Breeden-Litzenberger公式是什么？如何从期权价格提取风险中性概率？

Breeden-Litzenberger公式连接了期权横截面价格与市场隐含的风险中性终值分布。直观地说，若知道同一到期日所有行权价Call的无套利价格，就可以通过价格曲率提取市场对不同到期价格区间的定价权重。

它是风险中性密度、数字期权复制、波动率曲面与蝶式无套利的重要理论基础。

定义

在适当条件下，欧式Call价格对行权价K的一阶导数与风险中性尾部概率相关：

-∂C(K,T)/∂K = e^(-rT) Q(S_T > K)

二阶导数给出风险中性概率密度：

∂²C(K,T)/∂K² = e^(-rT) f_Q(K)

整理：

f_Q(K) = e^(rT) ∂²C(K,T)/∂K²

其中 f_Q 是风险中性测度Q下，到期标的价格位于K附近的密度。

为什么是二阶导数？

Call到期支付为：

max(S_T-K,0)

行权价稍微提高，Call价值下降。一阶导数衡量“提高行权价损失多少价值”，对应到期高于K的概率权重。

再对K求一次导数，观察尾部概率随行权价变化的速度，就得到局部概率密度。

期权价格关于行权价必须凸。若二阶导数为负，就意味着负概率密度，也对应蝶式套利。

数字蝶式近似

市场没有连续行权价，只能用有限差分：

∂²C/∂K² ≈ [C(K-ΔK)-2C(K)+C(K+ΔK)]/(ΔK)²

假设同一期限：

• 95 Call价格8.20；
• 100 Call价格5.00；
• 105 Call价格2.80；
• 行权价间距5。

曲率近似：

[8.20 - 2×5.00 + 2.80] ÷ 25 = 0.04

若贴现影响很小，100附近风险中性密度约0.04每美元。

分子正是买入95与105 Call、卖出两张100 Call的蝶式价格。蝶式支付集中在中间价格附近，所以它近似局部概率权重。

数字期权与一阶导数

Call Spread也能近似数字期权。买入K Call、卖出K+ΔK Call，除以间距：

[C(K)-C(K+ΔK)]/ΔK

当ΔK很小时，该组合到期在S高于K区域近似支付1，因此价格接近贴现后的尾部概率。

实际间距有限，组合在K到K+ΔK之间线性支付，不是完美数字期权。间距越窄近似越好，但Bid/Ask和离散执行价影响越大。

风险中性概率不是什么？

风险中性概率是用于无套利定价的概率测度，不是投资者对真实世界结果的客观预测。

它把风险偏好与状态价格纳入。投资者特别厌恶市场崩盘时的一美元损失，因此下行状态价格高，风险中性左尾概率可能高于真实统计概率。

公式提取的是“市场为状态支付多少”，而不是问卷式预期。把它直接说成“市场认为有30%概率跌到这里”需要明确风险中性口径。

实际提取流程

1. 固定一个到期日。
2. 收集尽可能多的同步欧式期权Bid/Ask。
3. 估计贴现因子、远期、股息和结算条款。
4. 使用价外Put与Call构建稳定价格曲面。
5. 清除零Bid、异常点与套利报价。
6. 拟合平滑且凸的Call价格函数C(K)。
7. 对拟合函数求一阶与二阶导数。
8. 乘贴现调整得到尾部概率和密度。
9. 检查密度非负并积分接近1。
10. 对Bid、Ask和不同拟合方法做敏感性分析。

直接对原始Mid做二阶差分会放大噪声，通常不可用。

为什么数据清洗如此重要？

二阶导数会把小价格误差放大。相邻Call真实曲率很小，某一个过时报价偏差0.10美元，就可能让密度变成负数或尖峰。

深度实值期权价差宽，通常可用Put-Call Parity转换流动性更好的价外期权。美式个股期权还需处理提前行权和股息。

风险中性密度图非常平滑，不代表原始数据可靠。平滑方法本身会塑造尾部。

无套利检查

Call价格应：

• 随K上升而不增加；
• 保持凸性；
• 不低于贴现内在价值；
• 不超过合理上界；
• 与Put-Call Parity一致；
• 跨期限满足日历边界。

若拟合前不处理套利，导出的密度可能出现负值。简单把负密度截成零再归一化，会掩盖输入问题并改变价格一致性。

从密度计算统计量

得到 f_Q(S_T) 后，可计算风险中性均值、方差、偏度与尾部概率：

E_Q[S_T] = ∫ s f_Q(s) ds

在无套利与正确持有成本下，风险中性均值应接近远期价格。

还可计算：

Q(S_T < K_0) = ∫_0^{K_0} f_Q(s) ds

但尾部结果高度依赖最远执行价之外的外推。市场没有无限行权价，积分必须对两端作假设。

一个事件案例

公司财报前，期权密度可能呈现更宽或双峰特征：一组状态对应利好跳涨，另一组对应利空下跌。

单一Black-Scholes对数正态分布无法表达双峰；从完整曲面提取的风险中性密度能显示市场状态价格。

但报价稀疏、Bid/Ask宽时，拟合方法也可能制造假双峰。应检查该形状是否在Bid与Ask曲面、不同平滑参数下都存在。

指数下行尾部

指数Put偏斜较陡时，提取密度通常显示较厚风险中性左尾。原因可能包括真实崩盘风险、投资者尾部厌恶和保护供需。

不能把风险中性厚尾全部解释成“市场预测崩盘”。其中包含风险溢价。可与历史实现分布比较，研究尾部保险价格。

与波动率曲面的关系

隐含波动率微笑是期权价格曲率的另一种表达。任意平滑IV曲线代回定价公式，都隐含一张终值密度。

如果IV插值方法产生非凸Call价格，密度会出现负值。因此曲面校准必须做蝶式套利检查。

SVI、SSVI等模型常被使用，是因为能用参数控制微笑并施加无套利约束，但参数化不自动保证所有条件。

与真实概率比较

若要研究风险溢价，可将风险中性密度与未来实现分布或统计模型比较。

比较必须统一期限、复权、股息与样本。历史分布是过去多个时期的经验结果，期权密度是当前单一时点的状态价格，二者不应简单相减后宣称市场错误。

差异可能反映风险厌恶、结构性买盘、流动性和模型外推。

尾部外推

市场最远Put以下与最远Call以上没有报价，但密度积分需要覆盖全部价格。

可使用参数曲线、幂律或受约束外推。不同外推会显著改变极端尾部概率，却几乎不影响ATM价格。

报告1%尾部概率时，应同时披露最远可观察行权价和外推方法。没有这两项，数字看似精确却不可复核。

常见误区

误区 1：风险中性概率就是真实发生概率

它包含风险偏好和状态价格，不是纯预测。

误区 2：直接对原始期权链求二阶差分

报价噪声会被放大，需要无套利平滑曲面。

误区 3：负密度说明市场存在负概率

通常说明数据、插值或套利约束有问题。

误区 4：曲线平滑就一定正确

过度平滑可删除真实事件结构，也可能由模型强加形状。

误区 5：尾部概率完全由市场报价决定

最远执行价之外依赖外推假设。

误区 6：密度均值可以任意偏离远期

正确贴现与无套利下，风险中性均值应与远期关系一致。

常见问题 FAQ

为什么使用Call而不是Put？

Put也包含同一分布信息，通过Put-Call Parity可转换；Call公式表达常更直接。

美式期权可以直接使用吗？

不能直接套严格欧式关系，需调整提前行权与股息，指数欧式期权通常更适合。

密度能预测财报涨跌吗？

它显示风险中性状态定价，不保证实际结果，也受报价与拟合影响。

行权价越密越好吗？

更密提供更多信息，但若流动性差，噪声可能超过收益。

普通交易者最实用的理解是什么？

期权微笑不仅是IV列表，它隐含整张到期状态价格；不合理插值会生成负概率与套利。

一句话总结