4. 定价理论基础：无套利定价、风险中性定价与蒙特卡洛模拟

各位同学，欢迎来到结构化票据定价的核心章节。

说实话，定价这件事，在金融工程里就像盖房子的地基。地基没打牢，上面装修得再漂亮也没用。我见过不少同行，模型跑得飞起，但一问定价逻辑，支支吾吾说不清楚。嗯，今天我们就来把这地基夯实了。

4.1 无套利定价：市场的“铁律”

无套利定价，说白了就是“天下没有免费的午餐”。

如果两个资产组合，未来的现金流一模一样，那它们现在的价格就必须相等。如果不相等，就会有人冲进来，买便宜的，卖贵的，赚取无风险的利润。这种套利行为会迅速把价格拉回平衡。

核心公式：

V(组合A) = V(组合B)  当且仅当 现金流(组合A) = 现金流(组合B)

我个人习惯，在给结构化票据定价时，第一件事就是问自己：

• 这个票据的现金流，能不能用市场上已有的产品复制出来？
• 如果能，那它的价格就应该等于复制成本。

举个例子，一个保本型结构化票据，你可以拆成：

1. 一张零息债券（保本部分）
2. 一份欧式看涨期权（挂钩收益部分）

那么，票据的价格 ≈ 零息债券价格 + 期权价格。这就是无套利定价的直接应用。

4.2 风险中性定价：换个角度看世界

你可能会问：“现实世界里，投资者都是风险厌恶的，为什么定价时假设他们是风险中性的？”

这个问题问得好。其实，风险中性定价是一种数学技巧。它让我们可以忽略复杂的风险溢价，直接用无风险利率来贴现未来的期望现金流。

核心思想：

• 在风险中性世界里，所有资产的预期收益率都等于无风险利率。
• 我们只需要找到“风险中性概率”，然后计算期望值，再贴现。

公式长这样：

V = e^(-rT) * E^Q[ payoff ]

其中，E^Q 表示在风险中性测度下的期望。

为什么能这么做？因为无套利保证了风险中性测度的存在。你想想看，如果两个测度下价格不一样，套利机会就出现了。

4.3 蒙特卡洛模拟：暴力求解的艺术

好了，理论讲完了，怎么算？

对于结构化票据这种路径依赖型产品（比如雪球、鲨鱼鳍），解析解往往不存在。这时候，蒙特卡洛模拟就登场了。

说白了，就是“暴力模拟”。

• 模拟标的资产价格的上万条路径
• 在每条路径上计算票据的收益
• 取平均值，再贴现

标准流程：

1. 设定参数：初始价格、波动率、无风险利率、期限
2. 生成随机数：模拟价格路径（常用几何布朗运动）
3. 计算收益：根据票据条款，计算每条路径的 payoff
4. 统计平均：对所有路径的 payoff 取平均
5. 贴现：用无风险利率贴现回当前时刻

代码示例（Python风格）：

import numpy as np

def monte_carlo_pricing(S0, K, r, sigma, T, n_paths=100000):
    dt = T / 252  # 假设252个交易日
    paths = np.zeros((n_paths, 252))
    paths[:, 0] = S0
    
    for t in range(1, 252):
        z = np.random.standard_normal(n_paths)
        paths[:, t] = paths[:, t-1] * np.exp((r - 0.5*sigma**2)*dt + sigma*np.sqrt(dt)*z)
    
    # 假设是欧式看涨
    payoffs = np.maximum(paths[:, -1] - K, 0)
    price = np.exp(-r * T) * np.mean(payoffs)
    return price

4.4 三者关系：一张图说清楚

这三个概念不是孤立的。它们是一个整体：

• 无套利定价是基石，告诉我们价格必须满足的约束
• 风险中性定价是桥梁，把现实问题转化为数学上可解的问题
• 蒙特卡洛模拟是工具，用来计算那些没有解析解的复杂产品

下面这张图，是我自己总结的定价逻辑框架，希望能帮你理清思路：

4.5 实际应用中的坑

讲完了理论，聊聊实战中容易踩的坑。

好了，这一章的内容就到这里。定价理论是结构化产品的灵魂，理解了无套利、风险中性和蒙特卡洛，你就掌握了定价的“三板斧”。