美式期权定价实战：用Quantsbin二叉树与蒙特卡洛LSM法给提前行权期权估值

美式期权定价实战用Quantsbin二叉树与蒙特卡洛LSM法给提前行权期权估值【免费下载链接】QuantsbinQuantitative Finance tools项目地址: https://gitcode.com/gh_mirrors/qu/Quantsbin美式期权可以随时提前行权无法用 Black-Scholes 解析公式直接求解。本文用开源量化金融工具Quantsbin手把手演示如何用二叉树模型Binomial Tree与蒙特卡洛 LSM 法Longstaff-Schwartz给提前行权期权估值帮新手快速跑通美式期权定价的完整流程。为什么美式期权必须用数值方法定价欧式期权European只能在到期日行权可以直接套用 BSM 闭式解。但美式期权American允许在到期前任意时刻提前行权这个行权时机选择让解析公式失效。Quantsbin 在 namesnmapper.py 的OBJECT_MODEL映射里明确区分了两种到期类型到期类型可选定价模型European欧式BSM、MC_GBM、BinomialAmerican美式MC_GBMLSM、Binomial可以看到美式期权只能走两条数值路线二叉树和蒙特卡洛 LSM。下面逐一拆解。快速上手安装与核心模块一行命令安装即可pip install quantsbin核心模块结构如下理解它们有助于你快速定位源码quantsbin/derivativepricing/instruments.py定义各类标的期权对象EqOption股票、FXOption外汇等quantsbin/derivativepricing/pricingmodels.py各定价模型实现BinomialModel、MonteCarloGBMquantsbin/derivativepricing/engineconfig.pyPricingEngine把标的与模型绑定quantsbin/montecarlo/stimulations.py几何布朗运动路径模拟第一步定义美式期权标的用EqOption创建一只股票期权对象关键参数是expiry_typeAmerican、行权价strike、到期日expiry_dateimport quantsbin.derivativepricing as qbdp am_option qbdp.EqOption( option_typeCall, expiry_typeAmerican, # 关键美式到期 strike100, expiry_date20180630 ) print(am_option.list_models()) # 查看可用模型MC_GBM, Binomiallist_models()会返回该标的可用的模型列表避免你传入非法模型时踩坑。二叉树模型美式期权定价的经典方法二叉树把到期时间切成no_of_steps步股价每步按固定倍数上跳/下跳然后从到期日往回倒推。其核心实现在 pricingmodels.py 的BinomialModel上跳倍数up_mult由波动率决定[up_mult 定义](https://link.gitcode.com/i/3945f3849da5457a90875964a3d7c9fa#L431-L433)风险中性上涨概率up_prob[up_prob 定义](https://link.gitcode.com/i/3945f3849da5457a90875964a3d7c9fa#L435-L437)提前行权判断每个节点取继续持有价值与立即行权内在价值的较大者[node_value_store](https://link.gitcode.com/i/3945f3849da5457a90875964a3d7c9fa#L443-L447)递归倒推node_value[node_value 实现](https://link.gitcode.com/i/3945f3849da5457a90875964a3d7c9fa#L456-L471)那行max(pv, intrinsic_value)就是美式期权定价的灵魂——它让模型在每个节点自动判断是否提前行权。调用方式只需给engine指定modelBinomialengine am_option.engine( modelBinomial, spot0110, pricing_date20180531, volatility0.25, rf_rate0.05, no_of_steps100 ) premium engine.valuation()提示二叉树步数越多精度越高但步数上限目前为 100可在后续版本中提升。蒙特卡洛 LSM 法模拟提前行权的灵活方案蒙特卡洛通过模拟成千上万条股价路径来估算期权价格。但对美式期权直接对到期收益取均值会低估因为它忽略了提前行权的价值。Quantsbin 采用LSM 回归解决这一问题实现见 pricingmodels.py 的LSM_model用几何布朗运动模拟完整路径[GeometricBrownianMotion._stimulate_path](https://link.gitcode.com/i/2573c979ff289c10c90c8377e8fe3e22#L55-L69)从到期日向回逐节点走对继续持有的折现价值做Laguerre 多项式回归拟合在每个节点比较立即行权价值与回归得到的继续持有价值取较大者核心判断逻辑在这一行[LSM 提前行权比较](https://link.gitcode.com/i/3945f3849da5457a90875964a3d7c9fa#L367-L368)engine am_option.engine( modelMC_GBM, spot0110, pricing_date20180531, volatility0.25, rf_rate0.05, no_of_path10000, no_of_steps100, seed100 ) premium engine.valuation() # 自动调用 LSM美式期权默认走全路径模拟无需手动切换valuation 自动分发 会直接调用LSM_model()。两种方法怎么选精度、速度与适用场景对比维度二叉树 Binomial蒙特卡洛 LSM提前行权处理节点max比较直观LSM 回归拟合灵活默认路径数/步数步数 ≤ 10010000 条路径结果确定性完全确定随机可用seed复现高维/多资产维度爆炸受限天然适合高维适用新手概念直观推荐先学灵活强大进阶掌握简单说想快速理解提前行权原理先跑二叉树要处理复杂路径或高维情形用 LSM。顺便算一下风险指标Greeks美式期权没有解析 GreeksQuantsbin 通过 numericalgreeks.py 的NumericalGreeks用数值微分扰动参数后重估来近似。绑定引擎时由 PricingEngine.risk_parameters 自动路由到数值计算greeks engine.risk_parameters() # delta、gamma、theta、vega、rho对于欧式期权则走解析 GreeksBSM 框架这套路由逻辑在 engineconfig.py 中一目了然。实战小结美式期权因提前行权必须用数值方法Quantsbin 提供二叉树与蒙特卡洛 LSM两条路线用EqOption(expiry_typeAmerican, ...)定义标的engine(modelBinomial/MC_GBM, ...)绑定模型二叉树靠节点max判断行权概念直观LSM 靠回归拟合适合复杂场景美式期权 Greeks 用数值法计算一键risk_parameters()获取更多用法示例可参考项目自带的 test.py掌握这套组合拳你就拥有了一个覆盖股票、外汇、商品、期货的完整美式期权定价工具箱。【免费下载链接】QuantsbinQuantitative Finance tools项目地址: https://gitcode.com/gh_mirrors/qu/Quantsbin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考