金融派生商品論 補足 — Black の公式について — 2003 年 11 月 18 日,高岡浩一郎∗ M. Baxter & A. Rennie 著 Financial Calculus (Cambridge University Press, 1996) の記述に基づき,リスク中立確率 Q の下で原資産価格 S(T ) が 対数正規分布に従っているようなモデルにおいて(ほとんどいつもと言って 良いくらい)しばしば成立する Black の公式について解説します. • 配当がない株式のオプション価格に関する通常の Black-Scholes 式は, この Black の公式に書き換えることができます. • 外国為替オプション(上記の Baxter-Rennie の本 §4.1) • 配当付き株式のオプション(同 §4.2.連続配当のケースでも,定期的 に配当が支払われるケースでも. ) • クオント・オプション(同 §4.5) • マルチファクターモデルでのオプション価格(同 §6.2) • 割引債オプションに関しても,Ho-Lee モデルや Vasicek モデルという (同 金利モデルの下では,e−rT を割引債価格に置き換えたものが成立. p. 169, 訳書では p. 218.有名な CIR モデルでは,残念ながら不成立 です. ) • 先物オプションについても成り立ちます(Hull の本の第 12 章を参照 のこと).歴史的には,まず Black が先物オプションについてこの公式 を示し,その後,汎用性の高さが明らかになってきたようです. 本稿の概要. まず第1節で,多少限定された設定下ではありますが定理の主 張を述べます.そこで定義された F という量がなぜ先渡し価格とみなせるか などについてのコメントや注が第2節です.第3節では定理を証明するため の補題を示し,第4節で定理を証明します. ∗ 一橋大学大学院商学研究科.Email: [email protected] 1 1 Black の公式 仮定. 以下の2点を仮定する. • ニュメレールは B(t) = ert と,確定的に変動する. (この仮定はある 程度緩めることができますが,本稿ではこの設定下で解説します. ) • リスク中立確率 Q の下で,満期における原資産価格 S(T ) の分布が対 数正規分布である. (この仮定は落とせない. ) 記号の準備. log S(T ) の分散を 1 T 倍して平方根をとったものを σ̄ と記す ことにします.σ̄ は期間ボラティリティ (term volatility) と呼ばれています. 【つまり, log S(T ) の分散が σ̄ 2 T であるということ.例えば,Q の下で S(t) = exp σ W (t) + η t ならば log S(T ) = σ W (T ) + η T なので,分 散は σ 2 T となり,期間ボラティリティは通常のボラティリティ σ と一致し ます. 】 定理. 上記の設定下で, + S(T ) − K Q = e−rT F Φ(d+ ) − K Φ(d− ) E B(T ) が成立する.ただし d± F 2 注1 F ± 1 σ̄ 2 T √ 2 , σ̄ T def log def E Q S(T ) . = = K コメント,注 ニュメールが確率的に変動するケースも含め一般的な設定下での解 説は,本稿冒頭に挙げた Baxter-Rennie の本の §6.2 を参照して下さい. 注2 上で定義した F がなぜ「先渡し価格」とみなせるかを説明します. 満期 T において原資産1単位を k 円で買うことを,ゼロ時点で契約するこ とを考えます(受け渡し価格 k の先渡し).ゼロ時点での契約価値は Q S(T ) − k E = e−rT E Q S(T ) − k B(T ) となりますが,実際の市場ではゼロ時点で予約するだけでお金のやりとりは しない,つまりこの契約価値が 0 になるような k = E Q S(T ) が先渡し 価格として選ばれる訳です. 注3 金利の CIR モデルにおいては,割引債価格の分布は対数正規分布で はありません.この定理の適用範囲外です. 2 3 定理の証明に用いる補題 補題. 確率変数 Z の分布は標準正規分布であるとする.このとき任意の実 数 x と y に対し E exp yZ − y2 2 = Φ(x + y) I{Z>−x} が成立する. ただし一般に IA とは,事象 A が起これば 1 という値,事象 A が起こら なければ 0 という値を取る関数で,A の定義関数 (indicator function) と呼 ばれています.1A と記すこともあります. また,上式の左辺を 2 E exp yZ − y2 ; Z > −x と記すこともあります(セミコロンで分ける). 注. y = 0 の時に補題が成立することはすぐ分かると思います.また,x = ±∞ の時も成り立ちます. 補題の証明. 左辺 ∞ = −x ∞ = −x eyz− ∞ −x−y x+y = −∞ z2 1 √ exp − dz 2 2π (変数変換) z2 1 √ dz exp − 2 2π 2 = 右辺. 4 z2 1 · √ e− 2 dz 2π (z − y)2 1 √ dz exp − 2 2π = y2 2 定理の証明 見やすくするため,2つのステップに分けて証明します. Step 1. S(T ) を S(T ) = F exp yZ − y2 2 (∗) の形に書き表せることを示します.ただし,確率変数 Z は確率 Q の下で標 準正規分布に従うものとし,また def y = σ̄ 3 √ T. なぜなら,log S(T ) (確率 Q の下で正規分布になる)の期待値を m と記す ことにすると,標準偏差は仮定より y だから log S(T ) = m + y Z の形に書け, S(T ) = em eyZ となるが,確率 Q の下でこの両辺の期待値を取ると F = em e y2 2 . 最後の2式から em を消去すると,(∗) を得ます. Step 2. 本題の証明. + S(T ) − K Q E = e−rT E Q S(T ) − K I{S(T )>K} B(T ) = e−rT = e−rT E Q S(T ) I{S(T )>K} − E Q K I{S(T )>K} 2 F · E Q exp yZ − y2 I{S(T )>K} − K · E Q I{S(T )>K} . 最後の等号は,Step 1 の議論から成立します.ここで S(T ) > K ⇐⇒ exp yZ − ⇐⇒ Z > −d− y2 2 > K F が成り立つので, (∗∗) = e−rT = e−rT = e−rT 2 F · E Q exp yZ − y2 I{Z>−d− } − K · E Q I{Z>−d− } F Φ( d− + y ) − K Φ(d− ) F Φ(d+ ) − K Φ(d− ) 4 . (補題より) 2 (∗∗)
© Copyright 2024 Paperzz