เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การกำหนดราคาออปชันและสินทรัพย์อ้างอิง

ออปชันโดยพื้นฐานแล้วคือการ เดิมพัน กับทิศทางราคาของสินทรัพย์อ้างอิงในอนาคต

ตัวอย่างเช่น put option จะมีมูลค่าเมื่อราคาสปอต (ราคาตลาด) ลดลง ต่ำกว่า ราคาใช้สิทธิ์ของออปชัน ผู้ถือออปชันอาจ ใช้สิทธิ์ ขายสินทรัพย์อ้างอิงที่ราคาใช้สิทธิ์ \(X\) แล้วซื้อคืนที่ราคาสปอต \(S < X\) ได้กำไร \(X - S\)

ในแบบฝึกหัดนี้ จะทำการประเมินมูลค่าและแสดงภาพ European put option บนหุ้น IBM โดยใช้สูตรราคา Black-Scholes ขณะที่ราคาสปอต \(S\) เปลี่ยนแปลง

ราคาใช้สิทธิ์ X = 140 เวลาจนถึงหมดอายุ T คือ 1/2 ปี และอัตราดอกเบี้ยปลอดความเสี่ยงอยู่ที่ 2%

ความผันผวนรายปีของ IBM มีให้ในตัวแปร sigma และแกนสำหรับพล็อตกราฟ option_axis พร้อมใช้งานแล้ว

ดูซอร์สโค้ดของฟังก์ชัน black_scholes() ได้ ที่นี่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด IBM_spot ให้เป็น 100 การสังเกตแรกจากข้อมูลอนุกรมเวลาราคาสปอตของ IBM
  • คำนวณ NumPy array ชื่อ option_values โดยวนซ้ำผ่านการ enumerate ของ IBM_spot และใช้สูตรราคา black_scholes()
  • พล็อต option_values เพื่อดูความสัมพันธ์ระหว่างการเปลี่ยนแปลงของราคาสปอต (สีน้ำเงิน) กับการเปลี่ยนแปลงของมูลค่าออปชัน (สีแดง)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Select the first 100 observations of IBM data
IBM_spot = IBM[:____]

# Initialize the European put option values array
option_values = np.zeros(IBM_spot.size)

# Iterate through IBM's spot price and compute the option values
for i,S in enumerate(____.values):
    option_values[i] = black_scholes(S = ____, X = 140, T = 0.5, r = 0.02, 
                        sigma = ____, option_type = "put")

# Display the option values array
option_axis.plot(____, color = "red", label = "Put Option")
option_axis.legend(loc = "upper left")
plt.show()
แก้ไขและรันโค้ด