布萊克-斯科爾斯公式：期權數學與交易聖盃

一個微分方程如何永遠改變了金融市場，以及為什麼它至今仍管理著數萬億美元。

引言：從物理學到財富

在 1973 年之前，期權交易就像荒野大鏢客。沒有人確切知道一個期權應該值多少錢。交易員依賴直覺、經驗法則和運氣。

當費舍爾·布萊克 (Fischer Black)、邁倫·斯科爾斯 (Myron Scholes) 和羅伯特·默頓 (Robert Merton) 發表了他們具有突破性的論文時，一切都改變了。他們採用了物理學中的熱傳導方程（描述熱量如何通過材料擴散），並將其應用於金融市場。斯科爾斯和默頓因此發現獲得 1997 年諾貝爾經濟學獎（遺憾的是，布萊克並未能活著看到那一刻）。

他們的公式為市場提供了一種通用的衍生品估值語言。但它究竟描述了什麼？

基本概念：期權的目的地

在深入研究數學之前，讓我們回顧一下期權的基本風險特徵（那些帶綠色和紅色線條的圖表）。

期權是一種合同，賦予在未來以預先約定的價格（行權價）購買或出售資產的權利（而非義務）。

方向性策略（買入看漲和買入看跌）的風險特徵。

期權中存在四種基本倉位：

1. 買入看漲 (Long Call)：你購買了買入資產的權利。如果標的資產價格 (S) 上漲，你的利潤理論上是無限的。你的最大損失是支付給期權的權利金。
2. 買入看跌 (Long Put)：你購買了賣出資產的權利。當市場下跌時，你賺錢。非常適合對沖投資組合。
3. 賣出看漲 (Short Call)：你賣出了買入權。你會立即收到權利金，但如果資產價格“一飛沖天”，你將承擔無限風險（回想一下 GameStop 軋空事件）。
4. 賣出看跌 (Short Put)：你賣出了賣出權。你會收到權利金，並承諾在資產價格下跌時買入。巴菲特經常使用這種方法以折扣價買入股票。

盈虧平衡點（Breakeven）計算為：行權價 (X) ± 期權權利金。

神秘方程：布萊克-斯科爾斯 PDE 分析

你經常在華爾街電影黑板上看到的公式是一個偏微分方程 (PDE)：

布萊克-斯科爾斯模型的數學結構以及看漲和看跌期權的定價公式。

$\frac{\partial V}{\partial t} + \frac{1}{2} \sigma^2 S^2 \frac{\partial^2 V}{\partial S^2} + rS \frac{\partial V}{\partial S} - rV = 0$

讓我們來分解它（我們保證它不像看起來那麼可怕）：

• $V$：期權價格（我們試圖找到的值）。
• $t$：時間。$\frac{\partial V}{\partial t}$ 顯示了期權的時間價值如何衰減（Theta）。
• $S$：標的資產價格 (Stock/Spot)。
• $\sigma$ (Sigma)：標的資產的波動率。波動率越高，期權越貴。
• $r$：無風險利率。

該方程本質上說明：由期權和標的資產組成的對沖（無風險）投資組合的收益必須等於無風險銀行存款的收益 ($rV$)。這被稱為無套利原則。

實際應用：使用 Python 計算價值

該方程的解析解為我們提供了著名的布萊克-斯科爾斯看漲和看跌價格公式：

$C = S_0 N(d_1) - X e^{-rT} N(d_2)$ $P = X e^{-rT} N(-d_2) - S_0 N(-d_1)$

其中： $d_1 = \frac{\ln(S_0/X) + (r + \sigma^2/2)T}{\sigma \sqrt{T}}$ $d_2 = d_1 - \sigma \sqrt{T}$

讓我們用 Python 來編寫它。將複雜的數學轉化為現成價格的程式碼：

import numpy as np
from scipy.stats import norm
import math

def black_scholes(S, X, T, r, sigma, option_type="call"):
    """
    使用布莱克-斯科尔斯模型计算期权价格。
    
    S: 当前标的资产价格
    X: 行权价 (Strike)
    T: 到期时间（以年为单位）
    r: 无风险利率
    sigma: 标的资产波动率
    option_type: "call" 或 "put"
    """
    
    if T <= 0:
        if option_type == "call":
            return max(0.0, S - X)
        else:
            return max(0.0, X - S)
            
    d1 = (math.log(S / X) + (r + 0.5 * sigma**2) * T) / (sigma * math.sqrt(T))
    d2 = d1 - sigma * math.sqrt(T)
    
    if option_type == "call":
        price = S * norm.cdf(d1) - X * math.exp(-r * T) * norm.cdf(d2)
    elif option_type == "put":
        price = X * math.exp(-r * T) * norm.cdf(-d2) - S * norm.cdf(-d1)
    else:
        raise ValueError("option_type 必须是 'call' 或 'put'")
        
    return price

current_price = 100.0   # 比特币 $100k（为什么不呢？）
strike_price = 100.0    # 平值 (ATM) 行权价
time_to_expiry = 30/365 # 30 天后到期
risk_free_rate = 0.05   # 5% 年化利率
volatility = 0.50       # 50% 波动率（典型的加密市场波动率）

call_price = black_scholes(current_price, strike_price, time_to_expiry, risk_free_rate, volatility, "call")
put_price = black_scholes(current_price, strike_price, time_to_expiry, risk_free_rate, volatility, "put")

print(f"看涨期权理论价格: ${call_price:.2f}")
print(f"看跌期权理论价格: ${put_price:.2f}")

期權之主：認識“希臘字母”

布萊克-斯科爾斯模型不僅給了我們一個價格，還給了我們被稱為“希臘字母” (The Greeks) 的風險管理工具。這些是期權價格相對於各種參數的導數（梯度）：

1. Delta ($\Delta$)：標的資產價格變動 1 美元時，期權價格如何變動。（對 S 的一階導數）。Delta 是你的方向性風險。
2. Gamma ($\Gamma$)：標的資產價格變動 1 美元時，Delta 如何變動。（對 S 的二階導數，即方程中的 $\frac{\partial^2 V}{\partial S^2}$）。Gamma 是你 Delta 的風險。
3. Theta ($\Theta$)：期權價值每天衰減多少。（對時間 $t$ 的變化）。它是期權買家的敵人，賣家的朋友。
4. Vega ($\mathcal{V}$)：波動率每跳升 1% 時，價格如何變動。（劇透：Vega 實際上不是希臘字母，但它已成為傳統）。
5. Rho ($\rho$)：對利率變化的敏感性。加密交易員很少關注它，因為加密市場波動太快。

量化做市商（例如在 Deribit 或期權 DEX 上）不斷交易標的資產，以保持其倉位“Delta 中性” ($\Delta = 0$)。他們通過點差以及隱含波動率 (Implied Volatility) 與歷史波動率之間的差異來獲利。

殘酷現實：模型的侷限性

布萊克-斯科爾斯是一個天才公式，但它在現實世界中，特別是在加密領域，存在致命缺陷：

1. 恆定波動率：該公式假設所有行權價的波動率都是相同的。實際上，存在“波動率微笑” (Volatility Smile) —— 虛值期權的價格往往高於模型的預測，因為交易員會為防範“黑天鵝”支付過高的保險費。
2. 對數正態分佈：該模型假設價格呈對數正態分佈，且極端波動是不可能的。在加密領域，極端波動（肥尾效應）只是家常便飯。
3. 連續交易：該公式假設你可以無成本地進行連續對沖。現實世界中的費用和滑點會迅速吞噬你的利潤。

結論

布萊克-斯科爾斯公式是量化金融的羅塞塔石碑。即便知道它的缺點，整個金融界仍然使用布萊克-斯科爾斯波動率來報價。

理解這個公式及其“希臘字母”是從普通交易員向量化研究員邁出的一步。下一次當你決定買入期權時，請記住：你交易的不只是價格方向，你還在交易波動率和時間。

進一步閱讀

• 維基百科上的布萊克-斯科爾斯模型
• Investopedia 上的期權：完整指南
• 衍生品與風險管理

程式碼倉庫

• GitHub 倉庫: suenot/options-pricing — 本文計算機和示例的完整原始碼。

祝對沖愉快！📈