基于蒙特卡洛模拟的R语言美式期权定价结果偏高求助

阿华AIGC实验室

2026-5-26

嗨，我明白你现在遇到的问题——用无回归的简单蒙特卡洛做美式期权定价时，估值总是比二叉树、三叉树这些模型偏高，而欧式的效果却不错。这其实是这类 naive 蒙特卡洛方法的常见坑，我来给你拆解下原因和具体的改进建议：

为什么无回归蒙特卡洛会高估美式期权？

美式期权的核心是提前行权的最优性：在每个时间点，你需要比较「立即行权的内在价值」和「继续持有期权的期望价值」，取较大的那个作为当前期权的价值。而无回归的简单蒙特卡洛通常没有准确计算后者——你可能只是直接拿后续路径的到期价值平均来代替“继续持有价值”，但这忽略了后续时间点也可以提前行权的可能性，导致你错误地认为“现在行权更划算”，最终高估了期权价值。

具体改进建议

1. 引入最小二乘蒙特卡洛（LSM）——行业标准方案

这是目前用蒙特卡洛定价美式期权的主流方法，核心是用回归来估计每个时间点的继续持有价值。具体步骤和R语言示例如下：

先模拟所有股价路径到到期日
从后往前倒推：对每个时间点，筛选出实值路径，用当前股价的多项式（比如二次、三次）作为自变量，后续的期权价值（折现后）作为因变量做回归，得到继续持有价值的估计
比较内在价值和回归得到的继续持有价值，取最大值更新当前路径的期权价值
一直倒推到初始时刻，所有路径的平均就是美式期权的价值

R语言LSM示例代码（美式看跌期权）

library(MASS)

# 参数设置
S0 <- 100  # 初始股价
K <- 100   # 行权价
r <- 0.05  # 无风险利率
sigma <- 0.2  # 波动率
T <- 1     # 到期时间
m <- 50    # 时间步数
n <- 10000 # 路径数量
dt <- T/m

# 模拟几何布朗运动路径
set.seed(123)
Z <- matrix(rnorm(n*m), nrow=n, ncol=m)
S <- matrix(S0, nrow=n, ncol=m+1)
for (t in 1:m) {
  S[,t+1] <- S[,t] * exp( (r - 0.5*sigma^2)*dt + sigma*sqrt(dt)*Z[,t] )
}

# 初始化到期日期权价值
V <- pmax(K - S[,m+1], 0)

# 从后往前倒推计算美式期权价值
for (t in m:1) {
  # 筛选实值路径（看跌期权：股价 < 行权价）
  itm_paths <- which(S[,t] < K)
  if (length(itm_paths) > 0) {
    # 构造回归自变量（常数项+股价+股价平方）
    X <- cbind(rep(1, length(itm_paths)), S[itm_paths,t], S[itm_paths,t]^2)
    # 后续期权价值折现到当前时间点
    discounted_future_value <- V[itm_paths] * exp(-r*dt)
    # 最小二乘回归估计继续持有价值
    beta <- ginv(t(X) %*% X) %*% t(X) %*% discounted_future_value
    continuation_value <- X %*% beta
    # 比较内在价值和继续持有价值，取最大值
    intrinsic_value <- K - S[itm_paths,t]
    V[itm_paths] <- pmax(intrinsic_value, continuation_value)
  }
  # 折现到前一个时间点
  V <- V * exp(-r*dt)
}

# 计算美式期权价格
american_price <- mean(V)
cat("美式看跌期权价格：", round(american_price, 4), "\n")

# 欧式看跌期权价格作为对比
european_price <- exp(-r*T) * mean(pmax(K - S[,m+1], 0))
cat("欧式看跌期权价格：", round(european_price, 4), "\n")

2. 优化路径模拟的准确性

先确保你的几何布朗运动模拟是正确的，风险中性测度下的离散化公式是：
S_t = S_{t-1} * exp( (r - 0.5*sigma²)*dt + sigma*sqrt(dt)*Z )
注意漂移项里的-0.5*sigma²，这是修正几何布朗运动离散化的关键，如果漏掉这一项，会导致股价模拟偏高，进而影响期权估值。

另外，增加路径数量n和时间步数m可以降低估值的方差，让结果更稳定——样本量不足也可能导致估值偏离合理区间。