对数正态分布是什么？期权模型为什么常假设股价服从它？

对数正态分布是什么？期权模型为什么常假设股价服从它？

日期: 2026-05-23

来源: https://xiaoyinsi.com/wiki/options/lognormal-stock-returns

对数正态分布是什么？期权模型为什么常假设股价服从它？ – 投资百科 – 小隐寺

对数正态分布是什么？期权模型为什么常假设股价服从它？

对数正态分布是经典模型描述股票价格的常见假设，建立在对数收益近似正态的基础上。

经典期权模型常假设未来股价服从对数正态分布：价格的自然对数为正态，而不是价格本身为正态。这个假设让价格保持正数，并能从连续复利收益推导封闭解。然而真实收益具有偏度、厚尾、跳空和时变波动率，对数正态只是透明的基准，不是市场定律。

若样本出现明显负偏、厚尾和波动聚集，说明对数正态只能作为简化基准。再分别用平静期与危机期估计波动率，观察模型价格和尾部概率如何改变。实操结论不应是“股价服从或不服从”，而应说明假设在哪些期限与价格区间误差最大。

若随机变量 ln(S_T) 服从正态分布，则正值变量 S_T 服从对数正态分布。几何布朗运动下，ln(S_T/S_0) 的均值为 (μ−σ²/2)T，方差为 σ²T。因此 S_T=S_0exp[(μ−σ²/2)T+σ√T Z]，Z 为标准正态变量。

简单收益是 S_T/S_0−1，对数收益是 ln(S_T/S_0)。多期对数收益可以直接相加，例如从 100 元涨到 110 元再跌到 99 元，两段对数收益 ln(1.1)+ln(0.9)=ln(0.99)，总对数收益约 −1.005%。简单收益 10% 与 −10% 不能直接相加解释复合结果。

对数收益近似正态常被解释为许多微小、独立冲击相加的结果；价格则是这些比例变化相乘的结果。不过现实冲击既不完全独立，也不保持同一方差。坏消息可能同时影响多个公司，波动率在高波动后继续偏高，杠杆效应会让下跌与未来波动上升相关。

在 Black-Scholes 风险中性世界中，对数收益均值使用 (r−q−σ²/2)T，而不是股票真实预期回报。这样贴现后的股票价格满足无套利条件。风险中性分布用于给衍生品定价，不等于实际概率分布；从期权价格反推的尾部概率还包含风险厌恶和供需。

恒定 σ 的对数正态模型意味着所有行权价共享同一隐含波动率。真实期权市场通常有偏度或微笑：股票指数虚值看跌期权隐波往往更高，反映崩跌风险与保护需求。只用平值 σ 计算深度虚值期权，可能严重低估尾部价格。

时间缩放也依赖假设。独立同分布对数收益下，方差随 T 线性增长，标准差按 √T 增长。但若波动率均值回归、存在事件日或长记忆，从一天波动直接乘 √252 可能不适合特定期限。财报期权尤其需要把普通日方差与事件方差分开。

对数正态允许价格无限高且有限时间不为零，却没有破产吸收状态。公司可能违约、被收购、停牌或退市；这些离散事件不能由光滑分布完整表达。模型使用者应知道省略了什么，并用跳跃模型、局部波动率、随机波动率或压力情景补充。

怎样检查对数正态假设是否适合样本？

几何布朗运动是什么？Black-Scholes为什么假设股价连续波动？

Black-Scholes模型是什么？期权定价为什么离不开波动率？

尾部风险对冲是什么？为什么灾难保险长期看起来很贵？

Call Ratio Backspread是什么？如何用期权做大涨尾部收益？

卖期权是什么意思？为什么收权利金不等于稳赚？

一个人做交易，亏多赚少？不得方法？

快快加入小隐寺的Discord社区，跟多位高手交流美股当下主题板块，研究基本面、技术分析，还有专属分类频道

比较简单与对数收益：股票从 100 元跌 50% 到 50 元，再上涨 50% 只到 75 元，累计简单收益 −25%。两段对数收益为 ln(0.5)+ln(1.5)=ln(0.75)≈−28.77%，与总价格比严格一致。要从 50 元回到 100 元，需要上涨 100%，体现百分比涨跌的不对称。

尾部检验中，若正态模型按日波动率 1% 估计，单日下跌 5% 相当于约五个标准差，理论概率极低；历史市场却会出现比正态预测更频繁的极端日。观察到这种差异后，不应简单把异常点删除，而应检查数据、事件和厚尾模型。

期权例子：同一到期日平值隐波 20%，执行价为现价 80% 的看跌期权隐波 32%。若仍把所有行权价都设为 20%，模型会忽略市场给下行尾部的更高权重。正确做法至少使用当前波动率曲面，并对曲面移动和跳空进行压力测试，而非声称某个分布精确预测未来。

样本均值的口径也会造成混淆。若两年简单收益分别为 +50% 和 −20%，算术平均为 15%，但初始 100 元最终为 120 元，年化几何收益为 √1.2−1≈9.54%。对应平均对数收益为 [ln1.5+ln0.8]/2≈9.12%，再指数转换得到 9.54%。长期财富增长更接近几何复合，而非简单算术平均。

参数从历史数据估计时，通常先计算日对数收益的样本均值和标准差。若日标准差为 1.3%，按独立同分布假设年化约为 1.3%×√252=20.64%。但包含零成交日、错误复权或跨市场时区不一致会扭曲估计。拆股若未调整，价格从 100 元机械变为 50 元会被误记成 −50% 极端收益。

分位数可用于检查模型而不是盲信模型。对每个日收益减去估计均值再除以估计标准差，若正态合理，约 95% 应位于正负 1.96 之间。假设 2500 个交易日中有 120 天越界，而正态预期约 125 天，数量看似接近；仍需检查是否下尾 90 天、上尾 30 天，以及越界是否集中在危机期。总数相同不代表对称性和独立性成立。

波动率混合本身就能产生厚尾。平静状态日波动 0.8%，危机状态 3%，即便每个状态内收益都正态，忽略状态后得到的总体分布也会尖峰厚尾。用单一 1.2% 标准差拟合，会同时高估普通日中等波动、低估危机日极端波动。随机波动率模型正是允许 σ 随时间变化。

分红处理影响价格过程。无分红股票在简化模型下连续演化，现金分红日价格通常机械下调，形成可预期的不连续。Black-Scholes 可用连续股息率近似大量小额分红，但单次大额特别股息更适合显式调整。把除息跳落当作随机负尾，会错误估计波动和偏度。

风险管理不应把模型百分位当作仓位上限。即使模型声称一年末低于 70 元的概率只有 1%，仓位仍要考虑该情景发生时的资金缺口，以及模型低估概率的可能。可并列报告对数正态 1% 分位、历史危机跌幅和人为跳空压力，避免单一分布主导资本决策。

在蒙特卡洛中，生成大量对数正态终值并不等于准确模拟路径依赖产品。亚洲期权取决于沿途平均价，障碍期权取决于是否触碰阈值，必须模拟中间节点并控制离散误差。对普通欧式到期支付，直接采样终值更高效；工具选择应由支付结构决定。

比较模型时还应使用样本外检验。用前三年数据估计参数，再检查第四年的分位覆盖与期权对冲误差，比在全部四年上反复调参更能暴露过拟合。若每遇到一次极端日就重新选择样本起点，最终分布虽贴合历史，却未必具有前瞻解释力。

把对数收益与简单收益混为一谈

小变动时二者接近，大变动时差异明显，累计和平均方法也不同。

用正态对称区间解释价格

对数收益可对称，价格经过指数变换后不对称，不能机械写成“100 元上下 20 元”。

认为不出现负价就说明模型真实

正值约束只是一个优点，不能弥补跳空、厚尾和时变波动率的缺失。

把风险中性尾部当真实发生概率

期权隐含分布包含风险溢价和供需，不是未经调整的现实频率预测。

对数正态是假设而非事实，可能低估极端行情与跳空。模型概率、价格区间和期权估值均不构成收益承诺或投资建议。

常见问题 FAQ

股票收益是正态还是对数正态？

经典假设是对数收益近似正态、未来价格近似对数正态。现实数据通常偏离两者，尤其在尾部和波动聚集方面。

为什么不用简单收益建模？

对数收益跨期可加，并与连续复利和随机微积分衔接方便。但对投资者实际盈亏，简单收益仍更直观。

对数正态分布会产生负价格吗？

不会，指数值始终为正。但模型也不会在有限时间产生真正零价格或破产状态。

均值价格是否是最可能价格？

不是。右偏分布中均值高于中位数和众数，最可能附近与数学期望并不相同。

隐含波动率曲面为何反驳恒定对数正态？

若单一对数正态分布足够，同期限各执行价应对应同一 σ。实际偏度表明市场定价包含非对称尾部和时变风险。