权价格的“桥梁”，后续章节将围绕它构建快速定价算法。