第二十四章 103分局的友谊(二)加更(第2/5页)
凯特琳。
“你吃过了吗?”
“吃过了,在法院旁边的餐车买的热狗。”
凯特琳说,目光还在林安身上。
“林安博士,你本科在哪里读的?”
“中国。”
林安说。
“一个你没听说过的学校。”
凯特琳笑了一下。
“那你申请麻省理工的时候,GRE考了多少?”
“数学满分,英语理解六百。”
林安说,叉起一块猪肉,蘸了蘸柠檬汁。
凯特琳的眉毛又挑了一下,眼里闪过一丝惊讶。
“英语理解六百?可以啊,这分数在国际学生里算很高的了,你的英语逻辑和词汇肯定很扎实。”
“够用。”
林安说,把猪肉送进嘴里。
凯特琳靠在椅背上,双手交叉放在胸前,看着林安吃了一会儿。
“我有个问题一直想找人问。”
她说。
“你说。”
“我在公共政策课上读到一篇关于次级抵押贷款证券化的文章,里面提到一个概念叫“高斯连结函数”,说这个东西是导致2008年金融危机的原因之一。
我查了很多资料,还是没搞明白它到底是什么。”
她顿了顿。
“你能不能给我讲一下?”
莫拉莱斯叉起一块猪肉,放慢了咀嚼的速度……这个话题他更听不懂了,但他想要努力记得林安博士的话,或许以后派得上用场。
林安放下叉子,拿起餐巾纸擦了擦嘴角,他目光微抬,望向凯特琳的头顶,那里有一条长弹幕正在刷新。
“高斯连结函数。”
他说。
“简单来说,它是一个数学工具,用来衡量不同资产之间的违约相关性。”
他看着凯特琳。
“假设你有两个贷款,一个在佛罗里达,一个在加州,佛罗里达的贷款违约了,加州的贷款违约的概率有多大?
这两个事件不是独立的,因为它们都受同一个宏观经济因素的影响……如房价、失业率、利率。”
高斯连结函数的作用,就是把每个贷款的违约时间映射到一个标准正态分布上,然后用一个相关性矩阵把它们连在一起。
这个模型在计算上很高效,但它有一个致命的缺陷……它低估了极端情况下的相关性。
在正常市场里,它看起来没问题,但一旦市场崩溃,所有相关性同时趋向于1,模型就彻底失效了。”
凯特琳听得很认真。
“那为什么大家还用?”
“因为方便。”
林安说。
“而且用这个模型的人拿奖金,不用这个模型的人失业,金融危机之前,没有人会因为用了行业标准模型而被开除。”
凯特琳点了点头,若有所思。
“那如果换一个模型呢?有没有更好的?”
“有。”
林安说。
“比如t连结函数,它对尾部依赖的刻画更准确,但计算成本高,参数估计不稳定,而且它不能让你在Excel里按几个键就出结果。”
他顿了顿。
“华尔街不喜欢太麻烦的东西。”
凯特琳笑了。
“你说话很直接。”
“数学很直接。”
林安说。
“它不会因为你想赚钱就改变答案。”
凯特琳看着他,眼睛里多了一些东西。
“那我再问你一个。”
她说。
“布莱克-舒尔斯模型里,波动率微笑是怎么来的?”
这个问题一出口,莫拉莱斯停下了叉子,看了看凯特琳,又看了看林安。
他听不明白对话,女儿的语气里似乎有点请教的味道啊。
林安没有犹豫。
“布莱克-舒尔斯模型假设波动率是常数,但市场数据的隐含波动率呈现出微笑形态……价外期权和价内期权的隐含波动率高于平价期权。
这说明市场认为极端事件发生的概率比对数正态分布预测的要高。”
他停了一下,接着叉起一块炸香蕉片,借此让自己歇息一会,也给弹幕刷新的时机。
“本质上,波动率微笑是市场对模型错误的修正,布莱克-舒尔斯假设资产价格连续变化、波动率恒定、收益率正态分布……这些在真实世界里都不成立。
市场参与者知道这一点,所以他们用隐含波动率来“校准”模型,把模型的错误体现在一个参数上。”
凯特琳的嘴唇动了一下,想说什么,但没有说出来。
林安继续说。
“1987年股灾之后,微笑变成了“偏斜”,因为市场开始区分上涨和下跌,下跌的隐含波动率比上涨高,说明市场更害怕暴跌而不是暴涨。”
他看了一眼凯特琳。
“你的教授应该教过你这些。”
凯特琳点了点头,表情变得认真起来。
“教过,但没你说得清楚。”
她想了想。
“那你觉得,2008年金融危机之后,这个偏斜有没有变化?”
“有。”
林安说。
“偏斜变得更陡了。市场对尾部风险的定价比以前更高,你可以从S&P 500指数期权的隐含波动率曲线上看到这一点……左尾的斜率比右尾陡得多。”
他顿了顿。
“这意味着市场认为再发生一次2008年那样的事件的概率,比发生同样幅度上涨的概率高出很多倍。”
凯特琳沉默了。
她看着林安,像是在重新评估坐在对面的这个人。
(本章未完,请点击下一页继续阅读)