《Black-Scholes模型(金融衍生品定价理论讲义)》由会员分享，可在线阅读，更多相关《Black-Scholes模型(金融衍生品定价理论讲义)（13页珍藏版）》请在金锄头文库上搜索。
1、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。Robert C. 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
2、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
3、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。In this chapter we study the best-known continuous time model, the Black-SCHOLES MODEL. This model, developed by Fischer Black and M
4、yron Scholes in 1973, describes the value of a European option on an asset with no cash flows. The model has had a huge influence on the way that traders price and hedge options. It has also been pivotal to the growth and success of financial engineering in the 1980s and 1990s. The model requires on
5、ly five inputs: the asset price, the strike price, the time to maturity, the risk-free rate of interest, and the volatility. The Black-Scholes model has becomes the basic benchmark model for pricing equity options and foreign currency options. It is also sometimes used, in a modified form, to price
6、Eurodollar futures options, Treasury bond options, caps, and floors. We cannot say that we have mastered option pricing theory unless we understand the Black-Scholes formula.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
7、随机过程 称为 Markov 过程，如果预测该过程将来的值只与它的目0tX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（1）tstsXE这里， ， 表示直到时间 的信息。tstt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
8、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 。假设它现在的值为 10，在任何时间区间 内它的tXt值的变化量， ，服从正态分布 ，且不相交时间区间变化量是独立的。ttXtN,0在任何两年内它的值的变化量为 ，满足tt2= +tt21tX由假设， 与 独立，且 服从 ， 服从12tt tt 1,0NttX1。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1,0N差为各个方差的和。所以 服从正态分布ttX2 2,在任何半年内， 服从正态分布5.0 5.不确定性与时间的平方根
9、成比例。上面假设的过程称为布朗运动 (Brownian motion)，也称为 Wiener process。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= , ; 0t0, 这个概念可t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 内的变化量为ttz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 内的值的增加量 。可以把它视为 z 在 个小时间区间T0zTN的增量的和，这里t tN因此（2）iTtz10这里 是独立
10、的标准正态分布。i0ETtNzvar例子：推广的 Wiener 过程（3）bdzatx这里 视常数。ba,为了理解（3），分别考虑它右边的两部分（1） 说明 在单位时间的期望漂移率为dtxadtx或者0这里 是 在时间 0 的值。0x（2） 是加在 轨道上的噪声或者扰动。bdzx在一个小时间区间 ， 的变化量 为txxtbta因此 服从正态分布xEtx2vr在一个时间区间 ， 的变化量 为正态分布Tx0TaTT0b2r所以推广的 Wiener 过程的期望漂移率 (average drift per unit of time) 为 ，方差率(variance aper unit of time)
11、为 。2bIto 过程（4）dztxbtadx),(),(在一个小时间区间 ， 的变化量 为tx ,所以 Ito 过程在一个小时间区间 的期望漂移率为 ，方差率为 。t)(t2),(txIto 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
12、年期望回报率也是 14%。通常我们也假设在一个短时间 内，回报率的变动也独立于股票的价格。t如下的 Ito 过程满足要求 Sdztd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 tS在极限状态下 dt从而 TeS0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 ttSThe variable is the change in the stock price, , in a small interval of time, ; and is a SSt
13、random drawing from a standardized normal distribution. The parameter, , is the expected rate of return per unit of time from the stock and the parameter, , is the volatility of the stock price. Both of these parameters are assumed constant. The left hand the above equation is the return provided by
14、 the stock in a short period of time, . The term is the expected value of this ttreturn, and the term is the stochastic component of the return. The variance of the tstochastic component (and, therefore, of the whole return) is . This is consistent with the t2definition of the volatility, , that is
15、, is such that is the standard deviation of the return in a short time period, . t正态分布 tNS2,参数 和The process for the stock prices developed in this chapter involves two parameters and . The parameter, , is the expected continuously compound return earned by an investor per year. Most investors requir
16、e higher returns to induce them to take higher risks. It should also depend on the level of interest rates in the economy. The higher the level of interest rates, the higher the expected return required on any given stock. Fortunately, we do not have to concern ourselves with the determinants of in any detail because the value of a derivative
