"香草"之外的更多选择——几种常见的路径依赖奇异期权

在标准的期权合约中，买方通过支付一定的权利金后，有权在未来特定时间对标的资产以特定的价格进行买入或卖出。这类期权称为Vanilla Option，中文直译“香草期权”，这是因为Vanilla是口味最普通的冰淇淋，因而指代普通期权。相较于普通期权，在期权性质、标的资产及行权有效期等方面存在差异的期权，一般称为“奇异期权”（Exotic options）。奇异期权一般在场外交易。其中，路径依赖的期权属于一类重要的奇异期权。该类期权基于标的资产在续存期内的价格路径而决定期权价值，这给予投资者更加灵活的选择，同时也在一定程度上增加了场外期权的流动性。

路径依赖概念

传统的香草期权的回报仅仅取决于期权到期日标的资产价格与其执行价之间的差值，而不管标的资产的波动路径。而在实际的期权续存期内，标的资产的价格变化动向是不定的，其可以从执行价格上方回落，也可以从执行价格下方上涨，甚至存在非常曲折的价格波动形式。许多学者认为标的资产的价格波动与期权的价值息息相关，而传统的香草期权在这方面无能为力。所谓路径依赖期权，是以其在期权合同续存期内，依据标的资产的价格波动，在指定时间内以规定的价格购买或销售标的资产的权利，但不负有必须的购买或出售的义务。其设计初衷就是为捕捉一定价格波动条件下标的资产结算价格的触发模式。相对而言，较为流行的路径依赖期权有四种：亚式期权（asian options）、障碍期权(barrier options)、回望期权( lookback options)及远期开始期权(forward-start options)。

亚式期权

亚式期权是指其回报由在期权到期日之前某一特定时间段内标的资产的均价与执行价格共同确定的期权，因此又称为均价期权。

根据不同的计价方式，可以将亚式期权分为平均市价期权和平均执行价格期权。平均执行价格期权指规定的执行价格为标的资产一段时间内的平均价格而非香草期权那种固定的执行价格。作为一种比香草期权更便宜的对冲手段，亚式期权通常被那些有适量预期资金流的公司所青睐。这是因为如果未来需要资金的具体时间不确定，或者需要资金的数量随着时间和其他资产价格的变化而变化，通过亚式期权可以方便地对冲。而基于亚式期权对于价格平均的特性，也使得他人难以操纵股票价格。

障碍期权

障碍期权可能是最古老的奇异期权。其实质为一种条件性期权，即其有效性取决于在期权续存期内标的资产的市价是否触及确定的界限（障碍）。障碍期权通
常有两种形式：敲入(knock-in)期权和敲出(knock-out)期权。

敲入期权指当标的资产市价达到触发水平（障碍）时，期权生效。

而敲出期权则相反，当标的资产的市价达到触发水平时，该期权失效。基于标的资产市价可以自上而下突破，也可以自下而上突破，因而障碍期权又可以分为向上障碍期权和向下障碍期权。

如此障碍期权共可以细分为八类：向下敲入看涨期权、向上敲入看涨期权、向下敲出看涨期权、向上敲出看涨期权、向下敲入看跌期权、向上敲入看跌期权、向下敲出看跌期权、向上敲出看跌期权。

回望期权

回望期权是一种回报不仅取决于标的资产的执行价格，同时还取决于期权续存期内标的资产的最高价或者最低价的期权。

其有两种形式：浮动执行价格回望期权和固定执行价格回望期权。浮动执行价格期权的执行价格不固定，其由“回望”期内标的资产的市场价格最低值或最高值决定。浮动回望看涨期权的回报是标的资产的结算价与期权续存期内标的资产最低价之差。浮动回望看跌期权的回报为标的资产在期权续存期内最高价与标的资产结算价之差。因而这些期权的回报可能最大，是一种依据“最小后悔决策”原则制订的期权。

固定回望看涨（跌）期权的回报是在期权续存期内标的资产的最高价与固定执行价格之差（固定执行价格与最低价之差）。

虽然回望期权最后行权价处于价内的概率高于普通期权但这并不意味着浮动回望期权是包赚不赔的，基于回望期权的特性，其权利金是相当昂贵的。同时，如果在回望期内最低价不够低，或是最高价不够高，盈利无法弥补“回望”的权利金支出，期权的买方就会亏损。同时，较高的权利金也是回望期权没有被广泛使用的原因。

远期开始期权

远期开始期权指预先支付权利金，在未来某个特定时间开始的期权，其执行价格即为期权启动时刻标的资产的价格。投资者通常需要选择合适的期权条款以便该期权在启动时刻处于平价状态。远期开始期权的回报取决于在不同时间点的行权价与标的资产市价价差，该特性在利率市场有着较为广泛的应用。

— — — — — — E N D — — — — — —

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：
遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘
一个Call搅动市场？让我们温习一下波动率策略
如何用真格量化设计持仓排名跟踪策略
还不理解真格量化API设计？我们不妨参考一下CTP平台
理解同步、异步、阻塞与非阻塞
隐波相关系数和偏度——高维风险的守望者
Delta中性还不够？——看看如何设计Gamma中性期权策略

Python的多线程和多进程——从一个爬虫任务谈起
线程与进程的区别
皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类

Python编码的最佳实践总结

什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待？——如何衡量市场流动性
波动率指数及其衍生品介绍

Python的异常处理技巧

Python中的阻塞、异步与协程