第六章 鞅方法定价

合集下载

第6章第4节 常用的国际定价方法

第6章第4节 常用的国际定价方法

第六章定价策略1成本导向定价法2需求导向定价法3竞争导向定价法国际定价策略41、成本加成定价法(1)公式为:P=C(1+R)即单位产品售价=单位产品成本×(1+成本加成率)1、成本加成定价法例子:➢某企业生产某种产品10000件,单位可变成本为20元,固定总成本为200000元,预期利润率为15%。

➢可计算如下:固定总成本200000元单位固定成本200000/10000=20元/件单位可变成本20元/件单位总成本20+20=40元预期利润率15%产品售价=40+40X15%=46(元/件)1、成本加成定价法(2)优点:不确定性比较少,简单易行。

如果同行业中所有企业都采取这种方法,则价格和加成也大致相似,价格竞争也会因此降至最低程度。

对买方和卖方都比较公平。

(3)缺点:忽视了市场供求关系的变化及影响产品销售的其他因素对产品价格的影响。

2、目标利润定价法:亦称为投资收益率定价法,根据企业总成本和计划的总销售量,加上按投资收益率制定的目标利润作为销售价额的定价方法。

(1)公式为:P=(C+I)/QC:总成本,I:目标总利润,Q:总销量(估计)3、边际贡献定价法:仅计算可变成本,不计算固定成本,在变动成本的基础上加上预期的边际贡献构成产品的价格。

(1)边际贡献:指销售总收入扣除总变动成本后,用于补偿固定成本和取得盈利的那部分收入。

(2)销售总收入=总变动成本+边际贡献(3)单位产品价格=单位产品变动成本+单位产品边际贡献第四节常用的国际定价方法需求导向定价法:需求导向定价法是一种以市场需求强度及消费者感受为主要依据的定价方法。

包括:反向定价法/认知价值定价法/差别定价法第二节常用的定价方法➢1.反向定价法:企业根据消费者能够接受的最终销售价格,计算自己从事经营的成本和利润后,逆向推算出产品的批发价和零售价。

第二节常用的定价方法➢1.反向定价法:➢例子➢消费者对某牌号电视机可接受价格为2500元,电视机零售商的经营毛利20%,批发商的批发毛利5%。

第六章 布莱克-舒尔斯期权定价模型

第六章 布莱克-舒尔斯期权定价模型
i 1 N
因此,z(T)-z(0)也具有正态分布特征,其均值为0,方差为 N Δ t =T,标准差 。 T
若变量x 遵循普通布朗运动:dx adt bdz 其中:1、a和b均为常数,dz遵循标准布朗运动。 2、a为漂移率(Drift Rate),是指单位时间内变量 z均值的变化值。 3、b2为方差率(Variance Rate),是指单位时间的方差。 普通布朗运动的离差形式为 x at b t ,显然,Δx也 2 具有正态分布特征,其均值为 at ,标准差为 b t,方差为 b t
1965年,法玛(Fama)提出了著名的效 率市场假说。该假说认为,投资者都力图利用 可获得的信息获得更高的报酬;证券价格对新 的市场信息的反应是迅速而准确的,证券价格 能完全反应全部信息;市场竞争使证券价格从 一个均衡水平过渡到另一个均衡水平,而与新 信息相应的价格变动是相互独立的
1、弱式效率市场假说认为,证券价格变动的历史不包含任何对 预测证券价格未来变动有用的信息,也就是说不能通过技术分析 获得超过平均收益率的收益。 2、半强式效率市场假说认为,证券价格会迅速、准确地根据可 获得的所有公开信息调整,因此以往的价格和成交量等技术面信 息以及已公布的基本面信息都无助于挑选价格被高估或低估的证 券。 3、强式效率市场假说认为,不仅是已公布的信息,而且是可能 获得的有关信息都已反映在股价中,因此任何信息(包括“内幕 信息”)对挑选证券都没有用处。 根据众多学者的实证研究,发达国家的证券市场大体符合弱式效 率市场假说。
普通布朗运动
1、显然,遵循普通布朗运动的变量x是关于时间和dz的动态过程, 其中第一项adt为确定项,它意味着x的期望漂移率是每单位时间为 a。第二项bdz是随机项,它表明对x的动态过程添加的噪音。这种 噪音是由维纳过程的 b倍给出的。 b T

欧式向上敲出看涨认购权证的鞅方法定价

欧式向上敲出看涨认购权证的鞅方法定价

欧式向上敲出看涨认购权证的鞅方法定价【摘要】在普通的认购权证上嵌入障碍期权的特点,便会得到一类新型的权证敲出( 敲入) 型认购权证本文以向上敲出看涨认购权证为例,先给出它的定义,根据该定义,以鞅定价方法推导出欧式向上敲出看涨认购权证的封闭解评价模型,为实践者提供理论上的参考价格。

关键词:敲出期权,几何布朗运动,鞅定价,Girsanov定理1、引言普通认购权证( 以下简称权证)其实是一种买权( 看涨期权),它赋予权证持有者在规定的期限内按交易双方约定的价格( 执行价格) 购买一定数量的标的资产的权利. 利用权证, 人们可以有效地回避风险, 也用来投机冒险. 但是权证的持有者只有当标的资产( 以下假定为股票) 到期时的价格高于其约定价格时, 才会行使权证所赋予的权利, 用规定的较低的执行价格去购买股票, 然后在市场上以较高的价格卖出, 赚取这两个价格之间的价差. 如果该股票到期时的价格低于权证的执行价格时, 则该权证毫无价值.障碍期权是一种路经依赖型期权, 它在初始时就确定两个价格水平, 其一为约定价格, 另一个是特定的障碍价格. 当标的资产的价格达到或越过障碍价格会发生什么情况取决于障碍期权的类型. 敲出型期权( K nock - ou t o pt ion s) 一开始与标准期权一样, 但当障碍价格水平被突破时就会消失; 敲入型期权( K nock - i n opt ion s) 是当价格达到障碍价格水平时就被激活.为了减少投资者的投资风险, 提高投资的收益率, 增加投资者购买认购权证的兴趣, 发行者有时将普通的权证带上障碍期权的特点, 创造出了一类新型的认购权证, 称之为敲出或敲入型认购权证. 如 19 93 年, 瑞士医药公司Roche 发行了 10 亿美元的七年期债券, 每一万美元债券附带 46 份欧式敲出认购权证. 实践表明, 在认购权证中嵌入障碍期权的特点, 减少了投资的风险,增加了权证的吸引力, 实际收益率也明显提高, 受到了市场的青睐.但障碍期权的嵌入给这类新型的认购权证的定价带来了一定的困难, 对于普通的认购权证, 已经有了解析形式的公式. 本文利用鞅方法给欧式向上敲出看涨认购权证进行了定价, 同时, 欧式向上敲出看跌认购权证等其它七种新型的认购权证也可以类似推出, 为实践中敲出或敲入型认购权证价格的合理确定提供理论上的参考.2、向上敲出看涨认购权证的定义向上敲出看涨认购权证是为适应市场需要而产生的一种新型认购权证,它有两个明显特 征: 第一,它带有普通认购权证所具有的买入期权的特点,在权证的有效期内, 若股票价格能按着预期增长,该权证的持有者在到期时拥有以约定的价格( 设为1k ) 购买既定数量股票的权利。

鞅定价方法

鞅定价方法

鞅定价方法嘿,朋友!今天咱来聊聊鞅定价方法。

你知道吗,这鞅定价方法就像是一把神奇的钥匙,能打开金融世界里那神秘莫测的大门。

想象一下,金融市场就像一个巨大的迷宫,各种资产价格起起伏伏,让人眼花缭乱。

而鞅定价方法呢,就像是我们在迷宫里的指南针,帮我们找到正确的方向。

它可不是随随便便就出现的哦!那可是金融学者们经过无数次的思考和探索才发现的宝贝。

它基于一种很特别的理念,就好像是在告诉我们,市场里的价格变化虽然看似杂乱无章,但其实背后有着一定的规律可循。

比如说股票价格吧,它一会儿涨,一会儿跌,让人摸不着头脑。

但用鞅定价方法去分析,嘿,你就能发现一些有意思的东西。

它能让我们更清楚地看到价格波动的本质,就像给我们戴上了一副特殊的眼镜,让我们能看清那些隐藏起来的细节。

而且啊,这鞅定价方法可实用了呢!它能帮助投资者做出更明智的决策。

就好比你要去一个陌生的地方,有了一张详细的地图,是不是心里就更有底啦?鞅定价方法就是这样一张金融市场的“地图”。

你说,要是没有它,我们在金融的海洋里不就像没头苍蝇一样乱撞吗?那得损失多少机会,又得吃多少亏呀!所以说,鞅定价方法真的是太重要啦。

它能让我们对金融产品的价值有更准确的判断,不至于被那些表面的波动所迷惑。

这就像是一个聪明的侦探,能透过层层迷雾,找到事情的真相。

咱再想想,要是没有这样的方法,那些金融专家们怎么能在复杂的市场中如鱼得水呢?他们肯定是靠着这些厉害的工具呀!总之呢,鞅定价方法就是金融领域里的一颗璀璨明星,照亮了我们在金融世界里前行的道路。

它让我们能更好地理解市场,更好地把握机会。

你可别小瞧了它哟,说不定哪天它就能帮你在金融市场里大赚一笔呢!所以呀,一定要好好了解它,掌握它,让它为你所用。

怎么样,是不是觉得鞅定价方法很神奇呀?是不是也想赶紧去研究研究呢?哈哈!。

【干货】关于等价鞅、反等价鞅、剀利公式、赌徒输光定理

【干货】关于等价鞅、反等价鞅、剀利公式、赌徒输光定理

【干货】关于等价鞅、反等价鞅、剀利公式、赌徒输光定理我很早就觊觎股市期市和汇市了,但是自己手里一直没有钱。

到了澳大利亚后有了奖学金,于是终于可以自己自由的玩这个东西了。

我选择了外汇保证金。

本来这个东西,打算在赚到钱之前不写什么东西的。

但是近的一系列醍醐灌顶的感觉让我觉得还是有必要记录一下最近的心理活动。

去年7月份入市以来,现在已经半年过去了,我总共亏损了2000美元。

不过相对于我得到的东西,我觉得这已经是相当值得的一个投入产出比了。

这半年来,我一直采用迷你帐户操作,爆仓四次。

在这个过程中,我经历了各种剧烈的心理变动,贪婪,恐惧,不确定。

自己的人性的各种丑陋的一面被暴露的淋漓尽致。

我同时也成了一个疯狂的技术研究者。

我疯狂的搜集各种资料,研究各种交易系统,指标,等等等等。

我先后尝试了均线,RSI,woodies CCI系统,KDJ和布林线相结合的短线抓震荡的系统,日本蜡烛图技术。

等等等等,也自己尝试写了很多自动交易程序,测试各种策略。

也求助过各种付费服务。

当然,结果,就像各个汇市老手所说的一样,必然是亏钱。

在交易了四五个月之后,我开始逐渐的真正开始理解“资金管理”的含义。

以前我一直用mini帐户,等于是毫无资金管理可言,而且我所做的事情,正象很多汇市老手描述的一样:“我认为我比别人聪明,因此我听不进老手的建议,我觉得我能找到一套完美的系统,然后使用他盈利,因此我使用极高的杠杆,过度交易,别人说我疯了,但是我自己一点也不这样认为,因为我觉得我比别人聪明”。

于是,我一点也没能逃过预言,越来越大的亏损接踵而至。

前几个星期里,我经历了第四次250美元涨到1200美元,然后直接亏到0。

四次了。

长期的亏损让我已经对亏钱麻木,心理承受能力也大大的增强了。

我开始反思自己的做法。

当我意识到我永远不可能寻找到一种完美的方法来预测市场的时候,“资金管理”的概念便开始真正的被我开始理解了。

于是我开始疯狂的搜索根资金管理和交易哲学的有关的东西。

鞅理论

鞅理论

鞅定义
• 1、存在一概率空间{Ω,F ,P},要求σ-代数F 是P-完备的,即对于任何A∈ F 且P(A) = 0, 对一切N ⊂ A都有N ∈ F 成立。 • 2、给定一个滤波(filter)。 • 3、如果对于任何n ≥ 0, Sn 的值被包含在 Fn 中,就称Sn 是Fn 可测的,或者使用梅 耶(Meyer)的术语,称Sn为Fn 适应的( Fn – adapted)。
• 一个随机变量的时间序列没有表现出任何 的趋势性(trend),就可以称之为鞅; • 而如果它一直趋向上升,则称之为下鞅 (submartingale);反之如果该过程总是在减 少,则称之为上鞅(supermartingale)。 • 实际上鞅是一种用条件数学期望定义的随 机运动形式,或者说是具有某种可以用条 件数学期望来进行特征描述的随机过程。
e rt ct
是否就是它在t时刻的“公平”市场价值, 就取决于在滤波Ft和测度P下是不是一个鞅。
ct e
r (T t )
E Max(ST K ,0) | Ft
P t
• 如果假设投资者是风险厌恶的,则对于任何 一种风险资产,一般要求: P r (T t ) Et e ST | Ft St
• t 是时间, Ft代表积累到t时刻的信息。停 时可以理解为某一随机事件第一次发生的 时刻。不妨假想我们对某些特定现象的发 生感兴趣:例如某个“黑色星期五”的出 现,我们对这些特定现象第一次出现的时 刻T (ω)给予特别的注视。很明显事件{ω,T (ω) ≤ t}的发生,当且仅当这一现象出现在t 时刻上或者t 时刻之前。应当是积累到那个 时刻的信息集的一部分。
第六章 鞅理论及其应用
第一节鞅的简单介绍
• 鞅这个术语早在20 世纪30 年代首先由 Ville(1939)引进,但是基本概念来自于法国 概率学家列维(Levy,1934)。但是真正把 鞅理论发扬光大的则是美国数学家多布 (Doob),他于1953 年的名著《随机过程》 一书中介绍了(包括上鞅分解问题在内的)他 对于鞅论的系统研究成果。它引起了一般 过程理论的研究,从此鞅成为现代概率和 随机过程的基础,而且在决策和控制模型 等方面有着重要应用,并得到快速发展。

《金融衍生品》课件_第06章_远期与期货的定价

《金融衍生品》课件_第06章_远期与期货的定价

第二节 期货和远期定价公式
• 一、无套利定价方法 • 二、无收益资产远期合约的定价 • 三、支付已知现金收益资产远期合约的定价 • 四、支付已知收益率资产远期合约的定价
第二节 期货和远期定价公式
• 一、无套利定价方法
• 复制无套利定价法的基本思路为:构建两种投资组合,让 其终值相等,则其现值一定相等;否则就存在套利机会, 套利者可以卖出现值较高的投资组合,买入现值较低的投 资组合,并持有到期末,赚取无风险收益。
一、短期国库券期货合约(Treasury Bill Futures)
(二)短期国库券以及短期国库券期货的报价
• (1)短期国库券报价
(2)短期国库券期货报价
(三)基本点
• IMM 13周国库券期货的最小变动价位和每日波动 限价用则用“基本点”来表示。
• 所谓“基本点”(Basic Point),是指1个百分点 的百分之一。表6-2中最小变动价位栏里的0.01 点所代表的最小变动价位就为1个基本点,即年收 益率变动的最小幅度为0.01%。
• 最后,融资融券交易机制的存在为市场参与者提供了一 种兼具投资与保值双重功能的投资形式。
• 但是,从另一方面看,融资融券交易机制也有扰乱市场的 负面作用,融资融券交易行为在通过保证金交易方式降低 交易成本的同时也创造出了虚拟的供应和需求,这会可能 会导致市场信号的失真 。
三、远期和期货鞅定价分析
• 但是,在对消费型资产期货进行定价时,由于大部分的资产是 用于消费而非投资,持有者并不愿意Байду номын сангаас出资产而持有期货,也 就是说,期现套利只在一个方向上有效。因此,我们并不能得 到消费型资产期货的准确定价,只能得到它的上限。
• 在后续内容中,如无特殊说明,资产指的是投资型资产。

第六章 鞅方法定价(金融衍生品定价理论讲义)

第六章 鞅方法定价(金融衍生品定价理论讲义)

第六章 鞅方法定价在上一章的二项树模型下,我们证明了,当完备市场中不成在套利机会时,市场存在唯一概率——等价鞅测度——可以 用来给期权和期货定价。

在这一章,我们先在二项树模型下详细解释等价鞅测度的含义。

接着,我们讨论一般结果。

我们将证明,这个结果在比二项树模型更复杂的经济系统中也成立。

在许多背景下,我们并不需要利用市场均衡来给衍生资产定价,而是利用套利定价原理来进行定价——如果证券市场不存在套利机会,则衍生证券的价格完全由别的长期证券的价格过程来决定。

在这个定价的过程中,我们通常把一个长期证券集的价格过程视为给定而来进行定价。

这样就自然产生一个问题:如何确定被我们视为给定的价格过程不存在套利机会? 价格过程不存在套利机会的充分必要条件是,通过变换概率测度和对价格过程进行某种正规化之后,这些价格过程是鞅过程。

无套利和鞅过程之间的这种特殊关系也可以直接用来对衍生证券进行定价。

作为一个应用,我们将用这种方法来对期权进行定价,得到期权定价的一种新的方法。

1.二项树模型中的等价鞅测度在二项树模型中模型图1一期二项式生成过程这里∆-t S =股票在时间∆-t 的价格 q =股票价格上涨的概率 r f =一期的无风险利率u =股票价格上涨的乘子)11(>+>fr ud =股票价格下跌的乘子()011<<<+d r f在每一期末,股票价格或者以概率q 涨为∆-t uS ,或者以概率1-q 跌为∆-t dS 。

每期的无风险利率为r f 。

对r f 的限制为u r d f >+>1,这是无套利条件。

直观地可以看出,无论是1+>>r u d f (这时,无风险利率总比股票的风险回报率高)还是u d r f >>+1(这时,无风险利率总比股票的风险回报率低),都存在套利机会。

等价鞅测度的含义: 等价的含义:当实际的概率为正时,p 也为正。

条件期望直观解释:在某种条件下的期望值。

鞅方法在股指期权定价中的应用

鞅方法在股指期权定价中的应用

r-
( (( ) ( (( )

12 Q σ t+σ ΔWt - X = 2
) ) ) )

Q , 随机过程 Wt s a n o v 定理得 : 0 ≤t ≤ T 是 Ω, F,

) (
), 由 引 理 2 通 过 解 其 中 , Z ~ N( 0, 1 12 ) S e x T -t T -t Z - X = 0, +σ 槡 p r- σ ( 0 2
[] S c h o l e s1 模型出 发 利 用 等 价 鞅 测 度 定 理 得 到 了 股
股票 , 它们分别满足
P , ( ) d S S d t+σ S d Wt 0 ≤t ≤ T) 1 ( t =μ t t
1 - ( ) B B d t 0 ≤t ≤ T) . 2 ( t d t =r 其中 : S t 时刻的价格 ; B t 代表股票在 t 代表债券 ; μ 表示股票的期望收益率 ; r 为无风险 σ 表示波动率 ;
( ∫

r-μ P 1 d Ws - 0 2 σ
∫(


r-μ d s = σ

))

r-μ P 1 r-μ e x t. ΔWt - p 2 σ σ
d Q, 1 P 令Z 因为 E e x p t = d P 2



1 模型与公式
1. 1 模型的基本假设 ) 市场为有效的无摩擦市场 , 有两种资产 : 一种 1 是无风险资产 , 称 为 债 券, 另 一 种 是 风 险 资 产, 称为

[ ( ) 文章编号 ] 1 0 0 3-4 6 8 4 2 0 1 1 0 5 0 0 9 6 0 3 - -
鞅方法在股指期权定价中的应用

《应用随机过程》-课程教学大纲

《应用随机过程》-课程教学大纲

《应用随机过程》课程教学大纲一、课程基本信息课程代码:16055502课程名称:应用随机过程英文名称:Applied Stochastic Processes课程类别:专业课学时:32学分: 2适用对象:财经类专业本科生考核方式:考试先修课程:微积分、线性代数、概率论二、课程简介中文简介紧抓课程改革核心环节,不断提升教学质量,将“课程思政”作为融合德育与智育的融合主渠道,是逐步实现“立德树人”的综合教育理念的前进方向。

《应用随机过程》是面向经济统计专业三年级学生开设的一门必修课,随机过程通常被视为概率论的动态部分,即研究的是随机现象的动态特征,着重对随时间和空间变化的随机现象提出各种不同的模型并研究其内在的性质与相互联系。

具有较强的理论性。

该学科在社会科学、自然科学、经济和管理等各个领域中都有广泛的应用,培养学生的科学精神,探索自然和人类的奥秘。

英文简介The course Applied Stochastic Processes is one of the compulsory courses for the junior undergraduates majoring in Economic Statistics,which is usually viewed as the dynamic part of probability theories. It focuses on the dynamic feature of stochastic phenomena and emphasizes modeling the stochastic phenomena varying with time and space .Moreover,it explores the inner property and relationship among various models and it is quite theoretical and widely used in social science,natural science,Economic and management science etc.三、课程性质与教学目的本课程是经济统计专业一门应用性很强的专业课。

第六章期权定价公式PPT课件

第六章期权定价公式PPT课件

如果股票价格服从几何布朗运动,则可以利 用Ito引理来推导证券价格自然对数lnS所遵循 的随机过程: dG ( 2 )dt dz
2
这个随机过程的特征:
普通布朗运动:恒定的漂移率和恒定的方 差率。
在任意时间长度T之后,G的变化仍然服从
正态分布,均值为
(

2
2
)
,方差
SN K
其中
26
27
28

29
定价的公式。
30
§4 金融中的一些重要参数
31
§4 金融中的一些重要参数
32
§4 金融中的一些重要参数
33
§4 金融中的一些重要参数
34
§4 金融中的一些重要参数
35
§5 期权定价的连续模型
Black、Scholes和Merton发现了看涨期权 定价公式,Scholes和Merton也因此获得 1997年的诺贝尔经济学奖
39
为什么证券价格可以用几何布朗运动表示?
一般认同的“弱式效率市场假说”:
证券价格的变动历史不包含任何对预测证券 价格未来变动有用的信息。
马尔可夫过程:只有变量的当前值才与未来 的预测有关,变量过去的历史和变量从过去 到现在的演变方式与未来的预测无关。
几何布朗运动的随机项来源于维纳过程dz, 具有马尔可夫性质,符合弱式假说。

37
为什么研究证券价格变化的过程
期权是标的资产的衍生工具,其价格波动的来源 就是标的资产价格的变化,期权价格受到标的资 产价格的影响。因此期权定价使用的是相对定价 法,即相对于证券价格的价格,因而要为期权定 价首先必须研究证券价格。
期权的价值正是来源于签订合约时,未来标的资 产价格与合约执行价格之间的预期差异变化,在 现实中,资产价格总是随机变化的。需要了解其 所遵循的随机过程。

应用随机过程6鞅

应用随机过程6鞅

关于{Yn} 为停时
I{ n} I{ n}(Y0 ,,Yn ) 10,,其它n
I{ n} I{ n}(Y0 ,,Yn ) 10,, 其它n
2010-7-30
理学院 施三支
例6.2.1 设 k(k为一常数),则为停时。
例6.2.2 设 A 为 {Yn } 的状态空间 T 的一个子集,
令 ( A) min{ n: Yn A} 即 ( A)为首次进入A的时刻, 则 ( A) 是停时。
注 若令 ( A)为最后进入A的时刻,则 ( A)不是停时。
2010-7-30
理学院 施三支
定理6.2.2 (鞅停时定理)
设 M 0 , M1, M 2 , 是一个关于 Fn ( X 0 , X1,, X n ) 的鞅,T
2010-7-30
第六章 鞅
6.1 鞅的基本概念 6.2 鞅的停时定理 6.3 一致可积性 6.4 鞅收敛定理 6.5 连续鞅
理学院 施三支
6.1 鞅的基本概念
一、鞅的定义及性质
定义6.1.1 若随机序列X n,n=0,1,2,对任意 n 0 ,有
(1) (2)
E | X n | E( X n1 | X 0 ,, X n ) X n
|
I
An
)

2n 1 2n
1,
随机变量列 W1,W2,, 不是一致可积的。
定理6.3.1 (停时定理)
设 W0,W1,是一个关于 X0, X1,一致可积的鞅, T是停时,
满足P{T }1,并且E(|MT |),则有 E(MT) E(M0) 。
2010-7-30
理学院 施三支
6.4 鞅收敛定理
尽管大多数金融资产不是鞅,但可以把它们转化成鞅

房价服从指数OU过程保证险的鞅定价

房价服从指数OU过程保证险的鞅定价

第加卷第1期2008年3月湖南文理学院学报(自然科学版)JournalofHunanUniversityofArtsandScience(NaturalScienceEdition)Vm.20No.1Mar.2008文章编号:1672--6146(2008)01--0020--02房价服从指数o.U过程保证险的鞅定价陈丽萍1。

李晨2(1.湖南财经高等专科学校基础课部,湖南长沙410205;2.湖南农业大学理学院,湖南长沙410128)■要:假设未偿付额为常数,房产价格服从指数O-U过程,利用期权定价的鞅方法。

得到了全额担保和部分担保两类保证险的定价公式.关冀词:住房抵押贷款;保证险:期权;保险精算定价中圈分类号:O211.6;F830.9文献标识码:A随着住房抵押贷款规模的扩大,贷款的风险度也相应增加.个人住房抵押贷款的贷款期限较长。

存在着抵押物自身风险、借款人信用风险、流动资金风险、抵押物处置风险等各种风险.虽然,贷款银行有抵押作担保,但由于风险分析和管理手段的落后,避险工具和市场的缺乏,我国保险公司曾经开办过一段时期的住房抵押贷款保证险被暂停办理.然而,随着我国资本市场的不断发展和完善,此项业务具有广阔的发展前景.【l击】1两种住房抵押贷款保证险住房抵押贷款保证险是发放贷款的银行要求借款购房者向保险公司投保的险种.借款购房者在借款时向保险公司交纳一定数额的保费。

保险公司作偿还贷款的保证,银行则相应地给予购房者贷款。

并在利息和借款期限等方面给借款者一定的优惠.在借款期限内,若借款人违约,不能如期偿还借款,则由承保人(保险公司)赔付银行的贷款损失.住房抵押贷款保证险(以下简称保证险)包括两种类型:全额担保和部分担保.将抵押贷款期限丁划分为n段承保区间,这里仅研究n=I的情形.1.1全额担保若借款人在t=T时刻违约,保险公司可采取以下两种方式履赔:1)保险公司向贷款人支付全部未偿贷款余额,并取得房产权由自己实现抵押权.2)贷款机构保留房屋产权,实现抵押权后,不足以补偿贷款余额的部分由保险公司赔付.无论哪种方式保险公司应赔付金额均为:max(M(r)一all(T),O).其中肘(丁)为t=T时刻未偿付金额,日叮)为t=T时刻的房产价值,a为实现抵押权后所得住房价值比例(a为常数).贷款人持有的全额担保保单到期收益为:%=max(M(T)一all(T),0).(1)1.2部分担保保险公司为减少承担的信用风险,只对抵押贷款余额的一定比例实施担保.若借款人在t=丁时刻违约,保险公司可采取以下两种方式履赔:1)保险公司向贷款人支付全部未偿贷款余额,并取得房产权由自己实现抵押权.赔付额为max(M(丁)一all(T),O).2)向贷款人赔付所担保比例的贷款额,银行仍保留房屋产权.赔付额为:彬(丁),其中),代表承保比例.当max(M(T)一all(T),o)<yM(T)时,即日(r)>(1一y)M(丁)/a时选择方式1对保险公司有利;当max(M(T)一oJ'I(T),O)≥yM(T)时,即日(丁)≤(1一),)肘(r)/a时选择方式2对保险公司有利.因此,贷款人持有的部分担保保单到期收益为:Imax(M(T)一att(T),o),日(丁)>(1一y)』M(丁),口,”【7M(T),H(T)s(1一y)M(z),口.(2)2市场模型考虑连续时间的金融市场,时间区间为fo,丁1,0表示现在。

等价鞅测度和鞅定价方法导数

等价鞅测度和鞅定价方法导数

则相应的利率互换期权定价公式为
0 1 2
1 2
其中
1 显然,如果 ,这就是一个即期开始的利率互换;如果 ,这就是一个远期开始的利率互换。
ln 1
12 2
,
, 0
0
0
0
2 1 , 0 0
, 0
1 0
0 2
资产交换期权
根据引理我们有???????????21也就是说如果我们从以计价的世界转换至以计价的世界除了布朗运动的变换之12外任意资产漂移率的变动为??????在测度下一个资产价格服从1????????????????1?1如果该资产是可交易的则?????1?????1????1转换至测度意味着其随机过程变换为2??????????????1????2??1????????????????1?1定义计价比率2????1??根据引理我们有????2?????1??也就是说如果我们从以计价的世界转换至以计价的世界除了布朗运动的变换之12外任意资产漂移率的变动为???????1又因为??????????1??????????1和?????????????????????????????????????因此当计价单位从转换至时漂移率的变动为12???????现定义个测度
( , *) 作为计价单位的远期测度下,远期利率服从鞅过程,当前的远期利率就是未来对应
期限即期利率的期望。这个性质在利率产品定价中常常用到,其典型代表是
模型。
模型假设远期利率在 , * 计价的远期测度下服从如下的随机过程
则利率顶的定价公式为
1 , 1 , , 1 1
新概率之和等于 ;在概率测度 下 的期望值为 ;方差仍保持为 98 。可以求得概率测 3
度 应为
122 429 10

鞅在期权定价中的应用

鞅在期权定价中的应用

The Annals of Applied Probability1999,Vol.9,No.2,504–528PRICING CONTINGENT CLAIMS ON STOCKSDRIVEN BY L´EVY PROCESSES1By Terence ChanHeriot-Watt UniversityWe consider the problem of pricing contingent claims on a stock whose price process is modelled by a geometric L´e vy process,in exact analogy withthe ubiquitous geometric Brownian motion model.Because the noise pro-cess has jumps of random sizes,such a market is incomplete and there isnot a unique equivalent martingale measure.We study several approachesto pricing options which all make use of an equivalent martingale measurethat is in different respects“closest”to the underlying canonical measure,the main ones being the F¨o llmer–Schweizer minimal measure and the mar-tingale measure which has minimum relative entropy with respect to thecanonical measure.It is shown that the minimum relative entropy measureis that constructed via the Esscher transform,while the F¨o llmer–Schweizermeasure corresponds to another natural analogue of the classical Black–Scholes measure.1.Introduction.We consider the problem of pricing contingent claims on a stock whose price at time t,S t,is modelled by a geometric L´e vy processdS t=σt S t−dY t+b t S t−dtwhere Y is a general L´e vy process(satisfying some additional conditions)and not merely a Brownian motion.The classical option pricing theory of Black and Scholes relies on the fact that the payoff of every contingent claim can be duplicated by a portfolio consisting of investments in the underlying stock and in a bond paying a riskless rate of interest;in other words,the risk of buying or writing an option can be completely hedged against.In such complete mar-kets,there is a unique measure which is equivalent to the canonical measure (the“real world”measure)and which makes the discounted price process a martingale.The unique fair price of a contingent claim is then the expectation under this martingale measure of the discounted payoff at maturity,which is essentially the content of the famous Black–Scholes formula.For the stock prices described above,there are many equivalent measures under which the discounted price process is a martingale,in contrast to the geometric Brownian model.In other words,such a market is incomplete—that is,contingent claims cannot in general be hedged by a suitable portfolio. Because there does not exist a unique equivalent martingale measure,it is not possible simply to use the martingale measure to price a contingent claim in the manner just described.Instead,additional criteria must be used to select Received April1997;revised November1997.1Supported in part by the Carnegie Trust for the Universities of Scotland.AMS1991subject classifications.Primary90A09,60G35;secondary60J30,60J75.Key words and phrases.Option pricing,incomplete market,equivalent martingale measures.504OPTION PRICING WITH L´EVY PROCESSES505an appropriate martingale measure from among the uncountably many such measures with which to price a contingent claim.Many different approaches to this problem have been proposed in recent years but there is as yet no definitive way of pricing contingent claims in incomplete markets which is preferable to the other possible methods in all situations.Moreover,compared to the large body of work devoted tofinding new approaches to option pricing in incomplete markets,relatively little seems to have been done to compare and to investigate the relationship between the various approaches.Part of the aim of this paper is to go a little way toward redressing the balance.For our particular model,we shall concentrate on various approaches to pricing options which are all based on the idea of using an equivalent martingale measure that is in different respects“closest”to the underlying canonical measure,the main ones being the F¨o llmer–Schweizer minimal measure and the martingale measure which has minimum relative entropy with respect to the canonical measure.2.Description of the model.Before describing the model,wefirst re-view some preliminary results concerning L´e vy processes.For a more detailed treatment,the reader is referred to Protter(1990),Jacod and Shiryaev(1987) and Liptser and Shiryayev(1989).A L´e vy process Y t is simply a process with stationary and independent increments:in other words,Y s+t−Y s is independent of Y u u≤s and has the same distribution as Y t−Y0.All L´e vy processes are semimartingales and throughout this paper we adopt the convention that all L´e vy processes are right continuous with left limits(cadlag).Since Y has stationary independent increments,its characteristic function must take the formE exp −iθY t =exp −tψ θfor some functionψ,called the L´e vy exponent of Y.The L´e vy–Khintchine formula says that2 1 ψ θ =c22θ2+iαθ+ x <1 1−e−iθx−iθx ν dx + x ≥1 1−e−iθx ν dxforα,c∈R and for someσ-finite measureνon R\ 0 satisfying2 2 min 1 x2 ν dx <∞The measureνis called the L´e vy measure of Y.The L´e vy–Khintchine formula(2.1)is intimately connected to the structure of the process Y itself,in particular to the L´e vy decomposition of Y,which we describe below.From the L´e vy–Khintchine formula we can deduce that Y must be a linear combination of a Brownian motion and a quadratic pure jump process X which is independent of the Brownian motion.[A process is506T.CHANsaid to be quadratic pure jump if the continuous part of its quadratic variation X c≡0,in which case its quadratic variation becomes simplyX t= 0<s≤t X s 2where X s=X s−X s−is the jump size at time s.]It will be convenient to explicitly separate out the Brownian component from the quadratic pure jump component X and we therefore write2 3 Y t=cB t+X twhere B is a standard Brownian motion on R and X is quadratic pure jump. We now proceed to describe the L´e vy decomposition of X[the full L´e vy de-composition of Y is then obtained by combining this with(2.3)].Let Q dt dx be a Poisson measure on R+×R\ 0 with expectation(or intensity)measure dt×ν whereνis the L´e vy measure introduced earlier and dt denotes Lebesgue measure.The measureν(or more precisely dt×ν)is also sometimes called the compensator of Q.The L´e vy decomposition of X says that2 4 X t= x <1 x Q 0 t dx −tν dx + x ≥1 x Q 0 t dx +t E X1− x ≥1 xν dx= x <1 x Q 0 t dx −tν dx + x ≥1 x Q 0 t dx +αtwhere we have putα=E X1− x ≥1 xν dxThe parameterαis called the drift of the L´e vy process X.For the purposes of our model,we require the process Y to satisfy certain additional conditions.The key assumption we require of Y is that2 5 E exp −hY1 <∞for all h∈ −h1 h2 ,where0<h1,h2≤∞.This implies that Y t hasfinite moments of all orders, and in particular,E X1 <∞.In terms of the L´e vy measureνof X we havex ≥1 e−hxν dx <∞(2.6a)x ≥1 xγe−hxν dx <∞∀γ>0(2.6b)x ≥1 xν dx <∞(2.6c)OPTION PRICING WITH L´EVY PROCESSES507 for all h∈ −h1 h2 .[Note that as(2.6a)holds for all h in an open interval, (2.6b)and(2.6c)follow from(2.6a).]With these assumptions in mind,(2.4)can be rewritten as2 7 X t= R x Q 0 t dx −tν dx +t E X1 =M t+atwhere M t= R x Q 0 t dx −tν dx is a martingale and a=E X1 .Ob-serve that(2.7)gives the Doob decomposition of X as the sum of a martingale and a previsible process offinite variation.Even though a is not the drift of X in the sense in which the term is usually understood(αis the drift in the technical sense),we shall see later that a plays the role of a drift contribution from the jump component of Y.We refer to a(or more correctly,the process t→at)as the previsible part of X.In addition,(2.5)implies that instead of the characteristic function,one could consider the Laplace transform of Y t instead.By a slight abuse of nota-tion,we also useψto denote the“L´e vy exponent”and write E exp −θY t = exp −tψ θ .Bearing in mind the simplified decomposition(2.7)for processes satisfying(2.5),the L´e vy–Khintchine formula(2.1)now becomes2 8 ψ θ =−c2θ22+aθ+ R 1−e−θx−θx ν dxA very similar analysis can be carried out for more general semimartingales with jumps and in particular for processes with independent but not neces-sarily stationary increments.Jacod and Shiryaev(1987)have a full treat-ment.A random measure Q dt dx is also associated with such a process, but it is not necessarily a Poisson measure.As in the case of L´e vy processes, the measure Q describes the mechanism by which jumps of the process oc-cur.The compensator of Q is the unique previsible measureν dt dx such that Q 0 t −ν 0 t is a martingale for any Borel set ⊂R\ 0 .If the process in question has independent increments,the measureνis neces-sarily deterministic,so Q is an inhomogeneous Poisson measure.[For L´e vy processes,the stationarity of increments implies thatν dt dx =dtν dx .] The compensator can also be characterized as the unique previsible measure such that2 9 E 0 t × H s x Q ds dx =E 0 t × H s x ν ds dxfor any Borel set and any previsible process H.We also have an analogue of the L´e vy–Khintchine formula:E exp −θX t =exp −ψX t θ where 2 10 ψX t θ =a tθ+ R 1−exp −θx −θx ν 0 t dxwhere a t=E X t is the previsible part of X.Together with the quadratic variation of the continuous part of X(which is zero if X is quadratic pure jump as in our case),the compensator measure and previsible part form the508T.CHANthree components of the characteristics of a semimartingale.The following result is also worth noting:for any measurable function f t x ,2 11 0<s≤t f s X s = t0 R f s x Q ds dxNext,we recall Itˆo’s formula for cadlag semimartingales.If X1 X2 X n are cadlag semimartingales and f a C2function,thenf X1t···X n t −f X10···X n0= t0f i X1s−···X n s− dX i s+12 t0f i j X1s−···X n s− d X i X j c s+ 0<s≤t f X1s···X n s −f X1s−···X n s− −f i X1s−···X n s− X i swhere X i X j c is the continuous part of the mutual variation of X i and X j, f i=∂f/∂x i,f i j=∂2f/∂x i∂x j and we have used index summation convention. This will often be abbreviated tod f X1t X2t···X n t=f i X1t−···X n t− dX i t+12f i j X1t−···X n t− d X i X j c t+f X1t···X n t −f X1t−···X n t− −f i X1t−···X n t− X i t Turning now to a description of the model,on a probability space t P ,let Y t=cB t+X t=cB t+M t+at be a L´e vy process of the form described earlier,satisfying the condition(2.5).We assume that thefiltration t is the minimal one generated by Y.The stock price S t is the solution of the stochastic differential equation2 12 dS t=σt S t−dY t+b t S t−dt=σt S t− c dB t+dM t + aσt+b t S t−dtwhere the coefficientsσt and b t are deterministic continuous functions.Equa-tion(2.12)has an explicit solution[see Protter(1991)]given by2 13 S t=S0exp t0σs dY s+ t0 b s−c2σ2s2 ds× 0<s≤t 1+σs Y s exp −σs Y s=S0exp t0cσs dB s+ t0σs dM s+ t0 aσs+b s−c2σ2s2 ds × 0<s≤t 1+σs M s exp −σs M sFrom this we see thatσ S u u≤t = t and so a contingent claim T expiring at time T may be regarded as a nonnegative T-measurable random variable.OPTION PRICING WITH L´EVY PROCESSES509 The Doob decomposition of Y suggests that b t+aσt rather than b t should be regarded as the drift in(2.12).Although in practice,a and b cannot be estimated separately and consequently there is no need to add a drift to X separately from b in(2.12),we have chosen to consider the parameters a and b separately for convenience,because the value of a is often implicit in the specification of a particular process as X and so cannot be chosen indepen-dently(e.g.,if we specify that X be a Poisson process of rateλ,this forces a=λ).In order to ensure that S t≥0for all t almost surely,we needσt M t≥−1 for all t.This in turn implies that the jumps of X must be bounded on at least one side,that is,either bounded from below or bounded from above. Suppose that X t= M t∈ −c1 c2 which is equivalent to saying that the L´e vy measureνis supported on −c1 c2 where c1,c2≥0and one(but not both)of c1,c2may be infinite.This implies that at least one of h1,h2in(2.5) must be infinite.In order to ensure that S t≥0we need2 14 −1c2≤σt≤1c1for all t.As far as the Brownian component of Y is concerned,the sign of the volatilityσis inconsequential,but if one were to keep to the usual convention thatσ>0, then(2.14)shows that the jumps of X should be bounded from below(i.e., c1<∞).The conditions(2.5)and(2.14)will of course rule out any processes with“fat-tailed”distributions such as stable processes.However,the allowable L´e vy processes here include all the processes considered in Gerber and Shiu (1994):for example the gamma,the inverse Gaussian,the Poisson and the difference of two independent Poisson processes.The riskless rate of interest is given by a deterministic continuous function r t and the value P t of a bond or bank account paying this rate of interest evolves according to the ODE˙P t=r t P tAs withσand b,we could also allow r to be adapted to t ,although this is a less useful generalization in practice.For notational convenience,we denote byˆS t the discounted stock price defined by2 15 ˆS t=exp − t0r s ds S tIt will be seen in the next section that,in this model,there are many mea-sures,equivalent to the underlying canonical measure P,which makesˆS t a martingale.We conclude this section by briefly mentioning some other similar models which have been considered by various authors.Bardhan and Chao(1993)con-sidered a similar model where the noise consists of several Brownian motions and several point processes whose jumps are all of size1but whose intensities510T.CHANmay not be time-homogeneous and may be random.However,the contingent claims they considered are on more than one stock,where the number of stocks exactly equals the total number of noise terms(Brownian motions and point processes).This,together with the fact that the jump sizes arefixed,ensure that their model is complete.Aase(1988)is essentially an attempt at a more general model than that of Bardhan and Chao,where the point process may have random jump sizes but still afinite number of jumps in anyfinite time interval.Unfortunately,Aase(1988)claims that the model is also complete even though there are more than one equivalent martingale measure;this is false because it contradicts a well-known theorem of Harrison and Pliska (1981,1983)to the effect that completeness of the market is equivalent to uniqueness of the equivalent martingale measure.Indeed,Aase(1988)claims that every martingale can be represented as an integral with respect toˆS t,in the form2 16 t0θs dˆS swhereθt is a previsible process.(The existence of such a representation is equivalent to completeness.)This is false,as the martingale representation theorem[see,e.g.,Jacod and Shiryaev(1987)]for the jump processes consid-ered in Aase(1988)(which includes certain classes of L´e vy processes)says that every martingale has the representationt0H s x ˜Q ds dx −˜ν ds dxwhere˜Q ds dx is a random jump measure whose compensator is˜ν—analogous,respectively to the Poisson and L´e vy measures associated with a L´e vy process—and where H s x is a previsible Borel function(see the next section for a precise definition).We shall see in the next section that, under any equivalent martingale measure,the jump part ofˆS t has the representationt0γs d˜M s= t0 Rγs x ˜Q ds dx −˜ν ds dxHence,in order that the representation(2.16)holds,we need H s x =θsγs x, which of course is not true in general.Finally,Gerber and Shiu(1994)con-sider the case where the stock price is modelled by a process of the form exp σY t+bt ,whereσand b are constants and Y is a L´e vy process satisfying (2.5).This has many similarities with our present model and both are obvious generalizations of the geometric Brownian model.The program carried out in the next section can be equally well carried out for the Gerber–Shiu model, often with only fairly minor modifications.Each model has its own advantages and disadvantages.The main advantage of the Gerber–Shiu model is that the jumps of X can be of any size and do not have to be bounded from one side. The present model based on(2.12)describes the price dynamics in a mannerOPTION PRICING WITH L´EVY PROCESSES511 which is intuitively more natural and is also more appealing in other mathe-matical respects.This is because the starting point of the classical geometric Brownian model is(2.12);that the price S t also has the form exp σ Y t+b t isa direct consequence of the stochastic calculus involved,in particular,Itˆo’s for-mula.For discontinuous L´e vy processes,Itˆo’s formula is rather different and so a model which takes as its starting point a differential equation like(2.12) and then takes account of the differences in the underlying stochastic calculus in the subsequent computations is more likely to lead to simpler calculations and more attractive results.This point is illustrated in Section3.3in relation to the Esscher transform and minimum relative entropy measure.Gerber and Shiu(1994)deal only with pricing contingent claims by Esscher transforms, without explaining why the Esscher transform is a particularly appropriate martingale measure to use.[However,in their response to the discussions that follow their paper,they give a justification of the Esscher transform in terms of utility;see page175of Gerber and Shiu(1994).]We shall show that it is the martingale measure which has minimum relative entropy with respect to the canonical measure.3.Equivalent martingale measures and pricing formulas.We be-gin by characterizing all equivalent martingale measures Q under which the discounted price processˆS defined at(2.15)is a t -martingale.To this end, wefirst need to characterize all the measures which are absolutely continuous with respect to P.We continue to use the notation established in the previous section.In particular,Y t=cB t+X t is a L´e vy process satisfying(2.5)and X t is a quadratic pure jump L´e vy process with L´e vy measureνsupported on a subset of −c1 c2 ,where at least one of c1,c2isfinite.The Doob–Meyer decompo-sition of X is given by X t=M t+at,where M is a quadratic pure jump martingale with M0=0and a=E X1 .If Q dt dx is the Poisson measure associated with X,let M dt dx =Q dt dx −dtν dx denote the compen-sated measure.Thus,for example,the martingale part of X can be written as M t= t0 R x M ds dx .Further,expectations under the canonical measure P will be denoted by E · while expectations with respect to any other measure Q will be denoted by Q · .Let denote the previsibleσ-algebra on ×R+associated with thefiltra-tion t and let˜ = × ,where is the Borelσ-algebra on R.A function H ω t x which is˜ -measurable will be called Borel previsible.Thus,sup-pressing the explicit dependence onω,a Borel previsible function or process H t x is one such that the process t→H t x is previsible forfixed x and the function x→H t x is Borel-measurable forfixed t.Lemma3.1.Let G t and H t x be previsible and Borel previsible processes respectively.Suppose thatE t0G2s ds <∞512T.CHANand H≥0,H t 0 =1for all t≥0.Let h t x be another Borel previsible process such that3 1 R H t x −1−h t x ν dx <∞Define a process Z t by3 2 Z t=exp t0G s dB s−12 t0G2s ds+ t0 R h s x M ds dx− 0 t ×R H s x −1−h s x ν dx ds × 0<s≤t H s X s exp −h s X sThen Z is a nonnegative local martingale with Z0=1and Z is positive if and only if H>0.Remark.The process h referred to in Lemma3.1is,of course,not unique. However,given H,it is essentially unique in the following sense:suppose that h t x and f t x are two Borel previsible processes such that(3.1)holds;then because R f t x −h t x ν dx <∞,it is an easy exercise to check that the process Z is unchanged if h is replaced by f in(3.2):simply write f= h+ f−h .[However,note that it is crucial that R f t x −h t x ν dx <∞: the terms involving h in(3.2)do not cancel precisely because R h t x ν dx may diverge.]Thus,once H isfixed,Z does not depend on the choice of the process h satisfying(3.1).Of course,the easiest and most obvious choice of h is h≡H−1 However,in the present context,particularly in connection with the Esscher transform discussed below,it is useful to allow more general choices of h.In the case where x→H t x is twice-differentiable,the natural choice of h t x ish t x =x ∂H∂x t 0 =h t x say,for then H t x ∼1+h t x+O x2 as x→0and because of(2.6c)we simply have to choose H so thatx ≥1H t x ν dx <∞We shall henceforth assume that h t x =h t x is related to H t x in this way.Proof of Lemma3.1.It is clear that Z is nonnegative(resp.,positive)if and only if H≥0(resp.,H>0).That Z is a local martingale is a simpleOPTION PRICING WITH L´EVY PROCESSES513consequence of Itˆo’s formula;indeed,noting that Z t−Z t−=Z t− H t X t −1 ,Itˆo’s formula givesZ t=1+ t0G s Z s−dB s+ t0 R h s x Z s−M ds dx− t0 R Z s− H s x −1−h s x ν dx ds+ 0<s≤t Z s− H t X t −1−h s X s=1+ t0G s Z s−dB s+ t0 R h s x Z s−M ds dx+ t0 R Z s− H s x −1−h s x M ds dx=1+ t0G s Z s−dB s+ t0 R Z s− H s x −1 M ds dxThis last expression is a local martingale.2The processes G,H and h can be chosen so that E Z t =1for all t,in which case Z is a martingale.The next result is essentially a summary of Theorems3.24and5.19in Chapter III of Jacod and Shiryaev(1987)as they apply to the present setting.Theorem3.2.Let˜P be a measure which is absolutely continuous with re-spect to P on T.Thend˜Pd P T=Z Twhere Z is as in Lemma3.1,for some G,H and h for which E Z T =1. Moreover,under˜P,the process3 3 ˜B t=B t− t0G s dsis a Brownian motion and the process X is a quadratic pure jump process with compensator measure given by˜ν dt dx =dt˜νt dx ,where3 4 ˜νt dx =H t x ν dxand previsible part given by3 5 ˜a t=˜P X t =at+ t0 R x H s x −1 ν dx dsRemark.Jacod and Shiryaev(1987)treat only the case that h≡H−1 for the process Z in Lemma3.1.Also,in their treatment of characteristics of general semimartingales,Jacod and Shiryaev(1987)introduce truncation functions,and the corresponding results in Theorem3.24of that book depend514T.CHANin part on the choice of truncation function.In the present situation,assump-tion(2.6c)renders the introduction of truncation functions unnecessary.Turning now to the problem of pricing a contingent claim T,we wish to find an equivalent measure Q under which the discounted price processˆS t as defined in(2.15)is a martingale;the price of T is then Q exp − T0r s ds T . By Theorem3.2,under Q,X has Doob–Meyer decomposition3 6 X t=˜M t+at+ t0 R x H s x −1 ν dx dswhere˜M is a Q-martingale.In fact,˜M t=M t− t0 R x H s x −1 ν dx dswhere M is the P-martingale in the Doob–Meyer decomposition of X under P. Note that ˜M t= M t.Therefore,writing the discounted share priceˆS t in terms of the Q-martingale˜M and Q-Brownian motion˜B,we haveˆS t=S0exp t0cσs dB s+ t0σs dM s+ t0 aσs+b s−r s−c2σ2s2 ds × 0<s≤t 1+σs M s exp −σs M s=S0exp t0cσs d˜B s+ t0σs d˜M s+ t0 aσs+cσs G s+b s−r s−c2σ2s2 ds+ t0σs R x H s x −1 ν dx ds × 0<s≤t 1+σs ˜M s e−σs ˜M sSinceexp t0cσs d˜B s+ t0σs d˜M s− t0c2σ2s2ds 0<s≤t 1+σs ˜M s exp −σs ˜M sis a Q-martingale,a necessary and sufficient condition forˆS to be a martingale under Q is the existence of G and H for which the process Z in Lemma3.1isa positive martingale and such that3 7 cσs G s+aσs+b s−r s+ Rσs x H s x −1 ν dx =0for all s,almost surely.Note that h does not appear in(3.7),which is another reflection of the fact that h is essentially unique,given H,in the sense of the remark following Lemma3.1.It will turn out that G and H are in fact deterministic functions in all the cases considered in the sequel;in this case, (2.5)ensures that Z in Lemma3.1is a positive martingale and the key con-dition for an equivalent martingale measure is then(3.7).Moreover,B andOPTION PRICING WITH L´EVY PROCESSES515 X are still independent and have independent increments under Q in this connection,note that˜νis a deterministic measure.Of course,(3.7)does not specify G and H,and hence the equivalent martin-gale measure Q,uniquely.Below,we examine various approaches to choosingG and H based on other criteria,additional to(3.7).3.1.The F¨o llmer–Schweizer minimal measure.Recall that when the noise Y in(2.12)is just a standard Brownian motion,the unique equivalent mar-tingale measure Q is obtained by3 8 d Q d P T=Z Twhere Z satisfiesdZ t=γt Z t dB tand the processγis chosen so as to makeˆS a martingale under Q.In the present setting,a natural analogue of this would be to use the martingale measure Q defined by(3.8),where the Radon–Nikodym derivative Z is now given bydZ t=γt Z t− c dB t+dM tor equivalently3 9 Z t=1+ t0γs Z s− c dB s+dM sIn other words,the Brownian motion in the classical Black–Scholes setting has been replaced by the martingale part of the noise process Y.We saw in the proof of Lemma3.1that,in general,Z t=1+ t0G s Z s−dB s+ t0 R Z s− H s x −1 M ds dx Comparing this last expression with(3.9),we see that we require3 10 H s x −1=c−1G s x=h s xso thatγs=c−1G s.[When c=0,this just boils down to G≡0 H s x −1=γs x.]To obtain a martingale measure,we now use the martingale condition (3.7)together with(3.10).Puttingv= R x2ν dxit is easily verified that the solution to(3.7)and(3.10)is3 11G s=c r s−b s−aσsσs c2+v H s x −1= r s−b s−aσsσs c2+vx516T.CHANIn(3.9),we therefore have3 12 γs=r s−b s−aσsσs c2+vFinally,we need some conditions to ensure that H s X s >0;otherwise, the measure we have obtained will not be a probability measure but only a signed measure.Since we are assuming throughout this paper that the jump size X∈ −c1 c2 ,we require the right-hand side of(3.11)of be greater than −1for all x∈ −c1 c2 ,which is equivalent to the condition that3 13 −1c2< r s−b s−aσsσs c2+v<1c1So far,we have done nothing more than show that one can obtain an equiv-alent martingale measure by drawing an obvious analogy with the classical Black–Scholes setting.It turns out,however,that the martingale measure given by(3.8),(3.9)and(3.12)is precisely the F¨o llmer–Schweizer minimal measure introduced in F¨o llmer and Schweizer(1991),which we shall proceed to show.The minimal measure is closely connected to a hedging portfolio,which minimizes the risk involved in trying to duplicate a contingent claim T(pro-vided such a portfolio exists).We briefly sketch the main ideas below,following closely the treatment in F¨o llmer and Schweizer(1991)but omitting some of the technical assumptions not essential to the exposition.We adopt the notational convention that for any quantity f t,the discounted quantity will be denoted byˆf t=exp − t0r s ds f t.The value V t of any hedg-ing portfolio can be written as V t=ξt S t+ηt exp t0r s ds and hence the discounted value isˆV t=ξtˆS t+ηtwhereξandηare,respectively,the number of units of stock and bond.Only strategies for which V T= T P-a.s.are admissible.Define the cumulative cost at time t byC t=ˆV t− t0ξs dˆS sand the remaining risk byE C T−C t 2 t(In complete markets,C t is constant and hence the risk is zero.)The idea is to look for strategies ξ η which minimizes the remaining risk in a local sense: the risk is minimal under all“infinitesimal perturbations”of the strategy at time t.This is equivalent to the following precise technical definition.Definition3.1.An admissible strategy ξ η is called optimal if the asso-ciated cost C is a square-integrable martingale orthogonal to the martingale part(in the Doob decomposition)ofˆS under P.。

定价方法

定价方法

期权定价模型(Option Pricing Mode1)期权定价模型概述期权定价模型的前驱1、巴施里耶(Bachelier,1900)2、斯普伦克莱(Sprenkle,1961)3、博内斯(Boness,1964)4、萨缪尔森(Samuelson,1965)期权定价模型发展过程期权是购买方支付一定的期权费后所获得的在将来允许的时间买或卖一定数量的基础商品(underlying assets)的选择权。

期权价格是期权合约中唯一随市场供求变化而改变的变量,它的高低直接影响到买卖双方的盈亏状况,是期权交易的核心问题。

早在1900年法国金融专家劳雷斯·巴舍利耶就发表了第一篇关于期权定价的文章。

此后,各种经验公式或计量定价模型纷纷面世,但因种种局限难于得到普遍认同。

70年代以来,伴随着期权市场的迅速发展,期权定价理论的研究取得了突破性进展。

在国际衍生金融市场的形成发展过程中,期权的合理定价是困扰投资者的一大难题。

随着计算机、先进通讯技术的应用,复杂期权定价公式的运用成为可能。

在过去的20年中,投资者通过运用布莱克——斯克尔斯期权定价模型,将这一抽象的数字公式转变成了大量的财富。

期权定价是所有金融应用领域数学上最复杂的问题之一。

第一个完整的期权定价模型由Fisher Black和Myron Scholes创立并于1973年公之于世。

B—S 期权定价模型发表的时间和芝加哥期权交易所正式挂牌交易标准化期权合约几乎是同时。

不久,德克萨斯仪器公司就推出了装有根据这一模型计算期权价值程序的计算器。

现在,几乎所有从事期权交易的经纪人都持有各家公司出品的此类计算机,利用按照这一模型开发的程序对交易估价。

这项工作对金融创新和各种新兴金融产品的面世起到了重大的推动作用。

斯克尔斯与他的同事、已故数学家费雪·布莱克(Fischer Black)在70年代初合作研究出了一个期权定价的复杂公式。

与此同时,默顿也发现了同样的公式及许多其它有关期权的有用结论。

鞅、鞅差和市场有效性

鞅、鞅差和市场有效性
随着分析技术的发展, 随机分析技术被广泛应用于 价格行为研究和金融指标分析, 但这些研究却发现价格 Pt 的对数增量 Xt=lnPt-lnPt-1 似乎是独立的(满足特定的假 设的条件下),Cowles(1933)以及随后的 Working(1934)等均 得出了类似结论 。 随后,Kendall 发现金融市场价 格 波动 具 有 完 全 随 机 性 ,无 周 期 、无 趋 向 行(即 Sn=S0Exp(∑Xt), 其中 Xt=lnPt-lnPt-1,Xt 独立同分 布), 并在 The Analys is Of Economic Time-Serial 中描述了市场价格行为的形态及其 随机过程特征。 在其基础上,学者不断完善分析的方法并 构 造 随 机 过 程 模 型 来 描 述 价 格 行 为 (Robert,Osborne 和 Samuelson 等)。 这 一 系 列 研 究初 步 构 建 了 有效 市 场 理 论 (Efficient Capital Market Theory)的雏形。
持,所以,村民在传统模式的基础上进一步将这种财务管
将农村经济的监督权和管理权上移到乡镇一级。
理的权力委托给乡镇一级进行管理, 以保障全体村民的
[参 考 文 献]
既得利益不受损害。
[1] 卢 现 祥 . 新 制 度 经 济 学 [M]. 武 汉 : 武 汉 大 学 出 版 社 ,
但是,值得注意的是,这种委托代理是在原有模式,原
∪ ∪
∪ ∪ ∪

在(Ω,I,P)中 我 们 选 取 三 个 具 有 代 表 性 的 σ 代 数 流 (信息流),I1=(I1n )n ,I2=(I2n )n ,I3=(I3n )n ,并且:I1 I2 I3
1)I1 中 的 事 件 为 截 止 时 刻 n 可 获 得 的 价 格 S 中 包 含 的历史信息
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第六章 鞅方法定价在上一章的二项树模型下,我们证明了,当完备市场中不成在套利机会时,市场存在唯一概率——等价鞅测度——可以 用来给期权和期货定价。

在这一章,我们先在二项树模型下详细解释等价鞅测度的含义。

接着,我们讨论一般结果。

我们将证明,这个结果在比二项树模型更复杂的经济系统中也成立。

在许多背景下,我们并不需要利用市场均衡来给衍生资产定价,而是利用套利定价原理来进行定价——如果证券市场不存在套利机会,则衍生证券的价格完全由别的长期证券的价格过程来决定。

在这个定价的过程中,我们通常把一个长期证券集的价格过程视为给定而来进行定价。

这样就自然产生一个问题:如何确定被我们视为给定的价格过程不存在套利机会? 价格过程不存在套利机会的充分必要条件是,通过变换概率测度和对价格过程进行某种正规化之后,这些价格过程是鞅过程。

无套利和鞅过程之间的这种特殊关系也可以直接用来对衍生证券进行定价。

作为一个应用,我们将用这种方法来对期权进行定价,得到期权定价的一种新的方法。

1.二项树模型中的等价鞅测度在二项树模型中模型图1一期二项式生成过程这里∆-t S =股票在时间∆-t 的价格 q =股票价格上涨的概率 r f =一期的无风险利率u =股票价格上涨的乘子)11(>+>f r ud =股票价格下跌的乘子()011<<<+d r f在每一期末,股票价格或者以概率q 涨为∆-t uS ,或者以概率1-q 跌为∆-t dS 。

每期的无风险利率为r f 。

对r f 的限制为u r d f >+>1,这是无套利条件。

直观地可以看出,无论是1+>>r u d f (这时,无风险利率总比股票的风险回报率高)还是u d r f >>+1(这时,无风险利率总比股票的风险回报率低),都存在套利机会。

等价鞅测度的含义: 等价的含义:当实际的概率为正时,p 也为正。

条件期望直观解释:在某种条件下的期望值。

例子:用密度函数来刻画例子:在二项树下的条件期望鞅的含义:[]()[]∆-∆-∆-∆-=-++=+t t t ft t f S dS p puS r S E r 11111 ()()∆-∆-∆-+=⎥⎥⎦⎤⎢⎢⎣⎡+i t f i t t f t i t r S r S E 11 []()[]∆-∆-=-++=+t dt u t ft t f c dc p pc r c E r 11111 ()()∆-∆-∆-+=⎥⎥⎦⎤⎢⎢⎣⎡+i t f i t t f t i t r c r c E 11 即,()nt t f tr S 01=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧+和()nt t ftr c 01=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧+均是鞅过程。

等价鞅测度存在性: 定义p r d u df =+--()1,则11-=-+-p u r u df ()从p 的定义可以看出,无套利条件u r d f >+>1成立当且仅当p 大于0而小于1(即,p 是概率)。

等价鞅测度唯一性:上面定义的p r d u df =+--()1是使得下式成立(即股票和期权价格的折现值是鞅)的唯一概率。

[]()[]∆-∆-∆-∆-=-++=+t t t ft t f S dS p puS r S E r 11111(Martingales are associated with “fair” gambles because expected values always equal current values. In finance, this sense of fairness translates into prices and a pricing system with no arbitrage opportunities.) 性质:在一个二项树模型中,股票和无风险证券之间不存在套利机会的充分必要条件是存在唯一的等价鞅测度。

证明:例子:无套利验证例子:期货合约的无套利定价例子:不完备市场的等价鞅测度不唯一。

注:(1) The importance of this proportion to option pricing cannot be overstated. It takes an economic notion of no arbitrage opportunities and transforms it into a mathematical notion of a martingale. As a mathematical notion, theorems can be proven, formulas derived, and computations performed, which would be impossible using the economic notion alone. (2) 推广:利率衍生产品,利率是随机的,以商品为标的物的衍生产品,外汇衍生产品。

2.一般经济系统2.1 不确定性经济环境 我们考虑一个具有唯一易腐消费品的证券市场经济。

如果没有特别地强调,我们用{}F ,Ω表示不确定经济环境中具有有限状态的状态空间,用F ={}T t F t ,1,0:=表示信息结构,对任意T t F F t ⊆,。

和第一章一样,我们假设到时间T ,投资者就完全知道真实的状态且=0F {Ø,Ω}。

证券市场具有N +1种长期证券,以N j ,,1,0 =作为指标。

长期证券j 的特征由其红利过程(){}T t t x x j j ,,1,0: ==来刻画,这里()t x j 表示以消费品为单位,在时间t 支付的随机红利。

红利过程适应于F 。

为使得分析简化,我们不妨假设第0种长期证券直到时间T 才支付红利,在时间T ,不管哪个状态发生,支付的红利均为一个单位的消费品。

从这个假设我们可以看出,第0种证券事实上是一种T 期的面值为1的折现债券。

第0种证券在时间t 的价格以)(t B 表示,()1=T B ;而第j (1≥j )种证券在时间t 的分红后价格以)(t S j 表示。

因为价格过程是分红后的价格,所以有()0=T S j 。

自然地,我们假设()t S j 和()t B 是关于t F 可测的。

因为在经济均衡中能够确定的只是证券的相对价格,所以不失一般性,我们假设长期证券的价格以唯一的消费品为单位,即消费品的价格为1。

经济中有I 个个体,以I i ,,2,1 =作为指标。

每个个体具有时间可加的效用函数,这些函数是单调增的、严格凹的、可微的。

我们假设()∞='0itu ,这个假设保证所有个体都选择严格正的消费。

我们假设个体的主观概率为{}Ω∈=ωω:ii P P ,并且任意不确定状态的概率大于0。

我们假设个体拥有的禀赋是长期证券,份额为()()(){}{}Nj i j ii100,0==θθα,()0i α表示个体i 在时间0拥有的第0种证券的份数。

()0i j θ表示个体i 在时间0拥有的第j 种证券的份数。

为了避免退化情形,我们假设对每个个体i 而言,()0i α≥0,()0i j θ≥0且存在某个j 使得()0ij θ>0。

定义1:一个交易策略θ是一个1+N 维过程()()(){}{}N j jt t t 1,==θθα,这里,()t α和()t j θ分别表示个体在时间t 的交易发生前,持有的从时间t -1到时间t 的第0种证券和第j 证券的份数。

一个交易过程一定是一个可料过程。

我们引入记号()()()()T N t t t θθθ,,1 =定义2:一个消费计划c 是一个适应于F 的过程:(){}T t t c c ,,1,0; ==,这里()t c 表示以唯一消费品为计量单位,个体在时间t 的随机消费。

定义3:一个交易策略{}θα,称为可行的,如果它是可料的且存在一个消费计划c 使得,对于任意t 有()()++t B t 1α()()t S t T 1+θ()()()()()t c t X t S t T-+=θ()()t B t α+, (2-1)这里()()()()TN t S t S t S ,,1 =, ()()()()TN t x t x t X ,,1 =。

我们用H 表示所有的可行的策略形成地集合。

注:1. 关系(2-1)是一种自然的预算约束:在t 期收入(包括证券组合的市场值和红利)用于消费和下一期的投资(购买下一期的证券组合)。

2. 因为()1=T B ,且对所有的j 而言,0)(=T S j ,所以(2-1)的左边为0,从而(2-1)变成()T α+()()()T c T X T T =θ即在期末,所有的财富都用于消费。

3. 在(1-24)中的消费计划c 称为是由交易策略),(θα融资的,以()θα,c 来表示。

我们用C 表示所有由可行交易策略融资的消费计划的集合。

4. 因为一个长期证券是由它在每个时间的红利来刻画地,所以我们可以把由可行交易策略融资地消费计划视为长期证券。

2.2 套利、状态价格和鞅 正如我们在前言中提到的一样,本章的主要目的之一在于,给定价格系统{}S B ,,如何确定其余衍生资产的价格。

因此,我们第一步就是验证这个价格系统是否具有某种意义上的“合理性”,以及为了满足这种合理性该价格系统应该满足的条件。

因为对合理性的要求越弱,这种合理性的应用也就越强,所以我们下面给出价格系统为了具有某种合理性应该满足的条件,并使得这个条件尽可能地弱。

从最理想的角度出发,这个价格系统具有的合理性也应该是一个均衡价格系统应该具有的。

因为经济中的个体具有非满足性,所以要使得一个价格系统是均衡的,这个价格系统就不能存在套利机会。

因此我们把这个均衡价格系统具有的性质作为价格系统{}S B ,必须满足的合理性。

下面给出目前经济环境中套利机会的严格定义。

定义3:一个套利机会指的是由某个可行交易策略),(θα融资的消费计划()θα,c ,满足下列条件:1.()θα,c是非负的,且至少存在某个时间t ,使得()()t cθα,>0的概率严格为正。

2.()()+00B α()()000≤S T θ 直观上来说,一个套利机会就是不花钱就能进行消费。

一个价格系统如果具有套利机会就不可能是一个均衡的价格系统,因为每个非满足的个体都会利用这种套利机会,从而市场不可能是出清的。

在本节剩下的内容里,我们任固定某个个体的主观概率iP ,所有的计算都在这个概率之下得到的,为了记号简单,我们简记iP 为P 。

当证券市场不存在套利机会时,任意一种长期证券的价格过程和它的积累红利,如果以第0种证券为单位,具有如下的性质:在任意时间t ,它们在将来任意时间的和的条件期望等于它们在时间t 的和。

相关文档
最新文档