所有期權指南
用一個變換計算一組行使價閱讀時間 15 分鐘
Carr–Madan Fourier 期權定價詳解
了解 Carr–Madan 阻尼、複位移特徵函數、FFT 網格與數值誤差控制如何產生期權價格
由 Mark 撰寫 · 官方資料列於文末
直接解答
Carr–Madan 定價為認購期權價格函數乘上指數阻尼,使其可進行 Fourier 變換;複位移後的特徵函數提供該變換,FFT 則可一次恢復多個對數行使價的價格
此方法是定價引擎而非模型
Carr–Madan 從到期對數價格的風險中性特徵函數,以及關於對數行使價的歐式認購期權價格函數出發
它在 Fourier 空間重新排列相同的貼現期望,把類似卷積的計算轉成乘積和常規積分
此方法不選擇波幅、跳躍或風險溢價;這些因素由具體模型的特徵函數提供
阻尼修復認購期權價格的變換
當對數行使價 k 趨向負無窮時,認購期權接近類似遠期的內在價值區域,因而不能在全部 k 上積分
對適當正數 α,把 C(k)乘以 e^{αk},可在所需矩存在時令阻尼函數在兩端衰減
阻尼參數是分析工具,不代表市場偏好,也不是需要校準的額外模型參數
複位移連接價格與分布
在常見慣例下,e^{αk}C(k)的 Fourier 變換使用 u−i(α+1)處的對數價格特徵函數
變換後認購期權支付的分母含 α 與頻率 u;若 Fourier 符號或對數價格定義改變,符號也會變化
複位移要求 E[S_T^{α+1}]有限,因此任意增大 α 可能超出模型矩域
FFT 建立互相限制的兩個網格
可按每個行使價分別積分,FFT 則能一次計算等間距的一組對數行使價
點數 N、頻率間距 η 與對數行使價間距 λ 存在倒數關係,常寫為 λη=2π/N
固定 N 時,更闊的行使價範圍意味更粗的間距,覆蓋範圍與解像度不能獨立選擇
多種誤差可能看似模型現象
截斷無限頻率積分會產生尾部誤差,離散化則產生求積誤差
離散變換隱含的周期延拓造成混疊,使用網格外行使價還會加入插值誤差
Simpson 權重有時能改善求積,卻不能修復範圍不足、無效矩或不穩定的特徵函數
Alpha 應選在矩條帶內
Alpha 要足夠大以阻尼支付,同時足夠小,使位移後的特徵函數存在並保持數值穩定
合適取值視期限、模型參數、尾部行為與變換慣例而定,不存在保證通用的 alpha
應測試一段可容許 alpha,並要求價格在目標容差內一致,而不是優化單一輸出
正式使用需要獨立檢查
先恢復 Black–Scholes 價格,再檢查認沽認購平價、行使價單調性、凸性、價格界限與鞅條件
分別增加 N、積分範圍與精度,以識別收斂,而不是一次改變所有控制項
選取部分行使價和直接求積及另一種定價方法比較;了解誤差預算後,速度才有意義
常見問題
Carr–Madan 方法計算甚麼?
它用風險中性特徵函數與 Fourier 逆變換計算歐式期權價格,通常可同時處理多個行使價
為甚麼要阻尼認購期權價格?
未阻尼的價格函數無法在全部對數行使價上積分,指數阻尼使其擁有可用的 Fourier 變換
必須使用 FFT 嗎?
不必。Carr–Madan 積分也可直接求積;FFT 是具有自身網格限制的高效實現
如何選擇 Alpha?
應在模型有限矩域內選擇,並確認價格在合理的可容許範圍和多種數值設定下保持穩定
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標,讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權