趁看GH在Risk.net发表的有关quanto skew文章的契机写这篇文章介绍衍生品定价的基本理论。
我们从大家都会的一则公式开始:
S
0
=
∑
S
T
⋅
D
T
⋅
P
{S_0} = \sum {S_T\cdot D_T\cdot \mathbb{P}}
S0=∑ST⋅DT⋅P
其中
S
T
S_T
ST是未来价格,
D
T
D_T
DT是折现系数,
P
\mathbb{P}
P是概率。引入概率就说明未来价格是可以是不确定的,折现系数也可以。金融理论中常把
D
T
⋅
P
D_T\cdot \mathbb{P}
DT⋅P合在一起叫做Arrow-Debreu证券现在的价格,这是一个在未来指定时刻当且仅当特定条件发生时才支付1个计价单位的资产。
现在我们把折现率
D
D
D具体化成一个资产的价格演化:
D
T
=
P
0
P
T
.
D_T=\frac{P_0}{P_T}.
DT=PTP0.并把
D
T
D_T
DT和
S
T
S_T
ST联系在一起看,剥离
P
\mathbb{P}
P使其可以完全扮演概率。
记 S = S T S 0 ⋅ D T ⋅ P \mathbb{S}=\frac{S_T}{S_0}\cdot D_T \cdot \mathbb{P} S=S0ST⋅DT⋅P,则 ∑ S = 1 \sum \mathbb{S}=1 ∑S=1。如果 S S S属于那种价格恒正的资产,那么 S \mathbb{S} S也恒正, S \mathbb{S} S就可以当作概率来用。
现在两个概率之间的关系是
S
=
S
T
S
0
⋅
P
0
P
T
P
=
P
0
S
0
⋅
S
T
P
T
P
\mathbb{S}=\frac{S_T}{S_0}\cdot \frac{P_0}{P_T}\mathbb{P}=\frac{P_0}{S_0}\cdot \frac{S_T}{P_T}\mathbb{P}
S=S0ST⋅PTP0P=S0P0⋅PTSTP
或者
S
P
=
S
T
/
S
0
P
T
/
P
0
.
\frac{\mathbb{S}}{\mathbb{P}}=\frac{S_T/S_0}{P_T/P_0}.
PS=PT/P0ST/S0.
由于
P
0
P_0
P0是现在就已知的价格,最初那个式子可重新写为等价形式
S
0
P
0
=
∑
S
T
P
T
P
.
\frac{S_0}{P_0}=\sum{\frac{S_T}{P_T}\mathbb{P}}.
P0S0=∑PTSTP.
这是一个意义更广泛的形式。但在作进一步讨论之前,我们先把形式连续化。给定一个
T
T
T时刻的微分态
d
ω
d\omega
dω。
T
T
T时刻
(
ω
,
ω
+
d
ω
)
(\omega,\omega+d\omega)
(ω,ω+dω)上的Arrow-Debreu证券在0时刻的价格密度为
a
ω
a_\omega
aω,用这个密度可以写出价格微分
a
ω
d
ω
=
D
T
(
ω
)
P
(
d
ω
)
=
P
0
P
T
P
(
d
ω
)
=
P
0
P
T
d
P
.
a_\omega d\omega=D_T(\omega)\mathbb{P}({d\omega})=\frac{P_0}{P_T}\mathbb{P}({d\omega})=\frac{P_0}{P_T}d\mathbb{P}.
aωdω=DT(ω)P(dω)=PTP0P(dω)=PTP0dP.
马上有
S
0
P
0
=
∫
S
T
P
T
d
P
=
E
P
[
S
T
P
T
]
\frac{S_0}{P_0}=\int{\frac{S_T}{P_T}d\mathbb{P}}=\mathbb{E}^{\mathbb{P}}\left[{\frac{S_T}{P_T}}\right]
P0S0=∫PTSTdP=EP[PTST]
俨然
P
P
P在这里扮演计价单位,比如1元人民币,能按无风险利率增值。
灵活使用这些关系可以将计价资产
P
P
P换成
N
N
N:
S
0
N
0
=
P
0
N
0
E
P
[
S
T
N
T
N
T
P
T
]
=
E
N
[
S
T
N
T
]
\frac{S_0}{N_0}=\frac{P_0}{N_0}\mathbb{E}^\mathbb{P}\left[{\frac{S_T}{N_T}}\frac{N_T}{P_T}\right]=\mathbb{E}^\mathbb{N}\left[{\frac{S_T}{N_T}}\right]
N0S0=N0P0EP[NTSTPTNT]=EN[NTST]这是因为前面任何
(
S
,
S
)
(S,\mathbb{S})
(S,S)都可以直接换成
(
N
,
N
)
(N,\mathbb{N})
(N,N), 所以有了
N
(
d
ω
)
=
P
0
N
0
⋅
N
T
P
T
P
(
d
ω
)
\mathbb{N}(d\omega)=\frac{P_0}{N_0}\cdot\frac{N_T}{P_T}\mathbb{P}(d\omega)
N(dω)=N0P0⋅PTNTP(dω). 纯形式上注意到
P
\mathbb{P}
P换成
N
\mathbb{N}
N时期望内(远)外(近)都要乘以一个旧计价资产在新计价单位下的价格。
更简单的推法如下:求 N \mathbb{N} N使得 S 0 P 0 = ∑ S T P T P \frac{S_0}{P_0}=\sum{\frac{S_T}{P_T}\mathbb{P}} P0S0=∑PTSTP和 S 0 N 0 = ∑ S T N T N \frac{S_0}{N_0}=\sum{\frac{S_T}{N_T}\mathbb{N}} N0S0=∑NTSTN同时成立。显然只要通过 S 0 S_0 S0建立等式并对两边差分就有 P 0 P T P = N 0 N T N . \frac{P_0}{P_T}\mathbb{P}=\frac{N_0}{N_T}\mathbb{N}. PTP0P=NTN0N.
现在我们思考这些简单代数结论后面的几何图像。概率里求期望和力学里求质心是等价概念。概率密度对应质量密度,随机变量对应质点位移。如果对每个质点位移作了一个放缩,只要对每点的密度作一个反缩放(密度缩放后便不是密度了),就能保持位移和密度的乘积不变,也就保持了质心不变。这就是期望里面在做的事情。期望外面乘的那个比例是因为质心并非不动。而为了保持形式不变,可以把内外两个比例都乘到原密度上,乘后发现积是一个新密度。注意三点:1. 这个方法对局部积分也是成立的。2. 这个方法没有对概率分布作假设,适用于所有分布。3. 一个以 S S S为计价单位的资产价格是 S \mathbb{S} S下的鞅(martingale),同时将计价单位换成 N N N,将测度换成 N \mathbb{N} N可以使新计价单位下资产价格仍旧保持鞅性,称 N \mathbb{N} N为计价单位 N N N的等价鞅测度。
例1 (Geman, El Karoui, and Rochet, 1995). 给欧式看涨期权
(
S
T
−
K
)
+
(S_T-K)^+
(ST−K)+定0时刻的价格。
取局部
A
=
{
ω
:
S
T
(
ω
)
>
K
}
A=\{\omega:S_T(\omega)>K\}
A={ω:ST(ω)>K},则
(
S
T
−
K
)
+
=
S
T
1
A
−
K
1
A
(S_T-K)^+=S_T1_A-K1_A
(ST−K)+=ST1A−K1A。我们用ZCB的价格
B
B
B作计价单位,
B
B
B的等价鞅测度
B
\mathbb{B}
B又叫远期测度(Forward measure)。
B
B
B的特点是
B
T
=
1
B_T=1
BT=1,
B
0
=
e
−
r
T
B_0=e^{-rT}
B0=e−rT。现在进行定价:
c
0
B
0
=
E
B
[
S
T
1
A
]
−
E
B
[
K
1
A
]
\frac{c_0}{B_0}=\mathbb{E}^{\mathbb{B}}\left[S_T1_A\right]-\mathbb{E}^{\mathbb{B}}\left[K1_A\right]
B0c0=EB[ST1A]−EB[K1A]
对上面的第一个期望我们将再换一次计价单位到
S
S
S,第二个直接化简为
K
B
[
A
]
K\mathbb{B}\left[A\right]
KB[A]。
E
B
[
S
T
1
A
]
=
S
0
B
0
E
S
[
1
A
]
=
S
0
B
0
S
[
A
]
.
\mathbb{E}^{\mathbb{B}}\left[S_T1_A\right]=\frac{S_0}{B_0}\mathbb{E}^{\mathbb{S}}\left[1_A \right]=\frac{S_0}{B_0}\mathbb{S}\left[A \right].
EB[ST1A]=B0S0ES[1A]=B0S0S[A].于是
c
0
=
S
0
S
[
A
]
−
B
0
K
B
[
A
]
.
c_0=S_0\mathbb{S}\left[A \right] - B_0K\mathbb{B}\left[A\right].
c0=S0S[A]−B0KB[A].接下来只要计算两个概率:
B
[
A
]
\mathbb{B}\left[A\right]
B[A]和
S
[
A
]
\mathbb{S}\left[A\right]
S[A]。
先算 B [ A ] \mathbb{B}\left[A\right] B[A],利用 F = S B F=\frac{S}{B} F=BS现在是鞅: d F F = σ d W \frac{dF}{F}=\sigma dW FdF=σdW, d l n F = − σ 2 2 d t + σ d W d\mathrm{ln}F=-\frac{\sigma^2}{2}dt+\sigma dW dlnF=−2σ2dt+σdW, l n F T K ∼ N ( l n F 0 K − σ 2 2 T , σ 2 T ) \mathrm{ln}\frac{F_T}{K}\sim N(\mathrm{ln}\frac{F_0}{K}-\frac{\sigma^2}{2}T,\sigma^2 T) lnKFT∼N(lnKF0−2σ2T,σ2T),于是 B [ S T > K ] = B [ l n F T K > 0 ] = Φ ( l n F 0 K − σ 2 2 T σ T ) . \mathbb{B}\left[S_T>K\right]=\mathbb{B}\left[\mathrm{ln}\frac{F_T}{K}>0\right]=\Phi\left(\frac{\mathrm{ln}\frac{F_0}{K}-\frac{\sigma^2}{2}T}{\sigma\sqrt{T}}\right). B[ST>K]=B[lnKFT>0]=Φ(σTlnKF0−2σ2T).
再算 S [ A ] \mathbb{S}\left[A\right] S[A],利用 Z = B S Z=\frac{B}{S} Z=SB现在是鞅: d Z Z = σ d W \frac{dZ}{Z}=\sigma dW ZdZ=σdW, d l n Z = − σ 2 2 d t + σ d W d\mathrm{ln}Z=-\frac{\sigma^2}{2}dt+\sigma dW dlnZ=−2σ2dt+σdW, l n ( Z T K ) ∼ N ( l n ( Z 0 K ) − σ 2 2 T , σ 2 T ) \mathrm{ln}(Z_TK)\sim N(\mathrm{ln}(Z_0K)-\frac{\sigma^2}{2}T,\sigma^2 T) ln(ZTK)∼N(ln(Z0K)−2σ2T,σ2T),于是 S [ S T > K ] = S [ l n Z T K ≤ 0 ] = Φ ( F 0 K + σ 2 2 T σ T ) . \mathbb{S}\left[S_T>K\right]=\mathbb{S}\left[\mathrm{ln}Z_TK\leq0\right]=\Phi\left(\frac{\frac{F_0}{K}+\frac{\sigma^2}{2}T}{\sigma\sqrt{T}}\right). S[ST>K]=S[lnZTK≤0]=Φ(σTKF0+2σ2T).