name: real-options-analyzer description: 实物期权估值技能，用于分析战略灵活性和投资时机决策 allowed-tools:

Read
Write
Glob
Grep
Bash metadata: specialization: 决策智能 domain: 商业 category: 风险 priority: lower tools-libraries:
- numpy
- scipy
- custom implementations

实物期权分析器

概述

实物期权分析器技能为投资决策中的战略灵活性估值提供能力。它通过量化延迟、扩张、收缩、放弃或转换期权的价值，扩展了传统的净现值分析，从而能够在不确定性下做出更好的决策。

能力

期权识别与框架构建
二叉树估值
布莱克-斯科尔斯模型适配
蒙特卡洛期权估值
决策树表示
波动率敏感性分析
战略期权类型（延迟、扩张、放弃、转换）
与净现值分析集成

使用流程

战略情景开发
假设分析框架
投资决策分析

使用方法

期权定义

# 定义实物期权
real_option = {
    "type": "option_to_expand",
    "underlying_project": {
        "name": "制造工厂第一阶段",
        "base_npv": 5000000,
        "initial_investment": 20000000,
        "volatility": 0.35,  # 项目价值的年波动率
        "dividend_yield": 0.03  # 现金流收益率
    },
    "option_characteristics": {
        "expansion_cost": 15000000,
        "expansion_factor": 1.5,  # 50%产能增加
        "exercise_window": {"start_year": 2, "end_year": 5},
        "option_type": "American"  # 可在窗口期内随时行权
    },
    "risk_free_rate": 0.05
}

二叉树估值

# 二叉树配置
binomial_config = {
    "method": "binomial_tree",
    "parameters": {
        "steps": 50,
        "up_factor": "calculated",  # u = exp(sigma * sqrt(dt))
        "down_factor": "calculated",  # d = 1/u
        "risk_neutral_probability": "calculated"
    },
    "outputs": {
        "option_value": True,
        "optimal_exercise_boundary": True,
        "tree_visualization": True
    }
}

布莱克-斯科尔斯模型适配

# 布莱克-斯科尔斯配置
bs_config = {
    "method": "black_scholes",
    "parameters": {
        "current_value": 25000000,  # S: 当前项目价值
        "exercise_price": 15000000,  # K: 行权投资额
        "time_to_expiry": 3,  # T: 到期年限
        "volatility": 0.35,  # sigma
        "risk_free_rate": 0.05,  # r
        "dividend_yield": 0.03  # q: 连续现金流收益率
    },
    "option_type": "call"  # 扩张=看涨期权，放弃=看跌期权
}

蒙特卡洛估值

# 路径依赖期权的蒙特卡洛估值
monte_carlo_config = {
    "method": "monte_carlo",
    "simulations": 50000,
    "path_model": {
        "type": "geometric_brownian_motion",
        "parameters": {
            "drift": 0.08,
            "volatility": 0.35
        }
    },
    "exercise_strategy": "least_squares_monte_carlo",  # 美式期权的LSM方法
    "basis_functions": ["laguerre", 3]  # 多项式基函数
}

实物期权类型

期权类型	描述	类比
延迟	等待更好的信息	看涨期权
扩张	若成功则扩大规模	看涨期权
收缩	若不利则缩减规模	看跌期权
放弃	退出并回收残值	看跌期权
转换	改变投入/产出	期权组合
复合	期权的期权	序列投资
彩虹	多重不确定性来源	多资产期权

输入模式

{
  "option_type": "defer|expand|contract|abandon|switch|compound",
  "underlying_project": {
    "current_value": "number",
    "volatility": "number",
    "dividend_yield": "number"
  },
  "option_terms": {
    "exercise_price": "number",
    "time_to_expiry": "number",
    "exercise_type": "European|American"
  },
  "valuation_method": "binomial|black_scholes|monte_carlo",
  "parameters": "object",
  "sensitivity_analysis": {
    "variables": ["volatility", "time", "value"],
    "ranges": "object"
  }
}

输出模式

{
  "option_value": "number",
  "expanded_npv": "number",
  "static_npv": "number",
  "flexibility_value": "number",
  "greeks": {
    "delta": "number",
    "gamma": "number",
    "vega": "number",
    "theta": "number",
    "rho": "number"
  },
  "exercise_boundary": {
    "time": ["number"],
    "critical_value": ["number"]
  },
  "sensitivity": {
    "variable": {
      "values": ["number"],
      "option_values": ["number"]
    }
  },
  "decision_rule": "string",
  "visualization_paths": ["string"]
}

最佳实践

估值前识别所有相关期权
从可比资产或市场数据估计波动率
对于灵活行权时机使用美式期权模型
考虑多个期权之间的相互作用
通过敏感性分析验证输入
将期权价值作为“灵活性价值”进行沟通
比较扩展净现值和传统净现值以支持决策

扩展净现值框架

扩展净现值 = 静态净现值 + 期权价值

决策规则：

如果扩展净现值 > 0：推进（即使静态净现值 < 0）
如果扩展净现值 < 0 但期权价值 > 0：考虑延迟
期权价值量化了等待/灵活性的收益

集成点

输入至战略期权分析师代理
与蒙特卡洛引擎连接进行模拟
支持情景规划师进行战略估值
与决策树构建器集成进行表示