close

http://blog.yam.com/MOT1/article/13645864

前兩天假日,對檔案進行了不少的更動。 ^_^
本次的更新部分如下:



1. 增加了『隱含波動率』的計算函式 volatility()。
2. 增加了『期望值』計算函式 ER() 與 ER2(),簡化期望值的計算。其中ER2()使用了 Range 參數。
3. 增加了掩護型買權組合、買權多頭價差組合、買權空頭價差組合、賣權多頭價差組合、賣權空頭價差組合等 5 種策略的相關公式。



之前介紹 EXCEL 的 VBA 功能,為的就是
今天所介紹的 Volatility() 函式。
關於『隱含波動率』的介紹,可以參見第5章,第246頁開始的內容。
至於『隱含波動率』的計算,則可以參考第8章,第396頁的內容,
其中關於牛頓法的介紹,也可以在第393頁中找到。



『隱含波動率』的計算,需要用到不確定數量的條件迴圈,
所以在 Excel 中如果不採用 VBA 的功能,很難加以計算。
當然,也有可能是我的功力不夠,所以如果有能人異士可以提供一些建議或其他的做法,那就太好了。。。。 ^_^



我在 volatility() 這個函式中,加入了對市場價格的判斷。
基本上,選擇權價格是由『內涵價值』與『時間價值』所組成,其中『波動率』是隱含在『時間價值』之中的。
在我的判斷式中,主要是針對價內選擇權,將其『市場價格』扣除『內涵價值』之後,看看剩下的時間價值是否為正值。
如果不是正值的話,就會出現『價格錯誤』的結果。



會出現『價格錯誤』的情況,有很多原因。
其中一個原因,是因為我們的計算採用的是第3章最後 189頁定義的『市場價格』來進行計算。
實際上,在市場中若是要立即買進,就要參考『賣方報價』
若是要立即賣出,就要參考『買方報價』。
如果買賣方的報價錯誤,就會出現『無風險套利』的機會。
這樣的報價通常很快就會消失,而用這樣的價格來計算波動率,也沒有很大的意義。
所以我將輸出顯示為『價格錯誤』,您也可以依照自己的意思,自行修改程式的內容。



還有一件奇怪的事。



我們雖然依照的是書中的演算法,但這裏計算出來的波動率,與書中的值還是有些出入。大部分的情況,可能是因為四捨五入的原因,但是有些選擇權的計算結果相差很大,(參考 DailyCheck分頁的部分結果)這個部分的原因不明,還請各位先進指教。。。。。



另外,這次我還為了『期望值』的計算,撰寫了兩個函式,ER() 與 ER2()。
撰寫這兩個函式的原因,是因為原來的期望值計算看起來太過複雜,
而選擇權的結果函數,其實可以先依照交易的履約價格進行分區,
然後在每一個分區中,再用直線方程式 y=px+q 的形式來加以表示。
也就是說,只要妥善的進行分區,輸入分區的兩端邊界a,b,以及結果函數直線方程式的兩個係數 p,q,再加上其他通用的參數(對應標的物價格、距離到期時間、波動率)就可以計算出分區的期望值。



將所有分區的期望值加起來,就可以得到總期望值。
如果要將損失與獲利的期望值
分開計算
,也可以依照分區個別計算累加。
再者,ER曲線與ER切線係數的計算,也會用到類似的計算,所以,為這些計算撰寫一個『求期望值』的函式,不僅可以簡化Excel中的式子,提高可讀性,而且因為在很多地方都會用到,所以也可以提高公式編寫的效率。



ER() 這個函式,就是這樣的功能。

有了這個函式, Formula分頁中原本 AQ 與 AU 兩欄需要逐一人工輸入,現在只要複製 AS 欄的公式就可以了。
各位可以比較一下 AC/AF/AQ/AS/AU 欄位的公式,是不是比之前的公式簡潔多了呢?



AC/AF這兩個欄位,還運用到了ER2()這個函式。
其實 ER2() 是從 ER() 衍生出來的。
ER2() 將常用的『距離到期時間、無風險利率、波動率、對應標的物價格』這幾個參數,利用一個 range 參數傳到函數中。
這麼一來,函式的參數又可以更簡化一點,可讀性就更高了。
這個函式可以作為大家的參考
範例,其實要不要這樣用都可以,不過後面的函式越來越複雜,我還是會繼續採用這種方式就是了。



可能有人會問,輸入了分區結果函數直線方程式的兩個係數,如何計算出期望值呢?
有興趣的讀者,建議可以詳讀第6章從282頁開始的推導過程,若是以結論來說,就是



==》    p x + q 的結果函數,對應到
            p* { S*exp(c2/2)* N* } + q * { N(b)-N(a) } 的期望值函數,



也就是說,


       x 的係數 p          對應         { S*exp(c2/2)* N* }
       常數 q                 對應          { N(b)-N(a) }



既然所有選擇權組合的結果函數,都可以分區以直線 px+q 表示,那麼每一個分區的期望值,也就可以用 p,q 表示出來囉。



這就是第6章最開始針對買進買權推導過程之所以重要的原因。



最後再說明一下,本次加入了另外 5 個策略的公式。
這些公式也都與書中的範例驗證過(因而也發現了不少書中的排版錯誤,在此先向讀者致歉)
如果各位發現有其他不對或需要討論的地方,歡迎大家踴躍提出。


下面就是這次的檔案:

MOT-6.xls

 



引用自: https://w28822.pixnet.net/blog/post/253816601-%e9%81%b8%e6%93%87%e6%ac%8a%e9%9a%b1%e5%90%ab%e6%b3%a2
arrow
arrow
    全站熱搜