【學程式主題小聚-利用Python與Balck Scholes來制定選擇權評價模型】

相信大家都有聽過股票但是選擇權比較鮮少人會特別注意到亦或是想深刻的了解的

其實，台灣人對於金融市場是非常熱衷的，這次Raymod身為一名股權衍生性金融商品交易員來告訴我們

身為一名交易員他對於選擇權中有什麼該注意的，以及選擇權中交易的細節都在這場小聚都仔細地分享給我們！

對Python＋金融有興趣的朋友可以來到Raymond的部落格走走喔

雷蒙的Python投資筆記版主(https://raymond-investment.com/)

衍生性金融商品介紹

由標的資產延伸(衍生)出來，並可以利用金錢衡量的商品
股票、期貨、利率、外匯、原物料等
高槓桿 → 高風險

什麼是選擇權

定義：有權利於某時間用某價格買進或賣出標的資產

用途：投機或避險

相關參數：買賣權，波動率、標的資產價格、履約價、到期時間、利率

Raymond也舉了1月的總統大選當例子，

總統大選前應該就要先避險，也是因爲新的執政黨剛上任會影響金融市場。

要會假想整體局勢，會比較像賭博概念！

再購入選擇權時，當然也要了解風險，要掌握的住會輸多少

有種「要戰勝敵人，就得先瞭解敵人」的感覺

股票的買入賣入是1:1，選擇權則是1:4，風險這麼高的請況下，這時，我們就是要學選擇權評價

可以幫助我們以下幾點

避免錯價買入或賣出
瞭解最新波動度狀況與波動度變動情形
判斷市場是否錯價 → 交易機會
瞭解真正承擔的風險

Raymond分享交易所中會使用的Black sholes選擇權定價模型，可以來預測選擇權是否會漲！

此圖為Black sholes選擇權定價模型

使用Python 製作模型

第一步：我們會使用三個套件來幫助建模

numpy
scipy.stats
norm

import numpy as np
Import scipy.stats import norm

第二步：Black-Scholes需要用到指數(Exponential)與常態累積分配(Normal distribution C.D.F)的科學計算

def Black_Scholes(S, K, T, r, Sigma, CallPut_Flag):
       S = float(S)  #股票價格
       K = float(K)  #選擇權履約價
       T = float(T)  #距到期日期間(年)
       r = float(r)   #利率
       Sigma = float(Sigma)  #波動率
       CallPut_Flag = str(CallPut_Flag)  #買權或賣權

       d1 = (np.log(S/K) + (r+0.5*Sigma**2)*T)/(Sigma*np.sqrt(T))
       d2 = d1 – Sigma*np.sqrt(T)

       If CallPut_Flag == ‘Call’:
             return S* norm.cdf(d1) – K*np.exp(-r*T)* norm.cdf(d2)
       elif CallPutFlag == ‘Put’:
             return K*np.exp(-r*T)*norm.cdf(-d2) – S * norm.cdf(-d1)
       else:
             return None

學習Python之後，其實幫助你建模以及預估趨勢其實非常方便呢！

不妨喜歡金融的夥伴們，也試著玩玩看這一個選擇權評價模型吧！