本文是「期权定价」系列的序言。读完之后，你会知道：期权定价模型的作用是什么；以及 Black–Scholes–Merton 模型如何把期权问题组织成一套系统的研究框架。

符号约定

本系列文章统一使用以下核心符号。模型专属参数在首次出现时另行定义；首次出现时写出完整 arguments，上下文固定后才省略。

Details

时间、合约与状态

符号含义
$t$observation / valuation time
$T$expiry time；对单张合约固定，对 volatility surface 可变
$\tau:=T-t$time to maturity
$K$strike；对单张合约固定，对 volatility surface 可变
$S=(S_u)_{u\ge0}$标的资产价格过程
$S_t$标的资产在时刻 $t$ 的价格
$s$pricing function 中的 spot state argument
$\Phi$payoff function
$H:=\Phi(S_T;K)$到期于 $T$ 的 terminal claim

利率、远期与波动率

符号含义
$r,q$BS 特例中的常数无风险利率与连续股息收益率
$r(u),q(u)$确定性利率与连续股息收益率曲线
$D(t,T)$discount factor，$D(t,T)=\exp(-\int_t^T r(u)\,du)$
$F_t(T)$时刻 $t$、到期于 $T$ 的 forward price
$k_t(K,T)$forward log-moneyness，$k_t(K,T)=\log(K/F_t(T))$
$\sigma$BS 中的常数 volatility input
$\sigma_{\mathrm{loc}}(t,s)$local volatility function
$v_t$instantaneous variance；instantaneous volatility 为 $\sqrt{v_t}$
$\sigma_{\mathrm{imp}}(t;K,T)$时刻 $t$、合约 $(K,T)$ 的 BS implied volatility

定价、测度与风险

符号含义
$\mathbb P,\mathbb Q$physical measure 与 pricing measure
$W_t^{\mathbb P},W_t^{\mathbb Q}$相应测度下的 Brownian motion
$\mathcal F_t$时刻 $t$ 可得的信息
$\boldsymbol\vartheta$一般模型参数向量
$V(t,s;K,T;\boldsymbol\vartheta)$单个衍生品的 pricing function
$V_t:=V(t,S_t;K,T;\boldsymbol\vartheta)$衍生品的 marked price process
$\Delta_t,\Gamma_t,\Theta_t$分别为 $V$ 对 $s$ 的一阶、二阶偏导以及对 $t$ 的偏导，并在 $s=S_t$ 处评价
$\mathrm{Vega}^{\mathrm{BS}}_t,\mathrm{Vanna}^{\mathrm{BS}}_t$对 BS implied-volatility input 的一阶及 spot–vol cross sensitivity
$\delta_\varepsilon Y_t$长度为 $\varepsilon>0$ 的有限增量，$Y_{t+\varepsilon}-Y_t$

Portfolio accounting

符号含义
$V_t^i,n_t^i$第 $i$ 个衍生品的 marked price 及其有符号持仓
$\mathcal V_t:=\sum_{i=1}^{d_V}n_t^iV_t^i$derivative book 的 marked value
$X_t^j,h_t^j$第 $j$ 个 hedge instrument 的价格及其有符号持仓
$B_t,\psi_t$一单位 money-market account 的价值及其持有单位数
$\Pi_t$total marked portfolio value，$\Pi_t=\mathcal V_t+\sum_{j=1}^{d_X}h_t^jX_t^j+\psi_tB_t$

期权定价模型有啥用？

学习期权定价模型时，Black–Scholes–Merton（后文统称为 BS 模型）几乎是必学的理论。从字面上看，「期权定价」很容易被理解成给期权确定一个公允的价格，告诉市场这张期权合约应该值多少钱。那么，BS 模型的用处就是给期权合约确定合理的价格吗？

大多数时候并非如此。场上的期权价格绝大多数1并非来自于期权定价模型，而是根据买卖双方的风险偏好、供需关系撮合所得。从历史上看，期权在任何定价模型出现之前就已经在市场上交易了——1688 年，Joseph de la Vega 在阿姆斯特丹出版了 Confusion de Confusiones，书中已经描述了股票交易、远期/期权性质的合约、保证金和对冲等实践。Taleb 在 2011 年的论文里甚至指出，期权交易员从来没有真正使用过 Black–Scholes 公式——他们用的是更稳健的启发式规则，BS 出现之后，他们继续用这些规则，只是开始用「隐含波动率」这个语言来报价和沟通。

然而，「市场不依赖模型定价」和「模型没有用」是两回事。从业界的视角出发，期权定价模型可用于 P&L 的分解和对冲。做市商每天仍然校准模型，原因不是用它定价，而是用它度量和对冲风险。没有一套共同的框架，Delta 是什么、Vega 是什么、对冲了多少风险、还剩多少残差——这些问题就无法被精确回答，更无法在交易对手之间沟通。因此可以说，期权定价模型的价值，不在于它确定市场价格，而在于它提供了期权研究的框架，提供了一套让风险可以被度量、分解和沟通的语言。这套框架正是由 BS 模型首次系统化地建立起来的。因此，要理解期权定价这一领域在研究什么，我们就需要从 BS 模型出发。这套框架的具体内容，正是接下来要讨论的七件事。

用 BS 模型研究期权时，我们做了哪些事？

实际上，当我们用 BS 模型「期权定价」时，我们看到了 BS 框架为期权研究提供的七个维度2。

1. 确定衍生产品的现金流结构

在建任何模型之前，我们首先需要确认：这张衍生产品在什么条件下，给谁，付多少钱？以欧式认购期权为例。其现金流结构很简单，期权到期时，如果标的资产价格高于行权价，则期权持有人收到差价；否则什么都不收：

$$H=\Phi_{\mathrm{call}}(S_T;K)=(S_T-K)^+$$

这一步看起来简单，但它做了几个隐含的选择：我们关心的状态空间是什么（只是到期价格，还是整条路径）；我们用什么计价单位（货币、比率、还是其他资产）。对于路径依赖期权（Asian、Barrier），这一步的答案和欧式期权完全不同，payoff function $\Phi$ 依赖整条价格路径，这直接决定了后续步骤的难度。一旦把「定价」理解为「对现金流结构的研究」，我们就可以反过来做——先设计我们想要的风险收益结构，再构造能实现它的衍生产品。这是结构化产品的基础逻辑。雪球结构、variance swap，本质上都是对 payoff function $\Phi$ 的工程设计。

2. 假设标的资产的 dynamics

标的资产的 dynamics 描述的是：标的资产的价格过程的概率分布如何随时间变化。它是模型迭代中最常被替换的部分之一，也是期权定价模型发展的主线；但 dynamics 一旦改变，replication 是否可行、pricing measure 如何选择、solver 如何实现、参数如何校准以及 hedge 如何表现，也会随之改变。

以 BS 为例，在 physical measure $\mathbb{P}$ 下，其假设标的资产的价格服从几何布朗运动：

$$dS_t = \mu^{\mathbb P} S_t \\,dt + \sigma S_t \\,dW_t^{\mathbb P}$$

这个假设做了几个选择：价格是连续的（没有跳跃）、波动率是常数 $\sigma$、价格服从对数正态分布。

根据实证研究，这些假设不符合实际。BS 的三个假设各自在不同维度上失效。第一，常数波动率不成立——implied vol 随行权价和到期日变化，形成 vol smile 和 term structure（1987 年之后尤为明显）。第二，价格连续性不成立——市场存在跳跃，尾部事件的概率远高于对数正态预测。第三，对数正态分布不成立——实际收益率分布有更厚的尾部和更高的峰度。这三类失效对应了不同的模型修正方向，见下表：

模型dynamics 假设修正了什么
Black–Scholes$\sigma$ 是常数参数基准
Local Vol$\sigma_{\mathrm{loc}}(t,s)$ 是确定性函数volatility 可以随 spot 和时间变化
Heston$v_t$ 是随机方差过程，instantaneous volatility 为 $\sqrt{v_t}$volatility 本身具有随机性
SABR$F_t(T)$ 的扩散系数为 $\alpha_tF_t(T)^\beta$，$\alpha_t$ 是随机过程适合利率市场的随机结构
Rough Volinstantaneous variance process 具有 rough pathsvol 路径比标准布朗扩散更粗糙

3. （给定 2 中的 dynamics，）找到衍生产品的复制方法

复制（replication）指的是，构造一个由可交易资产组成的动态组合，使得这个组合在到期时的价值和衍生产品完全相同。在 BS 的 dynamics 假设下，复制组合由标的资产和无风险债券组成，比例随时间动态调整。若 $V(t,s;K,T;\boldsymbol\vartheta)$ 是衍生品的 pricing function，则持有

$$ \Delta_t \mathrel{=} \left.\frac{\partial V}{\partial s}(t,s;K,T;\boldsymbol\vartheta)\right|_{s=S_t} $$

份标的资产，剩余资金存入无风险账户，这个组合可以精确复制欧式期权的收益。这里的 $+\Delta_t$ 是复制该期权所需的股票头寸；若风险管理者已经持有一单位 long option，要对其做 delta hedge，则股票头寸是 $-\Delta_t$。复制成功且市场完备时，衍生产品的价格由无套利条件唯一锁定。严格条件与证明见《01 衍生品价格从何而来？》第 3—5 节。

复制组合的构造方法直接给出了对冲策略。$\Delta$ 告诉我们每时每刻需要持有多少标的资产来抵消衍生产品的方向性风险。更进一步，$\Gamma$、$\mathrm{Vega}^{\mathrm{BS}}$、$\Theta$ 这些 Greeks 描述的是衍生品价格对状态变量、时间或报价输入的敏感度，并由此进入复制和对冲问题。

不过，复制也是需要条件的。复制需要可交易资产足够多，能够覆盖所有风险来源。在 BS 的假设下，单一 Brownian risk 可由股票动态交易覆盖；若引入不可由现有交易资产 span 的随机波动率风险，市场一般不再完备。此时要么扩展可交易 hedge universe，要么额外指定 pricing-measure selection / volatility-risk-premium structure，价格不再仅由原有股票与现金账户的复制唯一决定。

另外，复制在实践中有两个重要限制。第一，连续对冲不可行——实际交易是离散的，每次再平衡之间的价格变动会产生 hedging error。第二，跳跃会破坏连续扩散下的复制——当标的资产价格发生跳跃时，Delta 对冲无法提前覆盖跳跃带来的损失。这两个限制在《03 期权组合的 PnL 如何分解？》第 4—6 节中处理。

4. （给定 1, 2 和 3，）确定衍生产品价格的形成机制

这一步把前 3 步整合在一起：

$$\text{现金流结构} + \text{dynamics 假设} + \text{复制方法} \xrightarrow{\text{无套利}} \text{唯一价格}$$

在 BS 的框架下，风险中性测度 $\mathbb Q$ 中的标的 dynamics 为

$$dS_t=(r-q)S_t\,dt+\sigma S_t\,dW_t^{\mathbb Q},$$

衍生品价格由 Black–Scholes PDE 描述：

$$\frac{\partial V}{\partial t} + \frac{1}{2}\sigma^2 s^2 \frac{\partial^2 V}{\partial s^2} + (r-q)s\frac{\partial V}{\partial s} - rV = 0$$

注意 physical drift $\mu^{\mathbb P}$ 完全消失了——这正是第 3 步复制论证的结果。给定终端条件

$$V(T,s;K,T;\boldsymbol\vartheta)=\Phi(s;K),$$

在给定终端条件和相应 regularity conditions 后，这个方程唯一地确定了 BS 特例中的衍生产品价格。

等价地，价格可以写成风险中性测度 $\mathbb{Q}$ 下的贴现期望：

$$V_t=D(t,T)\,\mathbb E^{\mathbb Q}[H\mid\mathcal F_t]$$

$\mathbb Q$ 不同于描述历史数据的 physical measure $\mathbb P$；这里它是以 money-market account 为 numeraire 的 pricing measure。在一般连续时间表述中，贴现后的可交易 total-gain processes 首先要求是 local martingales；要进一步写成条件期望定价式，还需要相应 discounted claim / replicating wealth 的 integrability，使其成为 true martingale。若资产有连续股息收益率 $q$，除息价格的风险中性 drift 为 $r-q$。在适当技术条件下，等价 local-martingale measure 的存在对应 no-arbitrage，唯一性与 completeness 相关。完整限定见《01 衍生品价格从何而来？》第 5 节；上面的 $D(t,T)\mathbb E^{\mathbb Q}[H\mid\mathcal F_t]$ 是确定性利率下的形式，若 $t=0$ 且 $r$ 为常数，则退化为 $V_0=e^{-rT}\mathbb E^{\mathbb Q}[H]$。

建立「价格 $= \mathbb{Q}$ 下的贴现期望」这个框架之后，我们可以通过改变 numeraire（计价单位）来变换测度，把复杂的定价问题转化成更易计算的形式。Forward measure、Swap measure 都是这个工具的应用，是利率衍生产品定价的核心技术。

5. （研究 2 时，）获得标的资产的风险属性和统计推断

第 2 步关心的是“价格过程怎么生成”；第 5 步关心的是“这个生成机制暗含了怎样的风险分布”。给定 dynamics 假设，标的资产价格分布的形状完全确定——均值、方差、偏度、峰度、尾部厚度。这些性质告诉我们：在这个假设下，各种极端事件发生的概率是多少？标的资产价格的自相关结构是什么？波动率会不会聚集（volatility clustering）？与此同时，dynamics 假设的准确性也影响了风险管理指标的计算。例如，用对数正态假设算出来的 99% VaR，在有厚尾的真实市场里会系统性地低估风险。

6. （研究 3 和 4 时，）获得衍生产品的风险结构

这里需要先区分 derivative book 的价值与整个 hedged portfolio 的 PnL。对 $d_V$ 个衍生品与 $d_X$ 个 hedge instruments，定义

$$ \mathcal V_t := \sum_{i=1}^{d_V}n_t^iV_t^i, \qquad \Pi_t \mathrel{=} \mathcal V_t + \sum_{j=1}^{d_X}h_t^jX_t^j + \psi_tB_t. $$

这个表达式只是持仓价值的会计恒等式；self-financing 是在此基础上对 gains 施加的进一步约束。Greeks 首先解释单个 mark 或 derivative book 的局部变化，只有把它们与 hedge gains、cash/funding 和交易成本合并，才能得到同一个 $\delta_\varepsilon\Pi_t$。Frozen mark、recalibrated mark、Delta/Gamma/Vega attribution、realized–implied variance 关系和 residual taxonomy 均在《03 期权组合的 PnL 如何分解？》第 1、3、5、6 节展开；序言只固定被解释的 portfolio object，避免提前重复正文。

7. 把模型假设转化为可估计、可校准的参数

这一步把所有假设和目标转化成可以被数据估计、可以被市场校准的具体数字。在给定 $r$ 和 $q$ 后，BS 定价式只有一个 volatility input $\sigma$。从历史收益率得到的是 physical-measure estimate $\widehat\sigma_{\mathrm{hist}}^{\mathbb P}$；从期权市场价格反解得到的是合约相关的 implied-volatility quote $\sigma_{\mathrm{imp}}(t;K,T)$。二者可以被放入同一个 BS 定价式，但并不是同一个数学对象。更复杂的模型会引入额外 states、parameters 与 parameter-domain constraints；自由度增加通常改善 fit flexibility，也会加重 identifiability、stability 与 overfitting 问题。Heston、SVI 以及完整 calibration map 的具体约定见《02 市场报价如何变成模型标价？》第 2—6 节。

总结

第 1 到第 7 步建立的研究范式——现金流结构、dynamics 假设、复制方法、价格机制、风险属性、风险结构、参数化——这套框架是普适的。这是 BS 最重要的贡献，不是具体的定价公式，而是一套研究期权的方法论。之后很多模型首先是在第 2 步替换 dynamics，而这种替换也会连带着改变复制是否可行、风险中性测度如何指定、hedging error 如何分解，以及参数如何校准。

这个系列的其他文章

本系列的三篇正文已经分别完成 theory → calibration → risk 的递进：

  1. 对于流动性充足的场内标准化期权（如 SPX options、股票期权），市场价格完全由供需撮合决定，模型只是事后用来报价和对冲的工具。但是对于场外流动性差的结构化产品，由于这类产品没有市场价格可以参考，的确需要定价模型进行估价。 ↩︎

  2. 期权定价同时涉及的七件事这一拆解方式受教于猫哥的这篇回答。 ↩︎