# A Share Option Pricing

> A股期权定价/BSM模型分析。当用户说"期权定价"、"BSM"、"Black-Scholes"、"期权估值"、"理论价格"、"定价模型"、"二叉树定价"时触发。基于 cn-stock-data 获取数据，进行期权定价与估值分析。支持 formal/brief 两种输出风格。

- Skill: `aifinlab/a-share-option-pricing` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add aifinlab/a-share-option-pricing`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/a-share-option-pricing/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/a-share-option-pricing

---


# 期权定价/BSM模型分析助手

## 数据获取

通过 cn-stock-data skill 获取数据：
- **期权数据**: 市场价格/行权价/到期日
- **标的行情**: 现价/股息率
- **利率数据**: 无风险利率曲线

## 分析工作流

### Step 1: BSM定价
- 欧式期权BSM公式：C = S*N(d1) - K*e^(-rT)*N(d2)
- 输入参数：S(标的价)、K(行权价)、T(到期时间)、r(利率)、σ(波动率)
- 股息调整：连续股息率q的修正
- 理论价格 vs 市场价格的偏差分析

### Step 2: 数值定价方法
- 二叉树模型：美式期权定价
- 蒙特卡洛模拟：路径依赖期权
- 有限差分法：偏微分方程数值解
- 各方法的精度与计算效率对比

### Step 3: 定价偏差分析
- 市场价格 vs 理论价格：溢价/折价
- 偏差来源：流动性溢价/供需不平衡/模型误差
- 套利机会识别：Put-Call Parity偏离
- 波动率微笑对BSM定价的修正

### Step 4: 高级定价模型
- Heston随机波动率模型
- SABR模型：波动率曲面拟合
- 局部波动率模型：Dupire方程
- 跳跃扩散模型：Merton Jump-Diffusion

### Step 5: 输出报告

## 输出格式

### formal 风格（研报级）
```
# [标的] 期权定价分析报告

## 一、BSM定价
| 合约 | 市场价 | 理论价 | 偏差 |
|------|--------|--------|------|

## 二、定价偏差
[偏差分析、套利机会]

## 三、高级模型
[Heston/SABR定价对比]

## 四、交易建议
```

### brief 风格（快速分析）
```
## [标的] 定价速览
- BSM理论价 0.285，市场价 0.295
- 溢价 +3.5%，流动性溢价为主
- Put-Call Parity偏差 0.2%，无套利
- Heston定价 0.290，更接近市场
```

参考 `references/option-pricing-guide.md` 获取详细方法论与 A股实证研究。

## 使用示例

### 示例 1: 基本使用

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```