跳到正文

三項樹選擇權定價:三狀態格點與提前履約

建立上漲、持平、下跌的重組格點,校準風險中立機率,反向貼現,並檢查美式提前履約與數值收斂。

更新於

僅供教育參考,不構成投資建議;投資可能產生損失。

直接答案

三項樹把時間和價格離散成格點,標的每一步可上漲、維持中間水準或下跌。校準風險中立轉移機率後,先計算到期支付,再於各節點把機率加權價值折現,逐步反推至今天。

相較二項樹,多出的中間分支提供更多自由度來匹配動差、讓節點對齊履約價或障礙,並改善數值表現。但三分支不自動代表更精確;參數化、步數、股息、履約規則、邊界與市場輸入共同決定結果。

樹模型特別適合美式選擇權,因每個節點都可比較續抱與立即履約。三種分支是數值狀態,不是預測股票實際只會出現三個價格。本文討論普通股票選擇權的理論估值,重點是截至 2026-08-22 由 OCC 發行的美國交易所上市選擇權;券商核准、帳戶保證金、稅務與法律處理會因產品及司法管轄區而異,應向相關券商、交易所、OCC 資料及合資格顧問核實現行契約與帳戶條款。

格點與反向歸納

對步長 Δt,定義股票乘數 u > m > d 與機率 pᵤpₘp_d。重組樹使先漲後跌等路徑回到已有節點,以控制節點數量。此處 rq 是該步長內按連續複利計算的利率。

風險中立機率至少滿足:

pᵤ + pₘ + p_d = 1

且連續股息率為 q 時:

pᵤu + pₘm + p_d d = e^((r−q)Δt)

具體三項樹方案還會加入變異數或動差匹配條件,以決定三個機率與乘數;只有正規化與預期成長限制,既不能使三狀態單期市場完備,也不能選出唯一的風險中立測度。所有機率必須介於零與一;負「機率」表示網格或參數無效,不是交易預測。

到期時 Call 設 V = max(S−K,0),Put 設 max(K−S,0)。每個更早節點的歐式續抱價值為:

V_continue = e^(−rΔt)(pᵤVᵤ + pₘVₘ + p_dV_d)

美式選擇權則用:

V = max(V_continue, intrinsic value)

重複至根節點。離散現金股息要求股票樹或節點轉移反映除息下跌。Greeks 可由相鄰節點差分估算,但網格對齊與有限差分會帶來數值雜訊。

一步數字範例

S₀ = $100、Put 履約價 K = $105、一步無風險成長因子 R = 1.02。取 u = 1.10m = 1.00d = 0.90,機率:這些是假設的無股息教學輸入,並非針對某份市場報價選擇權或市場資料集進行校準。

pᵤ = 0.35pₘ = 0.50p_d = 0.15

其總和為一,預期股票成長為:

0.35(1.10) + 0.50(1.00) + 0.15(0.90) = 1.02 = R

到期股價 Put 支付 max(105−S,0) 機率加權支付
$110 $0 $0
$100 $5 $2.50
$90 $15 $2.25

歐式 Put 價值為:

V₀ = ($0 + $2.50 + $2.25) / 1.02 = $4.6569

美式 Put 在根節點立即履約價值是 $105 − $100 = $5。因 $5 > $4.6569,這棵一步樹選擇履約,美式 Put 價值為 $5

交叉檢查:在相同的無股息歐式假設下,對應 Call 只在上漲狀態支付 $5,故 C = 0.35($5)/1.02 = $1.7157。所以 C − P = −$2.9412,等於 S₀ − K/R = $100 − $105/1.02 = −$2.9412

模型檢查與風險

  • 寫明具體參數化;「三項樹」本身不定義 ud 或機率。
  • 拒絕負機率,驗證風險中立成長與變異數條件。
  • 增加步數並記錄收斂,別相信單一網格。
  • 相同假設下與 Black-Scholes 比較歐式結果,檢查內含價值與無套利界限。
  • 檢查美式價值不低於歐式價值,並觀察履約邊界。
  • 正確建模離散股息、利率、借券、履約方式、結算與契約調整。
  • 盡量讓重要履約價、障礙與股息日期對齊網格。
  • 壓測波動率、步數、時間離散與邊界選擇。
  • 區分模型價值與可成交 Bid/Ask、費用、滑價與市場深度。
  • 以獨立實作或基準案例檢查索引和折現錯誤。

常見誤解

  • 「三分支是在預測漲、平、跌。」它們是為定價校準的數值狀態。
  • 「機率是歷史發生率。」它們是模型決定的風險中立權重。
  • 「分支愈多愈準。」校準錯誤的三項樹仍然錯誤。
  • 「一步樹顯示提前履約,就代表現實應立即履約。」結果依賴粗略範例與省略輸入。
  • 「模型價就是可成交公允報價。」成交取決於供需、價差、庫存與成本。
  • 「收斂證明模型真實。」只證明給定假設內數值穩定,不證明假設符合市場。

相關主題

權威來源

導覽

搜尋知識庫...