套利定理(the Arbitrage Theorem)
写在前面
这是我这学期随机过程教材上的布朗运动中的一节。这个套利定理(不太清楚中文叫啥)应该是金融数学中比较基础的定理,证明部分用到了我上学期凸分析的部分知识,也当作一个回顾。
Setting
考虑一次实验,总共有
n
n
n个人可以在实验之前进行下注
x
i
∈
R
,
i
∈
{
1
,
2
,
⋯
,
n
}
x_i \in \mathbf{R}, i \in \{1, 2, \cdots, n\}
xi∈R,i∈{1,2,⋯,n}。实验的结果有
m
m
m种,实验每种结果对于第
i
i
i个人的收益率为
r
i
(
j
)
,
j
∈
{
1
,
2
,
⋯
,
m
}
r_i(j), j \in \{1, 2, \cdots, m\}
ri(j),j∈{1,2,⋯,m}。那么
n
n
n个人下注的总收益为
total return
=
∑
i
=
1
n
x
i
r
i
(
j
)
,
∀
j
∈
{
1
,
2
,
⋯
,
m
}
\begin{equation} \text{total return} = \sum_{i=1}^n x_i r_i(j), \quad \forall j \in \{1, 2, \cdots, m \} \end{equation}
total return=i=1∑nxiri(j),∀j∈{1,2,⋯,m}
套利定理(the Arbitrage Theorem)
在上述setting下,以下情况只能一种存在:
- 存在一个概率向量
p
=
(
p
1
,
p
2
,
⋯
,
p
m
)
\mathbf{p} = (p_1, p_2, \cdots, p_m)
p=(p1,p2,⋯,pm)使得
∑ j = 1 m p j ⋅ r i ( j ) = 0 , ∀ i ∈ { 1 , 2 , ⋯ , n } \begin{equation} \sum_{j=1}^m p_j \cdot r_i(j) = 0, \quad \forall i \in \{1, 2, \cdots, n \} \end{equation} j=1∑mpj⋅ri(j)=0,∀i∈{1,2,⋯,n} - 存在一种下注方案
x
=
(
x
1
,
x
2
,
⋯
,
x
n
)
\mathbf{x} = (x_1, x_2, \cdots, x_n)
x=(x1,x2,⋯,xn) 使得总收益总大于0,即
∑ i = 1 n x i ⋅ r i ( j ) > 0 , ∀ j ∈ { 1 , 2 , ⋯ , m } \begin{equation} \sum_{i=1}^n x_i \cdot r_i(j) > 0, \quad \forall j \in \{1, 2, \cdots, m \} \end{equation} i=1∑nxi⋅ri(j)>0,∀j∈{1,2,⋯,m}
证明
证明非常简单,只需要用到一个Gordan定理就行了。
Gordan定理
若 A ∈ R m × n \mathbf{A} \in \mathbf{R}^{m\times n} A∈Rm×n,则以下两个命题只能有一个为真:
- ∃ x ∈ R n ,使得 A x < 0 \exists~\mathbf{x} \in \mathbf{R}^n,使得 ~\mathbf{Ax} < 0 ∃ x∈Rn,使得 Ax<0
- ∃ y ≠ 0 , y ≥ 0 ,使得 A t y = 0 \exist ~ \mathbf{y} \neq 0, \mathbf{y} \geq 0,使得\mathbf{A^ty} = 0 ∃ y=0,y≥0,使得Aty=0
Gordan定理是Farkas引理的一个推论,其证明的核心思想是将上述两个系统构造成Farkas引理中的形式。
套利定理的证明
套利定理中的表述 ( 2 ) ( 3 ) (2)(3) (2)(3)用矩阵语言表示就是:
- R p = 0 , p ≥ 0 , p ≠ 0 \mathbf{Rp}=\mathbf{0}, \mathbf{p} \geq 0, \mathbf{p} \neq 0 Rp=0,p≥0,p=0
- R t x > 0 \mathbf{R^tx}>0 Rtx>0
其中
p
,
x
\mathbf{p, x}
p,x是列向量;
R
\mathbf{R}
R 是收益率矩阵,具体形式为
R
=
[
r
1
(
1
)
r
1
(
2
)
⋯
r
1
(
m
)
r
2
(
1
)
r
2
(
2
)
⋯
r
2
(
m
)
⋮
⋮
⋮
r
n
(
1
)
r
n
(
2
)
⋯
r
n
(
m
)
]
\mathbf{R} = \begin{bmatrix} r_1(1) & r_1(2) & \cdots & r_1(m) \\ r_2(1) & r_2(2) & \cdots & r_2(m) \\ \vdots & \vdots & &\vdots \\ r_n(1) & r_n(2) & \cdots & r_n(m) \end{bmatrix}
R=
r1(1)r2(1)⋮rn(1)r1(2)r2(2)⋮rn(2)⋯⋯⋯r1(m)r2(m)⋮rn(m)
现在,等式和不等式两边同时乘以
−
1
-1
−1,得:
- ( − R ) p = 0 , p ≥ 0 , p ≠ 0 (-\mathbf{R)p}=\mathbf{0}, \mathbf{p} \geq 0, \mathbf{p} \neq 0 (−R)p=0,p≥0,p=0
- ( − R t ) x < 0 (-\mathbf{R^t)x} < 0 (−Rt)x<0
刚好是Gordan定理的形式。因此 ( 2 ) ( 3 ) (2)(3) (2)(3)只能一个成立。