无套利理论与风险中性定价

无套利理论与风险中性定价

一、无套利理论

1. 无套利原则简介

• 无套利原则：无套利原则是金融市场中最基本的假设之一，它认为在一个没有交易成本和市场摩擦的有效市场中，无法通过买卖金融工具获得无风险的利润。即：若存在套利机会，市场会迅速调整价格，直到该机会消失。

• 无套利定价：如果市场中存在套利机会，投资者可以通过无风险的买卖组合获得利润。为了避免套利，金融资产的价格必须满足无套利条件。

• 计算无套利价格：假设一个金融衍生品的现货价格为 $S_0$，其未来的支付为 $X$（例如期权到期时的履约价格），无套利价格的计算通常涉及到折现未来支付（考虑到无风险利率）：
  $$P_0=\frac{X}{(1+r{)}^T}$$
  其中，$P_0$ 是当前价格，$X$ 是未来支付，$r$ 是无风险利率，$T$ 是时间期限。

2. 无套利定价的实例

假设一个股票现价 $S_0=100$ 美元，未来 1 个月（即 1/12 年）内的无风险利率 $r=5\%$，期权到期时的履约价格为 $X=105$ 美元。则根据无套利原理，期权的当前无套利价格为：
$$P_0=\frac{105}{(1+0.05{)}^{\frac{1}{12}}}\approx 105/1.00417\approx 104.59$$
这意味着在没有套利机会的市场中，期权的现货价格应该为 104.59 美元。

---

二、风险中性概率

1. 风险中性概率的定义

• 风险中性概率（Risk-neutral probability）是一种假设，假定所有资产的期望回报率都等于无风险利率。在这种假设下，投资者不关心资产的风险，所有的资产定价都可以使用无风险利率进行折现。

• 风险中性定价：在风险中性世界中，资产价格的演变不再由实际的市场风险和收益率决定，而是根据无风险利率进行计算。也就是说，金融衍生品（例如期权）的定价不依赖于实际的期望收益率，而是依赖于无风险利率和资产的未来价格。

2. 风险中性概率的计算

假设我们有一个简单的二叉树模型，其中股票当前价格为 $S_0=100$ 美元，未来可能涨到 $S_u=110$ 或跌到 $S_d=90$，无风险利率为 $r=5\%$。我们可以计算风险中性概率 $p$，使得期望股价等于无风险利率下的股价：
$$S_0=\frac{p{S}_u+(1-p)S_d}{(1+r)}$$
代入数值：
$$100=\frac{p\times 110+(1-p)\times 90}{1.05}$$
解得：
$$p=\frac{100\times 1.05-90}{110-90}=\frac{105-90}{20}=0.75$$
所以，涨的概率 $p=0.75$，跌的概率 $1-p=0.25$。

---

三、套利定价模型

1. 套利定价模型的应用

套利定价模型（APT）是一种基于无套利原理的多因子模型，用来定价和衡量资产的风险。例如，对于期权或其他衍生品，套利定价模型通常利用无套利的假设来推导其理论价格。

2. 使用无套利模型计算期权价格

考虑一个欧式看涨期权（call option），其当前价格为 $S_0=100$ 美元，履约价格为 $X=105$ 美元，期权到期日为 1 个月（即 1/12 年），无风险利率 $r=5\%$，且股票的波动率为 $\sigma =20\%$。

利用Black-Scholes模型（适用于无套利市场）来计算期权价格。公式为：
$$C=S_0\Phi (d_1)-X{e}^{-rT}\Phi (d_2)$$
其中：
$$d_1=\frac{\ln (S_0/X)+(r+\frac{{\sigma }^2}{2})T}{\sigma \sqrt{T}}$$
$$d_2=d_1-\sigma \sqrt{T}$$
$$\Phi (\cdot )\text{ 是标准正态分布的累积分布函数.}$$

计算过程：

1. $S_0=100$，$X=105$，$T=\frac{1}{12}$ 年，$r=5\%$，$\sigma =20\%$
2. 计算 $d_1$ 和 $d_2$
   $$d_1=\frac{\ln (100/105)+(0.05+\frac{0.2^2}{2})\times \frac{1}{12}}{0.2\times \sqrt{\frac{1}{12}}}\approx -0.1109$$
   $$d_2=d_1-0.2\times \sqrt{\frac{1}{12}}\approx -0.1109-0.0577=-0.1686$$
3. 计算期权价格：
   $$C=100\times \Phi (-0.1109)-105\times e^{-0.05\times \frac{1}{12}}\times \Phi (-0.1686)$$
   通过查标准正态分布表或利用 Python 计算得到：
   $$\Phi (-0.1109)\approx 0.4563,\Phi (-0.1686)\approx 0.4332$$
   $$C\approx 100\times 0.4563-105\times e^{-0.0042}\times 0.4332\approx 45.63-45.17\approx 0.46$$

答案：该期权的价格约为 0.46 美元。

---

四、课堂活动

活动目标：

• 通过案例分析和计算，学生将掌握无套利原理和风险中性定价的实际应用。
• 通过编程模拟，学生能够深入理解风险中性概率和套利定价模型。

活动安排：

1. 案例分析：
   • 题目：给定现货价格 $S_0=100$，履约价格 $X=105$，模拟 3 种不同的风险中性概率（通过改变涨跌幅度和无风险利率），并计算不同市场条件下的期权价格。
   • 计算步骤：
     • 给定不同的无风险利率和波动率，使用 Black-Scholes 模型计算期权价格。
2. 编程任务：
   • 学生通过编写 Python 程序模拟期权定价，分别绘制不同无风险利率和波动率对期权价格的影响。

---

五、Python 代码实现示例

以下 Python 代码用于计算欧式看涨期权的价格，并分析无风险利率、波动率对期权价格的影响。

import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt

# Black-Scholes 定价模型函数
def black_scholes_call(S0, X, T, r, sigma):
    d1 = (np.log(S0 / X) + (r + 0.5 * sigma**2) * T) / (sigma * np.sqrt(T))
    d2 = d1 - sigma * np.sqrt(T)
    return S0 * stats.norm.cdf(d1) - X * np.exp(-r * T) * stats.norm.cdf(d2)

# 参数设置
S0 = 100  # 现货价格
X = 105   # 履约价格
T = 1/12  # 1个月到期
r = 0.05  # 无风险利率
sigma = 0.2  # 波动率

# 计算期权价格
C = black_scholes_call(S0, X, T, r, sigma)
print(f"欧式看涨期权价格: {C:.2f}")

# 绘制不同波动率下的期权价格
sigma_range = np.linspace(0.1, 0.5, 100)
option_prices = [black_scholes_call(S0, X, T, r, sigma) for sigma in sigma_range]

plt.plot(sigma_range, option_prices)
plt.title("期权价格随波动率变化")
plt.xlabel("波动率")
plt.ylabel("期权价格")
plt.grid(True)
plt.show()

代码说明：

• black_scholes_call 函数计算欧式看涨期权价格；
• 通过 matplotlib 绘制波动率对期权价格的影响图。

---

六、总结与讨论

1. 无套利原理：
   • 通过案例计算理解