← 全部报告

高维均值回归资产篮子期权的近似定价方法

论文：Xun Li, Zhenyu Wu, On an approximation method for pricing a high-dimensional basket option on assets with mean-reverting prices, Computers & Operations Research 35 (2008), 76–89. DOI: 10.1016/j.cor.2006.02.020。

篮子期权（ payoff 取决于多个标的资产加权平均价格的期权）是经典的高维期权。当标的为能源商品、利率这类均值回归资产时，定价尤其困难：既无解析解，蒙特卡洛又太慢，维度越高数值积分越贵。本文提出一个"两步近似法"——先用矩匹配把高维问题降到一维，再用 Black–Scholes 公式给出近似解析解，在 2/4/6/10 维、三种均值回归模型下精度与蒙特卡洛相差不到 1%，耗时仅为蒙特卡洛的约万分之一，且耗时不随维度增长。

一、问题：高维篮子期权定价的维度灾难

欧式篮子看涨期权 payoff 为 $\max(X(T)-K, 0)$，其中篮子价值 $X(t) = \sum_{i=1}^m w_i x_i(t)$。困难有三层：

  1. 高维：payoff 函数在 $m-1$ 维子流形上不可光滑，维度越高数值积分越贵；
  2. 均值回归：能源价格、利率均值回归，加权平均的分布没有解析形式；
  3. 精度–效率权衡：对数正态近似、二叉树、条件变量法等各有取舍，高波动、长期限下精度普遍恶化。

本文的目标：给出一个简单、快速、准确，且对高波动、长期限、高维度都稳健的近似定价公式。

二、经济设定：一般 Hull–White 均值回归模型

第 $i$ 个标的 $x_i(t)$ 服从一般 Hull–White 模型：

$$ dx_i(t) = \kappa_i(t)(\theta_i(t) - x_i(t))dt + \sigma_i(t)\,x_i(t)^{\gamma}\,dz_i(t), \quad x_i(0) = x_{i0} $$

其中 $\kappa_i$ 为均值回归速度，$\theta_i$ 为长期均值，$z(t)$ 为相关矩阵 $\rho(t) = (\rho_{ij}(t))$ 的 $m$ 维布朗运动。取不同的 $\gamma$ 得到金融文献中三类经典均值回归模型：

欧式篮子看涨期权价值为 $c(X) = e^{-\int_0^T r(t)dt}\,\mathbb{E}[\max(X(T)-K,0)]$。论文先在物理测度下算出三类模型的一、二阶矩 $Ex_i(t)$、$Ex_i(t)^2$ 的显式表达式（论文式(2.7)–(2.9)，含确定性时变参数的积分形式）。

三、两步近似法：矩匹配降维

第一步：用虚拟对数正态股票逼近每个均值回归资产

对每只资产引入虚拟股票 $S_i(t)$，服从带红利的几何布朗运动：

$$ dS_i(t) = (r(t)-q_i(t))S_i(t)dt + \sigma_i(t)S_i(t)dz_i(t), \quad S_i(0) = x_{i0} $$

把 $[0,T]$ 切成 $n$ 个小区间 $[t_{\ell-1}, t_\ell]$，在每个小区间上令 $q_i(t) \equiv q_{i\ell}$、$\sigma_i(t) \equiv \sigma_{i\ell}$ 为常数，用一、二阶矩相等来校准：

$$ q_{i\ell} = \frac{1}{\Delta t_\ell}\left[\int_{t_{\ell-1}}^{t_\ell} r(t)dt - \ln\frac{Ex_i(t_\ell)}{Ex_i(t_{\ell-1})}\right] $$

$$ \sigma_{i\ell} = \sqrt{\frac{1}{\Delta t_\ell}\left[\ln\frac{Ex_i(t_\ell)^2}{(Ex_i(t_{\ell-1}))^2} - 2\ln\frac{Ex_i(t_\ell)}{Ex_i(t_{\ell-1})}\right]} $$

即虚拟股票在每个小区间端点处与真实均值回归资产同均值、同方差——用对数正态分布"局部"逼近均值回归分布，信息损失极小。

第二步：把篮子聚合成单一对数正态过程

用虚拟股票重写篮子 $X(t) \approx \sum_i w_i S_i(t)$，算出篮子的一、二阶矩：

$$ EX(T) \approx \sum_{i=1}^m w_i x_{i0}\exp\left(\int_0^T r(t)dt - \sum_{\ell=1}^n q_{i\ell}\Delta t_\ell\right) $$

$$ EX(T)^2 \approx \sum_{i=1}^m\sum_{j=1}^m w_i w_j x_{i0}x_{j0}\exp\left(2\int_0^T r(t)dt - \sum_{\ell=1}^n \big(q_{i\ell}+q_{j\ell}-\rho_{ij}\sigma_{i\ell}\sigma_{j\ell}\big)\Delta t_\ell\right) $$

再引入单一虚拟证券 $S(t)$（带红利 $q(t)$、波动率 $\sigma(t)$ 的对数正态过程）逼近整个篮子，同样按矩匹配校准。至此，$m$ 维问题化为一维。

四、近似解析定价公式

对一维对数正态过程直接套用 Black–Scholes 公式，得到定理 2.1（论文式(2.17)）：

$$ c(X) \approx e^{-\int_0^T r(t)dt}\left[EX(T)\,N(d_1) - K\,N(d_2)\right] $$

$$ d_1 = \frac{\ln\left(\sqrt{EX(T)^2}/K\right)}{\sqrt{\ln\left(EX(T)^2/(EX(T))^2\right)}}, \qquad d_2 = d_1 - \sqrt{\ln\left(\frac{EX(T)^2}{(EX(T))^2}\right)} $$

其中 $EX(T)$、$EX(T)^2$ 由上式给出，$N(\cdot)$ 为标准正态分布函数。这就是"近似解析解"——除了算矩（显式积分），定价本身是闭式公式。

五、数值实验：精度与效率

论文用 Matlab 实现，与蒙特卡洛（每组 20 轮 × 10 万条路径）及逆 Gamma、Johnson 分布近似法对比（Pentium-III 0.9GHz）：

维度 MC 耗时 本文方法耗时 最大误差
2资产 34.49秒 0.016秒 约0.31%
4资产 67.58秒 0.016秒 约0.95%
6资产 104.22秒 0.016秒 与MC基本一致
10资产 172.75秒 0.016秒 与MC基本一致

三点结论：

  1. 精度：三类均值回归模型（VOU/CIR/EOU）、多种行权价下，与 MC 的差异多在 0.01%–0.3% 量级，深度虚值略大但仍在 1% 以内；
  2. 效率：耗时恒为 0.016 秒，不随维度增长——MC 耗时随维度从 34 秒涨到 173 秒（10资产），本文方法仅为 MC 的约万分之一；
  3. 稳健性：60% 高波动、3 年长期限下精度不恶化，而这是传统近似方法的主要短板；与逆 Gamma、Johnson 分布法的结果也相互印证。

六、实际应用：能源商品篮子

作者取 1990年4月–2004年10月原油、天然气、汽油的月度价格，用卡尔曼滤波在 CIR 模型下估计长期均值收益（0.666%、2.148%、0.878%）、波动率（0.0975、0.1633、0.1119）及相关矩阵（原油–汽油相关高达0.81），为 2004年10月31日的 1 个月期篮子看涨期权（权重 1/3、1/6、1/2）定价。5 个行权价下与 MC 的最大差异仅 0.0021%，耗时为 MC 的 0.0016%——在真实能源对冲场景中验证了方法的实用性。

七、应用展望与A股约束

  1. 降维思想可迁移：矩匹配把"难分布→对数正态"的技巧不只用于篮子期权——A股的指数期权、ETF 期权组合保证金计算中，凡涉及多个相关标的加权平均的定价，都可借用"先矩匹配、再套 BS 公式"的两步法快速估值。
  2. 能源与商品对冲：国内原油、天然气、煤炭相关企业做一篮子成本/收入对冲时，场外篮子期权报价可用此法快速给出参考价，再与交易商报价交叉验证。
  3. 局限：方法针对欧式期权，美式提前行权需另行处理；矩匹配只保证前两阶矩，极端偏态/厚尾分布下精度会下降；CIR 等模型的参数（尤其长期均值 $\theta$）估计误差会直接进入定价，实务中需做参数敏感性分析。
  4. A股约束：A股个股期权标的少、场外衍生品受监管限制，篮子期权更多出现在收益互换/场外结构化产品中；使用时注意 50ETF、300ETF 等标的并无均值回归特性，该方法的比较优势主要体现在商品、利率类标的。

解读人注：DOI 10.1016/j.cor.2006.02.020；数值实验基于 2006 年硬件，耗时对比的相对量级仍有参考意义。引用公式时请以原文为准。

发布日期：2026-10-13 · 类型：金融建模