# 股票价格的对数正态假设：数学、用途与局限

理解经典期权模型为何使用对数正态股价、简单收益与对数收益的区别、均值与中位数为何不同，以及厚尾、跳空和时变波动率如何限制该假设。

规范链接: https://wiki.fcontext.com/zh-cn/options/lognormal-stock-returns/
事实核验日期: 2026-07-22

> 仅供教育参考，不构成投资建议

<a id="answer"></a>

## 直接答案

经典期权模型常假设未来股票**价格**服从对数正态分布，也就是连续复利的**对数收益**服从正态分布。不是价格服从正态，也不是“收益服从对数正态”。几何布朗运动下：

`S_T=S_0 exp[(μ-σ²/2)T+σ√T Z]`，其中 `Z∼N(0,1)`。

指数变换让模型价格保持正数，并使多期对数收益可以相加，也能导出便于计算的期权公式。但现实收益存在偏度、厚尾、波动聚集、跳空、停牌和分布变化。对数正态是透明基准，不是市场定律。

<a id="mechanism"></a>

## 分布与定价机制

简单收益为 `R=S_T/S_0-1`；对数收益为 `g=ln(S_T/S_0)=ln(1+R)`。对数收益跨期相加，简单收益则乘法复合。价格从 `$100` 涨至 `$110` 再跌至 `$99`，得到 `ln(1.10)+ln(0.90)=ln(0.99)=-1.005%`。直接把简单收益 `+10%` 与 `-10%` 相加会错误地得到零。

若 `ln S_T∼N(m,v)`，价格中位数为 `e^m`，均值为 `e^(m+v/2)`，众数为 `e^(m-v)`。右偏价格分布以零为下限，向上没有有限边界。它在有限时间无法真正到达零，因此违约等吸收状态必须另行建模。

Black-Scholes 的风险中性定价使用 `(r-q-σ²/2)T` 作为预期对数收益，而不是股票的现实预期回报。该分布用于无套利条件下给或有支付定价，并非现实频率预测。常数 `σ` 还意味着同一到期日所有执行价使用同一隐含波动率，这与实际波动率偏斜或微笑不符。

<a id="example"></a>

## 一年期分布示例

设 `S_0=$100`，一年对数收益服从均值 `5%`、标准差 `20%` 的正态分布。未来价格中位数为 `$100e^0.05=$105.13`，均值为 `$100e^(0.05+0.20²/2)=$107.25`，众数为 `$100e^(0.05-0.20²)=$101.01`。“期望价格”并不等于分布中央或最可能区域。

取 `Z=-1` 和 `Z=+1` 近似第 16 与第 84 百分位，得到 `$100e^(0.05-0.20)=$86.07` 与 `$100e^(0.05+0.20)=$128.40`。即使对数收益区间对称，美元价格区间也不对称。

另一个复合例子可说明收益口径。股价从 `$100` 下跌 `50%` 至 `$50`，再上涨 `50%` 只到 `$75`，累计简单收益为 `-25%`。对数收益严格相加为 `ln(0.5)+ln(1.5)=ln(0.75)=-28.77%`。从 `$50` 回到 `$100` 需要上涨 `100%`。

<a id="risks"></a>

## 检验与模型风险清单

- 使用总回报或正确复权价格；拆股和普通分配会在未复权序列中制造假跳跃。
- 计算前对齐时间戳、币种、收盘时点、缺失值和非交易日。
- 明确报告简单收益还是对数收益；只有变动较小时两者才接近。
- 将样本偏度、超额峰度、1%/5%/95%/99% 分位数、直方图和 Q-Q 图与正态基准比较。
- 分别检查平静期与危机期；混合不同波动状态本身就会产生厚尾总体分布。
- 检查收益及平方收益的序列相关；波动聚集违反恒定独立增量假设。
- 财报、预定事件、长记忆或状态变化附近不能机械使用 `√T` 缩放。
- 区分预测使用的现实参数与定价使用的风险中性参数。
- 跨执行价估值应使用当前隐含波动率曲面，不把单一平值波动率强加给全部合约。
- 在平滑扩散之外压力测试跳空、违约、停牌、流动性消失和波动率重定价。
- 在样本外验证参数与对冲误差；拟合历史极端值不证明未来稳定。
- 路径依赖期权需模拟中间路径和离散误差，而不只采样对数正态终值。

<a id="misconceptions"></a>

## 常见误区

- “股票收益服从对数正态。”经典说法是价格对数正态、对数收益正态。
- “模型价格为正就证明真实。”正值约束不能处理违约、跳空、厚尾或波动状态。
- “均值价格就是最可能价格。”对数正态的均值、中位数和众数不同。
- “对称的对数收益区间对应对称美元区间。”指数变换会产生不对称价格区间。
- “风险中性概率就是真实概率。”它包含定价调整和风险溢价，服务于不同目的。
- “年化波动率永远等于日波动率乘 `√252`。”缩放需要稳定、独立的增量。
- “一项历史波动率可给所有期权定价。”市场通常隐含执行价和期限不同的波动率。
- “罕见行情应该当异常值删除。”核实数据后，极端值可能正是反驳尾部假设的关键证据。
- “只模拟对数正态终值能给全部衍生品定价。”障碍、亚式和美式期权还依赖路径或行权决策。

<a id="related"></a>

## 相关主题

- [几何布朗运动](/zh-cn/options/geometric-brownian-motion/)
- [Black-Scholes 模型](/zh-cn/options/black-scholes-model/)
- [历史波动率](/zh-cn/options/historical-volatility/)
- [跳跃扩散期权模型](/zh-cn/options/jump-diffusion-option-model/)

<a id="sources"></a>

## 学术资料

- [Black 与 Scholes：期权与公司负债定价](https://doi.org/10.1086/260062)
- [Merton：理性期权定价理论](https://doi.org/10.2307/3003143)
- [Mandelbrot：投机价格的变动](https://doi.org/10.1086/294632)
- [Fama：股票市场价格的行为](https://doi.org/10.1086/294743)