{
  "id": "option-greeks",
  "title": "期权希腊字母",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "期权希腊字母衡量期权价值对标的价格、波动率、时间、利率及其他定价参数变化的敏感程度。",
  "category": "economics",
  "subcategory": "finance",
  "type": "concept",
  "aliases": [
    "期权希腊值",
    "期权敏感度",
    "期权风险敏感度"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/option-greeks/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/option-greeks/",
      "json": "https://aiwiki.page/en/option-greeks.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "期权希腊字母是衡量期权价格对定价所用变量变化的敏感程度的指标。主要指标包括 Delta、Gamma、Theta、Vega 和 Rho，分别描述期权对标的资产价格的敏感度、这种价格敏感度的变化、时间流逝、波动率以及利率的风险敞口。大多数希腊字母指标是定价函数的数学导数，而非可独立观测的市场变量。因此，其数值取决于合约、定价模型、市场输入参数，以及调整这些参数时采用的惯例。\n\n希腊字母将期权估值与市场风险管理联系起来。借助这些指标，可以比较和汇总不同行权价与到期日的头寸，并进行近似对冲。一个按市值衡量看似均衡的投资组合，仍可能对价格大幅变动、隐含波动率变化或到期日临近存在显著的风险敞口。希腊字母使这些不同的风险敞口清晰可见，但并不能涵盖所有可能导致损失的因素。\n\n人们熟悉的希腊字母记号体系是伴随现代期权定价理论发展起来的，尤其与费舍尔·布莱克、迈伦·斯科尔斯和罗伯特·C. 默顿于 1973 年发表的研究密切相关。如今，这套记号已广泛用于交易所交易和场外交易的衍生品，涵盖股票、外汇、利率及大宗商品等产品。解读所报告的希腊字母指标时，需要留意其单位、背后的定价假设，以及它表示的是局部导数，还是有限幅度的市场变动情景。"
    },
    {
      "heading": "数学基础与定价惯例",
      "text": "期权赋予持有人按约定条款买入或卖出标的资产的合同权利，但持有人不承担相应义务。行权价为 \\(K\\)、到期时刻为 \\(T\\) 的欧式看涨期权，其到期收益为 \\(\\max(S_T-K,0)\\)；欧式看跌期权的到期收益为 \\(\\max(K-S_T,0)\\)。美式期权允许在到期前行权。这一区别十分重要，因为提前行权权利的价值及其敏感度，通常不能用欧式期权合约的同一套公式求得。\n\n将期权价值写为\n\n\\[V=V(S,t;\\sigma,r,q,K,T),\\]\n\n其中，\\(S\\) 为标的价格，\\(t\\) 为当前时刻，\\(\\sigma\\) 为波动率，\\(r\\) 为利率，\\(q\\) 为连续收益率或股息率。剩余期限为 \\(\\tau=T-t\\)。基本希腊字母都是偏导数：每一个都衡量某一输入变量变化时的影响，同时保持指定的其他变量不变。这一限定至关重要。在波动率保持不变的条件下计算出的 Delta，未必等于市场波动率随标的价格一起变化时所观察到的价格敏感度。\n\n当变化足够小时，多元泰勒展开给出\n\n\\[\\begin{aligned} \\Delta V \\approx{}& \\Delta\\,\\Delta S +\\frac12\\Gamma(\\Delta S)^2 +\\Theta\\,\\Delta t +\\nu\\,\\Delta\\sigma +\\rho\\,\\Delta r\\\\ &+\\text{cross-variable and higher-order terms}. \\end{aligned}\\]\n\n这里，\\(\\Delta\\) 表示 Delta，而 \\(\\Delta S\\) 表示价格变化。许多短期盈亏归因分析都以这一展开式为基础。它是一种局部近似，并不能保证在市场发生大幅或不连续变动时仍能准确反映结果。\n\n标准的解析定价基准是 Black–Scholes 模型。对于标的资产支付连续收益的欧式看涨期权，\n\n\\[C=Se^{-q\\tau}N(d_1)-Ke^{-r\\tau}N(d_2),\\]\n\n其中\n\n\\[d_1= \\frac{\\ln(S/K)+(r-q+\\tfrac12\\sigma^2)\\tau} {\\sigma\\sqrt{\\tau}}, \\qquad d_2=d_1-\\sigma\\sqrt{\\tau}.\\]\n\n函数 \\(N\\) 为标准正态分布的累积分布函数，其概率密度函数记为 \\(\\phi\\)。相应的看跌期权价格可由看涨看跌期权平价得到：\n\n\\[C-P=Se^{-q\\tau}-Ke^{-r\\tau}.\\]\n\n对这一恒等式求导，可以检验看涨期权与看跌期权的希腊字母是否相互一致。\n\n该模型依据套利约束和动态复制推导价格，而不是依赖对标的资产预期收益率的预测。在其理想化设定下，连续交易、无摩擦借贷以及连续的价格路径，使风险能够通过动态调整加以抵消。更早的研究，包括路易·巴舍利耶于 1900 年完成的博士论文，曾在不同的价格过程假设下探讨期权估值。布莱克与斯科尔斯于 1973 年发表的论文，以及默顿的相关研究，确立了现代复制定价框架；随后，1979 年提出的考克斯–罗斯–鲁宾斯坦二叉树模型，为这一框架提供了广泛使用的离散时间实现方法。"
    },
    {
      "heading": "Delta 与标的资产敞口",
      "text": "Delta 是期权价值对标的价格的一阶导数：\n\n\\[\\Delta=\\frac{\\partial V}{\\partial S}.\\]\n\n它衡量在其他指定参数不变的情况下，标的价格每上涨一个单位时，期权价值的近似变化量。Delta 为 \\(0.60\\) 的期权，在标的价格上涨一个单位时，价值约增加 0.60 个价格单位。这一解释适用于无穷小或较小幅度的价格变动；随着标的价格、时间及其他条件发生变化，Delta 本身也会改变。\n\n在布莱克—斯科尔斯—默顿模型中，欧式期权的 Delta 为：\n\n\\[\\Delta_C=e^{-q\\tau}N(d_1), \\qquad \\Delta_P=e^{-q\\tau}\\bigl[N(d_1)-1\\bigr].\\]\n\n因此，标准看涨期权多头的 Delta 为正，标准看跌期权多头的 Delta 为负。对于不支付股息的标的资产，两者的 Delta 分别介于零与一之间、负一与零之间。这些常见的取值范围并不适用于所有衍生品结构：带杠杆的收益结构、数字期权及某些其他合约，其敏感度可能有显著不同。\n\nDelta 提供了 Delta 对冲中的基本对冲比率。若一个头寸包含 \\(n\\) 份期权合约，每份合约对应 \\(m\\) 个单位的标的资产，那么该头寸以标的资产单位数表示的总敞口为 \\(nm\\Delta\\)。卖空相同数量的标的资产，即可抵消其一阶价格敏感度。例如，持有 100 份看涨期权多头合约，每份对应 100 股股票，且 Delta 为 \\(0.60\\)，其 Delta 敞口就相当于 6,000 股股票。在不考虑对冲执行及其他风险的情况下，卖空 6,000 股股票可使组合头寸在当前价格附近达到 Delta 中性。\n\n市场系统也会报告按货币金额折算的指标。“金额 Delta”（Dollar delta）通常指 \\(S\\Delta\\) 乘以头寸规模和合约乘数，因此，标的价格变动约 1% 时，产生的盈亏约为金额 Delta 的 \\(0.01\\) 倍。但术语用法并不统一：有些报告会直接列出标的价格按指定百分比变动时的盈亏。不知道具体的换算口径，就无法解读这一数值。\n\nDelta 有时被描述为行权概率。然而，在标的资产不支付股息的标准欧式看涨期权模型中，通常的风险中性定价测度下，到期时处于实值状态的概率是 \\(N(d_2)\\)，而不是 \\(N(d_1)\\)。在其他测度变换或约定下，Delta 可以具有概率意义，但通常并不代表现实世界中的行权概率。风险中性估值将定价所用的概率与对实际市场结果的预测区分开来。\n\n外汇市场体现了约定的重要性。Delta 可以相对于即期汇率或远期汇率来表示，也可能按期权费进行调整。因此，所谓“25-Delta”的行权价，既取决于报价惯例，也取决于波动率曲面。所以，两个数值相同的 Delta 标签，未必对应相同的行权价或现金敞口。"
    },
    {
      "heading": "Gamma、凸性与不断变化的对冲需求",
      "text": "Gamma 是期权价值对标的价格的二阶导数：\n\n\\[\\Gamma=\\frac{\\partial^2V}{\\partial S^2} =\\frac{\\partial\\Delta}{\\partial S}.\\]\n\n它衡量标的价格变动时，Delta 变化的快慢。在布莱克–斯科尔斯–默顿模型中，执行价和到期日相同的欧式看涨期权与看跌期权具有相同的 Gamma：\n\n\\[\\Gamma=\\frac{e^{-q\\tau}\\phi(d_1)} {S\\sigma\\sqrt{\\tau}}.\\]\n\n标准欧式期权的多头头寸具有正 Gamma，反映出期权价值作为标的价格函数所具有的凸性。\n\nGamma 解释了为什么 Delta 对冲只能在局部范围内有效。考虑一份看涨期权，其参数为 \\(S=100\\)、\\(K=100\\)、\\(r=5\\%\\)、\\(q=0\\)、\\(\\sigma=20\\%\\)，剩余期限为一年。模型计算出的 Delta 约为 \\(0.6368\\)，Gamma 约为标的价格每变动一个单位对应 \\(0.01876\\)。标的价格小幅上涨一个单位，会使 Delta 增加约 \\(0.01876\\)。因此，上涨前建立的对冲头寸若不重新调整，就会留下残余的多头敞口。\n\n当标的价格变动 \\(\\Delta S\\) 时，对期权价值的二阶贡献近似为\n\n\\[\\frac12\\Gamma(\\Delta S)^2.\\]\n\n在上述例子中，标的价格变动两个单位，除 Delta 项的贡献外，这一项还会带来约 \\(0.0375\\) 个价格单位的价值增量。由于价格变动取平方，当 Gamma 为正时，无论价格上涨还是下跌，Gamma 项均为正。但这并不意味着期权多头必然盈利：买入价格、时间损耗、融资成本和波动率变化也会影响最终结果。\n\n随着到期日临近，Gamma 会愈发集中在行权临界点附近。对于接近平值的期权，公式中包含一个与 \\(1/\\sqrt{\\tau}\\) 成正比的因子，剩余期限越短，这个因子可能越大。当标的价格远离执行价时，Gamma 通常会在临近到期时趋近于零。这种集中现象反映了期权从行权与否尚不确定的状态，逐渐过渡到到期收益状态；对于看涨期权，到期收益的斜率基本上为零或一。在到期收益曲线的折点处，通常意义下的二阶导数并不是一个有限且平滑的量。\n\n对于 Gamma 为正的 Delta 中性投资组合，通常需要在价格上涨后卖出标的资产，在价格下跌后买入标的资产。Gamma 为负的投资组合则需要反向调整。这种机械性的调整特征有助于解释，为什么期权空头头寸往往与市场剧烈波动期间高昂的对冲成本相联系。但它并不能证明交易商持仓与市场方向之间存在普遍关系，因为实际持仓、对冲工具、交易约束及其他交易流各不相同。\n\n如果不说明计量尺度，Gamma 数据也可能产生误导。有些系统使用原始 Gamma；另一些则报告标的价格变动 1% 时 Delta 的变化量，即 \\(0.01S\\Gamma\\)，或报告涉及 \\(S^2\\Gamma\\) 的货币损益指标。比较不同资产时，必须采用统一的价格冲击定义。低价标的资产的原始 Gamma 即使很大，其以货币计量的敞口也未必比高价标的资产更大。"
    },
    {
      "heading": "Theta 与时间流逝",
      "text": "Theta 衡量在其他指定参数保持不变时，期权价值随日历时间推移而发生的变化：\n\n\\[\\Theta=\\frac{\\partial V}{\\partial t} =-\\frac{\\partial V}{\\partial\\tau}.\\]\n\n这一符号约定以到期日固定不变为前提。有些数学表述则对剩余期限求导，因此符号相反。市场报告通常以每个日历日为单位表示 Theta，而解析公式给出的往往是年化值。\n\n在布莱克—斯科尔斯—默顿模型的假设下，欧式看涨期权的 Theta 为\n\n\\[\\Theta_C= -\\frac{Se^{-q\\tau}\\phi(d_1)\\sigma}{2\\sqrt{\\tau}} -rKe^{-r\\tau}N(d_2) +qSe^{-q\\tau}N(d_1).\\]\n\n第一项表示不确定性所覆盖的时间缩短带来的影响，其余各项则反映融资与收益的影响。对于前文所述的一年期平值看涨期权，年化 Theta 约为 \\(-6.414\\) 个价格单位。除以 365 后，得到每个日历日约为 \\(-0.0176\\)，但这只是局部换算，并不意味着此后每一天的价值变化都恰好等于这一数值。\n\n看涨期权和看跌期权的多头通常被认为具有负 Theta，因为随着到期日临近，尚未行权的期权通常会损失时间价值。这是一种有用的规律，但并非普遍适用的符号法则。在正利率环境下，延迟收到行权价款会产生机会成本，因此足够深度实值的欧式看跌期权可能具有正 Theta。股息率、负利率以及行权限制也可能改变这一结果。美式期权的行权权利会进一步改变这种比较，因为持有人可能在到期前就能实现内在价值。\n\nTheta 与 Gamma 通过定价方程联系在一起。在标准模型下，\n\n\\[\\Theta+(r-q)S\\Delta +\\frac12\\sigma^2S^2\\Gamma-rV=0.\\]\n\n因此，时间衰减并不是任意附加在期权上的一项独立费用，而是受到融资、方向性敞口、凸性和价值之间关系的约束。在 \\(r=q=0\\) 的简化情形下，\n\n\\[\\Theta=-\\frac12\\sigma^2S^2\\Gamma.\\]\n\n在该模型中，Gamma 为正的期权，其 Theta 为负。\n\n日历时间与市场时间的区别，使实际解读更加复杂。合约有精确的到期日期，但夜间、周末和节假日的交易活跃程度并不均匀。波动率模型可能对交易时段和非交易时段分配不同的方差。因此，从周五到周一的估值变化不一定等于所显示的每日 Theta 的三倍，尤其是在市场波动率报价同时发生变化的情况下。\n\n已知事件也会带来复杂性。财报发布或预定的政策决定，可能占到到期前不确定性的很大一部分。在事件发生前度过一个普通交易日，所消除的不确定性，不一定与经历事件本身所消除的不确定性相同。因此，按固定年化波动率计算的 Theta，所描述的情景可能不同于将预期的事件相关方差保持不变的情景。"
    },
    {
      "heading": "Vega 与波动率敞口的结构",
      "text": "Vega 衡量期权价值对波动率的敏感度：\n\n\\[\\nu=\\frac{\\partial V}{\\partial\\sigma}.\\]\n\n尽管“vega”在期权希腊字母指标中已有公认的地位，但它并不是任何希腊字母的名称。在布莱克–斯科尔斯–默顿模型中，条款相同的欧式看涨期权和看跌期权具有相同的 vega：\n\n\\[\\nu=Se^{-q\\tau}\\phi(d_1)\\sqrt{\\tau}.\\]\n\n标准欧式看涨期权和看跌期权的多头头寸具有正 vega：在其他输入保持不变时，波动率上升会提高其模型价值。\n\n波动率的单位经常引起混淆。如果公式用 \\(\\sigma=0.20\\) 表示 20% 的波动率，那么算出的 vega 对应的是波动率变化 1.00，即变化 100 个百分点时的敏感度。交易员通常报出的是波动率每变化一个百分点的敏感度，也就是 \\(0.01\\nu\\)。在数值示例中，未经换算的 vega 约为 \\(37.52\\)，因此波动率从 20% 升至 21% 时，一阶近似下的价值增幅约为 \\(0.3752\\)。精确重新定价的结果会有所不同，因为 vega 本身也会变化。\n\n实际交易中，期权通常以隐含波动率报价，即使选定模型给出的价格与市场价格一致的波动率输入值。不同执行价和到期日通常对应不同的隐含波动率。这些隐含波动率共同构成波动率曲面，其中随执行价变化的形态通常称为波动率微笑或偏斜。单一的 vega 数值将整个曲面的变化压缩为某一个假定方向上的变化，通常是平行移动。它无法描述曲面形态所有可能的变化。\n\n因此，风险系统会按到期期限以及执行价区间或 delta 区间，分桶计算 vega。一个投资组合的总 vega 可以为零，但仍然面临偏斜变陡或短期与长期波动率之差发生变化的风险。例如，一个月期限上的正 vega 与一年期限上等量的负 vega，在波动率曲面平行移动时会相互抵消，但如果变化仅发生在一个月期限上，两者就无法抵消。插值和外推规则会影响市场报价如何映射到这些分桶中。\n\n标的价格变动时如何处理波动率曲面，也会影响 delta。在“执行价粘性”假设下，固定执行价对应的隐含波动率保持不变。在“delta 粘性”约定下，则认为曲面在 delta 坐标系中保持稳定，这通常意味着固定执行价期权的隐含波动率会随标的价格变动而变化。示意而言，若将波动率表示为 \\(\\sigma_{\\mathrm{imp}}(S)\\)，则有效敏感度包括：\n\n\\[\\frac{dV}{dS} = \\frac{\\partial V}{\\partial S} + \\frac{\\partial V}{\\partial\\sigma} \\frac{d\\sigma_{\\mathrm{imp}}}{dS}.\\]\n\n第二项将 vega 与假定的波动率响应结合起来。\n\n更复杂的模型会区分当前的波动率状态与控制其未来演化的参数。在随机波动率模型中，对瞬时方差的敏感度，并不等同于对市场隐含波动率平行移动的敏感度。基于模型校准计算 vega 时，可能需要调整期权报价、重新校准模型，再对投资组合重新定价。因此，最好将 vega 理解为对某种明确定义的波动率扰动的敏感度，而不是一个具有唯一标准定义的可观测量。"
    },
    {
      "heading": "Rho、股息与融资变量",
      "text": "Rho 通常衡量期权价值对利率的敏感度：\n\n\\[\\rho=\\frac{\\partial V}{\\partial r}.\\]\n\n对于具有连续收益率 \\(q\\) 的欧式期权，在现货价格、波动率和 \\(q\\) 保持不变的情况下，\n\n\\[\\rho_C=K\\tau e^{-r\\tau}N(d_2), \\qquad \\rho_P=-K\\tau e^{-r\\tau}N(-d_2).\\]\n\n在这些假设下，利率上升会提高看涨期权的价值，降低看跌期权的价值。一种解释是，看涨期权持有人将行权价款的支付推迟到行权时，而看跌期权持有人则将行权价款的收取推迟到行权时。\n\n与 vega 一样，rho 必须根据所报告的利率变动幅度进行换算。未经换算的 rho 为 50，意味着利率上升一个百分点时，期权价值约变化 0.50；利率上升一个基点时，期权价值约变化 0.005。在前文沿用的看涨期权示例中，未经换算的 rho 约为 \\(53.23\\)。因此，若其他输入保持不变，模型利率从 5% 上升至 6%，按一阶近似计算，期权价值将增加约 \\(0.5323\\)。\n\n对于利率而言，其他输入保持不变这一限定尤其重要。在连续持有成本模型下，远期价格满足\n\n\\[F=Se^{(r-q)\\tau}.\\]\n\n在保持 \\(S\\) 和 \\(q\\) 不变的情况下改变 \\(r\\)，会同时改变远期价格和贴现效应。如果保持独立报价的远期价格不变，仅改变贴现率，则属于另一种情景，得到的敏感度也不同。因此，常见的“看涨期权 rho 为正、看跌期权 rho 为负”并不是适用于所有期权定价惯例的普遍结论。\n\n现代估值通常使用整条收益率曲线，而不是单一的固定利率。曲线平行移动只能给出一项总体敏感度。关键期限利率敏感度或分桶敏感度则衡量对特定期限区间的风险敞口。对于涉及浮动利率现金流的产品，可能分别使用不同的曲线来预测付款金额和进行贴现。抵押品条款及合同约定的融资安排会影响估值所采用的曲线，对在场外市场交易的衍生品尤其如此。\n\n标的资产产生的收益会带来额外的持有收益敏感度。对连续股息率求导可得\n\n\\[\\frac{\\partial C}{\\partial q} =-\\tau Se^{-q\\tau}N(d_1), \\qquad \\frac{\\partial P}{\\partial q} =\\tau Se^{-q\\tau}N(-d_1).\\]\n\n预期股息增加会降低股票远期价格，在这一设定下，通常会降低看涨期权价值、提高看跌期权价值。实际的股票股息通常被建模为离散支付，因此需要衡量期权价值对各笔股息金额及支付日期的敏感度，而不是对单一连续股息率的敏感度。在美式看涨期权接近行权边界时，当前采用的股息预测可能尤为重要。\n\n对于货币期权，本币利率和外币利率扮演不同的角色：在基础模型中，外币利率在数学上的作用类似于收益率。对于商品期权，仓储成本、融资成本和便利收益率会影响持有成本。以期货合约为标的的期权可能将期货价格作为主要状态变量，这又会使利率敏感度的定义有所不同。这些例子说明，风险报告必须明确所施加冲击的经济变量，而不能只是将某一列标为“rho”。"
    },
    {
      "heading": "高阶与交叉变量希腊字母",
      "text": "高阶希腊字母描述主要敏感度如何变化。当市场变动幅度较大、一阶近似已不足以描述其影响时，或对冲需要在多个相互作用的风险因素下保持有效时，高阶希腊字母就显得重要。与 delta 和 gamma 相比，高阶希腊字母的术语尚不够统一，同一个名称有时可能指代尺度定义不同的量。因此，明确的导数定义比单凭名称更可靠。\n\n当函数足够光滑时，vanna 通常表示\n\n\\[\\frac{\\partial^2V}{\\partial S\\,\\partial\\sigma} = \\frac{\\partial\\Delta}{\\partial\\sigma} = \\frac{\\partial\\nu}{\\partial S},\\]\n\n它衡量 delta 如何随波动率变化，等价地，也衡量 vega 如何随标的价格变化。在二阶展开中，相应的贡献项为\n\n\\[\\mathrm{Vanna}\\,\\Delta S\\,\\Delta\\sigma.\\]\n\n与纯二阶项不同，合并对称项后，这一交叉项不带二分之一的系数。当价格与波动率联动而非独立变化时，这一项尤为重要。\n\nVolga 又称 vomma，通常指\n\n\\[\\mathrm{Volga} =\\frac{\\partial^2V}{\\partial\\sigma^2}.\\]\n\n它衡量价值相对于波动率的曲率。在布莱克—斯科尔斯—默顿模型中，\n\n\\[\\mathrm{Volga}=\\nu\\frac{d_1d_2}{\\sigma}.\\]\n\n它的符号并非始终为正。相应的价值二阶项为\n\n\\[\\frac12\\mathrm{Volga}(\\Delta\\sigma)^2.\\]\n\n因此，vega 中性的头寸仍可能面临较大幅度波动率变动带来的风险，因为其正 vega 部分和负 vega 部分可能以不同的速率变化。\n\nCharm 描述 delta 随时间的变化，通常写作 \\(\\partial\\Delta/\\partial t\\)。有些资料则采用剩余期限作为时间变量，因此符号相反。类似地，color 描述 gamma 随时间的变化，也存在同样的约定差异。这些指标有助于解释，为何即使标的价格保持不变，投资组合的对冲需求仍会发生变化。临近到期或行权边界时，这种效应可能变得显著。\n\n其他已有通行名称的指标包括 speed，即导数 \\(\\partial\\Gamma/\\partial S\\)；zomma，即导数 \\(\\partial\\Gamma/\\partial\\sigma\\)；以及 ultima，即价值对波动率的三阶导数。这些量可以改进局部近似，但增加更多项，并不一定能使泰勒展开在跨越不连续点或发生重大市场状态转换时仍然可靠。围绕某一市场状态进行的高阶展开，在远离该状态时，表现仍可能很差。\n\n多资产合约还引入了交叉 gamma 项，\n\n\\[\\Gamma_{ij} =\\frac{\\partial^2V}{\\partial S_i\\,\\partial S_j},\\]\n\n以及对相关性的敏感度。例如，篮子期权即使在每项资产各自的 delta 都已被抵消后，仍可能保留大量风险。相关性敏感度有时称为“相关性希腊字母”或“cega”，但具体约定并不统一。对各组成资产的价格敞口进行对冲，并不能消除这些资产之间依赖关系变化的影响，尤其是在收益取决于它们共同出现极端结果的情况下。"
    },
    {
      "heading": "数值估计与难处理的收益结构",
      "text": "一些标准合约有闭式公式可用，但许多希腊字母仍需通过数值方法计算。Delta 的中心有限差分估计为\n\n\\[\\Delta\\approx \\frac{V(S+h)-V(S-h)}{2h},\\]\n\n相应的 Gamma 估计为\n\n\\[\\Gamma\\approx \\frac{V(S+h)-2V(S)+V(S-h)}{h^2}.\\]\n\n扰动幅度 \\(h\\) 的选择必须兼顾近似误差与数值噪声。扰动过大，就无法准确描述局部敏感度；扰动过小，则会放大舍入误差、求解器容差和模拟误差的影响。\n\n“扰动后重估”在概念上很直观，但对于涉及数千个市场输入的投资组合，其计算成本可能很高。这种方法还涉及一项重要的建模选择：当价格、利率或波动率报价受到扰动时，是否重新校准模型。保持模型参数不变所衡量的风险，与每次市场扰动后重新校准所衡量的风险并不相同。两者都可能有用，但不应将它们视为可以互换的指标。\n\n树模型和有限差分方法在网格上计算期权价值。它们尤其适用于处理美式行权和具有路径依赖性的状态变量，但由此估计的希腊字母可能对网格的设置较为敏感。在二叉树中，执行价相对于终端节点的位置，可能使计算结果随着步数变化而振荡。在提前行权边界附近，所选行权策略的变化还可能进一步造成不规则性。因此，要明确所报告敏感度在数值上的含义，就需要细化网格并检查收敛性。\n\n蒙特卡洛方法通过对模拟路径上经折现的收益取平均值来进行估值。希腊字母可以通过在输入受到扰动后反复模拟来估计，通常会使用相同的随机数，以降低差值的方差。逐路径微分则在满足必要正则性条件时，沿每条路径对模拟收益求导。似然比方法求导的对象是概率密度，而非收益。各种方法的相对效率取决于合约及所考察的风险因子。\n\n对于不连续的收益函数，需要格外谨慎。现金或无型数字看涨期权在到期价格高于执行价时支付固定金额。其收益的逐路径导数几乎处处为零，但在到期前，其价值对即期价格的敏感度却并不为零。因此，直接对抽样得到的收益求导会失效。条件期望、平滑处理、似然比估计量或其他表示方式可以解决这一难题。障碍期权也存在类似问题，因为微小的市场变化就可能改变是否触及合约规定的障碍水平。\n\n自动微分将链式法则应用于定价程序的整个计算过程。当输出是单个投资组合价值时，反向模式方法能够以远低于对每个输入分别重新定价的成本，计算价值对大量输入的敏感度；这类方法在金融领域通常称为伴随方法。其结果仍取决于是否正确处理校准、数值求解器、分支逻辑和行权决策。准确地对程序求导，本身并不能证明该程序采用的金融假设是恰当的。\n\n数值检验通常会结合多种方法：在有解析解时以其作为基准、与有限差分结果比较、测试不同扰动幅度下的稳定性，以及检验看跌—看涨期权平价等恒等关系。对于收益不连续或具有强非线性的产品，仅仅价格一致，并不能说明希腊字母也一致，因为求导会放大不同定价实现之间的细微差异。"
    },
    {
      "heading": "投资组合对冲、盈亏归因与局限性",
      "text": "只要风险因子、计量单位和估值惯例一致，就可以将各头寸的敏感度相加，得到投资组合的希腊值。若 \\(a_i\\) 表示工具 \\(i\\) 的带符号数量，并在适用时计入合约乘数，则\n\n\\[\\Delta_{\\mathrm{portfolio}}=\\sum_i a_i\\Delta_i, \\qquad \\Gamma_{\\mathrm{portfolio}}=\\sum_i a_i\\Gamma_i.\\]\n\n对同一输入的其他敏感度也适用这种线性汇总方式。但这并不意味着可以不经换算就把不同风险因子的敏感度相加：股票 delta、外汇 delta 和利率 delta 描述的是不同的冲击。\n\n对冲组合的构建可以表述为一组风险敞口约束。持有标的股票可以调整 delta，但通常不产生期权 gamma 或 vega。行权价和到期日不同的期权，则提供了 gamma、vega 及其他敏感度的不同组合。通过求解对冲工具的数量，可以使选定的汇总希腊值在当前市场状态下为零。如果可用工具的敏感度近乎成比例，这样的解可能不稳定，也可能带来对未对冲期限或波动率曲面区域的风险敞口。\n\n动态对冲将 gamma 与实际发生的价格变动联系起来。在利率和标的收益均为零、标的价格路径连续、模型波动率固定且无交易成本的简化条件下，经过 delta 对冲的期权，其局部收益近似为\n\n\\[d\\Pi\\approx \\frac12\\Gamma S^2 \\left(\\sigma_{\\mathrm{real}}^2-\\sigma_{\\mathrm{model}}^2\\right)dt,\\]\n\n其中，已实现方差率描述了标的价格的二次变差。这一表达式解释了 gamma 多头头寸、时间衰减与已实现波动率之间的关系。但它并不是一条无条件适用的交易规则：隐含波动率变化、跳跃、离散对冲和融资都会使结果变得复杂。\n\n实际调整对冲头寸会产生交易成本，包括买卖价差、佣金和市场冲击。因此，连续再平衡只是一种理想化假设。在来得及调整对冲头寸之前，市场就可能出现大幅隔夜波动；而流动性不足又可能导致无法按模型价格成交。因此，即便跳跃发生前一刻的 delta 计算准确，delta 中性的期权空头仍可能因跳跃而遭受巨额损失。资金需求和追加保证金要求也可能对对冲形成约束，而这些约束与模型所衡量的对冲有效性无关。\n\n希腊值广泛用于每日盈亏归因。归因报告会将实际观测到的变动，与 delta、gamma、theta、vega、利率及相关交叉项所解释的变动进行比较。未能解释的残差可能来自高阶效应、市场数据变化、校准差异、新增交易、费用或模型缺陷。当风险之间存在相互作用时，应用各项变动的先后顺序可能影响归因结果，因此，按顺序逐项解释的方法与同时纳入各项变动的泰勒近似法，不一定会将相同的金额归于各个因子。\n\n局部敏感度是全面重估和压力测试的补充，而不能取代二者。大幅变动情景可能同时涉及价格跳空、波动率偏斜变化、曲线移动以及流动性下降。奇异期权的表现也可能在接近障碍价位、定盘日或行权阈值时突然改变。当前希腊值较小的投资组合，仍可能对这些事件存在相当大的风险敞口。因此，风险系统会区分局部对冲指标、特定情景下的损失，以及风险价值等更广泛的指标；这些指标分别回答了可能结果分布的不同问题。"
    }
  ],
  "links": [
    "market-risk",
    "asset",
    "black-scholes-model",
    "arbitrage",
    "interest-rate",
    "yield-curve",
    "over-the-counter-market",
    "dividend",
    "commodity",
    "monte-carlo-method",
    "automatic-differentiation",
    "transaction-cost",
    "bid-ask-spread",
    "liquidity",
    "margin-call",
    "stress-testing"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}