资产定价基本定理

在现代金融学中，最基本的信念是，一个真正有效的市场不会提供“免费的午餐”——即无须投资便能获得的无风险保证利润。这个被称为“无套利原则”的概念，不仅仅是一个直观的想法；它是一个强大数学框架的基石，用以确定几乎所有金融资产的价值。然而，从这个简单的原则到通用的定价公式之间的桥梁并非显而易见。仅仅是不存在赚钱机器这一点，如何能决定一个复杂衍生品或一项战略性商业投资的精确价格？本文将揭示这一联系的奥秘。在接下来的章节中，我们将首先探讨核心的“原理与机制”，从简单的一步模型到第一和第二基本定理的深刻含义，并引入神奇的风险中性世界概念。随后，在“应用与跨学科联系”部分，我们将看到这些理论的实际应用，发现这个单一框架如何统一债券定价，通过实物期权指导企业研发决策，并定义金融建模的边界。

想象你发现了一台奇特的机器。你投入一美元，一秒钟后，它保证会吐出一美元五美分。你会怎么做？你可能会借来所有能借到的钱，喂给这台机器，然后变得无限富有。这种“无中生有”的机器，金融家们称之为​​套利​​，而现代金融学的基础信念是，在一个有效的市场中，这种机器无法长期存在。这个单一、直观的想法——​​无套利​​原则——是构建整个优美数学结构的基础。让我们踏上一段旅程，看看这个简单的原则如何决定我们必须如何为宇宙中几乎所有的金融工具定价。

为了理解无套利原则的力量，让我们离开复杂的现实世界，进入一个更简单的玩具宇宙。假设一只股票今天的价格 $S_0$ 是100美元。一天之内，只可能发生两件事：价格上涨到120美元，或下跌到90美元。我们还有一个银行，可以按每天5%的无风险利率存贷款。

一个允许你在一天结束时以100美元购买该股票的看涨期权，“公平”价格是多少？你的第一直觉可能是问：“股票上涨的概率是多少？”假设一位通灵者告诉你，上涨的“真实”概率是60%。你可能会尝试计算预期收益并将其贴现。但这种方法是有缺陷的，因为它忽略了风险。你愿意支付多少来规避这种不确定性？

金融数学的构建者们找到了一种更为深刻的方法。他们说：忘掉真实概率！让我们看看无套利原则告诉我们什么。考虑一个聪明的投资组合：你购买一定数量 $\Delta$ 的股票，并从银行借一些钱。目标是选择 $\Delta$，使得无论股票上涨还是下跌，你的投资组合在一天结束时的价值都相同。你想用有风险的成分创造一个无风险的头寸。

如果股票涨到 $S_u=120$，你的投资组合价值是 $\Delta \times 120 - (\text{贷款} \times 1.05)$。 如果跌到 $S_d=90$，其价值是 $\Delta \times 90 - (\text{贷款} \times 1.05)$。

为了使这两个结果相等，我们需要： $\Delta \times 120 - \text{loan} \times 1.05 = \Delta \times 90 - \text{loan} \times 1.05$ $\Delta \times (120 - 90) = 0$ 等等，这不对。投资组合的价值必须改变。错误在于我们设置贷款的方式。让我们换个方式思考。今天的投资组合价值是 $V_0 = \Delta S_0 + \Psi_0$，其中 $\Psi_0$ 是我们银行账户中的现金（如果我们借款，它可以是负数）。明天的价值将是 $V_1 = \Delta S_1 + \Psi_0(1+r)$。我们想选择 $\Delta$ 和 $\Psi_0$ 来完美复制期权的收益。

在一天结束时，如果股票涨到120美元，期权价值20美元（因为 $120-100=20$）；如果跌到90美元，则价值为0。所以我们需要： $\Delta \times 120 + \Psi_0(1.05) = 20$ $\Delta \times 90 + \Psi_0(1.05) = 0$ 这是一个有两个未知数的二元一次方程组！用第一个方程减去第二个，得到 $\Delta \times 30 = 20$，所以 $\Delta = \frac{2}{3}$。将此代回，得到 $\frac{2}{3} \times 90 + \Psi_0(1.05) = 0$，这意味着 $60 + \Psi_0(1.05) = 0$，所以 $\Psi_0(1.05) = -60$，且 $\Psi_0 \approx -57.14$。 今天建立这个复制投资组合的成本是 $V_0 = \Delta S_0 + \Psi_0 = \frac{2}{3} \times 100 - 57.14 \approx 66.67 - 57.14 = 9.53$。

根据一价定律，如果这个投资组合完美复制了期权的收益，那么它的成本必须是期权的价格。任何其他价格都会创造一台套利机器。价格是9.53美元。

现在是见证奇迹的时刻。还有另一种方法可以得到这个价格。让我们问：是否存在一组关于上涨和下跌的“概率”，使得股票的平均增长率等于无风险利率？我们称这个假想的上涨概率为 $q$。我们需要： $S_0 \times (1+r) = q \times S_u + (1-q) \times S_d$ $100 \times 1.05 = q \times 120 + (1-q) \times 90$ $105 = 120q + 90 - 90q = 30q + 90$ $15 = 30q \implies q = 0.5$ 注意，这个“风险中性”概率 $q=0.5$ 与“真实”概率 $0.6$ 毫无关系！它完全由股票的可能价格（$u=1.2, d=0.9$）和无风险利率（$1+r=1.05$）决定。这个公式是通用的：$q = \frac{(1+r) - d}{u-d}$。为了使这个 $q$ 成为一个0到1之间的概率，必须满足 $d 1+r u$。如果这不成立——即无风险利率超出了股票可能回报的范围——就会存在明显的套利机会。

现在，让我们用这个神奇的概率 $q$ 来为期权定价： $\text{Q世界中的预期收益} = 0.5 \times (\$20) + (1-0.5) \times (\$0) = \$10$ 用无风险利率将这个预期收益贴现回今天： $\text{价格} = \frac{\$10}{1.05} \approx \$9.5238$ 价格完全相同！这不是巧合。这是一个深刻发现的开端。

我们刚刚在玩具宇宙中见证的是一个普遍真理，被形式化为​​资产定价第一基本定理（FTAP）​​。它指出，一个市场没有套利机会，当且仅当至少存在一个​​等价鞅测度（EMM）​​，我们称之为 $\mathbb{Q}$。

这是一个密集的陈述，让我们来逐一解析。

• 一个​​等价​​测度意味着 $\mathbb{Q}$ 世界和真实世界（$\mathbb{P}$）对于什么是可能的和什么是不可能的达成一致。如果一个事件在一个世界中的概率为零，那么它在另一个世界中的概率也为零。
• ​​鞅​​是一个数学术语，指“公平博弈”。它是一个过程，其未来值的最佳预测是其当前值。
• 该定理表明，如果没有套利，我们总能找到一个风险中性概率测度 $\mathbb{Q}$，在该测度下，所有资产的​​贴现​​价格都表现得像鞅。

在我们的玩具模型中，今天的贴现股价是100。使用我们神奇的 $q=0.5$ 计算，明天的预期贴现价格是 $\frac{1}{1.05}(0.5 \times 120 + 0.5 \times 90) = \frac{105}{1.05} = 100$。预期未来值等于现值。这是一个公平博弈！

在 Black-Scholes 模型的连续世界中，股价 $S_t$ 的变动遵循 $dS_t = \mu S_t dt + \sigma S_t dW_t$，其原理相同，但工具更为先进。在真实世界测度 $\mathbb{P}$ 下，股票有一个漂移项 $\mu$，其中包括承担风险的溢价。FTAP保证我们可以找到一个能够吸收这个风险溢价的测度 $\mathbb{Q}$。这是通过一个叫做​​Girsanov定理​​的数学工具实现的。它允许我们定义一个新的“风险中性”布朗运动 $W_t^{\mathbb{Q}} = W_t + \theta t$，其中 $\theta = \frac{\mu - r}{\sigma}$ 是著名的​​风险的市场价格​​。这种测度变换将股票的动态过程转变为 $dS_t = r S_t dt + \sigma S_t dW_t^{\mathbb{Q}}$。在 $\mathbb{Q}$ 下，股票的预期回报率就是无风险利率 $r$，其贴现价格 $e^{-rt}S_t$ 成为一个鞅。

这个风险中性世界 $\mathbb{Q}$ 的存在是开启统一价格理论的关键。由于在 $\mathbb{Q}$ 世界中，所有资产的预期增长率都是相同的无风险利率 $r$，我们不再需要担心个体的风险偏好或风险溢价。它们都已经被融入到测度 $\mathbb{Q}$ 本身之中了。

这为我们提供了为任何在 $T$ 时刻具有收益 $X_T = f(S_T)$ 的衍生品定价的主配方：

1. 从真实世界（$\mathbb{P}$）切换到风险中性世界（$\mathbb{Q}$）。
2. 计算该衍生品在这个世界中的预期收益，$\mathbb{E}^{\mathbb{Q}}[f(S_T)]$。
3. 以无风险利率将这个预期收益贴现回今天。

这就引出了量化金融中最重要的公式——​​风险中性估值公式​​： $V_0 = B_0 \mathbb{E}^{\mathbb{Q}}\left[ B_T^{-1} f(S_T) \right]$ 其中 $B_t$ 是货币市场账户的价值。这个公式具有惊人的普适性。它告诉我们，只要在正确的“世界”里进行，复杂的衍生品定价问题可以简化为计算期望值的简单问题。

第一FTAP保证了如果没有套利，至少存在一个风险中性世界 $\mathbb{Q}$。但它留下了一个悬而未决的问题：如果存在多个 $\mathbb{Q}$ 怎么办？如果不同的 $\mathbb{Q}$ 存在，它们可能会给出不同的预期收益，从而导致不同的价格。无套利价格在何时是唯一的？

这就引出了​​资产定价第二基本定理​​。它将EMM的唯一性与一个新概念联系起来：​​市场完备性​​。

如果任何或有债权（即对市场未来状态的任何合理押注）都可以通过涉及交易资产的动态交易策略被完美​​复制​​，那么这个市场就是​​完备​​的。在我们的玩具宇宙中，我们展示了看涨期权可以通过持有 $\frac{2}{3}$ 份股票和借入约57.14美元来完美复制。这就是市场完备性的一个证明。

第二FTAP指出：一个无套利市场是完备的，当且仅当等价鞅测度（$\mathbb{Q}$）是唯一的。

当市场是完备的，由风险中性公式给出的价格是唯一可能的价格。它不仅仅是一个抽象的期望；它是构建一个能完美模拟衍生品收益的投资组合的具体的、真实世界的成本。这个唯一的复制策略的存在消除了所有的歧义。

直观地说，如果你有足够的独立工具（交易资产）来对冲所有独立的风险来源，那么市场就是完备的。

• 在我们只有一个股票由一个随机源（单个布朗运动）驱动的简单模型中，只要该股票对该随机性确实敏感——即其波动率 $\sigma$ 从不为零——市场就是完备的。如果 $\sigma$ 在某个时间变为零，股票将暂时停止随机波动，你将失去对冲潜在随机性的唯一工具，从而使市场变得不完备。

• 在一个更复杂的世界中，有 $n$ 只股票和 $m$ 个独立的风险来源（例如，一个 $m$ 维布朗运动），市场完备的条件是 $n \times m$ 的波动率矩阵 $\sigma_t$ 的秩必须等于 $m$。这基本上意味着我们需要的独立风险资产数量至少要和风险来源的数量一样多（$n \ge m$）。如果 $m > n$，我们的风险来源比对冲工具多，市场天然是​​不完备​​的。在这种市场中，EMM不是唯一的，对于不可复制的债权，没有单一的公允价格，而是一个无套利的价格区间。

这些定理的美妙之处在于，它们将抽象的数学思想直接与管理风险的实际任务联系起来。在像 Black-Scholes 模型这样的完备市场中，唯一的复制策略不仅仅是理论上的好奇心；它确切地告诉我们如何对冲一个衍生品。

对于一个价格由平滑函数 $V(S,t)$ 给出的衍生品，理论表明，在任何时刻 $t$ 为复制该衍生品而需持有的股票数量就是其“德尔塔（delta）”： $\Delta_t = \frac{\partial V}{\partial S}(S_t, t)$ 这是衍生品对股价变化的敏感度。这种动态策略必须是​​自融资​​的（即在初始设置后不产生现金流入或流出）这一条件，对函数 $V(S,t)$ 施加了一个严格的约束。这个约束正是著名的​​Black-Scholes-Merton 偏微分方程（PDE）​​。

在这里，我们看到了该理论宏伟的统一性。寻找风险中性测度并计算期望的概率方法，以及求解偏微分方程的分析方法，只是描述同一底层现实的两种不同语言。两者都是一个简单原则的推论：天下没有免费的午餐。

在建立了资产定价基本定理这套优美的理论机制之后，人们可能会问：这仅仅是一场优雅的数学游戏，还是它揭示了关于世界的深刻道理？事实证明，答案是响亮的“是”。这些定理并非仅仅是学术上的奇珍；它们是一把万能钥匙，解锁了远超股票市场范畴的、惊人广泛且多样化的问题。它们提供了一个统一的视角来审视不确定性、价值和风险，将金融学与经济学、公司战略乃至数学建模的最前沿联系起来。让我们踏上一段旅程，看看这个“风险中性”的视角能带我们走多远。

从本质上讲，第一基本定理告诉我们，在一个没有“免费午餐”（套利）的市场中，必然存在一个一致的定价体系。但这个体系是什么样子的呢？一个来自数学另一角落——线性规划——的优美简洁模型给了我们线索。想象一个只有少数几种可能未来状态的世界，就像掷骰子一样。我们可以问：一张“状态依存证券”——即在某个特定状态发生时支付1美元，否则支付零的彩票——今天的价格是多少？在一个无套利市场中，这些基本价格必须存在且为正。任何复杂资产的价格就简单地是其在每种状态下的收益，由这些状态价格加权的总和。

令人难以置信的是，这个想法直接映射到线性规划中的对偶问题。寻找保证某一特定收益的最便宜投资组合的任务（“原问题”）有一个相应的“对偶问题”：寻找一套一致的状态价格。线性规划的强对偶定理确保，如果无套利条件成立，只要市场是“完备的”，这些状态价格就存在唯一解。这个状态价格向量正是估值的DNA。

当我们从一个简单的离散世界进入 Black-Scholes-Merton 模型的连续、动态世界时，这个状态价格向量演变成了​​风险中性概率测度 $\mathbb{Q}$​​ 的概念。定价的法则在精神上保持不变，但变得惊人地通用。任何未来收益的无套利价格，都是其在这个特殊测度 $\mathbb{Q}$下的期望值，以无风险利率 $r$ 贴现回现值。这给了我们通用的估值公式：

这一个方程是现代金融的“主力马”。它告诉我们，要为任何衍生品定价，我们需要跳三步舞：

1. 将我们的世界观从真实世界（$\mathbb{P}$）切换到虚构的风险中性世界（$\mathbb{Q}$）。
2. 在这个虚构的世界里计算预期收益。
3. 将该预期收益贴现回今天。

这个主配方用途极其广泛。让我们来体验一下。考虑债券市场，全球金融体系的基石。一张在未来时间 $T$ 支付1美元的零息债券价格是多少？应用我们的公式，它就是1美元贴现收益的风险中性期望。整个利率期限结构——决定着从抵押贷款利率到国家债务融资等一切的收益率曲线——都可以通过将此原则应用于不同期限来生成，所有这些都由短期利率在测度 $\mathbb{Q}$ 下的预期未来路径驱动。

这立刻引出了一个深刻而实际的问题：“真实世界”和“风险中性世界”之间有什么区别？真实世界测度 $\mathbb{P}$ 描述了资产的历史、可观测动态，包括投资者为持有它们所要求的风险溢价。风险中性测度 $\mathbb{Q}$ 是一个定价构造，其中所有资产都被人为地调整为平均以无风险利率增长。这种区别不仅仅是学术上的；它对任何分析金融数据的人都至关重要。

例如，如果我们建立一个像 Cox-Ingersoll-Ross（CIR）模型这样的利率模型，我们有两套参数：一套用于 $\mathbb{P}$ 世界的动态，一套用于 $\mathbb{Q}$ 世界。我们该用哪一套？这取决于我们在做什么。如果我们想为经济规划预测利率的未来路径，我们需要 $\mathbb{P}$ 世界的参数，这些参数可以从历史时间序列数据中估计。但如果我们要为今天的债券或利率衍生品定价，我们必须使用 $\mathbb{Q}$ 世界的参数。这些参数不是通过历史揭示的，而是通过当前市场上所有期限债券价格的横截面数据揭示的。基本定理给了我们区分预测未来和为现在定价的清晰思路。

这个框架的力量远远超出了金融工具的范畴。它提供了一种革命性的方式来思考公司金融和商业战略，这个领域被称为​​实物期权分析​​。许多商业决策不是一次性的赌注，而是未来行动的“期权”。

考虑一家制药公司正在决定是否资助一种新药最后阶段昂贵的III期临床试验。试验的成本就像期权的执行价格 $K$。获批药物不确定的未来市场价值就像标的资产 $S_T$。因此，继续进行的决定等同于一个收益为 $\max(S_T - K, 0)$ 的欧式看涨期权。公司应该如何评估这个机会今天的价值？简单的净现值（NPV）分析通常会失败，因为它未能恰当地考虑巨大的不确定性和等待的价值。

FTAP框架提供了答案。我们可以像金融期权一样，使用我们的通用法则来评估这个研发项目。通过在风险中性测度 $\mathbb{Q}$ 下（其预期增长率为无风险利率 $r$，而不是某个投机性的真实世界利率 $\mu$）模拟药物的未来市场价值，并贴现预期收益，我们就能得到对该项目严谨的、无套利的估值。这使得公司能够以一种前所未有的清晰度和纪律性做出数十亿美元的投资决策，将金融市场的逻辑应用于有形的商业机会。

到目前为止，我们的旅程一直穿行于“完备”市场，在这里第二基本定理成立：风险中性测度 $\mathbb{Q}$ 是唯一的，任何衍生品的价格也是唯一的。这在理想化的 Black-Scholes-Merton 世界中是正确的，那里只有一个风险来源（一个布朗运动）和一个风险资产来对冲它。但现实世界更为混乱。当风险来源多于管理它们的工具时，会发生什么？

这就是​​不完备市场​​的领域。想象一种“奇点债券”，如果在某个日期前发生技术奇点，它将支付十亿美元。这一事件的风险很可能与股票市场并非完全相关。由于没有一种交易资产能完美追踪“奇点风险”，我们无法完美对冲该债券。这是一种非生成风险（unspanned risk）。在这种情况下，第一FTAP仍然成立（没有套利），但第二FTAP失效了。不再有单一、唯一的风险中性测度 $\mathbb{Q}$，而是存在一个完整的族系。每一个都对应着对不可对冲的奇点风险“价格”的不同假设，导致一系列可能的无套利价格，而不是一个单一的价格。

这不仅仅是一个 fanciful 的思想实验。不完备市场在金融中无处不在：

• ​​跳跃风险​​：资产价格并非总是平滑移动；它们会因突发新闻而突然跳跃。这种跳跃风险，在像 Merton 跳跃扩散模型这样的框架中建模，是区别于连续布朗运动的第二个风险来源。仅用一种股票交易，我们无法同时对冲这两种风险。市场是不完备的。
• ​​随机波动率​​：实际上，波动率不是恒定的；它随时间随机变化。这种“波动率的波动率”是像 Heston 模型等模型的关键特征，它引入了另一个不可对冲的风险来源。测度变换可以改变波动率的平均水平，但无法消除其随机性 ([@problem_greeks:3069297])。

市场不完备性的后果是深远的。它告诉我们完美的对冲只是一个神话。对于一个暴露于随机波动率的投资组合，仅仅对冲德尔塔（delta，价格风险）和维加（vega，一阶波动率风险）是不够的。剩余的未对冲风险会体现在损益中，由高阶敏感度驱动，如​​Vanna​​（价格和波动率的交叉敏感度）和​​Volga​​（价格对波动率的凸性）。这就是为什么专业交易员必须使用一系列不同行权价和到期日的期权组合，试图中和这些更奇特的风险，实际上是自己构建工具来近似对冲市场未提供的部分。

像所有伟大的科学理论一样，资产定价基本定理也有其边界。它们整个优雅的结构建立在一个深刻的数学假设之上：资产价格过程是​​半鞅​​。标准布朗运动所具备的这一性质，使我们能够以一种有意义地代表交易策略收益的方式来定义随机积分。它是 Itô 积分和自融资投资组合概念的根本基础。

如果我们冒险超越这个疆界会怎样？研究人员已经探索了由像​​分数布朗运动（fBm）​​这样的过程驱动的资产价格模型，这种过程表现出长程相关性（或“记忆”），并且当 Hurst 参数 $H \neq 1/2$ 时，它著名地不是半鞅。在这样一个世界里，整个 BSM 复制论证都崩溃了。Itô 积分未定义，Itô 公式失效，自融资投资组合的概念本身也变得不适定。令人惊讶的是，在这片奇异的土地上，套利机会——我们理论旨在排除的“免费午餐”——甚至在一个完全无摩擦的市场中也可能重新出现。

这是一个优美而又令人谦卑的教训。资产定价基本定理提供了一个极其强大和统一的框架，用以理解价值和风险。它们引导我们穿越金融市场、公司董事会以及不可对冲风险的复杂现实。但它们也向我们展示了我们自己地图的边缘，提醒我们，我们的理解是建立在公理之上的，而在这些公理之外，还存在着有待发现的数学和经济结构的新世界。旅程远未结束。