肖煒麟，張衛(wèi)國，徐維軍

（1.浙江大學(xué)管理學(xué)院，浙江杭州 310058；2.華南理工大學(xué)工商管理學(xué)院，廣東廣州 510640）

值得指出的是Γ=?2V/?S2，稱為保值因子。對于備兌權(quán)證的多頭而言，到期日的收益為凸函數(shù)，因此有Γ＞0，從而對于支付任意比例交易費(fèi)的看漲或看跌備兌權(quán)證，由Black-Scholes公式得到的價(jià)值與本文模型得出的價(jià)格比較，差別僅在于波動(dòng)率，即：

次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證定價(jià)

肖煒麟1，張衛(wèi)國2，徐維軍2

（1.浙江大學(xué)管理學(xué)院，浙江杭州 310058；2.華南理工大學(xué)工商管理學(xué)院，廣東廣州 510640）

為了體現(xiàn)金融資產(chǎn)的長記憶性，采用次分?jǐn)?shù)布朗運(yùn)動(dòng)刻畫備兌權(quán)證標(biāo)的資產(chǎn)價(jià)格變化的行為模式。利用隨機(jī)分析理論和偏微分方程方法，建立了次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證定價(jià)模型，進(jìn)一步研究了定價(jià)模型的參數(shù)估計(jì)問題。最后，采用我國權(quán)證市場實(shí)際數(shù)據(jù)進(jìn)行了實(shí)證分析，通過比較不同定價(jià)模型的結(jié)果說明了長記憶性和交易費(fèi)用對定價(jià)結(jié)果有著顯著的影響。

次分?jǐn)?shù)布朗；交易費(fèi)用；備兌權(quán)證；偏微分方程；二次變差

1 引言

備兌權(quán)證是由標(biāo)的資產(chǎn)發(fā)行人以外的第三方發(fā)行的權(quán)證，并規(guī)定持有人有權(quán)利而非義務(wù)在合約規(guī)定的某一特定時(shí)間買入（賣出）標(biāo)的資產(chǎn)。由于權(quán)證產(chǎn)品的靈活性，且權(quán)證的“T+0”交易等特點(diǎn)使其成為短線投資者首選產(chǎn)品。盡管備兌權(quán)證本質(zhì)上類同于歐式期權(quán)，但由于備兌權(quán)證具有杠桿效應(yīng)和套期保值作用，使得備兌權(quán)證成為我國金融衍生產(chǎn)品的重要組成部分。

基于傳統(tǒng)的有效市場和幾何布朗運(yùn)動(dòng)的假設(shè)，在Black-Scholes理論框架下，備兌權(quán)證的定價(jià)問題在國內(nèi)外得到了大量研究［1-2］。然而Black-Scholes模型中假設(shè)市場交易中沒有交易費(fèi)用，而現(xiàn)實(shí)中每次股票交易，都需要交納手續(xù)費(fèi)、印花稅。而且歷史上印花稅的每次調(diào)整都會引起股市的一次振蕩。因而交易費(fèi)用對于金融市場的影響是顯著的。為了更好地反映現(xiàn)實(shí)交易情況，Leland［3］首次提出了帶交易費(fèi)用的歐式期權(quán)定價(jià)模型，但該模型僅能運(yùn)用到香草期權(quán)等一些特殊期權(quán)的定價(jià)。此后，大量學(xué)者在幾何布朗運(yùn)動(dòng)的假設(shè)下，研究了帶交易費(fèi)用的期權(quán)定價(jià)問題［4-5］。然而，近年來對金融資產(chǎn)收益率的實(shí)證研究表明：金融資產(chǎn)價(jià)格之間并非隨機(jī)游走，而呈現(xiàn)不同程度的長期相關(guān)性，并且資產(chǎn)收益率的分布也不是服從正態(tài)分布，而是具有“尖峰厚尾”等特性。Peters［6］于1989年提出了分形市場假說，應(yīng)用R/S法分析了不同資本市場（如股票市場和匯率市場），都發(fā)現(xiàn)了分形結(jié)構(gòu)和非周期循環(huán)的存在。由于分形市場的特征指數(shù)及尺度參數(shù)能夠很好地刻畫金融市場波動(dòng)性及資產(chǎn)收益率的“尖峰厚尾”分布等，因此，眾多學(xué)者研究了分?jǐn)?shù)布朗運(yùn)動(dòng)下期權(quán)定價(jià)問題［7-10］和我國權(quán)證的定價(jià)問題［10-12］。

由于分?jǐn)?shù)布朗運(yùn)動(dòng)不是半鞅，故無法采用已有的隨機(jī)積分理論對其進(jìn)行分析。盡管眾多學(xué)者針對分?jǐn)?shù)布朗運(yùn)動(dòng)定義了不同的隨機(jī)積分［13-14］，但是將分?jǐn)?shù)布朗運(yùn)動(dòng)應(yīng)用到金融市場會產(chǎn)生套利機(jī)會［15］或者自融資策略不符合經(jīng)濟(jì)學(xué)理論［16］。從而，大量學(xué)者采用了修正的分?jǐn)?shù)布朗運(yùn)動(dòng)來刻畫金融資產(chǎn)價(jià)格變化的行為模式，如次分式布朗運(yùn)動(dòng)［17-18］。由于，次分式布朗運(yùn)動(dòng)是一種比分?jǐn)?shù)布朗運(yùn)動(dòng)更為普遍的高斯過程，它不僅具有自相似性和長記憶性等分?jǐn)?shù)布朗運(yùn)動(dòng)具有的性質(zhì)，而且可將其應(yīng)用于金融［19］。Yan Litan等［20］給出了次分?jǐn)?shù)布朗運(yùn)動(dòng)的隨機(jī)積分，并指出次分?jǐn)?shù)布朗運(yùn)動(dòng)可以用來刻畫金融資產(chǎn)的隨機(jī)波動(dòng)性。

為了刻畫金融資產(chǎn)的長記憶性，同時(shí)為了考慮交易費(fèi)用，本文在次分式布朗運(yùn)動(dòng)環(huán)境下，研究了帶交易費(fèi)用的備兌權(quán)證定價(jià)問題。通過引入關(guān)于次分?jǐn)?shù)布朗運(yùn)動(dòng)的隨機(jī)積分和偏微分方程技術(shù)，得到了備兌權(quán)證的定價(jià)模型。進(jìn)一步，為了將模型應(yīng)用于實(shí)踐，本文研究了定價(jià)模型的參數(shù)估計(jì)問題。最后，結(jié)合我國權(quán)證市場現(xiàn)實(shí)情況，給出了實(shí)證分析，比較了不同定價(jià)模型的定價(jià)結(jié)果，說明了次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用定價(jià)模型的合理性。

2 定價(jià)模型

2.1 模型假設(shè)

（1）無風(fēng)險(xiǎn)利率r為常數(shù)且對沖投資組合的期望回報(bào)率等于無風(fēng)險(xiǎn)利率；

（2）投資策略每隔δt時(shí)間重新調(diào)整一次，這里

金融系統(tǒng)是一個(gè)自由度極大的復(fù)雜系統(tǒng)，大多數(shù)的投資者得不到充分的信息，并以一種非線性的方式對信息做出反應(yīng)，即在信息達(dá)到一定臨界值時(shí)才做出決策，這些噪聲交易者會對前期忽略的信息做出“聚集、爆發(fā)”性的反應(yīng)。同時(shí)噪聲交易者大都具有“從眾”心理，而理性投資者會利用“從眾”噪聲交易者的特征，并從中獲利，這樣進(jìn)一步造成了市場的過渡波動(dòng)，導(dǎo)致了市場波動(dòng)的聚集性。而且，由于不同投資期限的投資者承擔(dān)相同的風(fēng)險(xiǎn)水平，所以，不同期限尺度上的收益率具有類似的頻率分布，即時(shí)間尺度上的不變性或稱為自相似。所以，金融市場存在長記憶性，即過去的信息不僅影響當(dāng)前，而且影響未來。本文采用次分?jǐn)?shù)布朗運(yùn)動(dòng)來刻畫備兌權(quán)證標(biāo)的資產(chǎn)價(jià)格的變化過程，并考慮了現(xiàn)實(shí)中的交易費(fèi)用，以期客觀地反映權(quán)證市場的現(xiàn)實(shí)。

設(shè)赫斯特指數(shù)H∈（0，1），則次分?jǐn)?shù)布朗運(yùn)動(dòng)是一個(gè)零均值的高斯過程W，使得W=0且協(xié)方差函數(shù)滿足δt為有限固定且很小的時(shí)間間隔；

（3）交易費(fèi)與交易額是成比例的。即買賣股票需要按股票價(jià)格支付比例交易費(fèi)用c｜v｜S，其中c是每單位交易額應(yīng)支付交易費(fèi)，S是交易股票的價(jià)格，v＞0是買進(jìn)，v＜0是賣出；

（4）備兌權(quán)證標(biāo)的資產(chǎn)股票的變化過程在物理測度下滿足：

其中：St表示股票的動(dòng)態(tài)價(jià)格；μ表示股票的收益率；σ表示股票價(jià)格波動(dòng)率；WHt表示赫斯特指數(shù)為H∈（1/2，1）的次分?jǐn)?shù)布朗運(yùn)動(dòng)，且（2）式中的積分為關(guān)于高斯過程的Wick-It?積分［21］。

在次分?jǐn)?shù)Black-Scholes模型中，由于股票交易時(shí)會產(chǎn)生交易費(fèi)用，從而完全復(fù)制使得交易總費(fèi)用非常大，因此Black-Scholes中采用的無套利理論不再適用。本文采用Delta對沖策略對備兌權(quán)證的定價(jià)問題進(jìn)行研究。

2.2 數(shù)理推導(dǎo)

現(xiàn)在考慮Wick-It?型次分?jǐn)?shù)Black-Scholes市場，該市場有兩種投資產(chǎn)品，一種無風(fēng)險(xiǎn)資產(chǎn)即債券，另外一種有風(fēng)險(xiǎn)的標(biāo)的資產(chǎn)如股票。其中無風(fēng)險(xiǎn)資產(chǎn)Pt，即債券價(jià)格變化過程滿足如下方程：

其中r為無風(fēng)險(xiǎn)利率；風(fēng)險(xiǎn)資產(chǎn)價(jià)格變化過程滿足方程（2）。

在風(fēng)險(xiǎn)中性和H∈（1/2，1）的假設(shè)條件下，我們利用Δ-對沖原理，推導(dǎo)出次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證價(jià)格所滿足的偏微分方程。

定理1 在風(fēng)險(xiǎn)中性世界里，備兌權(quán)證標(biāo)的資產(chǎn)（股票）價(jià)格服從次分?jǐn)?shù)布朗運(yùn)動(dòng)環(huán)境下，帶交易費(fèi)用的備兌權(quán)證的價(jià)格Vt在t（t∈［0，T］）時(shí)刻所滿足的微分方程為：

證明：考慮一個(gè)資產(chǎn)組合，包括一份衍生證券V（St，t）和Δ份股票St。則該資產(chǎn)組合在t時(shí)刻的價(jià)值∏t可以表示為∏t=Vt-ΔtSt。由于交易成本可以看作是投資者因買賣股票而產(chǎn)生的直接費(fèi)用，因此在δt時(shí)間內(nèi)，該證券組合持有者財(cái)富的變化過程可以表示為：選擇恰當(dāng)?shù)淖C券組合可以消除δ∏t的隨機(jī)性。令則（5）式可簡化為：

其中：

另一方面，根據(jù)式（2）易得δSt=St+δt-St= O（δt）+σStδWHt。同時(shí)利用，則有：

由假設(shè)條件4）可知E［δ∏t］=r∏tδt，再結(jié)合（6）和（7），并略去δt的高階無窮小量，則有：

值得指出的是Γ=?2V/?S2，稱為保值因子。對于備兌權(quán)證的多頭而言，到期日的收益為凸函數(shù)，因此有Γ＞0，從而對于支付任意比例交易費(fèi)的看漲或看跌備兌權(quán)證，由Black-Scholes公式得到的價(jià)值與本文模型得出的價(jià)格比較，差別僅在于波動(dòng)率，即：

對于做空的備兌權(quán)證而言，到期日的收益為凹函數(shù)，故Γ＜0，類似地，兩個(gè)模型所得價(jià)值的差別也在于波動(dòng)率，即：

此外，在多頭的情況下，為保證偏微分方程（4）的適定性，須保證：

另一方面，由于（4）式中假設(shè)在δt相當(dāng)短的時(shí)間內(nèi)，備兌權(quán)證只發(fā)生一次頭寸的變化，因此δt是一個(gè)常數(shù)，而且Hurst指數(shù)H對于一個(gè)確定的期權(quán)來是也是常數(shù)，從而（4）式與Black-Scholes微分方程有類似之處，這樣啟發(fā)我們用類似的方法求解。因此，在得到次分?jǐn)?shù)布朗運(yùn)動(dòng)下備兌權(quán)證所滿足的偏微分方程之后，利用變量替換，將偏微分方程化成Cauchy問題，再利用Poisson公式便可以得到次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證定價(jià)公式。

定理2 到期日為T，執(zhí)行價(jià)格為K，無風(fēng)險(xiǎn)利率r且股票價(jià)格波動(dòng)率σ均為常數(shù)的備兌認(rèn)購權(quán)證、在t刻的定價(jià)公式為：

證明：請見附錄。

3 參數(shù)估計(jì)

本文采用次分?jǐn)?shù)布朗運(yùn)動(dòng)刻畫備兌權(quán)證標(biāo)的資產(chǎn)價(jià)格變化的行為模式，而如何有效估計(jì)隨機(jī)微分方程（2）的參數(shù)是將定價(jià)模型應(yīng)用于實(shí)踐的關(guān)鍵。下面，我們在離散大樣本條件下（觀察間隔固定且觀察次數(shù)足夠多），對模型（2）進(jìn)行參數(shù)估計(jì)研究。

采用Wick-It?積分，可得隨機(jī)微分方程（2）的解為：

從而對模型（9）進(jìn)行參數(shù)估計(jì)實(shí)際上等價(jià)于對下面帶漂移項(xiàng)的次分?jǐn)?shù)布朗運(yùn)動(dòng)進(jìn)行參數(shù)估計(jì)：

其中μ、σ和H為待估計(jì)的參數(shù)。

首先，假設(shè)觀察間隔為h，從而得到N個(gè)觀察量Y=（Yh，Y2h，…，YNh）t，這里t用來表示向量的轉(zhuǎn)置。若用向量t=（h，2h，…，Nh）t表示觀察點(diǎn)向量且t2H=（h2H，（2h）2H，…，（Nh）2H）t和WtH=（WhH，W2Hh，…，WNHh）t。顯然，當(dāng)1/2＜H＜1時(shí)，有E［Yt］∝t2H，即（Yh+Y2h+…+YNh）∝（Nh）2H。從而得到赫斯特指數(shù)的估計(jì)量可以表示為：

同時(shí)，由次分?jǐn)?shù)布朗運(yùn)動(dòng)的性質(zhì)知波動(dòng)率σ可以估計(jì)如下：

其次，注意到Y(jié)ih服從正態(tài)分布，由多維正態(tài)分布的聯(lián)合密度函數(shù)知Y的聯(lián)合密度函數(shù)可以表示為：

其中：

對（13）式取對數(shù)并對μ求偏導(dǎo)，即得參數(shù)μ的極大似然估計(jì)量為：

4 實(shí)證分析

為了評價(jià)定價(jià)模型的性能和解釋本文模型的合理性，下面以我國權(quán)證市場的四只備兌認(rèn)購權(quán)證為例進(jìn)行實(shí)證分析（數(shù)據(jù)來源于國泰安數(shù)據(jù)庫：http：//www.gtarsc.com）。在采用Black-Scholes模型計(jì)算備兌權(quán)證的價(jià)值時(shí)，采用Hull［22］介紹的標(biāo)準(zhǔn)差估計(jì)法求得各支股票的歷史波動(dòng)率。在采用分?jǐn)?shù)布朗下期權(quán)定價(jià)模型［12］計(jì)算備兌權(quán)證的價(jià)值時(shí)，采用R/S方法估計(jì)赫斯特指數(shù)，并進(jìn)一步采用二次變差方法估計(jì)波動(dòng)率。在采用本文提出的帶交易費(fèi)用的備兌權(quán)證模型進(jìn)行定價(jià)時(shí)，利用本文提出的（11）和（12）式對定價(jià)模型所需參數(shù)進(jìn)行有效估計(jì)，所得的權(quán)證基本信息和求得的參數(shù)估計(jì)值如表1所示。

為了比較不同定價(jià)模型的定價(jià)誤差程度，我們使用以下幾個(gè)誤差指標(biāo)對定價(jià)模型的誤差進(jìn)行分析。令Pi和Qi分別表示模型的計(jì)算值和實(shí)際值，M為樣本數(shù)，則有：

表1 四只備兌權(quán)證的定價(jià)參數(shù)值

表2 定價(jià)模型的誤差分析表

從而，利用權(quán)證市場的實(shí)際數(shù)據(jù)，采用不同定價(jià)模型計(jì)算不同剩余期限下備兌權(quán)證的價(jià)值，進(jìn)一步求得以上四個(gè)指標(biāo)值，所得結(jié)果如表2所示。從表中的各個(gè)誤差結(jié)果可以看出，不管是均方差、平均絕對值誤差，還是最小、最大絕對值誤差，本文模型的定價(jià)結(jié)果都要優(yōu)于Black-Scholes定價(jià)模型［1］和分?jǐn)?shù)布朗運(yùn)動(dòng)定價(jià)模型［12］。這是由于Black-Scholes定價(jià)模型沒有體現(xiàn)金融資產(chǎn)的長記憶性，而分?jǐn)?shù)布朗運(yùn)動(dòng)定價(jià)模型沒有體現(xiàn)交易費(fèi)用的影響。因此，本文模型具有較好的定價(jià)效果，也說明了本文模型的穩(wěn)健性。

4 結(jié)語

金融市場不僅存在長記憶性，而且投資者面臨不可忽視的交易成本，考慮帶交易成本的期權(quán)定價(jià)問題更加貼近實(shí)際市場模型。本文通過引入次分?jǐn)?shù)布朗運(yùn)動(dòng)，運(yùn)用證券組合原理得到了帶交易費(fèi)用的備兌權(quán)證定價(jià)模型。進(jìn)一步采用我國權(quán)證市場的實(shí)際數(shù)據(jù)進(jìn)行了實(shí)證檢驗(yàn)，比較了Black-Scholes定價(jià)模型、分?jǐn)?shù)布朗運(yùn)動(dòng)下定價(jià)模型以及本文定價(jià)模型的結(jié)果，實(shí)證結(jié)果說明了本文定價(jià)模型的準(zhǔn)確性與合理性。而且在定價(jià)公式（8）中令H=1/2時(shí)，則本文定價(jià)公式與Leland［3］的定價(jià)公式是一致的，這表明了本文定價(jià)公式的普遍性，同時(shí)也說明了布朗運(yùn)動(dòng)只是次分?jǐn)?shù)布朗運(yùn)動(dòng)的一個(gè)特例。

本文提出的次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證定價(jià)模型既可以應(yīng)用于研究標(biāo)的資產(chǎn)具有長記憶性的期權(quán)定價(jià)問題，也可以應(yīng)用于研究帶交易費(fèi)的期權(quán)定價(jià)問題。同時(shí)本文的研究思路和證明方法可以推廣到研究一般高斯過程（如混合分?jǐn)?shù)布朗運(yùn)動(dòng)、多尺度分?jǐn)?shù)布朗運(yùn)動(dòng)、雙分?jǐn)?shù)布朗運(yùn)動(dòng)）下期權(quán)定價(jià)問題。

采用次分?jǐn)?shù)布朗運(yùn)動(dòng)刻畫金融資產(chǎn)的價(jià)格變化過程在一定程度上比以前模型有所改進(jìn)，但是為簡化模型而進(jìn)行的眾多假設(shè)顯然與現(xiàn)實(shí)有出入，且模型中沒有考慮到金融資產(chǎn)突發(fā)性跳躍、人的行為以及個(gè)人的風(fēng)險(xiǎn)偏好等因素。所以模型有待進(jìn)一步改進(jìn)和修正，采用新的柔性理論框架來定價(jià)期權(quán)迫在眉睫，比如國外有些學(xué)者將行為人的風(fēng)險(xiǎn)偏好因素引入到期權(quán)定價(jià)理論，為期權(quán)定價(jià)提供了新的方法途徑，更適合解決實(shí)際資本市場中的金融問題。

附錄

定理2的證明：

由定理1知備兌認(rèn)購權(quán)證在t時(shí)刻的價(jià)值V（St，t）滿足以下偏微分方程：

進(jìn)一步，通過變量替換技術(shù)將求解（A2）式的問題就轉(zhuǎn)化為求下面的Cauchy問題：

顯然，方程（A3）的Cauchy問題的解可以用Poisson公式表示。從而有：（）∞2

對于I2，令y=，則-2τdy=dξ，從而有：

同理對于I1，令

而

將I2和I2的值帶入（A4）式即得（8）式成立。

［1］Black F，Scholes M.The pricing of options and corporate liabilities［J］.Journal of Political Economy，1973，81（3）：637-657.

［2］Merton R C.Theory of rational option pricing［J］.The Bell Journal of Economics and Management Science，1973，4（1）：141-183.

［3］Leland H E.Option pricing and replication with transaction costs［J］.Journal of Finance，1985，40（5）：1283-1301.

［4］Damgaard A.Computation of reservation prices of options with proportional transaction costs［J］.Journal of Economic Dynamics and Control，2006，30（3）：415-444.

［5］Tokarz K，Zastawniak T.American contingent claims under small proportional transaction costs［J］.Journal of Mathematical Economics，2006，43（1）：65-85.

［6］Peters E E.Fractal structure in the capital markets［J］. Financial analyst Journal，1989，7（32）：434-453.

［7］趙巍，何建敏.股票價(jià)格遵循分?jǐn)?shù)Ornstein-Uhlenback過程的期權(quán)定價(jià)模型［J］.中國管理科學(xué)，2007，15（3）：1-5.

［8］劉善存，宋殿宇，金華.分?jǐn)?shù)布朗運(yùn)動(dòng)下帶違約風(fēng)險(xiǎn)的可轉(zhuǎn)換債券定價(jià)［J］.中國管理科學(xué)，2011，19（6）：25-30.

［9］Necula C.Option pricing in a fractional brownian motion environment［R］.Working paper of the Academy of E-conomic Studies，Bucharest（Romania），2002.

［10］Xiao Weihin，Zhang Weiguo，Xu Weijun，et al.The valuation of equity warrants in a fractional Brownian environment［J］.Physica A，2012，391（4）：1742-1752.

［11］代軍.權(quán)證定價(jià)中B-S模型與CSR模型的比較［J］.中國管理科學(xué)，2009，17（5）：20-26.

［12］吳鑫育，周海林，馬超群，等.基于隨機(jī)貼現(xiàn)因子方法的權(quán)證定價(jià)研究［J］.中國管理科學(xué)，2012，20（4）：1-7.

［13］Lin S J.Stochastic analysis of fractional Brownian motions［J］.Stochastics and Stochastics Reports，1995，55（1-2）：121-140.

［14］Duncan T E，Hu Yaozhong，Pasik-Duncan B.Stochastic calculus for fractional Brownian motion I.Theory［J］.SIAM Journal on Control and Optimization，2000，38（2）：582-612.

［15］Rogers L C G.Arbitrage with fractional Brownian motion［J］.Mathematical Finance，1997，7（1）：95-105.

［16］Bj?rk T，Hult H.A note on Wick products and the fractional Black-Scholes model［J］.Finance and Stochastic，2005，9（2）：197-209.

［17］Tudor C.Some properties of the sub-fractional Brownian motion［J］.Stochastics，2007，79（5）：431-448.

［18］Tudor C.Inner product spaces of integrands associated to sub-fractional Brownian motion［J］.Statistics and Probability Letters，2008，78（14）：2201-2209.

［19］Tudor C.Sub-fractional Brownian motion as a model in finance［R］.Working Paper，Ann.Univ.Bucuresti，Mathematica，2008.

［20］Yan Litan，Shen Gangjun，He Kun.It^o's formula for the sub-fractional Brownian motion［J］.Communication on Stochastic Analysis，2011，5（1）：135-159.

［21］Nualart D，Taqqu M S.Wick-It?formula for regular processes and applications to the Black and Scholes formula［J］.Stochastics：An International Journal of Probability and Stochastic Processes，2008，80（5）：477-487.

［22］Hull J C.Options，futures，and other derivatives［M］.5th ed.New Jersey：Prentice Hall College Div，5th edition，2002.

Pricing Covered Warrants in a Sub-Fractional Brownian Motion with Transaction Costs

XIAO Wei-lin1，ZHANG Wei-guo2，XU Wei-jun2
（1.School of Management，Zhejiang University，Hangzhou 310058，China；2.School of Business Administration，South China University of Technology，Guangzhou 510640，China）

In order to reflect the long memory property of the financial asset，the sub-fractional Brownian motion is introduced to capture the underlying asset of covered warrants.The pricing model of covered warrants is proposed by using the theory of stochastic integration and the method of partial differential equations.Moreover，the problem of parameter estimation is also discussed in this paper.Finally，an empirical study based on China's warrant market is presented.The pricing results of different models illustrate that the long memory property and the transaction costs have a significant impact on pricing results.

sub-fractional Brownian motion；transaction costs；covered warrants；partial differential equation；quadratic variation

F830.59

：A

1003-207（2014）05-0001-07

2012-03-14；

2013-11-06

國家社會科學(xué)基金重大招標(biāo)項(xiàng)目（11&ZD156）；國家杰出青年科學(xué)基金資助項(xiàng)目（70825005）；國家自然基金資助項(xiàng)目（71101056，71171086）

肖煒麟（1981-），男（漢族），湖南衡南人，浙江大學(xué)管理學(xué)院，副教授，研究方向：資產(chǎn)定價(jià)與數(shù)量金融.