测度转换 (下) – 漂移项转换

本文有 6408 字，70 图表截屏

建议阅读 60 分钟

0

引言

本文是金融工程系列的第十三篇

1. 弄清量化金融十大话题 (上)

2. 弄清量化金融十大话题 (下)

3. 金融工程高度概览

4. 日期生成
   

5. 变量计算

6. 模型校正
   

7. 曲线构建 I - 单曲线

8. 曲线构建 II - 多曲线 (基差)
   

9. 曲线构建 III - 多曲线方法 (抵押品)

10. 测度转换 (上) - 等价物转换

11. 测度转换 (下) - 漂移项转换

12. 产品估值理论

13. 产品估值 - 解析法和数值积分法 (CF)

14. 产品估值 - 偏微分方程有限差分法 (PDE-FD)

15. 产品估值 - 蒙特卡洛模拟法 (MC)

16. 产品风险理论 (AAD)

17. 风险计量 - 敏感度 (Greeks & Sensitivities)

18. 风险计量 - 风险价值 (VaR)

19. 价值调整 - 凸性调整

20. 价值调整 - Quanto 调整

21. 价值调整 - 时间调整

22. 价值调整 - CVA

23. 价值调整 - DVA

24. 价值调整 - FVA

25. 价值调整 - MVA

26. 价值调整 - KVA

本文接着上贴〖测度转换 (上) - 等价物转换〗继续讨论。大概思路就是

• 先介绍 CMG 定理，但是先研究下不同测度下的正态随机变量（布朗运动）之间的关系，CMG 只是把发现的规律用正式的语言表述。

• 再利用 CMG 定理推出标的资产在任意两个测度下（对应两个计价物）的漂移项的关系。我们先证明一个通用定理，再把它用到一个特定情况上。

• 最后看几个漂移项转化可以用到的地方，比如推导 Quanto 调整，时间调整等等。实际上漂移项转化可用在任何用 SDE 对资产价格建模的地方。

提醒：本章内容偏难，但一旦学会了就可以一劳永逸。

1

测度转换初体验 

1.1

正态随机变量

先考虑一个在 P 测度下的标准正态随机变量 X₁ ~ N(0, 1) 和 X₂ ~ N(-μ, 1)，令事件 A = {a ≤ X ≤ y}，我们可写出 X₁ 和 X₂ 满足 A 的概率为

把纵轴向左平移 μ 个单位得到一个新的坐标系，在次坐标系下的测度起名为 Q 测度。

令 

类比微积分基本定理（fundamental theorem of calculus），我们得到

由下图可看出 P 测度下的 N(-μ, 1) 相当于是 Q 测度下的 N(0, 1)了，定义 P 和 Q 测度下的标准正态随机变量为 X^P 和 X^Q，则有如下关系

看个具体例子 X^Q = X^P + 1，那么 Q 测度下的 N(0, 1) 相当于是 P 测度下的 N(-1, 1)。连接 Q 和 P 测度下的 RN 导数为

而 dQ(x)/dP(x) 实际上就是 Q 和 P 测度下的概率密度函数（Probability Density Function, PDF），用 Matlab 代码来画图。

x = (-3:0.01:3)';
mu = 1;
P = normpdf(x,0,1);
Q = normpdf(x,-mu,1);
eta = exp(-mu*x-0.5*mu^2);
subplot(2,1,1)
plot(x,P,'r-',x,Q,'b-')
legend('P','Q')
subplot(2,1,2)
plot(x,eta,'k-')

上半图画出 Q 和 P 测度下的 PDF 函数，下半图画出 RN导数 ς(x)，容易发现它是递减函数

• 从 x 轴左边开始，dQ(x) 大于 dP(x)，因为前者以 x = -1 为轴心而后者以 x= 0 为轴心

• 到达某点后，dQ(x) 开始并一直大于 dP(x)

重点：在不同测度下ÿ