相关日志
-
-
分享
金融数学或者说数理金融还有存在的必要么？
-
accumulation 2014-12-25 13:09
-
昨晚在知乎上看了几个帖子，精华回答主要是立足于美国与中国市场说的，所以应该不会是完全不适用于我国，而且我认为当谈到我标题里的话题时，不能只看一个国家了，应当看它在世界上的境况。 我个人感觉现在，首先在实务中搞交易这块，用的技术都是统计，各种算法（编程是默认的要求了），毕竟本身统计比随机分析更偏应用，对于一般来说就是看编程加统计，因为金融直觉这些是偏隐性的，需要经验支持。其实我大二就有疑问，期权定价本身应该不是目的，准确的定价是用来推广普及这种衍生品的。因为一种衍生品若定价都无法比较精确，那么愿意接受者应该不多，而问题应该也会频发。我学到现在（时间并不长）以及预期今后若进一步学习的话，主要还是定价。当然还有风险对冲。我感觉学的东西在实务上需求应该不大，而数理金融的发展实务应该是起很大推动作用的，所以我担心，若是实务需求降低至一个相当低的水平，数理金融的生命力还有多少？学术不能离开需求吧？ 学术上其实本人已经无望，而这门学科似乎也到了一个不妙的境地，在信息技术爆炸之后，数据与计算机性能都迅速进步，这使得统计加编程空间大大拓宽，风险中性测度优势似乎在缩小，我不知道鞅定价这种方法，是不是在我刚刚入门的时候，已经步入夕阳了。另外我又认为统计，编程这二者技术色彩更浓，理论味不是很足，应该更多用于业界，我所疑惑的是：金融数学还有存在的必要么？因为我觉得这样下去，是不是会出现业界基本不需要学界在这方面予以理论支持了，现有的只需修改或小的改进即可以满足需求。 以上我个人看法中肯定会有错误，不当之处。毕竟我仍在学校里，主要信息来源于网上。 其实大家都知道根本原因就是中国的金融市场没什么可以交易的东西，所以数理金融没有用武之地。 定价对于流动性好的产品例如交易所交易的产品，或者是vanilla的衍生品（欧式美式期权）没有什么大用，真的用途在于OTC的产品，例如各种exotic的swap，option，以及很多带有隐含option条款的bond，还有mortgage backed security等等。一般的过程是用市场上流动性较好的产品，例如对于interest rate option，有Euro dollar futures option，USD cap／floor， swaption等calibrate model，（常用的model例如Libor market model，SABR）等等，然后用calibrate好之后的模型再去price一些流动性不好的exotic的security，例如百慕大的swaption，MBS等等。而我们教科书上一般教的都是price一些最简单的instrument，所以看上去没有用，其实他没有讲下去。OTC的产品更依赖定价，因为没有exchange的交易，所以fair price比较难以discover。 所以其实定价是一种对于market的believe，就是我觉得market是这样的我就选择这个model，而另一个人可能觉得是另一个样子所以选择另一个model，例如我算delta的时候我觉得如果考虑volatiltiy smile会引入更多的vega 部分的noise，那我就可以选择普通的BSmodel来算delta，而我算VaR的时候我觉得应该考虑smile，因为VaR包括所有risk，所以我会用local volatility model或者stochastic volatility model。所以定价不是为了精确，只是不同人对于market的believe不一样，选择不同的东西而已。即便是BS模型它并不是期权的价格，只是一个模型。模型的发明也是基于对于market的观察而不是一种纯粹的数学问题。asset pricing其实是基于一些market facts的。 能在业界流行的模型一定是投入资源少，而且相对比较好用的。有很多学界的模型可能效果不错，但是如果过于复杂，需要很多程序员去implement，去debug，想用的客户又比较少（因为不太好理解）那这种模型肯定就没有市场，业界要build的是一个大的system，不可能像我们写作业或者写论文那样写一些小code就能够解决的，业界的编程有非常strict和universal的logic要遵守，所以不是所有model说要用一拍脑袋就能用上，成本太高就不会用。最后被用的一定是速度快，容易实现，耗费硬件软件少的模型。虽然不一定是最好的，但是实际当中成本和速度才是首先要被考虑的。
-
个人分类: 金融学|0 个评论
GMT+8, 2026-4-27 13:58
标签: 数理金融经管大学堂：名校名师名课
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
