KNOWECON WIKI

ARTICLE

金融模型

金融模型 金融模型（Financial Model）是运用数学、统计学与计算机科学对金融市场、资产价格、风险与收益进行量化描述、分析与预测的形式化框架。金融模型服务于定价、风险管理、投资决策与监管四大核心场景，构成现代金融经济学的运算骨架。按功能可分为定价模型、风险模型、投资组合模型与宏观/信用模型四类。其共同逻辑起点是无套利原理与随机贴现因子框架：在无摩擦

浏览 2 更新 2025-10-26

金融模型

金融模型（Financial Model）是运用数学、统计学与计算机科学对金融市场、资产价格、风险与收益进行量化描述、分析与预测的形式化框架。金融模型服务于定价、风险管理、投资决策与监管四大核心场景，构成现代金融经济学的运算骨架。按功能可分为定价模型、风险模型、投资组合模型与宏观/信用模型四类。其共同逻辑起点是无套利原理与随机贴现因子框架：在无摩擦市场中，任何资产的当前价格等于未来现金流的风险调整后贴现期望值。

资产定价模型

资本资产定价模型（CAPM, Sharpe 1964 / Lintner 1965）：单因子线性模型，E[Ri]=Rf+βi(E[Rm]−Rf)E[R_i] = R_f + \beta_i (E[R_m] - R_f)。βi=Cov(Ri,Rm)/Var(Rm)\beta_i = \text{Cov}(R_i, R_m)/\text{Var}(R_m) 度量系统风险。CAPM将预期收益分解为无风险利率加风险溢价，风险溢价仅取决于与市场组合的协变性——可分散的非系统风险不获补偿。简洁优美，但实证面临异象挑战（规模效应、价值效应、动量效应）。

套利定价理论（APT, Ross 1976）：多因子推广，E[Ri]=Rf+∑k=1KβikλkE[R_i] = R_f + \sum_{k=1}^K \beta_{ik} \lambda_k，其中 λk\lambda_k 为因子风险溢价。APT不指定因子内容，不要求市场组合有效，仅依赖无套利条件，更具弹性。Fama-French三因子/五因子模型将APT因子具象化为市场、规模（SMB）、价值（HML）、盈利（RMW）、投资（CMA），成为实证资产定价的工作母机。

Black-Scholes期权定价模型（1973）：基于几何布朗运动 dS=μSdt+σSdWdS = \mu S dt + \sigma S dW 与无套利复制，导出欧式看涨期权价格：

C=S0N(d1)−Ke−rTN(d2),d1,2=ln⁡(S0/K)+(r±σ2/2)TσTC = S_0 N(d_1) - K e^{-rT} N(d_2), \quad d_{1,2} = \frac{\ln(S_0/K) + (r \pm \sigma^2/2)T}{\sigma\sqrt{T}}

核心洞见：期权价格不依赖标的预期收益率 μ\mu，仅依赖波动率 σ\sigma。风险中性定价由此诞生——在等价鞅测度下，所有资产以无风险利率折现，定价简化为期望折现。后续扩展：二叉树模型（Cox-Ross-Rubinstein, 离散时间逼近）、Heston随机波动率模型、跳跃扩散模型。

风险与信用模型

风险价值（VaR）：在给定置信水平 α\alpha 和持有期内，最大预期损失：VaRα=−inf⁡{x:FL(x)≥1−α}\text{VaR}_\alpha = -\inf\{x: F_L(x) \geq 1-\alpha\}。巴塞尔协议将 VaR 作为市场风险监管标准。局限性：不满足次可加性（非一致风险度量）、忽略尾部形状。

期望亏损（Expected Shortfall, ES）：ESα=E[L∣L≥VaRα]ES_\alpha = \mathbb{E}[L \mid L \geq \text{VaR}_\alpha]，满足一致性风险度量的四个公理（次可加性、正齐性、单调性、平移不变性），Basel III 已转向 ES。

Merton信用模型（1974）：将公司权益视为以资产为标的、负债面值为执行价的看涨期权。违约概率 = 资产价值低于负债面值的概率：PD=Φ(−d2∗)PD = \Phi(-d_2^*)，其中 d2∗d_2^* 用于资产而非股票。资产价值与波动率通过权益市值与波动率反推，属"结构模型"。

简化形模型（Reduced-form）：不建模资产结构，将违约视为外生泊松过程到达，违约强度 λ(t)\lambda(t) 从信用利差校准。包括Jarrow-Turnbull、Duffie-Singleton等框架，擅长CDS与可违约债券定价。

投资组合模型

均值-方差优化（Markowitz 1952）：min⁡ww⊤Σw\min_w w^\top \Sigma w s.t. w⊤μ=μp,w⊤1=1w^\top \mu = \mu_p, w^\top \mathbf{1} = 1。有效前沿是所有给定收益下风险最小的组合集合。引入无风险资产后得到切线组合（两基金分离定理）。实际挑战：μ,Σ\mu, \Sigma 估计误差极大放大优化噪声，样本外表现常劣于等权重。Black-Litterman模型将市场均衡收益与主观观点通过贝叶斯融合，缓解估计误差。

因子模型：收益分解为 R=α+Bf+εR = \alpha + B f + \varepsilon，其中 ff 为公共因子，BB 为因子载荷矩阵，ε\varepsilon 为特质风险。Barra等商业风险模型将股票收益归因于行业、风格、国家等数十个因子，支撑大规模组合风险分解与归因。

宏观与监管模型

动态随机一般均衡（DSGE）：新凯恩斯DSGE包含家庭跨期最优化、企业Calvo定价、泰勒规则货币政策，以对数线性化或全局投影法求解，用于利率路径、量化宽松与财政乘数分析。CAPM与DSGE的桥梁：Cochrane（2017）指出宏观因子（消费增长、通胀、产出缺口）可通过随机贴现因子 Mt+1=βU′(Ct+1)U′(Ct)M_{t+1} = \beta \frac{U'(C_{t+1})}{U'(C_t)} 统一资产定价与宏观经济。

压力测试：CCAR/DFAST框架下，银行基于美联储提供的严重不利情景投影资产负债表与损益，确保资本充足率不低于监管底线。涉及多方程联立的卫星模型——GDP冲击→失业率→房价→违约率→贷款损失。

口诀：无套利定价·风险中性测度·因子归因·有效前沿。金融模型是精确与妥协的永恒张力——模型是地图，不是疆域。