期权定价理论基础：无套利原理、风险中性定价、随机过程与伊藤引理
说实话，期权定价这件事，刚入行时我觉得特别玄乎。一堆数学公式，什么布朗运动、伊藤引理，看着就头大。但干久了你会发现，核心就那么几个概念。今天咱们就把这四大基石掰开揉碎了聊。
无套利原理：定价的"铁律"
无套利原理，说白了就是——市场上不能存在免费的午餐。如果两个资产组合在未来任何情况下现金流都一样，那它们现在的价格必须相等。否则，大家就会买入便宜的、卖出贵的，直到价差消失。
我个人习惯把这个原理当作期权定价的"第一性原理"。你想想看，如果市场上存在套利机会，那量化交易员会像鲨鱼闻到血一样扑上去，瞬间把机会吃掉。所以，合理的定价必须是无套利的。
我在项目中遇到过一件事。有一次我们搭建了一个期权做市系统，发现某个深度虚值期权的报价明显偏离理论值。我们立刻用现货和期货构建了一个反向组合，锁定了大约0.3%的套利收益。虽然单笔不大，但高频跑下来，一天能赚不少。嗯，这就是无套利原理在实战中的威力。
风险中性定价：换个角度看世界
风险中性定价，这个概念刚接触时容易懵。为什么我们要假设投资者都是风险中性的？现实世界明明不是这样啊。
其实，这只是一个数学技巧。你想想看，在无套利的世界里，我们可以用标的资产来复制期权的收益。既然复制组合的成本与投资者的风险偏好无关，那我们干脆假设一个最简单的场景——所有资产的期望收益率都等于无风险利率。这样计算起来特别方便。
我曾经犯过一个错误。刚开始做定价模型时，我直接用历史收益率作为期望收益率去算期权价格，结果怎么都对不上市场报价。后来才明白，风险中性定价下的概率是"鞅测度"下的概率，不是真实世界的概率。这个坑，我替你们踩过了。
随机过程：描述价格怎么走
股票价格不是确定性的，它随机波动。那怎么用数学描述这种随机性？这就轮到随机过程登场了。
最经典的模型是几何布朗运动（GBM）：
dS = μS dt + σS dW其中 dW 是维纳过程的增量，服从 N(0, dt) 的正态分布。这个公式的意思是：价格变化 = 确定性趋势项 + 随机波动项。
我个人觉得，理解 GBM 的关键在于两点：
- 对数正态分布：价格本身不是正态分布，但收益率（对数价格）是正态分布的。这符合实际市场特征——价格不会为负，且大幅波动概率较小。
- 独立增量：不同时间段的收益率相互独立。这意味着历史价格不能预测未来走势（弱式有效市场假说）。
我记得有一次做回测，发现某个策略在特定时间段表现特别好。我兴奋地以为发现了圣杯，结果仔细一查，那段时间的波动率异常低，策略只是运气好。嗯，随机过程告诉我们，不要轻易把运气当能力。
伊藤引理：连接随机过程与期权定价的桥梁
伊藤引理，可以说是整个随机微积分里最重要的工具。它告诉我们：如果一个随机变量 S 服从某个扩散过程，那么它的函数 f(S, t) 会服从什么过程？
公式长这样：
df = (∂f/∂t + μS ∂f/∂S + ½ σ² S² ∂²f/∂S²) dt + σS ∂f/∂S dW看着复杂，但核心就一个思想：二阶项不能忽略。在普通微积分里，dx² 是高阶小量可以扔掉。但在随机微积分里，dW² = dt，所以二阶项会贡献一个确定性项。
这个 ½ σ² S² ∂²f/∂S² 项，就是期权定价中凸性调整（convexity adjustment）的来源。说白了，期权的 Gamma 风险就藏在这里。
我刚开始推导 Black-Scholes 方程时，死活想不通为什么会出现一个 ½ 的系数。后来亲手用伊藤引理推了一遍，才恍然大悟——这个 ½ 不是拍脑袋来的，是随机微积分的内在要求。
知识体系总览
下面这张图，把今天讲的四个概念串起来了。你可以把它当作一个思维导图来用。
四个概念的内在联系
你可能会问，这四个东西是怎么串起来的？我简单梳理一下逻辑链条：
- 无套利原理告诉我们，期权价格必须与复制组合的成本一致。这是定价的约束条件。
- 风险中性定价告诉我们，在无套利前提下，我们可以假装投资者是风险中性的，用无风险利率折现期望收益。这是定价的计算方法。
- 随机过程告诉我们，标的资产的价格路径服从什么分布。这是定价的输入参数。
- 伊藤引理告诉我们，如何对随机过程进行函数变换。这是从标的资产到期权价格的数学桥梁。
说白了，无套利原理是"为什么"，风险中性定价是"怎么做"，随机过程是"输入什么"，伊藤引理是"怎么算"。四个缺一不可。
好了，这一章的内容就到这里。这些概念是期权定价的根基，后面讲 BS 模型、希腊字母、波动率微笑时，都会反复用到它们。建议你多花点时间消化，尤其是伊藤引理，值得亲手推导几遍。
公众号:蓝海资料掘金营，微信deep3321