欧式看涨期权在行权日 T 的期望价值为 E[max(S(T) – K, 0)]，其中 S(T) 为股票在 T 时刻的价格，K 为行权价。股价 S 满足对数正态分布，在风险中性定价理论下，S 的期望收益率为无风险收益率 r，且期权的折现率也等于无风险收益率 r。因此，期权在当前时刻的价格 C 为：
![]()
根据对数正态分布的性质可以方便的计算出 E[max(S(T) – K, 0)]，从而得到著名的 BS 期权定价公式（同时给出看涨期权价格 C 和看跌期权价格 P）：
![]()
根据公式并利用计算机，只要输入五个变量——当前股价 S(0)、行权价格 K，行权日距现在的时间（按年计算）T，无风险收益率 r，以及标的股票的年收益率的标准差 σ ——就可以计算出欧式看涨（看跌）期权的理论价格，这无疑非常方便。然而我们需要了解定价公式背后的含义。
对于任何一个期权，在定价时有两个不确定性需要考虑：
- 这个期权到行权日到底是不是实值期权（in-the-money），就是到底有没有行权的价值（比如说我买了一个看涨期权，但是行权日股价 S 低于 K，那么这个期权就没有价值）。
- 如果行权了，那么我们的（期望）收益到底能有多少（比如行权价是 100，在行权日股价是 110，那么每股我们能赚 10 块；而如果股价是 120，则每股我们能赚 20 块）。
这两个不确定性恰恰就对应着由 BS 定价公式中的 N(d_1) 和 N(d_2)。
以看涨期权为例来解释这一点。在 BS 公式中，N 代表了标准正态分布的累积密度函数，因此 N(d_1) 和 N(d_2) 就代表两个概率。其中，N(d_2) 正是在风险中性世界中期权被行权的概率，即 prob(S(T) > K)。因此 C 公式中的第二项 Ke^(-rT)N(d_2) 就是在当前时点、考虑了行权概率后的行权费的期望（即为了在T购买股票所需的期望成本）。
至于 N(d_1)，对于它的理解远没有 N(d_2) 直观。先抛开 N(d_1) 不说，而来看看 C 公式中的第一项。由于第二项代表着期望成本，那么第一项必然代表着行权得到股票的期望收益。由于只有 S(T) 大于 K 才会行权，因此在行权的条件下，股票在行权时的期望价值是一个条件期望，即 E[S(T) | S(T) > K]。用这个条件期望乘以行权的概率 N(d_2) 再把它折现到今天（乘以 e^(-rT)）就应该是 C 公式中的第一项。因此有：
![]()
将 S(0) 替换为 e^(-rT)E[S(T)] 并带入上式可知：
![]()
由于 E[S(T) | S(T) > K] > E[S(T)]，因此 N(d_1) > N(d_2)（这从 d_1 大于 d_2 且 N 是单调增函数也可以验证）。根据这个关系，我们可以把 N(d_1) 理解为风险中性世界中、按照股票价格加权的行权概率。这是因为和固定的行权成本 K 不同（K 是独立于股价 S 的），收益和股价之间不是独立的。
N(d_1) 在数学上还有另外的解释，它是“以股票波动率 σ 为市场风险定价，并在以股票为计价单位时，期权被行权的概率”。解释它需要涉及到测度变换、等价鞅、以及计价单位变换等数学知识。
更多的请见：
石川：布朗运动、伊藤引理、BS 公式（前篇）石川：布朗运动、伊藤引理、BS 公式（后篇）
|
