第八章_Black-Scholes_模型(金融衍生品定价理论讲义)

第八章Black-Scholes模型金融学是一门具有高度分析性的学科，并且没有什么能够超过连续时间情形。概率论和最优化理论的一些最优美的应用在连续时间金融模型中得到了很好地体现。RobertC.Merton，1997年诺贝尔经济学奖得主，在他的著名教科书《连续时间金融》的前言中写到：过去的二十年证明，连续时间模型是一种最具有创造力的多功能的工具。虽然在数学上更复杂，但相对离散时间模型而言，它能够提供充分的特性来得到更精确的理论解和更精练的经验假设。因此，在动态跨世模型中引入的真实性越多，就能够得到比离散时间模型越合理的最优规则。在这种意义上来说，连续时间模型是静态和动态之间的分水岭。直到目前为止，我们已经利用二项树模型来讨论了衍生证券的定价问题。二项树模型是一种离散时间模型，它是对实际市场中交易离散进行的一种真实刻画。离散时间模型的极限情况是连续时间模型。事实上，大多数衍生定价理论是在连续时间背景下得到的。与离散时间模型比较而言，尽管对数学的要求更高，但连续时间模型具有离散时间模型所没有的优势：（1）可以得到闭形式的解。闭形式解对于节省计算量、深入了解定价和套期保值问题至关重要。（2）可以方便的利用随机分析工具。任何一个变量，如果它的值随着时间的变化以一种不确定的方式发生变化，我们称它为随机过程。如果按照随机过程的值发生变化的时间来分，随机过程可以分为离散时间随机过程和连续时间随机过程。如果按照随机过程的值所取的范围来分，随机过程可以分为连续变量随机过程和离散变量随机过程。在这一章中，我们先介绍股票价格服从的连续时间、连续变量的随机过程：布朗运动和几何布朗运动。理解这个过程是理解期权和其他更复杂的衍生证券定价的第一步。与这个随机过程紧密相关的一个结果是Ito引理，这个引理是充分理解衍生证券定价的关键。Inthischapterwestudythebest-knowncontinuoustimemodel,theBlack-SCHOLESMODEL.Thismodel,developedbyFischerBlackandMyronScholesin1973,describesthevalueofaEuropeanoptiononanassetwithnocashflows.Themodelhashadahugeinfluenceonthewaythattraderspriceandhedgeoptions.Ithasalsobeenpivotaltothegrowthandsuccessoffinancialengineeringinthe1980sand1990s.Themodelrequiresonlyfiveinputs:theassetprice,thestrikeprice,thetimetomaturity,therisk-freerateofinterest,andthevolatility.TheBlack-Scholesmodelhasbecomesthebasicbenchmarkmodelforpricingequityoptionsandforeigncurrencyoptions.Itisalsosometimesused,inamodifiedform,topriceEurodollarfuturesoptions,Treasurybondoptions,caps,andfloors.WecannotsaythatwehavemasteredoptionpricingtheoryunlessweunderstandtheBlack-Scholesformula.本章的第二部分内容在连续时间下推导Black-Scholes欧式期权定价公式，我们分别利用套期保值方法和等价鞅测度方法。并对所需的参数进行估计。最后讨论标的股票支付红利的欧式期权定价问题。1．连续时间随机过程我们先介绍Markov过程。定义：一个随机过程0ttX称为Markov过程，如果预测该过程将来的值只与它的目前值相关，过程过去的历史以及从过去运行到现在的方式都是无关的，即tstsXXEXE（1）这里，ts，t表示直到时间t的信息。我们通常假设股票的价格过程服从Markov过程。假设IBM公司股票的现在的价格是100元。如果股票价格服从Markov过程，则股票一周以前、一个月以前的价格对于预测股票将来价格是无用的。唯一相关的信息是股票当前的价格100元。由于我们对将来价格的预测是不确定的，所以必须按照概率分布来表示。股票价格的Markov性质说明股票在将来任何时间的价格的概率分布不依赖于价格在过去的特殊轨道。股票价格的Markov性质与市场的弱形式的有效性有关。这说明股票现在的价格已经包含了隐含在过去价格中的有用信息。考虑一个随机过程的变量tX。假设它现在的值为10，在任何时间区间t内它的值的变化量，tttXX，服从正态分布tN,0，且不相交时间区间变化量是独立的。在任何两年内它的值的变化量为ttXX2，满足ttXX2=12ttXX+ttXX1由假设，12ttXX与ttXX1独立，且12ttXX服从1,0N，ttXX1服从1,0N。两个独立正态分布随机变量的和为正态分布随机变量，均值为各个均值的和，方差为各个方差的和。所以ttXX2服从正态分布2,0N在任何半年内，ttXX5.0服从正态分布5.0,0N不确定性与时间的平方根成比例。上面假设的过程称为布朗运动(Brownianmotion)，也称为Wienerprocess。这是一种特殊的Markov随机过程，在每年的变化量的均值为0，方差为1。定义：一个(标准的、1-维)布朗运动是一个连续的适应过程z={tz,t;0t}，其值域为R且满足如下性质：（1）00za.s.（2）对任意的0st,增量stzz独立于s，且服从以0为均值，以(t-s)为方差的正态分布。有时，我们将用到区间[0,T]上的布朗运动z={tz,t;0tT}，这里T0,这个概念可以类似地定义。性质：1）一个标准布朗运动既是Markov过程又是鞅。2）在任何小时间区间t内的变化量为tz这里是标准正态分布。3）任何两个小时间区间的变化量是独立的。考虑变量在时间T内的值的增加量0zzT。可以把它视为z在N个小时间区间t的增量的和，这里tTN因此NiiTtzz10（2）这里i是独立的标准正态分布。00zzETTtNzzT0var例子：推广的Wiener过程bdzadtdx（3）这里ba,视常数。为了理解（3），分别考虑它右边的两部分（1）adt说明x在单位时间的期望漂移率为aadtdx或者atxx0这里0x是x在时间0的值。（2）bdz是加在x轨道上的噪声或者扰动。在一个小时间区间t，x的变化量x为tbtax因此x服从正态分布taxEtbx2var在一个时间区间T，x的变化量0xxT为正态分布aTxxET0TbxxT20var所以推广的Wiener过程的期望漂移率(averagedriftperunitoftime)为a，方差率(varianceperunitoftime)为2b。Ito过程dztxbdttxadx),(),(（4）在一个小时间区间t，x的变化量x为ttxbttxax),(),(所以Ito过程在一个小时间区间t的期望漂移率为),(txa，方差率为2),(txb。Ito引理2.股票的价格过程我们讨论不支付红利股票价格服从的随机过程。我们可以假设股票的价格过程服从推广的Wiener过程，即常的期望漂移率和常数方差率。但是，这个过程不满足股票价格的一个关键特征：投资者要求的股票期望回报率应该独立于股票价格，股票回报率在短时间内的变动也应该独立于股票的价格。如果当股票价格是10元时，投资者要求的每年期望回报率是14%，则当股票的价格是50元时，投资者要求的每年期望回报率也是14%。通常我们也假设在一个短时间t内，回报率的变动也独立于股票的价格。如下的Ito过程满足要求SdzSdtdS这里,为常数。我们称之为几何布朗运动。这是应用最广泛的描述股票的价格过程。是股票价格的波幅，是股票价格的期望回报率。如果没有随机项，则tSS在极限状态下dtSdS从而TTeSS0这说明，当方差率为0时，股票价格以每单位时间连续复利率增长。例子：几何布朗运动的离散时间版本为ttSSThevariableSisthechangeinthestockprice,S,inasmallintervaloftime,t;andisarandomdrawingfromastandardizednormaldistribution.Theparameter,,istheexpectedrateofreturnperunitoftimefromthestockandtheparameter,,isthevolatilityofthestockprice.Bothoftheseparametersareassumedconstant.Thelefthandtheaboveequationisthereturnprovidedbythestockinashortperiodoftime,t.Thetermtistheexpectedvalueofthisreturn,andthetermtisthestochasticcomponentofthereturn.Thevarianceofthestochasticcomponent(and,therefore,ofthewholereturn)ist2.Thisisconsistentwiththedefinitionofthevolatility,,thatis,issuchthattisthestandarddeviationofthereturninashorttimeperiod,t.正态分布ttNSS2,~参数和Theprocessforthestockpricesdevelopedinthischapterinvolvestwoparametersand.Theparameter,,istheexpectedcontinuouslycompoundreturnearnedbyaninvestorperyear.Mostinvestorsrequirehigherreturnstoinducethemtotakehigherrisks.Itshouldalsodependonthelevelofinterestratesintheeconomy.Thehigherthelevelofinterestrates,thehighertheexpectedreturnrequiredonanygivenstock.Fortunately,wedonothavetoconcernourselveswiththedeterminantsofinanydetailbecausethevalueofaderivativedependentonastockis,ingeneral,independentof.Theparameter,thestockpricevolatility,is,bycontrast,criticallyimportanttothedeterminationofthevalueofmostderivatives.Typicalvaluesofforastockareintherange0.20to0.40.对Sln利用Ito引理得到dzdtSd2ln2这说明Sln服从推广的W