σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Stochastic Calculus 学习路线›模块 4 · 超越布朗运动的模型›主题 4.2·~1小时高级

跳跃:泊松与默顿

路线进度模块 4/5 · 主题 2/3
4.2 跳跃:泊松与默顿
—实验得分— / 100总 XP—连续天数—

当价格跳跃时

布朗运动以小步前进,但真实价格有时会跳跃:业绩意外、央行决定、暴跌。泊松过程用来数这类事件。它有一个强度 λ\lambdaλ,即每年平均的跳跃次数,在时间 ttt 内恰好发生 kkk 次跳跃的概率是 e−λt(λt)k/k!e^{-\lambda t}(\lambda t)^{k}/k!e−λt(λt)k/k!。在默顿模型中,股票遵循通常的扩散,并在每个跳跃时刻乘以一个随机因子 JJJ。这里 k=E[J−1]k=E[J-1]k=E[J−1] 是平均跳跃幅度,−λk-\lambda k−λk 一项扣回跳跃平均带来的漂移,使期望收益仍为 μ\muμ。

P(Nt=k)=e−λt(λt)kk!,E[Nt]=λt,ln⁡J∼N(m,δ2)⇒k=em+δ2/2−1,Var[ln⁡STS0]=σ2T+λT(m2+δ2)P(N_t=k)=\frac{e^{-\lambda t}(\lambda t)^{k}}{k!},\quad E[N_t]=\lambda t,\quad \ln J\sim\mathcal N(m,\delta^{2})\Rightarrow k=e^{m+\delta^{2}/2}-1,\quad \mathrm{Var}\big[\ln\tfrac{S_T}{S_0}\big]=\sigma^{2}T+\lambda T(m^{2}+\delta^{2})P(Nt​=k)=k!e−λt(λt)k​,E[Nt​]=λt,lnJ∼N(m,δ2)⇒k=em+δ2/2−1,Var[lnS0​ST​​]=σ2T+λT(m2+δ2)(1)

跳跃改变了模型的能力。收益出现厚尾:多数日子像扩散,但少数日子大得多。方差有两个来源:扩散部分 σ2T\sigma^{2}Tσ2T 和跳跃部分 λT(m2+δ2)\lambda T(m^{2}+\delta^{2})λT(m2+δ2)。对冲也更难:你无法用对股票的小额交易跟上突然的跳跃,所以期权价格不仅取决于 σ\sigmaσ,还取决于你对跳跃风险的看法。

数跳跃次数每年 λ=3\lambda=3λ=3 次跳跃时,半年内没有跳跃的概率是 e−1.5≈0.2231e^{-1.5}\approx0.2231e−1.5≈0.2231,期望跳跃次数为 1.51.51.5。若 ln⁡J\ln JlnJ 服从 m=−0.05m=-0.05m=−0.05、δ=0.1\delta=0.1δ=0.1 的正态分布,则 k=e−0.05+0.005−1≈−0.0440k=e^{-0.05+0.005}-1\approx-0.0440k=e−0.05+0.005−1≈−0.0440,即平均跳跃是下跌 4.4%4.4\%4.4%。当 σ=0.2\sigma=0.2σ=0.2、T=1T=1T=1、λ=2\lambda=2λ=2 时,对数收益的方差为 0.04+2×(0.0025+0.01)=0.0650.04+2\times(0.0025+0.01)=0.0650.04+2×(0.0025+0.01)=0.065。
  • 泊松过程:以强度 λ\lambdaλ 计数跳跃,时间 ttt 内的期望次数为 λt\lambda tλt。
  • 默顿模型:扩散加随机幅度的跳跃,并有漂移修正 −λk-\lambda k−λk。
  • 厚尾:跳跃带来罕见的大幅变动,且无法被完全对冲。

实验:评分内容

  • 完全没有跳跃15 分
  • 平均跳跃幅度15 分
  • 含跳跃的方差15 分
  • 跳跃增加了什么15 分
  • 配对符号15 分
  • 模拟含跳跃的路径10 分
  • 为什么跳跃难以对冲15 分
0/ 已答 7 题
任务
1数值作答15 分未作答

跳跃以每年 λ=3\lambda=3λ=3 的强度出现。在 t=0.5t=0.5t=0.5 年内没有任何跳跃的概率 e−λte^{-\lambda t}e−λt 是多少?保留四位小数。

p=p =p=允许误差:± 0.0005
2数值作答15 分未作答

跳跃因子 JJJ 的 ln⁡J\ln JlnJ 服从均值 m=−0.05m=-0.05m=−0.05、标准差 δ=0.1\delta=0.1δ=0.1 的正态分布。平均跳跃幅度 k=em+δ2/2−1k=e^{m+\delta^{2}/2}-1k=em+δ2/2−1 是多少?保留四位小数。

k=k =k=允许误差:± 0.0005
3数值作答15 分未作答

当 σ=0.2\sigma=0.2σ=0.2、T=1T=1T=1、λ=2\lambda=2λ=2、m=−0.05m=-0.05m=−0.05、δ=0.1\delta=0.1δ=0.1 时,对数收益的方差 σ2T+λT(m2+δ2)\sigma^{2}T+\lambda T(m^{2}+\delta^{2})σ2T+λT(m2+δ2) 是多少?

v=v =v=允许误差:± 0.001
4选择15 分未作答

与简单布朗运动相比,跳跃给收益模型增加了什么?

5配对15 分未作答

把每个符号与其含义配对。

为左侧每一项选择配对项。

λ\lambdaλ
JJJ
k=E[J−1]k=E[J-1]k=E[J−1]
−λk-\lambda k−λk
6排列步骤10 分未作答

把一个时间步内的步骤按正确顺序排列。

拖动以重新排序;也可聚焦某项,按空格抬起,用方向键移动,再按空格放下。

  1. 1用扩散因子和跳跃因子乘以价格
  2. 2抽取扩散冲击
  3. 3抽取该步内的跳跃次数
  4. 4为每次跳跃抽取幅度
7用文字解释15 分未作答

用一两句话解释:为什么 Delta 对冲不能完全防范股价的跳跃。

数学模式键盘或 LaTeX 输入第 1/7 题 · Ctrl ⏎ 检查

登录后即可运行你的代码。

所有讲解均可免费阅读。创建账户或登录后,即可运行代码、运行测试并提交此实验。

  • 浏览器内 IDE 与 bash 终端,无需安装
  • 即时评分、XP 以及你在学习路线中的位置
创建账户登录
或
使用 GitHub 继续