金融衍生工具實驗指導(dǎo)書

1、金融衍生工具 實驗指導(dǎo)書電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院 教師姓名 夏暉2015年12月 第一部分 實驗教學(xué)概述本課程實驗總體介紹1、實驗教學(xué)要求：本實驗是金融衍生工具課程的實驗課程，其目的是要求學(xué)生通過完成本實驗，達(dá)到熟悉金融市場、理解和熟練掌握金融衍生工具中的期權(quán)定價原理和各種數(shù)值定價方法，培養(yǎng)學(xué)生編程獨立解決問題的能力，為今后從事金融數(shù)量分析工作奠定基礎(chǔ)。2、實驗內(nèi)容簡介：本實驗課程由3個實驗項目組成：(1) 期權(quán)定價的蒙特卡羅模擬和有限差分方法為設(shè)計性實驗(2) 風(fēng)險價值VaR的計算為設(shè)計性實驗(3) 資產(chǎn)組合保險策略模擬及分析為綜合性實驗3、本課程適用專業(yè)：本課程適用于金融學(xué)、金融工程專業(yè)

2、。4、考核方式： 編寫的程序和實驗結(jié)果以作業(yè)的方式提交給任課老師，實驗完成情況計入金融衍生工具課程習(xí)題作業(yè)的考核。5、總學(xué)時： 本實驗共計8學(xué)時。6、教材名稱及教材性質(zhì)（統(tǒng)編）：本實驗以“John C. Hull. Options, Futures and Other Derivatives. 4th Edition, Prentice-Hall, 2000; 清華大學(xué)出版社, 影印版, 2002.”為輔導(dǎo)教材。7、參考資料：1. Keith Cuthbertson, Dirk Nitzsche. Financial Engineering Derivatives and Risk Manag

3、ement. John Wiley & Sons, Ltd, 2001. 中譯本：張?zhí)諅? 彭永江譯. 金融衍生工具衍生品與風(fēng)險管理. 中國人民大學(xué)出版社, 2004.第二部分 實驗項目指導(dǎo)實驗項目1一、基本情況1、 實驗項目名稱：期權(quán)定價的蒙特卡羅和有限差分方法2、 實驗項目的目的和要求：目的：使學(xué)生熟悉蒙特卡羅和有限差分方法的應(yīng)用。要求：（1）利用Matlab軟件編寫蒙特卡羅仿真程序求解期權(quán)價格；（2）利用Matlab軟件編寫有限差分程序求解期權(quán)價格。3、實驗內(nèi)容：根據(jù)實驗作業(yè)的要求，完成下面的實驗內(nèi)容：（1）采用蒙特卡羅模擬方法編程計算歐式回望期權(quán)的價格；（2）采用有限差分方法編

4、程計算歐式奇異期權(quán)的價格；（3）采用對偶變量技術(shù)和控制變量技術(shù)提高蒙特卡羅計算的精度，分析有限差分定價結(jié)果可能不收斂的原因，并嘗試畫出初始時刻（t = 0）Delta隨股票價格變動的圖形。4、項目需用儀器設(shè)備名稱：計算機和Matlab或Excel。5、所需主要元器件及耗材：無。6、學(xué)時數(shù)：3二、本實驗項目知識點蒙特卡羅模擬方法：根據(jù)幾何布朗運動公式： 或 對無股息股票，可令，r為無風(fēng)險利率，根據(jù)以下步驟進(jìn)行模擬計算。1. Simulate 1 path for the stock price in a risk neutral world2. Calculate the payoff from

5、 the stock option3. Repeat steps 1 and 2 many times to get many sample payoff4. Calculate mean payoff5. Discount mean payoff at risk free rate to get an estimate of the value of the option有限差分方法：根據(jù)BS偏微分方程：內(nèi)含有限差分法令，上式為：i +1, ji , ji , j 1i , j +1外推有限差分方法：令，有i , ji +1, j i +1, j 1i +1, j +1三、實驗操作步驟（1）

6、蒙特卡羅模擬：考慮標(biāo)的物資產(chǎn)為某股票的歐式亞式期權(quán)，股票當(dāng)前的價格為50，波動率為40%，無風(fēng)險利率為5%，期權(quán)到期期限為1年，期權(quán)發(fā)行到現(xiàn)在已經(jīng)3個月了，剩余期限還有9個月，且期權(quán)發(fā)行到現(xiàn)在為止股票的平均價格為55。求該期權(quán)的價格。股票平均價格由每天收盤價的平均值來計算。用蒙特卡羅方法生成股價樣本路徑。程序如下：function s=my_monto_carlo_path(s0,sigma,T,r,N_T,N_path)deltaT=T/N_T;s=zeros(N_path,N_T+1);s(:,1)=s0;eta=randn(N_path,N_T);for i=2:N_T+1s(:,i)=

7、s(:,i-1).*exp(r-0.5*sigma2)*deltaT+sigma*sqrt(deltaT)*eta(:,i-1);end：主程序如下s=my_monto_carlo_path(50,0.4,3/4,0.05,round(250*3/4),200);h=figure;set(h,'color','w')plot(s')計算結(jié)果如下：求解以上亞式期權(quán)的價格：function price=my_asian_option_mc(ASt,r,sigma,t,T,K,St,N_T,N_path)s=my_monto_carlo_path(St,sig

8、ma,T-t,r,N_T,N_path);AST=t/T*ASt+(T-t)/T*mean(s,2);f_T=max(AST-K,0);price=mean(f_T)*exp(-r*(T-t);end在MATLAB命令窗口輸入：price=my_asian_option_mc(55,0.05,0.4,0.25,1,50,50,round(250*3/4),1e5)得到期權(quán)的價格為：price = 3.8897歐式回望看漲期權(quán)在到期日的現(xiàn)金流為max(ST-Smin,0)，而歐式回望看跌期權(quán)在到期日的現(xiàn)金流為max(Smax-ST,0)。實驗作業(yè)：考慮標(biāo)的物資產(chǎn)為某股票的歐式回望期權(quán)，股票當(dāng)前的

9、價格為50，波動率為40%，無風(fēng)險利率為5%，期權(quán)到期期限為1年，期權(quán)發(fā)行到現(xiàn)在已經(jīng)3個月了，剩余期限還有9個月，且期權(quán)發(fā)行到現(xiàn)在為止股票的最低價格為45，最高價格為55。分別求歐式回望看漲和看跌期權(quán)的價格。嘗試使用對偶變量技術(shù)和控制變量技術(shù)來減小期權(quán)價格的標(biāo)準(zhǔn)誤差。（2）采用顯式（外推）有限差分方法求美式看跌期權(quán)的價值，相關(guān)參數(shù)如下：股票現(xiàn)價為50，執(zhí)行價格為50，無風(fēng)險利率為10，期限為5個月，股票收益的波動率為40。Matlab程序如下：clear allds=5;dt=1/24;sigma=0.4;r=0.1;x=50; for j=1:21f(11,j)=max(x-ds*(j-1)

10、,0); end for i=1:11 f(i,21)=0; endfor i=1:11 f(i,1)=x;end for i=10:-1:1 for j=20:-1:2 a=1/(1+dt*r)*(0.5*sigma2*dt*(j-1)2-0.5*r*(j-1)*dt); b=1/(1+dt*r)*(1-sigma2*dt*(j-1)2); c=1/(1+dt*r)*(0.5*r*(j-1)*dt+0.5*sigma2*dt*(j-1)2); f(i,j)=a*f(i+1,j-1)+b*f(i+1,j)+c*f(i+1,j+1); f(i,j)=max(f(i,j),x-(j-1)*ds);

11、 end end rotf=f's=(0:ds:100)'value=interp1(s,rotf(:,1),50)delta=diff(rotf(:,1)/ds;h=figure;set(h,'color','w')plot(s(2:end),delta)計算結(jié)果如下：實驗作業(yè)：考慮標(biāo)的物資產(chǎn)為某購票的歐式期權(quán)，股票當(dāng)前的價格為50，波動率為40%，無風(fēng)險利率為5%，期權(quán)到期期限為1年，到期日期權(quán)的現(xiàn)金流入下：求該歐式期權(quán)的理論價格。通過增加時間的階段數(shù)N和股價的階段數(shù)M來提高計算精度，并分析計算結(jié)果可能不收斂的原因。嘗試畫出初始時刻（t =

12、0）該期權(quán)價格的Delta隨股票價格變動的圖形。四、對實驗所需軟件的熟悉和了解重點：蒙特卡羅仿真和有限差分方法難點：Mablab編程教學(xué)方法：教師先對實驗所需的基礎(chǔ)知識（編程技術(shù)、隨機數(shù)的產(chǎn)生）進(jìn)行講解和演示，由學(xué)生完成實驗。五、實驗報告填寫要求掌握蒙特卡羅模擬的方法和步驟，以及有限差分方法的基本原理，明確實驗?zāi)康?，掌握實驗?nèi)容和具體的實驗步驟，用Mablab編程實現(xiàn)期權(quán)定價，并根據(jù)實驗大綱的要求和標(biāo)準(zhǔn)實驗報告書的內(nèi)容及格式，按期提交實驗報告。實驗項目2一、 基本情況1、 實驗項目名稱：風(fēng)險價值VaR的計算2、 實驗項目的目的和要求：目的：使學(xué)生掌握VaR的計算方法要求：（1）理解VaR基本概

13、念（2）掌握歷史模擬法（3）掌握模型構(gòu)建法3、實驗內(nèi)容：根據(jù)教師提供的資產(chǎn)組合VaR計算過程，計算資產(chǎn)組合的10天展望期置信水平99%的VaR，要求：（1）通過歷史模擬法計算組合VaR；（2）通過模型構(gòu)建法計算組合VaR；（3）分析兩種方法計算結(jié)果差異的原因。4、項目需用儀器設(shè)備名稱：計算機、Matlab和Excel。5、所需主要元器件及耗材：無。6、學(xué)時數(shù)：3二、本實驗項目知識點VaR指在正常市場條件下和一定的置信水平上，測算出給定時間內(nèi)資產(chǎn)組合價值預(yù)期發(fā)生的最壞情況的損失。假設(shè)W0為初始投資組合的價值，10天后投資組合的價值為：，并且；為10天后投資組合在為置信水平為c的情況下的最小價值。

14、為在置信水平上最小回報率，有。VaR可表示為：。其中，置信水平，為資產(chǎn)組合價值分布的密度函數(shù)。由于未來數(shù)據(jù)尚未發(fā)生，歷史模擬方法計算VaR的核心思想是歷史將會重演，即利用過去的數(shù)據(jù)模擬市場變量的未來變化。然后根據(jù)市場變量的未來價格水平對頭寸進(jìn)行重新估計，計算出頭寸的價值變化（損益）。最后，將組合的損益從最小到最大排序，得到資產(chǎn)組合未來價值的損益分布，通過給定置信度下的分位數(shù)求出VaR。采用模型構(gòu)建方法計算VaR的基本思想是利用證券組合的價值函數(shù)與市場變量間的近似關(guān)系，推斷市場變量的統(tǒng)計分布（方差-協(xié)方差矩陣），進(jìn)而簡化VaR的計算。該方法的數(shù)據(jù)易于收集，計算方法簡單，計算速度快，也比較容易為監(jiān)

15、管機構(gòu)接受。模型構(gòu)建方法的缺點是對未來資產(chǎn)組合價值的分布假設(shè)過強。三、實驗操作步驟資產(chǎn)組合是總價值1000萬的三只基金，包括400萬博時主題行業(yè)（160505）、300萬嘉實滬深300（160706）以及300萬南方績優(yōu)成長（202003）。歷史數(shù)據(jù)是2007-2008年的基金日收盤價，數(shù)據(jù)文件名為funddata.xls。計算該資產(chǎn)組合在10天展望期，置信水平99%條件下的VaR。（1） 數(shù)據(jù)準(zhǔn)備%讀取數(shù)據(jù)data,textdata,raw=xlsread('funddata.xls');funddata=data;%將數(shù)據(jù)保存在funddata.mat文件中save fun

16、ddata funddata%載入數(shù)據(jù)load funddata%funddata的數(shù)據(jù)序列%'Hs300','博時主題','嘉實300','南方績優(yōu)'（2） 歷史模擬法bszt=funddata (:,2);js300=funddata (:,3);nfjy=funddata (:,4);daynum=length(funddata);%計算模擬情境下資產(chǎn)組合明天可能的損失for i=1:daynum-1num(i)=i;loss(i)=400.*bszt(i+1)./bszt(i)+300.*js300(i+1)./js300

17、(i)+ 300.*nfjy(i+1)./nfjy(i)-1000;endascend=sort(loss);onevar=-interp1(num,ascend,(daynum-1).*0.01)tenvar=sqrt(10).*onevar計算結(jié)果如下：onevar = 56.2933tenvar = 178.0151（3） 模型構(gòu)建法%將資產(chǎn)價格轉(zhuǎn)換為資產(chǎn)收益率Rate=price2ret(funddata);bszt=Rate(:,2);js300=Rate(:,3);nfjy=Rate(:,4);%每年交易日數(shù)量，%若一共488個數(shù)據(jù)，假設(shè)前244個為2007年數(shù)據(jù)，后244為200

18、8年數(shù)據(jù)daynum=fix(length(Rate)/2);%計算2008Var值funddata2008=bszt(daynum+1:2*daynum) js300(daynum+1:2*daynum) nfjy(daynum+1:2*daynum);%計算日均收益期望、日收益率的標(biāo)準(zhǔn)差BsPortReturn=mean(funddata2008(:,1);BsPortRisk=std(funddata2008(:,1);JsPortReturn=mean(funddata2008(:,2);JsPortRisk=std(funddata2008(:,2);NfPortReturn=mea

19、n(funddata2008(:,3);NfPortRisk=std(funddata2008(:,3);%計算資產(chǎn)組合的日均收益期望、日收益率的標(biāo)準(zhǔn)差ExpReturn=BsPortReturn JsPortReturn NfPortReturn;ExpCovariance=cov(funddata2008);PortWts=0.4 0.3 0.3;PortRisk, PortReturn=portstats(ExpReturn, ExpCovariance, PortWts);%置信水平99%RiskThreshold=0.01;BsValueAtRisk2008 = portvrisk(

20、BsPortReturn, BsPortRisk, RiskThreshold,400)JsValueAtRisk2008 = portvrisk(JsPortReturn, JsPortRisk, RiskThreshold,300)NfValueAtRisk2008 = portvrisk(NfPortReturn, NfPortRisk, RiskThreshold,300)PortVar= portvrisk(PortReturn, PortRisk, RiskThreshold,1000)Tenvar=sqrt(10).*PortVar計算結(jié)果如下：BsValueAtRisk2008

21、 = 21.6607JsValueAtRisk2008 = 21.8380NfValueAtRisk2008 = 15.5779PortVar = 58.2315Tenvar = 184.1441結(jié)果說明：“BsValueAtRisk2008=21.6607”表示2008年博時主題在置信度閾值為1%的VaR值，即每個交易日在99%置信水平下的單日最大損失為21.6607。另外，單獨計算的三只基金的1天展望期置信水平99%的VaR加總為59.0766，大于三只基金組成的資產(chǎn)組合的1天置信水平99%的VaR（58.2315），說明資產(chǎn)組合會造成部分風(fēng)險被分散化解。最后，用模型構(gòu)建法計算的VaR比歷

22、史模擬法計算的VaR偏大，是由于模型構(gòu)建法只用了2008年數(shù)據(jù)，而2008年各只基金比2007年表現(xiàn)明顯差，因此，計算的VaR較大。實驗作業(yè)：自行構(gòu)造包括至少三種資產(chǎn)的投資組合，并收集最近2年相關(guān)歷史數(shù)據(jù)，采用歷史模擬法和模型構(gòu)建法分別計算資產(chǎn)組合的10天展望期置信水平99%的VaR，要體現(xiàn)通過資產(chǎn)組合投資可以分散化解部分風(fēng)險，并分析兩種方法計算結(jié)果差異的原因。四、對實驗所需軟件的熟悉和了解重點：理解VaR的基本原理、計算方法；難點：Matlab編程；教學(xué)方法：在基于課堂教學(xué)的基礎(chǔ)上，教師演示。五、實驗報告填寫要求掌握VaR概念和歷史模擬方法和模型構(gòu)建方法計算VaR，明確實驗?zāi)康?，掌握實驗?nèi)容

23、和具體的實驗步驟，用Matlab編程完成本實驗的具體內(nèi)容，根據(jù)實驗大綱的要求和標(biāo)準(zhǔn)實驗報告書的內(nèi)容及格式，按時提交實驗報告。實驗項目3 一、基本情況1、 實驗項目名稱：資產(chǎn)組合保險策略模擬及分析2、 實驗項目的目的和要求：目的：使學(xué)生掌握固定比例投資組合保險策略CPPI設(shè)計方法及分析過程要求：（1）使學(xué)生熟悉資產(chǎn)組合保險策略的基本原理；（2）熟練掌握資產(chǎn)組合保險策略的設(shè)計及分析過程。3、實驗內(nèi)容：（1）編寫正態(tài)分布的隨機數(shù)發(fā)生程序；（2）估計波動率；（3）資產(chǎn)組合價值動態(tài)模擬。4、項目需用儀器設(shè)備名稱：計算機和Matlab和Excel。5、所需主要元器件及耗材：無。6、學(xué)時數(shù)：2課時二、 本實

24、驗項目知識點組合保險策略按構(gòu)成主要分為基于期權(quán)的投資組合保險策略（Option-Based Portfolio Insurance, OBPI）和固定比例投資組合保險策略（Constant Proportion Portfolio Insurance, CPPI），這是兩種廣泛應(yīng)用的投資組合保險策略?；谄跈?quán)的投資組合保險產(chǎn)品使用債券和期權(quán)組合構(gòu)建產(chǎn)品，這樣構(gòu)建方法與股票掛鉤產(chǎn)品中的保本票據(jù)的構(gòu)建方法一致。在利率較低或者期權(quán)價格較高的情況下，基于期權(quán)的投資組合保險策略較難實現(xiàn)。OBPI策略原理：假定市場無磨擦（即無交易成本和稅收）、資產(chǎn)無限可分、無賣空限制、可以相同的無風(fēng)險連續(xù)復(fù)利rf借貸。在

25、一個無套利的分析框架，歐式看跌期權(quán)（Put Option）的Black-Scholes定價模型為： （1）其中，式中，St是當(dāng)前t時刻股票價格，X是期權(quán)的執(zhí)行價格；rf是連續(xù)復(fù)利下的的無風(fēng)險利率，T期權(quán)的到期時間，是股票價格的波動率。N (·)是累積正態(tài)分布函數(shù)。式（1）等式兩邊同時加St可得： （2）式（2）的意義是，期初擁有數(shù)量為資金的投資者，把資金投入風(fēng)險資產(chǎn)（股票或指數(shù)基金），把投入無風(fēng)險資產(chǎn)（國債），等價于把所有資金投入風(fēng)險資產(chǎn)St和購買了一個以St為標(biāo)的資產(chǎn)的賣權(quán)，賣權(quán)具有對風(fēng)險資產(chǎn)保險的作用，其中風(fēng)險資產(chǎn)的比例為： （3）無風(fēng)險資產(chǎn)比例為：隨著時間t和St的變化，投資者

26、可根據(jù)式（3）動態(tài)調(diào)整風(fēng)險資產(chǎn)的比例wt，即，當(dāng)風(fēng)險資產(chǎn)價格上漲時，增大投資于風(fēng)險資產(chǎn)的比例wt；當(dāng)風(fēng)險資產(chǎn)價格下跌時，降低投資于風(fēng)險資產(chǎn)的比例wt。另一種通用的保本策略是固定比例投資組合保險策略CPPI，它也是通過動態(tài)調(diào)整投資組合無風(fēng)險品種與風(fēng)險品種的投資比例，達(dá)到既規(guī)避高收益投資品種價格下跌的風(fēng)險，又享受到其價格上漲的收益。CPPI策略的基本公式如下： （4） （5） （6）式中，At表示t時刻投資組合的資產(chǎn)價值；Et表示t時刻可投資于風(fēng)險資產(chǎn)的上限；Gt表示t時刻可投資于無風(fēng)險資產(chǎn)的下限；Mt表示t時刻的風(fēng)險乘數(shù)；Ft表示t時刻組合的安全底線；為初始風(fēng)險控制水平（保本線）；(T-t)為產(chǎn)

27、品剩余期限；r為無風(fēng)險收益率。CPPI策略模型涉及風(fēng)險控制水平（保本線）、風(fēng)險乘數(shù)、資產(chǎn)配置調(diào)整周期等多個關(guān)鍵參數(shù)。波動率的估計：通常使用股價歷史資料求得的收益率標(biāo)準(zhǔn)差（歷史波動率）作為風(fēng)險資產(chǎn)的波動率。歷史波動率的基本假設(shè)是相信過去的波動性會延續(xù)到未來，且不會產(chǎn)生大幅變動，因此用過去資料算出的波動率可視為未來的股價波動率。常用的估算歷史波動率的方法有GARCH類模型、移動平均法、指數(shù)平滑法等。本實驗采用歷史數(shù)據(jù)的樣本標(biāo)準(zhǔn)差來估計波動率，參見B_S公式有關(guān)波動率的小節(jié)。三、實驗操作步驟假設(shè)某金融產(chǎn)品采用組合保險策略CPPI進(jìn)行資產(chǎn)投資：（1）風(fēng)險資產(chǎn)為滬深300指數(shù)組合；（2）無風(fēng)險資產(chǎn)為國債

28、，國債利率為3；（3）產(chǎn)品保本率為100%；（4）調(diào)整周期為10天；（5）調(diào)整組合的單位交易成本為c 0.0002；（6）初始資金W 1,000百萬元；（7）產(chǎn)品期限為1年（250個交易日）。固定比例組合保險策略CPPI的Matlab函數(shù)CPPIStr.m：function F,E,A,G,SumTradeFee,portFreez=CPPIStr(PortValue,Riskmulti,GuarantRatio,TradeDayTimeLong,TradeDayOfYear,adjustCycle,RisklessReturn,TradeFee,SData)%2015-12-24%intpu

29、t:%PortValue：產(chǎn)品組合初始價值；%Riskmulti：CPPI策略的風(fēng)險乘數(shù)；%GuarantRatio：產(chǎn)品的保本率；%TradeDayTimeLong：產(chǎn)品期限，以交易日計算；%TradeDayOfYear：模擬每年的交易日，大致為250天；%adjustCycle：調(diào)整周期；%RisklessReturn：無風(fēng)險利率；%TradeFee：風(fēng)險資產(chǎn)的交易費用；%SData is simulation index data%output%F：t時刻安全底線；E：t時刻可投資于風(fēng)險資產(chǎn)的上限；%A：t時刻組合價值；G：t時刻可投資于無風(fēng)險資產(chǎn)的上限。%SumTradeFee：總交易

30、費用%portFreez default is 0, if portFreez=1, portfolio freez there would have no risk-investment%SumTradeFee=0;F=zeros(1,TradeDayTimeLong+1);E=zeros(1,TradeDayTimeLong+1);A=zeros(1,TradeDayTimeLong+1);G=zeros(1,TradeDayTimeLong+1);A(1)=PortValue;F(1)=GuarantRatio*PortValue*exp(-RisklessReturn*TradeDay

31、TimeLong/TradeDayOfYear);E(1)=max(0,Riskmulti*(A(1)-F(1);G(1)=A(1)-E(1);%portFreez=0; %if portFreez=1, portfolio freez there would have no risk-investment%for i=2:TradeDayTimeLong+1 E(i)=E(i-1)*(1+(SData(i)-SData(i-1)/(SData(i-1); G(i)=G(i-1)*(1+RisklessReturn/TradeDayOfYear); A(i)=E(i)+G(i); F(i)=G

32、uarantRatio*PortValue*exp(-RisklessReturn*(TradeDayTimeLong-i+1)/TradeDayOfYear); if mod(i-1,adjustCycle)=0 temp=E(i); E(i)=max(0, Riskmulti*(A(i)-F(i) ); SumTradeFee=SumTradeFee + TradeFee*abs(E(i)-temp); G(i)=A(i)-E(i)-TradeFee*abs(E(i)-temp); end if E(i)=0 A(i)=G(i); portFreez=1; end end函數(shù)RandnPr

33、ice.m：生成均值方差為mu,sigma的正態(tài)分布的隨機收益率。function Price=RandnPrice(Price0,mu,sigma,N)Rate=normrnd(mu,sigma,N,1);%使用cumprod函數(shù)進(jìn)行累乘Price=Price0*cumprod(Rate+1);CPPI策略模擬：%初始參數(shù)設(shè)置%set valuePortValue=100; %Portfoilo ValueRiskmulti=2; GuarantRatio=1.00;TradeDayTimeLong=250;TradeDayOfYear=250;adjustCycle=10;RisklessReturn=0.03;TradeFee=0.0002;%根據(jù)參數(shù)生成符合布朗運動的收益率序列%to generate random numberMean=1.2(1/TradeDayOfYea