小议实物期权法在项目评估的运用

《小议实物期权法在项目评估的运用 》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、小议实物期权法在项目评估的运用小议实物期权法在项目评估的运用小议实物期权法在项目评估的运用小议实物期权法在项目评估的运用小议实物期权法在项目评估的运用　　论文关键词:实物期权金融期权项目决策　　论文摘要:实物期权法在引入国内后引起了评估方法的震荡及对传统评估方法的否定,本文着重分析实物期权法在前提及分析模型方面的不足,并针对性同时提出了一些建议。　　一、实物期权的概念　　实物期权是金融期权对实物(非金融)资产期权的延伸[1]。也就是我们拥有在一个或多个时点采取决策的权利[2]。实物期权理论的引入改变了传统的项目决策标准。一个NPV值为

2、负的项目由于具有期权的性质有可能在将来成为一个有价值的项目,而一个具有正的NPV值的项目在实物期权下却有可能不会被立即执行,因为在不确定条件下,等待权具有相当的价值。　　其次,它丰富了投资决策理论。实物期权法是一种动态评估方法,它充分考虑了不确定性和灵活性在投资决策中的应用,为准确评估项目价值提供了新的思路。复合期权和彩虹期权由于充分考虑了许多项目的特殊性质,其评估准确性大大高于传统的项目决策方法。第三,它改变了决策者对风险的态度。在传统DCF法下,不确定性的提高增加了项目的风险,降低了项目的吸引力,但如果将项目视为一个期权,不确定性

3、的增加反而会增加期权的价值[3]。　　二、实物期权的定价模型与其缺点分析　　1.实物期权定价模型　　根据金融期权定价理论,期权的价格受到以下因素影响:基础标的资产价格S,执行价格X,持有时间(T-t),资产价格波动性σ,无风险收益率Rf在期权中,标的资产的价值等于标的资产的内在价值和期权溢价。这个等式为任何非个人支付债券的衍生价格所满足。假设S是标的资产的折现价值,X是执行价值(T-t)是期权从开始持有到执行的时间,N(x):标准正态分布的累积概率分布函数。那么期权价值V0由下式给出:　　V0=SN(d1)-Xe-r(T-t)N(d2

4、)d1和d2由下式给出:　　其中,σ是标的资产价值变化幅度;计息方式采用连续计息,N(x)通过查标准状态分布表获得。在实物期权评估中,该模型适用于离执行投资还有一定时间间隔的投资活动。参数的含义发生部分变化。S是标的资产的折现价值,X是执行价格,即项目投资的成本,无风险收益率Rf资产价格波动性σ。　　该模型计算简单易懂。充分考虑了决策和等待这段时间之间的价值。相对于传统的决策方法具有一定进步。但是,对项目的类型要求比较严格,即要求项目是独占一简单阶段的简单投资模型。而且,投资决策和投资行为之间具有一定时间间隔。该模型适应了管理的柔性,

5、使得投资具有一定的缓冲空间,不可逆转性得到了考虑。但是,在我国目前经济情况下,部分参数取得比较困难,以S和σ为代表。在该模型中,S是标的资产的折现价值。在折现的过程中,需要考虑无风险收益率Rf和未来现金流情况。其中,无风险收益率Rf来自社会平均收益情况。困难的是,未来现金流情况是不可知的,需要提前预测,在这个多变复杂的经济环境中,预测比较具有风险。如果S不是通过折现得到,而是假设标的资产能够上市交易,通过市场价值来得到,那么我国现在的证券市场也不能提供完美的信息。因此,S的确定是一个困难。　　σ是标的资产价值变动的幅度,一般表现为资产

6、价值变动的标准差。σ越大,期权溢价就越大。因为σ越大,执行价值就越可能往高的方向去。这样的波动是有价值的。在金融期权中,该参数来自市场信息。在实物期权中,该参数的取得也只能来自市场信息,但是目前我国的信息市场还没有完全规范,而且,不同行业之间的情况又具有差异。因此,社会也难以为每个行业都给出一个合理的变动参数。结果就是σ所反映的信息往往不能代表真实的资产价值变化情况。因此,S的确定也是一个困难。　　故,在Black-Scholes模型中,S和X的确定是困难的,Rf的确定存在一定难度,(T-t)与实物期权价值的关系需要视具体问题具体分析

7、。　　２、项式模型　　二项式计算结果和前面的Black-Scholes模型的计算结果有差异,价值比后者要小。当计息连续的时候,两种计算方式结果趋于一致。该模型是期权溢价计算的一般模型,可以运用于美式和欧式期权的计算,也可以运用于分发股利的期权的计算。所以,该模型的应用更加符合环境的变化。Black-Scholes模型只是该模型运用的一个特例。在(T-t)时间之间,标的资产价格可能上升,也可能下降,这样的过程形成了一个单阶段或多阶段的二叉树,又称二项式模式。　　假设当前标的资产价格是S,期权执行价格是X,从期权开始存在到期权成熟时间为(

8、T-t),目前市场无风险收益率是r,Rf为计息期利率。标的资产价格变动的幅度为σ。那么,假设单位时间内,价格有可能上升σ,上升概率P=达到Su=S(1+σ),也有可能下降σ,下降概率(1-p)达到Sd=S(1-σ)。在价