歡迎來到證券價格的隨機模型（Stochastic Models）！

你好！歡迎來到 CM2 課程中最令人興奮的部分之一。如果你曾經看著股市圖表並心想：「這看起來完全是隨機的」，那麼你的思考方式已經像一位精算師了！在本章中，我們將學習如何將這種「隨機性」轉化為數學模型。這些模型能幫助我們評估資產價值並為複雜的金融產品定價。

如果 「隨機」（stochastic） 這個詞讓你感到害怕，請別擔心——它只是一個描述「隨機」的數學術語而已。我們只是在探討描述證券價格隨時間變動的不同方式。讓我們開始吧！

1. 為什麼我們需要隨機模型？

在一個完美的世界裡，我們或許能確切知道明天股票價值多少。但在現實世界中，價格受到數百萬個不可預測的事件影響。我們使用隨機模型的原因包括：

1. 它們能幫助我們量化風險（我們可能會損失多少？）。
2. 它們允許我們為衍生工具（如期權）定價。
3. 它們為模擬未來情境提供了一個框架。

2. 二項式模型（離散時間方法）

你可以把二項式模型（Binomial Model）想像成一場「選擇你自己的冒險」遊戲。在每一個時間點上，價格只能有兩種變動：上漲（Up）或下跌（Down）。

運作原理

假設股票目前的價格為 \( S \)。在下一個時間步長：

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

二項式模型的關鍵假設：

1. 無套利（No Arbitrage）：你無法獲得高於無風險利率的無風險利潤。
2. 固定回報：因子 \( u \) 和 \( d \) 在每個步驟中保持不變。
3. 離散時間：變動僅在特定間隔發生（例如，每天或每月）。

為什麼要使用它？

使用「樹狀圖」來視覺化非常簡單。它也非常靈活——你可以用它來為「美式期權」（可以在任何時間行使的期權）定價，這在使用連續模型時要困難得多。

小貼士：請記住，為了使模型真實且避免套利，無風險增長因子 \( e^{rt} \) 必須介於下跌因子和上漲因子之間： \( d < e^{rt} < u \)。

總結：二項式模型就像一個數位時鐘——它在「滴答」聲中移動。它簡單、直觀，非常適合處理美式期權。

3. 幾何布朗運動（連續時間方法）

如果二項式模型是數位時鐘，那麼幾何布朗運動（Geometric Brownian Motion, GBM）就像一個指針平滑且持續移動的類比時鐘。這正是著名的布萊克-舒爾斯-默頓（Black-Scholes-Merton）框架所使用的模型。

公式（別慌！）

價格過程 \( S_t \) 通常寫作隨機微分方程（SDE）：
\( dS_t = \mu S_t dt + \sigma S_t dW_t \)

讓我們用「人話」拆解一下：
- \( \mu S_t dt \)：這是漂移項（Drift）。它代表「平均」趨勢或預期回報。這是變動中可預測的部分。
- \( \sigma S_t dW_t \)：這是擴散項（Diffusion）。這是「雜訊」或波動率。\( W_t \) 是一個維納過程（Wiener Process，或稱布朗運動），它提供了隨機性。

GBM 的關鍵屬性：

1. 對數常態分佈（Lognormal Distribution）：雖然回報率呈常態分佈，但價格本身遵循對數常態分佈。這很棒，因為這意味著價格永遠不會是負數（股票價值不可能是 -10 美元！）。
2. 恆定波動率：該模型假設 \( \sigma \)（波動率）永遠不變。
3. 獨立性：今天發生的事情不會告訴我們明天會發生什麼（這就是「效率市場假說」）。

你知道嗎？我們稱之為「幾何」，是因為它是對百分比變化進行建模，而不僅僅是絕對的金額變化。這確保了 100 美元的股票上漲 10%，與 10 美元的股票上漲 10%，在模型中的感受是一樣的。

重點總結：GBM 是金融理論的「黃金標準」。它假設價格平滑變動且保持為正值，但它假設波動率是一個枯燥且恆定的數字。

4. 模型比較

學生經常問：「哪個模型更好？」答案取決於你想做什麼！

1. 時間：二項式是離散的（步驟）；GBM 是連續的（平滑）。
2. 複雜性：二項式基於算術；GBM 需要微積分（伊藤引理 Ito’s Lemma）。
3. 應用：將二項式用於美式期權；將 GBM/Black-Scholes 用於歐式期權。

常見錯誤：認為這些模型是絕對準確的。在現實中，市場價格往往有「厚尾」（極端事件發生的頻率高於模型預測）和「波動率微笑」（波動率並非恆定）。

5. 何時以及如何應用這些模型

作為一名精算師，你需要為工作選擇正確的工具。

在以下情況使用二項式模型：

- 你需要為一個可以在到期日之前行使的期權定價（美式期權）。
- 你想向非技術背景的客戶解釋評估過程（樹狀圖非常直觀）。
- 標的資產具有在特定日期變化的複雜特徵（如股息）。

在以下情況使用幾何布朗運動 (GBM)：

- 你正在處理歐式期權（只能在期末行使）。
- 你需要一個快速公式（Black-Scholes），而不是建立一個龐大的樹狀結構。
- 你正在進行高階理論建模或風險計算（如風險價值 VaR）。

比喻時間：選擇模型就像選擇地圖。二項式模型就像一份「轉彎提示」清單——它準確地告訴你在每個交叉路口會發生什麼。GBM 就像一張衛星地圖——它為你提供了整個景觀宏觀、平滑的圖像。

6. 需要記住的局限性

儘管這些模型很出色，但它們並不完美。為了考試，請記住這些缺點：

1. 波動率並非恆定：在現實世界中，波動率會「群聚」（如果今天很瘋狂，明天很可能也會很瘋狂）。
2. 跳空風險（Jump Risk）：真實價格可能會「跳空」（例如在 CEO 辭職後）。這兩個模型都無法很好地處理價格的突然缺口。
3. 交易成本：這些模型通常假設交易是免費的。我們都知道這不是事實！

快速複習箱

- 二項式模型：離散步驟，上漲/下跌變動，適合美式期權。
- GBM：連續變動，對數常態價格，恆定波動率，Black-Scholes 的核心。
- 漂移 (\( \mu \))：價格的平均「趨勢」。
- 波動率 (\( \sigma \))：價格的「擺動」程度或風險。
- 關鍵限制：在這些模型中，價格不能為負！

如果剛開始覺得數學很繁重，別擔心。專注於模型的行為。一旦你理解了「樹」是如何生長的，或者「平滑曲線」是如何漂移的，這些公式就會開始變得更有意義！