隨機微分方程與布萊克-休斯模型

從差分方程到隨機微分方程

在普通微積分裡，像 dX/dt = f(X) 這樣的方程是一份配方的簡寫：在每一瞬間，X 的變化率是 f(X)。隨機微分方程是同一個想法，只是多了一項——一記由你在本章稍早認識的布朗運動 B(t) 所驅動的隨機踢擊。我們把它寫成 dX = a(X, t) dt + b(X, t) dB。把它唸出來：在一小段時間 dt 內，X 移動一個平滑、可預測的量 a(X, t) dt——這是漂移項——再加上一記隨機猛擊 b(X, t) dB，其大小隨擴散係數 b(X, t) 縮放，方向則是布朗運動那不可預測的增量。

讀 dX = a dt + b dB 的誠實方式，並不是把它當作導數——布朗路徑處處不可微，所以 dB/dt 並不以普通斜率的身分存在。它其實是一條積分方程的簡寫：X(t) = X(0) 加上 a ds 的積分，再加上 b dB 的伊藤積分，皆由 0 積到 t。第二塊正是你在第四篇所建造的伊藤積分，而隨機微分方程所有的奇異之處，都追溯回它。隨機微分方程是一則關於累積變化的陳述，穿著微分形式的外衣。

解股價的隨機微分方程：幾何布朗運動

股價永遠不該變成負數，而固定金額的擺動對一檔 10 元的股票，比對一檔 1000 元的股票意義更大——大致維持穩定的是百分比變動。所以自然的模型是 dS = mu * S dt + sigma * S dB：漂移與雜訊都隨價格 S 本身縮放。這裡 mu 是期望成長率，sigma 是波動率。這就是幾何布朗運動，金融數學核心的那條隨機微分方程，而我們能用一次伊藤引理把它精確解出。

訣竅是去看對數，因為對普通的指數成長而言，對數是線性增長的。令 Y = ln(S)，對 f(S) = ln(S) 套用伊藤引理。普通微積分會給出 dY = (1/S) dS，但伊藤引理多加了那項二階修正 (1/2) f''(S) 乘以 S 的二次變差，此處為 (sigma * S)^2 dt。由於 f''(S) = -1/S^2，那項修正是 (1/2)(-1/S^2)(sigma^2 S^2) dt = -(1/2) sigma^2 dt。代入 dS = mu S dt + sigma S dB 並化簡，S 漂亮地約掉，我們得到 dY = (mu - (1/2) sigma^2) dt + sigma dB。

如今 dY 的係數是常數，所以可直接積分：Y(t) = Y(0) + (mu - (1/2) sigma^2) t + sigma B(t)。指數回去，S(t) = S(0) * exp[(mu - (1/2) sigma^2) t + sigma B(t)]。因為 B(t) 是常態的，指數部分是常態的，所以 S(t) 服從對數常態分配——一個你能直接建立在對數常態分配上的乾淨事實。注意那個揮之不去的 -(1/2) sigma^2：那是伊藤修正存活進了答案，也是粗心猜測與真相之間的分野。

替選擇權定價：把隨機性消掉

歐式買權是以固定履約價 K 在未來到期日 T 買進股票的權利（而非義務）。它在 T 時的報酬是 max(S(T) - K, 0)：若股票收在 K 以下則一文不值，否則是高出 K 的那段差距。布萊克、休斯與默頓所回答的問題是：這紙合約今天該值多少？其神來之筆並不是去預測 S(T)——而是建造一個其隨機性恰好抵消掉選擇權之隨機性的投資組合，於是再沒有運氣留下來等著被獎賞。

令 V(S, t) 為選擇權的價值，一個價格與時間的未知函數。對 V 套用伊藤引理：dV = (V_t + mu S V_S + (1/2) sigma^2 S^2 V_SS) dt + sigma S V_S dB，其中下標代表偏導數。隨機的 dB 完全乘載在 sigma S V_S 這一項上。
組一個避險的投資組合：持有一份選擇權，並放空 V_S 股股票，於是其價值為 P = V - V_S * S。其變化是 dP = dV - V_S dS。代入兩個伊藤展開。
看著魔法上演：dB 項是選擇權的 sigma S V_S dB 與放空股票的 -V_S * sigma S dB。它們恰好抵消。投資組合 P 再無任何隨機項——在下一瞬間它是無風險的。
一個無風險的投資組合必須賺取無風險利率 r，否則就會存在套利：dP = r * P dt。把它與 dP 殘存的（非隨機）漂移相等，於是 mu、dB 以及賭徒的樂觀全部消失。

把第四步的抵消執行完畢，留下一條毫無隨機性的乾淨偏微分方程：V_t + r S V_S + (1/2) sigma^2 S^2 V_SS = r V。這就是布萊克-休斯方程。有兩件事值得停下來想。其一，mu——股票的期望報酬——徹底消失了；選擇權的價格不取決於你看多還是看空，只取決於波動率 sigma 與利率 r。其二，這條偏微分方程是喬裝的熱方程，這絕非巧合：熱的擴散方式，恰恰就是布朗運動展開的方式。

公式本身，以及它真正在說什麼

用邊界條件 V(S, T) = max(S - K, 0) 解布萊克-休斯方程，便得歐式買權那條著名的封閉形式解。通往同一答案還有一條優美的捷徑：費曼-卡茨公式說，這類偏微分方程的解等於報酬的一個期望——但取在一個股票以無風險利率 r（而非 mu）漂移的「風險中立」世界裡。所以價格不過是一個折現後的期望報酬，這正是 mu 為何脫落的緣故：在風險中立世界裡，它從來就不在。

European call price:   C = S * N(d1) - K * e^(-r*T) * N(d2)

      d1 = [ ln(S/K) + (r + (1/2)*sigma^2) * T ] / (sigma * sqrt(T))
      d2 = d1 - sigma * sqrt(T)

   N(.) = standard normal CDF (the bell curve's running total)
   S = price now,  K = strike,  r = risk-free rate,  T = time to expiry,  sigma = volatility

Tiny example: S = 100, K = 100, r = 0, sigma = 0.20, T = 1
   d1 = (0 + 0.02)/0.20 = 0.10,   d2 = -0.10
   N(0.10) approx 0.5398,  N(-0.10) approx 0.4602
   C approx 100*0.5398 - 100*0.4602 = 7.97  (about $7.97)

布萊克-休斯買權公式與一個價平的計算範例。當利率為零且時間為零時，公式塌縮成內含價值 max(S - K, 0)；上面的 7.97 元純粹是時間與波動率的價值。

把公式當作一則故事來讀。S * N(d1) 這一項，是你預期在選擇權收在價內的情境下，因持有股票而能收進的；K * e^(-r*T) * N(d2) 這一項，是你預期要付出的折現履約價，並以 N(d2)——即 S(T) 收在 K 以上的風險中立機率——加權。整個價格就是利益減去成本，在隨機微分方程交給我們的對數常態未來上取平均。每一個符號都追溯回本章的某一塊：sigma * sqrt(T) 是 ln(S(T)) 的標準差，直接來自幾何布朗運動。

誠實的限制，以及隨機微分方程的去向

對這個模型的假設要誠實，因為真實市場會打破它們。布萊克-休斯假設波動率為常數、可連續交易且無交易成本、價格無跳躍，以及報酬服從對數常態。現實中波動率本身會擺動（波動率叢聚）、偶有崩盤是任何擴散都造不出的突然跳躍，且尾巴比對數常態所預測的更肥。這份不符最清晰的指紋是「波動率微笑」：若公式完美無瑕，由市場價格反推的 sigma 對每個履約價都該相同，但它卻彎成一抹微笑。這個模型是一個出色的初步近似，而非定論。

隨機微分方程遠比金融更廣，而你在本章的詞彙裡早已遇過另一個地標範例：奧恩斯坦-烏倫貝克過程，dX = -theta (X - m) dt + sigma dB。它的漂移把 X 拉回均值 m——一根對抗雜訊的「均值回歸」彈簧——所以不同於自由的布朗運動，它會安頓進一個穩定的常態分配，而非永遠地遊走出去。同一套 dt 加 dB 的文法，可為神經元電壓、粒子速度、利率與族群數量建模。學會讀漂移與擴散，你便能把它們全都讀懂。

退一步，看清這一章的整道弧線。你把布朗運動建造成隨機漫步的連續極限，驚嘆於它處處破碎的路徑，發現那些路徑逼出一個非零的二次變差，再把那個事實化為伊藤積分與伊藤引理。這最後一篇一口氣用上了它全部：隨機微分方程是被漂移與擴散操控的布朗運動，伊藤引理是轉換它的變速箱，而布萊克-休斯，是當你掌握隨機性如何累積之後所能打造的東西。從這座階梯第一篇裡的一次擲幣，到替一紙衍生品定價——這就是審慎為之的機率所能企及的疆界。