期权

% !TeX root = ../Investment.tex \chapter{期权}

引子：选择权

期权是金融衍生品中最能体现“选择权有价格”的工具之一。它把选择权写进合约条款：买方支付权利金后，获得在未来某一时刻按约定价格交易某一资产的权利，但没有必须行权的义务。正因为这种权利义务不对称，期权买方的最大损失通常被锁定为权利金，而潜在收益可以随标的价格变动显著放大。这也是期权区别于远期、期货和互换的主要特征。

期权的雏形可以追溯到古希腊哲学家泰勒斯（Thales of Miletus，约公元前 \(624\)--\(546\) 年）。据亚里士多德记载，泰勒斯根据天文观测预测来年橄榄丰收，提前向米利都和希俄斯的橄榄压榨机所有者支付定金，换取丰收时优先承租且不被强制承租的权利。丰收发生后，他按低价行使了承租权，再以市场价格转租，从而取得较高收益。这一故事常被视为历史记载中最早的期权思想。现代期权市场的起点则是 \(1973\) 年 \(4\) 月 \(26\) 日芝加哥期权交易所（CBOE）推出标准化股票期权。同年，布莱克（Fischer Black）、舒尔斯（Myron Scholes）和默顿（Robert Merton）建立的 Black-Scholes-Merton 模型，让期权定价从经验报价走向无套利模型，成为金融经济学中最有影响力的成果之一。

中国期权市场起步较晚但发展迅速。\(2015\) 年 \(2\) 月 \(9\) 日，上海证券交易所推出上证 \(50\) ETF 期权，这是中国第一只场内期权产品，正式开启境内期权时代。此后，大连商品交易所 \(2017\) 年推出豆粕期权，上交所、深交所和中金所 \(2019\) 年推出沪深 \(300\) ETF 期权和沪深 \(300\) 股指期权；\(2022\) 年中证 \(1000\) 股指期权、上证 \(50\) 股指期权、中证 \(500\) ETF 期权、创业板 ETF 期权和深证 \(100\) ETF 期权陆续上市；\(2023\) 年科创 \(50\) ETF 期权和碳酸锂期权推出，\(2024\) 年 \(12\) 月多晶硅期权上市，\(2025\) 年 \(11\) 月 \(27\)--\(28\) 日广州期货交易所铂、钯期货和期权先后推出，权益、商品和指数风险管理工具继续扩容。\(2022\) 年 \(8\) 月 \(1\) 日施行的《期货和衍生品法》首次把期货和场外衍生品（含场外期权）纳入全国人大立法层级；\(2024\) 年以来，私募证券基金运作和场外衍生品自律规则进一步约束 DMA 杠杆、雪球名义本金集中度、适当性和信息披露；\(2025\) 年 \(10\) 月 \(9\) 日起，合格境外投资者（QFI，含 QFII 与 RQFII）可在套期保值目的下参与场内 ETF 期权交易；\(2026\) 年 \(1\) 月 \(23\) 日，证监会又新增确定碳酸锂期货、碳酸锂期权等 \(14\) 个期货期权品种为境内特定品种，显示商品衍生品开放继续深化。这条“产品扩容 + 法治约束 + 市场开放”三线，是理解中国期权市场制度演进的重要线索。

学习期权时，读者需要同时抓住三条线索：损益图背后的权利义务结构、Black-Scholes-Merton 公式背后的无套利复制，以及交易策略背后的适当性和尾部风险。后文把基本损益、境内市场、二叉树、Black-Scholes-Merton 模型、希腊字母和交易策略串在一起，并通过雪球结构、上证 \(50\) ETF 期权、黑色星期一和 LTCM 等案例，把合约结构、模型假设和风险管理对应起来。

期权本质

期权是一种金融衍生工具，它赋予买方在未来某一时间或一段时间内以预先约定的价格（行权价 strike price，\(K\)）买入或卖出特定标的资产的权利，但买方没有义务行使该权利。期权的卖方在收到权利金后，对买方履行义务。

期权与期货的主要差异见表 （见上文）。

>{\arraybackslash}p{0.160\linewidth}>{\arraybackslash}p{0.320\linewidth}>{\arraybackslash}p{0.320\linewidth}@{}} 维度	期权	期货
双方权利义务	不对称：买方有权无义务、卖方有义务	对称：双方均有交割义务
初始资金	买方支付权利金、卖方收取	双方均缴保证金
买方/多头最大损失	期权买方：权利金	期货多头：标的跌至零为极端边界
买方/多头最大收益	看涨买方理论上不限；看跌买方最高为 \(K-P_0\)	期货多头理论上不限
卖方/空头最大损失	看涨卖方理论上不限；看跌卖方最高为 \(K-P_0\)	期货空头理论上不限
卖方/空头最大收益	期权卖方：权利金	期货空头以标的跌至零为极端边界
到期处理	买方可选择行权、平仓或放弃	双方按交易所规则平仓或履约交割
适用场景	风险锁定、杠杆交易和波动率交易	价格锁定、套保和投机

期权的核心要素包括标的资产 \(S\)（股票、指数、外汇、商品、加密资产等）、行权价 \(K\)、到期日、权利金、合约规模、行权方式和交割方式。合约规模说明一份合约对应多少标的资产；行权方式通常分为欧式、美式和百慕大式；交割方式则可分为实物交割与现金交割。为避免混淆，本章后续定价公式中的 \(T\) 若无特别说明，均表示从当前时点到到期日的剩余期限（通常以年计）；若需要强调日历到期日，可记为 \(T_{\exp}\)。看涨、看跌期权买入时支付的权利金分别记为 \(C_0,P_0\)；在定价公式中，也常把当前期权价值简写为 \(C,P\)。

看涨期权

看涨期权赋予买方在未来某一时间或期限内以行权价 \(K\) 购买标的资产的权利。买方支付权利金 \(C_0\) 获取此权利；卖方在买方行权时有义务按 \(K\) 卖出标的资产。 到期日买方收益（含权利金成本，记为净损益）：

\begin{equation}\label{eq:ch15:call_payoff} \Pi_{\text{long-call}} = \max(0,\,S_T - K) - C_0. \end{equation}

这是看涨期权的核心损益公式。若到期 \(S_T>K\)，买方行权获得 \(S_T-K\)，并扣除权利金 \(C_0\)；若 \(S_T\le K\)，买方放弃行权，损失权利金 \(C_0\)。因此，看涨期权买方的最大损失锁定为权利金 \(C_0\)，最大收益理论上不限。卖方的损益为 \(\Pi_{\text{short-call}} = C_0 - \max(0,\,S_T-K)\)，最大收益为权利金 \(C_0\)，最大损失理论上不限。

看跌期权

看跌期权赋予买方在未来以行权价 \(K\) 卖出标的资产的权利。买方支付权利金 \(P_0\)；卖方在买方行权时有义务按 \(K\) 买入。

到期日买方收益：

\begin{equation}\label{eq:ch15:put_payoff} \Pi_{\text{long-put}} = \max(0,\,K - S_T) - P_0. \end{equation}

看跌期权买方最大损失为权利金 \(P_0\)，最大收益为 \(K-P_0\)（标的跌至零的极端情形）。卖方损益与买方互为镜像（零和）：\(\Pi_{\text{short-put}} = P_0 - \max(0,\,K-S_T)\)。

图 （见上文）把看涨买方、看涨卖方、看跌买方和看跌卖方放在同一坐标中。理解这四条到期损益线，是后面学习价差、组合保险和 Greeks 管理的基础。

期权类型

期权按多个维度分类，每种分类对应不同的应用场景与定价模型。分类时应重点识别三件事：权利什么时候可以行使、标的资产是什么、收益结构是否含有额外触发条件。行权方式决定定价方法，标的资产决定风险来源，合约结构决定收益是否线性、是否路径依赖、是否存在障碍触发。理解这些差异，才能看懂从标准 ETF 期权到雪球结构票据之间的风险跨度。

行权方式

欧式期权只能在到期日行权，定价模型较简单，流动性通常集中在到期日前后，但灵活性较低。多数指数期权和外汇期权采用欧式行权。

美式期权可在到期日前任何时刻行权，灵活性更高，特别适合分红股票和提前行权可能有价值的情形，但定价通常需要二叉树或其他数值方法。百慕大期权介于二者之间，只能在合约约定的若干日期行权，常见于利率期权和可赎回债券嵌入期权。

重要结论：对无股息股票，美式看涨期权与欧式看涨期权价值相等。直觉是，无股息时提前行权会提前支付 \(K\)，同时放弃剩余时间价值，通常并不具有经济优势。美式看跌期权的价值则至少不低于欧式看跌期权；在深度实值、高利率或期限较长时，提前行权可能有价值，因为投资者可立即获得 \(K-S\) 并将现金再投资。

标的资产

股票期权以单只股票为标的；美国等成熟市场有大量标准化个股期权。中国境内场内期权以 ETF 期权和股指期权为主，单只股票相关期权主要出现在场外衍生品业务中，且适用更严格的投资者适当性、交易对手、名义本金集中度和信息披露要求。

指数期权以股票指数为标的。中金所沪深 \(300\) 股指期权于 \(2019\) 年 \(12\) 月上市，中证 \(1000\) 股指期权于 \(2022\) 年 \(7\) 月上市，上证 \(50\) 股指期权于 \(2022\) 年 \(12\) 月上市；美国 SPX、NDX、RUT 是全球流动性较深的指数期权。

ETF 期权以交易所交易基金为标的。上证 \(50\) ETF、沪深 \(300\) ETF、中证 \(500\) ETF、创业板 ETF、深证 \(100\) ETF 和科创 \(50\) ETF 期权，是境内场内期权的重要组成部分。\(2025\) 年 \(10\) 月 \(9\) 日起，合格境外投资者（QFI，含 QFII 与 RQFII）可在套期保值目的下参与场内 ETF 期权交易，说明 ETF 期权正在成为境外长期资金管理 A 股风险的配套工具。

外汇期权以货币对为标的，中国银行间外汇市场 \(2011\) 年起允许人民币外汇期权，成为企业汇率风险管理的重要工具。

商品期权以商品期货合约为标的。中国大商所豆粕期权于 \(2017\) 年 \(3\) 月上市，是境内第一只商品期权；此后玉米、铁矿石、棕榈油、白糖、棉花、PTA、黄金、铜、工业硅、碳酸锂、多晶硅、铂、钯等商品期权陆续推出，商品期权逐渐从传统农产品、有色金属扩展到新能源材料和铂族金属。

利率期权基于债券或利率指标，包括利率上限期权、利率下限期权和利率区间期权。

波动率期权以 VIX 指数等波动率指标为标的。加密资产期权在境外市场存在，但中国大陆不允许虚拟货币相关业务向境内居民提供交易、清算、支付等金融服务，加密资产期权不属于境内合规金融市场的交易品种。

合约结构

标准期权是经典的看涨或看跌期权，损益结构清晰，定价和风险管理较为成熟。

障碍期权含敲入或敲出触发条件，是雪球结构票据的核心。高票息往往来自投资者向发行方卖出隐含的下行障碍期权；当标的指数快速下跌并触及敲入线时，投资者会从收票息状态切换为承担标的下跌损失状态，因此这类产品对适当性、风险揭示和压力测试要求很高。亚式期权的结算价基于持有期内均价而非到期日价格，适合季节性较强的商品市场，可降低单一时点价格被挤仓、天气或库存扰动扭曲的风险。回望期权按持有期内最有利价格结算，把“事后选择最好价格”的权利货币化，价格通常高于普通欧式期权。彩虹期权或篮子期权涉及多个标的资产，按标的组合或相对表现结算。二元期权到期满足条件时支付固定金额，否则支付为零，结构简单但投机性强，多国对零售销售有严格监管。

境内市场

中国期权市场虽然起步较晚，但发展较快。本节从 ETF 期权、股指期权、商品期权和场外复杂结构四个维度概览（图 （见上文）、表 （见上文））。读这张时间线时要注意两条并行线索：场内标准化品种不断扩容，适合集中清算和透明报价；场外复杂结构则更强调穿透监管、销售适当性和压力测试。

>{\arraybackslash}p{0.178\linewidth}>{\arraybackslash}p{0.089\linewidth}>{\arraybackslash}p{0.116\linewidth}>{\arraybackslash}p{0.178\linewidth}>{\arraybackslash}p{0.240\linewidth}@{}} 品种	上市	交易场所	市场地位	主要用途
上证 50ETF 期权	2015.2	上交所	境内首只场内期权，流动性基础较好	大盘蓝筹 ETF 对冲、波动率交易、备兑增强
沪深 300 ETF 期权	2019.12	上交所、深交所	权益 ETF 期权的重要品种；2025 年起纳入 QFI 套保工具	宽基指数 ETF 风险管理与套利
中证 500 ETF 期权	2022.9	上交所、深交所	中盘风格对冲工具	中盘股票组合保护与风格轮动
创业板 ETF / 深证 100 ETF 期权	2022.9 / 2022.12	深交所	创新成长与深市核心资产工具	创业板、深市蓝筹波动率交易与组合保护
科创 50 ETF 期权	2023.6	上交所	科技成长风格期权品种	科创板相关敞口对冲
沪深 300 / 中证 1000 / 上证 50 股指期权	2019.12 / 2022.7 / 2022.12	中金所	现金交割、欧式行权	股指期货与现货组合的精细化对冲
豆粕期权	2017.3	大商所	中国第一只商品期权	农产品贸易和饲料企业尾部风险管理
铁矿石、棕榈油、黄金、铜、工业硅、碳酸锂、多晶硅、铂、钯等	2018 起陆续上市	商品期货交易所	商品期权体系逐步丰富	产业企业成本锁定、库存套保与价格保险
雪球结构票据（场外）	2018 起活跃，2024 后监管收紧	银行、券商及私募通道	非标准化复杂结构产品	含敲入敲出条款，重点在适当性、穿透披露、名义本金集中度与压力测试

上证 50ETF

2015 年 2 月 9 日上海证券交易所推出上证 50ETF 期权（标的代码 \(510050\)），是中国境内第一只场内期权。这一上市时间正处于 \(2015\) 年 A 股牛市启动初期，随后市场经历剧烈震荡，使 50ETF 期权一上市就接受了牛熊转换的检验。它的长期意义在于让做市商、保证金、行权、限仓、投资者适当性等场内期权基础制度系统性进入境内市场。

50ETF 期权合约规定每张期权合约对应 \(10\,000\) 份 50ETF 基金份额，行权方式为欧式，交割方式为实物交割。保证金、限仓、开户均有严格要求；个人投资者参与通常需要满足资产、交易经验、知识测试和风险承受能力等适当性条件，具体以交易所和证券经营机构当时规则为准。

宽基系列

2019 年 12 月 23 日，上交所、深交所同日推出沪深 \(300\) ETF 期权，中金所同日推出沪深 \(300\) 股指期权，中国期权市场从单一 50ETF 升级为覆盖 ETF 与股指的宽基体系。\(2022\) 年 \(7\) 月，中金所推出中证 \(1000\) 股指期权；\(2022\) 年 \(9\) 月，上交所和深交所推出中证 \(500\) ETF 期权，深交所推出创业板 ETF 期权；\(2022\) 年 \(12\) 月，上证 \(50\) 股指期权和深证 \(100\) ETF 期权上市；\(2023\) 年 \(6\) 月，上交所推出两只科创 \(50\) ETF 期权。至此，境内场内期权已初步形成覆盖大盘、中盘、小盘、科技成长和深市核心资产的风险管理工具体系。\(2025\) 年 \(10\) 月 QFI 准入 ETF 期权套保后，这些宽基工具也开始承担“吸引长期资金进入、同时提供风险管理接口”的开放功能。

商品期权

2017 年 3 月 31 日大商所豆粕期权上市，成为中国第一只商品期权。此后，白糖、铜、玉米、铁矿石、棕榈油、棉花、PTA、黄金、橡胶、液化石油气、工业硅、碳酸锂、多晶硅、铂、钯等品种陆续上市，商品期权体系持续扩容。其中，碳酸锂期权于 \(2023\) 年 \(7\) 月 \(24\) 日在广期所上市，多晶硅期权于 \(2024\) 年 \(12\) 月 \(27\) 日上市，铂、钯期货于 \(2025\) 年 \(11\) 月 \(27\) 日上市、相应期权于 \(11\) 月 \(28\) 日上市，新能源材料和铂族金属风险管理工具成为商品期权扩容的重要方向。商品期权把期货的方向锁定功能与期权的尾部保护功能结合起来，农产品贸易商可用期货锁定采购或销售方向，用期权保留下游或上游价格的有利变动空间；产业企业也可把期权嵌入采购、库存和销售合同，形成更灵活的价格保险。\(2026\) 年 \(1\) 月 \(23\) 日证监会新增确定碳酸锂期货、碳酸锂期权等 \(14\) 个期货期权品种为境内特定品种，也说明商品期权正从国内套保工具走向更开放的产业风险管理平台。

雪球结构

雪球结构票据是含敲入和敲出双重障碍条件的奇异期权结构。它的票面收益通常高于普通固收产品，但并非无风险利息；若标的指数触发敲出水平，产品提前赎回并支付约定收益；若触发敲入水平且到期价低于初始价，投资者可能按标的下跌比例承担本金损失。

当挂钩指数快速下跌并接近敲入线时，雪球的风险会从“表面类似票息收益”突然转化为“承担指数下跌损失”。这一转换的关键在于：票面收益来自投资者卖出隐含下跌保护，风险并没有消失，只是被写进了障碍条款。因此，监管关注的核心是销售对象是否充分理解敲入情景、是否做过压力测试、信息披露是否充分说明尾部损失。\(2024\) 年《私募证券投资基金运作指引》把雪球结构衍生品名义本金集中度纳入约束，说明“产品结构可定价”并不等于“可以无边界销售”。前文案例 15.1 展示的正是这一类奇异期权从合约结构转化为投资者保护问题的过程。

定价基础

期权定价的核心问题是：给定标的现价 \(S\)、行权价 \(K\)、剩余期限 \(T\)、波动率 \(\sigma\)、无风险利率 \(r\) 和股息率 \(q\)，期权的公允价格是多少？回答这个问题要从最基础的分解开始：实务上通常先把期权价格分解为内在价值和时间价值；在欧式期权中，看涨、看跌期权之间还应满足平价关系。这个关系是基本的无套利约束，独立于任何具体定价模型。

内在价值与时间价值

期权的总价值（权利金）由内在价值和时间价值构成。 内在价值（按当前市价立即行权的潜在收益）：

\begin{equation}\label{eq:ch15:intrinsic} \text{看涨内在价值} = \max(S-K,\,0);\qquad \text{看跌内在价值} = \max(K-S,\,0). \end{equation}

时间价值 \(=\) 权利金 \(-\) 内在价值。课堂上常说时间价值非负，是因为美式期权可以立即行权，无股息股票欧式看涨期权也通常不低于内在价值；但对不能提前行权的欧式期权，若深度实值看跌遇到较高利率，或看涨期权对应较高股息，按“立即行权价值”口径计算的时间价值可能为负。更稳妥的理解是：时间价值衡量等待权、波动性和持有成本共同作用后的价格差额，必须与股息、利率和无套利下界一起解释。平值期权（\(S\approx K\)）的时间价值通常最高，因为标的有“两边变动潜力”；深度实值和深度虚值期权的时间价值通常较小。时间价值随到期日临近而衰减，到期日时间价值降为零。

期权状态分为实值、平值和虚值。实值（ITM）表示内在价值为正；平值（ATM）表示 \(S\approx K\)，内在价值接近零但时间价值通常最高；虚值（OTM）表示内在价值为零，时间价值为正但较小。

价值因素

期权价值由多个因素共同决定，这一点比股票和债券更不直观。股票估值主要围绕现金流和折现率，普通债券主要围绕票息、期限和信用风险；期权则同时受到标的价格、行权价、剩余期限、波动率、利率和股息影响，而且不同因素对看涨、看跌期权的方向并不相同。表 （见上文） 先给出方向性判断，后面的 Greeks 会进一步把这些方向变成可度量的敏感度。

>{\arraybackslash}p{0.153\linewidth}>{\arraybackslash}p{0.153\linewidth}>{\arraybackslash}p{0.153\linewidth}>{\arraybackslash}p{0.340\linewidth}@{}} 因素	看涨期权	看跌期权	说明
标的现价 \(S\) \(\uparrow\)	\(\uparrow\)	\(\downarrow\)	直接影响内在价值
行权价 \(K\) \(\uparrow\)	\(\downarrow\)	\(\uparrow\)	看涨变虚值，看跌变实值
剩余期限 \(T\) \(\uparrow\)	通常 \(\uparrow\)	通常 \(\uparrow\)	美式期权通常不低于短期限同类期权；欧式期权在利率、股息或极端参数下需谨慎判断
波动率 \(\sigma\) \(\uparrow\)	\(\uparrow\)	\(\uparrow\)	波动率高 \(\Rightarrow\) 极端价格概率高 \(\Rightarrow\) 期权价值高
无风险利率 \(r\) \(\uparrow\)	\(\uparrow\)	\(\downarrow\)	行权价现值下降，看涨相对更有利；看跌相对更不利
股息率 \(q\) \(\uparrow\)	\(\downarrow\)	\(\uparrow\)	现货除息后下跌 \(\Rightarrow\) 对看涨不利、对看跌有利

时间价值的衰减不是线性的。越接近到期日，平值期权的时间衰减往往越快（图 （见上文））。在扩散模型和短期限近似下，平值期权的时间价值常与 \(S\sigma\sqrt{T}\) 同量级，因此交易员会说“时间价值有根号时间特征”。但这不是一个对所有期权都精确成立的定律：实值/虚值程度、股息、利率、波动率曲面、跳跃风险和流动性都会改变衰减形态。实际应用中，跨期价差、卖近月买远月等策略利用的是近月 Theta 通常更快，而不是机械假设每份期权都按 \(\sqrt{T}\) 匀速衰减。

平价关系

看涨-看跌平价是欧式期权定价中最基本的无套利关系。它独立于任何定价模型，在理想无套利市场上成立。考察两个组合：

• 组合 A：买入欧式看涨期权 \(C\)，并持有现值为 \(K\,e^{-rT}\) 的零息债券（到期面值 \(K\)）；
• 组合 B：买入欧式看跌期权 \(P\)，并持有 \(\,1\) 单位标的资产 \(S\)。

到期日两组合的价值：

• 若 \(S_T>K\)：组合 A 行权得 \(S_T-K\)，同时收到债券面值 \(K\)，合计 \(S_T\)；组合 B 的看跌期权失效，持有标的价值 \(S_T\)。二者相等。
• 若 \(S_T

由无套利原理，期初两组合价值必相等：

\begin{equation}\label{eq:ch15:pcp} C + K\,e^{-rT} = P + S_0. \end{equation}

这就是欧式期权的看涨-看跌平价关系。带股息率 \(q\) 时（如指数期权或外汇期权）：

\begin{equation}\label{eq:ch15:pcp_div} C + K\,e^{-rT} = P + S_0\,e^{-qT}. \end{equation}

看涨-看跌平价的意义在于三点：第一，它独立于具体定价模型，只要市场无套利就应成立；第二，若已知 \(C\) 可以反推 \(P\)，反之亦然；第三，它可作为套利检验工具，帮助识别看涨、看跌期权和标的资产之间的相对错价。

二叉树定价

二叉树模型把时间离散化，并把标的价格演化建模为每一步上涨或下跌的树形结构，是期权定价中最直观也最灵活的方法之一，尤其适合美式期权和路径依赖期权。

单步模型

设当前股价 \(S_0\)，单步时间 \(\Delta t\)。期末价格只有两种可能：\(S_u=uS_0\)（上涨，\(u>1\)）或 \(S_d=dS_0\)（下跌，\(d<1\)）。设有一份欧式看涨期权，行权价 \(K\)，期初价值 \(C\)（待求）。期末收益为：上涨时 \(C_u=\max(uS_0-K,0)\)、下跌时 \(C_d=\max(dS_0-K,0)\)。

图 （见上文） 展示了单步二叉树的理论框架：价格从当前节点分成上涨与下跌两个状态，期权价值则由两个期末收益按风险中性概率折现倒推。

核心思路是复制论证：能否构造一个由标的资产和无风险债券组成的组合，让它的期末价值在两种情形下都恰好等于期权收益？如果能，按无套利原理，这一复制组合的期初成本就是期权的公允价格。

第一步：找到复制组合的构造。 设期初买入 \(\Delta\) 股标的（\(\Delta\) 为未知数），并借入 \(B\) 元现金（即卖空债券，\(B\) 为未知数）。期初组合价值 \(=\Delta S_0-B\)，这就是期权的合成价格。期末两种情形：

• 上涨：组合 \(=\Delta\,uS_0 - B\,e^{r\Delta t}\)；要求 \(=C_u\)；
• 下跌：组合 \(=\Delta\,dS_0 - B\,e^{r\Delta t}\)；要求 \(=C_d\)。

两式相减得 \(\Delta(uS_0-dS_0)=C_u-C_d\)，所以

\begin{equation}\label{eq:ch15:binom_delta} \Delta = \frac{C_u-C_d}{(u-d)S_0}. \end{equation}

把 \(\Delta\) 代回任一方程解出 \(B\)：

\[ B = \frac{d\,C_u - u\,C_d}{(u-d)\,e^{r\Delta t}}. \]

第二步：算出期权价格。 \(C=\Delta S_0-B\)。代入 \(\Delta\) 与 \(B\) 后整理：

\begin{equation}\label{eq:ch15:binom_one} C = e^{-r\Delta t}\big[\,p\,C_u + (1-p)\,C_d\,\big], \end{equation}

其中

\begin{equation}\label{eq:ch15:binom_p} p = \frac{e^{r\Delta t}-d}{u-d}. \end{equation}

这一推导没有用到任何真实概率，（见上文） 由无套利得到。但公式形式像是以概率 \(p\) 上涨、以概率 \(1-p\) 下跌的期望支付折现值，因此 \(p\) 被称为风险中性概率。

风险中性

这一节是期权定价中最容易让人困惑的地方。读者常问：为什么真实物理概率不出现在公式 （见上文） 里？\(p\) 到底是什么？可以分四层理解。

层次 1：\(p\) 不是物理概率，只是一个定价参数。 公式 （见上文） 中的 \(p\) 由 \(u, d, r, \Delta t\) 算出，与标的真实上涨概率 \(q_{\mathrm{real}}\)（\(0\le q_{\mathrm{real}}\le 1\)）无关。这里用 \(q_{\mathrm{real}}\) 表示真实概率，避免与前文股息率 \(q\) 混淆。即使真实世界中标的有 \(80\%\) 概率上涨、\(20\%\) 概率下跌，公式 （见上文） 中代入的仍然是 \(p=(e^{r\Delta t}-d)/(u-d)\)，它可能恰好是 \(0.5\) 或 \(0.6\)，与 \(0.8\) 没有必然关系。 层次 2：\(p\) 让风险中性世界中标的的期望增长率等于无风险利率。 检验：在风险中性“虚拟”世界中（用 \(p\) 而非 \(q\) 作概率），标的的期望期末价格是

\[ E^Q[S_T] = p\,uS_0 + (1-p)\,dS_0 = S_0\,\big[\,pu+(1-p)d\,\big]. \]

代入 \(p=(e^{r\Delta t}-d)/(u-d)\)：

\[ pu+(1-p)d = \frac{(e^{r\Delta t}-d)u+(u-e^{r\Delta t})d}{u-d} = \frac{e^{r\Delta t}(u-d)}{u-d} = e^{r\Delta t}. \]

所以 \(E^Q[S_T]=S_0\,e^{r\Delta t}\)。在风险中性世界中，标的的期望增长率正好是无风险利率 \(r\)。这就是“风险中性”的字面含义：在这个虚拟世界里，所有可交易资产的期望收益率都等于 \(r\)，投资者好像不要求风险溢价。

层次 3：真实概率 \(q\) 不出现，是因为期权可以被复制。 由 （见上文） 的复制组合可知，期权的合成价格 \(\Delta S_0-B\) 由 \(u, d, r, S_0\) 决定。无论真实概率是 \(80\%\) 上涨还是 \(20\%\) 上涨，复制组合的期初成本不变，所以期权价格也不变。真实概率被无套利原则过滤掉了。

这一观察的含义在于：乐观投资者和悲观投资者可以有不同的真实概率判断，但只要复制组合可行，他们面对的无套利价格应当相同。如果价格偏离复制成本，套利者会用复制组合套利。这一定价机制不需要效用函数或风险偏好假设，也是 BSM 框架有解释力的重要原因。

层次 4：风险中性测度的形式化。 数学上，\(p\) 可以理解为另一个概率测度 \(\mathbb{Q}\) 下的概率（与真实测度 \(\mathbb{P}\) 区分）。在测度 \(\mathbb{Q}\) 下：（1）\(\Pr_{\mathbb{Q}}[S_T=uS_0]=p\)、\(\Pr_{\mathbb{Q}}[S_T=dS_0]=1-p\)；（2）所有可交易资产的期望增长率 \(=r\)；（3）期权价格 \(=E^{\mathbb{Q}}[\,e^{-rT}\,\text{到期收益}\,]\)。这个 \(\mathbb{Q}\) 是鞅测度，在 \(\mathbb{Q}\) 下贴现后的资产价格 \(e^{-rt}S_t\) 是鞅。

多步模型

把时间分为 \(N\) 步，每步 \(\Delta t=T/N\)。从到期日开始倒推：在第 \(N\) 步先算到期收益，再按 （见上文） 倒推到第 \(N-1\) 步、\(N-2\) 步、\dots、\(0\) 步。常用的 CRR 参数化为：

\begin{equation}\label{eq:ch15:crr_params} u = e^{\sigma\sqrt{\Delta t}},\quad d = 1/u = e^{-\sigma\sqrt{\Delta t}},\quad p = \frac{e^{r\Delta t}-d}{u-d}. \end{equation}

当 \(N\to\infty\)（\(\Delta t\to 0\)），二叉树定价收敛到 Black-Scholes 公式。这说明离散时间的复制组合思想与连续时间的 BSM 公式在极限上相通。

图 （见上文） 使用下例参数展示二步二叉树的展开与倒推过程，读者可以对照节点数值理解每一步计算。

二叉树之外，期权定价还常使用其他数值方法。对亚式期权、雪球等路径依赖合约，蒙特卡洛模拟通常更直观：生成大量可能的价格路径，逐条计算到期或路径收益，再取平均并折现。以欧式看涨为例，可写成 \[ \hat C=e^{-rT}\frac{1}{M}\sum_{m=1}^{M}\max(S_T^{(m)}-K,0). \] 对美式期权或障碍边界清晰的合约，有限差分法则直接求解 Black--Scholes 偏微分方程。它们和二叉树一样，核心都是在无套利和风险中性框架下计算合约现金流的现值。

BSM 模型

Black-Scholes-Merton 模型（BSM, 1973）在一组清晰假设下给出欧式期权的闭式解，把期权价格表达为几个可观察变量的函数。本节按模型假设、几何布朗运动、伊藤引理、无风险组合、偏微分方程、闭式求解和风险中性解释展开推导，并在每一步说明经济直觉。

模型假设

BSM 模型的力量来自一组非常强的简化假设。它把复杂市场压缩为连续交易、无摩擦、可卖空、波动率恒定和无套利的理想世界；也正因为这些假设强，模型才给出了简洁的闭式解。学习这一部分时要同时记住两点：第一，假设是推导工具，并非对现实的描述；第二，现实中交易成本、跳空、波动率微笑和流动性冲击，正是模型价格与市场价格出现差异的主要来源。

1. 标的资产价格服从几何布朗运动（GBM）：\(dS = \mu S\,dt + \sigma S\,dW\)。
2. 无风险利率 \(r\) 已知且恒定，投资者可以按该利率借入或贷出资金。
3. 波动率 \(\sigma\) 已知且恒定。
4. 无交易成本和税收。
5. 标的资产无股息（可放宽到含连续股息率 \(q\)）。
6. 市场允许连续交易、卖空和无限可分的标的交易。
7. 不存在无风险套利机会。

价格过程

GBM 是 BSM 模型对标的价格演化的随机过程刻画：

\begin{equation}\label{eq:ch15:gbm} dS = \mu\,S\,dt + \sigma\,S\,dW, \end{equation}

其中 \(\mu\) 是预期收益率，\(\sigma\) 是波动率，\(dW\) 是标准布朗运动的微分（\(E[dW]=0\)，\(\mathrm{Var}(dW)=dt\)）。

为什么是 \(\mu S\) 与 \(\sigma S\) 而不是常数 \(\mu\) 与 \(\sigma\)？ 这是 GBM 的关键设计：所有项都与 \(S\) 成正比，让百分比收益率 \(dS/S=\mu\,dt+\sigma\,dW\) 的统计特征不依赖 \(S\) 的水平。这一性质有三层好处：股价始终非负；对数收益率服从正态分布 \(\ln(S_T/S_0)\sim \mathcal{N}((\mu-\sigma^2/2)T,\sigma^2 T)\)；模型具有尺度不变性，把股价单位从美元换成日元，定价逻辑不变。

解析解。 求解 （见上文） 得

\begin{equation}\label{eq:ch15:gbm_solution} S_T = S_0\,\exp\big[\,(\mu-\sigma^2/2)T + \sigma\sqrt{T}\,Z\,\big],\quad Z\sim\mathcal{N}(0,1). \end{equation}

注意漂移项被修正为 \(\mu-\sigma^2/2\) 而非 \(\mu\)。这是伊藤修正项，反映几何过程平均意义上会受到波动拖累。

伊藤引理

伊藤引理是随机微积分版本的链式法则。普通微积分中函数 \(f(x,t)\) 的微分是 \(df=f_t\,dt+f_x\,dx\)（一阶项）。但当 \(x\) 是布朗运动时 \(dx^2\) 不能忽略，因为 \(dW^2=dt\) 在均值意义下成立，所以二阶项 \(\tfrac{1}{2}f_{xx}(dx)^2\) 必须保留。更严格地说，\((dW)^2\) 的期望为 \(dt\)，其随机误差是更高阶小量，因此在 Itô 意义下可用 \(dt\) 替代。实际计算时可以把 \((dt)^2=0\)、\(dt\,dW=0\)、\((dW)^2=dt\) 看作三条记账规则：前两项是更高阶小量，第三项正是随机微积分不同于普通微积分的地方。

对函数 \(C(S,t)\) 的伊藤引理：

\begin{equation}\label{eq:ch15:ito} dC = \frac{\partial C}{\partial t}\,dt + \frac{\partial C}{\partial S}\,dS + \frac{1}{2}\frac{\partial^2 C}{\partial S^2}(dS)^2. \end{equation}

代入 \(dS=\mu S\,dt+\sigma S\,dW\) 和 \((dS)^2=\sigma^2 S^2\,dt\)（用 \(dW^2=dt\)、忽略高阶小项 \(dt^2\) 与 \(dt\,dW\)）：

\begin{equation}\label{eq:ch15:dC} dC = \left(\frac{\partial C}{\partial t} + \mu S\frac{\partial C}{\partial S} + \frac{1}{2}\sigma^2 S^2\frac{\partial^2 C}{\partial S^2}\right)dt + \sigma S\frac{\partial C}{\partial S}\,dW. \end{equation}

这就是期权价格的随机微分，其中既有确定性漂移 \(dt\) 项，也有随机扰动 \(dW\) 项。随机扰动 \(\sigma S(\partial C/\partial S)\,dW\) 中的 \(\partial C/\partial S\) 正是 Delta，这是构造无风险组合的关键。

无风险组合

无风险组合是 BSM 推导最关键、也最容易被读者跳过去的一步。这里并不是说期权本身无风险，而是说期权价格变动中由标的随机波动带来的那一部分，可以用标的资产动态抵消。只要组合中随机项被消掉，剩下的瞬时收益就应等于无风险利率，否则会出现无套利交易机会。考虑组合 \(\Pi\)：买入 \(1\) 张看涨期权 \(C\)，并卖空 \(\Delta=\partial C/\partial S\) 股标的：

\begin{equation}\label{eq:ch15:portfolio} \Pi = C - \Delta\,S = C - \frac{\partial C}{\partial S}\,S. \end{equation}

组合的瞬时变化 \(d\Pi = dC - \Delta\,dS\)。把 （见上文） 代入：

\begin{align*} d\Pi &= \left(\frac{\partial C}{\partial t} + \mu S\frac{\partial C}{\partial S} + \frac{1}{2}\sigma^2 S^2\frac{\partial^2 C}{\partial S^2}\right)dt \\ &\quad + \sigma S\frac{\partial C}{\partial S}\,dW - \frac{\partial C}{\partial S}\big(\mu S\,dt+\sigma S\,dW\big) \\ &= \left(\frac{\partial C}{\partial t} + \frac{1}{2}\sigma^2 S^2\frac{\partial^2 C}{\partial S^2}\right)dt. \end{align*}

关键观察：\(\mu\) 和 \(dW\) 都消失了。 \(dW\) 项被 Delta 对冲消除，\(\mu\) 项也随 \(\Delta\,dS\) 一同抵消。于是标的预期收益率 \(\mu\) 从期权定价公式中消失，期权价格不依赖于投资者对未来涨跌的主观判断。

偏微方程

偏微方程这一步是在把“无风险组合”转化为“期权价格必须满足的动态方程”。由于 \(d\Pi\) 中只剩 \(dt\) 项、没有 \(dW\) 项，组合 \(\Pi\) 在瞬时 \(dt\) 内是无风险的。如果这个组合的收益率高于无风险利率，投资者可以买入组合并借钱融资；如果低于无风险利率，投资者可以反向构造套利。按无套利原理，无风险组合的回报必须等于无风险利率：

\begin{equation}\label{eq:ch15:no_arb} d\Pi = r\,\Pi\,dt = r\big(C - \Delta\,S\big)dt. \end{equation}

让两个 \(d\Pi\) 表达式相等：

\[ \frac{\partial C}{\partial t} + \frac{1}{2}\sigma^2 S^2\frac{\partial^2 C}{\partial S^2} = r\,C - r\,\Delta\,S = r\,C - r\,S\frac{\partial C}{\partial S}. \]

整理得到Black-Scholes 偏微分方程：

\begin{equation}\label{eq:ch15:bspde} \frac{\partial C}{\partial t} + r\,S\,\frac{\partial C}{\partial S} + \frac{1}{2}\sigma^2 S^2\,\frac{\partial^2 C}{\partial S^2} = r\,C. \end{equation}

这一 PDE 是 BSM 模型的核心方程。它描述了期权价格 \(C(S,t)\) 随时间和标的价格变动的演化规律。注意方程中只有 \(r\)、\(\sigma\)、\(S\) 三个参数（加上 \(t\) 和未知函数 \(C\)），\(\mu\) 不出现。

闭式求解

偏微分方程给出的是期权价格必须满足的动态约束，但要得到具体价格，还需要把“到期时它值多少钱”作为边界条件放进去。直观地说，BSM 公式就是把到期收益 \(\max(S_T-K,0)\) 在风险中性世界中折现回今天；数学上，则是把 （见上文） 通过变量替换转化为热传导方程。求解 （见上文） 需要边界条件：

终值条件（到期日收益）：\(C(S,T) = \max(S-K,\,0)\)。

边界条件：\(C(0,t) = 0\)（标的为零、期权无价值）；\(C(S,t)\sim S\) 当 \(S\to\infty\)。

求解技巧（简述）。 通过变量替换 \(\tau=T-t\)、\(x=\ln(S/K)\)，并把期权价格写成经过折现和指数缩放后的函数 \(u(x,\tau)\)，可以消去一阶导数项和贴现项，把 BSPDE 转化为热传导方程 \(\partial u/\partial \tau=\tfrac{1}{2}\sigma^2\,\partial^2 u/\partial x^2\)。热核函数本质上是在对正态分布下的到期收益做加权平均，因此最终公式中会自然出现两个标准正态累积分布函数 \(N(d_1)\) 与 \(N(d_2)\)。最终得到欧式看涨期权闭式解：

\begin{equation}\label{eq:ch15:bs_call} C = S_0\,N(d_1) - K\,e^{-rT}\,N(d_2), \end{equation}

欧式看跌期权闭式解（用看涨-看跌平价立刻得到）：

\begin{equation}\label{eq:ch15:bs_put} P = K\,e^{-rT}\,N(-d_2) - S_0\,N(-d_1), \end{equation}

其中

\begin{equation}\label{eq:ch15:d1d2} d_1 = \frac{\ln(S_0/K) + (r + \sigma^2/2)T}{\sigma\sqrt{T}},\qquad d_2 = d_1 - \sigma\sqrt{T}, \end{equation}

\(N(\cdot)\) 是标准正态分布的累积分布函数。

含连续股息率 \(q\) 的扩展（适用于股指期权和外汇期权，其中外汇期权的“股息率”是外币利率 \(r_f\)）：

\[ \begin{aligned} C &= S_0\,e^{-qT}\,N(d_1) - K\,e^{-rT}\,N(d_2),\\ P &= K\,e^{-rT}\,N(-d_2) - S_0\,e^{-qT}\,N(-d_1),\\ d_1 &= \frac{\ln(S_0/K)+(r-q+\sigma^2/2)T}{\sigma\sqrt{T}},\\ d_2 &= d_1-\sigma\sqrt{T}. \end{aligned} \]

风险中性

BSM 公式有一个优雅的概率解释。在风险中性测度 \(Q\) 下标的的预期增长率 \(=r\)，所以 \(S_T=S_0\,e^{(r-\sigma^2/2)T+\sigma\sqrt{T}\,Z}\)。看涨期权到期收益在 \(Q\) 下取期望并按 \(r\) 折现：

\begin{equation}\label{eq:ch15:rn_pricing} C = e^{-rT}\,E^Q\big[\,\max(S_T-K,\,0)\,\big]. \end{equation}

直接计算这一期望（用 \(\ln S_T\) 服从正态分布的性质）即得 （见上文）。这与二叉树的风险中性解释一致，只是从离散时间变成了连续时间。

\(N(d_1)\) 与 \(N(d_2)\) 的概率含义：

• \(N(d_2) = \Pr_Q[S_T>K]\)，即风险中性测度下看涨期权被行权的概率；
• \(N(d_1)\) 是在“股票测度”\(\widetilde{Q}\) 下的行权概率（用股票而非债券作贴现单位时的测度）。数值上 \(N(d_1)\ge N(d_2)\)。

所以 BSM 公式的结构是

\[ C = \underbrace{S_0\,N(d_1)}_{\text{期望收到的标的（按股票测度）}} \;-\; \underbrace{K\,e^{-rT}\,N(d_2)}_{\text{期望付出的行权价（按债券测度）}}. \]

这是一个在两个测度下计算期望并相减的结构。对初学者来说，先记住 \(N(d_2)\) 更接近“行权概率”、\(N(d_1)\) 更接近“收到标的的加权概率”已经足够；在更高阶的金融数学中，这一差异可用计价单位变换和 Geman-El Karoui-Rochet 测度变换解释。

隐含波动率与 VIX

隐含波动率（IV）。 BSM 公式有 \(5\) 个输入（\(S, K, T, r, \sigma\)），其中前 \(4\) 个直接可观察，唯一不可观察的是 \(\sigma\)。给定市场观察到的期权价格 \(C_{\text{市}}\)，可反推使 BSM 公式等于市场价格的 \(\sigma\) 值，这就是隐含波动率。\(\sigma\) 不能解析反推，需用数值方法（牛顿法、二分法）。牛顿法的直觉是把 Vega 当作“价格对波动率的斜率”，不断修正猜测值： \[ \sigma_{n+1}=\sigma_n+\frac{C_{\text{市}}-C_{\text{BSM}}(\sigma_n)}{\nu(\sigma_n)}. \] 当期权很深度虚值、Vega 很小或报价噪声较大时，二分法往往比牛顿法更稳。 隐含波动率的实务意义包括三点：第一，它反映市场对未来波动率的定价，比历史波动率更前瞻；第二，它使不同行权价和期限的期权价格具备可比性；第三，它是波动率交易的核心输入，交易员在 IV 与实际波动率之间博弈。

VIX 指数（又称“恐慌指数”）是未来 \(30\) 天 SPX 指数隐含波动率的市场组合估计，基于近月和次月各档行权价的看涨、看跌期权报价加权计算。经验上，VIX 高于 \(30\) 通常对应市场紧张或恐慌，低于 \(15\) 通常对应低波动期；这只是市场观察中的粗略阈值，不是严格定义。\(2008\) 年全球金融危机和 \(2020\) 年新冠冲击期间，VIX 都曾大幅上升，说明期权价格会迅速反映市场对尾部风险的担忧。中国市场也曾发布 50ETF 波指等指标，但关注度远不如美国 VIX。

波动率微笑

BSM 假设标的价格服从对数正态分布、波动率为常数。如果这一假设成立，那么市场上不同行权价 \(K\) 的同一到期日期权反推出来的隐含波动率应当相等，也就是 IV 与 \(K\) 的关系图应当是一条水平线。 但市场上观察到的 IV 往往不是水平线。这一事实是 BSM 模型的主要实证缺陷，也是现代期权定价研究的重要起点。具体形态有三种典型变体（图 （见上文））：

• 波动率偏斜典型于股票指数期权：OTM 看跌的 IV 显著高于 OTM 看涨。这反映了市场对崩盘风险的担忧，投资者愿意为深度虚值看跌期权支付保险溢价。\(1987\) 年黑色星期一之前 SPX 期权 IV 几乎是平的；之后则变成持久的左偏。
• 波动率微笑典型于外汇期权：IV 在两端都显著高于 ATM，呈近似 U 形。这反映外汇市场对双向极端波动的对冲需求。
• 波动率右偏典型于部分商品期权，特别是能源期权：OTM 看涨 IV 高于 OTM 看跌，反映市场对供给冲击和价格上冲的担忧。

波动率期限结构。 IV 不仅随 \(K\) 变化，还随 \(T\) 变化。近月期权的偏斜往往比远月更陡，反映投资者更担心短期内的尾部风险，对短期 OTM 看跌支付更高溢价。IV 关于 \(K\) 和 \(T\) 的二维曲面称为波动率曲面，是机构期权交易员每天的核心监控对象。

偏斜来源的三种解释包括尖峰肥尾、杠杆效应和对冲需求。实际股价分布的左尾远厚于对数正态，所以虚值看跌期权出现高额到期收益的概率更高；股价下跌会提高公司杠杆并引发未来波动率上升，使“下跌与高未来波动率”耦合；机构投资者结构性持有股票多头，需要持续买入虚值看跌期权做保险，也会推高其价格和隐含波动率。

三种常见改进模型用于弥补 BSM 假设缺陷：Heston (1993) 随机波动率模型把 \(\sigma\) 本身建模为随机过程；Merton (1976) 跳跃扩散模型在 GBM 上叠加泊松跳跃过程刻画尖峰肥尾；SABR（Hagan et al. 2002）用于参数化波动率曲面，在外汇和利率期权实务中较常见。这些模型的细节超出本书范围，但读者应当知道，现代期权定价不止于 BSM。

希腊字母

期权价格 \(V\) 是多个市场变量的函数：\(V=V(S, t, \sigma, r)\)。希腊字母就是 \(V\) 对各个变量的偏导数，它们告诉我们标的、时间、波动率和利率每变化一点，期权价格如何响应，是期权交易和风险管理中的重要实务工具。

泰勒展开

理解希腊字母的一种清晰路径，是从多元泰勒展开入手。交易台每天面对的不是完整重新定价，而是“标的动一点、时间过一天、波动率变一点、利率变一点”时组合损益会怎样。泰勒展开把这种小幅变化拆成 Delta、Gamma、Theta、Vega、Rho 等风险来源，让风险管理从经验语言变成可度量的账本。设期权价格 \(V(S,t,\sigma,r)\) 在当前 \((S,t,\sigma,r)\) 附近发生变化 \((\Delta S,\Delta t,\Delta\sigma,\Delta r)\)，把 \(V\) 展开到二阶：

\begin{equation}\label{eq:ch15:taylor} \begin{aligned} \Delta V \approx\;& \underbrace{\frac{\partial V}{\partial S}}_{\Delta}\Delta S + \underbrace{\frac{1}{2}\frac{\partial^2 V}{\partial S^2}}_{\Gamma/2}(\Delta S)^2\\ &+ \underbrace{\frac{\partial V}{\partial t}}_{\Theta}\Delta t + \underbrace{\frac{\partial V}{\partial \sigma}}_{\nu}\Delta\sigma + \underbrace{\frac{\partial V}{\partial r}}_{\rho}\Delta r. \end{aligned} \end{equation}

每一项的偏导数就是一个希腊字母：

• Delta \(\Delta=\partial V/\partial S\)：一阶 \(S\) 导数，方向风险。
• Gamma \(\Gamma=\partial^2 V/\partial S^2\)：二阶 \(S\) 导数，凸性风险。
• Theta \(\Theta=\partial V/\partial t\)：时间衰减。
• Vega \(\nu=\partial V/\partial \sigma\)：波动率风险。
• Rho \(\rho=\partial V/\partial r\)：利率风险。

这一展开把期权价格变化拆成 \(5\) 个主要来源。交易员可以分别度量并对冲每一项风险。

Delta 对冲让 \(\Delta\,\Delta S\) 项归零；进一步加入 \(\Gamma\) 对冲让 \((\Delta S)^2\) 项归零；加入 \(\nu\) 对冲让波动率项归零。这就是机构期权交易员的逐级风险中性化工作流。

二阶 Greeks：除上述五个一阶 Greeks 外，还有更复杂的二阶 Greeks（“二阶”指对两个变量的混合偏导）：

• Vanna \(=\partial^2 V/(\partial S\,\partial \sigma)\)：\(\Delta\) 对波动率的敏感度；
• Volga (Vomma) \(=\partial^2 V/\partial \sigma^2\)：Vega 对波动率的敏感度；
• Charm \(=\partial^2 V/(\partial S\,\partial t)\)：\(\Delta\) 的时间衰减；
• Color \(=\partial^2 V/(\partial S^2\,\partial t)\)：\(\Gamma\) 的时间衰减。

这些在精细的波动率交易中被广泛使用，本书不深入讨论。

>{\arraybackslash}p{0.091\linewidth}>{\arraybackslash}p{0.145\linewidth}>{\arraybackslash}p{0.182\linewidth}>{\arraybackslash}p{0.182\linewidth}>{\arraybackslash}p{0.200\linewidth}@{}} Greek	定义	看涨 BSM	看跌 BSM	量级峰值
\(\Delta\)	\(\partial V/\partial S\)	\(N(d_1)\)	\(N(d_1)-1\)	深度 ITM \(\to\pm 1\)
\(\Gamma\)	\(\partial^2 V/\partial S^2\)	\(N'(d_1)/(S\sigma\sqrt{T})\)	同左	平值且临近到期
\(\Theta\)	\(\partial V/\partial t\)	通常 \(<0\)	通常 \(<0\)	临近到期加速
\(\nu\)	\(\partial V/\partial \sigma\)	\(S\sqrt{T}\,N'(d_1)\)	同左	平值且期限较长
\(\rho\)	\(\partial V/\partial r\)	\(\scriptstyle KT e^{-rT}N(d_2)\)	\(\scriptstyle -KT e^{-rT}N(-d_2)\)	长期限期权

Delta

\(\Delta=\partial V/\partial S\) 表示标的价格变动 \(1\) 元时期权价格的变动。这是最直观、最基础的 Greek。BSM 公式下：

\[ \Delta_{\text{call}} = N(d_1)\in [0,1],\qquad \Delta_{\text{put}} = N(d_1)-1 \in [-1,0]. \]

Delta 的三个观察（图 （见上文） 左上面板）：

（1）Delta 是 \(S\) 的单调递增函数。\(S\) 越高，看涨期权越像股票。深度实值时 \(\Delta\to 1\)；深度虚值时 \(\Delta\to 0\)；平值时 \(\Delta\approx 0.5\)。精确值通常略高于 \(0.5\)，因为 \(d_1\) 中含有 \((r+\sigma^2/2)T\) 这一正项；即使 \(r=0\)，半方差项也会使 \(N(d_1)\) 略高于 \(0.5\)。

（2）临近到期时 Delta 曲线变陡。剩余期限缩短让 Delta 在 \(K\) 附近从 \(0\) 急剧跳到 \(1\)。这是 Pin Risk 的来源：到期日 \(S\) 在 \(K\) 附近时，Delta 会剧烈变化，导致对冲困难。

（3）Delta 可粗略近似行权概率。风险中性测度下 \(N(d_1)\) 与 \(N(d_2)\) 接近，在低波动、短期限时几乎相等。因此，交易员常用 Delta 直观估计期权到期被行权的可能性：\(\Delta=0.30\) 的看涨期权，可粗略理解为约 \(30\%\) 的到期行权概率。

Delta 对冲。 期权交易员通过动态调整持有的标的资产数量，使组合总 Delta \(=0\)，这就是 Delta 中性。这一策略让组合在 \(S\) 小幅波动时基本不受影响。但 Delta 会随 \(S\) 变化，所以需要持续动态调整，实际成本包括交易费用和模型误差。Delta 对冲是 Black-Scholes 推导的核心技术，也是机构期权做市的标准操作，下文“Delta 对冲实例”会用合约规模说明具体做法。

Gamma

\(\Gamma=\partial^2 V/\partial S^2 = \partial \Delta/\partial S\) 描述 Delta 自身的变化率，捕捉泰勒展开中 \((\Delta S)^2\) 项的系数。BSM 公式下：

\[ \Gamma_{\text{call}} = \Gamma_{\text{put}} = \frac{N'(d_1)}{S\,\sigma\,\sqrt{T}}. \]

看涨与看跌的 \(\Gamma\) 完全相同。这是看涨-看跌平价的直接推论，因为 \(C-P=S-Ke^{-rT}\) 关于 \(S\) 是线性的，二阶项相等。

Gamma 的关键性质（图 （见上文） 中上面板）：

（1）Gamma 在平值最大。\(S=K\) 时 \(d_1\approx 0\)、\(N'(d_1)=1/\sqrt{2\pi}\)，曲率最大。深度实值或虚值时 \(\Gamma\to 0\)，期权行为更像股票或现金，不再明显弯曲。

（2）Gamma 在临近到期时急剧增加。平值期权的 \(\Gamma\) 与 \(1/\sqrt{T}\) 成正比，\(T\to 0\) 时 \(\Gamma\to\infty\)。这是临近到期日 ATM 期权风险快速上升的根源：一点小的标的波动都会引起 Delta 剧烈变化，对冲方面临更大不确定性。 （3）多头期权 \(\Gamma>0\)、空头期权 \(\Gamma<0\)。这一不对称是期权交易中的关键非线性。 多头 Gamma = 凸性收益。 持有多头期权（无论看涨还是看跌），意味着标的大幅波动时可能获益，小幅波动时则付出 Theta。因为 \(\Gamma>0\) 让期权对标的的反应是凸的：上涨时收益加速，下跌时损失减速。

空头 Gamma = 凹性损失。 卖出期权方 \(\Gamma<0\)，标的大幅波动时容易亏损，小幅波动时则收取 Theta。雪球等障碍结构的风险也可用这一语言理解：当大量相似产品挂钩同一指数、敲入线集中在相近区间时，对冲交易可能在下跌中同向放大价格波动，形成 Gamma 反身性。 Gamma 与 Theta 的对称：买入期权方拥有正 \(\Gamma\)，但需付出 \(\Theta\)；卖出方相反。所以期权交易常被概括为“用 Theta 买 Gamma”或“卖 Gamma 收 Theta”，凸性收益与时间衰减是期权市场的两个对偶力。

Theta

\(\Theta=\partial V/\partial t\)（这里 \(t\) 是当前日历时间）。本节闭式公式中的 \(T\) 表示剩余期限，若日历到期日为 \(T_{\exp}\)，则 \(T=T_{\exp}-t\)，所以 \(\Theta=\partial V/\partial t=-\partial V/\partial T\)。常见平值或虚值多头期权的时间价值会随到期日临近而消耗，因此 \(\Theta\) 通常为负；但深度实值欧式看跌等特殊情形可能受利率和提前行权约束影响，不能机械套用。交易员也常把 \(\Theta\) 反过来理解为“每过 \(1\) 天损失多少钱”。

BSM 公式下（无股息看涨）：

\[ \Theta_{\text{call}} = -\frac{S\,\sigma\,N'(d_1)}{2\sqrt{T}} - r\,K\,e^{-rT}\,N(d_2). \]

Theta 的两个关键性质（图 （见上文） 右上面板）：

（1）临近到期时 \(|\Theta|\) 急剧增大。平值期权的 \(\Theta\propto 1/\sqrt{T}\)，与 Gamma 同步发散。这就是周期权最后几天衰减最快的原因，也是许多交易员卖出近月平值期权收取 Theta 的基础。 （2）Theta 与 Gamma 反向相关。BSM PDE （见上文） 改写为

\[ \Theta + r\,S\,\Delta + \tfrac{1}{2}\sigma^2 S^2\,\Gamma = r\,V, \]

这个等式给出一条交易台常用的直觉：在利率项相对较小、或已把融资成本单独剥离的近似下，\(\Theta\) 与 \(\tfrac{1}{2}\sigma^2 S^2\Gamma\) 往往方向相反。Gamma 越大，维持这份凸性所付出的时间价值成本通常越高。这就是“用 Theta 买 Gamma”的数学根据：多头期权用持续时间损耗换取非线性保护，空头期权则收取时间价值并承担大波动风险。

Theta 量级估算：对平值、近月、流动性较好的普通期权，日衰减可粗略估为 \(C/T_{\text{天}}\) 的 \(1\)--\(2\) 倍。例如剩余 \(30\) 天、价格 \(3\) 元的平值期权，每天约损失 \(0.05\)--\(0.10\) 元（\(1.7\%\)--\(3.3\%\)）。临近到期时这一速率可能加速到平时的 \(2\)--\(3\) 倍。这个经验法则只用于数量级判断，深度实值、深度虚值、分红或波动率事件期权不能机械套用。

Vega

\(\nu=\partial V/\partial \sigma\) 表示期权价格对波动率参数的敏感度。需要注意计量单位：数学定义中的 \(\sigma\) 以小数表示，\(\nu\) 是波动率改变 \(1.00\)（即 \(100\) 个波动率百分点）时的边际价格变化；交易台常把它换算为“每 \(1\) 个波动率点”的 Vega，即 \(0.01\nu\)。这是波动率交易的核心 Greek，做多或做空 Vega 等价于做多或做空波动率。BSM 公式下：

\[ \nu_{\text{call}} = \nu_{\text{put}} = S\,\sqrt{T}\,N'(d_1). \]

注意 看涨与看跌期权的 Vega 完全相同（看涨-看跌平价的推论）。

Vega 的特征（图 （见上文） 左下面板）：

（1）Vega 在平值时最大。与 Gamma 一样，平值期权对波动率最敏感。

（2）Vega 与 \(\sqrt{T}\) 成正比。长期限期权的 Vega 远大于短期限期权。\(1\) 年期平值 Vega 是 \(1\) 月期的约 \(\sqrt{12}\approx 3.5\) 倍。这让长期 ATM 期权（如 LEAPS）成为波动率工具，机构投资者可用其表达对未来长期波动率的判断。

（3）Vega 是对模型参数的敏感度。 BSM 假设在给定期限内 \(\sigma\) 为常数，但市场会不断用新价格反推新的隐含波动率。把 BSM 公式对 \(\sigma\) 求导得到的 Vega，衡量的是期权价格对这一波动率参数变动的边际反应。小幅变动时，这一近似通常很好；若波动率本身剧烈跳变或呈现随机过程，就需要 Heston (1993) 等随机波动率模型。

Vega 风险与波动率交易。 \(2018\) 年 \(2\) 月 “Volmageddon” 事件中，做空 VIX 期货的交易所产品在 VIX 突然飙升时遭受巨大损失，说明做空波动率组合的 Vega 风险在压力情景下会迅速非线性放大。\(1998\) 年 LTCM 危机和复杂结构产品的集中敲入，都提醒投资者不能只看平时收取的 \(\Theta\)，还要看危机时的 Vega、Gamma、保证金和流动性是否会同时恶化。对做市商而言，波动率交易不是一句“卖高买低”的口号，而是一套持续重估、动态对冲和资本占用管理。

Rho

\(\rho=\partial V/\partial r\) 表示利率变化对期权价格的影响。BSM 公式下：

\[ \rho_{\text{call}} = K\,T\,e^{-rT}\,N(d_2),\qquad \rho_{\text{put}} = -K\,T\,e^{-rT}\,N(-d_2). \]

Rho 的特征：

（1）看涨 \(\rho>0\)、看跌 \(\rho<0\)，这与表 （见上文） 一致。

（2）短期限期权对利率通常不敏感（\(\rho\propto T\)）。与 Vega 一样，\(\rho=\partial V/\partial r\) 中的 \(r\) 以小数计量：若利率上升 \(1\) bp，价格变动近似为 \(0.0001\rho\)；若利率上升 \(100\) bp，价格变动近似为 \(0.01\rho\)。因此，短期期权的 Rho 往往远小于 Delta、Gamma 和 Vega 带来的每日盯市影响。 （3）长期限期权（如 LEAPS、超过 \(1\) 年）和含期权特征的长期合约更需要关注 Rho。期限越长，行权价贴现项越重要，利率变动对看涨、看跌以及可转债、寿险内含期权等产品的价值影响也越明显。

Rho 在大多数实务场景被忽略，因为利率变化通常较慢，其他 Greeks 对每日盯市更重要。但在长期期权、可转债嵌入期权和寿险产品中的期权里，Rho 不容忽视。

风险联动

回到 BSM PDE （见上文）：\(\Theta + r\,S\,\Delta + \tfrac{1}{2}\sigma^2 S^2\,\Gamma = r\,V\)。这一方程给出了 Greeks 之间的相互约束：

• Theta、Delta、Gamma 不是独立的。给定 \(\sigma, r, S\)，三者必须满足 BSM PDE。
• Delta-Gamma 中性组合的剩余风险主要是 Vega。这就是 Delta-Gamma-Vega 三层对冲在机构期权台中常见的原因。
• Vega 不在 PDE 里。因为 BSM 假设 \(\sigma\) 是常数，所以 \(\sigma\) 变动需要通过隐含波动率曲面等外部模型处理。

交易策略

期权可以组合成丰富的交易策略，因为看涨、看跌、不同行权价和不同到期日之间可以模块化组合。策略名称很多，但底层问题只有三类：交易方向、交易波动率、交易时间价值。基础策略表达最直接的多空观点；价差策略用买卖不同行权价限制盈亏范围；组合策略常用于交易“大波动或小波动”；套利策略则利用无套利关系检查相对错价。本节按基础策略、价差策略、组合策略和套利策略四类介绍。

基础策略

买入看涨期权：看涨标的，最大损失为权利金、最大收益不限。

买入看跌期权：看跌标的或对冲下跌风险，最大损失为权利金、最大收益为 \(K-P_0\)。

卖出看涨期权：看不涨或微跌，最大收益为权利金、最大损失不限。裸卖出看涨期权是高风险策略，机构投资者通常配合标的多头形成备兑看涨。 卖出看跌期权：看不跌或微涨，最大收益为权利金、最大损失为 \(K-P_0\)（标的跌至零）。 图 （见上文） 已给出 \(4\) 种基础策略的损益图。

价差策略

牛市价差由买入低 \(K\) 看涨期权、卖出高 \(K\) 看涨期权构成，到期日相同。它适合温和看涨情形，最大收益和最大损失都被锁定。熊市价差由买入高 \(K\) 看跌期权、卖出低 \(K\) 看跌期权构成，适合温和看跌情形。

蝶式价差通常由买入 \(1\) 张低 \(K\) 看涨期权、买入 \(1\) 张高 \(K\) 看涨期权、卖出 \(2\) 张中等 \(K\) 看涨期权构成，也可用看跌期权构造。它适合预期标的稳定在中间行权价附近的情形。跨期价差则卖出近月、买入远月且行权价相同，核心是利用近月时间衰减更快这一特征收取 Theta。

组合策略

跨式同时买入同行权价、同到期日的看涨和看跌期权，适合预期大波动但不确定方向的情形，典型用于财报、政策决议或并购公告前。

宽跨式同时买入不同行权价的看涨和看跌期权，通常 \(K_{\text{看涨}}>S\)、\(K_{\text{看跌}}

套利策略

看涨-看跌平价套利参见前文“看涨-看跌平价检验”例题。

箱型套利同时构建一个牛市看涨价差和一个熊市看跌价差，且行权价区间相同，本质上合成一只零息债券。固定收益对冲基金常用此构建合成借贷。

图 （见上文）把几类常见期权组合的到期损益放在一起，便于比较方向暴露、波动率暴露和保护成本。

实物期权

期权思想并不只存在于交易所合约中。企业投资、资源开发、研发项目和并购整合中也常有类似期权的管理柔性：管理者可以等待、扩张、放弃、收缩或转换项目。此时，标的资产不再是一只股票或 ETF，而是一个项目未来现金流；行权价也不再是证券行权价，而是追加投资、退出成本或改造成本。这类“把经营选择权看成期权”的分析称为实物期权。

传统 DCF 把项目看成“今天做或不做”的静态现金流折现。实物期权则强调：如果未来信息会逐步到来，而管理者可以在信息到来后调整行动，那么项目价值可能高于静态 NPV。比如一个新能源材料项目的初始估算 NPV 只是略高于零，但它给企业保留了未来扩产、锁定客户、进入上下游的机会；反过来，一个矿山或地产项目如果可以在价格不利时暂缓开发、分阶段投入或出售退出，下行风险也会被管理柔性部分削弱。

>{\arraybackslash}p{0.18\linewidth}>{\arraybackslash}p{0.32\linewidth}>{\arraybackslash}p{0.34\linewidth}@{}} 实物期权	金融期权类比	经济直觉
等待期权	推迟行权的美式期权	不确定性高、投资不可逆时，等待新信息本身有价值
扩张期权	看涨期权	先做小规模试点，需求好时再追加投资扩大规模
放弃期权	看跌期权	项目恶化时出售资产或停止投入，把最大损失截断
收缩期权	部分放弃期权	需求下行时缩小产能、减少固定成本和现金流消耗
转换期权	交换期权	可在原料、产品、市场或技术路线之间切换，降低单一路径风险

实物期权何时重要？至少需要三个条件同时存在：第一，未来不确定性较高；第二，投资具有不可逆或半不可逆特征；第三，管理者确实拥有可执行的选择权。如果企业无法等待、无法扩产、无法退出，或者所谓“选择权”只是事后叙事，实物期权就不应被随意加入估值。实务中，实物期权最常用于矿产和能源开发、医药研发、平台生态、地产分期开发、产能扩张和并购整合等场景。

与第十六章估值的衔接。 DCF 给出的是现有经营计划的基准价值；实物期权提醒我们，战略柔性、试错能力和退出机制也有价值。但它不能被用来给普通增长故事自动加估值溢价。更稳妥的做法，是先用 DCF 和相对估值给出基准，再单独识别哪些管理选择权可执行、可量化、可被竞争对手复制，最后把期权价值作为情景分析或敏感性分析的一部分。

期权法治

期权的法治难点在于凸性、杠杆和非线性损益如何被销售、清算和监管。对专业交易员来说，\(\Delta,\Gamma,\Theta,\nu\) 是风险指标；对普通投资者来说，它们往往只是“高票息”“增强收益”“保护性结构”背后的隐藏风险。因此，期权法治要同时解决三个问题：标准化期权如何安全交易，场外期权如何防止通道化和误售，奇异结构如何避免被包装成低风险理财。

场内期权：标准化、集中清算与适当性

中国场内股票期权以 2015 年上证 50ETF 期权试点为起点，监管框架包括《股票期权交易试点管理办法》、交易所业务规则和登记结算规则。其核心制度包括：期权合约由交易所统一制定；交易所、登记结算机构和保证金监控机构分别负责交易、结算和资金安全；卖方需要缴纳保证金；市场实行持仓限额、大户报告、风险警示、强行平仓和异常情况应急措施；投资者进入期权市场前必须通过适当性评估和风险揭示。

这些制度与本章定价公式相互配合。Black--Scholes 公式可以告诉我们一个期权理论上值多少钱，却不能保证卖方有能力履约，也不能保证极端行情中市场连续交易。卖方保证金、每日盯市与保证金重算、强行平仓和中央对手方机制，才是标准化期权能够成为公共市场工具的法律基础。

场外期权：非标准结构与穿透监管

场外期权的优势是可以按客户需求定制：期限、标的、行权条件、敲入敲出、障碍价格、收益上限和保护下限都可以重新组合。但定制化也意味着信息不对称更强、估值更依赖模型、流动性更差，投资者退出时往往只能面对原交易对手方报价。监管因此特别关注最终投资者是谁、产品是否穿透销售、风险揭示是否覆盖极端情景、销售机构是否通过返佣和通道安排规避适当性。

这也是雪球、KIKO、累计期权等结构反复引发争议的原因。它们在金融工程上可以拆成若干期权头寸，但在销售话术中常被简化为“高票息”“增强收益”或“便宜对冲”。一旦市场穿越敲入线、汇率向不利方向跳变或波动率急升，投资者才会发现自己实际卖出了尾部保险。

模型、销售与纠纷解决

期权纠纷常常不是“公式对不对”，而是“谁应当理解公式背后的风险”。专业机构之间的争议更偏向合约解释、估值模型、保证金和提前终止；面向个人或中小企业的销售争议，则更偏向适当性、说明义务、风险揭示、录音录像、压力测试和损失承担。对投资者来说，读懂期权合同至少要看四件事：最大亏损是否有限，是否存在敲入后亏损放大，发行人或交易对手是否有提前终止权，极端行情下平仓和估值由谁决定。

本章小结

期权的本质是选择权，买方支付权利金获得未来按约定价格买入或卖出标的资产的权利，卖方则承担相应义务。这种不对称损益结构使期权既能用于保险和对冲，也能用于杠杆交易和波动率交易。

本章从看涨、看跌、欧式、美式、内在价值、时间价值和看涨-看跌平价出发，逐步进入二叉树模型、Black-Scholes-Merton 模型、隐含波动率、Greeks、常见交易策略和实物期权。雪球结构、波动率微笑、LTCM 和中国期权市场案例说明，期权定价不是纯公式问题，还涉及动态对冲、流动性、管理柔性、销售适当性和场外衍生品监管。

本章关键概念

期权 {} 看涨期权 {} 看跌期权 {} 欧式期权 {} 美式期权 {} 行权价 {} 权利金 {} 内在价值 {} 时间价值 {} 看涨-看跌平价 {} 二叉树模型 {} 风险中性概率 {} 复制组合 {} Black-Scholes-Merton 模型 {} 隐含波动率 {} 波动率微笑 {} VIX {} Delta {} Gamma {} Theta {} Vega {} Rho {} 障碍期权 {} 雪球结构 {} 备兑看涨 {} 保护性看跌 {} 实物期权 {} 管理柔性 {} 中央对手方 {} 境内特定品种 {} QFI {} 适当性管理