本文基于时变波动率及跳扩散过程构建LRJ期权定价模型,改进传统B-S模型定价缺陷,显著提升50ETF期权定价精度。LRJ模型通过引入Poisson跳扩散过程和时变波动率,更合理反映标的收益分布的厚尾、跳跃以及隐含波动率偏斜。在此基础上,构建基于LRJ模型的50ETF期权套利策略,实现2015年2月至2017年6月期间累计收益达876%,年化收益率近40%,同时风险得以有效对冲,展示策略的稳定性和显著绝对收益能力。
| 到期日 | 22-Feb-2017 | 22-Mar-2017 | 28-Jun-2017 | 27-Sep-2017 |
|---|---|---|---|---|
| B-S MAE | 2.22% | 0.53% | 4.06% | 1.79% |
| LRJ MAE | 0.24% | 0.31% | 0.75% | 2.90% |
| B-S PE | 248.28% | 22.19% | 35.01% | 20.16% |
| LRJ PE | 18.74% | 8.01% | 13.66% | 29.48% |
分析报告名称:《基于时变波动率及跳扩散过程的期权定价》
发布机构:国泰君安证券研究
报告日期:2017年11月16日
研究团队:刘富兵、陈奥林等金融工程团队及研究助理
研究主题:构建与验证基于时变波动率及跳扩散过程的期权定价模型(LRJ模型)及其在50ETF期权市场的应用与套利策略开发
本报告以中国50ETF期权市场为对象,聚焦于期权定价的建模创新,即结合时变波动率和跳扩散过程的LRJ模型,克服经典Black-Scholes模型(BS模型)在期权定价上的局限。研究团队提出LRJ模型更贴近50ETF股价统计特征,能显著提升期权定价精度并指导套利策略构建。报告核心结论是LRJ模型相较BS模型在当月及近期期权定价上误差更小,模型估值稳定且套利策略收益显著,年化收益率接近40%,信息比率达到1.63,显示策略具有风险调整后的良好表现。
报告指出中国场内50ETF期权市场虽刚起步但流动性迅速提升,周成交量超600万张,成为量化投资新的关注焦点。由于市场尚处于初期,流动性不均、投资者结构单一导致已有期权研究较为碎片化,亟需建构更符合市场实际的期权定价模型。团队引入时变波动率及跳扩散过程,将模型用于日频期权交易策略,实现定价与套利的结合,推动理论与策略实践的深度融合。
研究标的为华夏上证50ETF,从2005年至2017年期间,50ETF价格呈现明显的厚尾性和跳跃特征。通过图1和图2(见下文图示),研究团队展示50ETF收盘价及其一阶差分序列的时序波动,结果显示波动率极不稳定且具有强集聚性。
统计数据(表1)揭示,一阶差分的标准差为0.0426,存在1.1%以上的极端异常点(超4倍标准差),远高于正态分布预期的0.004%。并且偏度与峰度均显示极端非正态分布特性,验证市场跳跃和厚尾风险,需要模型纳入跳跃过程来刻画真实市场特征。
报告回顾了BS模型的基本假设——几何布朗运动下的股票价格连续变动,恒定波动率及无跳跃风险,给出了欧式期权定价公式及关键参数说明。
然而,团队指出BS模型假设过于理想化:
综上,BS模型虽理论基础坚实,但对多变且非正态的市场现实刻画不足,难以满足50ETF期权市场精确定价需求。
引入随机波动率及Poisson跳扩散过程,构建符合风险中性测度的期权定价模型。具体为股票对数收益率由随机漂移、时变波动率扩散以及跳幅服从指数分布的跳跃三部分组成。团队给出该模型的条件特征函数及欧式期权定价积分公式。
理论优势总结:
此模型理论上更贴近实证数据,具备更高的解释与预测能力。
研究通过前一交易日50ETF期权市场报价对模型参数进行校准。以2017年2月3日期权数据为例,使用四个到期日以及合理的敲价区间和流动性筛选(剔除报价极低的深度虚值期权),保证校准样本质量(见表2)。
采用均方误差(MSE)最小化目标函数,结合梯度下降算法优化模型参数与实际价格拟合度。明确了模型实际应用中的具体操作流程及有效的数据筛选机制。
通过对2017年2月6日50ETF期权价格做出预测,并计算平均绝对误差(MAE)和百分比误差(PE),结果如表3所示,对于当月、次月及季月期权,LRJ模型均明显优于BS模型,尤其在当月期权的PE从BS的248.28%降到18.74%。
但对于6个月以上的远期期权,BS模型略胜一筹,报告原因在于跳跃过程对短期跳跃刻画更精准,而远期期权流动性较差,可靠报价不足,限制模型发挥。图3至图6进一步直观展示两模型预测价格与实际收盘价的贴合情况,LRJ模型拟合效果明显更接近真实价格,尤其在近期期权显著优于BS模型,模型的稳定性和精度有明显优势。
表3 B-S与LRJ模型误差对比:
| 到期日 | 22-Feb-2017 | 22-Mar-2017 | 28-Jun-2017 | 27-Sep-2017 |
|---|---|---|---|---|
| B-S MAE | 2.22% | 0.53% | 4.06% | 1.79% |
| LRJ MAE | 0.24% | 0.31% | 0.75% | 2.90% |
| B-S PE | 248.28% | 22.19% | 35.01% | 20.16% |
| LRJ PE | 18.74% | 8.01% | 13.66% | 29.48% |
图3-6中蓝色线为LRJ预测,红色线为BS预测,绿色为实际价格,均显示LRJ更接近实际。
提出基于LRJ模型的50ETF期权套利策略,核心逻辑为利用模型价与市场价的偏差寻找潜在套利机会,同时对冲标的的系统性风险,最终以累积绝对收益为目标。
策略细节:
该策略测试周期为2015年2月至2017年6月共552交易日,累计绝对收益高达876%,年化收益率约39.7%,信息比率为1.63,表现稳健卓越(见图7与表5)。
表5: LRJ套利策略风险收益指标
| 指标 | 数值 |
|---|---|
| 年化收益率 | 39.7% |
| 年化波动率 | 24.3% |
| 信息比率 | 1.63 |
| 胜率 | 53% |
团队进一步分析套利组合的风险敞口,报告显示(表6)基本实现了对Delta,Gamma,Vega,Theta,Rho各风险因子的对冲:
| 风险因子 | 暴露情况 |
|---|---|
| Delta | 近似0,已对冲 |
| Gamma | 基本对冲 |
| Vega | 基本对冲 |
| Theta | 基本对冲 |
| Rho | 近似0,已对冲 |
图8-12详细展示了各希腊字母买卖期权以及组合暴露的时间序列,显示Delta稳定在0附近,Gamma和Vega在特殊市场下波动较大需警惕,但整体风险处于可控状态。Theta和Rho较为平稳,组合拥有稳健的时间价值收益属性。
本报告重点使用基于时变波动率和跳扩散的复合随机过程模型LRJ,结合风险中性测度下的条件特征函数,对欧式期权进行数值积分计价。该方法相较传统BS模型:
LRJ模型参数通过最小MSE的目标函数优化,结合梯度下降法,确保模型拟合拟合市场价格,自适应强。
报告明确指出模型价值及策略表现受以下风险制约:
报告对风险的实际缓解路径主要依靠策略对冲设计及流动性筛选,明确到期前空仓处理避免流动性瓶颈。整体风险控制具备一定的前瞻性,但仍需关注极端市场情形对Gamma和Vega带来的潜在冲击。
从严谨性角度,报告结构完整,论证清晰,但略显保守,模型的外溢能力和策略稳定性在不同市场环境下的表现仍需后续验证。
本文报告系统构建并实施了基于时变波动率和跳扩散过程的LRJ期权定价模型,成功刻画了50ETF期权价格中厚尾、跳跃及波动率时变的复杂市场特性。对比传统BS模型,LRJ模型在短期及深度实值/虚值期权上表现出更高的定价准确度和更佳的隐含波动率拟合能力。通过精细的参数校准,模型在不同到期结构的期权价格预测中均展现出显著优势。
结合该定价模型,研究团队设计了一套基于日频交易的50ETF期权套利策略,实践中累计绝对收益高达876%,年化收益近40%,信息比率1.63,展现出策略的高效益与风险可控性。套利组合在Delta、Gamma、Vega、Theta和Rho等希腊字母风险因子上实现基本对冲,进一步提升组合稳定性。
报告附带详实的统计数据与图表,直观展示市场现实与模型拟合结果,以及策略净值成长和组合风险暴露变化趋势,支撑整体结论的科学性。研究成果为中国期权市场的学术研究和量化策略开发提供了坚实基础和实践范例。
尽管如此,报告也指出远期期权定价及实盘策略规模扩展的局限性及风险敞口,提示未来需开发多周期、多维度的模型与策略以适应期权市场的发展。总的来看,LRJ模型代表了基于先进金融工程理论的国内期权定价与套利策略的重要进步。
涉及报告页码:
总结: 本报告提供了一个完整严谨的期权定价与套利策略框架,建立在坚实的市场统计实证和先进数学模型之上,结合实证检验与策略回测,体现了期权定价理论向量化交易实践的深刻结合。LRJ模型和相关套利策略在50ETF期权市场验证了其卓越的预测能力及优化的风险调整后的收益表现,对推动国内期权市场研究与投资策略具有重要参考价值。
数量化专题报告:基于时变波动率及跳扩散过程的期权定价模型及其策略应用.pdf