19
0栏目：北大《金融经济学25讲》小白实战播客 本期主题：正态分布及对数正态分布（Normal Distribution and Lognormal Distribution），为连续时间金融、布莱克‑斯科尔斯BS模型前置准备知识；完整梳理历史渊源、中英术语、学术别称；2026‑08‑30为周日，A股休市，复盘8月24日‑8月28日完整交易周股债盘面数据；打通股票、ETF期权、可转债、利率债、国债期货跨市场案例；面向普通理财小白投资者；区分理想化模型假设与A股国内现实市场之间的鸿沟。
讲义前置逻辑说明：第18讲完整学习链条：正态分布与对数正态分布→从随机游走到布朗运动→随机微分、伊藤引理→BS公式偏微分推导→BS公式鞅方法推导→小结。 前面十几期我们一直在离散时间框架，用二叉树做资产定价。二叉树每一期只有上涨、下跌两种状态；当我们把时间间隔无限缩小，一步一步走向连续交易的现实金融市场，就必须用到概率论当中两个核心工具：正态分布、对数正态分布。 很多小白会疑惑，做投资为什么要学概率分布？简单一句话：分布就是告诉我们未来不同涨跌幅发生的概率，是所有风险测算、期权定价、波动率计算的底层地基。 正态分布描述对数收益率；对数正态分布描述股票未来价格。BS整个期权定价大厦，第一层基石，就建立在这一组分布假设之上。很多人直接背BS公式，但是完全不懂底层的分布假设，就会看不懂模型的缺陷，看不懂什么叫波动率微笑。本期就把这一组基础概念彻底讲透，并且结合本周真实股债行情，对比理论假设和真实市场数据之间的差距。
前置行情汇总（全文统一案例基准，全部取自公开收盘数据）
一、A股市场｜8月24‑8月28日周度复盘，8月30日周日休市
上证指数本周周收盘3952.18点，全周累计上涨1.20%，周内区间高点3961.42，低点3877.65；全周两市合计成交9.27万亿元，周内成交剧烈波动，周一市场回调，周四周五资金进场放量反弹，周五尾盘出现获利盘了结，板块分化显著。 风格维度：沪强深弱，红利高股息板块震荡上行，多只银行标的创阶段新高；深证成指周度收跌1.00%；创业板指全周下跌3.42%；科创50周度小幅收涨0.52%，周四单日冲高，周五回吐大部分涨幅，成长赛道内部撕裂明显。 沪深300ETF现货周收盘4.61元，场内沪深300ETF期权持续交易，本周隐含波动率先抬升后回落；可转债市场，红利转债估值保持稳定，科技成长转债跟随正股大幅震荡；地产链可转债博弈政策预期，估值出现抬升。
我们可以拿沪深300过去数年的日度涨跌幅，来对照正态分布假设：理想化正态分布认为，大涨大跌属于极小概率事件；但是A股现实，周内多次出现单日超过2%的指数波动，极端涨跌出现的频次，远高于正态分布模型预测，也就是金融领域常说的“厚尾，肥尾效应”。
二、银行间利率债、国债期货本周复盘
10年期国债活跃券260010，8月28日本周五收盘收益率1.6949%，全周收益率小幅上行1BP；DR007本周中枢维持1.38‑1.39%，银行间整体流动性维持宽裕；30年期国债收益率2.1480%；国债期货跟随股市走出典型股债跷跷板效应：股市放量反弹的时候，债市收益率上行，债券价格走弱。 中证全债指数周收盘267.081，周度小幅下跌0.011%，固收资产波动幅度远远小于权益市场，债券的收益率分布，和股票对数收益率分布形态存在明显差异，债市同样存在肥尾，但是尾部极端事件发生的频率显著低于股市。
债市重点观测样本：可赎回信用债、RMBS按揭支持证券，本周二级市场成交，利率的变化并不严格服从正态分布；央行公开市场操作、MLF、财政投放，会带来利率跳变，这种跳变，是正态分布模型很难刻画的。
行情理论小结
当我们用正态分布、对数正态分布去建模股市、债市的时候，本质是做理想化假设。本周盘面已经给我们直观展示：现实市场会出现模型想象之外的极端大涨大跌，也就是肥尾。学习本期，既要搞懂模型为什么要用正态、对数正态，也要记住，现实并不完全服从模型假设。
【‑】开篇导语
各位听众大家好，欢迎回到《北大金融经济学25讲》小白实战播客。今天是2026年8月30日，周日，A股、银行间市场全部休市，本期我们复盘刚刚过去8月24号到8月28号完整交易周的股债盘面。我们正式进入徐高老师《金融经济学25讲》第十八讲，连续时间金融的第一课，18.1小节，准备知识：正态分布与对数正态分布。
在正式开启本期之前，我们快速串联前面的全部知识脉络。 从最开始我们学习无套利定价，单期二叉树、多期二叉树，学会复制定价、风险中性定价；弄懂叠期望定律、鞅性质；研究最优停时、Snell包络，搞定美式期权定价、按揭贷款RMBS的估值；之后通过一个算例加两点评论，理解无套利定价属于相对定价，理解完备市场假设的边界。 前面所有的推演，全部建立在离散时间世界，时间是一段一段跳着走的，每一步只有上涨下跌两种结果。但是真实的证券市场，是连续交易的，分分秒秒价格都在变动。如果我们想要从离散二叉树，平滑过渡到大名鼎鼎布莱克‑斯科尔斯BS期权定价公式，就必须补齐概率论这块基础，也就是正态分布、对数正态分布。
很多普通投资者一听到概率分布，就本能觉得这是高深数学，跟自己炒股买债没有关系。这里我要给大家纠正一个认知：我们做风险测算，算最大可能亏损；看期权波动率；模拟股票未来价格；估算可转债未来转股价值；甚至银行做VaR风险价值测算，底层全部依赖这两个分布。不理解正态和对数正态，你就只能死记BS公式，永远看不懂模型的前提假设，也看不懂模型什么时候会失效。
本期播客我们分成六大模块： 第一部分，完整梳理全套名词体系，全部英文全称、学术别称，大白话定义； 第二部分，完整梳理理论的历史渊源，从高斯、巴舍利耶，再到布莱克斯科尔斯，讲清楚这两个分布是怎么一步一步进入金融领域； 第三部分，大白话拆解正态分布、对数正态分布核心特征，讲清楚二者数学转换关系，重点区分简单收益率和对数收益率，这是小白最容易踩坑的地方； 第四部分，讲清楚：为什么股票收益率假设正态，股票价格就要假设对数正态，结合讲义的逻辑完整拆解； 第五部分，结合8.24‑8.28本周A股、债市真实盘面案例，股市看沪深300ETF期权、可转债，债市看国债、可赎回信用债，对比理想化分布假设，和现实市场数据之间的差距，讲明白什么叫肥尾； 第六部分，面向普通投资者实战启示，纠正市面上高频认知误区，告诉我们普通人做投资，该怎么看待这套概率模型，不要盲目迷信模型输出的结果。
【‑】第一板块：核心名词体系｜中英文、别称、标准定义对比
1.1 正态分布
英文：Normal Distribution 别称：高斯分布（Gaussian Distribution）、钟形曲线（Bell‑shaped Curve）。 定义：连续概率分布，对称钟形，由两个参数决定：均值μ（数学期望），方差σ²，σ是标准差。取值范围负无穷到正无穷，两边完全对称。在金融当中，我们主要用它描述对数收益率，也就是连续复利收益率。
1.2 标准正态分布
英文：Standard Normal Distribution 别称：单位正态分布。 定义：均值μ等于0，方差σ²等于1的特殊正态分布，记N(0,1)，BS公式里面累积分布函数N(·)，就是标准正态分布的累积概率函数。
1.3 对数正态分布
英文：Lognormal Distribution / Log‑Normal Distribution 别称：对数高斯分布。 定义：如果随机变量X取自然对数lnX之后服从正态分布，那么X本身就服从对数正态分布。对数正态分布取值只能大于0，不可能小于等于0；图形是右偏，右侧拖着长长的尾巴，完美适配股票价格不能为零、不能为负数这个现实约束。
核心数学关系（讲义核心）： 若 ln(Sₜ) ~ 正态分布，那么 Sₜ ~ 对数正态分布。 股票的对数收益率服从正态分布 → 未来股票价格服从对数正态分布。这就是BS模型的核心假设链条。
1.4 简单收益率（算术收益率）
英文：Simple Return / Arithmetic Return 别称：单期收益率。 定义：(期末价格‑期初价格)/期初价格。举例：10元股票涨到11元，简单收益率就是10%。简单收益率可以‑100%（股票归零），理论上不会低于‑100%，但可以无限向上。简单收益率不服从正态分布。小白最容易混淆，很多人直接拿简单涨跌幅套正态分布，这是典型错误。
1.5 对数收益率（连续复利收益率）
英文：Log Return / Logarithmic Return / Continuously Compounded Return 别称：对数收益。 定义：ln(Sₜ₊₁ / Sₜ)，取价格比值的自然对数。当涨跌幅比较小的时候，对数收益率和简单收益率数值很接近；大涨大跌的时候二者差距拉开。对数收益率可以取负数，取值可以到负无穷到正无穷，满足正态分布取值范围要求，这就是为什么金融建模优先用对数收益率。
1.6 波动率
英文：Volatility 别称：收益标准差。 定义：对数收益率的标准差σ，BS模型五大输入变量之一，衡量资产价格波动剧烈程度。
1.7 几何布朗运动
英文：Geometric Brownian Motion，缩写GBM 别称：几何维纳过程。 定义：BS模型假设股票价格遵循的随机过程；几何布朗运动的直接推论就是，对数收益率正态，价格对数正态。第十八讲后面小节会重点展开，本期做前置铺垫。
1.8 肥尾（厚尾）
英文：Fat Tails / Heavy Tails 别称：尖峰厚尾。 定义：现实金融数据，极端大涨大跌发生的概率，远远高于正态分布模型预测。现实市场，收益率不是完美正态分布，尾部事件比理论更多，是所有投资者必须重视的现实特征。
1.9 累积分布函数
英文：CDF Cumulative Distribution Function 定义：随机变量小于等于某一个数值的总概率，BS公式里面N()就是标准正态分布CDF。
1.10 概率密度函数
英文：PDF Probability Density Function 定义：描述连续随机变量，在每一个数值附近发生的相对可能性。
1.11 波动率微笑
英文：Volatility Smile 别称：波动率歪斜、波动率偏斜。 定义：现实期权市场，不同行权价期权，算出来的隐含波动率并不相等，和BS模型假设“波动率恒定、对数正态价格”产生矛盾，恰恰反映现实偏离对数正态分布假设，是第十八讲学完之后要理解的现实现象。
知识链条总梳理（18.1小节主线逻辑）
离散多期二叉树 → 时间间隔不断缩小走向连续时间 ↓ 底层概率工具：正态分布描述对数收益率 ↓ 对数变换推导得到：资产价格服从对数正态分布 ↓ 股票价格几何布朗运动GBM假设 ↓ 后面搭建BS布莱克‑斯科尔斯期权定价公式 ↓ 现实市场观察：真实收益率是肥尾分布，不是完美正态，产生波动率微笑现象 ↓ 结合本周股债盘面，理解模型假设与现实之间的鸿沟
【‑】第二板块：理论历史渊源梳理
我们梳理这套理论完整学术发展脉络，很多听众会疑惑，为什么金融会选中正态分布、对数正态分布，这个不是凭空拍脑袋选出来的。
阶段一：正态分布诞生，统计学、天文学测量误差（1733‑1809） 最早由棣莫弗在二项分布的近似计算当中得到雏形；之后高斯系统研究测量误差，所以正态分布又叫高斯分布。最开始是用来处理天文观测的测量误差，观测值围绕真实值对称上下波动，形成钟形曲线。这个阶段完全和金融无关，纯粹数理统计学成果。
阶段二：第一次引入金融：巴舍利耶的博士论文（1900） 法国数学家路易·巴舍利耶Louis Bachelier，博士论文《投机理论》，第一次把随机过程、正态分布用到股票市场。但是巴舍利耶犯了一个关键问题：他直接假设股票的绝对价格变化服从正态分布。 这里就会出现致命漏洞：正态分布允许变量取负数，模型就会给出股票价格变成负数的可能性。现实股票价格不可能是负数。这篇论文非常超前，但是被学术界埋没几十年，几十年之后才被萨缪尔森重新发掘出来。
阶段三：萨缪尔森修正，对数收益率的引入（1950‑1960） 保罗·萨缪尔森重新审视巴舍利耶的工作，修正这个致命缺陷。萨缪尔森提出：不要假设价格的绝对变动服从正态，换成假设对数收益率服从正态分布。做对数变换之后，推导出来的股票未来价格，服从对数正态分布，价格永远大于零，解决股价为负的悖论。这一步，是现代连续时间金融非常关键的转折，为BS模型铺好了道路。
阶段四：布莱克‑斯科尔斯‑默顿，BS模型横空出世（1973） Black、Scholes、Merton，基于萨缪尔森这套假设：对数收益率正态，股票价格服从对数正态分布，股票遵循几何布朗运动，推导出著名的BS欧式期权定价闭式解析公式。一夜之间，衍生品市场拥有一套可以直接计算期权理论价格的工具，现代期权行业蓬勃发展，1997年，斯科尔斯、默顿拿到诺贝尔经济学奖（费雪布莱克已经离世）。 BS模型巨大成功，让正态‑对数正态这套假设，成为金融工程教科书的标准起点，也就是徐高讲义第十八讲开篇18.1小节，开篇就要铺垫这套概率论知识的原因。你不理解正态、对数正态，BS公式就是一堆看不懂的符号。
阶段五：实务界反思，现实市场肥尾现象被广泛认知（1987年之后） 1987年美股黑色星期一，单日暴跌22.6%，按照标准正态分布模型测算，这种下跌几乎是亿亿年都不会发生一次的极小概率事件，但是现实实实在在发生了。这给整个行业巨大冲击。大家开始意识到，虽然正态‑对数正态是很好的理想化模型工具，但是真实市场收益率是肥尾分布，极端事件发生概率远高于理论预测。 期权市场出现“波动率微笑”现象：不同行权价期权，隐含波动率不一样，直接和BS恒定波动率、对数正态价格假设相冲突。后续大量拓展模型，随机波动率模型、跳扩散模型，都是为了修正原始BS模型正态分布假设带来的缺陷。
阶段六：国内市场应用，A股、银行间债市（2000年之后至今） 国内场内ETF期权、可转债估值、国债期货风险测算、银行风控VaR模型，全部会使用正态分布作为基础工具；同时机构交易员心里非常清楚，A股市场肥尾效应比海外成熟市场更加明显，不能直接照搬理想化模型输出，必须做尾部风险修正。
徐高讲义教学处理逻辑： 第十八讲，先不讲复杂随机微积分，先把18.1准备知识放在最前面，把正态、对数正态，二者转换关系讲透。很多教材直接上来就扔布朗运动、伊藤引理，学生根本不知道为什么要用这套分布。徐高讲义先把概率直觉建立好，再进入连续时间随机过程，循序渐进。
讲义原文核心精神： 1、对数收益率假设正态分布，保证股票未来价格为正，服从对数正态分布； 2、这套是理想化假设，是我们建模的出发点，现实金融数据并不严格服从； 3、这套假设是BS期权定价模型的逻辑起点。
【‑】第三板块：正态分布、对数正态分布大白话拆解，区分简单收益率与对数收益率
我们用小白听得懂的语言，把两个分布掰开讲清楚，重点把90%初学者踩坑的简单收益率、对数收益率讲明白。
首先讲正态分布，高斯分布，钟形曲线。 想象一口倒扣下来的大钟，中间最高，向两边平滑下降，左右完全对称。参数一个是均值，代表钟的中心位置；一个是标准差σ，代表钟是胖还是瘦，标准差越大，钟越扁平，波动越大。 正态分布最重要特点：取值可以无限往左，无限往右，负数正数全部允许。 放到金融里面：我们把这个给对数收益率使用。对数收益率，也就是连续复利的收益，它可以是很大负数，也可以很大正数，取值范围刚好匹配正态分布。
举个简单例子：一只股票，昨天收盘10元，今天收盘10.5元。 简单收益率=（10.5‑10）÷10=5%。 对数收益率= ln(10.5 / 10)=ln(1.05)≈4.88%。 当涨跌幅很小，5%以内，两个数字几乎差不多，普通人感觉不到差别；如果涨跌幅巨大，差距会被放大。比如股票从10元跌到5元，简单收益率‑50%；对数收益率ln(0.5)≈‑69.3%。 这里重点提醒：简单收益率最低只能‑100%，也就是股价归零，不可能小于‑100%。所以简单收益率本身，根本不可能服从正态分布，正态分布允许负无穷，简单收益率做不到。 所以金融建模，做连续时间的时候，一定要切换到对数收益率。对数收益率可以无限向下，数学上就可以用正态分布去刻画它。
那什么是对数正态分布？ 规则一句话：如果A变量服从正态分布，那么e的A次方，就服从对数正态分布。 放到股票上：ln(未来股价)服从正态分布，未来股价就服从对数正态分布。 它的核心特点：第一，价格永远大于0，不会出现负股价，完美匹配现实股票市场；第二，图形不再左右对称，是右偏，大多数情况集中在偏低位置，右边拖长长的尾巴，代表股票有小概率可以涨很多倍，但是不可能跌到零以下。 这里大家一定要记牢这个因果链条： 不是股票价格直接服从正态；而是对数收益率正态，推导出未来股票价格是对数正态。这是BS模型最底层假设。
我们做一个思想小实验。 假设我们拿股票每天的对数收益率，假设全部服从正态分布。一天天不断复利叠加。每一天收益是乘在本金上面，不是加上固定数字。涨10%再跌10%，本金不会回到原值，会轻微亏损。这种乘法式的复合增长，最后的价格结果，就会形成对数正态分布。
这里讲义专门提醒小白的误区：很多人把对数正态分布的参数μ、σ当成是股票价格的均值和标准差。错！μ和σ，是对数之后那个正态变量的均值和标准差，不是价格本身的均值、标准差。很多初学者在这里计算直接搞错，模型输出结果完全失真。
简单总结二者分工： 1、正态分布：描述对数收益率（对数收益），可正可负，对称钟形； 2、对数正态分布：描述未来股票价格，永远大于0，右偏，有长的上涨尾巴。
有了这套工具，我们就可以从离散二叉树，走向连续时间。把二叉树的时间间隔缩到无限小，每一期微小涨跌幅就是对数收益率，服从正态分布，最后价格收敛到对数正态分布，这就是CRR二叉树收敛到BS模型的底层数学逻辑。
【‑】第四板块：结合8.24‑8.28本周股债盘面，真实市场案例解读分布假设，理论VS现实
股市案例一：沪深300ETF与场内期权，BS模型底层假设对照本周行情
本周沪深300ETF收盘4.61元，场内有大量不同行权价的认购、认沽期权在交易。 BS模型在计算每一张期权理论价格的时候，底层就假设：沪深300ETF的对数收益率服从正态分布，未来价格服从对数正态分布。 但是本周盘面我们看到，周四指数大幅拉升，周五又快速回落，这种幅度的震荡，如果严格按照理想化正态分布测算，属于低概率事件，但是在A股周度行情当中反复上演。 放到期权盘口上面就出现一个现象：同样一只标的，同一天，不同行权价期权，反推出来的隐含波动率不一样。深度虚值认沽期权，隐含波动率明显更高，也就是我们前面提到波动率微笑。 这代表市场交易者，在给期权定价的时候，已经主动偏离BS原始假设。交易者认为，股市发生暴跌的概率，比对数正态分布模型算出来的概率要大得多，所以会给深度虚值看跌期权更高的价格，更高的隐含波动率。 这就是讲义想要告诉我们：正态‑对数正态，是我们做模型的理想化起点，现实A股市场是肥尾，极端涨跌比理论更多，现实并不严格服从这套分布。
股市案例二：A股可转债案例
可转债=纯债+美式看涨期权。很多可转债估值工具底层调用BS模型，默认正股对数收益率正态，正股价格对数正态。 本周部分科技转债，正股短期暴涨暴跌。你会发现，模型输出的可转债理论价值，有时候和二级市场成交价出现明显偏离。一部分原因来自流动性，另一部分原因：真实正股涨跌幅是肥尾，不是完美正态，模型假设和现实之间天然存在偏差。我们看可转债估值，不能把模型数字当成绝对真理，只能作为重要参考。
债市案例一：国债、利率债，收益率的分布特征
股票我们假设对数收益率近似正态；债市不能直接照搬这套假设。 10年期国债收益率，本周在1.69%附近震荡。债券价格和收益率反向变动。利率本身，不会无限上涨、无限下跌，它有现实边界，不可能像股票价格一样无限向上。所以债券价格，并不适合直接套用对数正态分布。 银行机构做债的风险测算，会参考正态分布工具，但是大家都很清楚，货币政策、MLF调整、财政冲击，会带来利率跳跃式变动，属于尾部事件，正态分布很难捕捉这种跳变。本周月末资金扰动，DR007短期波动，就是典型现实例子。
债市案例二：RMBS按揭资产证券、可赎回信用债
RMBS估值，我们之前讲过，用利率二叉树，走向连续时间版本的时候，也会用到概率分布假设。居民提前还款行为，受到政策、楼市、居民收入多重因素扰动，它的扰动并不服从简单正态分布，现实会出现很多模型预估不到的提前还款行为，造成估值偏差。
股债跨市场统一理解
正态分布、对数正态分布，是强大的建模工具，给BS期权、衍生品估值搭建完整框架。但是它是理想化抽象。 股票市场：对数收益率只是近似接近正态，真实市场尖峰、肥尾，极端大涨大跌发生概率显著高于模型。 债券市场：利率、债券价格，本身约束条件更多，更不能直接硬套对数正态。
【‑】第五板块：实战启示，高频认知误区纠正
实战启示
启示一：分清简单收益率、对数收益率。做期权、波动率、连续时间建模，要用对数收益率，不要直接拿简单涨跌幅代入正态分布，这是小白最容易犯的基础错误。短期小幅波动，二者差异不大；遇到暴涨暴跌，两套数值差距巨大。 启示二：正态分布、对数正态分布，是理想化模型假设，不是市场客观真理。它是分析工具，不是现实本身。A股市场肥尾效应显著，极端风险出现的概率，比模型预测高很多，做投资一定要预留尾部风险的安全边际。 启示三：BS期权定价整套体系，地基就是“对数收益率正态、价格对数正态”。看懂第十八讲18.1小节，你才能理解后面BS公式，也才能够理解，为什么会存在波动率微笑，为什么现实期权市场和原始BS模型会出现分歧。 启示四：不要迷信软件直接输出的波动率、理论期权价格。输出结果全部建立在正态分布这个理想化前提之上，前提假设如果和现实有差距，输出结果自然带有偏差。 启示五：债市和股市不一样，不要把股票那套对数正态假设直接照搬到利率、债券价格上面，利率有现实上下边界，不能无限涨跌。
高频认知误区纠正
误区1：股票每天涨跌幅（简单收益率）服从正态分布。 纠正：简单收益率不服从正态；是对数收益率理想化假设服从正态，而且现实当中连对数收益率也只是近似，真实市场肥尾。 误区2：股票未来价格服从正态分布。 纠正：理想化模型假设股票价格服从对数正态分布，对数正态永远大于零，不是普通正态分布。 误区3：模型用正态分布，就代表现实市场就是正态分布。 纠正：模型假设≠现实，正态是简化假设，方便数学求解；现实金融数据存在肥尾，极端事件更多。1987黑色星期一就是经典例证，理论几乎不可能发生的暴跌，现实发生。 误区4：μ、σ是股票价格的均值和标准差。 纠正：μ、σ是取对数之后变量的均值标准差，不是股票价格本身的统计量，很多初学者在这里计算出错。 误区5：学正态、对数正态只是学数学，和普通买股票基金的人无关。 纠正：所有期权、可转债估值工具，机构风险测算VaR，底层全部依赖这套假设；理解假设，你才知道工具的局限性，不会盲目迷信软件算出来的数字。
【‑】结尾总结
今天我们精读徐高《金融经济学25讲》第十八讲18.1小节，准备知识：正态分布及对数正态分布 Normal Distribution and Lognormal Distribution。 我们完整梳理历史脉络，从高斯统计学起源，巴舍利耶早期股票研究，萨缪尔森修正，到BS模型把这套假设发扬光大，再到实务界发现肥尾、波动率微笑，反思模型局限。 核心概念：正态分布用来描述理想化的对数收益率，对称钟形，正负都允许；经过对数变换之后，股票未来价格服从对数正态分布，价格永远大于零，右偏，有长长的向上尾巴。一定要区分简单收益率和对数收益率，这是小白高频踩坑点。 结合8月24‑8月28日本周A股、银行间债市盘面，我们看沪深300ETF期权、可转债、国债RMBS案例：正态‑对数正态是非常好用的理想化建模工具，但是A股现实市场具备肥尾特征，极端涨跌发生概率高于模型预测，债市也不能直接照搬这套假设。 这一小节，是通向布莱克‑斯科尔斯BS期权定价公式的敲门砖。搞懂概率分布假设，我们才看得懂后面的布朗运动、伊藤引理，也才能看懂BS模型的能力边界，理解波动率微笑从何而来。模型是我们分析市场的工具，但不要把理想化假设当成客观现实。 下一期播客，我们继续第十八讲，学习从随机游走到布朗运动，正式踏入连续时间金融世界。本期播客到此结束，我们下期再会。 （背景音乐平缓上扬，10秒后渐弱收尾）
本回答由AI生成，仅供参考，请仔细甄别，谨慎投资。
