Bab 7.

Minggu 12
Formula Black Scholes untuk
Opsi Call
 Tujuan Pembelajaran
Setelah menyelesaikan perkuliahan minggu ini ,
mahasiswa bisa :

 Menjelaskan valuasi opsi call tipe Eropa model Black

Scholes
 Menurunkan formula harga opsi call BS dengan
pendekatan distribusi
 Melakukan perhitungan harga opsi call tipe Eropa
Model Black-Scholes
 Model penentuan harga opsi yang populer dan banyak digunakan
adalah model Black-Scholes

 Perhitungan harga opsi call (beli) model Black-Scholes untuk tipe

Eropa dan Amerika sama

 Fungsi keuntungan opsi call adalah

fT  maks( ST  K ,0)

 Fungsi densitas dari ST berdistribusi lognormal, yaitu

 1  ln ST   
2

1   
 e 2  
, ST  0
g ( ST )   ST  2

 0, ST  0
 Harga opsi merupakan harapan keuntungan opsi pada
waktu jatuh tempo yang terdiskon oleh suku bunga bebas
resiko r
CBS  e rT E[maks(ST  K ,0)]
 Dimana ST adalah harga saham pada waktu T dan E menunjukkan nilai
harapan

 Diasumsikan harga saham mengikuti proses random gerak

brownian geometrik

ST  S0 exp[(r  0.5 2 )T   WT ]
 Di mana WT adalah proses brownian berdistribusi normal dengan
rata-rata 0 dan variansi T
 Terlihat bahwa ST merupakan fungsi eksponen dari WT, sehingga ST
berdistribusi lognormal
 Diperoleh
ln ST  ln S0  (r  0.5 2 )T   WT
Merupakan fungsi linier WT sehingga ln ST berdistribusi
normal.

 Rata-rata dan variansi ln ST, yaitu:

E (ln ST )  m  ln S0  (r  0.5 2 )T
Var (ln ST )   2T

 Deviasi standar ST adalah σ√T. Dengan transformasi

diperoleh ln ST  m
 Z N (0;1)
 T
 Diperoleh hubungan ln ST  Z T  m atau ST  e Z T m
 Ekspektasi Keuntungan Opsi
 Ekspektasi keuntungan opsi dapat dijabarkan dalam bentuk
integral
E[max( S  K ,0)]   ( S  K ) g ( S )dS
T

K
T T T

  S g ( S )dS  K  g ( S )dS

K
T T T

K
T T

 Dari nilai maks(ST-K,0), yang dihitung integralnya adalah nilai ST yang

lebih besar dari K. Sedangkan untuk nilai ST yang lebih kecil dari K,
keuntungan opsinya akan sama dengan nol. Integral dari fungsi nol
sama dengan nol.

 Harga harapan keuntungan opsi di atas mengandung dua

integral, Integral I dan II
 Integral I
 Integral I akan dibawa ke variabel random Z dengan
transformasi normal standard.

 Batas bawah ST = K menjadi

ln K  m
 T

 Dan dari hubungan ln ST  m

Z
 T
ln ST  Z T  m  ST  e Z T m

1
d ( ST )   T dz
ST
Integralnya menjadi:
2
  1  ln ST m 
1  
2   T 
K ST g (ST )d (ST )  K ST S  T 2 e d ( ST )
T
 1
1  z2
= 
ln K  m
ST
ST  T 2
e 2
ST  T dz
 T


 e z T m
= f ( z )dz
ln K  m
 T
 Perhatikan
z T  m z T  m 1 0.5 z 2
e f ( z)  e e
2
1 0.5  z 2 2 z T 2 m 2T  2T 
= e
2
1 0.5  ( z  T )2  2T 2 m 
= e
2
ln S0  rT 1 0.5  ( z  T )2 
=e e
2
= S0 e rT f ( z   T )
 Sehingga diperoleh

 

 ST g (ST )d (ST ) =  e z T m
f ( z )dz
K ln K  m
 T

= S0 e rT 
ln K  m
f ( z   T )dz
 T
 Misalkan z-σ√T = y, dz = dy, batas bawah z dikurangi
σ√T
 Dengan menggunakan sifat sifat distribusi normal 1-
N(-a) = N(a), integral sebelumnya menjadi
 

 T T T 0  
rT
S g (S ) d ( S ) S e f ( y )dy
K ln K  m
 T
 T
 Integral di atas merupakan CDF normal standar,
sehingga berlaku

 ln K  m
 T
 T 
rT  
K T T T 0 
S g (S ) d ( S )  S e 1   f ( y )dy 
 
 Sehingga diperoleh:

rT   ln K  m 
K T T T 0  
S g (S ) d ( S )= S e 1  Pr   y 
 T
  T 

   1 2  
  ln K   ln S  rT   T 

0
2   2T
 S0e 1  Pr    y 
rT
 
   T  T 
  
 
 Selanjutnya:   1 2 

  ln K  ln S0  rT   T 
 2
T
K ST g (ST )d (ST )  S0e 1  N  2 
rT

   T  T 
  
   S0  1 2 
  ln    rT   T 
= S0e rT 1  N    
K 2

   T 
  
 
  S0  1 2 
 K
ln  rT   T
= S0e rT N   
2

  T 
 
 
= S0e rT N (d1 )
 Integral II
 Ingat kembali ln ST  m
Z
 T
ln ST  Z T  m  ST  e Z T m

1
d ( ST )   T dz
ST
 Untuk integral yang ke II
2
  1  ln ST  m 
1  
2   T 
 Kg (ST )d (ST )  K 
K K ST  T 2
e d ( ST )

 1
1  z2
=K 
ln K  m ST  T 2
e 2
ST  T dz
 T

=K 
ln K  m
f ( z )dz
 T
  
 Selanjutnya
 Kg (S
K
T )dST  K 
ln K  m
f ( z )dz
 T

 lnK Tm 
 
= K 1   f ( z )dz 
 

 ln K  m 
= KN   
  T 
  S0  1 2 
 K
ln  rT   T 
= KN   
2

  T 
 
 
= KN (d 2 )
 Formula Black-Scholes untuk Opsi Call
 Selanjutnya dengan memasukkan faktor diskonto selama
waktu jatuh tempo T tahun ke dalam formula harga opsi,
diperoleh rumus harga opsi beli model Black Scholes
sebagai nilai present value dari harapan keuntungan opsi
call
CBS  e  rT E[maks ( ST  K ,0)]
= e  rT  S0 e rT N (d1 )  KN (d 2 ) 
= S0 N (d1 )  Ke  rT N (d 2 )
 dengan
S   1 
S   1  ln  0    r   2  T
d2    
ln  0    r   2  T K 2 
 K  2   T
d1 
 T
 d1   T
 Contoh 1:
Diketahui:
Suatu opsi call Eropa dengan informasi di bawah ini
S0  $100.14; K  $80; T  0.095
  0.271; r  0.0025
Tentukan harga opsi tersebut dengan formula Black-Scholes.
 100.14   1 2
Jawab: ln  
  0.0025  (0.271)  0.095
d1   80   2 
0.271 0.095
 2.734
d 2  2.734  0.271 0.095
 2.651
CBS  100.14  N (2.734)  80  e 0.00250.095  N (2.651)  $20.167
Contoh 2:
 Cevron Corporate (CVX, NYSE)
Misalkan kita melakukan pembelian opsi CVX pada tangga 15
Desember 2012 dengan jatuh tempo 15 Maret 2013, T =
0,180556. Menggunakan suku bunga yang berlaku di US
yaitu 0.25%, maka perhitungan harga opsi menggunakan
formula Black-Scholes adalah:
K sigma d1 d2 N(d1) N(d2) C -BS C -Market
80 0,185308 3,835222 3,756481 0,999937 0,999914 27,85623 21,4
85 3,065294 2,986553 0,998913 0,998589 22,86098 17,2
90 2,339387 2,260646 0,990342 0,988109 17,88899 19,24
95 1,652738 1,573997 0,950808 0,942256 13,04219 13,35
97,5 1,322851 1,244111 0,907058 0,893271 10,74437 10,25
Temuan Empiris

 Harga opsi di pasar tidak berbeda jauh dibandingkan

dengan Opsi BS (berlaku untuk opsi dengan harga
kontrak K yang dekat dengan S0)
 Untuk opsi dengan harga kontrak K << S0, harga opsi
besar tapi cenderung lebih murah dibandingkan
dengan perhitungan BS (untuk menarik minat
pembeli)
Terima Kasih

Thank You