人工智慧金融投資決策_蒙地卡羅模擬歐式買權定價演算法
用蒙地卡羅法估算歐式買權1000次股價路徑 假設有一個商品50元,買家先跟賣家先約定好一年後要用60元去購買此商品。 若我們能夠預先估測一年後此商品出現在不同價位的機率是多少,那賣家就可以去估測賣給買家的這份合約應該值多少錢,而這有一個公平計價基準,也就是選擇權定價。 Black-Scholes 選擇權定價公式 買權(Call Option) 賣權(Put Option) 其中: S 0 S_0 S 0 : 目前股票價格 ,也就是時間 t = 0 t=0 t = 0 時的股價。 K K K : 履約價格(Strike Price) 。 r r r : 無風險利率(Risk-free Rate) 。 T T T : 選擇權剩餘期間 ,以「年」為單位;實務上通常以交易日換算,例如一年約 252 個交易日 。 σ \sigma σ :股票價格的 年化波動率(Volatility) 。 N ( x ) N(x) N ( x ) : 標準常態分布的累積分布函數(CDF) 。 而 N ( x ) N(x) N ( x ) 可以理解成一個標準常態分布隨機變數,小於等於 x 的累積機率。 其數學表示為: 白話理解 Black-Scholes 公式就是利用 目前股價、履約價、無風險利率、到期時間、波動率 這 5 個主要因素,計算歐式買權與賣權的理論價格。 其中 d 1 d_1 d 1 、 d 2 d_2 d 2 可以先把它們視為公式中的「中間計算值」, 再透過標準常態分布的累積機率 N ( d 1 ) N(d_1) N ( d 1 ) 、 N ( d 2 ) N(d_2) N ( d 2 ) ,最後算出 Call 與 Put 的理論價格。 這邊用到Monte Carlo Simulation給予一些前置假設,嘗試去模擬一千到一萬次股價分佈,去計算期望值反推。 也可以白話來理解為 未來的股票價格變動 = 可預期的報酬趨勢 + 無法預測的隨機波動。 先備知識可參考蒙地卡羅求解圓周率 https://coolmandiary.blogspot.com/2026/08/monte-carlo-simulation_0688571789.html 蒙地卡羅法放到金融市場 一般化的維納過程(Wiener proce...