股票质押贷款——借款人拿股票做抵押借钱，股价涨了就赎回，跌多了就违约走人。从定价角度看，它本质上是一个欧式看涨期权。Prager & Zhang (2010) 把前人的无限期限模型推进到有限期限，并允许股价在几何布朗运动（趋势市）与均值回归（震荡市）之间切换一次，给出了贷款价值的闭式公式。本文解读其模型、公式与数值结论，并讨论它对A股股票质押业务的现实意义。
原文：Prager, D. & Zhang, Q., "Stock Loan Valuation Under a Regime-Switching Model with Mean-Reverting and Finite Maturity", Journal of Systems Science and Complexity 23 (2010), 572–583. DOI 官方链接
股票贷款的机制：客户以1股股票做抵押，向银行借金额 $q$；银行收取服务费 $c$（$0 < c < q$），客户实际到手 $q-c$；到期日 $T$，客户有权（非义务）以 $qe^{\gamma T}$ 赎回股票，其中 $\gamma > r$ 为贷款利率。涨了赎回、跌了违约——这正是欧式看涨期权的 payoff 结构 $(S_T - K)_+$，执行价 $K = qe^{\gamma T}$。
前人工作：Xia & Zhou (2007) 做了永久美式 + GBM；Zhang & Zhou (2009) 做了永久 + 区制切换GBM。但都是无限期限，而实际贷款合同都是几个月到一两年。本文的推进：有限期限 $T$ + 区制切换，且切换发生在 GBM 与均值回归（MR）之间——GBM刻画趋势市，MR刻画震荡市。
为什么只允许切换一次：一是实务上贷款期限短，期内市场风格至多切换一次是合理近似；二是理论上，至多一次跳跃才能得到闭式解——闭式解对参数的依赖一目了然，计算也直接，这是实务中最想要的。
1. 模型设定
记 $X_t = \log S_t$，$\alpha_t \in \lbrace 1, 2 \rbrace$ 为区制指示：
$$ dX_t = A(X_t,\alpha_t)dt + \sigma(\alpha_t)dW_t, \quad s \le t \le T $$
$$ A(x,1) = \mu - \frac{\sigma_1^2}{2}, \quad \sigma(1) = \sigma_1 \quad \text{(GBM)} $$
$$ A(x,2) = a(L-x), \quad \sigma(2) = \sigma_2 \quad \text{(均值回归)} $$
$a > 0$ 为回归速度，$L$ 为均衡水平。$\alpha_t$ 为两状态Markov链，至多跳跃一次（第二个状态为吸收态），从1跳到2的强度为 $\lambda_{12}$，从2跳到1的强度为 $\lambda_{21}$。
2. 贷款价值的定义
$$ V(x,s,i) = E[e^{-r(T-s)}(S_T - qe^{\gamma(T-s)})_+ | X_s = x, \alpha_s = i] $$
即到期股价超过还款额部分的贴现期望——欧式期权定价思路（论文采用期望法而非对冲复制法，原因是市场不完备且股票贷款市场流动性不足）。
3. Case 1：纯GBM（Theorem 1）——Black-Scholes型闭式解
$$ V_{GBM}(x,s) = e^{-r(T-s)}\left[e^{x+\mu(T-s)}\Phi(\sigma_1\sqrt{T-s}-d) - qe^{\gamma(T-s)}\Phi(-d)\right] $$
$$ d = \frac{\log(qe^{\gamma(T-s)}/e^x) - (\mu-\sigma_1^2/2)(T-s)}{\sigma_1\sqrt{T-s}} $$
$\Phi$ 为标准正态分布函数。结构与BS公式完全对应：第一项是股票端的期望，第二项是还款端的贴现。
4. Case 2：纯均值回归（Theorem 2）
对数价格可显式写出：$X_t = e^{-a(t-s)}(x-L) + L + e^{-a(t-s)}W(\varphi_{t-s})$，其中 $\varphi_t = \sigma_2^2(e^{2at}-1)/(2a)$。经变量替换，贷款价值为：
$$ V_{MR}(x,s) = \exp\left(-r(T-s) + \frac{B^2}{4A} + C\right)\Phi\left(\frac{B}{\sqrt{2A}} - D\sqrt{2A}\right) - qe^{(\gamma-r)(T-s)}\Phi(-D\sqrt{2A}) $$
其中
$$ A = \frac{a}{\sigma_2^2(e^{2a(T-s)}-1)}, \quad B = e^{-a(T-s)}, \quad C = e^{-a(T-s)}(x-L)+L $$
$$ D = e^{a(T-s)}(\log q - L + \gamma(T-s)) + L - x $$
注意 $D$ 的含义：它是"还款门槛"经均值回归调整后的距离——$D$ 越大，赎回概率越低。
5. Case 3–5：区制切换（Theorem 3–5）——积分形式的闭式解
以 GBM → MR（Case 3）为例。记 $\tau$ 为跳跃时刻，则：
$$ V(x,s,1) = \int_s^T e^{-r(t-s)} E_{GBM}[V_{MR}(X_t,t)] \, \lambda_{12}e^{-\lambda_{12}(t-s)}dt + e^{-\lambda_{12}(T-s)}V_{GBM}(x,s) $$
直观解释非常漂亮：要么不跳（概率 $e^{-\lambda_{12}(T-s)}$，直接用 $V_{GBM}$），要么在 $t$ 时刻跳（密度 $\lambda_{12}e^{-\lambda_{12}(t-s)}$，跳后按 $V_{MR}$ 计价，再对跳跃时刻的价格分布取期望）。其中 $X_t$ 在GBM下服从正态分布 $N(m_{GBM}, \Sigma_{GBM}^2)$：
$$ m_{GBM}(t) = (\mu - \sigma_1^2/2)t, \quad \Sigma_{GBM}^2(t) = \sigma_1^2 t $$
$$ m_{MR}(t) = e^{-at}(x-L)+L, \quad \Sigma_{MR}^2(t) = e^{-2at}\frac{\sigma_2^2(e^{2at}-1)}{2a} $$
MR → GBM（Case 4）与 MR → MR（Case 5）结构相同，只是把 $V_{MR}$、$V_{GBM}$ 与对应的矩函数对调。
默认参数：$r = 0.05$，$q = 40$，$S_0 = 50$，$\gamma = 0.1$，$T = 1$，$\sigma_1 = 0.2$，$\sigma_2 = 0.9$，$\lambda = 1$，$a = 2$，$L = \log 45$。
核心数值结论：
论文列出的开放问题：(a) 区制不可观测时用Wonham滤波估计；(b) 多次跳跃（需解PDE，闭式解难得）；(c) 对冲复制法定价；(d) 美式股票贷款。
A股2015–2018年的质押爆仓潮，核心就是质押贷款定价与风控：券商/银行按质押率放款、设预警线/平仓线。本文框架可直接用于：给定质押率（对应 $q/S_0$）、质押利率 $\gamma$、期限 $T$，算出贷款的公平价值，进而倒推合理的质押率和服务费。$V = S_0 - q + c$ 这个关系式，就是质押定价的会计恒等式。
牛市（趋势，GBM）→ 熊市/震荡（均值回归，MR），质押品在切换后更容易击穿平仓线。$\lambda$ 就是"牛熊切换"的强度。实务中可以用隐Markov模型（HMM）估计当前区制，用历史牛熊切换频率校准 $\lambda$。
DOI 官方链接（按出版方要求，请从官方渠道获取原文）