CN105956914A - 一种期权式竞拍的数据处理方法及其系统 - Google Patents

Abstract

本发明提供一种期权式竞拍的数据处理方法及其系统。该系统包括：资料库模块和数据处理模块，其中的资料库模块包括：信息存储单元，存储有竞拍数据信息；规则存储单元，存储有数据处理规则；其中的数据处理模块包括：第一计算单元，根据检测到竞拍数据构建二叉树模型定量计算；第二计算单元，接收第一计算单元结果，循环计算得到竞拍人收益。该方法能够规避竞拍系统性风险，降低流拍率。

Description

一种期权式竞拍的数据处理方法及其系统

技术领域

本发明涉及一种数据处理方法及系统，特别涉及一种期权式竞拍的数据处理方法及系统。

背景技术

随着国际艺术品市场的发展，竞拍交易系统在艺术品交易过程中发挥着十分重要的作用。它有助于发现艺术品的价值，提升艺术品的交易价值。对于投资和收藏的人来说，传统的竞拍方式几乎是获取艺术品最直接，最有效的方式。

但是，目前的竞拍方式也反应了很大的局限性。主要是，流动性差和投资交易风险性高，竞拍风险高，风险无法分散，分析无法定价，无风险补偿机制。所谓投资交易风险性高，在于投资者和收藏者几乎承担了投资于艺术品的全部风险。尤为突出的是在竞拍过程中，竞拍者每叫一次价，承担了一定的风险，但没有获得任何风险补偿。先叫价者和后叫价者，也没有体现竞价过程顺序的优势性。拍卖行和艺术品的卖家作为艺术品的出让方，几乎不承担任何投资风险。这样造成了拍卖行操纵拍卖行为，假拍等系统性风险。并且风险全都转嫁给投资者和收藏者。

由于投资者和收藏者感受到了系统性风险的存在，因此传统竞拍流动性差成为艺术品市场交易的一个瓶颈。而如何分散竞拍交易中的系统性风险，如何对风险定价，如何增强流动性，对于艺术品产业的发展起到举足轻重的作用。

为了避免拍卖现场可能存在的不理智气氛的影响，并且为了突破地理位置的限制，近年来人们已经开发了一些基于计算机的电子拍卖系统。但是这些电子拍卖系统相对于传统拍卖方式而言，仅仅是将适当配置的计算机连接到网络中，以便向公众发布拍卖信息，并从远程参与者处接收竞拍购买信息。这类电子拍卖系统会根据竞拍购买信息中所包含的出价数据，通过简单的数值比较得出拍卖期间出价最高的参与者，并最终确定将相应拍卖品的所有权赋予该参与者。

可见，这类电子拍卖系统目前都没有充分利用计算机的数据计算和处理能力。具体地也就是说，最高出价者之前的其它出价数据没有被充分有效地进行处理，从而使得这类系统只是在计算机网络上简单地实现了传统拍卖方法而已。对于目前的电子拍卖系统而言，为了节省拍卖服务器的磁盘存储空间，实际上在出现了一个较高的出价数据之后，该较高出价数据之前的出价数据/信息会被覆盖或删除，因而目前的电子拍卖系统在竞价结束后无法对整个拍卖过程中出现的每一出价数据进行后期处理，以便得到进一步的有利于拍卖过程的数据计算(或信息处理)结果。同时，由于目前电子拍卖系统总体框架结构本身的限制，它们也不可能对每一出价数据进行较复杂的即时处理，以实质地促进拍卖过程。

发明内容

本发明是根据传统竞拍交易系统的必然性和局限性，结合风险定价和时间价值等理念，引入计算机数据结构中二叉树模型，提出了一种期权式竞拍交易方法及系统，提高了竞拍中数据处理的有效性，提高了数据处理速度，有效规避风险。

本发明提供了一种期权式竞拍的数据处理系统，其特征在于，该系统包括：

资料库模块，其中包括：信息存储单元，存储有竞拍数据信息，包括竞拍人信息，实物标信息，虚物标信息；规则存储单元，存储有数据处理规则；数据处理模块，其中包括：第一计算单元，检测到输入的竞拍到期时间，标的物价格，竞价幅度，波动率的多维度变量，建立对当前竞拍的期权进行二叉树模拟模型定量计算，进而自动计算出竞拍的期权值f，具体的：

f＝e^-rT[pf_u+(1-p)f_d]

$p=\frac{e^{rT}-d}{u-d}$

；其中，P为期望收益，f为一个期权的价格。假定期权的期限为T，在期权有效期内，竞拍价格或者由S₀竞拍上涨到S_0u，或者会由S₀下降到S_0d(u＞1；d＜1)，当竞拍结束后，出现竞拍人违约的情况，竞拍价格S₀将会出现下降的情况)，当竞拍价格上涨时，其增长的比率为u-1；当竞拍价格下降时，其下降的比率为1-d。假设如果竞拍价格变到S_0u，相应的期权价格则为f_u；如果股票价格变为S_0d，期权价格则为f_d；

第二计算单元，接收第一计算单元计算结果，竞拍人进行n轮竞拍，每次出价为h_n，其中h为加价幅度，n为大于等于1的正整数，则竞拍人的收益为：P_n＝Δt_n-f_n，其中P为期望收益，Δt_n为该轮次行权后可能获得的期权收益，f_n为第n轮竞拍者实际支付的期权代价，并且Δt_n，为风险函数r和分段函数a的乘积，Δt_n＝r_n*a；r_n为风险回报的增函数，a为根据不同约束条件，选择的不同分段函数，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；执行上述循环，直到n轮竞价结束，计算最终竞拍人收益。

该数据处理系统还可以是：所述竞拍的对象为虚物标的，即优先购买权。

该数据处理系统还可以是：每轮竞拍结果确认后，产生的价差，使得每轮的期权购买人获得价值回报，并自动行权。

本发明还提供一种期权式竞拍的数据处理方法，该系统包括：资料库存储步骤，包括：信息存储，存储有竞拍数据信息，包括竞拍人信息，实物标信息，虚物标信息；规则存储，存储有数据处理规则；数据处理步骤，其中包括：执行第一计算，检测到输入的竞拍到期时间，标的物价格，竞价幅度，波动率的多维度变量，建立对当前竞拍进行二叉树模拟模型，进而自动计算期权代价f，具体的：

f＝e^-rT[pf_u+(1-p)f_d]

$p=\frac{e^{rT}-d}{u-d}$

其中，P为期望收益，f为一个期权的价格。假定期权的期限为T，在期权有效期内，竞拍价格或者由S₀竞拍上涨到S_0u，或者会由S₀下降到S_0d(u＞1；d＜1)，当竞拍结束后，出现竞拍人违约的情况，竞拍价格S₀将会出现下降的情况)，当竞拍价格上涨时，其增长的比率为u-1；当竞拍价格下降时，其下降的比率为1-d。假设如果竞拍价格变到S_0u，相应的期权价格则为f_u；如果股票价格变为S_0d，期权价格则为f_d；执行第二计算，接收第一计算单元计算结果，竞拍人进行n轮竞拍，每次出价为h_n，其中h为加价幅度，n为大于等于1的正整数，则竞拍人的收益为：Pn＝Δt_n-fn，其中P为期望收益，Δt_n为该轮次行权后可能获得的期权收益，f_n为第n轮竞拍者实际支付的期权代价，并且Δt_n，为风险函数r和分段函数a的乘积，Δt_n＝r_n*a；r_n为风险回报的增函数，a为根据不同约束条件，选择的不同分段函数，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；执行上述循环，直到n轮竞价结束，计算最终竞拍人收益。

该数据处理方法还可以是：所述竞拍的对象为虚物标的，即优先购买权。

该数据处理方法还可以是：每轮竞拍结果确认后，产生的价差，使得每轮的期权购买人获得价值回报，并自动行权。

因此，在使用了此新型竞拍交易系统的技术方案，具有以下多种有益效果：

1)本发明为流动性不足竞拍品提供了更多途径的流通方法。实物和期权的拆分，可以让竞拍的委托方和竞拍方在权利变更范围内，完成价值的互换。

2)在竞拍过程中，引入了期权之后，可以加价幅度，竞拍时间价值和波动性等风险做风险定价，这样对于每一轮加价的人，可以权衡加价的成本及期权上涨后的收益，更理性的竞拍。

3)竞拍过程中，流拍一直作为资源浪费的体现。原因在于传统竞拍是一次性叫价，叫价必须完成交易，刚性兑付。因此，对于某种非刚性需求的竞拍对象，会产生很高的流拍率。而本发明的期权式竞拍，正好完美的解决了这个问题。竞拍的人在支付一定的期权成本之后，可以在竞拍期权到期日前选择行权或者放弃权利金。因为多了一种拆分风险后的竞价方式，使得竞价的系统性风险减小，弥补了缺陷。

4)传统竞拍一直受到假拍等无法规避的系统性风险。然而，当使用了期权式竞拍之后，因为涉及到期权值的交易成本，大大增加了假拍的难度和交易成本，使得假拍的系统性风险大大降低。

附图说明

图1是期权式竞拍的数据处理系统框图。

图2是期权式竞拍的数据处理方法流程图。

图3是本发明的一个实施例。

具体实施方式

本申请建立一种期权式竞拍的数据交互方法，即在竞拍的每一伦次的竞拍过程中，剥离出该轮的竞拍权利，即竞拍期权。对于竞拍权利，即竞拍期权，使用期权定价方法如二叉树模型，可以关联竞拍的到期时间，标的物价格，竞价幅度，波动率等多维度变量，并定量计算出每一伦次竞拍期权的期权价值f。竞拍人可以有效的分析出执行竞拍期权而获得的权利收益和支出的期权成本进行预期的权衡，做出最经济的选择。

在竞拍模型中，任何被竞拍的标的物都会被首先拆分为实物标的和虚物标的。实物标的即为该竞拍物品的本身，虚物标的即为对该竞拍物品的优先购买权。因此，本发明的竞拍系统中，竞拍的对象为虚物标的，即优先购买权。而优先购买权的标的资产为竞拍的物品本身。因此，本文的竞拍系统中，竞拍人竞拍得到的优先购买权，即认定为一种看涨期权。竞拍过程中，每一轮次的竞拍结果的确认，即对于每一份看涨期权的购买。期权获得者需要支付一定的期权值，便可以保留未来某一个时间以某行权价格行权的权利。期权的收益来自于市场价格和行权价格的价差。在本竞拍系统中，当前的市场价格即为当前的竞拍叫价。本交易系统规定，当每一轮竞拍结果确认后产生的价差，使得每一轮的期权购买人获得价值回报，并自动行权。

每一轮竞拍的期权值是由系统根据竞拍的到期时间，标的物价格，波动率等综合指标自动计算出来，给到竞拍人完整的风险预期，可以做到标准化的风险定价。

期权式竞拍交易系统有效地解决了传统竞拍交易的多种局限性。比如流动性差，权利和风险无法分散和量化。

在期权竞拍系统过程中，因为引入了期权模式，因此对竞拍的时间价值，标的物的市场价值波动性，杠杆率及风险定价等综合因素纳入了系统性的参考范围，有效的增强了标的物交易性和流动性，控制了竞拍本身的系统性风险，提升了产业价值。

期权定价领域中有一个常用的工具就是二叉树方法，二叉树是代表在期权期限内可能出现的价格变动路径的图形。参考适用于股票期权的二叉树期权定价模型，我们可以对竞拍期权的相关期权值做一部分简化后的定价机制。

二叉树期权定价模型计量关系式：

f＝e^-rT[pf_u+(1-p)f_d]

，其中

其中f为期权值。

期权值的影响因子即上涨的概率，关联到竞拍到期的时间，波动率，当前价格，竞价幅度等多维度的变量。

下面结合附图和实施例子对本发明作进一步说明。

根据图1所示，本发明提供了一种期权式竞拍的数据处理系统，该系统由资料存储模块及数据处理模块组成。具体的：

资料存储模块存储该期权竞拍所需的各种数据以及数据处理规则。资料存储由信息存储单元与规则存储单元。信息存储单元，用来存储有期权式竞拍所需的各种数据信息，包括竞拍人信息，具体可为竞拍人的年龄、身份、资质等信息。实物标信息，即为竞拍物品的具体信息，例如青花瓷器一件，则其实物标信息可为其年份、尺寸、品相等信息。虚物标信息则为对该竞拍物品的优先购买权。规则存储单元，用来存储期权式竞拍时各种数据的处理规则。

数据处理模块，主要用于处理期权式竞拍中的各项数据，其中包括两个计算单元。第一计算单元，检测到输入的竞拍到期时间，标的物价格，竞价幅度，波动率的多维度变量，引入二叉树数据结构的理念，建立对当前竞拍的期权进行二叉树模拟模型定量计算，进而自动计算出竞拍的期权值f，具体的：

f＝e^-rT[pf_u+(1-p)f_d]

，其中

其中，P为期望收益，f为一个期权的价格。假定期权的期限为T，在期权有效期内，竞拍价格或者由S₀竞拍上涨到S_0u，或者会由S₀下降到S_0d(u＞1；d＜1)，当竞拍结束后，出现竞拍人违约的情况，竞拍价格S₀将会出现下降的情况)，当竞拍价格上涨时，其增长的比率为u-1；当竞拍价格下降时，其下降的比率为1-d。假设如果竞拍价格变到S_0u，相应的期权价格则为f_u；如果股票价格变为S_0d，期权价格则为f_d。

第二计算单元，接收第一计算单元计算结果，竞拍人进行n轮竞拍，每次出价为h_n，其中h为加价幅度，n为大于等于1的正整数，则竞拍人的收益为：P_n＝Δt_n-f_n，其中P为期望收益，Δt_n为该轮次行权后可能获得的期权收益，f_n为第n轮竞拍者实际支付的期权代价，并且Δt_n，为风险函数r和分段函数a的乘积，Δt_n＝r_n*a；r_n为风险回报的增函数，a为根据不同约束条件，选择的不同分段函数，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；执行上述循环，直到n轮竞价结束，计算最终竞拍人收益。

当每轮竞拍结果确认后，产生的价差，使得每轮的期权购买人获得价值回报，并自动行权。

根据图2所示，本发明还提供了一种期权式竞拍的数据处理方法，该方法由资料存储步骤及数据处理步骤构成。具体的：

资料存储步骤中，用于存储该期权竞拍所需的各种数据以及数据处理规则。资料存储由信息存储与规则存储组成。信息存储，用来存储有期权式竞拍所需的各种数据信息，包括竞拍人信息，具体可为竞拍人的年龄、身份、资质等信息。实物标信息，即为竞拍物品的具体信息，例如青花瓷器一件，则其实物标信息可为其年份、尺寸、品相等信息。虚物标信息则为对该竞拍物品的优先购买权。规则存储，用来存储期权式竞拍时各种数据的处理规则。

数据处理步骤，主要用于处理期权式竞拍中的各项数据，其中包括执行两个计算。执行第一计算，检测到输入的竞拍到期时间，标的物价格，竞价幅度，波动率的多维度变量，引入二叉树数据结构的理念，建立对当前竞拍的期权进行二叉树模拟模型定量计算，进而自动计算出竞拍的期权值f，具体的：

f＝e^-rT[pf_u+(1-p)f_d]

$p=\frac{e^{rT}-d}{u-d}$

；其中，P为期望收益，f为一个期权的价格。假定期权的期限为T，在期权有效期内，竞拍价格或者由S₀竞拍上涨到S_0u，或者会由S₀下降到S_0d(u＞1；d＜1)，当竞拍结束后，出现竞拍人违约的情况，竞拍价格S₀将会出现下降的情况)，当竞拍价格上涨时，其增长的比率为u-1；当竞拍价格下降时，其下降的比率为1-d。假设如果竞拍价格变到S_0u，相应的期权价格则为f_u；如果股票价格变为S_0d，期权价格则为f_d。

执行第二计算，接收第一计算单元计算结果，竞拍人进行n轮竞拍，每次出价为h_n，其中h为加价幅度，n为大于等于1的正整数，则竞拍人的收益为：P_n＝Δt_n-f_n，其中P为期望收益，Δt_n为该轮次行权后可能获得的期权收益，f_n为第n轮竞拍者实际支付的期权代价，并且Δt_n，为风险函数r和分段函数a的乘积，Δt_n＝r_n*a；r_n为风险回报的增函数，a为根据不同约束条件，选择的不同分段函数，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；执行上述循环，直到n轮竞价结束，计算最终竞拍人收益。

当每轮竞拍结果确认后，产生的价差，使得每轮的期权购买人获得价值回报，并自动行权。

根据图3所示为本发明一个具体实施例，其中本轮竞拍采用期权式竞拍交易，竞拍时间到期日为m，加价幅度为h。

首轮A叫价h1，竞拍人A获得了该轮的期权，并支付了期权费f1；

次轮B叫价h2，竞拍人B获得了该轮的期权，并支付了期权费f2；

A轮的期权在B轮确认交易后，A轮期权被自动行权。

其中，期权费f1，在参考了股票期权定价方法后，应用到期权竞拍交易系统中，并根据竞拍到期时间，标的物价格，竞价幅度，波动率等多因素自动计算的一个期望值。

A的收益为一个符合关系式：DΔt_n

其中p为A的期望收益，Δt_n为该轮次行权后可能获得的期权收益，f1为实际支付的期权费。

其中Δt_n，为风险函数r和分段函数a的乘积。

Δt_n＝r_n*a

r_n为风险回报的增函数。a为根据不同约束条件，选择的不同分段函数。对于一般情况，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；该方程符合竞拍风险回报的发展变化趋势。

末轮C叫价h3，竞拍人支付期权费f3；

本发明的竞拍交易系统适用范围非常广泛，可用于现阶段所有具有深度投资属性，投资价值不确定的各类投资竞拍活动。具有非常广阔的应用空间和应用价值。

以上所述，仅为本发明的较佳示例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所做的任何修改，等同替换，改进等，均应包含在本发明的保护范围之内。本领域的技术人员能够给予本发明开发出基于以上模块和功能实现的系统，以及不脱离本系统和方法为基础的各种技术改动和延伸应用，具体形式与具体实现有关，均应包含在本发明的保护范围之内。

Claims (6)

1.一种期权式竞拍的数据处理系统，其特征在于，该系统包括：

资料库模块，其中包括：

信息存储单元，存储有竞拍数据信息，包括竞拍人信息，实物标信息，虚物标信息；

规则存储单元，存储有数据处理规则；

数据处理模块，其中包括：

第一计算单元，检测到输入的竞拍到期时间，标的物价格，竞价幅度，波动率的多维度变量，建立对当前竞拍的期权进行二叉树模拟模型定量计算，进而自动计算出竞拍的期权值f，具体的：

f＝e^-rT[pf_u+(1-p)f_d] 公式(1)，

公式(2)；

其中，P为期望收益，f为一个期权的价格。假定期权的期限为T，在期权有效期内，竞拍价格或者由S₀竞拍上涨到S_0u，或者会由S₀下降到S_0d(u＞1；d＜1)；

第二计算单元，接收第一计算单元计算结果，竞拍人进行n轮竞拍，每次出价为h_n，其中h为加价幅度，n为大于等于1的正整数，则竞拍人的收益为：

P_n＝Δt_n-f_n 公式(3)，

其中P为期望收益，Δt_n为该轮次行权后可能获得的期权收益，f_n为第n轮竞拍者实际支付的期权代价，并且Δt_n，为风险函数r和分段函数a的乘积，Δt_n＝r_n*a 公式(4)

r_n为风险回报的增函数，a为根据不同约束条件，选择的不同分段函数，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；

执行上述循环，直到n轮竞价结束，计算最终竞拍人收益。

2.如权利要求1所述的数据处理系统，其特征在于：

所述竞拍的对象为虚物标的，即优先购买权。

3.如权利要求1所述的数据处理系统，其特征在于：

每轮竞拍结果确认后，产生的价差，使得每轮的期权购买人获得价值回报，并自动行权。

4.一种期权式竞拍的数据处理方法，其特征在于，该系统包括：

资料库存储步骤，包括：

信息存储，存储有竞拍数据信息，包括竞拍人信息，实物标信息，虚物标信息；

规则存储，存储有数据处理规则；

数据处理步骤，其中包括：

执行第一计算，检测到输入的竞拍到期时间，标的物价格，竞价幅度，波动率的多维度变量，建立对当前竞拍进行二叉树模拟模型，进而自动计算期权代价f，具体的：

其中，P为期望收益，f为一个期权的价格。假定期权的期限为T，在期权有效期内，竞拍价格或者由S₀竞拍上涨到S_0u，或者会由S₀下降到S_0d(u＞1；d＜1)；

执行第二计算，接收第一计算单元计算结果，竞拍人进行n轮竞拍，每次出价为h_n，其中h为加价幅度，n为大于等于1的正整数，则竞拍人的收益为：

Pn＝Δt_n-fn 公式(3)，

其中P为期望收益，Δt_n为该轮次行权后可能获得的期权收益，f_n为第n轮竞拍者实际支付的期权代价，并且Δt_n，为风险函数r和分段函数a的乘积，Δt_n＝r_n*a 公式(4)

r_n为风险回报的增函数，a为根据不同约束条件，选择的不同分段函数，r＝n^(1/2)*nh；nh为不同轮次的竞拍叫价；

执行上述循环，直到n轮竞价结束，计算最终竞拍人收益。

5.如权利要求4所述的数据处理方法，其特征在于：

所述竞拍的对象为虚物标的，即优先购买权。

6.如权利要求4所述的数据处理方法，其特征在于：

每轮竞拍结果确认后，产生的价差，使得每轮的期权购买人获得价值回报，并自动行权。