基于前景理论框架和Heston模型的行为期权定价

行为期权定价是当前国际金融领域的热门研究主题之一。虽然随机波动率模型已成为国际衍生品定价领域的标准模型,但该模型对短到期期权(尤其是虚值期权)的定价仍不准确,其原因之一是传统的期权定价方法忽略了现实市场中的非理性心理和行为因素。针对上述问题,本文运用前景理论期权定价框架,引入价值函数来刻画投资者面对收益与损失的前景价值判断,引入决策权重函数来修正Heston随机波动率模型刻画的资产价格路径的概率密度函数,将期权合约签订与交割的现金流视为分散的心理账户情形,在市场均衡条件下推导出Heston模型下欧氏行为期权的定价公式。上证50ETF期权的实证结果表明:考虑了前景理论的Heston随机波动率模型,能显著地提升短到期虚值期权的定价准确度;参数校正结果发现,定价性能的提升要归因于Heston模型中纳入的表征非理性心理与情绪的行为参数;相对而言,投资者对实值期权的风险态度偏中性,因此行为参数对其定价精度的提升有限。

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法:首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参数寻优得到期权价格。数值实验表明:相比蒙特卡洛方法,深度学习算法在计算高维标的资产的期权价格时,获得的结果不仅精度更好,而且效率更高;在相同精度要求下,深度学习算法所需要的仿真路径数更少。研究发现:市场中投资者的非理性情绪程度越严重,期权价格越高;股市微观结构调整速度和羊群效应,对不同成熟度市场上期权价格的影响存在异质性:在不成熟市场上,股市微观结构调整速度越快,投资者的羊群效应越严重,期权价格越高;而对于成熟市场,投资者结构回复长期均衡以及羊群效应,均起到稳定期权价格的作用。

基于特征函数局部结构微扰法的行为期权定价研究

行为资产定价模型(behavioral asset pricing model,BAPM)因其能较好地解释金融市场异象,近二十年来一直是金融学界的热门研究主题之一.然而,BAPM模型较少应用于现实期权定价,原因之一是很难获取它的特征函数表达式,导致期权解析定价公式的缺失.本文针对Farkas等(2017)和孙有发(2020a)提出的考虑了投资者非理性情绪以及羊群行为的一类BAPM模型,为获取该模型的特征函数解析式,首先将它解构为精确部分和待定的局部结构,然后应用微扰法和费曼卡兹定理获取该局部结构的逼近表达式,进而合成得到原始特征函数的高精度解析逼近;最后应用Fourier-Cosine方法,推导出该类BAPM模型下的欧式期权近似解析定价公式.数值实验与实证研究表明:1)与孙有发等(2020b)提出的基于一阶扰动的Fourier-Cosine定价方法相比,本文提出的基于特征函数局部结构微扰法的行为期权定价方法,在不损失效率的前提下,无论是在定价精度、还是在稳定性方面均有更优越的表现;2)将BAPM模型下的欧式期权解析定价公式应用于上证50ETF和沪深300ETF期权市场,定价精度高于现有同类研究.本文为现实市场中的行为期权提供了一种通用的定价方法框架.