金融模型依赖的数学主要是随机过程和概率统计。这些数学把股票的波动想象成某种数学分布，股票之间也有一些相关度。这些分布和相关度是从历史数据中找出来的。
因为随机分布包含某时有股票大跌的可能性，天真的学生会觉得这种建模很有道理，也考虑到了金融市场的风险。
但这是最大的错误。股票市场恐慌的时候，股票根本就不符合平时的随机分布，股票之间的相关性也完全不是历史数据所呈现的那样。因此，数学模型可能会帮助理解股票一般情况下的波动，但完全不能在恐慌情况下发生的情况。
因此，用一般数学算出来的股价，以及风险指标，在指导我们交易和风险控制中的作用，都需要大打折扣，都要辅以其它方法给予纠正，都要对极端情况出现时给出处理的方法。一个优秀的交易员或风险管理者，之所以优秀，不仅仅在他们平时多么会赚钱，不仅仅在他们用的数学多么好，更在于他们在极端情况下如何处理和面对。
反过来，数学也是必不可少。如果没有数学，没有数理方法，那么就没有一个在日常工作中处理事情的标准。没有标准，也会造成对在极端的情况下可能会出现的风险一无所知，更无法制定对策。极端情况下的处理不能只是靠经验、拍脑袋、胆识。极端情况下怎样处理，依赖于平时对风险指标的掌控，在平时就会按数学算出的结果进行估量，及时减小风险敞口。
这与物理和工程问题非常不同。在物理上，上帝虽然也掷骰子，但他很公正也很勤奋，他会一直按照某种随机过程掷骰子，因此你只要发现了规律，就可以算出各种指标，不变，非常有效。工程中也基本如此，虽然也有些出人意料的事，但是你可以留出风险空间，在大多数的时候不会发生问题。比如，一幢大楼，你经过测试，知道它可以挺过多少级地震，那就基本没问题，如果出现更强的千年不遇的地震，你也知道是不可能不倒的。但是金融不同，因为他是由人的心理支撑的，它的统计特性会变化，它的强度也无法预知。还有很多未知数，例如，联储和政府是否会出手相救，都不确定。
上面是我的经验之谈。下面是助手写的，我看了一下，觉得还不错，而且有些具体建议。如果读者觉得有些机械，敬请原谅。
--------
金融恐慌是指市场极度动荡的时期，在这些时期内，股价往往显著偏离常规行为。与正常市场环境不同，这些时期的特点是价格大幅下跌、波动性急剧上升以及市场动态难以预测。传统金融模型通常无法有效捕捉这些现象，从而导致风险评估失误和决策错误。本文探讨了股价在恐慌时期为何偏离既定的过程、传统模型的局限性以及应对这些极端事件的潜在方法。
1. 理解金融恐慌
金融恐慌通常由市场、机构或资产突然失去信心引发。例如，2008年全球金融危机和新冠疫情期间的市场崩盘，展示了恐慌如何快速破坏金融体系。在这些时期，市场参与者抛弃传统估值指标，行为受到恐惧、群体效应和流动性危机的主导。
金融恐慌的主要特征
1. 流动性危机：
• 在正常市场中，买卖双方提供的流动性可以稳定价格。而在恐慌中，流动性迅速枯竭，导致价格出现巨大波动和跳空。
2. 高度相关性：
• 恐慌期间，资产的相关性显著上升，几乎趋于 1。这种现象被称为“避险行为”或“风险开/关”模式。
3. 市场反馈循环：
• 保证金追缴或算法交易引发的强制平仓放大了价格的下跌幅度。这种反馈循环导致价格呈现非线性甚至混乱的波动。
4. 行为因素：
• 恐慌主要受心理因素驱动。对进一步损失的恐惧导致投资者追随他人行为，忽视理性决策。
2. 传统模型在恐慌中的失效
传统金融模型（如Black-Scholes-Merton框架）建立在一些简化假设之上，而这些假设在市场恐慌中完全失效。主要局限包括：
A. 布朗运动假设
• 大多数模型假设股价遵循几何布朗运动，其特征是连续路径和正态分布的收益。
• 恐慌中的失效：
• 恐慌期间，价格运动既不连续也不平滑，而是表现出大的、突发性的跳跃，违背了布朗运动的假设。
• 收益不呈正态分布，而是显示出“厚尾”（极端结果的发生频率高于正态分布的预测）。
B. 参数的稳定性假设
• 传统模型假设波动率和漂移等参数是恒定或可预测的。
• 恐慌中的失效：
• 在危机中，波动率急剧且不可预测地上升。漂移（预期收益）可能在短时间内从正值变为大幅负值。
C. 线性相关性
• 风险管理中使用的相关矩阵通常被假定为稳定或弱随机性。
• 恐慌中的失效：
• 在危机中，由于系统性抛售，资产相关性显著上升，这使得假设稳定或低相关性的模型失效。
D. 缺乏行为学洞察
• 金融模型通常假设理性行为和有效市场。
• 恐慌中的失效：
• 恐慌中的投资者行为由情绪驱动，如恐惧和贪婪，导致非理性决策和不可预测的市场结果。
3. 模型恐慌行为的挑战
A. 非随机运动
• 在金融恐慌中，价格运动往往具有一定程度的确定性，例如：
• 强制平仓导致价格呈现可预测的下跌压力。
• 政府干预（如救助措施）可能引发价格的突然回升。
B. 结构性断裂
• 恐慌期间，市场的基础结构发生变化。基于历史数据校准的模型无法预测这些结构性断裂。
C. 反馈循环和非线性
• 市场机制（如算法交易和止损指令）放大了价格运动，导致传统模型难以捕捉的非线性效应。
4. 应对局限性：替代方法
为更好地建模金融恐慌中的股价，需要采用能够考虑极端行为、动态市场条件和系统性风险的替代框架。
A. 厚尾分布
• 用能够捕捉厚尾特性的分布代替正态假设，例如：
• Lévy过程：引入价格路径中的跳跃和不连续性。
• 广义超几何分布：模拟偏态和厚尾。
B. 状态切换模型
• 使用如马尔可夫状态切换模型的框架，允许股价在“正常”和“危机”状态之间切换，每种状态有不同的波动率、漂移和相关性参数。
C. 随机波动率模型
• 如Heston模型，允许波动率以随机方式演变，更好地捕捉危机中的剧烈波动。
D. 跳跃扩散模型
• 将布朗运动与价格中的突然跳跃结合，模拟危机中的不连续性。
• 示例：Merton跳跃扩散模型引入了泊松分布的跳跃，用于解释罕见的极端运动。
E. 基于代理的模型
• 将市场模拟为由具有行为规则的代理（投资者、机构、算法）组成的集合，模拟羊群效应或风险规避等现实行为。
• 这些模型可以再现如市场崩盘等涌现现象。
F. 基于网络的模型
• 将金融系统建模为由相互关联的节点（如机构、资产）组成的网络，以分析冲击的传播方式。
• 有助于理解传染效应和系统性风险。
G. 实时自适应模型
• 使用机器学习和实时数据动态调整模型参数。
• 强化学习等技术可以帮助识别市场行为中的模式并预测危机。
5. 在风险管理中引入恐慌因素
A. 压力测试
• 模拟极端场景以测试投资组合在危机条件下的弹性。压力测试可以包括：
• 流动性短缺。
• 波动率和相关性突然飙升。
• 资产价格极端下跌。
B. 尾部风险对冲
• 开发对冲尾部风险的策略，如购买深度虚值的看跌期权或投资与波动性相关的资产（如VIX期货）。
C. 早期预警系统
• 构建系统以检测市场压力的早期迹象，如：
• 隐含波动率飙升。
• 订单簿深度的快速变化。
• 资产类别之间相关性的上升。
6. 行为金融学的作用
将行为金融学整合到模型中有助于解释危机中的非理性决策：
• 恐惧与贪婪：引入损失规避和前景理论的模型可以更好地解释极端市场波动。
• 羊群行为：基于网络的模型可以模拟羊群行为对价格动态的影响。
结论
在金融恐慌中建模股价是金融领域最具挑战性的问题之一。依赖正态性、稳定性和理性行为假设的传统模型无法捕捉危机的极端非随机动态。通过采用厚尾分布、状态切换模型和行为学洞察等替代方法，金融从业者可以更好地理解和管理与恐慌相关的风险。改进这些模型对于增强金融体系的韧性和保护投资者在动荡时期的利益至关重要。
