Scholes模型是什么？新手也能快速理解的金融工具

今天跟大家聊聊我搞的这个“scholes”的东西，就是 Black-Scholes 模型，简称 BS 模型，一个用来算期权价格的玩意儿。

起因：

事情是这样的，前段时间对金融这块儿有点兴趣，想解一下期权，然后就看到这个 BS 模型，说是很牛逼，很多搞金融的都用它。我这人就喜欢折腾，心想既然这么厉害，那我也得自己动手把它搞出来看看。

开始：

第一步当然是找资料，网上搜一堆关于 BS 模型的文章，公式啥的看得我头都大。各种希腊字母，各种数学符号，简直就是劝退。不过我这人有个优点，就是不轻易放弃。硬着头皮啃，一点一点地理解那些公式的含义。

过程：

理解公式之后，就开始动手写代码。我用的是 Python，因为 Python 比较好上手，而且有很多现成的库可以用。先把公式里的那些参数定义比如标的资产价格、行权价格、无风险利率、到期时间、波动率等等。这些参数都要根据实际情况来设置，不同的参数会影响期权的价格。

然后就是把公式翻译成代码。这个过程挺枯燥的，就是把数学公式一行一行地写成 Python 代码。一开始写的时候，各种错误，不是变量没定义，就是公式写错。不过没关系，debug 大法一点一点地改，总算是把代码跑起来。

代码跑起来之后，就开始测试。我找一些真实的期权数据，输入到我的模型里，然后把计算结果跟实际价格对比。结果发现，差距还挺大的。这让我有点沮丧，难道我搞错？

深入：

冷静下来之后，我开始分析原因。发现 BS 模型有很多假设，比如市场是有效的，波动率是恒定的等等。但实际情况往往不是这样，市场会波动，波动率也会变化。这些因素都会影响期权的价格。

为提高模型的准确性，我又学习一些其他的期权定价方法，比如蒙特卡洛模拟等等。这些方法可以考虑到一些 BS 模型没有考虑到的因素，从而提高定价的准确性。

实现：

经过一番折腾，我终于把我的“scholes”模型搞出来。虽然不能说百分之百准确，但至少可以对期权的价格做一个大致的估计。以后再想买期权的时候，心里也有个数。

• 学习 BS 模型，啃公式，理解参数含义。
• 用 Python 写代码，把公式翻译成代码。
• 测试模型，对比计算结果和实际价格。
• 分析误差，学习其他定价方法，提高模型准确性。

这个过程虽然有点累，但收获也很大。不仅学会 BS 模型，还提高自己的编程能力和解决问题的能力。更重要的是，我对金融市场有更深入的解。

这回实践还是很有意义的。以后有机会，我还会继续深入研究期权定价，争取搞出一个更牛逼的模型出来。

希望我的分享对大家有所帮助。如果你也对金融感兴趣，不妨自己动手试试，相信你也会有所收获的。