陕西科技大学实验报告
一、实验预习：
1.标准欧式看涨期权的定价模型。
2.标的资产到期日价格的运动轨迹或分布.
3.蒙特卡洛模拟的过程
二、实验的目的和要求：
通过对标准的欧式期权进行定价模拟，掌握标的资产到期日价格的分布，会熟练运用蒙特卡洛模拟进行期权的定价模拟，并学会分析模拟次数、模拟精度之间的关系，最后和标准的欧式期权的解析解比较给出相对误差。
三、实验过程：（实验步骤、原理和实验数据记录等）
参数：S取学号后3位除以10取整，然后加上学号最后一位（例如：200912010119，S=[119/10]+9=20）；X取S加3；r取0.03；T取0.25；σ取0.5。注意：实验为标准的欧式看涨期权。
1.实验步骤：
1）根据学号200912010104，计算出：S=14，X=17；且r=0.03，T=0.25，σ取0.5；
2）编写蒙特卡洛模拟matlab程序代码；
3）调试正确之后，输入相对应的数据，并运行；
4）整理实验数据，并做相关分析与总结。
2.实验原理
蒙特卡洛模拟方法亦称随机模拟方法，其基本思想是，求解科学、工程技术和经济金融等方面的问题。首先建立一个概率模型后随机过程，使其参数等于问题的解；然后通过对模型或过程的观察计算所求的统计特征，最后给出所求问题的近似值，解的精度可用估计值的标准差表示。
应用此方法求解可以分为两类：确定性问题和随机问题。
原理实验步骤如下：
1）针对实际问题建立一个简单且便于实现概率统计模型，使所求的解恰好是所建模型概率分布或某个数值特征，如某个事件的概率，或该模型的期望值；
2）对模型中的随机变量建立抽样方法，在计算机上进行模拟实验，抽取足够的随机数，并对有关的时间进行统计；
3）对模拟实验结果加以分析，给出所求解的估计及其精确度（方差）的估计；
4）必要时，还应该改进模型以提高估计精度和模拟计算的效率。 四、实验总结：（实验数据处理和实验结果讨论等）
1、实验数据处理
1)下表为一般技术（AC ）、对偶变量技术（MC ）、控制变量技术(MCCV)及
2）三种MC 法的置信区间变化图
x 10
5
Number of simuation
a b s o l u t e c o n f i d e n c e i o n t e r v a l
Comparing different Monte Carlo methods
3）控制变量法的期权价格波动图
x 10
5
Monte Carlo with Control Variable
Number of simulation
V a n i l l a o p t i o n P r i c e
4）解析式为：BLprice= 0.50466； 2、实验结果讨论
蒙特卡罗方法的实质是模拟标的资产价格的随机运动，预测期权的平均回报，并由此得到期权价格的一个概率解。
1）优点
a.成本低，风险小。
b.人们可以很直接地应用蒙特卡罗模拟方法，而无需对期权定价模型有深刻的理解并且为了获得更精确的答案，只需要进行更多的模拟，无需太多工作就可以转换模型。
c. 可信度高，且适用范围广:
期权的回报仅仅取决于标的变量的最终价值的情况；
期权的回报依赖于标的变量所遵循的路径，即路径依赖的情形；
期权的回报取决于多个标的变量的情况，尤其当随机变量的数量增加时，蒙特卡罗模拟的运算时间近似为线性增长而不象其他方法那样以指数增长，因此该方法对依赖三种以上风险资产的多变量期权模型很有竞争力。
以上这些优点使得蒙特卡罗方法成为一个相当广泛和强大的期权定价技术。因此，蒙特卡罗模拟可以适用于复杂随机过程和复杂终值的计算，在运算过程中蒙特卡罗模拟还能给出估计值的标准误差，这也是该方法的优点之一。
2)缺点
a.只能为欧式期权定价，难以处理提前执行的情形。尝试使用蒙特卡罗模拟技巧来为美式期权定价，成为近年来这个领域的发展方向之一。
b.为了达到一定的精确度，一般需要大量的模拟运算。尤其在处理三个以下的变量时，蒙特卡罗模拟相对于其他方法来说偏慢。
出师表
两汉：诸葛亮
先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。然侍卫之臣不懈于内，忠志之士忘身于外者，盖追先帝之殊遇，欲报之于陛下也。诚宜开张圣听，以光先帝遗德，恢弘志士之气，不宜妄自菲薄，引喻失义，以塞忠谏之路也。
宫中府中，俱为一体；陟罚臧否，不宜异同。若有作奸犯科及为忠善者，宜付有司论其刑赏，以昭陛下平明之理；不宜偏私，使内外异法也。
侍中、侍郎郭攸之、费祎、董允等，此皆良实，志虑忠纯，是以先帝简拔以遗陛下：愚以为宫中之事，事无大小，悉以咨之，然后施行，必能裨补阙漏，有所广益。
将军向宠，性行淑均，晓畅军事，试用于昔日，先帝称之曰“能”，是以众议举宠为督：愚以为营中之事，悉以咨之，必能使行阵和睦，优劣得所。
亲贤臣，远小人，此先汉所以兴隆也；亲小人，远贤臣，此后汉所以倾颓也。先帝在时，每与臣论此事，未尝不叹息痛恨于桓、灵也。侍中、尚书、长史、参军，此悉贞良死节之臣，愿陛下亲之、信之，则汉室之隆，可计日而待也。
臣本布衣，躬耕于南阳，苟全性命于乱世，不求闻达于诸侯。先帝不以臣卑鄙，猥自枉屈，三顾臣于草庐之中，咨臣以当世之事，由是感激，遂许先帝以驱驰。后值倾覆，受任于败军之际，奉命于危难之间，尔来二十有一年矣。
先帝知臣谨慎，故临崩寄臣以大事也。受命以来，夙夜忧叹，恐托付不效，以伤先帝之明；故五月渡泸，深入不毛。今南方已定，兵甲已足，当奖率三军，北定中原，庶竭驽钝，攘除奸凶，兴复汉室，还于旧都。此臣所以报先帝而忠陛下之职分也。至于斟酌损益，进尽忠言，则攸之、祎、允之任也。
愿陛下托臣以讨贼兴复之效，不效，则治臣之罪，以告先帝之灵。若无兴德之言，则责攸之、祎、允等之慢，以彰其咎；陛下亦宜自谋，以咨诹善道，察纳雅言，深追先帝遗诏。臣不胜受恩感激。
今当远离，临表涕零，不知所言。
欧式期权蒙特卡洛模拟程序 function [eucall,varprice,ci]=blsmc(S0,K,r,T,sigma,N) % 输入参数 %S0 初使资产价格T 到期时间 % K敲定价格 % r无风险利率 % sigma 波动率 % N 模拟次数 %%%%%%%% %输出参数 %eucall 欧式期权价格 %varprice 方差 % ci 95%置信区间 randn('seed',0); randT=randn(N,1); nuT=(r-sigma^2/2)*T; siT=sigma*sqrt(T); dispayoff=exp(-r*T)*max(0,S0*exp(nuT+siT*randT)-K); [eucall,varprice,ci]=normfit(dispayoff); 蒙特卡洛模拟亚式期权 %Asianmc.m function [p,aux,ci]=Asianmc(S0,K,r,T,sigma,NRteps,NRepl) % 蒙特卡洛模拟亚式期权 % 输入参数 %S0 初使资产价格 % T 到期时间 % K敲定价格 % r无风险利率 % sigma 波动率 % NSteps 时间离散数目 % NRepl 模拟次数 %%%%%%%% %输出参数 %p 权价格 %varprice 方差 % ci 95%置信区间 dt=T/NRteps; nudt=(r-.5*sigma^2)*dt; sidt=sigma*sqrt(dt); randn('seed',0);
randt=randn(NRepl,NRteps); rand1=nudt+sidt*randt; rand2=cumsum(rand1,2);%按列求和 path=S0*exp(rand2); payoff=zeros(NRepl,1); for i=1:NRepl payoff(i)=exp(-r*T)*max(0,mean(path(i,:))-K); end [p,aux,ci]=normfit(payoff);
当科学家们使用计算机来试图预测复杂的趋势和事件时, 他们通常应用一类需要长串的随机数的复杂计算。设计这种用来预测复杂趋势和事件的数字模型越来越依赖于一种称为蒙特卡罗模似的统计手段, 而这种模拟进一步又要取决于可靠的无穷尽的随机数目来源。 蒙特卡罗模拟因摩纳哥著名的赌场而得名。它能够帮助人们从数学上表述物理、化学、工程、经济学以及环境动力学中一些非常复杂的相互作用。数学家们称这种表述为“模式”, 而当一种模式足够精确时, 他能产生与实际操作中对同一条件相同的反应。但蒙特卡罗模拟有一个危险的缺陷: 如果必须输入一个模式中的随机数并不像设想的那样是随机数, 而却构成一些微妙的非随机模式, 那么整个的模拟(及其预测结果)都可能是错的。 最近, 由美国佐治亚大学的费伦博格博士作出的一分报告证明了最普遍用以产生随机数串 的计算机程序中有5个在用于一个简单的模拟磁性晶体中原子行为的数学模型时出现错误。科学家们发现, 出现这些错误的根源在于这5个程序产生的数串其实并不随机, 它们实际上隐藏了一些相互关系和样式, 这一点只是在这种微小的非随机性歪曲了晶体模型的已知特 性时才表露出来。贝尔实验室的里德博士告诫人们记住伟大的诺伊曼的忠告:“任何人如果相信计算机能够产生出真正的随机的数序组都是疯子。” 蒙特卡罗方法（MC） 蒙特卡罗（Monte Carlo）方法： 蒙特卡罗（Monte Carlo）方法，又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在本世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是我们采用该方法的原因。 蒙特卡罗方法的基本原理及思想如下： 当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。 蒙特卡罗解题三个主要步骤： 构造或描述概率过程： 对于本身就具有随机性质的问题，如粒子输运问题，主要是正确描述和模拟这个概率过程，对于本来不是随机性质的确定性问题，比如计算定积分，就必须事先构造一个人为的概率过程，它的某些参量正好是所要求问题的解。即要将不具有随机性质的问题转化为随机性质的问题。 实现从已知概率分布抽样： 构造了概率模型以后，由于各种概率模型都可以看作是由各种各样的概率分布构成的，因此产生已知概率分布的随机变量（或随机向量），就成为实现蒙特卡罗方法模拟实验的基本手段，这也是蒙特卡罗方法被称为随机抽样的原因。最简单、最基本、最重要的一个概率分布是(0,1)上的均匀分布（或称矩形分布）。随机数就是具有这种均匀分布的随机变量。随机数序列就是具有这种分布的总体的一个简单子样，也就是一个具有这种分布的相互独立的随机变数序列。产生随机数的问题，就是从这个分布的抽样问题。在计算机上，可以用物理方法产生随机数，但价格昂贵，不能重复，使用不便。另一种方法是用数学递推公式产生。这样
（定价策略）期权定价中的蒙特卡洛模拟方法
期权定价中的蒙特卡洛模拟方法 期权作为最基础的金融衍生产品之一，为其定价一直是金融工程的重要研究领域，主要使用的定价方法有偏微分方程法、鞅方法和数值方法。而数值方法又包括了二叉树方法、有限差分法和蒙特卡洛模拟方法。 蒙特卡洛方法的理论基础是概率论与数理统计，其实质是通过模拟标的资产价格路径预测期权的平均回报并得到期权价格估计值。蒙特卡洛方法的最大优势是误差收敛率不依赖于问题的维数，从而非常适宜为高维期权定价。 §1. 预备知识 ◆两个重要的定理：柯尔莫哥洛夫(Kolmogorov)强大数定律和莱维一林德贝格(Levy-Lindeberg)中心极限定理。 大数定律是概率论中用以说明大量随机现象平均结果稳定性的一系列极限定律。在蒙特卡洛方法中用到的是随机变量序列同分布的Kolmogorov强大数定律： 设为独立同分布的随机变量序列，若 则有 显然，若是由同一总体中得到的抽样，那么由此大数定律可知样本均值当n很大时以概率1收敛于总体均值。
中心极限定理是研究随机变量之和的极限分布在何种情形下是正态的，并由此应用正态分布的良好性质解决实际问题。 设为独立同分布的随机变量序列，若 则有 其等价形式为。 ◆Black-Scholes期权定价模型 模型的假设条件： 1、标的证券的价格遵循几何布朗运动 其中，标的资产的价格是时间的函数，为标的资产的瞬时期望收益率，为标的资产的波动率，是维纳过程。 2、证券允许卖空、证券交易连续和证券高度可分。 3、不考虑交易费用或税收等交易成本。 4、在衍生证券的存续期内不支付红利。 5、市场上不存在无风险的套利机会。 6、无风险利率为一个固定的常数。 下面，通过构造标的资产与期权的资产组合并根据无套利定价原理建立期权定价模型。首先，为了得到期权的微分形式，先介绍随机微积分中的最重要的伊藤公式。 伊藤Ito公式：设，是二元可微函数，若随机过程满足如下的随机微分方程
广东金融学院实验报告课程名称：金融工程
)t σ T-σ。 t T-
B.实验算例 算例：考虑一个不分红利5个月欧式看涨期权：股票价格为50，执行价格为50，无风险利率为10%，波动率为40。试构造二叉树模型，确定期权的价格。 C.实验过程 在Excel 中创建欧式期权表单模型步骤为（将Excel 求解过程和输出结果截图填写在下面） （1）输入. 在EXCEL 的单元格A4：A9中分别输入“标的资产”、“执行价格”、“波动率”、“到期日”、“无风险利率”和“红利”。其中将期限为5个月的欧式期权的到期日化为单位为年，即为5/12=0.416666667年 ；并且题目中的标的资产的不考虑红利的，所以红利等于0,所以根据题目给出的要求，在对应的单元格B4：B9中分别输入初始值。如下图： 图2-1 欧式看涨期权初始值赋值后的对话框1 （2）欧式看涨期权初始值赋值 假定使用10期的二叉树来计算标的资产的价值，接下来我们可以根据公式t e u ?=σ和t e d ?-=σ来 计算二叉树中的上行和下行的幅度，即u 和d 的值。同时再根据公式d u d e p t r --=?计算其风险中性概率。 利用EXCEL 软件来计算，我们可以先在单元格A14：A16分别输入u 、d 和p 。并在对应的单元格中B14：B16中分别输入公式为“=EXP(B6*SQRT(B7/B12))”，“=1/B14”和“=(EXP(B8*B7/B12)-B15)/(B14-B15)”。得到的结果为u 的值为1.085075596及d 的值为0.921594775，p 的值为0.50513928。计算过程和计算结果如下图：
蒙特卡罗模拟与欧式期权定价 蒙特卡罗模拟进行期权定价的核心在于生成股票价格的随机过程。9.2节中，在期权到期的T 时刻，标的股票价格的随机方程为： )exp()exp(T T T T S Y S S εσμ+== 其中，随机变量ε服从标准正态分布，即服从N(0,1)，随机变量T Y 服从正态分布，其均值为T T )5.0(2σμμ-=，方差为T T σσ=，μ为股票的收益率，σ为股票的波动率。期权的收益依赖于T S 在风险中性世界里的期望值，因此对于风险中性定价，股票的收益率（μ）可以用无风险利率r 减去连续红利收益率q 代替，也就是（r-q ）。于是风险中性定价的T S 随机方程为： ] )5.0exp[(2T T q r S S T εσσ+--= 其中ε服从标准正态分布。上式中的股价运动过程与前面二叉树定价中的一样。 蒙特卡罗模拟随机产生一组股价终值T S 的样本值，即模拟试验。然后为每一个样本值计算期权收益并记录下来。产生足够多的样本值后，就可以得到期权收益的分布，通常需要计算分布的均值和标准差。模拟试验的代数平均值常用来估计期权收益分布的期望值，然后用无风险利率对其折现来得到看涨期权的价格。 图1中欧式期权的有效期是六个月，其标的资产是连续红利收益率为3%的股票。表中有36个期权收益的模拟试验，用它们可以估计出期权收益期望值的折现。 Using Monte Carlo Simulation to Value BS Call Option ： 利用蒙特卡罗模拟来为布莱克-舒尔斯看涨期权定价
图1 期权信息及5个（从36个模拟数据得到）期权收益模拟结果 每个模拟试验产生一个终值股价（T S 的一个样本值）和一个期权收益值。在B 列中用Excel 的RAND 函数来产生服从均匀分布的随机数，然后在C 列用标准正态分布函数NORMSINV 将其转换成随机样本。RAND 函数产生[0,1]间服从均匀分布的随机数。将其作为累积概率值（值在0到1之间），用NORMSINV 即可得到服从标准正态分布的随机变量值，其结果大部分处在-3与3之间。例如，第一次模拟试验C22中的公式为： =NORMSINV(B22) 其输入值为0.1032(大约10％)，产生的标准正态变量的值则为-1.2634。 得到随机样本值（ε），就可以用下面公式计算期权到期日的股票价格： ] )5.0exp[(2T T q r S S T εσσ+--= 为了将其转换为单元格公式的形式，有必要先计算出T 时刻的风险中性漂移项和波动率， 也就是T q r )5.0(2σ--和T εσ（分别处于B16和B17中）。因此，E22中的公式为： =$B$4*EXP($B$16+C22*$B$17) 相应的期权收益为（H22）： =MAX($E$4*(E22-$B$5),0) E4中存放的是参数iopt ，它用来区分看涨期权和看跌期权。 计算模拟出的36个期权收益的平均值，然后折现即可得到看涨期权价值的估计量（E9）。用于折现的风险中性因子（exp(-rT)）放在B18中。 图1显示，期权价格的蒙特卡罗估计值（12.85）与布莱克-舒尔斯期权价格有较大的差异。E10中，期权价值估计值的标准差（模拟期权收益的标准差除以模拟次数的平方
金融工程实验报告（一） 布莱克-舒尔斯期权定价模型–基础1.实验目的： 上机操作，利用excel进行与布莱克-舒尔斯期权定价模型有关的分析。 2.实验内容（以看涨期权为例） （1）当前股价与期权价格： 当前股价S（元）看涨期权价格c 80 0.215068699 85 0.653561175 90 1.587638752 95 3.220751797 100 5.65833817 105 8.873031471 110 12.73302365 115 17.06301665 120 21.69844563 125 26.51358001 （2）年波动利率与期权价格： 年波动率 看涨期权价格c 0 0.679096098 0.05 1.814247076 0.1 2.733670055
0.15 3.69937439 0.2 4.676720884 0.25 5.65833817 0.3 6.64163733 0.35 7.625415737 0.4 8.608994221 0.45 9.591927384 （3）无风险利率与期权价格： 无风险利率r 看涨期权价格c 0.47% 5.039542952 5.47% 5.159953019 10.47% 5.282046195 15.47% 5.405814239 20.47% 5.405814239 25.47% 5.65833817 30.47% 5.787073798 35.47% 5.917443799 40.47% 6.04943621 45.47% 6.183038354
（4）协议价格与期权价格： 协议价格X（元）看涨期权价格c 80 21.210864 85 16.56484355 90 12.29478924 95 8.608483995 100 5.65833817 105 3.484203788 110 2.010571467 115 1.089612271 120 0.556432696 125 0.268835874 （5）到期时间与期权价格： 到期时间T-t（年）看涨期权价格c 0.05 2.366046696
R使用指南 打开R 下图是R软件的主窗口，R软件的界面与Windows的其他编程软件类似，由一些菜单和快捷按钮组成。快捷按钮下面的窗口便是命令输入窗口,它也是部分运算结果的输出窗口,有些运算结果则会在新建的窗口中输出。 当一个R 程序需要你输入命令时,它会显示命令提示符。默认的提示符是>。技术上来说，R 是一种语法非常简单的表达式语言（expression language）。它大小写敏感，因此A 和a 是不同的符号且指向不同的变量。可以在R 环境下使用的命名字符集依赖于R 所运行的系统和国家(就是系统的locale 设置)。通常，数字，字母，. 和都是允许的(在一些国家还包括重音字母)。不过，一个命名必须以. 或者字母开头，并且以. 开头时第二个字符不允许是数字。基本命令要么是表达式（expressions）要么就是赋值（assignments）。如果一条命令是表达式，那么它将会被解析（evaluate），并将结果显示在屏幕上，同时清空该命令所占内存。赋值同样会解析表达式并且把值传给变量但结果不会自动显示在屏幕上。命令可以被(;)隔开，或者另起一行。基本命令可以通过大括弧(f和g) 放在一起构成一个复合表达式（compound expression）。注释几乎可以放在任何地方7。一行中，从井号(#)开始到句子收尾之间的语句就是注释。如果一条命令在一行结束的时候在语法上还不完整，R 会给出一个不同的提示符，默认是+。该提示符会出现在第二行和随后的行中，它持续等待输入直到一条命令在语法上是完整的。该提示符可以被用户修改。在后面的文档中，我们常常省略延续提示符（continuation prompt），以简单的缩进表示这种延续。 R的帮助
陕西科技大学实验报告 课 程： 数理金融 实验日期： 2015 年 6 月 11 日 班 级： 数学122 交报告日期： 2015 年 6 月 12 日 姓 名： 报告退发： （订正、重做） 学 号： 201212010119 教 师： 刘利明 实验名称： 标准欧式看涨期权定价的蒙特卡洛模拟 一、实验预习： 1.标准欧式看涨期权的定价模型。 2.标的资产到期日价格的运动轨迹或分布. 3.蒙特卡洛模拟的过程 二、实验的目的和要求： 通过对标准的欧式期权进行定价模拟，掌握标的资产到期日价格的分布，会熟练运用蒙特卡洛模拟进行期权的定价模拟，并学会分析模拟次数、模拟精度之间的关系，最后和标准的欧式期权的解析解比较给出相对误差。 三、实验过程：（实验步骤、原理和实验数据记录等） 参数：起初（或0时刻）S 取学号后3位除以10取整，然后加上学号最后一位（例如：201212010119，S=[119/10]+9=20）；X 取S 加3；r 取0.03；T 取0.25； σ取0.5。(模拟100次取最后结果平均值) 注意：实验为标准的欧式看涨期权。 实验步骤、原理 蒙特卡罗模拟进行期权定价的核心在于生成股票价格的随机过程。模型假定在期权到期的T 时刻。 标的股票价格的随机方程为： 其中，随机变量ε服从标准正态分布，即服从N(0,1)，随机变量YT 服从正态分布，其均值为()T u u T 25.0σ-=，方差为T T σσ=，u 为股票的收益率，σ为股票的波动率。期权的收益依赖于ST 在风险中性世界里的期望值，因此对于风险中性定价，股票的收益率u 可以用无风险利率r 减去连续红利收益率q 代替，也就是（r-q ）。 风险中性定价的随机方程为：()[] T T q r S S T εσσ+--=25.0ex p 其中ε服从标准正态分布。 成绩 ()() T T T T u S Y S S εσ+==ex p ex p
二、蒙特卡洛模拟原理及步骤 （一）蒙特卡洛模拟原理：经济生活中存在大量的不确定与风险问题，很多确定性问题实际上是不确定与风险型问题的特例与简化，财务管理、管理会计中同样也存在大量的不确定与风险型问题，由于该问题比较复杂，一般教材对此问题涉及较少，但利用蒙特卡洛模拟可以揭示不确定与风险型问题的统计规律，还原一个真实的经济与管理客观面貌。 与常用确定性的数值计算方法不同，蒙特卡洛模拟是用来解决工程和经济中的非确定性问题，通过成千上万次的模拟，涵盖相应的可能概率分布空间，从而获得一定概率下的不同数据和频度分布，通过对大量样本值的统计分析，得到满足一定精度的结果，因此蒙特卡洛模拟是进行不确定与风险型问题的有力武器。 1、由于蒙特卡洛模拟是以实验为基础的，因此可以成为财务人员进行风险分析的“实验库”，获得大量有关财务风险等方面的信息，弥补确定型分析手段的不足，避免对不确定与风险决策问题的误导； 2、财务管理、管理会计中存在大量的不确定与风险型问题，目前大多数教材很少涉及这类问题，通过蒙特卡洛模拟，可以对其进行有效分析，解决常用决策方法所无法解决的难题，更加全面深入地分析不确定与风险型问题。 （二）蒙特卡洛模拟步骤以概率型量本利分析为例，蒙特卡洛模拟的分析步骤如下： 1、分析评价参数的特征，如企业经营中的销售数量、销售价格、产品生产的变动成本以及固定成本等，并根据历史资料或专家意见，确定随机变量的某些统计参数； 2、按照一定的参数分布规律，在计算机上产生随机数，如利用EXCEL提供的RAND函数，模拟量本利分析的概率分布，并利用VLOOKUP寻找对应概率分布下的销售数量、销售价格、产品生产的变动成本以及固定成本等参数； 3、建立管理会计的数学模型，对于概率型量本利分析有如下关系式，产品利润=产品销售数量×（产品单位销售价格-单位变动成本）-固定成本，这里需要说明的是以上分析参数不是确定型的，是依据某些概率分布存在的； 4、通过足够数量的计算机仿真，如文章利用RAND、VLOOKUP等函数进行30000次的模拟，得到30000组不同概率分布的各参数的排列与组合，由于模拟的数量比较大，所取得的实验数据具有一定的规律性； 5、根据计算机仿真的参数样本值，利用函数MAX、MIN、A VERAGE等，求出概率型量本利分析评价需要的指标值，通过对大量的评价指标值的样本分析，得到量本利分析中的利润点可能的概率分布，从而掌握企业经营与财务中的风险，为财务决策提供重要的参考。三、概率型量本利分析与比较 （一）期望值分析方法假设某企业为生产与销售单一产品的企业，经过全面分析与研究，预计未来年度的单位销售价格、销售数量、单位变动成本和固定成本的估计值及相应的概率如表1，其中销售数量单位为件，其余反映价值的指标单位为元，试计算该企业的生产利润。表1概率型量本利分析参数 项目概率数值 单位销售价格0.3 40 0.4 43 0.3 45 单位变动成本0.4 16 0.2 18 0.4 20 固定成本0.6 28000 0.4 30000
阅读使人充实，会谈使人敏捷，写作使人精确。——培根广东金融学院实验报告 课程名称：金融工程
法拉兹·日·阿卜——学问是异常珍贵的东西，从任何源泉吸收都不可耻。．阅读使人充实，会谈使人敏捷，写作使人精确。——培根
阅读使人充实，会谈使人敏捷，写作使人精确。——培根
法拉兹·日·阿卜——学问是异常珍贵的东西，从任何源泉吸收都不可耻。． 阅读使人充实，会谈使人敏捷，写作使人精确。——培根 MATLA中的计算过程和结果如下（请将运算过程和结果粘贴下面1二叉树定价函数确定期权价 >> [AssetPrice,OptionValue]=binprice(50,50,0.1,5/12,1/12,0.4,1) AssetPrice = 50.0000 56.1200 62.9892 70.6991 79.3528 89.0656 0 44.5474 50.0000 56.1200 62.9892 70.6991 0 0 39.6894 44.5474 50.0000 56.1200 0 0 0 35.3611 39.6894 44.5474 0 0 0 0 31.5049 35.3611 0 0 0 0 0 28.0692 OptionValue = 6.3595 9.8734 14.8597 21.5256 29.7677 39.0656 0 2.8493 4.9066 8.2481 13.4041 20.6991 0 0 0.7794 1.5491 3.0791 6.1200 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2求解公式确定期权价 p =q = d =a =u = 0.50731.00840.4927 1.12240.8909 BinTree = 50.0000 56.1200 62.9892 70.6991 79.3528 89.0656 0 44.5474 50.0000 56.1200 62.9892 70.6991 0 0 39.6894 44.5474 50.0000 56.1200 0 0 0 35.3611 39.6894 44.5474 0 0 0 0 31.5049 35.3611 0 0 0 0 0 28.0692 BinPrice = 6.3595 9.8734 14.8597 21.5256 29.7677 39.0656 0 2.8493 4.9066 8.2481 13.4041 20.6991 0 0 0.7794 1.5491 3.0791 6.1200 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
期权定价中的蒙特卡洛模拟方法 期权作为最基础的金融衍生产品之一，为其定价一直是金融工程的重要研究领域，主要使用的定价方法有偏微分方程法、鞅方法和数值方法。而数值方法又包括了二叉树方法、有限差分法和蒙特卡洛模拟方法。 蒙特卡洛方法的理论基础是概率论与数理统计，其实质是通过模拟标的资产价格路径预测期权的平均回报并得到期权价格估计值。蒙特卡洛方法的最大优势是误差收敛率不依赖于问题的维数，从而非常适宜为高维期权定价。 §1. 预备知识 ◆两个重要的定理：柯尔莫哥洛夫(Kolmogorov)强大数定律和莱维一林德贝格(Levy-Lindeberg)中心极限定理。 大数定律是概率论中用以说明大量随机现象平均结果稳定性的一系列极限定律。在蒙特卡洛方法中用到的是随机变量序列同分布的Kolmogorov 强大数定律： 设12,,ξξL 为独立同分布的随机变量序列，若 [],1,2,k E k ξμ=<∞=L 则有1 1(lim )1n k n k p n ξμ→∞===∑ 显然，若12,,,n ξξξL 是由同一总体中得到的抽样，那么由 此大数定律可知样本均值1 1n k k n ξ=∑当 n 很大时以概率1收敛于
总体均值μ。 中心极限定理是研究随机变量之和的极限分布在何种情形下是正态的，并由此应用正态分布的良好性质解决实际问题。 设12,,ξξL 为独立同分布的随机变量序列，若 2 [],[],1,2,k k E D k ξμξσ=<∞=<∞=L (0,1)n k d n N ξ μ -??→∑ 其等价形式为2 1 1lim ()exp(),2n x k k n t n P x dt x ξμσ =→∞ -∞ -≤= --∞<<∞∑?。 ◆Black-Scholes 期权定价模型 模型的假设条件： 1、标的证券的价格遵循几何布朗运动 dS dt dW S μσ=+ 其中，标的资产的价格S 是时间t 的函数，μ为标的资产 的瞬时期望收益率，σ为标的资产的波动率，dW 是维纳过程。 2、证券允许卖空、证券交易连续和证券高度可分。 3、不考虑交易费用或税收等交易成本。 4、在衍生证券的存续期内不支付红利。 5、市场上不存在无风险的套利机会。 6、无风险利率r 为一个固定的常数。 下面，通过构造标的资产与期权的资产组合并根据无套利定价原理建立期权定价模型。首先，为了得到期权的微分形式，先介绍随机微积分中的最重要的伊藤公式。
期权定价（二叉树模型）实验报告1204200308 学号：1201 姓 名：郑琪瑶班级：创金 一、实验目的计算出支付连续红利率资产Excel 本实验基于二叉树模型对 期权定价。利用的期权价格，并探究输入参数（如无风险利率、波动率、期限、时间区间划分方从而巩固二叉树模型这种期权定价的数对于期权价格的影响，式、收益率等等）值方法的相关知识。 二、实验原理的红利时，在风险中性条件下，证券价格的当标的资产支付连续收益率为q应该满足以下，因此参数（股票价格上升的概率）、、增长率应该为pq?r u d式子：tq)?(r?dpe)(?pu?1?；同时在一小段时间内股票价格变化的方差 满足下式：2222?]p1?)p)dd?[pu?(?t?pu?(1?；1，将三式联列，可以解考克斯、罗斯和鲁宾斯确定参数的第三个条件是?u d）得（*(r?q)?t??edp?? u?d????t u?e????t?d?e???t?0?三、实验内容 1.假定有一支付连续红利率股票的美式看涨期权，有效期期限为5个月，目前 的股票价格和期权执行价格都为50元，无风险利率为10%，波动率为40%，连续收益率为3%，为了使得估计的期权价格比较准确，把时间区间划分成30步，即N=30，利用excel加载宏可以计算得到相应美式和欧式期权的价格 2.探究基于不同红利支付类型：支付已知收益率和支付已知红利数额，计算出相应的美式和欧式期权价格。 3.以支付已知收益率模式下分析期权价格。使资产连续复利收益率在[1%,10%]变化，保持其余变量不变，分别计算出相应美式f和欧式f期权的价格21 4.以支付已知红利数额模式下分析期权价格。探究下一期的红利支付数额为常数、递增及递减情况下，保持其余变量不变，分别计算出相应美式和欧式期权的价格。 5.根据上述每一步计算得到的当期期权价格的数据绘制折线图，观察折线图，得出结论。 四、实验过程：步骤一：输入已知参数输入参数支付连续收TRSX N 步数无风险利率波动率σ股票价格期限期权执行价格0RC益率9.00% 5 50.00
期权定价的数值方法 小结 1.当不存在解析解时，可以用不同的数值方法为期权定价，其中主要包括二叉树图方法、蒙特卡罗模拟和有限差分方法。 2.二叉树图方法用离散的随机游走模型模拟资产价格的连续运动在风险中性世界中可能遵循的路径，每个小的时间间隔中的上升下降概率和幅度均满足风险中性原理。从二叉树图的末端开始倒推可以计算出期权价格。 3.蒙特卡罗方法的实质是模拟标的资产价格在风险中性世界中的随机运动，预测期权的平均回报，并由此得到期权价格的一个概率解。 4.有限差分方法将标的变量满足的偏微分方程转化成差分方程来求解，具体的方法包括隐性有限差分法、显性有限差分法、“跳格子方法”和 Crank-Nicolson方法等。 5.树图方法和有限差分方法在概念上是相当类似的，它们都可以看成用离散化过程解出偏微分方程的数值方法，都适用于具有提前执行特征的期权，不太适合路径依赖型的期权。其中二叉树模型由于其简单直观和容易实现，是金融界中应用得最广泛的数值定价方法之一；有限差分方法则日益受到人们的重视。 6.蒙特卡罗方法的优点在于应用起来相当直接，能处理许多盈亏状态很复杂的情况，尤其是路径依赖期权和标的变量超过三个的期权，但是不擅长于处理美式期权，而且往往所需计算时间较长。 二叉树定价方法的基本思想：假设资产价格的运动是由大量的小幅度二值运动构成，用离散的随机游走模型模拟资产价格连续运行可能遵循的路径。模型中隐含导出的概率是风险中性世界中的概率p，从而为期权定价。 蒙特卡洛模拟的基本思想：由于大部分期权的价值都可以归结为期权到期回报的期望值的贴现，因此尽可能地模拟风险中性世界中标的资产价格的多种运动路径，计算每种结果路径下的期权回报均值，之后贴现就可以得到期权价值。 蒙特卡洛模拟的优点：在大多数情况下，人们可以很直接地应用蒙特卡洛模拟，而无需对期权定价模型有深刻的认识；蒙特卡洛模拟的适用情形相当广泛。 蒙特卡洛模拟的缺点：只能为欧式期权定价，难以处理提前执行期权的的定价情形；为了达到一定的精准度，需要大量的模拟运算。 有限差分方法的基本思想：将衍生证券所满足的偏微分方程转化为一系列近似的差分方程，即用离散算子逼近偏微分方程中的各项，之后用迭代法求解以得到期权价值。
运用蒙特卡罗模拟进行风险分析 蒙特卡罗模拟由著名的摩纳哥赌城而得名，他是一种非常强有力的方法学。对专业人员来说，这种模拟为方便的解决困难而复杂的实际问题开启了一扇大门。估计蒙特卡罗模拟最著名的早期使用是诺贝尔奖物理学家Enrico Fermi（有时也说是原子弹之父）在1930年的应用，那时他用一种随机方法来计算刚发现的中子的性质。蒙特卡罗模拟是曼哈顿计划所用到的模拟的核心部分，在20世纪50年代蒙特卡罗模拟就用在Los Alamos国家实验室发展氢弹的早期工作中，并流行于物理学和运筹学研究领域。兰德公司和美国空军是这个时期主要的两个负责资助和传播蒙特卡罗方法的组织，今天蒙特卡罗模拟也被广泛应用于不同的领域，包括工程，物理学，研发，商业和金融。 简而言之，蒙特卡罗模拟创造了一种假设的未来，它是通过产生数以千计甚至成千上万的样本结果并分析他们的共性实现的。在实践中，蒙特卡罗模拟法用于风险分析，风险鉴定，敏感度分析和预测。模拟的一个替代方法是极其复杂的随机闭合数学模型。对一个公司的分析，使用研究生层次的高等数学和统计学显然不合逻辑和实际。一个出色的分析家会使用所有他或她可得的工具以最简单和最实际的方式去得到相同的结果。任何情况下，建模正确时，蒙特卡罗模拟可以提供与更完美的数学方法相似的答案。此外，有许多实际生活应用中不存在闭合模型并且唯一的途径就是应用模拟法。那么，到底什么是蒙特卡罗模拟以及它是怎么工作的？ 什么是蒙特卡罗模拟？ 今天，高速计算机使许多过去看来棘手的复杂计算成为可能。对科学家，工程师，统计学家，管理者，商业分析家和其他人来说，计算机使创建一个模拟现实的模型成为可能，这有助于做出预测，其中一种方法应用于模拟真实系统，它通过调查数以百计甚至数以千计的可能情况来解释随机性和未来不确定性。结果通过编译后用于决策。这就是蒙特卡罗模拟的全部内容。 形式最简单的蒙特卡罗模拟是一个随机数字生成器，它对预测，估计和风险分析都很有用。一个模拟计算模型的许多情况，这通过反复地从预先定义的特定变量概率分布中采集数据并将之应用于模型来实现。因为所有的情况都产生相应的结果，每种情况都可以蕴含一种预测。预测的是你定义为重要模型结果的事项（通常含有公式或函数）。 将蒙特卡罗模拟法想象为从一个大篮子里可放回的反复拿出高尔夫球。拦在的大小和形
材料五：蒙特卡洛方法模拟期权定价 1．蒙特卡洛方法模拟欧式期权定价 利用风险中性的方法计算期权定价： ?()rt T f e E f -= 其中，f 是期权价格，T f 是到期日T 的现金流，?E 是风险中性测度 如果标的资产服从几何布朗运动： dS Sdt sdW μσ=+ 则在风险中性测度下，标的资产运动方程为： 2 0exp[()]2T S S r T σ=-+ 对于欧式看涨期权，到期日欧式看涨期权现金流如下： 2 (/2)max{0,(0)}r T S e K σ-+- 其中，K 是执行价，r 是无风险利率，σ是标准差， ε是正态分布的随机变量。 对到期日的现金流用无风险利率贴现，就可知道期权价格。 例1 假设股票价格服从几何布朗运动，股票现在价格为50，欧式期权执行价格为52，无风险利率为0.1，股票波动标准差为0.4，期权的到期日为5个月，试用蒙特卡洛模拟方法计算该期权价格。 下面用MA TLAB 编写一个子程序进行计算： function eucall=blsmc(s0,K,r,T,sigma,Nu) %蒙特卡洛方法计算欧式看涨期权的价格 %输入参数 %s0 股票价格 %K 执行价 %r 无风险利率 %T 期权的到期日 %sigma 股票波动标准差 %Nu 模拟的次数 %输出参数 %eucall 欧式看涨期权价格 %varprice 模拟期权价格的方差 %ci 95%概率保证的期权价格区间
randn('seed',0); %定义随机数发生器种子是0, %这样保证每次模拟的结果相同 nuT=(r-0.5*sigma^2)*T sit=sigma*sqrt(T) discpayoff=exp(-r*T)*max(0,s0*exp(nuT+sit*randn(Nu,1))-K) %期权到期时的现金流 [eucall,varprice,ci]=normfit(discpayoff) %在命令窗口输入：blsmc(50,52,0.1,12/5,0.4,1000) 2． 蒙特卡洛方法模拟障碍期权定价 障碍期权，就是确定一个障碍值b S ，在期权的存续期内有可能超过该价格，也可能低于该价格，对于敲出期权而言，如果在期权的存续期内标的资产价格触及障碍值时，期权合同可以提前终止执行；相反，对于敲入价格，如果标的资产价格触及障碍值时，期权合同开始生效。 当障碍值b S 高于现在资产价格0S ，称上涨期权，反之称下跌期权。 对于下跌敲出看跌期权，该期权首先是看跌期权，股票价格是0S ，执行价格是K ，买入看跌期权就首先保证以执行价K 卖掉股票，下跌敲出障碍期权相当于在看跌期权的基础上附加提前终止执行的条款，内容是当股票价格触及障碍值b S 时看跌期权就提前终止执行。因为该期权对于卖方有利，所以其价格应低于看跌期权的价格。 对于下跌敲出看跌期权，该期权首先是看跌期权，股票价格是0S ，执行价格是K ，买入看跌期权就首先保证以执行价K 卖掉股票，下跌敲出障碍期权相当于在看跌期权的基础上附加提前终止执行的条款，内容是当股票价格触及障碍值b S 时看跌期权就提前终止执行。因为该期权对于卖方有利，所以其价格应低于看跌期权的价格。 对于下跌敲入看跌期权，该期权首先是看跌期权，下跌敲出障碍期权相当于在看跌期权的基础上附加提前何时生效的条款，内容是当股票价格触及障碍值b S 时看跌期权开始生效。 当障碍值b S 确定时，障碍期权存在解： 4275{()()[()()]}rT P Ke N d N d a N d N d -=--- 03186{()()[()()]}S N d N d b N d N d ---- 其中 212/0()r b S a S σ-+=， 212/0()r b S b S σ+=， 2 1d =
课程：数理金融实验日期：2013 年 5 月21 日班级：数学102 交报告日期：2013 年 5 月23 日姓名：张瑞琪报告退发：（订正、重做）学号：201012010213 教师：刘利明 实验名称：标准欧式看涨期权定价的蒙特卡洛模拟 一、实验预习： 1.标准欧式看涨期权的定价模型。 2.标的资产到期日价格的运动轨迹或分布. 3.蒙特卡洛模拟的过程 二、实验的目的和要求： 通过对标准的欧式期权进行定价模拟，掌握标的资产到期日价格的分布，会熟练运用蒙特卡洛模拟进行期权的定价模拟，并学会分析模拟次数、模拟精度之间的关系，最后和标准的欧式期权的解析解比较给出相对误差。 三、实验过程：（实验步骤、原理和实验数据记录等） 参数：起初（或0时刻）S取学号后3位除以10取整，然后加上学号最后一位（例如：200912010119，S=[119/10]+9=20）；X取S加3；r取0.03；T取0.25；σ取0.5。 注意：实验为标准的欧式看涨期权。 实验原理 1.标准欧式看涨期权的定价模型。 (1)看涨期权价格的上限。在任何情况下，期权的价值都不会超过标的资产的价格。否则的话，套利者就可以通过买入标的资产并卖出期权来获取无风险利润。 c S c代表欧式看涨期权价格，S代表标的资产价格 （2）)看涨期权价格的下限。 2.标的资产到期日价格的运动轨迹或分布. 3.蒙特卡洛模拟的过程 蒙特卡洛模拟（Monte Carlo simulation）：计算机仿真 蒙特卡洛模拟也是一种非参数方法，其计算原理与历史模拟法相同，都是通过模 拟资产回报的得到各种可能结果，并由此计算VaR。
陕西科技大学理学院实验报告 与历史模拟不同的是：蒙特卡洛模拟法对资产价格分布的估计不是来自历史的观测值，而是通过产生大量的随机数得到的。 蒙特卡洛模拟法的本质：把所有的可能列出（枚举法）。 基本步骤 1情景产生：通过产生服从某种分布的随机数，构造可能情景（比如东南亚金融危机）。 2资产估值：在每个情景下计算资产的价格。 3估计VaR ：根据资产价格分布，计算某个置信水平下的VaR 。 S=[213/10]+3=24 ,X=S+3=27 ,r=0.03 ,T=0.25 , σ=0.5 四、实验总结：（实验数据处理和实验结果讨论等） 实验数据处理 1.标准的欧式期权定价（风险中性定价）： 当t ?很小时：T t =? d u d e p t r --=? （8.4） t e u ?=σ （8.5） t e d ?-=σ （8.6） ) 0,*max()0,*max(X s d f X s u f d u -=-= 从而 ()1r t u d f e pf p f -?=+-???? 带入 25.0=?t ，S=24，X=27，r=0.03,T=0.25,σ=0.5 得期权价格为：f =1.7150 程序代码： b=0.5,r=0.03,T=0.25,s=24,x=27; u=exp(b*sqrt(T)); d=exp(-(b*sqrt(T))); p=(exp(r*T)-d)/(u-d); f1=max(u*s-x,0); f2=max(d*s-x,0); f=exp(-(r*T))*(p*f1+(1-p)*f2) 2.蒙特卡洛模拟的过程(1000次模拟): Price =1.7570 程序代码：
第八章蒙特卡洛期权定价方法 在金融计算中蒙特卡洛模拟是一种重要的工具：可以用来评估投资组合管理规则、为期权定价、模拟套期保值交易策略、估计风险价值。蒙特卡洛方法主要的优势在于对大多数情况都适用、易于使用、灵活。它把随机波动性和奇异期权的很多复杂特性都考虑进去了，更倾向于使用处理高维问题，而网格和PDF分析框架却不适用。蒙特卡洛模拟潜在的劣势在于它的计算量大。多次的重复需要完善我们所关注的置信区间的估计。利用方差缩减技术和低差异序列可以部分的解决这个问题。本章的目的是解释这些技术在一些例子上的应用，包括一些路径依赖型期权。这章是第四章的延伸，在第四章里我们讨论了蒙特卡洛积分。需要强调的是蒙特卡洛方法是概念上的一个数字积分工具，即使我们适用更多的“模拟”或“抽样”。在使用低差异序列而不是伪随机生成时这需要牢记。 如果可能，我们可以把模拟的结果和分析公式进行比较。很明显我们这样做的目标是一个纯粹的教学。如果你要计算一个矩形房间的面积，你只需要用房间的长度乘以房间的宽度即可，而不必要计算有多少次一块标准砖与这个表面相匹配。尽管如此，你还是应该学会在一些简单案例中首先适用模拟的方法，在这些简单的例子中我们可以检验答案的一致性；更进一步，我们也要看为达到方差减小的目的分析公式可用于的模拟期权可能更有力的控制变量。 蒙特卡洛应用的出发点是生成样本路径，这个生成的样本路径给予一个描述价格（或利率）动态的随机微分方程。在8.1节我们解释几何布朗运动的路径生成；
在一个具体例子中模拟两个对冲策略，我们也会讨论布朗桥，它是适时推进模拟样本的一个替代方案。在8.2节将讨论交换期权，它被用作为一个如何将这种方法推广到多维过程的一个简单实例。在8.3节我们考虑一个弱路径依赖型期权的例子，这是个下跌敲出看跌期权；我们加入了有条件的蒙特卡洛和为减小方差抽样的重要性。在8.4节将讨论到强路径依赖型期权，同时我们证明了运用控制变量和低差异序列为算术平均亚式期权定价。我们以概述由蒙特卡洛抽样产生的估计期权敏感性的基本问题来结束本章；在8.5节我们考虑一个普通的看涨期权A的简单案例。在第10.4节将讨论到随机模拟期权定价的另一个应用，它应用于美式期权；而一个简单的模拟方法在早期的应用中不可实行，并且这个问题在随机动态优化的框架里被强制转换。 8.1 路径生成 蒙特卡洛期权定价方法的应用的出发点是对样本基本因素路径的产生。对于一般的期权就像在第四章里面一样不需要产生路径：只需要关注标的资产到期日的价格。但是如果路径依赖型期权，我们就需要整条路径或者至少需要在给定时刻的一系列价值。如果服从几何布朗运动，情况的处理就非常简单。事实上，必须认识到在路径生成中有两个误差源：样本误差、离散误差。 样本错误时因为蒙特卡洛方法的随机性，这个问题可以通过减小方差的办法得到缓解。为了理解什么是离散错误，我们考虑一个典型的离散连续时间模型，例如：伊藤随机微分方程：