衍生品定价模型和传统的资产定价模型有没有结合的可能性？

目前的期权定价模型似乎都不用考虑传统基础分析中，股价是否偏离公允价值的问题。我猜原因是哪怕哪天市场发现了股价定价定错了，这个变化的过程也被期权定价模型中的volatilities term给捕获了，因此可以通过购买股票对冲掉。


而期权模型改进的过程，其实就是不断修改股票的price processe过程，不管是CEV, jump diffusion, garch等，都是为了更好的模拟股价的波动。但这个模拟无疑还是有点粗糙的。

那么问题来了，假如你开了家基金公司你们公司的业务就是找出定价发生偏差的衍生品，然后通过不断的delta hedge来replicate其pay off进行套利。这时突然来了一批巨牛逼的基础分析师免费给你打工。这群人每天的工作就是预测股价的走势（且假设他们的预测确实能产生alpha)，那么在目前的衍生品定价框架下有没有可能利用他们提供的信息修改underlying 的price process 从而改进期权定价模型？

一个算分散化最优，一个算期权价格，不矛盾啊。

如果他们预测的是趋势，那么我的建议是衍生品交易继续照bs那一套搞，利用他们的预测来选择你发的产品的结构，并且在对冲的时候灵活的overhedge，这样就够了。

利用这些预测来实现模型上的修正几乎可以肯定的说是费力不讨好的事情，即便成功也赚不了几个钱。

题主问的是如何修改price dynamics的话，我觉得下面这个比较简单的方法可能可行：
比如你觉得价格会上升，你加入一个positive jump进去（再根据你的信息和预测自己假设一个risk premium），这样再计算衍生品的价格应该就可以了。

。。。我是个金融数学小学生。。。
但是你们在期权定价公式里没见过D这个分红项么...

对影响股票价格的因素建模，股票是derivatives on factors，基于股票的期权是derivatives on derivatives。

感觉不行。这就像interview的那个问题：两只股票S1 S2，他们服从GBM，但是drift term 不一样，$\mu_1>\mu_2$，其他条件完全相同。 问，两只股票的期权价格有何不同？

答案是，没啥不同。因为股票实际的增长率对期权是没影响的，只有无风险利率有影响。因为在replicating的时候，这个增长率的差异都会被Delta Hedge 抵消。

换个角度，option pricing 是在Risk neutial measure下进行的，Physical measure 下的drift是无关的。概率空间不一样啊。

回到原问题。预测股票增长很快，代表$\mu >> r > 0$。相反的，预测下跌就是drift小于0。

芃哥说的对，信息集的问题

假如这帮分析师直接给你预测到t，那你的随机过程就不是从0开始，而是从t开始的到T。0到t的过程只是个单纯的贴现过程。

极端一点完全预测相当于你这期权完全没有波动率。价格就是“预期payoff”自己的现值。

然而这个level的“分析师”，可能在现实生活中对应的只有“内幕者”。这就像shreve第十一章里，内幕交易者把柏松过程当收益一样。一切都知道的情况下相当于完全对冲（抑或完全不对冲，当然全知者是不会care这些的）

说回来无论是传统定价还是衍生品定价都是遵守基本法（资产定价第二基本定理）的。价格无非是某种现金或者是风险溢价的贴现。传统股息模型是股息的贴现，衍生品是波动风险和跳跃风险（或者再额外钦定）的溢价的贴现，根基上是没有变的。

楼下说的recorvery theory是一种可能。因为期权无非是人们的某种预期，如果彻底还原了这种预期，那说不定还是有一些预测功效的。（Ross是要膜的）

不过正是因为人们（准确说是非内幕者）对预测这件事情的无力，才有了风险溢价和随机性这些东西。这才是现代资产定价的核心

本来就是这样，你把call 的 atm iv 减 put 的atm iv，会发现有些大有些小有些正有些负，在有交易费用的情况下只要差距在一定范围内还是符合put call parity的。但是这些差距其实就是pricing的时候带了一点点的preference，这些preference应该是supply and demand以及view 二者综合的结果。