或有要求权:期权价值与市场隐含概率

从收益不对称、复制组合到风险中性定价:为何二元事件合约的价格可直接解读为市场隐含概率,以及 SurgeFlow 宏观事件页如何运用这套框架。

类别:衍生品

收益取决于结果的合约

或有要求权(contingent claim)是指收益取决于某个不确定结果如何落地的合约。股票期权是最典型的例子:看涨期权只有在到期价格高于选定水平时才有收益,否则分文不值。这种不对称——一侧完全参与、另一侧有明确下限——正是或有要求权与直接持有资产的差别所在,也是其价格蕴含现货价格所没有之信息的原因。现代衍生品理论的核心洞见是双向的:知道概率,就能为要求权定价;观察到价格,就能反推市场所使用的概率。最简单的或有要求权是二元事件合约——事件发生付一元,否则付零。其价格直接读出来,就是市场隐含概率。这一等价关系正是 SurgeFlow 宏观事件页的理论基础。

运作机制:复制组合与风险中性概率

这套定价逻辑完全不需要预测,只需要一个假设:收益完全相同的两个头寸必须以相同价格交易(无套利)。关键关系式以行内纯文本表示如下: - 收益不对称。到期日 T 的看涨期权收益为 C_T = max(S_T − K, 0),其中 S_T 为到期时标的价格,K 为行权价。亏损以已付权利金为下限,收益无上限。 - 内在价值与时间价值。内在价值是立即行权可得的金额——看涨期权为 max(S − K, 0)。时间价值等于期权价格减去内在价值:市场为到期前剩余选择性所支付的部分。 - 单步二叉树复制。假设一期内股价由 S 变为 uS(上涨)或 dS(下跌),现金利率为 r。由 Delta 股股票与 B 现金组成的组合若满足 Delta*uS + B*(1+r) = C_u 且 Delta*dS + B*(1+r) = C_d,即可复制该看涨期权,解得 Delta = (C_u − C_d) / ((u − d)*S)。无套利要求期权价格等于复制组合的成本,整理后得 C = (q*C_u + (1−q)*C_d) / (1+r),其中 q = ((1+r) − d) / (u − d)。 - 风险中性概率。q 不是任何人的预测,而是使贴现后期望收益重现观察到价格的概率权重——一个由无套利条件强制存在的记账工具。 - 看涨–看跌期权平价。对不分红股票的欧式期权,C − P = S − K/(1+r)^T,其中 P 为看跌期权价格,T 为到期期限。这是两个收益相同的组合之间的会计恒等式,不是模型;无论任何人对波动率或方向持何种看法都成立。 - 二元合约。事件发生付 1、否则付 0 的要求权,价格为 q_event / (1+r)^T。在期限短、利率不高时贴现影响很小,价格几乎就是该事件的风险中性概率。

SurgeFlow 如何应用

SurgeFlow 的宏观页(/macro)读取预测市场的事件合约价格——来自 Polymarket、Kalshi 等平台——并将其呈现为市场隐含概率,与宏观日历及跨市场背景并列。某项政策决定的合约若以 0.34 美元成交,即显示为约 34% 的市场隐含概率,正是上述二元要求权的读法。/research/prediction-market-event-probabilities 的姊妹研究对事件数据本身有更深入的说明。同样重要的是本站不做的事。SurgeFlow 不为股票期权定价,不计算或发布希腊值(delta、gamma、vega、theta),不运行自有的期权定价模型,也不就风险溢价或流动性调整事件价格。本站仅呈报合约的实际成交价格,并标注为市场隐含、而非客观的概率。这是研究基础设施:这些数字描述市场当下的预期,站内任何内容都不构成据以行动的建议。

使用哪些 SurgeFlow 数据

事件概率本身来自 /macro 呈现的预测市场价格。周边的股票与宏观背景覆盖 SurgeFlow 的四个市场——美国、中国、日本、香港。宏观日历将利率决议、通胀数据等既定发布事项,与其最可能影响的事件合约并列呈现。一个诚实的提醒:预测市场的合约明显偏重美国的宏观与政治事件,因此其他三个市场本地事件的隐含概率覆盖度,远不如股票数据本身完整。各市场股票数据来源如下: - 美国股票:FMP - 中国与香港:Tushare - 日本:J-Quants 与 EDINET 申报文件

为何隐含概率不等于客观概率

风险中性概率 q 是为了让定价算术成立而构造的,其中嵌入的不只是信念。用状态价格的语言来说,未来某一状态下交付一元的价格,等于该状态的概率乘以一元在该状态下的价值。与经济坏状态(衰退、危机)相关的事件,其价格往往相对真实概率偏高,因为在那些状态下交付的一元更值钱。预测市场还有自身的摩擦:手续费、保证金与资本约束、盘口稀薄,以及文献记录的热门—冷门偏差——小概率被高估、近乎确定的事件被低估。贴近 0 或 1 的价格噪声尤其大,因为交易成本吞噬了所剩无几的获利空间。阅读宏观页的实务含义:把水平视为近似值;变动与方向通常比水平更有信息量;买卖价差宽,代表概率区间宽,而非一个点估计。这些限定不会推翻整个框架——它们定义的是框架的分辨率。

自己动手探索

宏观页背后的事件概率与市场数据可通过 SurgeFlow 公开 API 获取。可在 /membership 生成免费(beta)密钥,每日 2,000 次请求;完整端点目录见 /api/public/openapi.json 的 OpenAPI 规范。数据以研究素材形式提供——可用于复现概率读数、研究隐含概率在既定发布前后的变化,或将事件价格与上述四市场股票数据关联分析。

资料来源与延伸阅读

上述论点的原始、学术与 SurgeFlow 数据出处: - Arrow, K. J. (1964), "The Role of Securities in the Optimal Allocation of Risk-bearing", Review of Economic Studies——状态或有要求权与状态价格。 - Black, F. 与 Scholes, M. (1973), "The Pricing of Options and Corporate Liabilities", Journal of Political Economy——无套利期权定价。 - Merton, R. C. (1973), "Theory of Rational Option Pricing", Bell Journal of Economics and Management Science——理性定价边界与平价关系。 - Cox, J. C., Ross, S. A. 与 Rubinstein, M. (1979), "Option Pricing: A Simplified Approach", Journal of Financial Economics——本文使用的二叉树模型与风险中性概率。 - Stoll, H. R. (1969), "The Relationship Between Put and Call Option Prices", Journal of Finance——看涨–看跌期权平价。 - Breeden, D. T. 与 Litzenberger, R. H. (1978), "Prices of State-Contingent Claims Implicit in Option Prices", Journal of Business——由期权价格还原状态价格。 - Wolfers, J. 与 Zitzewitz, E. (2004), "Prediction Markets", Journal of Economic Perspectives——事件市场作为概率聚合机制。 - Wolfers, J. 与 Zitzewitz, E. (2006), "Interpreting Prediction Market Prices as Probabilities", NBER Working Paper 12200——价格为何近似但不等于平均信念。 - SurgeFlow 路径:/macro(事件概率与宏观日历)、/research/prediction-market-event-probabilities(姊妹研究)、/membership(API 密钥)、/api/public/openapi.json(端点规范)。