第7章 随机利率模型 0讲解
合集下载
随机波动率模型PPT课件
:
( 1
,
2 1
2
)=(h
,
2 h
)
则有以下：
但是，也正是因为SV 模型中包含着潜在变量，涉及的似然函 数和无条件矩要通过高维积分来计算，极大似然法不能直接求 解。
7
2.SV模型的矩条件
❖ 之所以要先介绍矩条件，是因为模型估计方法要用
❖ 原点矩
E[XP]= x p f (x)dx
性质1：GMM估计量是相合的，即ˆT P
性质2：1
T
T t i
ft ( ) d (0, S), S是N * N正定矩阵
则ˆT 渐进服从正态分布，渐进方差 — 协方差矩阵为：
A
var(ˆT
)
(GWG)
1GTWSWG(G
WG)1
,
其中G
E[
ft (
s 1 s2 2
e 2 ,s ¡
它们在计算SV模型的矩条件时使用。
9
SV模型（ =0 ）
对于 SV 模型（t =0， =0）
rhtt
eht
/2 zt , zt : iidN (0,1)
ht1 vt , 0
1, vt
:
iidN (0,1)
8)
11
❖ （3）其他矩条件（Jacquier、Polson、Rossi(1994)）：
E[rt2rt
2 i
]
exp(2h
2 h
(1
i ))
E[
rt rti
]
2
exp(h
2 h
金融数学课件--(11)随机利率
随机利率 Stochastic interest rates
孟生旺
中国人民大学统计学院
随机利率
随机利率：利率是随机波动的， 即未来的利率是一组随机 变量。 如果能够对未来利率的概率分布作出一定假设，那么就可 以得到未来的利率水平和与之相关的现金流的一些结论。
把利率视为随机变量，并定义随机变量 it 为适用于时刻 t-1 至时刻 t 的利率。
在上例中，我们已经计算得到的期望累积值为1.1069，故
E P V n E A V n 0 .9 0 4 1 1 .1 0 6 9 1 .0 0 0 7 1
可见在本例中，期望现值乘以期望累积值并不等于1。
独立同分布假设下的累积值和现值
如果利率 i1 , i 2 , i n 是独立同分布的随机变量，它们具有
2 设诸 it 的方差为 s2，即 var( it ) s 表示累积值 AVn的方差。
，则可以用 i 和 s2来
累积值AVn的二阶原点矩为
E A Vn
2
1 i 2 1 i 2 1 i 2 E 1 2 n
t 1 n
n
2 E 1 it
n n
其中
1 v E 1 it
，t =1，2，…，n。
在通常情况下
1 1 E 1 it 1 E it
，即 v
1 1 i
。
注意，期望现值并不等于为了在时刻 n 获得单位1的期望 累积值而在0时刻必须进行的投资。下面的例子可以说明 这一点。
2
2
孟生旺
中国人民大学统计学院
随机利率
随机利率：利率是随机波动的， 即未来的利率是一组随机 变量。 如果能够对未来利率的概率分布作出一定假设，那么就可 以得到未来的利率水平和与之相关的现金流的一些结论。
把利率视为随机变量，并定义随机变量 it 为适用于时刻 t-1 至时刻 t 的利率。
在上例中，我们已经计算得到的期望累积值为1.1069，故
E P V n E A V n 0 .9 0 4 1 1 .1 0 6 9 1 .0 0 0 7 1
可见在本例中，期望现值乘以期望累积值并不等于1。
独立同分布假设下的累积值和现值
如果利率 i1 , i 2 , i n 是独立同分布的随机变量，它们具有
2 设诸 it 的方差为 s2，即 var( it ) s 表示累积值 AVn的方差。
，则可以用 i 和 s2来
累积值AVn的二阶原点矩为
E A Vn
2
1 i 2 1 i 2 1 i 2 E 1 2 n
t 1 n
n
2 E 1 it
n n
其中
1 v E 1 it
，t =1，2，…，n。
在通常情况下
1 1 E 1 it 1 E it
，即 v
1 1 i
。
注意，期望现值并不等于为了在时刻 n 获得单位1的期望 累积值而在0时刻必须进行的投资。下面的例子可以说明 这一点。
2
2
随机波动率和随机利率下离散采样方差互换定价问题
在这些背景下，解决随机波动率和随机利率下的离散采样方差互换定价问题，不仅 具有理论价值，也有实际应用的重要性。
02
随机波动率与随机利 率模型
随机波动率模型介绍
定义
随机波动率模型是用于描述金融 市场中资产价格波动率的模型， 其中波动率不是常数，而是随时
间随机变化。
Heston模型
一种常用的随机波动率模型，它假 设波动率是由一个均值回复过程驱 动的，能够捕捉到波动率的聚集效 应和微笑效应。
02
参数法
这种方法通过拟合波动率和利率的参数模型（如随机波动率模型、随机
利率模型等）来估计未来分布。参数法可以提供更灵活的定价框架，但
也需要对模型的参数进行准确的估计和校准。
03
蒙特卡洛模拟
这种方法通过大量模拟标的资产价格的随机路径来计算方差互换的预期
收益和价格。蒙特卡洛模拟可以处理复杂的定价问题，但计算量通常较
有限差分法
通过数值求解偏微分方程来得到方差互换价格
有限差分法是一种将偏微分方程离散化，并利用差分 近似求解的方法。在方差互换定价中，可以将随机波 动率和随机利率的偏微分方程进行离散化处理，并利 用已知的边界条件和初始条件，通过迭代计算得到方 差互换价格的数值解。有限差分法的优点是计算效率 较高，可以处理高维问题，缺点是对边界条件和初始 条件敏感，可能存在数值稳定性和收敛性问题。
SABR模型
另一种随机波动率模型，它通过使 用随机过程来模拟资产价格和波动 率之间的相关性，常用于期权定价 。
随机利率模型介绍
• 定义：随机利率模型用于描述金融市场中的利率动态，其中利率被建模为随机 过程，以捕捉利率的随机波动和期限结构效应。
• Vasicek模型：一种常用的随机利率模型，它假设利率遵循一个均值回复过程 ，通过调整参数可以拟合不同的利率期限结构。
02
随机波动率与随机利 率模型
随机波动率模型介绍
定义
随机波动率模型是用于描述金融 市场中资产价格波动率的模型， 其中波动率不是常数，而是随时
间随机变化。
Heston模型
一种常用的随机波动率模型，它假 设波动率是由一个均值回复过程驱 动的，能够捕捉到波动率的聚集效 应和微笑效应。
02
参数法
这种方法通过拟合波动率和利率的参数模型（如随机波动率模型、随机
利率模型等）来估计未来分布。参数法可以提供更灵活的定价框架，但
也需要对模型的参数进行准确的估计和校准。
03
蒙特卡洛模拟
这种方法通过大量模拟标的资产价格的随机路径来计算方差互换的预期
收益和价格。蒙特卡洛模拟可以处理复杂的定价问题，但计算量通常较
有限差分法
通过数值求解偏微分方程来得到方差互换价格
有限差分法是一种将偏微分方程离散化，并利用差分 近似求解的方法。在方差互换定价中，可以将随机波 动率和随机利率的偏微分方程进行离散化处理，并利 用已知的边界条件和初始条件，通过迭代计算得到方 差互换价格的数值解。有限差分法的优点是计算效率 较高，可以处理高维问题，缺点是对边界条件和初始 条件敏感，可能存在数值稳定性和收敛性问题。
SABR模型
另一种随机波动率模型，它通过使 用随机过程来模拟资产价格和波动 率之间的相关性，常用于期权定价 。
随机利率模型介绍
• 定义：随机利率模型用于描述金融市场中的利率动态，其中利率被建模为随机 过程，以捕捉利率的随机波动和期限结构效应。
• Vasicek模型：一种常用的随机利率模型，它假设利率遵循一个均值回复过程 ，通过调整参数可以拟合不同的利率期限结构。
第七章--等价鞅测度模型和无套利均衡基本定理
第七章 等价鞅测度模型和无套利均衡基本定理一、等价鞅测度的基本涵义1、鞅的定义：随机过程[Z n ,n ≥0]如果满足以下两个条件： （1）∞<||n Z E ，对于n ≥0的任何n 。
（2）n n n Z Z Z Z E =+}|{01 2、等价鞅测度的定义随机过程{S （t ）,),0(+∞∈t }是一个鞅（对应于信息结构t φ和条件概率P *）如果对任意t ＞0，满足以下三个条件： （1）S （t ）在t φ信息结构下已知。
（2）+∞<|)(|t S E（3）())()(t S T S E =τ，t ＜T ，以概率为1成立。
即∑===ki t i t S S P T S E 1)(*}|)({*φ式中T 时S （T ）的可能取值S 1，S 2……S k 共k 种，P*为相应的条件概率。
则称条件概率P*为真实概率P 的等价鞅测度或等价鞅概率。
根据等价鞅测度的关系，正是表达风险中性定价原则，即各阶段依信息结构t φ决定的条件概率所求的平均价值的现值，总与初始阶段的价值相等，这样就可以求解条件概率P*，在无套利条件下作为现实世界的P ，为期权的风险中性定价服务。
为了更好地理解风险中性定价，我们可以举一个简单的例子来说明。
假设一种不支付红利证券（no-dividend-paying ）目前的市价为100元，我们知道在半年后，该股票价格要么是110元，要么是90元。
假设现在的无风险年利率等于10%，现在我们要找出一份6个月期协议价格为105元的该股票欧式看涨期权的价值。
由于欧式期权不会提前执行，其价值取决于半年后证券的市价。
若6个月后该股票价格等于110元，则该期权价值为5元；若6个月后该股票价格等于90元，则该期权价值为0。
为了找出该期权的价值，我们假定所有投资者都是风险中性的。
在风险中性世界中，我们假定该股票上升的概率为P*，下跌的概率为1-P*。
这种概率被称为风险中性概率，它与现实世界中的真实概率是不同的。
随机理论模型.ppt
D87.5% (89.4%)
的途径： • 习题1
9.2 报童的诀窍
报童售报： a (零售价) > b(购进价) > c(退回价)
问 售出一份赚 a-b；退回一份赔 b-c 题 每天购进多少份可使收入最大？
购进太多卖不完退回赔钱
分 析
购进太少不够销售赚钱少
应根据需求确定购进量
存在一个合 适的购进量
每天需求量是随机的
0
(
x
r
)
p(r
)dr
c3
x
(r
x)
p(r
)dr
J(u)在u+x=S处达到最小
I(x)
J(u)与I(x)相似
I(S)+c0
I(x)在x=S处达到最小值I(S) I(S)
I(x)图形 I(S)
0s
I
(x)
c 0
I
(S)
的最小正根
s
S
x
9.4 轧钢中的浪费
背 轧制钢材 • 粗轧(热轧) ~ 形成钢材的雏形 景 两道工序 • 精轧(冷轧) ~ 得到钢材规定的长度
求 m 使浪费最小。
=l/=10
z*=-1.78
-1.0 3.477 2.0 0.420
-0.5 1.680
2.5 0.355
10 z
*= -z*=11.78 m*= *=2.36(米)
5
F(z)
z -2.0 * -1.0 0
1.0
2.0 z
9.5 随机人口模型
背景 • 一个人的出生和死亡是随机事件
PN
P
记 J (m) m P(m)
更合适的目标函数
P(m)
l
随机波动模型
含有外生因素的SV模型
金融资产收益的均值与波动常会受到一些外生解释变量的 影响，这些变量主要包括虚拟变量，季节成分，周末效应， 成交量等。Watanabe在分析东京股市收益时，将基本SV模型 扩展为： yt a b1 yt 1 b2 yt 2 c t2 dDt exp(ht / 2) t , t i.i.d .(0,1) ht ht 1 Dt yt 1 t ,t i.i.d .(0,1) 其中 t exp(ht / 2)表示测度序列的波动，Dt 是表示周末效应 的虚拟变量，在周末后的第一个交易日取1，其余时间取0。 上式中的c t2项是刻画风险溢价的，而 yt 1是刻画当期收益与 未来收益波动的相关性。实证表明，参数c，d， 和 都具有 较高的显著性，这与金融市场中的一些波动特性相一致。
长记忆SV模型（LMSV）
为了刻画波动过程中所表现的长记忆特征，把ARFIMA 过程纳入到基本SV模型中，提出了一类长记忆随机波动 模型如下： yt exp(ht / 2) t , t i.i.d .(0,1)
2 (1 L) d ( L)ht ( L)t ,t i.i.N (0, )
其中参数 为自由度。当4 时，t分布的峰度大于 3, 时就变成正态分布， 4时其峰度不存在。
②SV -GED模型 另一种峰度大于3的分布是广义误差分布(GED)，在SV GED 模型下，扰动部分 t 服从均值为0方差为1的正规化GED，这时 1 cesp{ ( t )c } 2 f ( t ) ,0 c 2 11/ c (1/ c)2 2/ c (1/ c ) 1/2 其中 [2 ] (3 / c) 这里c为自由度，当c 2时，GED为正态分布，c 2时期峰度 大于3，为厚尾分布。 一些实证研究表明，这两种分布假设下的模型，能较好地描 述许多金融序列中所表现出的“高峰厚尾”与平方收益的长 记忆性。
第七章---联立方程模型的概念和构造(金融计量学)
根据阶条件表述2：方程7.6.1：不包含1个前定变量，方 程右边包含一个内生变量，因此该方程是恰好识别的。 方程7.6.2：是过度识别的。方程7.6.3：不可识别。
二、秩条件
秩条件的表述如下：对于一个由G个方程组成的联立方程 模型中的某个结构方程而言，如果模型中其他方程所 含而该方程不含的诸变量的系数矩阵的秩为G-1，则该 结构方程是可识别的，若秩小于G-1则该结构方程是不 可识别的对某结构式模型中的第i个方程利用秩条件判 断其可识别性，可按以下步骤进行：
一般的，简化式模型就是把结构式模型中的内 生变量表示为前定变量和随机误差项的函数的 联立方程模型。同结构参数矩阵的表示方法一 样，模型7.3中的简化式参数矩阵可表示为：
Qt Pt
1
Yt
Pt 1
1
0
21 12 2 2
0 1
1 1 2 2
2 2
2 2
2
2
2 2
五、联立性偏误
2 2 2 2 2 2
2 2
= 21 22Yt 23Pt 1 wt
其中 的各值表示为各变量前的系数，
根据上述关系式，若已知 11、 12、 13、 21、 22、 2 ，则可得：
= 22或
12
=
23 13
， 1 = 21 11 * 2，
但我们却无法求得 1、2、、4 的值，
表述2：在一个线性联立方程模型中，某方程可识别的 一个必要条件（阶条件）是：该方程所不包含的前定 变量的个数必须不少于方程右边所包含的内生变量的 个数。若该方程所不包含的前定变量的个数等于方程 右边所包含的内生变量的个数，则该方程是恰好识别 的；若大于，则该方程是过度识别的。
可以证明两种表述方式是等价的。下面通过一个例子说
二、秩条件
秩条件的表述如下：对于一个由G个方程组成的联立方程 模型中的某个结构方程而言，如果模型中其他方程所 含而该方程不含的诸变量的系数矩阵的秩为G-1，则该 结构方程是可识别的，若秩小于G-1则该结构方程是不 可识别的对某结构式模型中的第i个方程利用秩条件判 断其可识别性，可按以下步骤进行：
一般的，简化式模型就是把结构式模型中的内 生变量表示为前定变量和随机误差项的函数的 联立方程模型。同结构参数矩阵的表示方法一 样，模型7.3中的简化式参数矩阵可表示为：
Qt Pt
1
Yt
Pt 1
1
0
21 12 2 2
0 1
1 1 2 2
2 2
2 2
2
2
2 2
五、联立性偏误
2 2 2 2 2 2
2 2
= 21 22Yt 23Pt 1 wt
其中 的各值表示为各变量前的系数，
根据上述关系式，若已知 11、 12、 13、 21、 22、 2 ，则可得：
= 22或
12
=
23 13
， 1 = 21 11 * 2，
但我们却无法求得 1、2、、4 的值，
表述2：在一个线性联立方程模型中，某方程可识别的 一个必要条件（阶条件）是：该方程所不包含的前定 变量的个数必须不少于方程右边所包含的内生变量的 个数。若该方程所不包含的前定变量的个数等于方程 右边所包含的内生变量的个数，则该方程是恰好识别 的；若大于，则该方程是过度识别的。
可以证明两种表述方式是等价的。下面通过一个例子说
第七章多重共线性精品课件
i 0 1 1i 2
2i
bk xki ui
进行估计时，将 Xj从模型中排除，并不引起拟合优度 减少许多，那么，这个被排除在模型之外的解释变量 与留在模型中的解释变量多重共线，排除是应当的。
第三节、 多重共线性的的处理
一、剔除引起共线性的解释变量（这是最重要的方法， 保留在模型中变量的经济意义不再仅仅是自身的作用， 也包含了与其共线并被排除变量的作用。）
2
I n）
二、多重共线性的概念
考虑模型中只有两个解释变量的情况，此时 模型可以表示为：
Y b0 b1 X1 b2 X 2 u
若存在不全为0的常数 1 , 2 ，使下列关 系式成立：
1 X1 2 X 2 0
则称自变量 X 1 , X 2 存在完全的线性关系。
此时两者之间的相关系数为1。实际中完全多 重共线的情况并不多见，一般出现不同程度的 近似多重共线，即有以下关系成立：
第七章、多重共线性
本章内容
第一节、 多重共线性的概 念、产生的原因及其后果 第二节 、多重共线性的检 验 第三节、 多重共线性的的 处理 约瑟夫· 斯蒂格利茨 第四节 多重共线性的案例 2001年诺贝尔奖 分析
获得者
第一节、 多重共线性的概念、产生的原因 及其后果 一、单方程计量经济模型回顾 1、模型形式：
ji 0 1
1i
ˆ j 1 x j 1i ˆ j 1 x j 1i ˆ k xki
如果判定系数很大，F检验显著，则Xj可用其他解释变 量的线性组合表出，即 Xj 与其他解释变量多重共线。 应将Xj从解释变量中排除。 （2）或者，在对原模型
y b b x b x
四、多重共线性的影响
1、对于完全共线，由于矩阵逆不存在，所以参数的 OLS估计失效。
2i
bk xki ui
进行估计时，将 Xj从模型中排除，并不引起拟合优度 减少许多，那么，这个被排除在模型之外的解释变量 与留在模型中的解释变量多重共线，排除是应当的。
第三节、 多重共线性的的处理
一、剔除引起共线性的解释变量（这是最重要的方法， 保留在模型中变量的经济意义不再仅仅是自身的作用， 也包含了与其共线并被排除变量的作用。）
2
I n）
二、多重共线性的概念
考虑模型中只有两个解释变量的情况，此时 模型可以表示为：
Y b0 b1 X1 b2 X 2 u
若存在不全为0的常数 1 , 2 ，使下列关 系式成立：
1 X1 2 X 2 0
则称自变量 X 1 , X 2 存在完全的线性关系。
此时两者之间的相关系数为1。实际中完全多 重共线的情况并不多见，一般出现不同程度的 近似多重共线，即有以下关系成立：
第七章、多重共线性
本章内容
第一节、 多重共线性的概 念、产生的原因及其后果 第二节 、多重共线性的检 验 第三节、 多重共线性的的 处理 约瑟夫· 斯蒂格利茨 第四节 多重共线性的案例 2001年诺贝尔奖 分析
获得者
第一节、 多重共线性的概念、产生的原因 及其后果 一、单方程计量经济模型回顾 1、模型形式：
ji 0 1
1i
ˆ j 1 x j 1i ˆ j 1 x j 1i ˆ k xki
如果判定系数很大，F检验显著，则Xj可用其他解释变 量的线性组合表出，即 Xj 与其他解释变量多重共线。 应将Xj从解释变量中排除。 （2）或者，在对原模型
y b b x b x
四、多重共线性的影响
1、对于完全共线，由于矩阵逆不存在，所以参数的 OLS估计失效。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
7.4 Vasicek模型 Vasicek模型及模型求解 Vasicek模型下的债券的定价 7.5 CIR模型 CIR模型及模型求解 CIR模型下债券的定价 7.6 单因素模型的局限性 单因素模型的局限 多因素模型简介
【要点详解】 §7.1 引言
1．相关概念 （1）银行账户过程 定义 (t)为t时刻银行账户过程(的价值)。假设β(0)=1，且银行账户满足以下的微分方程：
5
5
B(0,5)
100e
0
f (0,t )dt
100e0 (0.050.01t )dt
68.73（美元）
2．利率模型的评价标准 利率模型能够满足一些优良的性质，这些优良的性质包括： （1）模型应该是无套利的。即利率应该是非负的。 （2）利率应该具有均值回复特征。即利率围绕某一均值波动，如利率超过均值，则在未来有下降的趋势；反 之，如低于均值，则未来有上升的趋势。 （3）被用于计算债券以及利率衍生品价格时应较为简单。 （4）应该是动态的，能充分反映市场利率的变化。 （5）参数容易估计，且模型能较好的拟合历史数据。 （6）有明显的经济意义。 说明：许多常用的随机利率模型只具有上面的部分性质，但在实际应用中往往忽略模型的某些缺陷。
第7章 随机利率模型 【考试要求】 7.1 引言 相关概念 利率模型的评价标准 均衡模型与无套利模型 7.2 Ho-Lee模型 Ho-Lee模型 Ho-Lee模型的应用 7.3 连续时间随机利率模型下零息债券的定价 随机利率模型的一般形式及零息债券价格满足的随机微分方程 利率风险的市场价格 零息债券价格满足的偏微分方程 基于鞅方法的零息债券定价公式
§7.2 Ho-Lee模型 1．Ho-Lee模型（假定市场是完备的、考虑离散时间） 该模型假定初始利率期限结构是已知的，使用了当前可观测的期限结构所包含的全部信息来给衍生证券定价， 以保证不出现套利机会，是无套利模型。 sn ：第n期市场的状态空间；
Di(n) (T )（贴现函数）：第n期、状态 i sn 出现、到期时刻为T的零息票债券的价格。 在任意时刻n、状态i，利率期限结构由一系列贴现函数来完全描述。其中贴现函数 Di(n) ( )满足：
图7-1 零息债券价格的二叉树模型
（2）极限情况下，Ho-Lee模型下的短期利率 在极限情况下，Ho-Lee模型下的短期利率满足：
drt a(t)dt dWt 其中，a(t) 为时间t的函数，描述了 rt 变动的趋势； 为一常数，描述了利率的波动幅度；Wt 为标准布朗运动。
R(t，T)是零息债券在[t，T]上的平均收益率。 说明：尽管B(t，T)与D(t，T)二者都是从T到t的贴现因子，但B(t，T)在t时刻是一个数，而D(t，T)则可能是一个 随机变量。
（4）远期单利和远期复利 t时刻的期限为[T，S] (T<S)的远期单利 Fl (t,T , S ) 的定义为：
t时刻的期限为[T，S] (T<S)的远期复利Fc (t,T , S) 的定义为：
说明：当期限[T，S]无限小时单利和复利相等。
【例题7.1】零息债券的远期利率由表达式f(0，T)=0.05+0.01T给出，其中T为年数。面值为100美元，到期以面 值赎回，则到期日为5年的零息债券的价格为（ ）。
A．94.65 B．88.69 C．68.73 D．36.79 E．25.36 【答案】C 【解析】到期日为5年的零息债券的价格为：
第一个条件表明零息票债券的价格非负，第二个条件表明到期时零息票债券的价格为1，第三个条件表明期限 无限长的零息债券的价格为零。
（1）Ho-Lee模型的贴现函数在二叉树模型下的变动情况 Ho-Lee模型的贴现函数在二叉树模型下的变动情况为：在第n期，贴现函数有n+1中可能状态。贴现函数的每个 状态都都独立于通向该节点的路径，仅由初始点到该节点之间的向上移动和向下移动的次数决定。 在该二叉树模型中，每个节点对应一组折现率，因此每个节点都对应一组与之关联的各种零息债券的价格。
d (t) rt (t)dt 其中 rt 是瞬时利率。由上式可以进一步的推出：
说明：如果瞬时利率rt是随机的，银行账户过程 (t)也是随机的。
（2）随机折现因子 ①在t时刻到T时刻的随机折现因子D(t，T)是：
②随机折现因子的含义 假设在0时刻向银行账户存入A单位货币，则在t>0时刻银行账户将有 A 单(t )位货币。若希望在T(T>t)时银行账户
有1单位货币，即
A
(T
ห้องสมุดไป่ตู้
)
1
，需在0时刻投入
A
1 (T
)
单位的货币，这笔金额在t时刻银行账户的价值为：A
(t)
(t) (T )
所以，T时刻的1单位货币，在t时刻的价值为 (t) 。 (T )
（3）连续复利收益率 用B(t，T)表示T时刻到期的零息票债券1单位面值在t时刻的价格。连续复利收益率R(t，T)定义为： 由这个等式可以推出：
3．均衡模型与无套利模型 （1）均衡利率模型（绝对定价模型） 可以对债券和利率衍生品定价。由于货币市场和资本市场的复杂性，单因素均衡模型推导出来的收益率曲线一 般不能精确地拟合实际的收益率曲线，所以实际中也常常采用多因素模型。 单因素模型：是指模型中只涉及一个布朗运动，或者说模型只有一个风险源； 多因素模型：是指涉及多个布朗运动，因而对应了多个风险源。 说明：在均衡模型中，远期利率是由随机模型预测得到； （2）无套利模型（相对定价模型或拟合模型） 基本思想是基于已知的市场债券或其他利率衍生品的价格构造收益率曲线，再利用得到的收益率曲线对其他的 利率衍生品定价。基于无套利模型得到的价格是一种相对价格，即相对于已知的价格的无套利价格。 说明：在无套利模型中，远期利率是通过债券或某些利率衍生品的价格得到。
说明：Fl (t,T , S ) 和 Fc (t,T , S) 是基于t时刻的信息对未来的期限为[T，S]的即期单利和即期复利的预期值。
（5）远期瞬时利率 远期瞬时利率的定义为： 由定义可知 rt f (t,t) 。 由上面的等式可以推出，零息债券的价格可表示为：
这个式子结合 R(t,T ) ln B(t,T ) 可以推出： T t