欢迎来到证券价格的随机模型（Stochastic Models）！

你好！欢迎来到 CM2 课程中最令人兴奋的部分之一。如果你曾经看着股市图表并心想：“这看起来完全是随机的”，那么你的思考方式已经像一位精算师了！在本章中，我们将学习如何将这种“随机性”转化为数学模型。这些模型能帮助我们评估资产价值并为复杂的金融产品定价。

如果 “随机”（stochastic） 这个词让你感到害怕，请别担心——它只是一个描述“随机”的数学术语而已。我们只是在探讨描述证券价格随时间变动的不同方式。让我们开始吧！

1. 为什么我们需要随机模型？

在一个完美的世界里，我们或许能确切知道明天股票价值多少。但在现实世界中，价格受到数百万个不可预测的事件影响。我们使用随机模型的原因包括：

1. 它们能帮助我们量化风险（我们可能会损失多少？）。
2. 它们允许我们为衍生工具（如期权）定价。
3. 它们为模拟未来情境提供了一个框架。

2. 二项式模型（离散时间方法）

你可以把二项式模型（Binomial Model）想象成一场“选择你自己的冒险”游戏。在每一个时间点上，价格只能有两种变动：上涨（Up）或下跌（Down）。

运作原理

假设股票目前的价格为 \( S \)。在下一个时间步长：

1. 价格上升至 \( uS \)（其中 \( u > 1 \)）。
2. 价格下降至 \( dS \)（其中 \( d < 1 \)）。

二项式模型的关键假设：

1. 无套利（No Arbitrage）：你无法获得高于无风险利率的无风险利润。
2. 固定回报：因子 \( u \) 和 \( d \) 在每个步骤中保持不变。
3. 离散时间：变动仅在特定间隔发生（例如，每天或每月）。

为什么要使用它？

使用“树状图”来可视化非常简单。它也非常灵活——你可以用它来为“美式期权”（可以在任何时间行使的期权）定价，这在使用连续模型时要困难得多。

小贴士：请记住，为了使模型真实且避免套利，无风险增长因子 \( e^{rt} \) 必须介于下跌因子和上涨因子之间： \( d < e^{rt} < u \)。

总结：二项式模型就像一个数字时钟——它在“滴答”声中移动。它简单、直观，非常适合处理美式期权。

3. 几何布朗运动（连续时间方法）

如果二项式模型是数字时钟，那么几何布朗运动（Geometric Brownian Motion, GBM）就像一个指针平滑且持续移动的模拟时钟。这正是著名的布莱克-舒尔斯-默顿（Black-Scholes-Merton）框架所使用的模型。

公式（别慌！）

价格过程 \( S_t \) 通常写作随机微分方程（SDE）：
\( dS_t = \mu S_t dt + \sigma S_t dW_t \)

让我们用“人话”拆解一下：
- \( \mu S_t dt \)：这是漂移项（Drift）。它代表“平均”趋势或预期回报。这是变动中可预测的部分。
- \( \sigma S_t dW_t \)：这是扩散项（Diffusion）。这是“杂讯”或波动率。\( W_t \) 是一个维纳过程（Wiener Process，或称布朗运动），它提供了随机性。

GBM 的关键属性：

1. 对数常态分布（Lognormal Distribution）：虽然回报率呈常态分布，但价格本身遵循对数常态分布。这很棒，因为这意味着价格永远不会是负数（股票价值不可能是 -10 美元！）。
2. 恒定波动率：该模型假设 \( \sigma \)（波动率）永远不变。
3. 独立性：今天发生的事情不会告诉我们明天会发生什么（这就是“效率市场假说”）。

你知道吗？我们称之为“几何”，是因为它是对百分比变化进行建模，而不仅仅是绝对的金额变化。这确保了 100 美元的股票上涨 10%，与 10 美元的股票上涨 10%，在模型中的感受是一样的。

重点总结：GBM 是金融理论的“黄金标准”。它假设价格平滑变动且保持为正值，但它假设波动率是一个枯燥且恒定的数字。

4. 模型比较

学生经常问：“哪个模型更好？”答案取决于你想做什么！

1. 时间：二项式是离散的（步骤）；GBM 是连续的（平滑）。
2. 复杂性：二项式基于算术；GBM 需要微积分（伊藤引理 Ito’s Lemma）。
3. 应用：将二项式用于美式期权；将 GBM/Black-Scholes 用于欧式期权。

常见错误：认为这些模型是绝对准确的。在现实中，市场价格往往有“厚尾”（极端事件发生的频率高于模型预测）和“波动率微笑”（波动率并非恒定）。

5. 何时以及如何应用这些模型

作为一名精算师，你需要为工作选择正确的工具。

在以下情况使用二项式模型：

- 你需要为一个可以在到期日之前行使的期权定价（美式期权）。
- 你想向非技术背景的客户解释评估过程（树状图非常直观）。
- 标的资产具有在特定日期变化的复杂特征（如股息）。

在以下情况使用几何布朗运动 (GBM)：

- 你正在处理欧式期权（只能在期末行使）。
- 你需要一个快速公式（Black-Scholes），而不是建立一个庞大的树状结构。
- 你正在进行高阶理论建模或风险计算（如风险价值 VaR）。

比喻时间：选择模型就像选择地图。二项式模型就像一份“转弯提示”清单——它准确地告诉你在每个交叉路口会发生什么。GBM 就像一张卫星地图——它为你提供了整个景观宏观、平滑的图像。

6. 需要记住的局限性

尽管这些模型很出色，但它们并不完美。为了考试，请记住这些缺点：

1. 波动率并非恒定：在现实世界中，波动率会“群聚”（如果今天很疯狂，明天很可能也会很疯狂）。
2. 跳空风险（Jump Risk）：真实价格可能会“跳空”（例如在 CEO 辞职后）。这两个模型都无法很好地处理价格的突然缺口。
3. 交易成本：这些模型通常假设交易是免费的。我们都知道这不是事实！

快速复习箱

- 二项式模型：离散步骤，上涨/下跌变动，适合美式期权。
- GBM：连续变动，对数常态价格，恒定波动率，Black-Scholes 的核心。
- 漂移 (\( \mu \))：价格的平均“趋势”。
- 波动率 (\( \sigma \))：价格的“摆动”程度或风险。
- 关键限制：在这些模型中，价格不能为负！

如果刚开始觉得数学很繁重，别担心。专注于模型的行为。一旦你理解了“树”是如何生长的，或者“平滑曲线”是如何漂移的，这些公式就会开始变得更有意义！