金融期权定价的方法研究

‘壹’ 期权定价是什么

期权定价模型(OPM)----由布莱克与斯科尔斯在20世纪70年代提出。该模型认为，只有股价的当前值与未来的预测有关;变量过去的历史与演变方式与未来的预测不相关。模型表明，期权价格的决定非常复杂，合约期限、股票现价、无风险资产的利率水平以及交割价格等都会影响期权价格。

定价方法：

(1)Black-Scholes公式

(2)二项式定价方法

(3)风险中性定价方法

(4)鞅定价方法等

历史：

期权定价是所有金融应用领域数学上最复杂的问题之一。第一个完整的期权定价模型由Fisher Black和Myron Scholes创立并于1973年公之于世。B-S期权定价模型发表的时间和芝加哥期权交易所正式挂牌交易标准化期权合约几乎是同时。不久，德克萨斯仪器公司就推出了装有根据这一模型计算期权价值程序的计算器。大多从事期权交易的经纪人都持有各家公司出品的此类计算机，利用按照这一模型开发的程序对交易估价。这项工作对金融创新和各种新兴金融产品的面世起到了重大的推动作用。

1979年，科克斯(Cox)、罗斯(Ross)和卢宾斯坦(Rubinstein)的论文《期权定价:一种简化方法》提出了二项式模型(Binomial Model)，该模型建立了期权定价数值法的基础，解决了美式期权定价的问题。

环球青藤友情提示:以上就是[ 期权定价是什么? ]问题的解答,希望能够帮助到大家！

‘贰’ 西方期权定价理论的二项分布期权定价模型

针对布－肖模型股价波动假设过严，未考虑股息派发的影响等问题，考克斯、罗斯以及罗宾斯坦等人提出了二项分布期权定价模型（binomial option pricing model-bopm），又称考克斯－罗斯－罗宾斯坦模型〔（1）e〕。
该模型假设：
第一，股价生成的过程是几何随机游走过程（geometric random walk），股票价格服从二项分布。与布－肖模型一样，在bopm模型中，股价的波动彼此独立且具有同样的分布，但这种分布是二项分布，而非对数正态分布。也就是说，把期权的有效期分成n个相等的区间，在每一个区间结束时，股价将上浮或下跌一定的量，从而：
（附图 {图}）
令snj代表第n个区间后的股价，其间假定股价上浮了j次，下跌了（n-j）次，则：
（附图 {图}）
第二，风险中立（risk-neutral economy）。由于连续交易机会的存在，期权的价格与投资者的风险偏好无关，它之所以等于某一个值，是因为偏离这一数值产生了套利机会，市场力量将使之回到原先的水平。 假设股票现价为s[0]，一个区间后买方期权到期，那时股价或者上升为s[11]或者下降为s[10]即，：
（附图 {图}）
根据风险中立的假设，任何一种资产都应当具有相同的期望收益率，否则就会发生套利行为。也就是说此时无风险债券、股票及买方期权的将来价值满足如下关系：
（附图 {图}）
上式中，q表示的是股票价格上涨的概率，因而期权的价格乃相当于其预期价格的贴现值。 上述分析可以进一步推广到n个区间的买方期权价格的确定。首先，需计算出买方期权价格的预期值，假设在n个区间里，在股价上涨k次前，买方期权仍然是减值期权，内在价值仍为0，而k次到n次之间，它具有内在价值，则：
（附图 {图}）
（附图 {图}） 先前的分析没有考虑股息的存在，假定某种股票每股在t时将派发一定量的股息，股息因子为f，除息日与付息日相同，则在除息日股价将会下降相当于股息的金额fs[t]。
（附图 {图}）
对于美式期权，则需考虑提前执行的情况：
在t时若提前执行，其价格等于内在的价值；不执行，则可按前面的推导得到相应的价格。最终t时的价格应当是提前执行与不提前执行情况下的最大者。即：
（附图 {图}） 根据欧洲期权的平价关系，可直接从其买方期权导出卖方期权价格，而美国期权则不能。利用上述推导美国买方期权价格的方法，可以同样得到：
（附图 {图}）
这就是美国卖方期权的定价公式。从上述bopm模型的推演中可看出其主要特点：
1．影响期权价格的变量主要有基础商品的市价（s），期权协定价格（x），无风险利率（r），股价上升与下降的因子（u,d），以及股息因子（f）及除息次数。事实上u与d描述的是股价的离散度，因而与布－肖模型相比，bopm所考虑的主要因素与前者基本相同，但因为增加了有关股息的讨论，因而在派发股息的期权及美国期权的定价方面，具有优势。
2．根据二项分布的特点，bopm模型中只要对u与d及p作出适当的界定，它就可以回答跳动情况下的期权的定价问题。这是布－肖模型所不能够的。同时，当n达到一定规模后，二项分布趋向于正态分布，只要u、d及p的选择正确，bopm模型会逼近布－肖模型。
与布－肖模型一样，二项分布定价模型也被推广到外汇、利率、期货等的期权定价上，受到理论界与实业界的高度重视。
三、对西方期权定价理论的评价
以布莱克－肖莱斯模型和bopm模型为代表的西方期权定价理论，是伴随着期权交易，特别是场内期权交易的扩大与发展而逐渐丰富与成熟起来的。这些理论基本上是以期权交易的实践为背景，并直接服务于这种实践，具有一定的科学价值与借鉴意义。
首先，模型将影响期权价格的因素归纳为基础商品价格、协定价格、期权有效期、基础商品价格离散度以及无风险利率和股息等，并认为期权价格是这些因素的函数，即：
c或p=(s,x,t，σ，γ，d)
在此基础上得到了计算期权价格的公式，具有较高的可操作性。比如在布－肖模型中，s、x及t都可以直接得到，γ亦可以通过相同期限的国库券收益率而求出，因而运用该模型进行估价，只需求出相应的σ值即基础商品的价格离散度即可。实践中，σ值既可通过对历史价格的分析得到，亦可假定未行使的期权的市场价格即为均衡价格，将相应变量代入求得（此时称为隐含的离散度implicit volatility）。因而操作起来比较方便。同时，这种概括是基于期权的内在特点，把它放在统一的资本市场考虑的结果。其分析触及到了期权价格的实质，力图揭示期权价格“应当是”多少，而不是“可能是”多少的问题，因而比早期的计量定价模型向前迈了一大步。
其次，模型具有较强的实践性，对期权交易有一定的指导作用。布－肖模型以及二项分布模型都被编制成了计算机软件，成为投资者分析期权市场的一种有效工具。金融界也根据模型编制成现成的期权价格计算表，使用方便，一目了然，方便了投资者。正如罗伯特·海尔等所编着的《债券期权交易与投资》一书所言：“（布－肖）模型已被证明在基本假设满足的前提下是十分准确的，已成为期权交易中的一种标准工具。”具体来讲，这些模型在实践中的运用主要体现于两方面：1．指导交易。投资者可以借助模型发现市场定价过高或过低的期权，买进定价过低期权，卖出定价过高期权，从中获利。同时，还可依据其评估，制定相应的期权交易策略。此外，从模型中还可以得到一些有益的参数，比如得耳他值（△），反映的是基础商品价格变动一单位所引起的期权价格的变化，这是调整期权头寸进行保值的一个十分有用的指标。此外还有γ值（衡量△值变动的敏感性指标）；q值（基础商品价格不变前提下，期权价格对于时间变动的敏感度或弹性大小），值（利率每变动一个百分点所引起的期权价格的变化）等。这些参数对于资产组合的管理与期权策略的调整，具有重要参考价值。2．研究市场行为。可以利用定价模型对市场效率的高低进行考察，这对于深化期权市场的研究也具有一定意义。

‘叁’ 西方期权定价理论的西方期权定价理论

早在1900年法国金融专家劳雷斯·巴舍利耶就发表了第一篇关于期权定价的文章。此后，各种经验公式或计量定价模型纷纷面世，但因种种局限难于得到普遍认同。70年代以来，伴随着期权市场的迅速发展，期权定价理论的研究取得了突破性进展。研究西方期权定价理论，不仅有助于深化我们对期权及其他金融创新工具的研究，且对中国实业界在条件成熟时进入国际期权市场具有一定指导意义。由于当今西方主要期权理论均是从股票期权的定价发展而成，本文亦将结合股票期权进行讨论。

‘肆’ 二叉树期权定价的基本原理是什么

二叉树期权定价模型是一种金融期权价值的评估方法，包括单期二叉树定价模型、两期二叉树模型、多期二叉树模型。
1.单期二叉树定价模型 期权价格=（1+r-d）/（u-d）×c/（1+r）+（u-1-r）/（u-d）×c/（1+r） u：上行乘数=1+上升百分比 d：下行乘数=1-下降百分比 【理解】风险中性原理的应用 其中： 上行概率=（1+r-d）/（u-d） 下行概率=（u-1-r）/（u-d） 期权价格=上行概率×Cu/（1+r）+下行概率×Cd/（1+r）
2.两期二叉树模型 基本原理：由单期模型向两期模型的扩展，不过是单期模型的两次应用。 方法： 先利用单期定价模型，根据Cuu和Cud计算节点Cu的价值，利用Cud和Cdd计算Cd的价值；然后，再次利用单期定价模型，根据Cu和Cd计算C0的价值。从后向前推进。
3.多期二叉树模型
原理：从原理上看，与两期模型一样，从后向前逐级推进，只不过多了一个层次。
股价上升与下降的百分比的确定： 期数增加以后带来的主要问题是股价上升与下降的百分比如何确定问题。期数增加以后，要调整价格变化的升降幅度，以保证年报酬率的标准差不变。 把年报酬率标准差和升降百分比联系起来的公式是： u=1+上升百分比= d=1-下降百分比= 其中：e-自然常数，约等于2.7183 σ-标的资产连续复利报酬率的标准差 t-以年表示的时段长度
拓展资料：
期权交易最重要的是权利金价格。期权定价的过程，是根据影响期权价格的因素，通过适当的数学模型，去分析模拟期权价格的市场变动情况，最后获得合理理论价格的过程。由于期权交易中期权市场价格有时会偏离公允价格，无论是一般投资者还是做市商，都需要有自己的判断，利用模型获得较为合理的定价，交易所也需要发布理论上的合理价位供大家参考。 通过定价模型可以给出期权价格的风险指标，从而用于控制投资风险。期权定价模型主要是基于无套利均衡定价理论，基本思想是指如果市场上存在无风险的套利机会，那么市场处于不均衡状态，套利的力量会推动市场重新均衡，而套利机会消除后的均衡价格即是市场的真实价格。

‘伍’ 如何运用金融数学技巧进行期权定价

如果是分类，具体可以分成资金业务、信息业务和渠道业务。

1、资金业务
含义是规模和资金的需求量成正比的业务，而这些业务在拥有一定的规模以后，资金的需求量将会增大。互联网企业多数都是小公司且资金不多。如果是强行执行这种业务，可能业务规模受限制，甚至是需要出去借钱，再付完借款利息之后利润率下降，而业务也不舍得放弃。

此外，资金业务监管也同样不得不去考虑。就银行而言，存款准备金必须交，存贷比会有限制，资本充足率也会有限制，另外加上央行有时会强迫购买一些定向债券，就这样被扣走不少钱了。互联网金融规模做大之后少不了要监管，但如果也像银行那样零零碎碎的扣一通，还能否再挣钱。

其中资金业务还包括：企业贷款（如阿里小贷）、个人贷款（如阿里的免息借款）、投资业务（余额宝）等等。这些沉重的吃资金的业务都是没有竞争力的。

2、信息业务
对于互联网而言，它所在的企业数据也非常丰富，做渠道也很强，尤其是卖基金、理财和保险等都是非常有优势，且成本较低及覆盖率广，丝毫不逊色于传统的营业厅和代理人销售渠道。而纯信息业务现在还很少，多数有信息优势的企业希望自己可以开银行来运作上百亿的资金。但现实的情况是开银行肯定开不动，倒不如卖信息服务，想通后来做信息服务的企业将会逐渐增多。

3、渠道业务
至于渠道业务就很多了，特别是卖基金的网站。当然卖保险也可以做，如果是监管能放开，那么长期来看卖信托、卖股票甚至代理存款也完全没有问题。做渠道的更好过做信息服务的，因为渠道是强势资源，信息服务是辅助性业务。

互联网金融的分支，也是和金融的分支一样丰富。

‘陆’ 什么是金融资产定价理论

金融学主要研究人们在不确定环境中进行金融资产的最优配置，资产时间价值，资产定价理论(资源配置系统)和风险管理理论是现代金融经济学的核心内容，资源配置系统中核心问题就是资产的价格，而金融资产的最大特点就是结果的不确定性，因此金融资产的定价也就是金融理论中最重要的问题之一。
目前，金融资产的定价主要包括以股票、债券、期权等为代表的单一产品定价以及采用风险收益作为研究基础的资产组合定价理论、套利理论和多因素理论等。不同的定价理论和方法是随着时间发展，统计方法、计算机技术的进步而不断修正改进的，使其逐步与现实要求接近。
金融资产定价是当代金融理论的核心，资金的时间价值和风险的量化是金融资产定价的基础。金融资产价格是有资金时间价值和风险共同决定的。
(一)现金流贴现方法
资金的时间价值是指资金随着时间的推移会发生贬值，现在的资金比未来的资金更有价值，或者说购买力更高。因而不同时点的现金流难以比较其价值。要对未来现金流贴现，关键的是折现率的确定。而贴现率不是任意选择的，应该是由市场决定的资金使用的机会成本，也就是同一笔资金用于除考察的用途之外所有其他用途中最好的用途所能得到的收益率。机会成本是市场反映的金融资产的收益率，而资产的收益率(资本成本)一定与该资产的风险水平对应。一般来说，较高风险的资产一般对应较高的收益率。在金融实践中，折现率往往用一个无风险利率再加上一个风险补偿率表示。无风险利率是指货币资金不冒任何风险可取得的收益率，常用国库券的短期利率为代表；风险补偿率取决于金融资产风险的大小，风险越大需要的风险补偿率越高，因此折现率的确定需要解决两个问题，无风 险利率和风险补偿率。
理论上，不同期间使用不同的贴观率进行贴现，因为资本的机会成本在不同时期会随着市场条件的变化而变化。既是说，同一资产的收益率对于不同的投资期限是不一样的，对这一问题的研究就是利率的期限结构，利率是金融市场上最重要的价格变量之一，它直接决定了相关金融产品的定价和利率风险的管理。利率期限结构是指不同期限证券的到期收益率和到期期限之间的关系，它对于利率风险的管理和金融资产的定价十分重要。
(二)投资组合理论(MPT)
哈里·马科维茨（Harry Markowit,1952）提出的投资组合理论(Modern portfolio theory)是现代金融学的开端。在基本假定：（1）所有投 资者都是风险规避的，（2）所有投资者处于同一单期投资期，（3）投资者根据收益率的均值和方差选择投资组台的条件下，投资组合理论认为投资者的效用是关于投资组合的期望收益率和标准差的函数，使在给定风险水平下期望收益率最高或者在给定期望收益率水平风险最小。理性的投资者通过选择有效的投资组合，实现期望效用最大化。这一选择过程借助于求解两目标二次规划模型实现。模型的本质是使投资组合在给定期望收益率上实现风险最小化，并具体说明在该收益率水平上投资组合中各种风险资产类型及权重。求解得到标准差-预期收益率图，是一条向左凸的双曲线，其中双曲线的上半枝是有效组合边界。投资者在有效组合边界上根据其风险-收益偏好选择投资组合，结果必然是投资者的效用函数与有效组合边界的切点。通过增加组合中的资产种类，可以降低非系统风险，但不能消除系统风险，只有市场所承认的风险(系统风险)才能获得风险补偿。
(三)资本资产定价理论(CAPM)
威廉·夏普(William F. Sharpe,1964)和约翰·K·林特纳（Prof.John K.Lintner1965)在马柯维茨均值-方差组合投资模型理论的基础上提出着名的资本资产定价模型（CAMP）。在假设条件(1)(2)(3)的基础上,假设(4)所有投资者对同一证券的所有统计特征（均值，协方差）等有相同的认识，(5)市场是完全的，即没有税负和交易费用等，(6)存在可供投资的无风险证券，投资者可以以无风险利率无限制地进行借贷或卖空一种证券。CAPM是在投资组合理论的基础上进一步讨论单项I风险资产在市场上的定价问题，导出证券市场线SML(Security Market Line)。
(四)套利定价理论(APT)
针对CAPM在应用中存在的一些问题，例如假定条件强，市场风险计算困难等，Stephen Ross于1976年提出套利定价理论(Arrbitrage Pricing Theory)。与资本资产定价模型类似，APT也是一个决定资产价格的均衡模型，认为风险性资产的收益率不但受市场风险的影响，还受到许多其他因素(宏观经济因素、某些指数)的影响。套利就是买进或卖出某种资产以利用差价来获取无风险利润。一般认为，比较成熟的市场不存在套利机会，由此达到无套利均衡状态。
APT假定：市场完全竞争，不存在摩擦；每种资产的随机收益率受同样的几种因素的支配。
1.单因素APT模型：假定资产的收益率由某一个因素(不一定是风险资产的市场组合)决定，并与该因素成线性函数。这里的因素可以是各种宏观因素。也可以是某些指数
2.多因素APT模型：当多个宏观经济因素共同影响一种风险资产的预期收益时，该资产的预期收益可以表示为多个因素可加线性函数。
(五)期权定价理论
1973年，费歇尔·布莱克（Fischer Black）和迈伦·斯科尔斯(Myron Schole)对期权定价进行了研究，提出的7个重要假定：(1)股票价格服从期望收益率和变动率为常数的随机过程；(2)投资者可以卖空衍生证券，并使用卖空所得：(3)市场无摩擦，即不存在税收和交易成本；(4)所有证券都是高度可分的；期权是欧式期权，在期权有效期内不存在现金股利的支付：(5)市场不存在无风险套利机会；(6)市场为投资者提供了连续交易的机会；(7)无风险利率为常数，而且对所有期限均相等。并在此基础上建立了对欧式期权定价的Black-Scholes模型。Robert Merton(1973)建立了另外一个极为相似的模型．可以给出以支付红利的资产、期货和外汇等标的资产的期权定价公式。

‘柒’ 期权的定价方法

这是一个老题目了，在知乎里也有一些类似的问题，但总感觉所有回答都有所欠缺，所以希望在这里对所有的数值方法进行一个梳理。按照我个人的分类，期权定价的数值方法分为五个大类：解析解方法，树方法，偏微分方程数值解方法，蒙特卡洛方法，傅立叶变换方法。

1）解析解方法：

一个期权定价问题，其实就是根据已知的随机微分方程（SDE）模型，然后来求解关于这个随机过程函数表达式的过程。这也是为什么随机微积分和Ito lemma会是金融工程的核心知识之一，因为Ito直接告诉了我们一个随机过程的函数所满足的新SDE：

m{d}f(t, X_{t})=frac{partial f}{partial t} m{d}t + frac{partial f}{partial X_t} m{d}X_t + frac{1}{2}frac{partial^2 f}{partial X_t^2} m{d}[X, X]_t

然后，如果我们可以求出这个SDE的解析解，那么一个欧式无路径依赖期权的价格就是它在终值时刻折现的期望值。这就是一种期权定价的解析解方法，当然你也可以利用PDE来求解，由于Feynman Kac定理的存在，PDE和条件期望的答案会是一致的。

而这类方法的优点是显而易见的，一旦解析解存在，那么期权的价格公式计算速度就会非常之快，不论做拟合还是优化都会有效率上质的提升，而这类方法的缺点也很明显，那就是，对于大部分模型和大部分奇异期权，解析解未必存在。

2）树方法

之所以叫树方法而不叫二叉树，是因为我们也将讨论三叉树模型，但其实本质思想是一模一样的。

如果告知你了一个标的资产的波动率，那么你可以通过下述式子构造一个N段的二叉树的上下波动：

u = m{e}^{sigmasqrt{T/N}}, d = m{e}^{-sigmasqrt{T/N}}

然后利用逆推，来得到初始时刻的期权价格。

那么三叉树呢？首先要明白一个道理，除了满足了下列条件的三叉树模型(u是上叉，d是下叉，l是中叉)

其余的三叉树都是incomplete market。在其余的树模型下，我们只能做到super-replicate，而不能完成perfect hedge。而这独有的一种三叉树模型，也成为了最常用的树模型之一。或许有人好奇为什么有二叉树了，还有人使用更麻烦的三叉树。这是因为三叉树的收敛速度要高于二叉树。

那么树模型的优缺点又是什么呢？树模型有一个任何连续时间模型都无法取代的优点，那就是每一个定价，在树模型里，不论美式、欧式、路径依赖、奇异，通过Backward Inction Principle得到价格，永远都是伴随着显式对冲策略的。而在连续时间模型里，想获得连续时间对冲策略的这类问题，是一个倒向随机微分方程（BSDE）问题，有很多时候并不是那么好解决的，尤其是当期权有奇异或美式属性的时候。

另一方面，树模型缺点也显而易见，高维度问题树模型是不能解决的，所以对于多个标的资产的问题，尤其是具有相关系数的资产，我们只能诉之于他法。而从速度上来讲，树模型的收敛速度是要低于PDE方法的。

3）PDE方法

很多对于quantitative finance陌生的人也会听说过Black Scholes PDE。而实际上，不同的随机模型，都会对应不同的PDE。BS PDE只不过是单资产符合几何布朗运动随机模型的PDE表达罢了。因为对于期权，我们往往知晓它最终到期日的payoff，所以我们用payoff函数来作为这个PDE的终值条件。

如果PDE存在解析解，最优办法自然也是求解析解。然而，如果解析解不存在，我们就必须诉诸数值方法。最常用的数值解方法就是有限差分，也就是将所有变量构造一个网格，然后利用网格上的差分方法来估计偏导数，进而将PDE问题转化为代数问题。而对于期权定价的PDE，我们会根据期权的性质，获得这个PDE终值条件和边值条件。然而，有时候根据不同的模型，我们可能得到的并不是一个简单的PDE，而可能是PIDE（partial integral differential equation），也就是在PDE中多了积分项，这时候，我们需要同时再借助数值积分来完成数值计算。

PDE的数值问题自然还有很多的选择，有限元、谱方法都在列。但期权定价PDE本身并不像很多物理PDE有很大的非线性程度，边界也并没有那么奇怪，所以基本上有限差分是可以解决绝大部分问题的。

有限差分法分三种：显式差分，隐式差分，交错差分。我们不深入研究算法，但几个点就是：稳定性上，显式差分是条件稳定的，另外两种都是无条件稳定；计算复杂度上，显示最简单，隐式次之，交错最繁琐；精确性上，显式、隐式是同阶的，交错差分的特殊情形，显式和隐式各占一半时，也就是Crank-Nicolson差分，精度会在时间上也上升一阶。

另外，在期权定价中PDE有两大类，正向和倒向。传统的BS PDE就是倒向的一个典型例子，它的终值条件就是期权的payoff function。而一个倒向PDE所对应的正向PDE，它不再是期权价格满足的PDE，而是这个标的的“价格密度”所满足的PDE。这个“价格密度”被称为State price，或者Arrow Debreu price，抑或是Green function。而这个在我之前的一篇文章有介绍过

Arrow Debreu price与快速拟合

而PDE方法的缺点主要有两点：路径依赖问题，高维度问题。很多路径依赖问题的PDE形式是很麻烦，甚至无法表达的，比如亚氏期权，比如回望期权。而对于高维度问题，如果PDE的数值方法会从平面网格上升到空间网格，在复杂度上不但繁琐，而且在边值条件上更难以控制。而PDE的优点则是速度快，而且根据差分的数值方法，在计算Greeks的时候不需要加以再次的bumping计算。举个例子，如果不降维，一个具有两个assets的期权的有限差分就是这样的一个立方网格：

4）蒙特卡洛方法

蒙特卡洛方法是目前应用范围最广泛的方法了。因为不存在提前行权属性的期权价格其实就是一个期望，所以我们就可以通过模拟很多的路径，来用平均数估计真实期望。而美式或百慕大这种具有提前行权属性的期权，它的期权价格其实是一个随机优化问题。这类问题我们可以采用regression-based Monte Carlo，也就是最小二乘蒙特卡洛，利用regression来估计conditional NPV，然后再用蒙特卡洛求解当前价值。

所以说，蒙特卡洛方法是最为general的方法了。然而，蒙特卡洛的缺点也是显而易见：因为要模拟上百万条路径，而且对于奇异期权还要做路径上的计算，美式更要做回归，蒙特卡洛方法成为了计算时间长的代名词。但幸运的是，我们有三种提速的方法：1，利用方差缩减，在保证方差恒定的基础上，可以减少模拟路径；2，利用Multi-level 蒙特卡洛，减少complexity；3，利用GPU或超级计算机，进行并行计算。

对于普通蒙特卡洛方法，上述三种方法都是可行的，而且GPU的提速是非常显着的。对于方差缩减，得强调一点的就是，一般而言，最简单的方式是对偶变量，其次是控制变量，然后是利用条件期望，最难的是importance sampling，而在效果和适用范围上，它们的排序往往是刚好相反的。比如美式期权的最小二乘蒙特卡洛，方差缩减的最有效手法就是important sampling，其他方法的效果很小。

这里另外再着重强调一下最小二乘蒙特卡洛。最小二乘蒙特卡洛的流程大致如下：首先，正向模拟标的路径；其次，倒向在每个时间节点，对所有路径值进行回归，估算条件期望，直到初始时间点；最后，求平均。所以值得注意的一点就是，在这里，如果单纯使用GPU cluster进行提速，效果并不是很理想，因为路径模拟并不是最消耗时间的步骤，对所有路径回归才是。虽然如此，但其实还是可以用GPU cluster来对回归精度加以提升，比如可以将路径进行归类，然后将global regressor转换成多个local regressor。

总的来说，蒙特卡洛方法是期权定价中适用范围最广的数值方法，但也是最慢的方法。然而，我们可以利用方差缩减、复杂度缩减，以及GPU计算来优化我们的蒙特卡洛算法，达到提速与增加精确性的目的。

5）傅立叶方法

傅立叶方法也被称为特征函数法，利用的就是对于很多的模型，它们的特征函数往往是显式表达的，比如靠具有independent increment的infinitely divisible process来决定的模型，因为在这样的情况下，我们有Levy-Khintchine representation，很多拟合性质很好的过程，比如Variance Gamma，Normal Inverse Gaussian都属于这一类。而特征函数实际上可以看作是一个随机变量的傅立叶变换，这也就是这个名字的由来。

如果我们有显式表达的特征函数，我们可以通过傅立叶逆变换来得到原随机变量的密度，进而达到求解期权价格的目的。一般来讲，这样的方法要比PDE方法更加快速，因为数值积分的速度要比微分方程数值解的速度要快。然而，这类方法的缺陷也是显而易见的，路径依赖性和维度问题，以及我们必须要有显式表达的特征函数。

总结：

在这里，我们只讲一些面上的东西。具体深入的东西，我会在公众号：衍生财经上详谈。

‘捌’ 金融期权定价等问题

MARK，围观楼主