套利定理

内容来源

数理金融初步（原书第3版）Sheldon M. Ross著 冉启康译 机械工业出版社

---

符号说明

考虑一个试验，其所有可能结果的集合为 { 1 , 2 , ⋯   , m } \{1,2,\cdots,m\} {1,2,⋯,m}

现有 $n$ 个不同的赌博与此试验相关

假设我们在第 $i$ 个赌博中投入了 $x_i$ 单位的赌金（可正可负）

若试验结果为 $j$，可以得到收益 $x_i{r}_i(j)$，其中 $r_i$ 是第 $i$ 个赌博的每单位收益函数

向量 $x=(x_1{x}_2,\cdots ,x_n)$ 称为赌博策略

那么由策略 $x$ 得到的收益如下

$$\sum _{i=1}^n{x}_i{r}_i(j)$$

套利定理

下面的结论只有一个是正确的

1. 存在一个概率测度 $p=(p_1,p_2,\cdots ,p_n)$ 使得

   $$\sum _{j=1}^m{p}_j{r}_i(j)=0，对所有i$$

2. 存在一个赌博策略 $x$，使得

   $$\sum _{i=1}^n{x}_i{r}_i(j)>0，对所有j$$

上面的概率测度称为风险中性测度

例

用赔率表示赌博的收益，设结果 $i$ 的赔率是 $o_i$，即

$$r_i(j)=\{\begin{array}{ll}{o}_i& ,j=i\\ -1& ,j\ne i\end{array}$$

为了使得不存在一个稳赢的策略，那么就一定要存在一个概率测度 $p$，使得在这个概率下对每一个 $i$ ，都有

$$E_p[r_i]=o_i{p}_i-(1-p_i)=0$$

即

$$p_i=\frac{1}{1+o_i}$$

这意味着，不存在套利的条件是

$$\sum _{i=1}^n\frac{1}{1+o_i}=1$$