Python金融学-风险中性测度

风险中性测度是金融衍生产品定价中一个非常关键的概念。对于大家众所周知的Black Scholes定价公式，可以由两种方法得出，其中一个是通过期权和现货构造一个无风险的投资组合，通过构造出的组合和实际无风险标的的payoff一致性来推出期权价格所满足的一个偏微分方程，通过对偏微分方程的求解来得出期权价格。而另外一个就是跟风险中性测度非常相关的鞅方法，通过构造一个风险中性测度，再对期权未来payoff通过风险中性测度求期望来得到期权的价格。

那么风险中性测度到底是什么呢？从比较严谨的角度讲，就是通过风险中性测度进行折现的市场上的所有资产产品的价格都是鞅。而鞅是指一个随机过程，他的在未来任意时间的取值的期望，等于现在的值。也就是说，如果资产产品的价格是鞅，那么人们就无法预测价格的未来走势。用比较简明的话来说，风险中性测度，就是一个资产的价格，该资产在某个事件发生时会有一个单位的无风险利率的payoff，而在其他事件发生时的payoff是0 。我们称该资产为Arrow资产。

而即便这样说，也不是很能够理解，所以我们通过风险中性测度的期望来进行阐述。假设一个资产，有n种可能产生的事件，那么对于不同的事件该资产会有n种不同的payoff，其数值等于Y(n)个无风险利率的payoff，那么我们如何决定这个资产的价格呢？可以采用复制payoff的方法，我们对于每个不同的事件，都用Y(n)个Arrow资产（如果事件发生payoff为一个单位的无风险利率，其他事件发生payoff为0）进行复制，那么最终的结果就是：

SUM（数量X价格）=SUM（Y(n)*p(n)）

其中p(n)是第n个用来复制的Arrow资产的价格，他满足测度的要求，所以可以称之为风险中性测度，或是风险中性概率。而上述等式正好是Y通过风险中性测度取期望所得的值，而这样理解时，p则是n发生的概率，也叫风险中性测度/概率。

风险中性测度和现实生活中实际的概率测度是等价的，即风险中性测度等于0的事件，在实际概率测度中也为0，而在风险中性测度中大于0的事件，在实际概率测度中也大于0 。在上述风险中性测度的推导中，我们使用Arrow资产进行定价，其未来的payoff是以无风险利率为单位进行衡量，其中无风险利率被称为numeraie，而我们可以通过对numeraie进行变化来使用其他资产当做payoff的衡量单位，但是该资产必须是一个可以交易的资产且他的价格过程必须是永远大于零的。

对于风险中性测度，有两个非常经典而有用的定理，第一个则是资产定价基础定理，包含两个部分。第一部分说，如果一个市场上存在一个风险中性测度，那么这个市场就是无套利的，也就是说，在使用Black Scholes公式进行定价的时候，我们已经假定了市场是无套利的，因此任何有偏离于BS公式所制定价格的资产，理论上都会存在一定的套利机会，但是BS事实上还有一个隐含波动率的不确定因素，这个部分较深，我们在以后会慢慢介绍。第二部分说如果一个不存在套利的市场上有且只有一个风险中性测度，那么这个市场就是完整的，即任何资产的价格都是可以被复制的。

而第二个定理则是非常经典的Girsanov定理，对于：

Z(t)=exp{−∫0tΘ(u).dW(u)−12∫0t||Θ(u)||2du}

W~(t)=W(t)+∫0tΘ(u)du

其中Theta是一个多维的adapted随机过程，W是一个布朗运动，我们定义：

P~(A)=∫AZ(w)dP(w)forallA∈F

那么Z在该测度下的期望是1，且上述定义的为一个布朗运动。我们可以很容易观察到该测度即为风险中性测度的定义，和实际概率测度P等价，而新定义的布朗运动就是在风险中性测度定义下的布朗运动。通过上述定理我们发现，风险中性测度相对于实际概率测度，改变的仅仅是测度的期望，而测度的二阶矩波动率并没有改变。

风险中性测度在衍生品的定价中应用非常广泛，所以不光要对其有所耳闻，还要细致的对其进行理解，而仅仅背下来BS公式，是无法对其进行真正的理解的。

拓展阅读：

1.海龟交易法则策略，多读几遍少走10年路

2.网格交易法，一个不容易亏钱的投资策略（附源码）

3.揭开日内回转交易策略做“T+0”的面纱

4.配对交易——这个股票策略曾年赚5000万美元

5.被动与主动的完美结合：指数增强策略的魅力

6.经典量化选股方法——没有秘密的多因子

Python金融学-风险中性测度相关推荐

金融学-风险中性测度
风险中性测度是金融衍生产品定价中一个非常关键的概念.对于大家众所周知的Black Scholes定价公式,可以由两种方法得出,其中一个是通过期权和现货构造一个无风险的投资组合,通过构造出的组合和实际无 ...
【Shecan Notes】从二叉树出发浅谈风险中性定价
从二叉树出发浅谈风险中性定价有效市场假说的一个重要应用就是资产定价,根据Fama的有效市场假说,所有信息(包括未来的信息)都已经充分反映在当前的价格当中,因而不存在无风险套利的机会.在微观经济学 ...
python价值算法_第十课-Python金融学基础——夏普比率(Sharpe-ratio)和资产组合价值(portfolio-value)...
前面的课程主要是在研究Pandas的时序分析实现,以及利用statsmodel对时序数据进行ARIMA以及有权重的ARIMA模型的建模,并尝试预测未来的走向.从这节课开始,我们正式进入Python金融 ...
风险中性贴现-短期利率贴现
期权资产定价基本定理明显,风险中性贴现是风险中性估值方法的核心,我们因此可以开发一个Python类来进行风险中性贴现.但是,我们首先需要进一步的分析一下对于估值中相关的日期的建模和处理. 进行贴现 ...
Python金融学基础——夏普比率(Sharpe-ratio)和资产组合价值(portfolio-value)
前面的课程主要是在研究Pandas的时序分析实现,以及利用statsmodel对时序数据进行ARIMA以及有权重的ARIMA模型的建模,并尝试预测未来的走向.从这节课开始,我们正式进入Python金融 ...
重读博弈论（四）－重要的基本概念的理解：风险爱好、风险中性、风险厌恶(风险避规)...
风险爱好(Risk-Love):风险爱好的参与人,常常会不顾可能发生的危险,仍实施某项行为和进行某项决策活动.其效用函数是凸型的,期望效用必然小于概率事件的期望效用.风险爱好企业获随机收益比获取确定收 ...
证券投资深度学习_基于风险中性的深度学习选股策略
今天我们为大家带来最新的研报内容,来自广发证券金工团队的<风险中性的深度学习选股策略>.下面让我们来一起学习吧!https://mp.weixin.qq.com/s?__biz=MzAxN ...
风险中性的深度学习选股策略
一.数据驱动型机器学习模型的问题目前流行的机器学习方法,包括深度学习,大部分是数据驱动的方法,通过对训练集数据学习来提取知识.数据驱动型机器学习方法应用成功的前提是:从训练集数据中学习到的" ...
matlab密度特征,关于用MATLAB应用程序估算风险中性密度的性能分析和介绍
由于场外期权合约的买卖在交易双方间私下进行而非通过公开市场,因而可能很难确定合约的价格有利于买方还是卖方.为对这些合约进行定价,金融分析师往往依据看涨期权或看跌期权价格估算出风险中性密度(RND)值. ...

Python金融学-风险中性测度

Python金融学-风险中性测度相关推荐

最新文章

热门文章