![](https://fastly.jsdelivr.net/gh/bucketio/img11@main/2024/10/21/1729466068183-23134fce-3131-4262-b18c-f378d71af4f6.gif)

# 一个价值万亿的数学公式：从物理方程到金融期权定价

![](https://fastly.jsdelivr.net/gh/bucketio/img9@main/2024/10/20/1729465031968-b3c8959e-1d37-4b8a-91b1-b0b0dfe25143.png)

## 从物理与数学到金融市场

你可能难以置信，一个源于物理与数学的方程竟然能催生多个总规模达**数万亿美元**的金融产业链时。然而，这正是现代金融史中的真实故事。**期权（Options）** 的定价理论与技巧，深受数学、统计、物理以及概率论的影响。通过探索这一交叉领域，我们不但能了解期权定价的起源，更能窥见量化金融如何从理论走向实践，进而改变全球资本市场的运作方式。

## 期权的概念与风险管理

期权是一种给持有人在未来以特定价格买入或卖出某资产的“权利，但非义务”的金融合约。以欧式看涨期权（Call Option）为例：

![](https://fastly.jsdelivr.net/gh/bucketio/img10@main/2024/12/07/1733585704642-512cadf5-b279-4dcd-9bbe-af74db3333b4.png)

- 当前标的资产价格为 $S_0$  
- 行权价（执行价）为 $K$  
- 到期日为 $T$  
- 若到期时标的价格 $S_T > K$，则期权多头可获利 $\max(S_T - K,0)$；  
- 若 $S_T \leq K$，则期权多头选择不执行，损失仅为最初支付的期权费。

这种合约形式早在公元前600年就被古希腊哲学家**泰勒斯（Thales）** 运用过。他通过支付少量费用提前锁定橄榄榨油机的使用权，一旦橄榄大丰收，他便能从中获利。这种先见之明的风险与机会管理思维，正是期权设计背后的基本逻辑。

## 从随机漫步到期权定价：巴舍利耶的先驱之举

早期的期权交易全凭交易员的经验和直觉定价。直到1900年，法国数学家路易·巴舍利耶（Louis Bachelier）在其博士论文中提出：股价未来的运动可视为**对称的随机过程**。他假设在短时间间隔 $\Delta t$ 内，股价变动 $\Delta S$ 满足：

$$
\Delta S \sim \sigma \sqrt{\Delta t} Z
$$

其中 $\sigma$ 为波动率，$Z$ 为标准正态随机变量。当时间推移，价格变动累积后，股价 $S_T$ 的分布趋近正态：

$$
S_T \sim \mathcal{N}(S_0, \sigma^2 T)
$$

（这是巴舍利耶原始模型的假设，后经改良为对数正态模型。）

通过计算各种未来价格发生的概率，并令期权买卖双方的期望收益相等，巴舍利耶给出了期权的“公平价格”概念。可惜当时这一革命性思想未引起足够关注。

## 布朗运动与爱因斯坦的启示

有趣的是，巴舍利耶的随机漫步思想与物理学中布朗运动（Brownian Motion）的研究如出一辙。1905年，**爱因斯坦**证明悬浮微粒的无序运动来自无数无法预测的分子撞击。这在数学上可用维纳过程（Wiener Process）描述：

$$
X_t = X_0 + W_t, \quad W_t \sim \mathcal{N}(0,t)
$$

爱因斯坦的研究间接证明了分子真实存在，并为随机过程提供了坚实的物理基础。这种随机性模型与金融价格的不可预测性不谋而合。

## 从赌桌到华尔街：数学策略的进化

20世纪中叶，Ed Thorp通过数学策略在赌场的二十一点游戏中获利，然后将类似思路用于股市。他以 **“对冲”（Hedging）** 概念为核心，通过动态调整标的资产与期权头寸的比例（Delta Hedging）来降低风险。例如，当持有卖出的看涨期权时，为消除标的价格上涨带来的损失，可对应持有部分标的资产，使总体风险趋近中性。

## Black-Scholes-Merton：期权定价的经典方程

![](https://fastly.jsdelivr.net/gh/bucketio/img16@main/2024/12/07/1733585830007-52017b1b-3df3-47dc-a4c5-83c490273f40.png)

1973年，费雪·布莱克（F. Black）、迈伦·斯科尔斯（M. Scholes）和罗伯特·默顿（R. Merton）提出了著名的Black-Scholes公式。在该模型中，股价被设为服从几何布朗运动：

$$
S_T = S_0 e^{(r - \frac{\sigma^2}{2})T + \sigma\sqrt{T}Z}
$$

其中 $$r$$ 为无风险利率。对于欧式看涨期权，Black-Scholes定价公式为：

$$
C_0 = S_0 N(d_1) - K e^{-rT}N(d_2)
$$

其中

$$
d_1 = \frac{\ln(\frac{S_0}{K}) + (r+\frac{\sigma^2}{2})T}{\sigma\sqrt{T}}, \quad d_2 = d_1 - \sigma \sqrt{T}
$$

$$N(\cdot)$$ 为标准正态分布的累积分布函数。

Black-Scholes模型为期权定价提供了清晰可计算的标准，促使期权市场快速增长，进而催生了信贷违约掉期、场外衍生品、资产证券化等万亿美元级产业。

## 对冲与杠杆的双面性

有了明确定价公式，企业与投资者可利用期权和衍生品精准**对冲风险**。例如，航空公司若担心油价上涨，可购入与油价相关的期权锁定成本。同时，期权提供杠杆效应，让投资者用较少资金获得更大敞口。然而，这种杠杆也会在市场波动时放大风险。正常时期，丰富的衍生品增强市场流动性与稳定性；极端动荡中，高度相关的崩盘会通过衍生品市场加剧整体风险。

## 量化帝国的崛起：吉姆·西蒙斯与文艺复兴科技

![](https://fastly.jsdelivr.net/gh/bucketio/img6@main/2024/12/07/1733585876241-95f9b25c-8662-4987-aed1-baf7e76cec70.png)

Black-Scholes公式公开后，简单套利机会渐少。以吉姆·西蒙斯（Jim Simons）为首的一批数学家、物理学家，利用更复杂的统计与机器学习方法，从海量数据中挖掘微小但持久的价格模式。文艺复兴科技公司（Renaissance Technologies）的Medallion基金年均回报率高达66%，令人瞠目，这对市场有效性提出质疑，也彰显了高精尖数学工具的威力。

## 完美效率的悖论

当越来越多的学者和从业者使用数学模型与算法挖掘市场模式，市场变得更有效率，套利空间更难寻找。理论上，若所有价格规律被穷尽，市场价格将真正成为随机漫步，从而再无轻易盈利的机会。这是量化金融的悖论：**我们用数学逼近完美市场，同时也在不断减少下一代投资者获取超额收益的潜能。**

## 结语

从巴舍利耶的期权定价雏形，到爱因斯坦的布朗运动，再到Black-Scholes公式的问世与广泛应用，数学与物理为金融市场提供了理解与定价风险的思路。量化金融让风险管理工具更加完善，创造万亿美元级市场。然而，随着市场朝有效率和透明化方向发展，不断提高的“智力门槛”也减少了套利机会。

在无限逼近完美的道路上，我们见证了科学与金融交织下的伟大创造与自我调适。这正是量化金融的魅力所在：它的终点，也许是一个无差别的随机世界，但在到达终点的过程中，人类以数学和科学之名，彻底改写了金融的游戏规则。

---

*如果您对人工智能和量化金融的结合感兴趣，欢迎加入LLMQuant社区，共同探索人工智能在量化投资领域的应用。*

## 关于LLMQuant

LLMQuant是由一群来自世界顶尖高校和量化金融从业人员组成的前沿社区，致力于探索人工智能（AI）与量化（Quant）领域的无限可能。我们的团队成员来自剑桥大学、牛津大学、哈佛大学、苏黎世联邦理工学院、北京大学、中科大等世界知名高校，外部顾问来自Microsoft、HSBC、Citadel、Man Group、Citi、Jump Trading、国内顶尖私募等一流企业。