(福建师范大学经济学院,福建,福州350000)
摘要:上证50ETF期权是对A股市场产生深远影响的金融衍生工具,该期权的定价问题研究具有重要意义。Black-Scholes模型是期权定价的基本模型,在期权定价上的实用性不言而喻。本文结合基于GARCH模型预测波动率和历史波动率的Black-Scholes模型为上证50ETF期权定价,并以平均偏离度量化评价Black-Scholes模型的定价效果,发现基于GARCH模型预测波动率的Black-Scholes期权定价方法能够提高定价效果。
关键词:上证50ETF期权;Black-Scholes模型;GARCH模型
一、绪论
(一)Black-Scholes模型
Fisher Black和Myron Scholes提出了BS期权价值公式[1]。此后,Black-Scholes模型成为现代权证价值判断的经典模型。此后,学者对经典模型进行了各种改进[2],如Merton、Amin和Jarrow的随机利率期权定价模型、Cox和Ross的常弹性方差模型、Leland的带交易费用的模型等。也有学者在经典模型中引入了交易费用和连续红利[3]。
由于上证50ETF期权的价格数据可能存在条件异方差和波动性聚凝,而GARCH族的模型在预测股价波动率方面被广泛认可[4]。因此,本文采用GARCH模型弥补期权价格数据存在的问题。
二、实证研究
(一)数据处理
本文选取2021年6月9日至2022年6月9日的上证50ETF(510050)每日收盘价为样本,以上证50ETF期权合约中的两只期权为定价参考,分别是50ETF购6月2750和50ETF沽9月2750,无风险利率取2022年五年期国债利率3.52%。以日对数收益率作为研究数据,样本期间上证50ETF期权对数日收益率的标准差S=0.0124226,基于样本标准差计算的历史年化波动率=0.1972027。考察上证50ETF日对数收益率的频数直方图,发现为负偏态,尖峰肥尾分布。对扰动项的正态性进行统计检验,各项均强烈拒绝“收益率服从正态分布”的原假设。为此,在后续的回归分析和模型构建中假设收益率服从t分布。
(二)模型构建
2.1基于GARCH方法构建预测模型
(1)平稳性检验和自相关检验
由于样本容量不大,ADF检验的功效较低,采用DF-GLS检验,结果显示从1至14阶滞后,均可以在5%水平上拒绝“存在单位根”的原假设。故认为收益率序列不含单位根,平稳性良好。
计算对数收益率的自相关和偏自相关系数,结果显示上证50ETF期权并不存在明显的自相关性与偏自相关性,无序列相关。
(2)ARCH效应检验
上证50ETF对数收益率有可能存在波动性聚集,VAR系列的检验结果显示,所有准则均建议滞后阶数为0。对收益率与其一阶滞后项作回归后的残差序列做GARCH效应检验,发现存在ARCH效应。由于收益率分布呈尖峰肥尾和负偏,采用“非对称门型GARCH模型”(简称TGARCH),对正负性不同的往期残差加以调整,条件方差方程为:
其中,1(⋅)为示性函数,即当ε(t-1)>0时,取值为1;反之,则为0。
使用TGARCH(1,1)模型预测波动率,发现ARCH项和GARCH和TARCH项均很显著,存在不对称效应,且规模不可忽略,而TARCH的负号项表明,“好消息”对基金价格波动性的影响要小于“坏消息”。
2.2基于GARCH模型预测波动率
根据前文,得到基于TGRACH(1,1)模型的波动率预测公式:
以此模型预测收益波动率,日收益率的条件方差在个别时点会急剧上升。选取2022年5月9日、5月10日、5月11日、5月12日、5月13日、5月9日16、5月17日、5月18日、5月19日、5月20日进行预测。
表1 基于GRACH模型预测的波动率
日期 | 5/9 | 5/10 | 5/11 | 5/12 | 5/13 | 5/16 | 5/17 | 5/18 | 5/19 | 5/20 |
波动率 | 0.0165 | 0.0154 | 0.0137 | 0.0124 | 0.0124 | 0.0112 | 0.0120 | 0.0102 | 0.0108 | 0.0112 |
2.3基于Black-Scholes模型的期权定价与效果评价
将历史波动率和GARCH预测波动率带入B-S公式,可以分别计算出未来10天的理论认购认沽期权价格,与实际价格结果进行对比。
表2 Black-Scholes期权定价价格
日期 | 类型 | 5/9 | 5/10 | 5/11 | 5/12 | 5/13 | 5/16 | 5/17 | 5/18 | 5/19 | 5/20 |
基于历史波动率 | 认购 | 0.0718 | 0.0443 | 0.0821 | 0.0674 | 0.0606 | 0.0700 | 0.0488 | 0.0602 | 0.0601 | 0.0531 |
认沽 | 0.0871 | 0.1000 | 0.0821 | 0.0966 | 0.0981 | 0.0792 | 0.0963 | 0.0711 | 0.0788 | 0.0698 | |
基于GRACH | 认购 | 0.0687 | 0.0511 | 0.0605 | 0.0722 | 0.0684 | 0.0802 | 0.0523 | 0.0614 | 0.0609 | 0.0561 |
认沽 | 0.0922 | 0.1138 | 0.0954 | 0.0910 | 0.1022 | 0.0743 | 0.0995 | 0.0724 | 0.0761 | 0.0685 | |
实际价格 | 认购 | 0.0667 | 0.0549 | 0.0668 | 0.0695 | 0.0618 | 0.0718 | 0.0574 | 0.0682 | 0.0625 | 0.0592 |
认沽 | 0.11 | 0.1249 | 0.108 | 0.0965 | 0.1075 | 0.0888 | 0.1029 | 0.0796 | 0.0797 | 0.0797 |
最后,采用平均偏离度公式量化评价两种方法的定价效果。发现对于认购期权,基于GRACH预测波动率的Black-Scholes期权定价的定价效果好于基于历史波动率的定价;对于认沽期权,基于GRACH预测波动率的定价效果要差于基于历史波动率的定价。
表2 Black-Scholes期权定价效果与对比
平均偏离度 | 认购期权 | 认沽期权 |
基于GRACH模型预测波动率的Black-Scholes期权定价平均偏离度 | 0.123862 | 0.197705 |
基于历史波动率的Black-Scholes期权定价平均偏离度 | 0.151432 | 0.092684 |
三、结论
本文对基于GARCH预测波动率和历史波动率的B-S期权定价公式的定价效果作了对比,发现对于认购期权和认沽期权,基于Black-Scholes期权定价的效果差别较小,对于认购期权,基于GRACH预测波动率的定价效果更好。
参考文献
[1]徐耸.Black-Scholes期权定价的风险(英文)[J].应用概率统计,2010,26(06):662-672.
[2]李海秋.Black-Scholes模型扩展性研究及参数估计综述[J].软科学,2005(01):5-8.
[3]陈溟.Black-Scholes期权定价的修正模型及其应用性研究[J].统计与决策,2011(07):135-137.
[4]刘玉兰,李姗.上证50ETF期权定价实证研究——基于B-S期权定价公式[J].中国商论,2017(33):22-24.