Oceňování opcí pomocí Black-Scholesova modelu
Opce jsou nejrozšířenějším derivátem na světě a slouží ke správě rizika spojeného s cenou aktiv. V tomto cvičení oceníš evropskou call opci na akcie IBM pomocí Black-Scholesova vzorce pro oceňování opcí. Data IBM_returns jsou načtena ve tvém pracovním prostoru.
Nejprve vypočítáš volatilitu sigma z IBM_returns jako anualizovanou směrodatnou odchylku.
Poté použiješ funkci black_scholes(), připravenou pro toto a následující cvičení, k ocenění opcí pro dvě různé úrovně volatility: sigma a dvojnásobek sigma.
Realizační cena K, tedy cena, za kterou má investor právo (nikoliv povinnost) koupit akcie IBM, je 80. Bezriziková úroková sazba r je 2 % a tržní spotová cena S je 90.
Zdrojový kód funkce black_scholes() najdeš zde.
Toto cvičení je součástí kurzu
Kvantitativní řízení rizik v Pythonu
Pokyny k cvičení
- Vypočítej volatilitu
IBM_returnsjako anualizovanou směrodatnou odchylkusigma(volatilitu jsi anualizoval/a už v kapitole 1). - Pomocí poskytnuté funkce
black_scholes()vypočítej cenu evropské call opcevalue_spodle Black-Scholesova modelu při volatilitěsigma. - Dále zjisti cenu opce
value_2spodle Black-Scholesova modelu při volatilitě 2 *sigma. - Zobraz
value_savalue_2sa sleduj, jak se cena opce mění se zvýšením volatility.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Compute the volatility as the annualized standard deviation of IBM returns
sigma = np.sqrt(____) * IBM_returns.____
# Compute the Black-Scholes option price for this volatility
value_s = black_scholes(S = 90, X = 80, T = 0.5, r = 0.02,
sigma = ____, option_type = "call")
# Compute the Black-Scholes option price for twice the volatility
value_2s = ____(S = 90, X = 80, T = 0.5, r = 0.02,
sigma = ____, option_type = "call")
# Display and compare both values
print("Option value for sigma: ", ____, "\n",
"Option value for 2 * sigma: ", ____)