论文部分内容阅读
本文以股指期权定价模型及其标的资产所遵循的随机过程的参数估计和期权风险度量为核心,结合CEV期权定价模型和目前度量市场风险的主流方法—VaR,对股指期权的市场风险进行分析研究。首先,引入能识别凸性或Gamma风险的VaR计算方法,即使用二阶泰勒展开式近似描述期权的价值变化。根据Ito引理推导出期权在持有期内较小时间间隔内其价值变化所遵循的随机过程,在VaR模型的理论之上运用DGT近似法得出基于标的资产股指计算的欧式看涨股指期权风险的VaR度量公式；参考B-S模型下期权VaR计算的原理,推导出了CEV模型下的欧式看涨股指期权(基于期权合约计算)VaR计算的解析式。其次,通过隐含参数估计法,利用S&P CNX Nifty股指期权的数据,估计了CEV期权定价模型的参数,将其结合上述两种股指期权风险度量方法,对S&P CNX Nifty股指期权的风险进行度量。结果认为,从成功率来看,二者都通过检验；但在可获得股指期权数据的情况下,基于标的资产股指计算的欧式看涨股指期权风险的VaR解析式的效果优于DGT近似法,后者的均方误大于前者。此外,对S&P CNX Nifty股指期权的数据分别采用历史模拟法、蒙特卡罗模拟法、GARCH模型法度量了其风险,并将这三种方法与CEV模型下VaR解析式计算的风险进行比较,结果认为,基于CEV模型下VaR解析式计算的效果较好。第三,通过对E[δSi▕Si]取二阶泰勒近似,化简出了CEV过程的广义矩估计的矩条件,结合沪深300股指的历史数据,估计出了CEV模型的参数。通过GARCH模型拟合沪深300股指收益率的数据,得出沪深300股指收益率的波动率,并结合不变方差弹性的定义,利用样本数据计算出CEV过程参数的先验分布,进而将MCMC方法应到CEV过程的参数估计中,且估计误差相对较小,认为参数估计结果较广义矩估计准确。结合参数估计结果,分别用VaR计算的DGT法和解析法度量沪深300股指期权的风险,结果表明,在无真正期权数据的情况下,前者较后者更能准确的度量股指期权的风险；而且根据对印度S&P CNX Nifty股指期权的风险实证结论,认为这两种不同角度的风险度量方法可以应用到中国即将推出的股指期权的风险度量中。