本论文提出了一种基于风险中性等价(RNE)方法的模型不确定性资产定价框架,区分模型风险与非模型风险,实现定价分离,提出了唯一且简洁的模型风险定价公式。核心参数为模型风险推断的动态守恒量,揭示了动量和低风险等显著价格异常的经济含义,实现了风险溢价与偏差的分离,为状态维持偏差及相关资产价格动态提供了理论基础和实用工具。
本文标题为“The Risk-Neutral Equivalent Pricing of Model-Uncertainty”,作者为Ken Kangda Wren,隶属英国约克大学数学系,发布日期为2025年6月24日,研究主题聚焦于金融资产定价理论中关于模型不确定性的风险中性等价(Risk-Neutral Equivalent, RNE)定价方法。主题聚焦于资产定价如何在模型不确定性的前提出下实现风险中性下的等价定价,强调了二元模型风险的处理及对传统偏好建模框架的实践改进。
报告的核心论点包括:
作者旨在传达的是:通过基于信息推断与风险中性测度的二元模型风险考量,可以建立更灵活、实用且符合经济合理性的价格形成模型,从而弥补经典理论在模型不确定性定价处理上的不足。
摘要明确指出本研究跳脱现有基于效用最大化的理论,转向更贴近实际的二元模型风险处理,将资产定价拆分为模型风险和非模型风险两部分,形成一套独特定价公式。该公式参数为模型风险推断的动态守恒常数,兼顾了风险溢价和市场偏差两方面的效应,而Momentum与Low-Risk两种市场异常可被重新诠释为该模型风险背景下风险与偏差的不同表现。
引言部分贴合金融决策中的Knightian不确定性概念,将“风险”定义为有确定或不确定参数的概率随机性,“模型”则为所选的概率定律。强调,通过信息层级与数据层级的利用,将模型风险视为市场价值增减的主导因素,并提出了不用人为划分“设计性”与“错误性”导致的漂移成分的定价框架。此处作者将Status Quo Bias定义为模型风险理解以及资产定价的核心行为偏差之一,引入行为金融学的经典文献支持其重要性。
此外,作者对比了现有的模糊厌恶(ambiguity-aversion)、健壮控制(robust-control)和参数学习(parameter-learning)等研究,以定位自身研究的不同——它更聚焦于以最简参数与最少前提完成模型风险的定价刻画,且基于风险中性测度等价性的资产定价基础(第一资产定价定理FTAP)。
该部分详细构建了基础资产建模框架,核心是一个到期收益确定的“弹头”资产,用对数价值计量,无折现,且时间远大于单位时间,方便连续时间视角表达。模型关键设置为二状态模型风险 B={b,bˉ},对应“高”“低”两种结果,价格过程 Zt(B) 依据Ito过程(Wiener过程)展开,B-确定的漂移率 rB,tZ 和波动率 σtZ 受可预测过滤控制。
引入价外数据流 Dt(B),纯粹承载模型风险信息且在模型确定情况下无价,无视其可以存在独立的Wiener过程 wtD,扩展数据环境。此外,模型风险信念以贝叶斯后验推断 πtB 表示,通过对数似然比(log-LR)过程给出,可实现连续时间的动态推断,满足Bayes定理并演化为金融价格动态驱动因素。
本节也明确了模型风险存在对价格漂移的关键影响,设定其为正值,保持经济有效性。
资产价格 St 在模型风险条件下以风险中性测度 π^0BWBT 下的条件期望定义,体现无套利的市场可行性(viability)。价格可分解为对不同模型风险状态的加权平均,权重为风险中性的后验概率 π^tB,且该市场假设完全,即风险中性概率测度唯一。
划分风险溢价 RPt 为模型确定风险溢价和模型风险溢价两部分,后者标准差可解释为模型风险后验概率变异大小的函数,形成模型风险定价系数 ktπ^。这一分解为理解模型风险定价成分提供数学支撑,但现阶段这些元素是否经济解释合理尚未明确。
假设存在参考的模型风险信念过程 πtB 和对应的模型确定状态下的定价 {StB},经济有效的资产价格满足某些极限一致性条件,且价格必然位于模型确定价格区间内,存在系数 AtB 用以组合:
St=B∑AtBStB相应风险溢价拆分体现为模型确定部分加权加上模型风险部分,其中模型风险价格系数 ktA 同样没有显式依赖于模型确定资产价格。这种结构带来价格定价拆分的吸引力,将模型风险与非模型风险的定价有机分离。
定义“usual”定价条件(Definition 1)为:模型风险价格係数是参考模型风险信念的时间齐次的二次可微函数,保证风险价格过程是参考信念的Ito过程,符合常见经济理论中的风险定价常态,从而确保定价过程的良好性质。
主要结论为(Proposition 1):任何满足“usual”性质且可行的模型风险定价过程具有唯一的标准形式,即资产价格可写为模型风险后验概率 ΠtB 加权模型确定价格的和,且 Π0B 服从与参考信念同一类的模型不确定性概率空间。这通常能避免模型风险定价的路径依赖与不可追踪问题。
Corollary 1 给出模型风险价格的单参数解析表达式,涉及一个动态守恒量 K,该量是初始信念的赔率比,物理上对应于模型风险推断过程中的不变比例。其数值范围理想在1至2之间,匹配市场竞争定价的经验,且打破该范围会违背经济合理性。
资产价格动态可进一步拆解为:
这一分析揭示了模型风险在资产价格驱动中的核心地位,尤其对模型风险与传统定价之间关系的深刻解释。
面对经典的联合假设问题(joint-hypothesis),即历史数据只能同时检验定价模型及市场偏差,难以单独区分,作者提出利用Momentum与Low-Risk等市场异常现象反推模型风险定价与偏差参数的辨识方法。
导入两个参数:
这一设定使异常现象同时成为风险溢价和市场偏好的体现载体,且能通过经验数据进行分离度量。不对称偏离 K,ρ 与“动量效应”和“低风险效应”的波动率排序一致,充分利用资产间横截面数据及信息度信息。
报告主为纯数学公式与推理,未包含传统图形或表格,重点在于公式体系本身与理论数值解。以下分析核心数据与公式的含义。
其中模型风险溢价标准差是模型风险信念的标准差与漂移差的乘积。
该结构表明,只有两部分风险溢价共同作用才能达成整体定价。
通过独立资产价值数据和模型信息数据联合构造的价格动态,呈现出:
dSt(B)=[...]+SΔ(t)(σtΠ)2[(1+(B)−Πt+)(σtl)2dt+σtldwt].该式揭示价格涨跌由“信念偏差”驱动项推动(非平稳项),同时被市场固有波动控制。价格波动等同于模型风险信念波动和资产潜在动态的结合,强化模型风险对价格的不确定性决定作用。
收益曲线从数值函数导出,形式上为:
rp(±,v)=±(σv)2v+v(ρK±1)−11−(ρK±1)−1SΔ,其中σv为信念波动的函数。形态呈现典型的先升后降的凹函数,体现Momentum峰值收益点及与偏差参数ρ的动态关系。
峰值位置与偏差强弱ρ紧密挂钩,峰值大小对应竞争性模型风险定价K,说明价格和市场异常不仅反映客观风险,还同样揭示投资者的行为偏差。
本文估值方法显著区别于传统基于效用最大化的定价模型,强调RNE测度在模型不确定下的构建,通过贝叶斯后验概率的Ito动态推导标的价格。
估值关键参数为守恒常量 K(价格-模型风险赔率比),体现投资者对模型风险的整体风险溢价偏好和市场预期一致性。
转移概率过程 ΠtB 作为资产价格核心状态变量,决定了价格的动态响应及风险的定价,且价格动态和风险价格波动对应,表明资产价值在不确定起因的驱动下呈现可控的数学结构。
该估值方法通过凸显模型风险信念动态变化和风险中性测度调整,使得估值不仅仅依靠传统风险溢价,而是纳入模型不确定性的系统影响。
主要风险来自:
报告中风险缓解主要通过将复杂模型风险定价结构简化为“usual”结构,即价格-模型风险赔率常数 K 的维持和推断过程 ΠtB 的约束动态,减少参数及路径依赖的不可控性,提高可用性。
本文开创性地建立了基于风险中性等价原理下模型不确定性的资产定价框架,核心在于利用二元模型风险与贝叶斯推断动态,将经济资产价格分解为模型风险与非模型风险两部分,明确模型风险的经济定价机制,并揭示了相关参数的意义与数学性质。
通过理论推导,证明任何具有“usual”性质的可行资产价格过程均可写成模型风险后验概率加权的经典模型价格组合,这种分解使风险定价问题由复杂的路径依赖转为确定的动态推断过程。参数 K 和 ρ 分别表达了市场的“意图”风险偏好及“偏差”存在,为传统理论所面临的偏差与风险难分问题提供了一种统一的解释框架。
此外,通过将经典市场异常现象Momentum和Low-Risk现象置于模型风险定价框架下,本文突显了行为偏差如Status Quo Bias在市场定价中的作用,并提出用价格波动与偏差参数区分意图风险溢价与观测偏差的方法,解决了市场定价的联合假设难题。
资产价格动态在本框架中具有清晰的数学表达,风险溢价与价格波动呈现线性关联,符合传统资产定价理论,却在模型风险下加入了全新的解释力与灵活度。
该研究为模型不确定性及资产定价连接提供了重要理论工具,既丰富了理论理解,也为实证检验及金融工程提供了潜力路径。报告在附录中详细给出推导证明和数学工具,保证了结论的严谨性与可验证性。
文中引用原始页码作为溯源标识如下:
本次分析综合理论架构、数学解析和经济意义,探讨了该研究在资产定价理论中的贡献与应用潜力,详尽覆盖了模型风险不确定性资产定价的新视角、核心参数及其波动性表达,衔接了金融理论与行为金融学视角,为未来扩展模型多样性及实证验证奠定了坚实基础。
2502.13744.pdf