股票期权数据处理方法及系统与流程

1.本发明涉及期权数据分析技术领域，尤其涉及一种股票期权数据处理方法及系统。


背景技术：

2.期权敏感度是指期权价格受某些定价参数的变动而变动的敏感程度，如果期权价格对某一参数的敏感度为零，即该参数变化时给期权带来的价格风险就为零。
3.通过期权给其标的资产或其它期权进行套期保值时，一种较常用的方法就是分别算出保值工具与保值对象两者的价值对一些共同的变量(如标的资产价格、时间、标的资产价格的波动率、无风险利率等)的敏感性，然后建立适当数量的证券头寸，组成套期保值组合，使组合中的保值工具与保值对象的价格变动能相互抵消，即将套期保值组合对该参数变化的敏感度变为零，这样就能起到消除相应风险的套期保值的目的。
4.现有针对期权组合的敏感度计算方法较为复杂，其中股票期权敏感度由于涉及复杂定价模型计量难度较大，业务手工计算的难度较大，耗时多，且对业务人员本身要求较高，业务人员需要掌握相关模型计量方式，导致股票期权敏感度的计量结果准确性较低。
5.因此，现在亟需一种股票期权数据处理方法及系统来解决上述问题。


技术实现要素：

6.针对现有技术存在的问题，本发明提供一种股票期权数据处理方法及系统。
7.本发明提供一种股票期权数据处理方法，包括：
8.根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组；
9.基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率；
10.根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度；
11.根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果；
12.根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
13.根据本发明提供的一种股票期权数据处理方法，所述根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组，包括：
14.根据所述头寸信息，获取所述期权组合中每个股票期权对应的股票市值、市场类别和行业类型；
15.基于交易账簿基础评估框架，通过所述股票市值、所述市场类别和所述行业类型，将每个所述股票期权划分到对应的风险组。
16.根据本发明提供的一种股票期权数据处理方法，所述基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率，
包括：
17.基于不同期权类型的股票期权对应的期权定价模型，根据期权市场价格、股票市场价格、股票执行价格和期权期限，计算所述期权组合中各个股票期权的隐含波动率；
18.其中，所述期权定价模型包括black-scholes期权定价模型和baw期权定价模型。
19.根据本发明提供的一种股票期权数据处理方法，所述根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度，包括：
20.通过delta风险敏感度计量公式、vega风险敏感度计量公式、curvature风险敏感度计量公式以及所述期权定价模型，构建期权敏感度模型，所述期权敏感度模型为：
[0021][0022][0023]s′k＝vega
×
σ；
[0024][0025][0026]
其中，sk表示第k个股票期权的delta风险头寸敏感度；eqk表示第k个股票期权对应的股票市场价格；vi()表示期权类型为i的股票期权的价格函数，i为black-scholes期权定价模型或baw期权定价模型，vi()对应的价格函数是根据期权类型确定的；vega表示所述隐含波动率的变化引起股票期权市值的变化，σ表示所述隐含波动率，s
′k表示第k个股票期权的vega风险头寸敏感度；表示在股票市场价格向上冲击的情况下，第k个股票期权对应的股票市场价格，到达预设向上冲击价格时的curvature风险敏感度；表示在股票市场价格向上冲击的情况下，第k个股票期权对应的股票市场价格的预设向上冲击价格；v(xk)表示第k个股票期权的期权市场价格，表示第k个股票期权对应的股票的风险权重，s
ik
表示第k个股票期权对应delta敏感度；表示在股票市场价格向下冲击的情况下，第k个股票期权对应的股票市场价格，到达预设向下冲击价格时的curvature风险敏感度；表示在股票市场价格向下冲击的情况下，第k个股票期权对应的股票市场价格的预设向下冲击价格。
[0027]
基于所述期权敏感度模型，根据所述隐含波动率、所述期权市场价格、所述股票市场价格、所述股票执行价格和所述期权期限，获取每个所述股票期权的头寸敏感度。
[0028]
根据本发明提供的一种股票期权数据处理方法，所述根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果，包括：
[0029]
根据每个所述股票期权的头寸敏感度，以及每个风险组内各个股票期权之间的相关性，通过风险组内敏感度计量公式，得到每个风险组的敏感度风险计量结果，所述风险组
内敏感度计量公式为：
[0030][0031][0032][0033][0034][0035]
其中，kb表示风险组b的delta敏感度风险计量结果，wsk为第k个股票期权对应的股票的加权delta敏感度，p
kl
表示第k个股票期权对应的股票与第l个股票期权对应的股票之间的相关性系数，ws
l
表示第l个股票期权对应的股票的加权delta敏感度，k
′b表示风险组b的vega敏感度风险计量结果，ws
′
l
表示第l个股票期权对应的股票的加权vega敏感度，k
″b表示表示风险组b的curvature敏感度风险计量结果；表示在股票市场价格向上冲击的情况下，风险组b的curvature敏感度风险计量结果；表示在股票市场价格向下冲击的情况下，风险组b的curvature敏感度风险计量结果；表示在股票市场价格向上冲击的情况下，第l个股票期权对应的股票的curvature风险敏感度；表示在股票市场价格向下冲击的情况下，第l个股票期权对应的股票的curvature风险敏感度。
[0036]
根据本发明提供的一种股票期权数据处理方法，所述根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果，包括：
[0037]
根据所述风险组的敏感度风险计量结果，以及每个风险组之间的相关性，通过风险组间敏感度计量公式，得到所述期权组合的delta风险敏感度计量总结果、vega风险敏感度计量总结果和curvature风险敏感度计量总结果，所述风险组间敏感度计量公式为：
[0038][0039][0040][0041]
其中，risk表示所述delta风险敏感度计量总结果，γ
bc
表示风险组b与风险组c之间的相关性系数，sb表示风险组b内所有股票期权的delta风险头寸敏感度加权求和结果，sc表示风险组c内所有股票期权的delta风险头寸敏感度加权求和结果，risk
′
表示所述vega风险敏感度计量总结果，s
′b表示风险组b内所有股票期权的vega风险头寸敏感度加权求和结果，s
′c表示风险组c内所有股票期权的vega风险头寸敏感度加权求和结果，risk
″
表示所述curvature风险敏感度计量总结果，s
″b表示风险组b内所有股票期权的curvature风险头寸敏感度加权求和结果，s
″c表示风险组c内所有股票期权的curvature风险头寸敏感度加权求和结果；
[0042]
对所述delta风险敏感度计量总结果、所述vega风险敏感度计量总结果和所述curvature风险敏感度计量总结果进行加总处理，得到所述期权组合的敏感度风险计量整体结果。
[0043]
本发明还提供一种股票期权数据处理系统，包括：
[0044]
风险组划分模块，用于根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组；
[0045]
波动率计算模块，用于基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率；
[0046]
敏感度第一计量模块，用于根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度；
[0047]
敏感度第二计量模块，用于根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果；
[0048]
敏感度第三计量模块，用于根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
[0049]
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述股票期权数据处理方法。
[0050]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述股票期权数据处理方法。
[0051]
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述股票期权数据处理方法。
[0052]
本发明提供的股票期权数据处理方法及系统，通过获取到的股票期权头寸信息，将期权组合内的股票期权进行分组，再根据期权定价模型，计算每个分组内的股票期权的隐含波动率，进而根据隐含波动率，计算分组内和分组间的敏感度结果，相比现有人工计量的方法，在提高敏感度计量准确性的同时，也提升了计量效率。
附图说明
[0053]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图进行简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0054]
图1为本发明提供的股票期权数据处理方法的流程示意图；
[0055]
图2为本发明提供的股票期权数据处理系统的结构示意图；
[0056]
图3为本发明提供的电子设备的结构示意图。
具体实施方式
[0057]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0058]
图1为本发明提供的股票期权数据处理方法的流程示意图，如图1所示，本发明提供了一种股票期权数据处理方法，包括：
[0059]
步骤101，根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组。
[0060]
在本发明中，需要用户(该用户主要为金融机构或投资部门)上传金融工具(即股票期权)的头寸信息，包括期权市场价格，股票市场价格，股票执行价格，期权类型，到期时间(即期权期限)，股票市值，市场类别和行业类型等信息。
[0061]
进一步地，根据期权组合中的股票市值，市场类别和行业类型，将一组具有相似特征的风险因子划分到对应的风险组，其中，风险因子为影响金融工具价值变动的主要决定因素，在本发明中主要是指股票价格。在完成风险组划分后，最终每个股票期权及其该股票期权对应的头寸都属于一个风险组。
[0062]
步骤102，基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率。
[0063]
在本发明中，隐含波动率的计算是单个股票期权的头寸敏感度计量的基础。基于不同期权类型的股票期权的期权定价模型，将期权组合中的期权或权证交易价格代入权期权定价模型，反推出隐含波动率数值。
[0064]
以欧式定价期权为例，定价公式使用black-scholes模型，black-scholes模型表达了期权价格，股票在0时刻的价格(即股票当前价格，可以理解为股票现价，或者股票市场价格)，股票执行价格，无风险利率，隐含波动率以及期权期限之间的关系。在本发明中，除去隐含波动率外，其他变量均为已知量，因此可利用black-scholes模型倒推出隐含波动率，可用于后续单个头寸敏感度的计量。
[0065]
步骤103，根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度。
[0066]
敏感度作为对基础资产的风险因子小幅变动引起的金融工具价值变动的估计，在本发明中，股票期权的敏感度由三个部分组成，分别是delta，vega和curvature。
[0067]
其中，delta风险敏感度表示因风险因子变动引起的金融工具现值可能造成的潜在损失的线性估计。其中，风险因子变动是指股票或商品的价格变动，或者利率、信用利差、汇率的变动。
[0068]
vega风险敏感度表示因基础资产隐含波动率的变动导致衍生品现值可能造成的潜在损失。
[0069]
curvature风险敏感度表示含权金融工具由于风险因子变动而产生的超出delta风险的额外潜在损失。
[0070]
步骤104，根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果。
[0071]
在本发明中，通过上述实施例得到的各个股票期权的头寸敏感度，根据每个风险组内期权之间的相关性数据和风险权重，对每种类型的头寸敏感度进行头寸敏感度组内加总，得到每个风险组的delta敏感度风险计量结果、vega敏感度风险计量结果和curvature敏感度风险计量结果。
[0072]
步骤105，根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
[0073]
在本发明中，根据每个风险组之间的相关性系数，结合上述实施例得到的每个风险组对应的敏感度风险计量结果，分别对所有风险组的delta敏感度风险计量结果、vega敏感度风险计量结果和curvature敏感度风险计量结果进行加总，然后再对得到的delta风险敏感度计量总结果，vega风险敏感度计量总结果和curvature风险敏感度计量总结果再进行一次加总处理，得到期权组合的敏感度风险计量整体结果。
[0074]
本发明提供的股票期权数据处理方法，通过获取到的股票期权头寸信息，将期权组合内的股票期权进行分组，再根据期权定价模型，计算每个分组内的股票期权的隐含波动率，进而根据隐含波动率，计算分组内和分组间的敏感度结果，相比现有人工计量的方法，在提高敏感度计量准确性的同时，也提升了计量效率。
[0075]
在上述实施例的基础上，所述根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组，包括：
[0076]
根据所述头寸信息，获取所述期权组合中每个股票期权对应的股票市值、市场类别和行业类型；
[0077]
基于交易账簿基础评估框架，通过所述股票市值、所述市场类别和所述行业类型，将每个所述股票期权划分到对应的风险组。
[0078]
在本发明中，利用交易账簿基础评估框架(fundamental review of the trading book，简称frtb)，将期权组合内的股票期权，按照其对应的股票市值、市场类别和行业类型，划分到相应的风险组，以实现后续基于组内期权之间的相关性和各组之间的相关性进行期权敏感度计量，其中，基于frtb框架的风险组划分可参考表1所示：
[0079]
表1
[0080]
[0081][0082]
在上述实施例的基础上，所述基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率，包括：
[0083]
基于不同期权类型的股票期权对应的期权定价模型，根据期权市场价格、股票市场价格、股票执行价格和期权期限，计算所述期权组合中各个股票期权的隐含波动率；
[0084]
其中，所述期权定价模型包括black-scholes期权定价模型和baw期权定价模型。
[0085]
在本发明中，在确定了股票期权的期权类型之后，进而通过对应的期权定价模型，计算隐含波动率，其中，当股票期权为欧式期权定价时，期权定价模型为black-scholes(简称bs)期权定价模型，具体公式为：
[0086][0087]
[0088]
call option price＝s0n(d1)-ke-rt
n(d2)；
[0089]
put option price＝ke-rt
n(-d2)-s0n(-d1)；
[0090]
其中，s0表示股票在0时刻的价格；k表示股票执行价格，股票执行价格为期权协议中的一个构成要素，例如，用户在2022年买入一个股票，该股票的欧式看涨期权是2022年7月31号到期，股票执行价格是5元，在2022年7月31号时，用户有权以5元/股的价格买入该股票；r表示连续复利的无风险利率；σ表示股票价格波动率，本发明通过期权定价模型对σ进行反推，从而得到隐含波动率(为了方便描述，后续隐含波动率也通过σ表示)；t表示期权的期限，例如，某股票期权在2022年6月30日到期，现在是6月20日，还有9个工作日到期，一年252个工作日，所以t＝9/252＝0.0357；
[0091]
n()表示标准正态分布的累积概率分布函数，call option price表示欧式看涨期权价格，put option price表示欧氏看跌期权价格。
[0092]
当股票期权为美式期权定价时，期权定价模型为baw(barone-adesi-whaley)期权定价模型，具体公式为：
[0093]
当
[0094]
p(s,t)＝x-s,当
[0095]
当
[0096]
c(s,t)＝s-x,当
[0097][0098][0099][0100][0101]
[0102][0103]
其中，s
*
表示为牛顿迭代法求解的结果，表示股票的临界价格，在此价格下美式期权的价格和立刻执行期权所获得的收益相等，股票价格小于s
*
时，美式看跌期权应该行权。s表示股票市场价格，p(s,t)表示baw模型计算得到的美式下跌时期权价格，p(s,t)表示bs模型计算所得的欧式下跌时期权价格；表示支付红利情况下，下跌时期的期权提前行权需要增付的权利金部分；x表示股票执行价格，c(s,t)表示baw模型计算得到的美式上涨时期的期权价格，c(s,t)表示bs模型计算所得的欧式上涨时的期权价格，表示支付红利情况下，上涨时期的期权提前行权需要增付的权利金部分；存在股利时，b＝r-d，d为股利支付率，无股利时，b＝r。
[0104]
根据期权市场价格、股票市场价格、股票执行价格和期权期限，利用上述不同期权类型的期权定价模型反推得到隐患波动量σ。
[0105]
在上述实施例的基础上，所述根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度，包括：
[0106]
通过delta风险敏感度计量公式、vega风险敏感度计量公式、curvature风险敏感度计量公式以及所述期权定价模型，构建期权敏感度模型，所述期权敏感度模型为：
[0107][0108][0109]s′k＝vega
×
σ；
[0110][0111][0112]
其中，sk表示第k个股票期权的delta风险头寸敏感度，表示股票市场价格变化1个百分点引起股票期权的变化量，再除以0.01；eqk表示第k个股票期权对应的股票市场价格；vi()表示期权类型为i的股票期权的价格函数，i为black-scholes期权定价模型或baw期权定价模型；vega表示所述隐含波动率的变化引起股票期权市值的变化，σ表示所述隐含波动率，s
′k表示第k个股票期权的vega风险头寸敏感度；
[0113]
表示在股票市场价格向上冲击的情况下，第k个股票期权对应的股票市场价格，到达预设向上冲击价格时的curvature风险敏感度，curvature风险敏感度表示含权金融工具由于风险因子变动而产生的超出得尔塔风险的额外潜在损失，本发明需要对风险
因子实施向上冲击和向下冲击两个情景的压力测试来计量凸度风险，其中，不同的风险组对应有不同的股票市场价格风险权重rw，可参考上述表1，例如，序号为1的风险组所对应的风险权重rw为55％，在股票市场价格向上冲击的情况下，受到向上冲击影响的股票a所对应的预设向上冲击价格为a*(1+55％)，具体的各个风险组对应的风险权重rw可参考表2所示：
[0114]
表2
[0115][0116][0117]
表示在股票市场价格向上冲击的情况下，第k个股票期权对应的股票市场价格的预设向上冲击价格；v(xk)表示第k个股票期权的期权市场价格，表示第k个股票期权对应的股票的风险权重，s
ik
表示第k个股票期权对应delta敏感度；表示在股票市场价格向下冲击的情况下，第k个股票期权对应的股票市场价格，到达预设向下冲击价格时的curvature风险敏感度；表示在股票市场价格向下冲击的情况下，第k个股票期权对应的股票市场价格的预设向下冲击价格；
[0118]
基于所述期权敏感度模型，根据所述隐含波动率、所述期权市场价格、所述股票市场价格、所述股票执行价格和所述期权期限，获取每个所述股票期权的头寸敏感度。
[0119]
现有波动率数据可通过数据服务商提供的隐含波动率曲面来获取每笔头寸的隐含波动率，本发明增加了隐含波动率计量，使得每笔头寸单独计量的结果相比于通过取特殊点估算的波动率曲面更加精确，进而通过上述期权敏感度公式，利用单独计量得到的隐含波动率，提高了每个股票期权的头寸敏感度的准确性。
[0120]
在上述实施例的基础上，所述根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果，包括：
[0121]
根据每个所述股票期权的头寸敏感度，以及每个风险组内各个股票期权之间的相关性，通过风险组内敏感度计量公式，得到每个风险组的敏感度风险计量结果，所述风险组内敏感度计量公式为：
[0122][0123][0124][0125][0126][0127]
其中，kb表示风险组b的delta敏感度风险计量结果，wsk为第k个股票期权对应的股票的加权delta敏感度，p
kl
表示第k个股票期权对应的股票与第l个股票期权对应的股票之间的相关性系数，ws
l
表示第l个股票期权对应的股票的加权delta敏感度，k
′b表示风险组b的vega敏感度风险计量结果，ws
′
l
表示第l个股票期权对应的股票的加权vega敏感度，k
″b表示表示风险组b的curvature敏感度风险计量结果；表示在股票市场价格向上冲击的情况下，风险组b的curvature敏感度风险计量结果；表示在股票市场价格向下冲击的情况下，风险组b的curvature敏感度风险计量结果；表示在股票市场价格向上冲击的情况下，第l个股票期权对应的股票的curvature风险敏感度；表示在股票市场价格向下冲击的情况下，第l个股票期权对应的股票的curvature风险敏感度。
[0128]
在本发明中，在delta敏感度风险计量公式kb和vega敏感度风险计量公式k
′b中，风险因子为k(即股票期权k对应的股票)的加权敏感度为wsk，风险因子为l(即股票期权l对应的股票)的加权敏感度为ws
l
，pk
l
为同一风险组内的不同风险因子之间加权敏感度的相关性系数。在一实施例中，可以将上述两个公式转换成敏感度矩阵和相关性矩阵的乘法。需要说明的是，在本实施例中，相关性系数需要分别按照frtb的要求选择低相关性，中相关性(即风险组内的股票之间的相关性系数)和高相关性来计算，最后的结果取kb和k
′b中较大的结果。在本实施例中，高相关性系数为中相关性系数乘以1.25，上限为100％；低相关性系数是
通过中相关性系数按照下列公式计算得到的：
[0129][0130][0131]
最后，按照低相关性，中相关性和高相关性分别得到3个值，选其中最大的值。
[0132]
在curvature敏感度风险计量公式k
″b中，若为向上冲击情景；若为向下冲击情景；若如果则为向上冲击情景，反之则为向下冲击情景；如果cvrk与cvr
l
都为负数，则取0，反之取1。
[0133]
在上述实施例的基础上，所述根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果，包括：
[0134]
根据所述风险组的敏感度风险计量结果，以及每个风险组之间的相关性，通过风险组间敏感度计量公式，得到所述期权组合的delta风险敏感度计量总结果、vega风险敏感度计量总结果和curvature风险敏感度计量总结果，所述风险组间敏感度计量公式为：
[0135][0136][0137][0138]
其中，risk表示所述delta风险敏感度计量总结果，γ
bc
表示风险组b与风险组c之间的相关性系数，sb表示风险组b内所有股票期权的delta风险头寸敏感度加权求和结果，sc表示风险组c内所有股票期权的delta风险头寸敏感度加权求和结果；
[0139]
risk
′
表示所述vega风险敏感度计量总结果，s
′b表示风险组b内所有股票期权的vega风险头寸敏感度加权求和结果，s
′c表示风险组c内所有股票期权的vega风险头寸敏感度加权求和结果；
[0140]
risk
″
表示所述curvature风险敏感度计量总结果，s
″b表示风险组b内所有股票期权的curvature风险头寸敏感度加权求和结果，s
″c表示风险组c内所有股票期权的curvature风险头寸敏感度加权求和结果；
[0141]
对所述delta风险敏感度计量总结果、所述vega风险敏感度计量总结果和所述curvature风险敏感度计量总结果进行加总处理，得到所述期权组合的敏感度风险计量整体结果。
[0142]
在本发明中，在delta风险敏感度计量总结果计量公式risk和vega风险敏感度计量总结果计量公式risk
′
中(为了方便描述，两个公式均采用sb和sc进行说明)，利用公式分别计算sb和sc的值，若的值为负数，则sb的计算公式为：
[0143][0144]
sc的计算公式为：
[0145][0146]
进一步地，delta风险敏感度计量总结果计量公式risk和vega风险敏感度计量总结果计量公式risk
′
，具体计算过程的时候可以转换为矩阵之间的乘法，利用矩阵计算得出最终结果，同时相关性需要分别按照frtb的要求选择低相关性，中相关性(即风险组之间的相关性系数)，高相关性来计算，最后的结果分别取delta和vega较大的结果，其中，风险组间的相似性计算可参考上述风险组内的相关性计算过程。
[0147]
进一步地，在curvature风险敏感度计量总结果计量公式risk
″
中，对于向上冲击的情况，对于向下冲击的情况，如果s
″b和s
″c都为负数，则ψ(s
″b,s
″c)，取0，反之取1。
[0148]
针对现有rm(risk manager)计量引擎的黑盒计量过程，其计量的中间结果不完全透明，计量方法未知，无法全面分析股票期权敏感度的计量结果，不能确定计量结果是否准确等问题。本发明提供的股票期权数据处理方法，可自动计算期权敏感度最终结果，且中间计算过程透明，计算公式可查，使用简单，执行速度快；同时，通过本发明提供的方法计量得到的敏感度计量结果，还可对rm计量引擎计算的结果进行校验，如差异较大可根据中间结果分析差异来源，可以很好的解决业务在股票期权敏感度上的验证问题。
[0149]
下面对本发明提供的股票期权数据处理系统进行描述，下文描述的股票期权数据处理系统与上文描述的股票期权数据处理方法可相互对应参照。
[0150]
图2为本发明提供的股票期权数据处理系统的结构示意图，如图2所示，本发明提供了一种股票期权数据处理系统，包括风险组划分模块201、波动率计算模块202、敏感度第一计量模块203、敏感度第二计量模块204和敏感度第三计量模块205，其中，风险组划分模块201用于根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组；波动率计算模块202用于基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率；敏感度第一计量模块203用于根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度；敏感度第二计量模块204用于根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果；敏感度第三计量模块205用于根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
[0151]
本发明提供的股票期权数据处理系统，通过获取到的股票期权头寸信息，将期权组合内的股票期权进行分组，再根据期权定价模型，计算每个分组内的股票期权的隐含波动率，进而根据隐含波动率，计算分组内和分组间的敏感度结果，相比现有人工计量的方法，在提高敏感度计量准确性的同时，也提升了计量效率。
[0152]
本发明提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照
上述实施例，此处不再赘述。
[0153]
图3为本发明提供的电子设备的结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(communications interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行股票期权数据处理方法，该方法包括：根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组；基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率；根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度；根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果；根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
[0154]
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0155]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的股票期权数据处理方法，该方法包括：根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组；基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率；根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度；根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果；根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
[0156]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的股票期权数据处理方法，该方法包括：根据期权组合中各个股票期权的头寸信息，将每个所述股票期权划分到对应的风险组；基于各个所述风险组中每个股票期权对应的期权定价模型，根据所述头寸信息，获取每个所述股票期权的隐含波动率；根据所述隐含波动率和期权敏感度模型，获取每个所述股票期权的头寸敏感度；根据所述头寸敏感度，得到每个所述风险组对应的敏感度风险计量结果；根据所有所述风险组的敏感度风险计量结果，获取所述期权组合的敏感度风险计量整体结果。
[0157]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其
中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0158]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0159]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。