CN1361893A - 有基于需求的、可调整的收益的金融产品及其交易 - Google Patents

Abstract

本发明提供的系统和方法,用于在基于需求的可调整收益的或然债权组中交易和投资,和建立这种债权(262、263、264、265)的市场和交易所。本发明应用于衍生债券和类似的金融市场时的优点包括,提高价格透明度,降低信用风险,改进信息收集,增加价格透明度,降低结算和清算成本,降低套期保值成本,降低模型风险,降低事件风险,增加流通性诱因,改善自身一致性,降低造市商的影响,增加生成和倍加任意回收本利分布的能力。除了衍生债券的交易外,本发明还便于交易其它金融相关的或然债权;非金融相关的或然债权,诸如能源、商品和气候衍生品;传统的保险和再保险合约;和与一般还不容易能保险或套期保值的事件有关的或然债权,这些事件诸如是公司盈利公告、未来半导体需求以及技术变化。

Description

有基于需求的、可调整的收益的金融产品及其交易

                       发明领域

本发明涉及用于基于需求的交易的系统和方法。更具体来说，本发明涉及用于交易有基于需求的、可调整的收益的金融产品的方法和系统以及用于确定这些收益的系统和方法。

                       发明背景

随着公共因特网的使用和普及的迅速增加，基于因特网的电子证券(securities)交易的增长惊人。1999年的第一阶段通过因特网的在线交易估计占全部股票(stock)交易的大约15％。这个交易量正以每年约50％的速度增长。预计，随着越来越多的因特网用户使用在线交易帐户，今后几年内的增长率将继续高涨。

E-Trade Group、Charles Schwab和Ameritrade等在线交易公司都经历了由于在线交易活动的增加而带来的极大的收入增长。这些公司目前经营基于因特网的债券交易业务，与传统的证券中介业务相比，为许多散户投资者提供更大的方便和更低的佣金率。许多人预期在线交易将延及股票(equities)以外的金融产品，如债券(bond)、外汇和金融工具衍生品(financial instrument derivatives)。

股票、债券、外汇合约(foreign exchange contracts)、交易所交易的期货和期权(exchange traded futures and options)等金融产品以及再保险合约或利率交换(interest-rate swap)等合同资产或债务(liabilities)，都涉及某种程度的风险。这类产品中固有的风险是许多因素的函数，这些因素包括各种不确定的事件，如美国联邦储备系统决定提高贴现率，商品价格的突然提高，诸如道琼斯工业平均指数的基础指数的值的变动，或者投资者风险回避的总体增加。为了更好地分析这类风险的性质，金融经济学家们经常把现实世界的金融产品像更简单的、假设的金融产品那样来对待。这些假设的金融产品通常被设计这样：如果发生一个可能结果的集合中的某特定结果，就向交易者或投资者支付一个货币单位，如一美元。可以将可能的结果说成是处于“状态”之内，这些状态通常是根据由于某种现实事件(例如美联储的一项关于贴现率的决定)而产生的可能结果的分布(例如美联储贴现率的变动量)而构造的。在这些假设的金融产品中，通常选择一个使得各状态是互相排斥的状态集合，该集合集体上覆盖或穷举事件的所有可能结果。这种安排按照设计使得根据事件结果总是只有一个状态。

这些假设的金融产品(也称作Arrow-Debreu债券、状态债券或纯债券)被设计得用来把复杂的风险分离并分解到不同的来源中，就是说分解成将发生不同的状态的风险。这些假设的金融产品的用途在于可以将包括现实的金融产品在内的更多的复杂的债券的收益，模型化为假设的金融产品的收益的线性组合。例如参看R.Merton的Continuous-Time Finance(1990)(pp.441 ff)。所以，现今经常用这些假设的金融产品来为分析更复杂的金融产品而提供基础性材料。

在过去的15年中，衍生品交易的增长也是巨大的。按照美联储的统计，仅外汇和利率衍生品的营业额(turnover)的年增长率就仍然处在约20％。公司、金融机构、农场主、甚至国民政府和部门都积极参与衍生品市场，通常是为了更好地管理资产和负债组合，以套期保值的手段来防止金融市场风险，以及使融资成本最小化。资金经理人也经常用衍生品来进行对冲交易，进行有内在风险的经济活动，这些风险例如有利率波动风险、外汇汇率风险、对其它债券的可转换性风险或未结帐的现金供应或交易所的现金或证券供应。

衍生品是在交易所交易的，如在芝加哥交易所(CBOT)交易的期权和期货合约，也有在交易所之外即场外(OTC)交易的，交易在两个或更多的衍生品订约方(counterparties)之间进行。在主要的经营衍生品的交易活动的交易所中，指令或者通过电子方式或者通过在交易现场的公开叫喊而传送到会员经纪人(broker)，经纪人然后执行指令。这些会员经纪人然后一般要平衡(balance)或对冲他们自己的衍生品投资组合，以符合他们自己的风险和收益标准。对冲交易的习惯做法是，以衍生品的基础债券或合约(例如如果衍生品是期货的期权时的期货合约)或者以类似的衍生品(例如不同的到期月份的期货)进行交易。对于OTC交易的衍生品来说，经纪人一般寻求按照交易者的风险管理准则和盈利标准来平衡他们的衍生品的积极的投资组合。

那么，大致来说，目前用来进行衍生品交易的就有两种广泛应用的工具：(1)指令配对(order matching)；(2)主造市(principalmarket making)。指令配对一种是由CBOT或芝加哥商品交易所和一些新兴的在线交易机构所遵循的模型。在指令配对中，交易所协调买方和卖方的活动，使得买方“报盘”(bids，即需求)能与卖方“出盘”(offers，即供应)配对。指令既可以以电子方式也可以通过交易会员的主要造市活动来配对。一般来说，交易所本身不承担市场风险，而是通过向经纪人出售会员席位(memberships)来回收其自己的经营成本。会员经纪人可以调整主要头寸，这些头寸经常被在他们的投资组合之间对冲。

在主造市中，银行或经纪公司例如确定一个衍生品交易业务，将其资本化，然后通过保持衍生品和基础头寸的投资组合而做出一个市场。造市商(market maker)通常动态地对投资组合进行套期保值，方法是不断地随着市场状况的变化而改变投资组合的成分。一般来说，造市商努力通过收取买卖价差额(bid-offer spread)或通过因同时进行对头寸的投资组合的对冲买卖而获得的规模经济而回收其经营成本。由于造市商承担着显著的市场风险，其订约方承受着会破产的风险。此外，尽管理论上讲主造市活动可以在宽域网上进行，在实践中，现今的衍生品交易通常是通过电话完成的。对交易的处理经常很费力，从前台交易到后台处理和清算需要许多人工步骤。

理论上讲，即在忽略非常实际的交易成本(以下作说明)的条件下，衍生品交易-用博弈论的语言来说-是一种“零和”游戏。一个订约方在某个交易上的收益应当精确地由对应的订约方的亏损相抵-假设没有交易成本的话。事实上，正是衍生品市场的零和性质，首先使得著名的Black-Scholes定价模型得以制定，因为注意到，一个诸如期权的衍生品，可以与基础证券中一个精确地抵销的头寸相配对，以便消除短期的市场风险。正是这种“无套利”(no arbitrage)特征允许市场参与者用复杂的评估模型来通过不断地调整他们的投资组合而缓解市场风险。股票市场相反却没有这种零和特征，因为市场的总股票或价值因为利率或预期的公司收入而波动，从这些因素不能被对冲(hedged)的意义上来说，他们是市场“外部的”。

传统衍生品的交易者的收益，在多数情况中，大都由基础证券、资产、债务或衍生品所基于的权利的价值所确定的。例如，一个对某股票的购买选择权(call option)的价值，直接地随基础股票的价格而变化-购买选择权是股票持有人在某个未来日期以固定的结算价格(strike price)购买该股票的权利。在再保险合约等非金融衍生品的情况中，再保险合约的价值受在被保险的保险标的(insuredclaims)的基础投资组合上经受的亏损的影响。传统衍生品的价格通常是由以基础证券的价值为基础的衍生品的供需关系确定的(基础证券本身也是由供需关系确定的，或者如保险的情况一样，是由保险或再保险合约承保的事件所确定的)。

目前，交易衍生证券(在交易所内及交易所外的)和转移保险风险的成本，人们认为很高，其原因很多，这些原因包括：

(1)信用风险：某衍生(或保险合约)交易的交易一方通常假设有这样的风险，即，其订约方在该衍生品(或保险)合约的生命期内破产。保证金要求(margin requirement)、信用监视和其它合约工具，可能费用很高，通常被用来管理衍生品和保险订约方的信用风险。

(2)监管要求：监管组织，如美联储，Comcontroller of theCurrency，商品期货交易委员会，以及制定影响全球金融中心银行的管理细则(例如Basle委员会守则)的国际组织，一般要求经营衍生品的机构符合资本要求和采取风险管理体系。这些要求被许多人认为增加了资本的成本，增加了有些加入者进入衍生品交易行业的障碍，由此提高了交易者和最终用户进行衍生品交易的成本。在美国，州保险管理细则也对保险公司的经营提出了要求，尤其是在财产-人身伤亡险种方面的要求，按照该要求，保险公司要增加资本需求量，为将来的亏损作储备，而不管利率贴现因素。

(3)流通性：衍生品交易者一般在衍生品合约的整个生命期对他们易遭受的风险(exposure)进行套期保值。有效的套期保值一般要求在衍生品合约的整个生命期中对基础证券和衍生品二者都存在一个积极的和流通性的市场。经常地，尤其在金融市场振动和不稳定期间，不存在支持很好地运转的衍生品市场的流通性市场。

(4)交易成本：对衍生品的动态的套期保值经常要求随着衍生品的生命期在市场上不断进行交易，以减少、消除和管理某衍生品或衍生证券的组合的风险。这通常意味着为每个套期保值交易支付买卖价差额，与不需要支付这类差额和类似的交易费时的理论价格相比，这在一开始就会大大地增加衍生证券的价格。

(5)结算和清算(settlement and clearing)成本：执行、电子记帐、清算和结算衍生品交易的成本可能很大，有时要求分析和数据库软件系统和通晓这类交易的专业人员。监管证券处理行业中的许多目标之一是实现衍生品交易的“直接-通过-处理”，许多衍生品订约方继续用电子和人工步骤的组合来管理这些交易的处理，这些步骤没有被特别地综合起来并自动化，因此增加了成本。

(6)事件风险：多数交易者明白衍生品交易的有效的套期保值要求市场是流通性的并具有连续波动的价格而没有突然和惊人的“缝隙”(gaps)。在金融危机和不稳定期间，基础证券的价格在数小时内就下跌50％或更多并不鲜见。这种危机和不稳定的事件风险因此例常地被交易者考虑在衍生品价格因素中，这增加了衍生品的成本，使之超出了由衍生品评估模型所指出的理论价格。这些成本一般被分摊(spread)到所有衍生品用户。

(7)模型风险：衍生品合约可能很难估价，尤其是那些涉及利率或具有允许订约方在衍生品的整个生命期中作决策的特征(例如美国期权允许订约方在该衍生品的生命期的任何时间实现的衍生品的价值)的衍生品合约。此外，风险管理指南可能要求各公司保留额外的资本，以支持模型风险被确定是重要因素的衍生品交易经营。在复杂的证券风险管理已经提供不正确或不完全的信息的著名的案例中，模型风险一直也是重要的因素，这种案例的例子诸如是1994年的JoeJett/Kidder Peabody损失案。

(8)不对称的信息：衍生品交易者和造市商惯常寻求以优越性的信息来保护自己优于订约方。衍生品的买卖价差额因此通常反映与具有优越性信息的订约方进行交易的交易者的内置保险费，这会导致无利可图的交易。在财产-伤亡方面，保险的背书人几乎总是有比假设的再保险人优越的关于风险的记录的信息。就像资本市场中的造市商一样，再保险人通常把这种信息上的劣势计入再保险的价格中。

(9)不完全市场：传统的资本和保险市场经常被看作是不完全的，因为或然债权的范围有限，即市场可能不提供机会来对所有为其寻求套期保值机会的风险套期保值。结果，参与者通常要么无效率地承担风险，要么用次于最佳的工具来转移风险或套期保值防止风险。例如，有些投资者对冲(hedge)通货膨胀风险的需求已经导致了由一些政府发行与通货膨胀挂钩的债券，该债券有票面利率(coupons)和与消费价格指数(CPI)水平挂钩的本金金额。这提供了一定程度的防范通货膨胀风险的保险。然而，这种债券的持有人常常作出关于将来在实际利率与额定利率之间的关系的这种猜想。在或然债权(本案例中的与通货膨胀挂钩的债券)与意外事件(通货膨胀)之间的不完善的关联产生交易者们所称的“基本风险”(basisrisk)，这是在现今的市场中不能得到完善保险或对冲的风险。

目前，传统保险和再保险市场中的交易成本也是很可观的。近年来，人们花费了相当大的努力，试图使财产-伤亡灾难风险等保险风险安全化。传统的保险和再保险说成在许多方面与主造市商证券市场相仿，具有许多系统的缺点，招致类似的营业成本。一般来说，通过合约实际地转移风险，监视订约方的信用状态，以及部署和维持复杂的风险管理体系。由于价格粘性(stickiness)、信息的不对称和成本、以及调控性的制约，任何给定时候，支持风险资产和债务的保险投资组合的资本化水平都可能是出奇地失衡。简而言之，保险和再保险市场趋向于按照以及流行了数十年的同样的市场机制来运行，尽管有1980底和1990年初的劳埃得(Lloyds)危机等巨大的市场振动。

于是，在所有导致衍生品和保险合约的成本的因素背后的一种驱动力是必须和需要通过在连续的、流动的和信息公平的市场中的动态套期保值或或然债权倍加(contingent claim replication)进行风险管理。套期保值被衍生品交易者用来减少他们对过度的市场风险的暴露，同时能赚取交易费来弥补他们的资本成本和持续经营的成本，而有效的套期保值需要流通性。

近来的专利已经涉及到在电子指令配对系统的环境中的金融市场流通性的问题(例如美国专利号5845266)。所披露的增强流通性的主要技术是增加系统中的参与和交易量，以及征求交易者对证券的特定交易的价格和数量的组合的偏好。不过这些技术存在缺点。第一，这些技术执行指令配对算法和限制指令簿(limit order book)算法，它们能被并且被有效地应用于传统的“砖块加水泥”交易所中。然而他们的电子实现却主要服务于节省传输和电信费用。没有考虑对市场结构的根本改变，而这对电子网络来说可能是必要的。第二，所披露的技术看起来增强了流通性，其代价是对交易者增加了大量的信息负担(例如通过征求对整个价格-质量需求曲线的偏好)并引入了对已经达成的或“填充了的”的交易的精确价格的不确定性。最后，这些电子订单匹配系统考虑的是传统的订约方配对，这意味着在订约方被确定和匹配后要频繁地转移、清算和结算实际的证券。换言之，所披露的在电子指令配对系统环境中的技术是对如何优化买卖的配对阵列的过程的基本问题的精心技术设计。

关于衍生品的专利，如美国专利号4903201，披露了一种对目前用于期货交易的公开叫喊或指令配对交易所的改进。另一个近期的专利-美国专利号5806048，涉及建立开端(open-end)共同基金衍生证券，来提供增强的流通性和影响定价的信息的改进的可获得性。然而这个专利没有考虑要求传统的套期保值或倍加(replicating)投资组合方法来综合金融衍生品的电子衍生品交易所。类似地，美国专利号5794207提出了一种将买方“报盘”和卖方“出盘”配对的电子工具，但没有解释通过这种市场过程获得的经济价格平衡的性质。

                       发明综述

本发明针对的是交易和金融产品的系统和方法，目标是降低市场参与者的交易费用，这些参与者针对有关经济重要性的事件的或然债权中的投资进行套期保值或以其它方式进行这种投资。理赔是意外的，因为它们的支付和收益取决于具有一个以上的可能结果的一个可观察到的事件的结果。这些事件的经济意义在于或然债权中的投资者或交易者一般来说不是在经济上对事件的结果无所谓，即使该投资者或交易者没有投资于有关该事件的或然债权或对有关该事件的或然债权进行过交易。

最佳实施例或其它实施例中所指的用户是通常的机构投资者，诸如金融机构，包括银行、投资银行、主保险公司和再保险公司以及财务公司(treasurer)。用户也可以包括任何具有风险分摊服务需要的个人或单位。本说明书中所用的术语“用户”、“交易者”和“投资者”可以交换地使用，意思是需要在或然债权或本说明书中所述的其它金融产品中进行交易或投资的任何个人或单位。

涉及事件的或然债权有一个交易期，以便最终化每个限定状态的收益，包括该事件的一个结果或一个结果集合。本发明的或然债权的收益在交易期间调整，在每个状态中投资额的分布中有变化。每个状态的应付收益在每个相关交易期结束后被最终化。在最佳实施例中，小于向交易所支付的交易费的投资总额，等于回收本利(payouts)的总额。换言之，理论上讲，所有在特定交易期建立的涉及特定事件的或然债权的收益基本上是零和，如传统的衍生品市场一样。

在本发明中由其最终化收益的过程是基于需求的，不以任何实质方式依赖于供给。相反，传统的市场经过通过撮合(crossing)购买的询价和卖方报盘(“出盘”/“报盘”)的供求互动而设定价格。本发明的基于需求的或然债权机制通过用不成功投资的亏损向成功投资资助返还收益(returns)而设定收益。所以，在最佳实施例中，给成功投资的返还收益是由设在指定可观测事件的每个限定状态上的全部投资的总额和相对数额决定的。

本说明书中所用的术语“或然债权”具有在证券、交易(trading)、保险和经济组织中惯用的意思。因此“或然债权”包括例如股票、证券和其它这类的证券、衍生证券、保险合约和再保险协议、以及任何其它的金融产品、契据、合约、资产、或其价值取决于或反映由于未来现实事件的发生而带来的经济风险的债务。这些事件可能是有关金融的事件-如利率变动，或者不是有关金融的事件-如天气条件、电力需求的变化和房地产价格的波动。或然债权也包括所有具有或反映由于未来现实事件的发生而带来内在风险或不确定性的经济或金融利益-无论是已经交易的或尚未交易的。传统市场上的未交易的经济或金融利益的或然债权的例子是具有随公司收入的波动或房地产价值和租金的变化而变化的价值的金融产品。本说明书中所用的术语“或然债权”既包含Arrow-Debreu种类的假设的金融产品，又包含能以这些假设的金融产品的组合表达的任何风险资产、合约或产品。

在本说明书中，“投资”于或然债权或者或然债权的“交易”是将某金额(值的单位由或然债权定义)投向风险的行为，其金融收益取决于某事件的结果，该事件具有构成与该事件有关的或然债权组的基础。

“衍生证券”(与“衍生品”可以互换使用)也具有在证券、交易、保险和经济组织中惯用的意思。这包括其价值取决于诸如基础证券、指数、资产或债务等因素或者取决于这种基础证券的诸如利率或对其它证券的可转换性等特性的证券或合约。衍生证券是如上定义的或然债权的一个例子。S&P500(标准普尔500)等金融期货或股票指数或买卖这类期货合约的期权，是高度流行的在交易所交易的金融衍生品。利率交换是一例交易所场外交易的衍生品，它是各订约方之间根据基础因素(underlying factor)-例如每日在伦敦发布的用于大宗外币的伦敦银行间拆放利率(LIBOR)-交换一系列现金流的协议。像场内交易的期货和期权一样，场外协议的价值也会随相联系的或由其衍生出这些协议的基础因素而波动。也可以在商品、保险事件或者天气等其它事件上进行衍生品的交易。

在本说明书中，用于计算和向或然债权分配(allocating)收益的函数称作需求再分配函数(DRF)。DRF是基于需求的，涉及在可观察的事件的结果是已知的之后向每个状态中的投资再分配收益，以便从不成功投资的亏损(在任何交易费后)补偿成功的投资。由于以投资额的变化为基础的可调整收益是本发明的重要方面，用DRF实现的或然债权将被称作基于需求的可调整收益(DBAR)或然债权。

用于一组DBAR或然债权(即有关同一个事件的债权组)的交易系统的最佳特点包括以下几点：(1)状态的整个分布对投资是开放的，不是像传统市场中那样地只是单一价格；(2)收益是可调整的，是在每个可用来投资的状态中的投资额的基础上以数学方法确定的；(3)投资额最好是非递减的(如下所解释的那样)，具有在状态分布上对市场提供的流通性的承诺；(4)在状态分布上实时地可用的信息，特别是包括关于在所有状态分布上的投资额的信息(一般称作“限制指令簿”)。本发明的最佳实施例的其它后果包括(1)市场的报盘方和出盘方的指令配对或撮合(crossing)的消除；(2)造市商进行动态套期保值和风险管理的需要的减少；(3)进行套期保值和为具有经济重要性的事件保险的更多机会(即更大的市场“完全性”)。

本发明的其它最佳实施例能便于在已知停止一组或然债权的所有标准之前由多点处的交易者实现利润或亏损。这是通过安排多个交易周期完成的，每个交易周期有其自己的最终利润集合。利润或亏损能在每个交易周期结束时被实现或“锁定”，而不是等待作为相关或然债权的基础的事件的最终结果。这种锁定能通过随着利润一期一期地变化或调整而在连续的交易周期中进行套期保值投资而实现。这样，利润或亏损就能渐变地实现(只受周期的频率和长度的限制)，使交易者能实现与传统市场中所能获得的相同的或者更高的交易和套期保值的频率。

需要的话，公司、投资银行、背书人或其它金融中介机构等发行人能创建一种证券，这种证券具有以与本发明的DBAR或然债权可比的方式驱动的收益。例如，公司可以发行一种具有与保险风险挂钩的收益的债券。发行人能招揽交易，根据在对应于每个保险风险等级或状态的或然债权中的投资额计算收益。

在本发明的最佳实施例中，在一个状态中的投资的收益的变化，将影响在一组或然债权的相同状态的分布中的另一个状态中的投资的收益。所以，交易者们的收益将不仅仅取决于现实世界可观察到的事件的实际结果，也取决于由其它交易者在状态的分布中作出的交易选择。一个状态的收益受相同分布中另一个状态中的投资的变化，DBAR市场的这个方面，便于消除指令撮合和动态造市商套期保值。在本发明的最佳实施例中价格发现能得到DBAR或然债权的单向市场(即需求而非供给)的支持。通过按照DBAR原则构造衍生品和保险交易，就能显著地降低传统的指令配对和主造市市场结构的高成本。此外，由本发明的系统和方法实现的市场，对在诸如因特网的宽网络上进行电子运作来说特别易于管理。

本发明在其实施例中降低了衍生品交易在传统市场中由于动态套期保值和指令配对而具有的成本。本发明的最佳实施例提供按DBAR原则构造的用于交易或然债权的系统，其中将在一组DBAR或然债权中的每个状态中的投资额，按照定义的规则，在扣除交易费用后，从不成功的投资重新分配到成功的投资。特别地，这种系统或交易所的运营者为要进行的交易提供物理场所和电子基础设施，收集和聚集投资，计算这些投资产生的收益，然后，在扣除用于系统运作的交易费后，将由不成功的投资资助(finance)的收益分配给成功的投资。

在最佳实施例中，成功的投资是以不成功的投资的亏损资助的，所有交易的收益都是相关的，交易者互相针对彼此进行投资，并假设偶然结果的风险。一组取决于某给定事件的DBAR或然债权的所有交易者变成彼此的订约方(counterparties)，产生共同化的金融利益。此外，在本发明的最佳实施例中，在进行投资时普遍预期的收益，可能与在相关事件的结果已知以后的最终回收本利或收益是不一样的。

传统的衍生品市场则相反，在很大程度上是在房屋“银行”体系下运行的(under a house “banking”system)。在这个体系中，造市商一般有为买方和卖方牵线的作用，惯于报出投资者可能买或卖的价格。如果某个投资者以该价格进行买或卖，该投资者的最终收益是以该价格为基础的，就是说，该投资者后来卖或买该原始头寸(original position)的价格，与该头寸原来交易的原始价格一起，将决定该投资者的收益。由于造市商可能不完全能总是平衡买卖指令或者可能希望保持收益预期中的某种程度的风险，它将频繁地受到不同程度的市场风险(在有些情况中，还有信用风险)的影响。在传统的衍生品市场中，为买卖指令配对的造市商一般依赖保险核计的优势(actuarial advantage)、买卖差价(bid-offer spread)、庞大的资本基底和“风险防范”(coppering)或套期保值(风险管理)来使因这种市场风险的出现而破产的机会最小化。

在房屋银行体系中的每个交易者一般只有一个订约方-造市商、交易所或订约方(例如在场外交易衍生品的情况中)。相反，因为在DBAR或然债权中的市场可以按照不成功的投资资助成功投资的收益的原则运行，交易所本身面对的亏损风险降低，因此在市场中进行交易以对自己进行套期保值的需要就降低。在本发明的DBAR或然债权的最佳实施例中，交易所一般不需要进行动态的套期保值或买卖撮合(bid-offer crossing)，交易所或造市商破产的概率可以降低到基本为零。这种体系将破产的风险从交易所或造市商分摊到该体系中的所有交易上。该体系整体上提供很大程度的自我套期保值，大大降低了因与市场风险有关的原因而在市场失败的风险。DBAR或然债权交易所也可以“自我清算”，不要求多少清算基础设施(诸如清算代理人、保管员、nostro/vostro银行帐户、以及转帐和注册代理人)。按照DBAR或然债权原则构建的衍生品交易系统或交易所因此比目前的由房屋银行原则管理的衍生品市场有很多的优势。

本发明也不同于现有技术(例如美国专利号5,872,783和5,749,785)中披露的电子或赛马彩金(parimutual)赌博系统。在赌博系统或凭机会的游戏中，没有赌注的话，赌家在经济上对结果是相同无所谓的(例如假设赌家不拥有赌场或赌马场或饲养赛马)。凭机会的游戏与经济上重要的事件之间的不同在金融市场是众所周知、人人明白的。

总之，本发明提供用于进行基于需求的交易的系统和方法。本发明的一个进行基于需求的交易方法的最佳实施例包括以下步骤：(a)建立多个限定状态和多个预定的终止准则，其中每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；(b)接受多个交易者在各限定状态中的若干价值单位(value units)的投资；(c)向每个投资分配回收本利。该分配步骤根据的是在各限定状态中投资的价值单位的总数、在每个限定状态中投资的价值单位的相对数和在所有的终止准则满足时发生的限定状态的识别。

本发明的一个进行基于需求的交易的方法的另一个最佳实施例也包括建立、接受和分配步骤。该实施例中的建立步骤包括建立多个限定状态和多个预定的终止准则，每个限定状态对应于在每一个终止准则被满足时一个选定的金融产品的可能的状态。接受步骤包括接受多个交易者在各限定状态中的若干价值单位的投资。接受步骤包括向每个投资分配回收本利。该分配步骤根据的是在各限定状态中投资的价值单位的总数、在每个限定状态中投资的价值单位的相对数和在所有的终止准则满足时发生的限定状态的识别。

在本发明的一个进行基于需求的交易的方法的一个最佳实施例中，对在所有终止准则满足时不发生的每个限定状态的每个投资的回收本利等于零，对所有投资的回收本利的总额不大于在所定义各状态中投资的价值单位的总数的价值。在另一个最佳实施例中，对所有投资的回收本利的价值的总额等于在所定义各状态中投资的价值单位的价值，减去某个费用。

在一个进行基于需求的交易的方法的一个最佳实施例中，至少一个若干价值单位的投资指定一个限定状态的集合和期望的从该指定的限定状态的集合获得的投资收益。在这些最佳实施例中，分配步骤进一步响应期望从指定的限定状态的集合获得的投资收益。

在一个进行基于需求的交易的方法的另一个最佳实施例中，该方法进一步包括由至少一个交易者计算至少一个若干价值单位的投资的风险资本(capital-at-risk)的步骤。在替代性的另外的最佳实施例中，计算风险资本的步骤包括使用风险资本风险价值(Capital-at-risk Value-at-risk)方法、风险资本蒙特卡罗(Monte Carlo)模拟方法或风险资本历史模拟方法。

在一个进行基于需求的交易的方法的另一个最佳实施例中，该方法进一步包括由至少一个交易者计算至少一个若干价值单位的投资的风险信用资本(credit-capital-at-risk)的步骤。在替代性的另外的最佳实施例中，计算风险信用资本的步骤包括使用风险信用资本风险价值(Value-at-risk)方法、风险信用资本蒙特卡罗模拟方法或风险信用资本历史模拟方法。

在本发明的一个进行基于需求的交易的方法的一个最佳实施例中，至少一个若干价值单位的投资是一个指定一个限定状态的集合的多状态投资(multi-state investment)。在另一个最佳实施例中，至少一个多状态投资指定一个响应于该指定的限定状态集合的期望收益集合，分配步骤进一步响应该期望收益集合。在另一个最佳实施例中，该期望收益集合的每个期望收益都响应于该指定的限定状态集合的一个子集。在替代性最佳实施例中，该期望收益集合大约相当于从一个预定投资工具(如某个购买选择权)的一个限定状态集合获得的期望收益。

在本发明的一个进行基于需求的交易的方法的一个最佳实施例中，分配步骤进一步包括的步骤是：(a)计算指定一个期望收益集合的多状态投资的所需价值单位数；(b)将指定一个期望收益集合的多状态投资的价值单位分配给该多个限定状态。在另一个最佳实施例中，分配步骤包括求解一个联立方程式集合的步骤，这些方程式将交易量与单位回收本利和回收本利分配相关联；计算步骤和分配步骤响应于该求解步骤。

在本发明的一个进行基于需求的交易的方法的一个最佳实施例中，求解步骤包括定点迭代(fixed point iteration)的步骤。在另外的实施例中，定点迭代的步骤包括的步骤是：(a)选择上述联立方程式集合的一个方程式，该方程式有一个独立变量和至少一个从属变量；(b)对所选择方程式中的每个从属变量赋任意值；(c)根据每个从属变量的当前赋值计算所选择方程式中独立变量的值；(d)将所计算的独立变量的值赋给独立变量；(e)指定联立方程式集合的一个方程式作为被选择的方程式；(f)顺序地执行计算值的步骤、赋所计算的值的步骤和指定方程式的步骤，直到每个变量的值趋同。

本发明的在一个进行基于需求的交易的方法中估算状态概率的方法的一个最佳实施例包括的步骤是：(a)执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受，这些限定状态的至少一个状态对应于经济上重要的事件的至少一个可能结果；(b)监视在所限定状态的每个状态中投资的价值单位的相对数；(c)根据该监视步骤，估算一个选择的限定状态将是在所有的终止准则满足时发生的限定状态的概率。

另一个在进行基于需求的交易的方法中估算状态概率的方法的一个最佳实施例也包括执行、监视和估算的步骤。执行步骤包括执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受，在每个终止准则都满足时每个限定状态对应于某个选择的金融产品的一个可能状态。监视步骤包括监视在所限定状态的每个状态中投资的价值单位的相对数。估算步骤包括，根据该监视步骤，估算一个选择的限定状态将是在所有的终止准则满足时发生的限定状态的概率。

本发明的在一个进行基于需求的交易的方法中促进流通性(liquidity)的方法的一个最佳实施例包括执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受，任何若干价值单位的投资在接受后不能被撤回(withdrawn)。这些限定状态的至少一个状态对应于经济上重要的事件的至少一个可能结果。在进行基于需求的交易的方法中促进流通性的方法的另一个最佳实施例包括套期保值的步骤。套期保值步骤包括对交易者以前的若干价值单位的投资进行套期保值，方法是通过向该以前的投资未向其投资的一个或多个限定状态投资新的若干价值单位的投资。

在一个进行基于需求的交易的方法中促进流通性的方法的另一个最佳实施例包括执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受，任何若干价值单位的投资在接受后不能被撤回，在每个终止准则都满足时每个限定状态对应于某个选择的金融产品的一个可能状态。在进行基于需求的交易的方法中促进流通性的方法的另一个最佳实施例包括套期保值的步骤。套期保值步骤包括对交易者以前的若干价值单位的投资进行套期保值，方法是通过向该以前的投资未向其投资的一个或多个限定状态投资新的若干价值单位的投资。

用于进行准连续的基于需求的交易的方法的最佳实施例包括以下步骤：(a)建立多个限定状态和多个预定的终止准则，其中每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；(b)进行多个交易周期(trading cycle)，其中每个交易周期包括在一个预定的交易持续期(period)期间和所有的终止准则满足之前，接受多个交易者在各限定状态中的若干价值单位的投资的步骤；(c)向每个投资分配回收本利。该分配步骤根据的是在每个交易持续期期间在各限定状态中投资的价值单位的总数、在每个交易持续期期间在每个限定状态中投资的价值单位的相对数和在所有的终止准则满足时发生的限定状态的识别。用于进行准连续的基于需求的交易的方法的另一个最佳实施例中，各预定的交易持续期是顺序的，不重叠。

本发明的系统的最佳实施例要用计算机、计算机化的数据库和电信系统等电子技术来实现本发明的用于进行基于需求的交易的方法。

用于进行基于需求的交易的本发明的系统的最佳实施例包括(a)用于在所有的终止准则满足之前接受多个交易者在多个限定状态的至少一个状态中的若干价值单位的投资的装置，其中每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；(b)用于向每个投资分配回收本利的装置。该分配根据的是在各限定状态中投资的价值单位的总数、在每个限定状态中投资的价值单位的相对数和在所有的终止准则满足时发生的限定状态的识别。

用于进行基于需求的交易的本发明的系统的另一个最佳实施例包括(a)用于在所有的终止准则满足之前接受多个交易者在多个限定状态的至少一个状态中的若干价值单位的投资的装置，其中每个限定状态对应于一个选择的金融产品在每个终止准则满足时的一个可能的状态；(b)用于向每个投资分配回收本利的装置。该分配根据的是在各限定状态中投资的价值单位的总数、在每个限定状态中投资的价值单位的相对数和在所有的终止准则满足时发生的限定状态的识别。

本发明的基于需求的交易装置的最佳实施例包括(a)一个与多个交易者和市场数据系统通信的接口处理机；和(b)一个基于需求的交易处理机，它与接口处理机通信并带有交易状态数据库。基于需求的交易处理机根据市场数据系统和与多个交易者的其中之一的基于需求的交易，保持交易状态数据库，并根据交易状态数据库，处理基于需求的交易。

在本发明的基于需求的交易装置的另一个最佳实施例中，保持交易状态数据库包括(a)建立一个有多个限定状态、多个预定的终止准则和至少一个交易持续期的或然债权，其中，每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；(b)根据基于需求的交易，记录多个交易者的其中之一在多个限定状态至少一个状态中的若干价值单位的投资；(c)根据在每个交易持续期期间在多个限定状态中的投资的价值单位的总数，并根据在每个交易持续期期间在每个限定状态中的投资的价值单位的相对数，计算在每个交易持续期结束时的最终收益；和(d)根据在所有的终止准则满足时发生的限定状态的识别和最终收益，确定给多个交易者的每个交易者的回收本利。处理基于需求的交易包括，在交易持续期期间接受多个交易者的其中之一在多个限定状态的至少一个限定状态中的若干价值单位的投资。

在本发明的基于需求的交易装置的另一个替代性最佳实施例中，保持交易状态数据库包括(a)建立一个有多个限定状态、多个预定的终止准则和至少一个交易持续期的或然债权，其中，每个限定状态对应于一个选择的金融产品在每个终止准则满足时的一个可能的状态；(b)根据基于需求的交易，记录多个交易者的其中之一在多个限定状态至少一个状态中的若干价值单位的投资；(c)根据在每个交易持续期期间在多个限定状态中的投资的价值单位的总数，并根据在每个交易持续期期间在每个限定状态中的投资的价值单位的相对数，计算在每个交易持续期结束时的最终收益；和(d)根据在所有的终止准则满足时发生的限定状态的识别和最终收益，确定给多个交易者的每个交易者的回收本利。处理基于需求的交易包括，在交易持续期期间接受多个交易者的其中之一在多个限定状态的至少一个限定状态中的若干价值单位的投资。

在本发明的基于需求的交易装置的另一个最佳实施例中，保持交易状态数据库包括计算收益估算量；处理基于需求的交易包括根据基于需求的交易提供该收益估算量。

在本发明的基于需求的交易装置的另一个最佳实施例中，保持交易状态数据库包括计算风险估算量；处理基于需求的交易包括根据基于需求的交易提供该风险估算量。

在本发明的基于需求的交易装置的另一个最佳实施例中，基于需求交易包括一个规定所需的回收本利分布和一个组成状态的集合的多状态投资；保持交易状态数据库包括根据该多状态投资将各价值单位分配到该组成状态的集合，以创建所需的回收本利分布。

本发明的目的是提供支持和方便与可观测的具有经济重要性的事件有关的或然债权市场结构的系统和方法，除了上述优点，还包含以下一个或多个优点：

1.用电子计算和连网技术容易实现和支持；

2.减少或消除为创建衍生品市场而要对买方报盘与卖方出盘进行配对的需要；

3.减少或消除衍生生产中介撮合报盘与出盘(match bids andoffers)的需要；

4.对基于或然债权的需求的收益的数学的和一致性的计算；

5.增加的流通性；

6.通过多个衍生品订约方的互相化(mutulization)信用风险的统计多样性；

7.通过减少或然债权的定价方法与可用于投资的基础债权的数量之间的传统联系而改进的越升性；

8.增加的价格透明度；

9.改进的信息积累机制的效率；

10.事件风险的减少，诸如市场崩溃等不连续的市场事件的风险；

11.约束向市场提供流通性的机会；和

12.减少的对交易者的战略行为的激励。

本发明的另一个目的是提供用于与可观测的具有经济重要性的事件有关的或然债权的电子交易所(electronic exchange)的系统和方法，包含以下一个或多个优点：

1.降低与衍生品交易和可保险债权(insurable claims)相关联的交易费用，包括结算和清算费用；

2.降低对复杂的用于衍生品的交易风险管理的评估模型的依赖性；

3.降低交易所或造市商通过套期保值管理市场风险的需要；

4.增加关于或然债权的交易的准确和最新信息对交易者的开放程度，这些信息包括关于在具有经济重要性的事件的所有状态中投资的累积量-包括不同时间期间的投资的累积量-的信息；

5.减少交易要面对的信用风险；

6.增加关于或然债权的交易者承受的信用风险和市场风险的信息的开放程度；

7.增加关于交易和投资的边际收益的信息的开放程度，该信息能在收益在交易持续期期间调整之后，被即时地显示出来；

8.减少衍生生产中介或交易所撮合报盘与出盘的需要；

9.增加为允许传统金融产品和它们的衍生品的倍加而定制基于需求的可调整收益(DBAR)回收本利的能力。

本发明的其它目的和优点一部分在随后的说明中陈述，一部分从说明中显而易见，也可以通过本发明的实践而了解。本发明的目的和优点也可以通过在后附的权利要求中陈述的手段、系统、方法和步骤来实现和取得。

                         附图简介

附图是说明书的一部分，这些附图展示了本发明的实施例，并与文字说明一起用于解释本发明的原理。

图1是在DBAR交易者客户机之间的各种电信形式和实现本发明的DBAR或然债权交易所的最佳实施例的示意图；

图2是实现本发明的DBAR或然债权交易所网络体系结构的最佳实施例的中央控制器的示意图；

图3是本发明的DBAR或然债权交易所的最佳实施例上的交易过程的示意图；

图4表示本发明的DBAR或然债权交易所的最佳实施例的数据存储设备；

图5是DBAR或然债权交易所的最佳实施例在执行DBAR系列衍生品投资中的过程的流程图；

图6是DBAR或然债权交易所的最佳实施例的示例性HTML界面页；

图7是DBAR或然债权交易所的最佳实施例的市场数据流的示意图；

图8是一组DBAR或然债权的隐含的流通性影响的示意图；

图9a是传统的利率交换交易的示意表示；

图9b是示例性的DBAR或然债权组的投资者关系的示意图；

图9c表示在示例性的DBAR或然债权组中每个投资者的信用等级和保证金(margin)交易的表；

图10是DBAR或然债权交易所的最佳实施例的反馈过程的示意图。

                    最佳实施例详细说明

最佳实施例说明部分被划分为7节。第一节提供在DBAR或然债权组中交易或投资的系统和方法的概述。第二节详细描述在DBAR或然债权组中交易或投资的系统和方法的一些重要特点。本最佳实施例详细说明的第三节详细地描述本发明的两个最佳实施例：在DBAR或然债权组中的投资，在这种债权的分组组合中的投资。第四节讨论结算在DBAR或然债权组或分组组合中的交易伴随的风险。本详细说明的第五节讨论本发明的系统和方法的最佳实施例中的流通性和价格/数量关系。第六节详细说明本说明书的各附图。本详细说明的最后一节讨论本发明的系统和方法的一些显著优点。

更具体来说，最佳实施例详细说明的组织结构如下：

1概述：DBRA或然债权交易所和市场

    1.1 交易所设计

    1.2 市场运作

    1.3 网络

2 DBAR或然债权的特征

    2.1 BBAR或然债权记号

    2.2 投资和回收本利的单位

    2.3 正则需求再分配函数

    2.4 计算获得所需回收本利的投资量

    2.5 正则DRF的例子

    2.6 利息考虑

    2.7 收益和概率

    2.8 投资量大时的计算

3 DBAR或然债权分组举例

    3.1 DBAR系列衍生品(包括21个例子)

    3.2 DBAR投资组合

4 DBAR或然债权分组中的风险计算

    4.1 市场风险

       4.1.1 风险资本确定

       4.1.2 采用蒙特卡罗模拟技术的风险资本确定

       4.1.3 采用历史模拟技术的风险资本确定

4.2 信用风险

       4.2.1 信用风险确定

       4.2.2 采用蒙特卡罗模拟技术的信用风险确定

       4.2.3 采用历史模拟技术的信用风险确定

5流通性和价格/数量关系

6附图详细说明

7最佳实施例的优点

8技术附录

在本说明书中，包括本发明的最佳实施例的说明中，为了简明将采用特定的术语。然而，本发明并不限于所用的特定术语，应当明白每个特定术语包括所有的等价用语。

1综述：DBAR或然债权交易所或市场

    1.1交易所设计

本节描述用于构造DBAR或然债权和用于设计这种债权的交易的交易所的最佳方法。交易所的设计对于按照本发明的有效的或然债权投资是重要的。这种系统的最佳实施例包括如下所述的那样建立限定状态和分配收益。

(a)建立限定状态：在最佳实施例中，将一个可观测事件的可能结果的分布划分成定义的范围或状态。在最佳实施例中，总是有一个状态发生，因为各状态是互相排斥的并且总起来说是穷尽的。在这种实施例中，交易者们按他们期望从一个选择的状态内出现的某特定结果产生的收益来进行投资。这种投资允许交易者们套期保值由各状态代表的具有经济重要性的现实世界事件的各可能结果。在一组DBAR或然债权的一个最佳实施例中，不成功的交易或投资资助成功的交易或投资。在这样的实施例中，给定或然债权的各状态最好这样来定义，使得各状态互相排斥，并构成概率分布的基础，即，所有不确定的结果的概率的和是1。例如，可以建立对应于股票价格收盘值的状态，以支持一组DBAR或然债权，方法是通过把该股票在给定的将来日期的可能收盘值的分布划分成各个范围。被以这种方式离散化成各限定状态的将来股票价格的分布，构成一个概率分布，因为每个状态是互斥的，并且在给定日期股票收盘价处于每个限定状态内的概率的和是1。

在一个最佳实施例中，交易者们能同时地在给定分布内选择的多个状态中投资，而无需立即将他们的投资分解，以与为投资选择的每个限定状态对应。交易者们因此可以进行多状态投资，以便倍加希望的来自一组或然债权的收益的分布。这在一个DBAR交易所的最佳实施例中可以通过使用暂记帐户(suspense accounts)来完成，在暂记帐户中，随着收益根据在某交易持续期期间投资的量的调整，多状态投资被定期地跟踪和重新分配。在给定的交易持续期结束时，可以重新分配一个多状态投资，以根据状态分布上的最终投资量获得所需的回收本利分布。所以，在这样一个最佳实施例中，分配到每个所选择状态的投资量以及对应的各个收益，都是在交易持续期收尾时才最终化的。下文在例3.1.2中提供了一个多状态投资的例子，解释了这种暂时帐户的使用。

(b)分配收益：在按照本发明的一组DBAR或然债权的最佳实施例中，每个状态的收益都是规定的。在这样一个实施例中，尽管为某给定交易投资的量可以是固定的，收益是可调整的。某特定状态的收益的确定，可能是投资于该状态中的量和为一组或然债权的所有限定状态投资的总量的一个简单函数。然而，替代性最佳实施例也能适应包括除投资量外的其它因素的收益确定方法。例如，在不成功投资资助成功投资的收益的一组DBAR或然债权中，可以根据在每个状态投资的相对量并且也根据结果的属性-如基础债券中价格变化的程度，分配收益。下面的3.2节中的一个例子解释了在证券投资组合中的这样一个实施例。

1.2市场运作

(a)终止准则：在本发明的方法的一个实施例中，对多个限定状态中的投资的收益，在预定的终止准则的满足之后被分配。在一个最佳实施例中，这些准则包括某个“交易持续期”的期满和在某个“观察持续期”后相关事件的结果的确定。在交易持续期中，交易者们按他们期望从一个选择的限定状态内出现的某特定结果产生的收益来进行投资，该选择的限定状态例如是IBM股票在1999年7月6日将在120和125之间收盘的状态。在一个最佳实施例中，交易持续期的持续时间是所有参与者已知的；在交易持续期期间与每个状态相关联的收益随投资量的变化而不同；收益是根据相对于在交易持续期结束时在每个状态中投资的量的在所有状态中投资的总量进行分配的。

可以提供观察持续期，作为在其期间观察或然事件(contingentevents)以及为分配收益而确定相关结果的时间期间。在一个最佳实施例中，在观察持续期期间没有交易发生。

本说明书中所用的一组DBAR或然债权的到期日期即“到期日”，在该组DBAR或然债权的终止准则被满足时发生。在一个最佳实施例中，到期日是相关事件发生的当天或之后的日期，此时结果是确定的。这个到期日类似于传统的期权或期货中的著名的到期日特征，在期权或期货交易中，规定一个将来的日期，即到期日期，作为将确定期权或期货的价值的日期，确定方法是参照该到期日期的基础金融产品的价值。

为本说明书所定义的或然债权的持续时间就是从给定的参照日期到到期日所剩余的时间量。本说明书中所用的交易起始日期(TSD)和交易结束日期(TED)，指的是在其期间交易者能在一组DBAR或然债权中进行投资的时间期间(交易持续期)的开始和结束。所以，在其期间一组DBAR或然债权对投资或交易开放的时间，即TSD和TED之间的差，可以被称作交易持续期。在最佳实施例中，对于给定的到期日可能由一个或许多个交易持续期通过时间连续地开放。例如，一个交易持续期的TED可以与随后的交易持续期的TSD正好重合，或者，在其它例子中，交易持续期可以重叠。

或然债权的持续时间、对给定时间采用的交易持续期的数目以及各交易持续期的长度和时机选择之间的关系，可以以各种方式安排，以便最大化交易或取得其它目标。在最佳实施例中，最少发生一个交易期，就是说，开始和结束-时间上在相关事件的结果的识别之前。换言之，在最佳实施例中，交易持续期最可能暂时在定义债权的事件之前。这并不需要总是这样，因为事件的结果可能在一段时间内是未知的，由此使交易持续期能在事件的发生后随后结束(甚至开始)，但是在其结果已知之前。

可以开放一个接近连续或“准连续”的市场，方法是为同一个事件创建多个交易持续期，每个有其自己的收盘收益(closingreturns)。交易者们能随收益改变而在连续的交易持续期期间进行投资。这样，就能至少像目前的衍生品市场中那样频繁地实现利润-和-亏损。这是衍生品交易者们目前能套期保值期权、期货和其它衍生品交易的方式。在本发明的最佳实施例中，交易者们能以不同的频率，包括比每天更高的频率，实现利润。

(b)市场效率和公平：市场价格反映对在市场中交易的各部分参与者开放的信息的分布等等。在大多数市场中，有些参与者比其它人消息更灵通。在房屋银行或传统市场中，造市商通过增加他们的买卖差价额针对消息更灵通的订约方保护他们自己。

在DBAR或然债权市场的最佳实施例中，可能有没有需要保护他们自己的造市商。然而可能有必要在这种市场中设置运营方法，以便防止操纵各组DBAR或然债权的基础结果或为各种结果应付的收益。一种这样的机制是引入一个关于交易持续期收尾的时间的随机要素。另一个最小化市场操纵的可能性和效应的机制是引入一个对观察持续期的持续时间的随机要素。例如，某DBAR或然债权可能针对在一个时间间隔的市场收盘价的平均进行结算，而不是针对某特定日期的市场收盘价。

此外，在最佳实施例中，可以采用激励措施来引导交易者在交易持续期中更早而不是较晚地投资。例如，可以采用一种DRF，该DRF向较早在成功状态中的投资分配比较晚在该状态中的投资稍微高一点的收益。在最佳实施例中较早的投资可能是有价值的，因为它们能在交易持续期期间增强流通性和促进更有统一意义的价格信息。

(c)信用风险：在DBAR或然债权市场的最佳实施例中，经营者或交易所通过系统运营内在的基本原则基本上受到避免主要市场风险的保护-该基本原则是，成功投资的收益，资金源于不成功投资的亏损。这种最佳实施例中的信用风险被分布在所有市场参与者之间。例如，如果在一组DBAR或然债权内允许杠杆投资，可能就不可能收集杠杆不成功投资，以便在成功的投资之间分配这些量。

在几乎所有这种情况中，对于一组DBAR或然债权内的任何给定的交易者，存在一个非零的违约概率，即信用风险。当然，这种信用风险对所有以信用为便利的金融交易来说是普遍的。

针对这种风险的一种方法是不允许在该组DBAR或然债权内有杠杆投资，这是本发明的系统和方法的一个最佳实施例。在其它最佳实施例中中，DBAR交易所中的交易者可以被允许使用有限的杠杆作用(leverage)，这要受到实时的保证金监视，包括计算某交易者对DBAR系统中的总体信用风险水平和特定的或然债权的影响。这些风险管理计算应当比信用风险管理者在常规衍生品市场中为监视订约方信用风险而通常进行的分析更加易于掌握，更加透明。

本发明的最佳实施例的一个主要特征是能提供投资于一组DBAR或然债权的所有交易者之间的信用风险的多样化。在这种实施例中，交易值在共同的状态分布中(按为该组定义的价值的单位)进行投资，期望如果确定给定的状态已经发生时接受一个收益。在最佳实施例中，所有交易者通过他们在为一组或然债权限定状态中的投资，将他们的投资量置于一个中央交易所或中介，后者在每个交易持续期从不成功投资的亏损中向成功投资支付收益。在这种实施例中，给定的交易者有交易所中的所有其他交易者作为订约方，实现了订约方的共同化(mutualization)和订约方信用风险暴露。每个交易者因此承担对订约方组合而不是对单一订约方的信用风险。

本发明的DBAR或然债权和交易所的最佳实施例在管理杠杆交易中内在的信用风险方面有四个主要优点。第一，DBAR或然债权的一个最佳形式需要有限责任投资。投资责任有限，是因为交易者能亏损的最大量是投资的量。在这方面，有限责任特点征类似于传统市场中的长期权头寸(long option position)的有限责任特点。相反，传统市场中的短期权头寸代表可能是无限责任的投资，因为向下的风险很容易能超过期权升水(option premium)，理论上讲是无限制的。重要的是，本发明的一组DBAR或然债权能容易地在保持有限责任的同时倍加传统的期权短盘的收益。一组DBAR或然债权的有限责任特点是市场的需求方性质的直接后果。更具体来说，在最佳实施例中，没有像传统市场中有的销售或短盘，即使一组DBAR或然债权中的交易者可以能获得传统短盘的收益组合(profile)。

第二，在最佳实施例中，一组DBAR或然债权内的交易者应当有上述的订约方组合。结果，应当有一个统计的信用风险多样性，以致平均来讲(在除极个别例外的情况中)，任何一个交易者承担的信用风险量小于假若面对单一的订约方时的信用风险，而这种假设在传统市场中经常就是实际存在的。换言之，在本发明的系统和方法的最佳实施例中，每个交易者都能利用在投资组合分析中著名的多样性效应的好处。

第三，在本发明的最佳实施例中，一组DBAR或然债权所存在的保证金贷款的整个分布以及杠杆作用和信用风险的总量，很容易就能在该组债权的所有终止准则的满足之前的任何时候计算出来并显示给交易者。这样，交易者自己就可以接触到关于信用风险的重要信息。在传统市场中，这种信息是不容易得到的。

第四，DBAR或然债权交易所的最佳实施例比传统市场交易所更多地更多关于可能的结果的分布的信息。这样，作为按照最佳实施例的DBAR或然债权交易的副产品，交易者们有更多的关于未来的现实世界事件的可能结果的分布的信息，交易者们能用这种信息来更有效地管理风险。对于许多交易者来说，信用风险的一个重要部分可能是由市场风险引起的。所以，在本发明的最佳实施例中，通过交易所或以其它方式控制或者至少提供关于市场风险的能力，对信用风险的管理应当有正反馈效果。

一个带有下列假设的一组DBAR或然债权的简单例子解释这些特点。该例子采用下列基本假设：

●两个限定状态(具有预定的终止准则)：(i)股价在一个月内上涨；(ii)股价在一个月内下跌；和

●100美元已经被投在该上涨状态中，并且95美元投在该下跌状态中。

如果某交易者然后投资1美元在上涨状态中，如果股票实际上在该月上涨，则该交易者将被分配1.9406(＝196/101)美元的回收本利-0.9406的收益加原始的1美元投资(为简单起见，忽略交易费)。如果在该交易持续期结束之前该交易者希望实际上“卖掉”其在该上涨状态中的投资，交易者有两个选择。他可以将该投资卖给第三方，该第三方需要在双向指令撮合网络中撮合一个报盘和一个出盘。或者，在本发明方法的最佳实施例中，该交易者可以在下跌状态中投资，投资量与已经在该状态中投资的量(不算该交易者的“新”投资)成比例。在这个例子中，为了完全地套期保值其在上涨状态中的投资，交易者可以投0.95(95/100)美元在下跌状态中。因此在任何一种可能的结果下，交易者都将收到1.95美元的回收本利，即，如果股票升值，交易者将收到196.95/101＝1.95美元，如果股票贬值，交易者将收到196.95/95.95＝1.95美元。

1.3网络实现

用于按照本发明的各组DBAR或然债权市场的市场或交易所，不是设计用来建立一个订约方驱动的或指令配对的(order-matched)市场。买方的报盘同卖方的出盘不需要被“撮合”。由于没有对指令撮合网络的需要，本发明的最佳实施例尤其适合于在例如宽域网或公共因特网上的大规模的电子网络实现。

按照本发明的交易方法的基于电子网络的实施例的最佳实施例包括一个或多个以下特点：

(a)用户帐户：DBAR或然债权投资帐户是用电子方法建立的。

(b)利息和保证金帐户：交易者帐户是用电子方法记录的，以记录向交易者支付的开口(open)DBAR或然债权余额的利息，并从交易者余额中扣取保证金贷款利息(debit trader balances formargin loan interest)。通常对一组DBAR或然债权的未用(outstanding)投资余额支付利息，一直到终止准则满足。通常对未偿还(outstanding)保证金贷款收取利息，只要这种保证金贷款未偿还。对有些或然债权，可以将交易余额利息输入到交易持续期的结束收益中。

(c)暂记帐户：这些帐户特别与已经由交易者在交易持续期期间同时在同一事件的多个状态中作出的投资有关。多状态投资交易是分散在一系列状态中投资的交易，其目的是，如果任何状态发生，就根据该实际发生的状态的结束收益向该交易者分配一个收益。

交易者当然可以简单地把多状态投资分解或划分成许多单独的、单一状态的投资，尽管这种方法可能要求交易者随着收益在整个交易持续期中因在每个状态变化中投资的量的调整，保持再平衡(rebalancing)其单一状态投资的组合。

为了倍加交易者可能希望的回收本利的任何任意分布，可以采用多状态交易。例如，某交易者可能想投资于所有超过某或然债权的基础债券的某个价值或价格的状态，例如，某股票价格在将来某个日期超过100。该交易者可能也想，不管这些状态中的什么状态发生，都收到相同的回收本利。对于一组DBAR或然债权来说，完全会有许多结果是股价超过100(即大于100小于101；大于101小于102，等等)的状态。为了用单一状态投资倍加一个多状态投资，交易者就需要连续地再平衡单一状态投资的组合，以便将投资于所选择的多状态的量按投资于这些状态中的现有的量的比例划分到这些状态中。可以采用暂记帐户，使得交易所而不是交易者对再平衡单一状态投资的组合负责，以便在交易持续期结束时，将多状态投资的量在构成的状态之间这样地分配，以便倍加该交易者的希望的回收本利分布。下文的例3.1.2解释了多状态投资的暂记帐户的使用。

(d)鉴定：每个交易者可以有一个可以用鉴定数据鉴定的帐户。

(e)数据安全：采用例如各种强大的公共和专用密钥加密法，可以确保在网络上进行或然债权交易的安全性。

(f)实时市场数据服务器：可以提供实时的市场数据，以支持频繁的收益计算，以及在观察期期间确定结果。

(g)实时计算引擎服务器：频繁的市场收益计算可以增加市场的有效功能。关于票面利率(coupon)、股息、市场利率、即期价格的数据和其它的市场数据，可以被用来在交易持续期的开始计算开盘收益，在观察期期间确定结果确定可观察的事件。对于有些DBAR或然债权组，可能至少在交易持续期的开始，需要复杂的模拟方法来估算期望的收益。

(h)实时风险管理服务器：为了计算交易者的保证金要求，应当频繁地计算每个交易者的期望收益。传统市场中的“风险价值”的计算，可能涉及繁重的矩阵计算和Monte Carlo模拟。本发明的最佳实施例中的风险计算较简单，因为存在关于每个状态的期望收益的信息。这种信息在传统的资本市场和再保险市场中通常是得不到的。

(i)市场数据存储：按照本发明的DBAR或然债权交易所在运营的同时还可以生成有价值的数据。这些数据在传统的资本或再保险市场中不易得到的。在本发明的一个实施例中，可以请求在各种范围的市场事件结果上投资，这种事件例如是30年期的美国国库券将在给定的日期以6.10％至6.20％之间的回收率收盘。在整个状态分布中的投资生成反映交易者们在整个可能结果的分布上的期望的数据。本说明书中披露的网络实现可以用来捕获、存储和检索这些数据。

(j)市场评估服务器：本发明的方法的最佳实施例包括持续地提高市场效率的能力。市场效率的提高，很容易通过例如比较一组DBAR或然债权的预测收益与实际实现的结果而实现。如果投资者有理性的期望，则DBAR或然债权收益将平均地反映交易者的期望，这些期望本身将平均地实现。在最佳实施例中，对限定状态和在整个可能结果的分布上的投资进行效率测算，测算结果然后可与实现的结果一起用于统计时间系列(statistical time series)分析。本发明的网络实现因此可以包括分析服务器，用来执行这些分析，以不断地提高市场的效率。

2 DBAR或然债权的特征

在最佳实施例中，一组与某个可观察时间有关的DBAR或然债权包括一个或多个以下特点：

(1)一个定义的集体穷举状态的集合，这些状态表示与某个可观察事件有关的可能结果。在最佳实施例中，事件是有经济重要性的事件。可能的结果通常是与事件相关联的计量单位(units ofmeasurement)，例如某个具有经济意义的事件可能是未来一个月的标准普尔500(S&P 500)的收盘指数水平，可能结果可能是在一个月内的可能的指数水平的整个范围。在最佳实施例中，将状态定义得对应于可能结果的整个范围上的一个或多个可能结果，使得为某事件定义的各状态构成一个可计算的、分立的个数的可能结果的范围，并且集体上是穷尽的，因为横跨整个的可能结果范围。例如，在最佳实施例中，S&P 500的可能结果的范围能从大于0到无限(理论上)，一个限定状态可能是那些大于1000且小于或等于1100的指数值。在这种最佳实施例中，当相关事件的结果变得已知时，仅仅只有一个状态发生。

(2)交易者能在每个事件的一个或多个交易持续期期间对指定的状态设置交易。在最佳实施例中，一个DBAR或然债权组定义对相应的债权来说可接受的交易或值的单位。这种单位可以是美元、油桶、股票的股数或交易者和交易所接受的用于表示值的任何其它单位或单位的组合。

(3)接受的事件的结果的确定，用于确定那个状态或那些状态已经发生。在最佳实施例中，一组DBA或然债权定义确定相关事件的结果的手段。例如，S&P 500指数在预定日期实际收盘的水平就是一个结果观察，它能确定限定状态的其中之一的发生。例如，该日期的1050的收盘值，就能确定发生了1000和1100之间的状态。

(4)取当每个交易持续期结束时该分布存在的状态分布上每个状态的每个交易者的交易量并以每个状态的出现为条件计算每个状态的每个投资的回收本利的DRF的规范。在最佳实施例中，这样做是为了回收本利的总量不超过所有交易者在所有状态中投资的总量。DRF能被用来显示假若在交易持续期期间每个状态出现时的回收本利，由此向交易者提供关于每个状态中所有交易者的集体利益水平的信息。

(5)在扣除交易费和终止准则满足之后根据不成功投资的总量给成功投资的交易者回收本利。

对应于可能事件结果的范围的状态被称作“分布”或“状态的分布”。每个DBAR或然债权组一般与一个状态分布相关联。该分布一般是为有经济利益的事件定义的，目的是便于有收益的期望或降低风险(套期保值)的期望的交易者进行投资。例如，该分布可基于股票、债券、期货和外汇汇率的值。该分布也可以基于商品指数、经济统计(例如消费价格通货膨胀月报)、人身财产损失、某地区的天气状况的值，以及任何其它可测量或可观察的事件或者交易者即使没有针对事件的结果的交易也不会在经济上无所谓的任何其它事件。

2.1 BBAR或然债权记号

为了便于进一步描述DBAR或然债权，本说明书中使用以下记号：

m代表给定一组DBAR或然债权的交易者的数量

n代表与给定一组DBAR或然债权相关联的给定分布的状态的数量

A代表一个m行n列的矩阵，其中第i行第j列的元素a_i，j是期望状态j发生时获得收益的交易者i在状态j中已经投资的量

Л代表一个n行n列的矩阵，其中元素π_i，j是如果状态j发生时在状态i中的每个投资单位的回收本利(单位回收本利)

R代表一个n行n列的矩阵，其中元素r_i，j是如果状态j发生时在状态i中的每个投资单位的收益，即r_i，j＝π_i，j-1(单位收益)

P代表一个m行n列的矩阵，其中第i行第j列的元素p_i，j是如果状态j发生时要向交易者i支付的回收本利，P等于矩阵积A*Л

P_*j代表P的第j列，j＝1...n，含有如果状态j发生时给每个投资的回收本利

P_i*代表P的第i行，i＝1...m，含有给交易者i的回收本利

s_i其中i＝1...m，代表可观察事件的一系列可能结果

T_i其中i＝1...m，代表期望状态i发生的交易的总量

T代表在整个状态分布上的总交易量，即 $T=\underset{i=1..n}{\mathrm{\Σ}}{T}_i$

f(A，X)代表交易所的交易费，交易费与在所有状态上的交易量的整体分布有关，也与其它因素X有关，有些因素在下文中指出。为了简洁，在本说明书中的其余部分，除非另外指出，均假设交易费是在所有状态上交易的总量的固定百分比。

c_p代表向保证金贷款收取的利率

c_r代表向交易余额支付的利率

t代表对于该组DBAR或然债权来说从交易或投资的接受到所有终止准则的满足之间的时间，一般以年或年的小数表达。

X代表DRF或交易费可能与之有关的其它信息，如特定于某投资或交易者的信息，例如包括交易的时间或规模

在最佳实施例中，DRF是个函数，取在给定一组DBAR或然债权的状态分布交易量，交易费计划(schedule)，以每个状态的出现为条件，计算付给投在正态分布上的的每个交易或的回收本利。这样的DRF记为：

 P＝DRF(A，f(A，X)，X|s＝s_i)＝A*∏(A，f(A，X)，X)    (DRF)

换言之，以矩阵A代表的已经在n个状态上投资的m个交易者，将在如果状态i发生时，接受以矩阵P代表的回收本利，也考虑交易费f和其它因素X。以矩阵P确定的回收本利，可以表示为矩阵Л与矩阵A的积，其中(a)矩阵Л代表如果每个状态发生时每个状态的每个投资单位的回收本利；(b)矩阵A确定每个交易者在每个状态中交易或投资的量。以下记号可以被用来指出，在最佳实施例中，回收本利不应当超过总投资量减交易费，不管发生的是哪个状态：       j＝1..n(DRF限制)其中，1代表一个列向量，维数由下标表示，上标T代表标准置换运算符，P_*j代表P的第j列，代表如果状态j发生时要给每个交易者的回收本利。所以，在最佳实施例中，不成功投资资助成功投资。此外，不存在下文讨论的与信用有关的风险，在这种实施例中，没有回收本利将超过在状态分布中投资的总量的风险，不管哪个状态发生。简而言之，本发明的一组DBA或然债权的最佳实施例是自我融资的，因为对于任何状态，回收本利加交易费不超过投入(即投资量)。

DRF可能依赖于投资量和在其中进行投资的状态意外的其它因素。例如，回收本利可能与在两个日期之间基础事件的观察到的结果的变化程度有关。另一个例子是，DRF可以向在交易持续期中较早开始投资的交易者分配比在交易持续期中较晚开始投资的交易者更高的回收本利。另一种形式是，DRF可以向在某给定状态的较大的投资量分配比在该状态的较小投资量更高的回收本利，由此提供另一个流通性激励。

在任何情况中，都有许多用于DRF的可能功能形式可以使用。例如，DRF的一个普通形式是这样的情况，其中，交易量A在任何状态发生后就根本不再分配，就是说，如果任何状态发生，每个交易者就收回他的投资量，如下述公式表示的那样

P＝A          如果s＝s_i，i＝1...n

在对冲者间的分配和交易风险中，这种小的DRF是不采用的。

为了有意义的风险交换的发生，DRF的最佳实施例中要在至少一个状态发生时实现在状态分布上投资的量的有意义的再分配。本发明的各组DBAR或然债权是在正则DRF的上下文中讨论的，正则DFR是一个最佳实施例，其中，在没有发生的状态中的投资量被完全地再分配到确实发生的状态(减任何交易费)。本发明并不仅限于正则DRF，许多其它类型的DRF也可以使用，可能是实现一组DBAR或然债权的理想DRF。例如，另一个DRF最佳实施例分配总投资量的一半给结果状态，将总投资量的其余部分扣除给没有发生的状态。在另一个最佳实施例中，DRF分配某个百分比给某个发生的状态，另一个百分比给一个或多个“接近”或“邻近”状态，大量不发生的状态则收到零回收本利。通过研究本说明书和实践本发明，对本技术领域中的熟练人员来说，其它DRF是显而易见的。

2.2投资和回收本利的单位

本发明的系统和方法中的投资和回收本利的单位可以是货币的单位、商品的数量、普通股的股数、转换交易的量以及任何其它表示经济价值的单位。所以，有着投资或回收本利以货币(例如美元)的单位计算的限制，或者从DRF产生的回收本利以与投资相同的单位计算的限制。最好用相同的价值单位来表示每个投资、在一组DBAR或然债权中所有投资的总量以及在每个状态中的投资量。

例如，交易者们有可能按普通股的股数在一组DBAR或然债权中进行投资，适用的DRF有可能以日元或油桶单位向交易者分配回收本利。此外，交易量和回收本利有可能是各种单位的某种组合，例如是商品、货币和股数的组合。在最佳实施例中，交易者们不必实际地存储或接收这些价值单位的交付，能依靠DBAR或然债权交易所在各种单位之间折算，以便于进行有效的交易和回收本利交易。例如，可以这样定义一组DBAR或然债权，使得投资和回收本利都以黄金盎司为单位。交易者仍然向交易所存货币，例如美元，交易所则能负责将以美元为单位的投资折算成正确的单位，例如黄金，用于在给定状态中投资或者接受回收本利。在本说明书中，一般用美元作为投资和回收本利的价值单位。本发明不限于以该价值单位为单位的投资和回收本利。在投资和回收本利是以不同的单位或单位组合为单位时，为了向每个投资分配回收本利，交易所最好将每个投资的量以及在一组DBAR或然债权中的总投资，折算成单一的价值单位(例如美元)。下文的例3.1.20解释的一组DBAR或然债权中，投资和回收本利都是以普通股股数为单位的。

2.3正则需求再分配函数

能被用来实现一组BDAR或然债权的DRF的最佳实施例中被称作“正则DRF”。正则DRF是一类有以下属性的DRF：在发生给定状态时，在该状态中投过资的投资者接收按投资单位的回收本利，该回收本利等于(a)所有状态的交易总量减交易费，除以(b)在发生的状态中投资的总量。正则DBF可以一个可以是交易总量T的百分比的交易费，尽管其它交易费也是可能的。在没有发生的状态中投资的交易者们接收零回收本利。用上文编制的记号：

如果i＝j，如果i发生时对在状态i中的投资的单位回收本利

π_ij＝0     否则，即如果i≠j，如果状态j发生则对在状态i中的投资的回收本利是零。

在正则DRF的最佳实施例中，如上文定义的单位回收本利矩阵Л因此是一个对角矩阵，i＝j的对角线上各元素等于πi，j，非对角线上的元素等于零。例如，在n＝5的最佳实施例中，单位回收本利矩阵是： $\mathrm{\Π}=\left[\begin{array}{ccccc}\frac{T}{T_1}& 0& 0& 0& 0\\ 0& \frac{T}{T_2}& 0& 0& 0\\ 0& 0& \frac{T}{T_3}& 0& 0\\ 0& 0& 0& \frac{T}{T_4}& 0\\ 0& 0& 0& 0& \frac{T}{T_5}\end{array}\right]*(1-f)=\left[\begin{array}{ccccc}\frac{1}{T_1}& 0& 0& 0& 0\\ 0& \frac{1}{T_2}& 0& 0& 0\\ 0& 0& \frac{1}{T_3}& 0& 0\\ 0& 0& 0& \frac{1}{T_4}& 0\\ 0& 0& 0& 0& \frac{1}{T_5}\end{array}\right]*T*(1-f)$

对于这个正则DR分得实施例来说，回收本利矩阵是投资总量减去交易费，再乘以一个对角矩阵，该对角矩阵在对角线上含有每个状态中投资总量的倒数，其余元素是零。在所有n个状态中所有m个交易者投资的总量T，在在状态i中投资的总量T_i，二者都是矩阵A的函数，矩阵A含有每个交易者在每个状态中投资的量： $T_i=1_m^T*A*B_n\left(i\right)$ $T=1_m^T*A*1_n$ 其中Bn(i)是维n的列向量，在第i行有1，其它位置的值是0。所以，以n＝5为例，上述的正则DRF有一个单位回收本利矩阵，它是在各状态上交易的量和交易费的函数：该公式可以推广到任意数量的状态。实际的回收本利矩阵，以该组DBAR或然债权的定义的价值单位(即美元)为单位，是m×n交易量矩阵A和以上定义的n×n单位回收本利矩阵Л的积：

p＝A*Л(A，f)                 (CDRF)这得出如上定义的回收本利矩阵是矩阵A中含有的交易量和单位回收本利矩阵Л的矩阵积，单位回收本利矩阵Л本身又是矩阵A和交易费f的函数。该表达式被标记为CDRF，表示“正则需求再分配函数”。

注意到在这个最佳实施例中，矩阵A的任何改变一般都将对任何给定交易者的回收本利有影响，原因既有投资量的变化，即通过A在CDRF中的直接影响，也有单位矩阵的变化，即因单位回收本利矩阵Л本身是交易量矩阵A的函数而具有的间接影响。

2.4计算获得所需回收本利的投资量

在本发明的一组DBAR或然债权的最佳实施例中，有些交易者在交易持续期在各状态中进行投资，期望给定状态发生时的回收本利，如上述CDRF中表达的那样。或者，交易者可能特别喜爱如果给定状态发生时的一个期望的回收本利分布。这种回收本利分布可以被记为Pi*，这是回收本利矩阵P中对应于交易者i的一行。这样一个交易者可能想知道，为了获得这个回收本利分布，要在对应于给定一个或多个状态的或然债权中投资多少。在最佳实施例中，给定一个回收本利分布，就能要在CDRF的状态分布上投资的量，方法是计算CDRF的表达式的逆，解出交易量矩阵A：

A＝p*Л(A，f)^-1                 (CDRF2)在这个公式中，单位回收本利矩阵上的上标-1表示矩阵的逆。

表达式CDRF2不提供交易量矩阵A的明示的答案，因为单位回收本利矩阵Л本身是交易量矩阵的函数。CDRF2一般要用数值方法来解m同时的二次方程。例如，考察一个交易者，该交易者想知道，为了获得希望的回收本利p，应当为给定状态i交易多少量α。如在上述的CDRF中那样用“前向”表达式来计算从交易量中的回收本利，则得出下列方程： $p=\left(\frac{T+\mathrm{\α}}{T_i+\mathrm{\α}}\right)*\mathrm{\α}$ 这表示在已经为状态I交易了α后矩阵方程CDRF的一个给定的行和列(假设没有交易费)。该表达式的交易量α是二次的，能按下式解正的二次方根： $\mathrm{\α}=\frac{(p-T)+\sqrt{{(p-T)}^2+4*p*T_i}}{2}-----\left(\mathrm{CDRF}3\right)$

2.5正则DRF的例子

一个简化的例子解释具有一组在两个状态(例如状态“1”和“2”)上定义的DBAR或然债权的CDRF的用法，其中有4个交易者进行投资。例如，作以下假设：(1)交易费f是零；(2)投资和回收本利单位都是美元；(3)交易者1已经在状态1投资5美元，在状态2投资10美元；(4)交易者2只为状态1投资了7美元。就至此所述的投资活动而言，交易量矩阵A是4行2列的，单位矩阵Л有2行2列，分别由下式表示： $\mathrm{\Π}=\left[\begin{array}{cc}\frac{1}{12}& 0\\ 0& \frac{1}{10}\end{array}\right]*22$

回收本利矩阵P含有如果每个状态发生时每个交易者的以美元计的回收本利，它是A和Л的积：P的第一行对应于给交易者1的回收本利，是根据其投资和单位回收本利矩阵算出的。如果状态1发生，交易者1将收到9.167美元的回收本利，如果状态2发生，将收到22美元。类似地，如果状态1发生，交易者2将收到12.833美元，如果状态2发生，则没有回收本利(因为交易者2没有在状态2中进行任何投资)。在这个例子中，交易者3和4的回收本利为0，因为他们没有进行投资。

按照以上标记“DRF约束条件”的表达式，发生无论那一个状态时，要支付的总回收本利都小于或等于总投资量。换言之，这个例子中的CDRF是自我融资的，总回收本利加交易费(本例中假设是0)不超过总投资量，不管哪个状态发生。这由下列公式表示： $1_m^T*P_{*.1}=22\≤1_m^T*A*1_n=22$ $1_m^T*P_{*,2}=22\≤1_m^T*A*1_n=22$

继续这个例子，现在假设交易者3和4每个都想要进行产生期望的回收本利分布的投资。例如，假设交易者3想要在状态1发生时收到2美元的回收本利，在状态2发生时收到4美元的回收本利，而交易者4想要在状态1发生时收到5美元的回收本利，在状态2发生时收到0美元的回收本利。用CDRF公式：

                 P_3.*＝[2 4]

                 P_4.*＝[5 0]

在最佳实施例和这个例子中，回收本利是根据投资量A支付的，因此是也就是根据单位回收本利矩阵Л(A，f(A))-给定在交易持续期结束时存在的交易量的分布。就本例来说，现在进一步假设(a)在交易持续期结束时交易者1和2已经作了以上指出的投资，(b)交易者3和4的期望回收本利分布已经被记录在暂记帐户中，该帐户是用来为了获得每个交易者期望的回收本利分布而确定向每个状态的多状态投资的分配的-给定在交易持续期结束时存在的其它交易者的投资。为了确定合适的分配，可用该暂记帐户来解CDRF 2，例如： $\left[\begin{array}{cc}5& 10\\ 7& 0\\ {\mathrm{\α}}_{\mathrm{3,1}}& {\mathrm{\α}}_{\mathrm{3,2}}\\ {\mathrm{\α}}_{\mathrm{4,1}}& {\mathrm{\α}}_{\mathrm{4,2}}\end{array}\right]=\left[\begin{array}{cc}{p}_{\mathrm{1,1}}& p_{\mathrm{1,2}}\\ p{\mathrm{2,1}}_{}& p_{\mathrm{2,2}}\\ 2& 4\\ 5& 0\end{array}\right]*\left[\begin{array}{cc}\frac{1}{(5+7+{\mathrm{\α}}_{\mathrm{3,1}}+{\mathrm{\α}}_{\mathrm{4,1}})}& 0\\ 0& \frac{1}{(10+0+{\mathrm{\α}}_{\mathrm{3,2}}+{\mathrm{\α}}_{\mathrm{4,2}})}\end{array}\right]\frac{\mathrm{con}{t}^{\′}d}{\mathrm{below}}$ ^*(5+10+7+0+α_3，1+α_4，1+α_3，2+α_4，2)这个表达式的解将得出交易者3和4为了获得他们期望的回收本利分布而需要分别为对应于状态1和2的或然债权投入的量。这个解也将使总投资量最终化，使得交易者1和2能确定他们在如果任一种状态发生时的回收本利。这个接可以用计算机程序获得，计算机程序每个交易者对每个状态的、为了产生该交易者对该状态的期望回收本利的投资。在最佳实施例中，计算机程序循环地重复这个过程，直到所计算的投资量汇合，即使得要由交易者3和4投资的量不再随该计算过程的每个连续循环而实质改变为止。这个方法在现有技术中被称作定点迭代，在技术附录中有更详细的解释。下表含有的以微软公司的Visual Basic语言编写的两个函数的计算机代码表，能被用来执行该循环计算，以计算这个带正则需求再分配函数的一组DBAR或然债权的例子中的投资量的最终分配：表1：用于解CDRF 2的示例性Visual Basic计算机代码

Function allocatetrades(A_mat，P_mat)As VariantDim A_finalDim trades As LongDim states As Longtrades＝P_mat.Rows.Countstates＝P_mat.Columns.CountReDim A_final(1 To trades，1 To states)ReDim statedem(1 To states)Dim i As LongDim totaldemand As DoubleDim total desired As DoubleDim iterations As Longjterations＝10For i＝1 To tradesFor j＝1 To statesstatedem(j)＝A_mat(i，j)+statedem(j)A_final(i，j)＝A_mat(i，j)Next jNext iFor i＝1 To statestotaldemand＝totaldemand+statedem(i)Next iFor i＝1 To iterationsFor j＝1 To tradesFor z＝1 To statesIf A_mat(j，z)＝0 Thentotaldemand＝totaldemand-A_final(j，z)statedem(z)＝statedem(z)-A_final(j，z)tempalloe＝A_final(j，z)A_final(j，z)＝stateall(totaldemand，P_mat(j，z)，statedem(z))totaldemand＝A_final(j，z)+totaldemandstatedem(z)＝A_final(j，z)+statedem(z)

End lfNext zNext jNext iallocatetrades＝A_finalEnd FunctionFunction stateall(totdemex，despaystate，totstateex)Dim soll As Doublesoll＝(-(totdemex-despaystate)+((todemex-despaystate)^2+4*despaystate*totstateex)^0.5)/2stateall＝sollEnd Function

对于这个有两个状态和四个交易者的例子来说，用表1中表示的计算机代码产生的投资量矩阵A如下：

单位回收本利矩阵Л可以按上文所述的方式计算出来，等于：

结果的回收本利矩阵P是A同Л的积，等于

可以看到，上面的P的每列的和等于27.7361，它等于(以美元计)使该组DBAR或然债权是自我融资(这是本例所希望的)所需的总投资量。该分配可以说是平衡的，因为交易者1和2的投资量是不受干扰的，交易者3和4他们期望在每个状态发生时如上文规定的回收本利。

2.6利息考虑

当投资于一组DBAR或然债权时，交易者们一般有持续时期的未结清投资余额，也可能有持续时期的来自交易所的未结清的贷款或保证金余额。交易者们一般被支付未结清投资余额的利息，并且一般要支付未结清保证金贷款的利息。在最佳实施例中，交易余额利息和保证金贷款利息可以明示在回收本利中，尽管在另外形式的最佳实施例中，这些项目可以在回收本利结构意外作处理，例如，通过记入用户帐户的借方或贷方而处理。所以，如果一种价值单位的交易的一部分β是以现今做的，其余是靠保证金做的，则如果状态i发生时的单位回收本利Лi可以按以下形式表达： ${\mathrm{\π}}_i=\frac{(1-f)*T}{T_i}+\mathrm{\β}*\left(c_r\right)*t_b-(1-\mathrm{\β})*t\left(c_p\right)*t_l$ 其中后两项表达的分别是表示时间t_b中每投资单位的交易余额的贷方款(credit)和表示时间t_l中每投资单位的保证金余额的借方款(debit)。

2.7收益和概率

在带有正则DRF的一组DBAR或然债权的最佳实施例中，代表投资的每单位的百分比收益的收益，与回收本利密切相关。这种回收本利也与投资者所熟悉的经济收益的概念密切相关。例如，如果某投资者花100美元购买了股票，然后卖了110美元，则这个投资者实现了10％的收益(110美元的回收本利)。

在带有正则DRF的一组DBAR或然债权的最佳实施例中，如果状态i发生时的单位收益r_i，可以表达为下式：如果状态i发生

r_i＝-1          否则，即如果状态i不发生

在这种实施例中，在某个发生的状态中的单位投资的收益，是在该状态中的投资量、在所有其它状态中的投资量和交易费的一个函数。对于没有发生的状态，单位收益是-100％，就是说，期望如果某状态发生时收到收益的而投资的总值，在该状态没有发生时被没收。这种情况中的-100％收益有与例如传统的期权期满“缺钱”的一样的收益组合。当传统的期权期满缺钱时，保证金减少到零，在期权中的整个投资都丧失。

在本说明书中，将回收本利定义为1加上在给定状态的单位投资收益乘以在该状态的的投资量。对于一组对应于所有n个可能的状态的DBAR或然债权，所有回收本利的总和P_s可以下式表达：

      i，j＝1..n在采用正则DRF的最佳实施例中，可以通过用上述各表达式替代任何状态中的单位收益来找出状态i发生的回收本利P_s： $P_s=(\frac{(1-f)*\underset{i=1..n}{\mathrm{\Σ}}{T}_i-T_i}{T_i}+1)*T_i+\underset{j,j\≠i}{\mathrm{\Σ}}(-1+1)*T_j=(1-f)*\underset{i=1..n}{\mathrm{\Σ}}{T}_i$

于是，在这种最佳实施例中，对于任何给定状态的发生，无论什么状态，付给所有交易者整体的总回收本利是1减去付给交易所的交易费(在本最佳实施例中以在所有状态上的总投资的一个百分比表达)，乘以在该组DBAR或然债权的所有状态上投资的总量。这意味着在一组DBAR或然债权的最佳实施例中，假设交易所没有信用风险或其它风险，则(1)交易所在任何状态中亏损的概率是零；(2)对于任何给定状态的发生，交易所收取一笔交易费而不承受任何风险；(3)回收本利和收益是需求流(demand flow)即投资量的函数；(4)交易费可以是投资总量的一个简单函数。

可以实行其它交易费。例如，交易费可以对某个水平的投资总量有一个固定的比例，然后对超过该水平的投资量有一个变动的或固定的比例。通过研究本说明书和实践本发明，对本技术领域中的熟练人员来说，其它确定交易费的方法是显而易见的。

在最佳实施例中，在各种状态中的投资量的总分布也反映着所有交易者集体对每个状态的发生概率的评估。在带有正则DRF的一组DBAR或然债权的最佳实施例中，在给定状态i中的投资的期望收益E(r_i)(而不是在结果已知后所收到的收益)，可以表达为各收益的概率加权和：E(r_i)＝q_i ^*r_i+(1-q_i)^*-1＝q_i ^*(1+r_i)-1其中q_i是矩阵A(包含DBAR或然债权组中所有状态的所有投资量)隐含的状态i的发生概率。以表达式替换上面的r_i，得出： $E\left(r_i\right)=q_i*\left(\frac{(1-f)*\underset{i}{\mathrm{\Σ}}{T}_i}{T_i}\right)-1$

在高效市场中，所有状态中期望的回报E(r_i)等于交易的费用，即，一般来说，所有交易商得到不超过交易费用的回报。采用正则DRF的一组DBAR或然债权的有效市场中，E(r_i)隐含的状态i的发生概率的公式为： $q_i=\frac{T_i}{\underset{i}{\mathrm{\Σ}}{T}_i}$

一组DBAR或然债权中，给定状态的隐含概率是在该状态中的投资量除以在所有状态中的投资总量的比率。整个关系允许该组DBAR或然债权(带有正则DRF)中的交易者们很容易计算出交易者归于各种状态的隐含概率。

交易者感兴趣的信息一般包括每个状态投资的量、每个状态的单位回报和隐含状态概率。本发明的DBAR交易的优点是这些量之间的关系。在最佳实施例中，如果交易者知道一个，其它的两个即可以确定。例如，状态发生的单位回报与A隐含的状态发生概率间的关系可以用下式表示： $q_i=\frac{(1-f)}{(1+r_i)}$

以上导出的表达式示出回报和隐含状态概率可以从报资量，T_i，对于所有状态，i＝1...n，的分布中计算出。在传统市场中，各状态分布的交易量(限制指令簿)是不容易获得的。此外，传统市场中没有这种方便的数学计算，把精确投资量或限制指令簿同清算市场的收益或价格(即供求平衡时的价格)相联系。相反，在传统市场中，专业经纪人和造市商一般有特权接触出盘价和报盘价的分布或限制指令簿，并经常用这种特权信息来设置市场价格，在任何时候按造市商的判断来平衡供求关系。

2.8投资量大时的计算

在采用正则DRF的一组DBAR或然债权的最佳实施例中，当在状态分布中投入的量大时，为了产生所希望的回收本利分布，可能要进行近似投资分配计算。上文已经显示，考虑在状态i中进行规模为α的投资的交易者在如果状态i发生时的回收本利p是： $p=(\frac{T+\mathrm{\α}}{T_i+\mathrm{\α}})*\mathrm{\α}$ 如果α同在状态i中的总投资以及在所有状态中的总投资量二者相比是小的，则α向状态i的增加，对在所有状态中的总投资量同在状态i中的总投资量的比率没有实质的影响，在这种情况下： $\frac{T+\mathrm{\α}}{T_i+\mathrm{\α}}\≈\frac{T}{T_i}$ 所以，在可接受某个近似性的最佳实施例中，对状态i的回收本利可以表达为： $p\≈\frac{T}{T_i}*\mathrm{\α}$ 在这些情况中，为产生回收本利p而需的投资为： $\mathrm{\α}\≈\frac{T_i}{T}*p=q_i*p$ 这些表达式指出，在最佳实施例中，为产生某期望的回收本利而要投资的量，大约等于在状态i中的总投资量同在所有状态中的总投资量，乘以期望的回收本利。这相当于隐含概率乘以期望的回收本利。对上述的表达式CDRF2应用这个近似，产生以下公式：A≈P^*∏^-1＝P^*Q其中，n×n维的矩阵Q等于单位回收本利Л的逆，在对角线上有q_i，i＝1...n。这个表达式提供一种对CDRF 2的近似的但更容易计算的解，因为该表达式隐含地假设某交易者的投资量对现有单位回收本利或隐含概率大约没有影响。该近似解是线性的，不是二次的，有时将被用在以下的可以假设总投资量相对于任何给定交易者的特定投资来说很大的例子中。3 DBAR或然债权分组举例

3.1 DBAR系列衍生品

DBAR系列衍生品(DBAR RD)是一类用上述的正则DRF实现的DBAR或然债权组。在DBAR RD中，将一系列与某个有经济重要性的可观察事件相关联的可能结果划分成限定状态。在最佳实施例中，这些状态被定义成分立的可能结果系列，使得整个状态分布覆盖所有的可能结果-就是说，各状态集体上是穷举的。此外，在DBAR RD中，最好将各状态也定义得互相排斥，就是说，各状态被定义得只有一个状态发生。如果将状态定义得既是互相排斥的，又是集体上穷举的，这些状态就构成在各分立的结果系列上定义的概率分布的基础。这样来限定状态有许多如下所述的优点，包括可以很容易地将交易者在各状态投资的量转换成代表交易者们对每个状态的发生的可能性的集体评估的隐含概率。

本发明的系统和方法也可以用来在交易持续期的开始确定各种状态的计划DBAR RD收益。这种确定可以-虽然不必-由交易所作出。在一组DBAR或然债权的最佳实施例中，在交易持续期结束时的投资量的分布确定每个状态的收益，在每个状态的投资量是交易者的偏好和每个状态的概率评估的一个函数。所以，为了在交易持续期的开始确定初步的或计划的收益，一般需要作出一些假设。

提供一个示例来进一步解释DBAR RD的操作。在以下的示例中，假设所有交易者都是风险中性的，所有交易所对定义或然债权的事件的可能结果有相同的概率评估。为了方便本示例，采用某诸如普通股的证券在将来某日期的收盘价作为构成或然债权的基础的事件；代表该收盘价水平的可能结果的状态，被定义成该证券(可能)收盘价的不同的、互相排斥的、集体上穷尽的系列。本示例中采用下述记号：

τ代表交易持续期期间交易者正在作投资决策时的时间

θ代表对应于或然债权的期满的时间

V_τ代表基础证券在时间τ的价格

V_θ代表基础证券在时间θ的价格

Z(τ，θ)代表在时间τ评估的在时间θ支付的一个价值单位的现值

D(τ，θ)代表在时间τ和时间θ之间支付的股息或票面利率

σ_t基础证券的自然对数收益的年度波动性

dz代表标准额定差交易者们在交易持续期期间开放的代表性时间τ作出选择，时间τ在时间上紧随当前交易持续期的TSD之后。

在这个示例中以及最佳实施例中，该组或然债权的表示最终收盘价的定义的各状态V_θ，是通过把可能的价格的整个范围分解成可能的互相排斥的、集体上穷尽的状态而构造的。该技术类似于构造一个表示可计算的离散数据的直方图。对每个状态的端点的选择，例如可以按相等的间隔，也可以按变化的间隔，以反映与靠近分布的平均值或中间点相比的极端结果的可能性的降低。也可以以本领域熟练人员显而易见的其它方法定义各状态。状态的低点可以是包含的，高点是不包含的，或者相反。无论怎样，在最佳实施例中，各状态被定义得(如下文解释的那样)能最大程度地吸引在该组或然债权中的投资，因为是投资量最终确定与每个限定状态相关联的收益。

定义例如表示股票价格的状态的过程的完成方法，可以通过假设对数正态、通过使用以历史时间序列数据和期权价格的交叉部分市场数据为根据的统计估算技术、通过使用其它统计分布、或者根据本领域的熟练人员已知的或从本说明书学习到或通过实践本发明而获得的其它过程。例如，在衍生品交易者中，通过使用诸如GARCH等经济计量技术来为价格选择估算波动性参数是相当普遍的。例如，用这些参数和已知的从τ到θ的时期的股息或票面利率，就能定义DBAR RD的状态。

选择对数正态分布用于这个示例，是因为对数正态普遍被衍生品交易者采用，作为用于估算期权和其它衍生证券的价格的分布假设。因此，对于本示例，假设所有交易者同意证券的的基础正态分布是对数正态分布的，使得： ${\tilde{V}}_{\mathrm{\&theta;}}=(\frac{V_{\mathrm{\&tau;}}}{Z(\mathrm{\&tau;},\mathrm{\&theta;})}-\frac{D(\mathrm{\&tau;},\mathrm{\&theta;})}{Z(\mathrm{\&tau;},\mathrm{\&theta;})})*e^{-{\mathrm{\&sigma;}}^2/2*(\mathrm{\&theta;}-\mathrm{\&tau;})}*e^{\mathrm{\&sigma;}*\sqrt{\mathrm{\&theta;}-\mathrm{\&tau;}}*\mathrm{dz}}$ 其中，表达式左边的否定号“～”表示，在时间θ的证券的价值的最终收盘价是尚待知晓的。为dz反求表达式并分解各个范围，得到下列表达式： $\mathrm{dz}=\ln \left(\frac{V_{\mathrm{\&theta;}}*e^{\frac{{\mathrm{\&sigma;}}^2}{2}*(\mathrm{\&theta;}-\mathrm{\&tau;})}}{(\frac{V_{\mathrm{\&tau;}}}{Z(\mathrm{\&tau;},\mathrm{\&theta;})}-\frac{D(\mathrm{\&tau;},\mathrm{\&theta;})}{Z(\mathrm{\&tau;},\mathrm{\&theta;})})}\right)/(\mathrm{\&sigma;}*\sqrt{\mathrm{\&theta;}-\mathrm{\&tau;}})$ q_i(V_i＜＝V_θ＜V_i+1)＝cdf(dz_i+1)-cdf(dz_i) $r_i(V_i<=V_{\mathrm{\&theta;}}<V_{i+1})=\frac{(1-f)}{q_i(V_i<=V_{\mathrm{\&theta;}}<V_{i+1})}-1$ 其中cdf(dz)是累积标准正态函数。

上述表达式中反映的假设和计算，也可以被用来在给定一组DBAR或然债权的交易持续期的开始时计算指示收益(“开盘收益”)r_i。在最佳实施例中，所计算的开盘收益根据的是交易所对定义该债权的各状态的概率的最佳估算，因此可以向交易者们提供很好的指示，指出一旦交易进行后的可能收益。当然，根本就不需要提供开盘收益，因为在整个交易持续期投入的交易量，允许在交易持续期期间的任何时候计算实际的期望收益。

以下的DBAR序列衍生品和其它或然债权的各个例子的作用是，解释它们的操作、它们与具有内在风险或不确定性的有经济重要性的事件相联系的用途、DBAR或然债权交易所的优点、以及更一般性地解释本发明的系统和方法。

在这些例子的每一个例子中，状态被定义为包括某具有经济重要性的事件的可能结果(例如股票的价格)的一个范围。括弧“(”或“)”表示严格的不相等(例如分别表示“大于”或“小于”)，方括号“]”或“[”代表弱不相等(例如分别表示“小于或等于”或“大于或等于”)。为了简洁，除非另外指出，否则，以下例子中也假设交易所交易费f是零。

例3.1.1：基础普通股的DBAR或然债权

基础证券：微软公司普通股(“MSFT”)

日期：1999年8月18日

市场波动性：年度50％

交易开始日期：1999年8月18日，开市(market open)

交易结束日期：1999年8月18日，收市(market close)

到期日：1999年8月18日，收市(market close)

事件：MSFT在到期日的收盘价

交易时间：1天

到TED的持续时间：1天

至到期日的应付股息：0

至到期日的银行间短期利率：5.5％(实际/360*天数)

至到期日的现值系数：0.999847

投资和回收本利单位：美元(USD)

在例3.11中，预定的终止准则是在交易持续期期间在或然债权债权中的投资和微软公司普通股在1999年8月19日收盘。

如果所有交易者同意基础的收盘价分布是对数正态分布的，具有50％的波动性，则很容易计算出对于总投资1亿美元来说的投资量和收益的示例的“快照式”分布，得出下表。

                       表3.1.1-1

状态	在状态(′000)的设资	状态发生时的单位收益
			(0，80]	1,046.58	94.55
(80，80.5]	870.67	113.85
			(80.5，81]	1,411.35	69.85
(81，81.5]	2,157.85	45.34
			(81.5，82]	3,115.03	31.1
(82，82.5]	4,250.18	22.53
			(82.5，83]	5,486.44	17.23
(83，83.5]	6,707.18	13.91
			(83.5，84]	7,772.68	11.87
(84，84.5]	8,546.50	10.7
			(84.5，85]	8,924.71	10.2
(85，85.5]	8,858.85	10.29
			(85.5，86]	8,366.06	10.95
(86，86.5]	7,523.13	12.29
			(86.5，87]	6,447.26	14.51
(87，87.5]	5,270.01	17.98

(87.5，88]	4,112.05	23.31
			(88，88.5]	3,065.21	31.62
(88.5，89]	2,184.5	44.78
			(89，89.5]	1,489.58	66.13
(89.5，90]	972.56	101.82
			(90，∞]	1,421.61	69.34

与一组DBAR或然债权的最佳实施例中的设计相一致，对任何给定正态的投资量，与该正态的单位收益是逆相关的。

在DBAR或然债权组的最佳实施例中，交易者们可以不投资，在一个状态投资或在许多状态投资。在最佳实施例中有可能允许交易者们为了产生期望的在各状态上的回收本利的分布而在一个状态集合、状态子集或状态组合中投资。特别地，交易者们可能对倍加回收本利分布感兴趣，这在传统市场中普遍的，诸如对应于股票长盘、期货短盘或期权交叉(option straddle)长盘的回收本利。

如果在例3.1.1中，某交易者需要对MSFT中的出现的极端结果套期保值，则该交易者可以在可能结果的分布的每端的状态中投资。例如，某交易者可能决定投资10万美元在包括从0到多达且包括83美元(即(0，83])的价格的状态中，另外10万美元投资在包括大于86.50美元(即(86.5，∞))的价格的状态中。该交易者可能进一步希望，在预定的终止准则满足时，不管在这些范围内发生什么状态(如果状态发生在其中一个范围的话)，都产生相同的回收本利。在这个例3.1.1中，多状态投资实际上是一组在每个多状态范围上的单一状态投资，在该范围内每个状态中的投资量与以前在该状态中投资的量成正比。如果例如表3.1.1-1中提供的收益代表最终化的在交易持续期结束是的计划收益，则可以将每个多状态投资，按照在交易结束时在组成的状态中的相对投资量，按比例地分配到其组成的状态。这样，较多部分的多状态投资被分配到有较大投资的状态，较少部分的多状态投资被分配到有较小投资的状态。

通过以不同方式在组成状态之间分配投资量，可以生成其它的在各状态上的期望回收本利分布，以获得交易者期望的回收本利分布。例如，交易者可以选择回收本利的大小，如果每个状态发生的话，这些回收本利是如何分布的，以及让DBAR交易所的多状态分配方法确定(1)在每个特定的组成状态中的投资量的规模；(2)将要进行投资的状态；(3)将要投资的总量中有多少要投资在如此确定的状态的每个状态中。下文中的其它例子展示了如何能实现这种选择。

由于在最佳实施例中最终计划收益在给定交易持续期结束之前一致的未知的，在这种实施例中，在交易持续期期间随着在每个状态中投资的量(因此的收益)的变化，定期地将以前的多状态投资重新分配给其组成状态。在交易持续期结束时，交易停止，计划的收益最终化，在最佳实施例中对所有的多状态投资作最后的重新分配。在最佳实施例中，用暂记帐户来在交易过程中和交易持续期结束时记录和重新分配多状态投资。

回过来参看假设在MSFT股票的范围(0，83]和(86.5，∞)上的两个多状态投资的示例，表3.1.1-2表示如何能将每个金额10万美元的多状态投资按照最佳实施例分配到每个范围上的各个状态，以便获得不管每个范围内哪个状态发生都相同的每个多状态范围的回收本利。特别地，在这个示例中，将多状态投资按比例分配到以前在每个状态的投资，多状态投资略降低在(0，83]和(86.5，∞)上的收益，但是如期望的那样略微增加在(83，86.5]上的收益。

为了显示本例中的分配实现了向交易者交付所期望的回收本利的目标，(0，83]范围考察的两个回收本利。如果组成状态(80.5，81]发生时的回收本利是在该状态的投资量($7.696)乘以1加如果该状态发生时的单位收益，即(1+69.61)×7.696＝$543.40。对状态(82.5，83]的类似分析显示，如果该状态发生，则回收本利等于(1+17.162)×29.918＝$543.40。所以，在本示例中，不管多状态投资内哪个组成状态发生，交易者都收到相同的回收本利。对范围(86.5，∞]可以进行类似的计算。例如，在相同假设下，组成状态[86.5，87]的回收本利将收到$399.80的回收本利-如果在所有预定终止准则满足后股价落入该范围的话。在本示例中，范围[86.5，∞]上的每个组成状态都收到$399.80的回收本利，不管这些状态的哪一个状态发生。

                               表3.1.1-2

状态	状态中的交易额(′000)	状态发生时的单位收益	多状态分配(′000)
				(0，80]	1052.29	94.22	5.707
(80，80.5]	875.42	113.46	4.748
				(80.5，81]	1,419.05	69.61	7.696
(81，81.5]	2,169.61	45.18	11.767
				(81.5，82]	3,132.02	30.99	16.987
(82，82.5]	4,273.35	22.45	23.177
				(82.5，83]	5,516.36	17.16	29.918
(83，83.5]	6,707.18	13.94
				(83.5，84]	7,772.68	11.89
(84，84.5]	8,546.50	10.72
				(84.5，85]	8,924.71	10.23
(85，85.5]	8,858.85	10.31
				(85.5，86]	8,366.06	10.98
(86，86.5]	7,523.13	12.32
				(86.5，87]	6,473.09	14.48	25.828
(87，87.5]	5,291.12	17.94	21.111
				(87.5，88]	4,128.52	23.27	16.473
(88，88.5]	3,077.49	31.56	12.279
				(88.5，89]	2,19325	44.69	8.751
(89，89.5]	1,495.55	66.00	5.967
				(89.5，90]	976.46	101.62	3.896
(90，∞]	1,427.31	69.20	5.695

              例3.1.2：多个多状态投资

如果对一组DBAR或然债权作多个多状态投资，则在最佳实施例中可以采用一个循环过程来把所有的多状态投资分配给它们各自的组成状态。在最佳实施例中，目标是在交易持续期期间投资量变化的情况下分配每个多状态投资，以及在交易持续期结束是作最后的分配，以便每个多状态投资产生相应的交易者所期望的回收本利。在最佳实施例中，分配多状态投资的过程可以是循环的，因为在任何时刻，分配都取决于在状态分布上交易的量。结果，在最佳实施例中，给定的投资量分布将某多状态投资的一定的分配。当分配另一个多状态投资时，在各限定状态上的投资量分布可能改变，因此需要重新分配以前分配的多状态投资。在这种最佳实施例中，每个多状态投资都被再执行，以便在对所有未决的多状态投资的若干循环后，投资的量和它们在多状态投资中的组成状态之间的分配都不再随每个连续的循环改变，达到一种趋同。在最佳实施例中，达到汇合时，进一步的循环和在多状态投资之间的重新分配不改变任何多状态分配在各状态上投资的量的分布保持稳定。如上面的表1中所示的计算机代码和对本领域的熟练人员显而易见的相关代码，可以被用来实现这个循环过程。

一个简单的例子解释一个可以采用的循环过程的最佳实施例。在该例中，作以下假设的最佳实施例：(i)有4个DBAR或然债权组状态；(ii)在任何多状态投资的分配之前，已经在每个状态中投资$100，使得4个状态的每个状态的单位收益是3；(iii)每个希望多状态投资中每个组成状态提供相同的回收本利，不管哪个组成状态实际发生；(iv)已经作出了以下的其它多状态投资：

                       表3.1.2-1

投资号	状态1	状态2	状态3	状态4	投资额$
						1001	×	×	○	○	100
1002	×	○	×	×	50
						1003	×	×	○	○	120
1004	×	×	×	○	160
						1005	×	×	×	○	180
1006	○	○	×	×	210
						1007	×	×	×	○	80
1008	×	○	×	×	950
						1009	×	×	×	○	1000
1010	×	×	○	×	500
						1011	×	○	○	×	250
1012	×	×	○	○	100
						1013	×	○	×	○	500
1014	○	×	○	×	1000
						1015	○	×	×	○	170
1016	○	×	○	×	120
						1017	×	○	×	○	1000
1018	○	○	×	×	200
						1019	×	×	×	○	250
1020	×	×	○	×	300
						1021	○	×	×	×	100
1022	×	○	×	×	400

其中每个状态中的“×”代表多状态交易中的一个组成状态。这样，如表3.1.2-1中所示，第一行中的交易号1001是要在组成状态1和2之间分配的$100的多状态投资，第二行中的交易号1002是要在组成状态1、3和4之间分配的$50的多状态投资；等等。

应用到上述的示例性多状态投资，上述的在表1中的示例性计算机代码中体现的循环过程产生以下的分配：

                          表3.1.2-2

投资号	状态1($)	状态2($)	状态3($)	状态4($)
					1001	73.8396	26.1604	0	0
1002	26.66782	0	12.53362	10.79856
					1003	88.60752	31.39248	0	0
1004	87.70597	31.07308	41.22096	0
					1006	98.66921	34.95721	46.37358	0
1006	0	0	112.8081	97.19185
					1007	43.85298	15.53654	20.61048	0
1008	506.6886	0	238.1387	205.1726
					1009	548.1623	194.2067	257.631	0
1010	284.2176	100.6946	0	115.0878
					1011	177.945	0	0	72.055
1012	73.8396	26.1604	0	0
					1013	340.1383	0	159.8617	0
1014	0	466.6488	0	533.3512
					1015	0	73.06859	96.93141	0
1016	0	55.99785	0	64.00215
					1017	680.2766	0	319.7234	0
1018	0	0	107.4363	92.56367
					1019	137.0406	48.55168	64.40774	0
1020	170.5306	60.41675	0	69.05268
					1021	0	28.82243	38.23529	32.94229
1022	213.3426	0	100.2689	86.38848

在表3.1.2-2中，每行表示在落在表3.1.2-1对应行中的多状态投资的组成状态之间的分配，表3.1.2-2的金额$100的投资号100的第一行已经被分配，$73.8396给状态1，余下的给状态2。

可以显示，以上确定的多状态分配导致给交易者们的为交易者们所期望的回收本利-就是说，在本例中，期望的回收本利是相同的，不管给定多状态投资的组成状态中的哪个状态发生。根据如表3.1.2-2中所反映的投资总量，假设交易费是零，每个状态的单位收益是：

	状态1	状态2	状态3	状态4
					每美元投资的收益	1.2292	5.2921	3.7431	4.5052

本例中投资1022的考虑，显示在其中作了投资的每个状态(即状态1、3和4)的回收本利的同一性。如果状态1发生，对交易者的总回收本利是状态1的单位收益-1.2292-乘以交易1022中对状态1交易的量-$213.3426-加初始交易-$213.3426。结果等于1.2292×213.3426+213.3426＝$475.58。如果状态3发生，回收本利等于3.7431×100.2689+100.2689＝$475.58。最后，如果状态4发生，回收本利等于4.5052×86.38848+86.38848＝$475.58。所以本例中的多状态投资的最佳实施例已经实现在组成状态之间的分配，使得(1)实现本例中期望的回收本利分布，即，不管哪个组成状态发生，对各组成状态的回收本利都相同；(2)多状态投资的进一步再分配循环不改变所有多状态交易的状态分布上的相对投资量。

例3.1.3：替代性价格分布

可以将关于一组DBAR或然债权的可能的交易量分布的假设，用来例如计算在交易持续期开始时每个限定状态的每单位投资量的收益(开盘收益)。由于各种原因，实际投资与每个限定状态的量可能不反映用来计算开盘收益的假设。例如，投资者预期在整个时间范围的经验收益分布可能不同于通常在期权定价中使用的不套利假设。更多投资者进行投资时不是期望对数正态分布，而是可能期望收益是极其良好的而非不利的(可能期望出现好消息)。例如在例3.1.1中，如果交易者们更多地投资于MSFT普通股价格在$85以上的状态，对低于$85的状态的收益可能因此大大地高于对在$85以上的状态的收益。

此外，衍生品交易者们都知道，交易的期权价格指出价格分布显著不同于理论的对数正态分布或类似的理论上的分布。所谓的波动性倾斜(skew)或“微笑”指的是隐含的波动性比更接近货币的期权高的货币外售出和购买选择权交易(out-of-the-money put and calloptions)。这表明交易者经常期望价格分布在极端观察点有比按照对数正态分布预测的更大的频率或数量。这个效果经常是不对称的，例如以致大的较低价格结果的概率高于极端的向上结果。因此，在本发明的一组DBAR或然债权中，在这些区域中的状态中的投资可能更普遍，因此在这些区域中的结果的最终收益降低。例如，如果使用表3.1.1中的基本DBAR或然债权信息，以下的收益可能会占主流，这是由于投资者期望收益分布的发生频率比由对数正态分布预测的高，并因此倾斜到更低可能的收益。按统计上的说法，这种分布展示收益的比在例3.1.1中使用并在表3.1.1-1中反映的示例性分布更高的突出度(kurtosis)和负倾斜(negative skewness)。表3.1.3-1：显示负歪斜的和尖峰态的(leptokurtotic)收益分布的DBAR或然债权收益

状态	状态中的交易额(′000)	状态发生时的单位收益
			(0，80]	3,150	30.746
(80，80.5]	1,500	65.667
			(80.5，81]	1,600	61.5
(81，81.5]	1,750	56.143
			(81.5，82]	2,100	46.619
(82，82.5]	2,550	38.216
			(82.5，83]	3,150	30.746
(83，83.5]	3,250	29.769
			(83.5，84]	3,050	31.787
(84，84.5]	8,800	10.363
			(84.5，85]	14,300	5.993
(85，85.5]	10,950	8.132
			(85.5，86]	11,300	7.85
(86，86.5]	10,150	8.852
			(86.5，87]	11,400	7.772
(87，87.5]	4,550	20.978
			(87.5，88]	1,350	73.074
(88，88.5]	1,250	79.0
			(88.5，89]	1,150	85.957
(89，89.5]	700	141.857
			(89.5，90]	650	152.846
(90，∞]	1,350	73.074

表3.1.3-1中所示的这类复杂分布在传统市场中是占主流的。衍生品交易者、精算师(actuaries)、风险经理人和其它的传统生成参与者一般要用复杂的数学和分析工具来估算具有风险的市场结果的未来分布的统计性质。这些工具经常依赖于数据集合(例如历史时间序列、选择数据)，而这些数据可能是不完全或不可靠的。本发明的系统和方法的一个优点是，不必将这种根据历史数据的分析复杂化，根据任何给定事件的一组DBAR或然债权的整个结果分布，所有交易者或其它利益方几乎在进行每个投资的同时或之后就很容易获得。

例3.1.4：为收益同一性限定状态

在本发明的最佳实施例中也可能为具有不规则或不同一分布的间隔的一组DBAR或然债权限定状态，以便例如使在各状态上的交易量更流动(liquid)或更同一(uniform)。可以根据对投资量的最终分布的可能估计来构造状态，以便使可能的投资量以及每个状态的收益在状态分布上尽可能地同一。下表显示了为了促使可能在每个状态中投资的量的均衡而用例3.1.1中的事件和交易持续期来定义各状态的自由性。

表3.1.4-1：使可能需求在各状态上同一的状态定义

状态	状态中的交易额(′000)	状态发生时的单位收益
			(0，81.403]	5,000	19
(81.403，82.181]	5,000	19
			(82.181，82.71]	5,000	19
(82.71，83.132]	5,000	19
			(83.132，83.497]	5,000	19
(83.497，83.826]	5,000	19
			(83.826，84.131]	5,000	19
(84.131，84.422]	5,000	19
			(84.422，84.705]	5,000	19
(84.705，84.984]	5,000	19
			(84.984，85.264]	5,000	19
(85.264，85.549]	5,000	19
			(85.549，85.845]	5,000	19
(85.845，86.158]	5,000	19
			(86.158，86.497]	5,000	19
(86.497，86.877]	5,000	19
			(86.877，87321]	5,000	19
(87.321，87.883]	5,000	19
			(87.883，88.722]	5,000	19
(88.722，∞]	5,000	19

如果投资者的期望与经常使用的对数状态分布的假设吻合，如本例中所反映的那样，则在表3.1.4-1中反映的或然债权组中的投资行为将汇合到该表中确定的20个状态的每个状态中的相同量的投资。当然，实际的交易将可能产生同为方便使用对数正态分布而在一开始选择的收益有偏差的最终市场收益。

例3.1.5：政府债券-同一构造的状态

基于美国国库券(Treasury Note)的示例性DBAR或然债权组的事件、限定状态、预定终止准则和其它相关数据如下所述：

基础证券：美国国库券，5.5％，2003年5月31日

债券结算日期：1999年6月25日

债券到期(maturity)日期：2003年5月31日

或然债权到期日：1999年7月2日，收市(close)，下午4点，EST(美国东部时间)

交易持续期开始日期：1999年6月25日，下午4点，EST

交易持续期结束日期：1999年6月28日，下午4点，EST

下一个交易持续期开市(open)：1999年6月28日，下午4点，EST

下一个交易持续期收市(close)：1999年6月29日，下午4点，EST

事件：在债券到期日如Bloomberg上报告的收盘综合价格

交易时间：1天

从TED开始的持续时间：5天

票面利率：5.5％

支付频率：半年

日期数基础(daycount basis)：实际/实际

在整个时间范围(time horizon)应付的股息：1999年6月30日，每100付2.75

在整个时间范围国库券repo率：4.0％(实际/日期数)

即期价格：99.8125

到期日的远期价格：99.7857

价格波动性：4.7％

交易和回收本利单位：美元

当前交易持续期中的总需求：5千万美元

交易费：25个基点(.0025％)

         表3.1.5-1美国政府国库券的DBAR或然债权

状态	投资于各状态($)	状态发生时的单位收益
			(0，98]	139690.1635	356.04
(98，98.25]	293571.7323	168.89
			(98.25，98.5]	733769.9011	66.97
(98.5，98.75]	1574439.456	30.68
			(98.75，99]	2903405.925	16.18
(99，99.1]	1627613.865	29.64
			(99.1，99.2]	1914626.631	25.05
(99.2，99.3]	2198593.057	21.68
			(99.3，99.4]	2464704.885	19.24
(99.4，99.5]	2697585.072	17.49
			(99.5，99.6]	2882744.385	16.30
(99.6，99.7]	3008078.286	15.58
			(99.7，99.8]	3065194.576	15.27
(99.8，99.9]	3050276.034	15.35
			(99.9，100]	2964602.039	15.82
(100，100.1]	2814300.657	16.72
			(100.1，100.2]	2609637.195	18.11
(1000.2，100.3]	2363883.036	20.10
			(100.3，100.4]	2091890.519	22.84
(100.4，100.5]	1808629.526	26.58
			(100.5，100.75]	3326547.254	13.99
(100.75，101]	1899755.409	25.25
			(101，101.25]	941506.1374	51.97
(101.25，101.5]	405331.6207	122.05
			(101.5，∞]	219622.6373	226.09

这个例子3.1.5和表3.1.5-1表明本发明的方法和系统如何容易地适合于各种风险来源，无论来自股票、债券还是保险赔偿的风险。表3.1.5-1也表示了一种不规则地间隔的限定状态分布-该案例中，在趋向分布的中心方向逐渐精细(finer)，在各端点逐渐粗疏(coarser)-这是为了提高在极端状态中投资的量。

例3.1.6：优越资产分配-同一性范围

本发明的系统和方法的其中一个优点是能根据多个事件和它们的相互关系构造各组DBAR或然债权。例如，许多指数资金货币经理人经常对高质量固定收入证券的指数是否将胜过主要的股票指数(equity indices)有基本的观点。这种意见一般包含在经理人用于在固定收入证券、股票(quities)、现金等主要资产类之间分配管理的资金的模型中。

这个例子3.1.6解释用本发明的系统和方法的最佳实施例来套期保值一个资产类将胜过另一个的现实世界事件。示例性的投资分布和计算出的本例中使用的或然债权组的开盘收益，根据的假设是，相关资产类指数的水平联合起来是对数正态分布的，有某种假设的关联。通过对两个基础事件的联合结果(joint outcome)定义一组DBAR或然债权，交易者们能表达他们对由事件之间的统计相关系数所捕获的基础事件的联合走向(co-movements)的观点。本例中，联合对数正态分布的假设，意味着基础事件是如下地分布的： ${\tilde{V}}_{\mathrm{\&theta;}}^1=(\frac{V_{\mathrm{\&tau;}}^1}{Z^1(\mathrm{\&tau;},\mathrm{\&theta;})}-\frac{D^1(\mathrm{\&tau;},\mathrm{\&theta;})}{Z^1(\mathrm{\&tau;},\mathrm{\&theta;})})*e^{-{{\mathrm{\&sigma;}}_1}^2/2*(\mathrm{\&theta;}-\mathrm{\&tau;})}*e^{{\mathrm{\&sigma;}}_1*\sqrt{\mathrm{\&theta;}-\mathrm{\&tau;}}*{\mathrm{dz}}_1}$ ${\tilde{V}}_{\mathrm{\&theta;}}^2=(\frac{V_{\mathrm{\&tau;}}^2}{Z^2(\mathrm{\&tau;},\mathrm{\&theta;})}-\frac{D^2(\mathrm{\&tau;},\mathrm{\&theta;})}{Z^2(\mathrm{\&tau;},\mathrm{\&theta;})})*e^{-{{\mathrm{\&sigma;}}_2}^2/2*(\mathrm{\&theta;}-\mathrm{\&tau;})}*e^{{\mathrm{\&sigma;}}_2*\sqrt{\mathrm{\&theta;}-\mathrm{\&tau;}}*{\mathrm{dz}}_2}$ $g({\mathrm{dz}}_1,{\mathrm{dz}}_2)=\frac{1}{2*\mathrm{\&pi;}*\sqrt{1-{\mathrm{\&rho;}}^2}}*\exp (-\frac{{\mathrm{dz}}_1^2+{\mathrm{dz}}_2^2-2*\mathrm{\&rho;}*{\mathrm{dz}}_1*{\mathrm{dz}}_1}{2*(1-{\mathrm{\&rho;}}^2)})$ 其中的下标和上标表示这两个事件的每一个，g(dz₁，dz₂)是带相关参数p的双变量正态分布，其它记号对应于上文对DBAR系列衍生品的说明中所用的记号。

以下信息包括指数、交易持续期、预定终止准则、投资总量和本例3.1.6中使用的价值单位：

资产类1：JP Morgan美国政府债券指数(JPMGBI)

观察的资产类1远期价格：250.0

资产类1波动性：5％

资产类2：S&P 500股票指数(SP500)

观察的资产类2远期价格：1410

资产类2波动性：18％

资产类之间的相关系数：0.5

或然债权到期日：1999年12月31日

交易开始日期：1000年6月30日

当前交易持续期开始日期：1999年7月1日

当前交易持续期结束日期：1999年7月30日

下一个交易持续期开始日期：1999年8月2日

下一个交易持续期结束日期：1999年8月31日

当前日期：1999年7月12日

最后交易持续期结束日期：1999年12月30日

当前交易持续期的总投资：1亿美元

交易和回收本利价值单位：美元

表3.1.6根据该信息显示了在联合结果的限定状态上的状态收益的示例性分布，并指出了各限定状态。表3.1.6-1 S&P 500和JPMGBI的联合表现(joint performance)的单位收益

							JPMGBI
																	状态	(0，233)	(233，237)	(237，241)	(241，244)	(244，246)	(246，248)	(248，250)	(250，252)	(252，255)	(255，257)	(257，259)	(259，264)	(264，268)	(268，∞)
	(0，1102]	246	240	197	413	475	591	798	1167	1788	3039	3520	2330	11764	18518
																	(1102，1174]	240	167	110	197	205	230	281	373	538	841	1428	1753	7999	11764
	(1174，1252]	197	110	61	99	94	98	110	135	180	259	407	448	1753	5207
																	(1252，1292]	413	197	99	145	130	128	136	157	197	269	398	407	1428	5813
	(1292，1334]	475	205	94	130	113	106	108	120	144	189	269	259	841	3184
																	(1334，1377]	591	230	98	128	106	95	93	99	115	144	197	180	538	1851
SP500	(1377，1421]	798	281	110	136	108	93	88	89	99	120	157	135	373	1167
																	(1421，1467]	1167	373	135	157	120	99	89	88	93	108	136	110	281	798
	(1467，1515]	1851	538	180	197	144	115	99	93	95	106	128	98	230	591
																	(1515，1554]	3184	841	259	269	189	144	120	108	106	113	130	94	205	475
	(1564，1614]	5813	1428	407	398	269	197	157	136	128	130	145	99	197	413
																	(1614，1720]	5207	1753	448	407	259	180	135	110	98	94	99	61	110	197
	(1720，1834]	11764	7999	1753	1428	841	538	373	28	230	205	197	110	167	240
																	(1834，∞]	18518	11764	2330	3520	3039	1788	1167	798	591	475	413	197	240	246

在表3.1.6-1中，每个单元含有由行表目和列表目反映的联合状态的单位收益。例如，对在包含到期日以249收盘的JPMGBI指数和以1380收盘的S&P500指数的联合发生(joint occurrence)的状态的投资的单位收益是88。由于本例中假定这两种指数的相关系数是0.5，两种指数在相同方向变化的概率大于两种指数在相反方向变化的概率。换言之，如表3.1.6-1中表示的那样，在左上角和右下角各单元中表示的状态中-即指数在相同方向变化的状态中-的投资的单位收益，低于在表3.1.6-1左下角和右上角各单元中表示的状态中-即指数在相反方向变化的状态中-的投资的单位收益，较低的单位收益反映较高的隐含概率。

如以前的例子中和最佳实施例中那样，表3.1.6-1中所示的收益，可以在每个交易持续期开始时根据对该交易持续期的收盘收益可能怎样的估计而计算出来，作为指示性开盘收益。这些指示性或开盘收益能起着开始一组DBAR或然债权中交易的“锚点”的作用。当然，实际的交易和交易者期望可能导致与这些指示性值偏离很远。

例3.1.7：公司债券信用风险

DBAR或然债权组也能在信用事件上构造，信用事件诸如是主要的信用评级机构(例如Standard and Poor’s、Moodys)之一改变某公司的未兑现证券(outstanding securities)的一些或全部的等级。在一组面向信用事件的DBAR或然债权的交易开始的指示性收益，很容易根据从评级机构自己公开得到的数据构造。例如，表3.1.7-1含有假设的一组DBAR或然债权的指示性收益，该组DBAR或然债权根据的事件是，某公司的给定证券的标准普尔信用评级将在一定的时期内改变。本例中，状态是用标准普尔信用等级定义的，信用等级的范围从AAA到D(默认)。如果用本发明的方法，指示性收益是用关于这些限定状态的发生频率的历史数据计算的。本例中，要对在该组DBAR或然债权中投资的总量收取1％的交易费，假定该投资总量是1亿美元。

表3.1.7-1：交易费为1％的信用DRAR或然债权的示例性收益

当前评级	至新评级	历史概率	投资于各状态($)	状态的预示回报
					A-	AAA	0.0016	160,000	617.75
A-	AA+	0.0004	40,000	2474.00
					A-	AA	0.0012	120,000	824.00
A-	AA-	0.003099	309,900	318.46
					A-	A+	0.010897	1,089.700	89.85
A-	A	0.087574	8,757,400	10.30
					A-	A-	0.772868	77,286,800	0.28
A-	BBB+	0.068979	6,897,900	13.35
					A-	BBB	0.03199	3,199,000	29.95
A-	BBB-	0.007398	739,800	132.82
					A-	BB+	0.002299	229,900	429.62
A-	BB	0.004999	499,900	197.04
					A-	BB-	0.002299	229,900	429.62
A-	B+	0.002699	269,900	365.80
					A-	B	0.0004	40,000	2474.00
A-	B-	0 0004	40,000	2474.00

A-	CCC	1E-04	10,000	9899.00
					A-	D	0.0008	80.000	1236.50

在表3.1.7-1中，在互相排斥且集体穷尽的状态上的历史概率加起来是一。如本说明书中前文中展示的那样，在最佳实施例中，交易费影响每个状态隐含的从该状态获得单位收益的概率。

实际的交易几乎总是被期望改变基于历史经验数据的示例性指示性收益。这个例子3.1.7表明，如何能有效地为所有可能受特定信用风险影响的交易者或公司构造DBAR或然债权组，以对冲(hedge)该风险。例如在本例中，如果某交易者可能受上述的A等级债券的发行(issue)的严重影响，该交易者可能想对冲对应于被Standard andPoor降级的事件。例如，该交易者可能特别担心对应于债券发行人不偿付或“D”等级的降级。经验概率表明，在该状态中投资的每个美元的回收本利大约$1237。如果这个交易者在其投资组合中有1亿美元的公司发行量(issue)，预期如果不偿付时的回收率是0.3，则为了对冲7千万美元的不偿付风险，交易者可能在包含“D”结果的状态中投资。为了对冲本例中不偿付风险的全部金额，在这个状态中的投资量应当是$70000000/$1237，即$56589。这大约代表该交易者在这个债券中的头寸规模的5.66个基点(即$56589/$100000000＝.00056)，这可能代表对不偿付进行信用保险的一个合理成本。实际在该组DBAR或然债权中的投资，可能会随着时间改变“D”事件的收益，因此可能需要购买额外的保险。

例3.1.8：经济统计

本发明的方法和系统的另一个优点是，让市场参与者能对在传统衍生品市场中不能直接套期保值的事件的可能结果进行套期保值。例如，交易者们经常通过交易债券期货或对通货膨胀保护的浮动利率债券(如果存在的话)而对冲通货膨胀风险。很容易能构造一组DBAR或然债权，让交易者们能表达关于测算例如通货膨胀率或其它相关变数的不确定经济统计的预期。以下信息描述这样一组债权：

经济统计：美国非农场工资

公告日期：1999年5月31日

上一次发布日期：1999年4月30日

到期日：公告日期：1999年5月31日

交易开始日期：1999年5月10日

当前交易持续期开始日期：1999年5月10日

当前交易持续期结束日期：1999年5月14日

当前日期：1999年5月11日

上一次公告：128,156(000)

来源：劳工局统计报告

舆论估计：130,000(+1.2％)

在当前持续期中投资的总量：1亿美元

交易费：总交易量的2.0％

用本发明的方法和系统，可以限定状态，并且可以根据例如经济学对这个指数的舆论估计构造指示性收益。这些估计可以以绝对值表达，或者可以如下表3.1.8-1中所示的那样，以与上一次观察的变化百分比表达：

表3.1.8-1：交易费2.0％的非农场工资通告的示例性收益

指数状态中的变化百分比	各状态的投资(‘000)	状态回报	隐含状态概率
				[-100，-5]	100	979	0.001
(-5，-3]	200	489	0.002
				(-3，-1]	400	244	0.004
(-1，-.5]	500	195	0.005
				(-.5，0]	1000	97	0.01
(0，.5]	2000	48	0.02

(.5，.7]	3000	31.66667	0.03
				(.7，.8]	4000	23.5	0.04
(.8，.9]	5000	18.6	0.05
				(.9，1.0]	10000	8.8	0.1
(1.0，1.1]	14000	6	0.14
				(1.1，1.2]	22000	3.454545	0.22
(1.2，1.25]	18000	4.444444	0.18
				(1.25，1.3]	9000	9.888889	0.09
(1.3，1.35]	6000	15.33333	0.06
				(1.35，1.40]	3000	31.66667	0.03
(1.40，1.45]	200	489	0.002
				(1.45，1.5]	600	162.3333	0.006
(1.5，1.6]	400	244	0.004
				(1.6，1.7]	100	979	0.001
(1.7，1.8]	80	1224	0.0008
				(1.8，1.9]	59	1660.017	0.00059
(1.9，2.0]	59	1660.017	0.00059
				(2.0，2.1]	59	1660.017	0.00059
(2.1，2.2]	59	1660.017	0.00059
				(2.2，2.4]	59	1660.017	0.00059
(2.4，2.6]	59	1660.017	0.00059
				(2.6，3.0]	59	1660.017	0.00059
(3.0，∞]	7	13999	0.00007

如各个例子中一样，预期在交易持续期之前的实际交易要按在每个状态中的投资量和对所有状态的总投资量调整。

例3.1.9：公司事件

公司行动和公告是具有经济重要性的事件的另外的例子，在传统市场中，这些事件通常是不可套期保值(unhedgable)或不可保险的，但是按照本发明却能有效地构造到DBAR或然债权组中。这种公司事件的例子是收入公告，公开交易的公司的收入公告一般每季度发布。许多数据服务机构，如IBES和FirstCall，目前在每季度的收入公告之前发布分析家作出的估计和舆论估计。这种估计构成了如下示例的交易的开始时的指示性开盘收益的基础。本例中假设交易费为零。

基础债券：IBM

收入公告日期：1999年7月21日

舆论估计：.879/股

到期日：公告日期：1999年7月21日

第一次交易持续期开始日期：1999年4月19日

第一次交易持续期结束日期：1999年5月19日当前交易持续期开始日期：1999年7月6日当前交易持续期结束日期：1999年7月9日下一次交易持续期开始日期：1999年7月9日下一次交易持续期结束日期：1999年7月16日在当前持续期中投资的总量：1亿美元表3.1.9-1对IBM收入公告的示例性收益

收益状态0	各状态投资(‘000 $)	单位回报	隐含状态概率
				(-∞，.5]	70	1,427.57	0.0007
(.5，.6]	360	276.78	0.0036
				(.6，.65]	730	135.99	0.0073
(65，.7]	1450	67.97	0.0145
				(.7，.74]	2180	44.87	0.0218
(.74，.78]	3630	26.55	0.0363
				(.78，..8]	4360	21.94	0.0436
(.8，.82]	5820	16.18	0.0582
				(.82，.84]	7270	12.76	0.0727
(.84，.86]	8720	10.47	0.0872
				(.86，.87]	10900	8.17	0.109
(.87，.88]	18170	4.50	0.1817
				(.88，.89]	8720	10.47	0.0872
(.89，.9]	7270	12.76	0.0727
				(.9，.91]	5090	18.65	0.0509
(.91，.92]	3630	26.55	0.0363
				(.92，.93]	2910	33.36	0.0291
(.93，.95]	2180	44.87	0.0218
				(.95，.97]	1450	67.97	0.0145
(.97，.99]	1310	75.34	0.0131
				(.99，1.1]	1160	85.21	0.0116
(1.1，1.3]	1020	97.04	0.0102
				(1.3，1.5]	730	135.99	0.0073
(1.5，1.7]	360	276.78	0.0036
				(1.7，1.9]	220	453.55	0.0022
(1.9，2.1]	150	665.67	0.0015
				(2.1，2.3]	70	1.427.57	0.0007
(2.3，2.5]	40	2,499.00	0.0004
				(2.5，∞]	30	3,332.33	0.0003

与舆论估计相一致，投资最大的状态包含范围(.87，.88]。

例3.1.10：不动产

本发明的方法和系统的另一个优点是，能在不动产等不流动(illiquid)基础资产上构造流动债权(liquid claims)。如前文讨论的那样，为了运作正常，传统的衍生品市场惯常用流通性基础市场。至于一组DBAR或然债权，一般所要求的全部，不过是现实世界的可观察的具有经济重要性的事件。例如，在过去若干年中在一些金融机构已经尝试过创建与不动产联系的或然债权。这些努力还没有产生明显的影响，原因显然是基础不动产的内在的基本流通性约束。

根据可观察的与不动产有关的事件能构造按照本发明的一组DBAR或然债权。示例性的一组这样的债权的相关信息如下所述：

不动产指数：Colliers ABR曼哈顿写字间租金

Bloomberg Ticker：COLAMANR

更新频率：每月

来源：Colliers ABR公司

公告日期：1999年7月31日

上一次公告日期：1999年6月30日

上一次指数值：$45.39/平方英尺

舆论估计：$45.50

当前交易持续期开始日期：1999年6月30日

当前交易持续期结束日期：1999年7月7日

下一次交易持续期开始日期：1999年7月7日

下一次交易持续期结束日期：1999年7月14日

为简要起见，由在本例中的各种状态中的投资量得出的限定状态和开盘示例性或指示性收益没有显示，但是可以从按照如各例3.1.1-3.1.9中所示的本发明的方法的实际交易者投资中计算或得出。

例3.1.11能源供应链

也可以用本发明的方法和系统构造一组DBAR或然债权，以提供以给定产业的供应链内具有很大经济意义的不可交易的数量为根据的套期保值工具(hedging vehicle)。这种应用的一个例子是当前在美国国内原油生产中部署的油井钻机数。油井钻机数倾向于是缓慢调整的数量，这种数量是对能源价格敏感的。所以，以油井钻机数为根据的适当构造的DBAR或然债权组可以使供应商、生产商和采油商能对容易受能源价格突然变化的影响进行套期保值，并且可以提供有价值的风险共担方案。

例如，可以用下列信息(例如数据源、终止准则等等)按照本发明构造一组根据油井钻机数的DBAR或然债权。

资产指数：Baker Hughes油井钻机数美国总数

Bloomberg Ticker：BAKETOT

频率：每周

公告日期：1999年7月16日

上一次公告日期：1999年7月9日

到期日：1999年7月16日

交易开始日期：1999年7月9日

交易结束日期：1999年7月15日

上一次：570

舆论估计：580

为简要起见，由在本例中的各种状态中的投资量得出的限定状态和开盘示例性或指示性收益没有显示，但是可以从按照如各例3.1.1-3.1.9中所示的本发明的方法的实际交易者投资中计算或得出。

例3.1.12抵押贷款预付款风险

不动产抵押包含极大的固定收入资产类，在市场资本化中数以千亿计。一般认为，抵押市场不仅易受利率风险影响，也受这样的风险，即借贷人行使期权来为抵押再融资或以其它方式“预付”他们现有的抵押贷款。抵押债券的所有人因此承担这样的风险，即当抵押利率水平一路降低时，他将被“取”完其头寸。这个风险在现有市场中是不能直接对冲的。然而，这个风险可以用按照本发明的构造的DBAR或然债权组来对冲或保险。例如，可以用下列信息构造这样一组DBAR或然债权：

资产指数：FNMA常规30年一月历史总预付款

票面利率：6.5％

频率：每月

来源：Bloomberg

公告日期：1999年8月1日

上一次公告日期：1999年7月1日

到期日：公告日期：1999年8月1日

当前交易持续期开始日期：1999年7月1日

当前交易持续期结束日期：1999年7月9日

上一次：303公共债券联合会预付款速度(PSA-PublicSecurities Association)

舆论估计：310 PSA

为简要起见，由在本例中的各种状态中的投资量得出的限定状态和开盘示例性或指示性收益没有显示，但是可以从按照如各例3.1.1-3.1.9中所示的本发明的方法的实际交易者投资中计算或得出。

例3.1.13保险业亏损保障(ILW)

也可以用本发明的系统和方法来构造DBAR或然债权组，来为财产和人身意外险、寿险、健康险或其它传统险种提供保险和再保险手段。下列信息提供用来构造一组与飓风破坏造成的大宗财产损失有关的DBAR或然债权的信息：

事件：PCS东部超过50亿美元指数

来源：财产索赔服务公司(PCS)

频率：每月

公告日期：1999年10月1日

上一次公告日期：1999年7月1日

上一次指数值：无事件

舆论估计：10亿美元(索赔超过50亿美元)

到期日：公告日期，1999年10月1日

交易持续期开始日期：1999年7月1日

交易持续期结束日期：1999年9月30日

为简要起见，由在本例中的各种状态中的投资量得出的限定状态和开盘示例性或指示性收益没有显示，但是可以从按照如各例3.1.1-3.1.9中所示的本发明的方法的实际交易者投资中计算或得出。

在与人身财产灾难损失有关的DBAR或然债权组的最佳实施例中，要假设索赔的频率和损失严重性的分布，并进行回旋(concolutions)，以便揭示在限定状态的分布上的指示性收益。这可以例如用Poisson Pareto模型等复合频率-严重度模型来完成，Poisson Pareto模型是本领域中的技术人员所熟悉的，它能以比正态分布更高的概率预测极端的损失。如前文所述，在最佳实施例中，预期市场行为会改变所揭示的指示性收益，指示性收益在交易的开始其着资料性水平的作用。

例3.1.14条件事件

如上所述，本发明的系统和方法的优点是能构造与具有经济意义的事件有关的DBAR或然债权组-这些事件对于保险和套期保值有很大意义，但是在传统资本市场和保险市场却不容易进行套期保值或保险。这种事件的另一个例子是仅当以前已经发生了某个相关事件时才发生的事件。为便于说明，可以将这两个事件记为A和B。 $q\&lang;A|B\&rang;=\frac{q(A\&cap;B)}{q\left(B\right)}$ 其中q表示状态的概率，q＜A|B＞表示在已经发生状态B时状态A的条件概率，q(A∩B)表示状态A和B都发生。

例如，可以构造一组DBAR或然债权来将“关键人物”保险的要素同由该关键人物管理的公司的股价的表现结合起来。许多公司都是由资本市场认为不可或缺或特别重要的人来管理的，如BerkshireHashaway的Warren Buffett。Berkshire Hashaway股票的持有人不能保证Berkshire的管理层不发生突然的变化，这种变化的原因或者是诸如他人接替等公司行为，或者是Warren Buffett的去世或伤病。可以按照本发明构造一组DBAR或然债权，其中，限定状态是以Warren Buffett离开公司管理位置为条件的Berkshire Hashaway的股票价格。对本领域中的技术人员来说，显然可以按照本发明的方法和系统构造能吸引大量投资的其它的条件DBAR或然债权。

例3.1.15：用DBAR或然债权机制的证券化

本发明的系统和方法也能被金融中介或发行债券、普通或优先股等证券、或其它类型的金融票据的发行人改造。通过创建新证券而创建新的用于对冲基础事件的机会的过程，称作“证券化”。证券化的著名例子包括抵押或资产支持的证券市场，其中金融风险的组合积累起来，又重新组合成新的金融风险的来源。可以将本发明的系统和方法用在证券化过程中，方法是创建证券或证券的组合，将其全部或部分风险，与相联系或内置的一组DBAR或然债权联系起来。在最佳实施例中，将一组DBAR或然债权与一种证券联系起来，其方式很像目前传统市场中为创建可购买(callable)和可出售(putable)债券而将期权与债券的联系起来的方式。

这个例子解释了如何能将按照本发明的一组DBAR或然债权与证券的发行联系起来，以便证券持有人之间共担与某个识别的将来事件相关联的风险。在这个例子中，证券是固定收入的债券，有内置的一组DBAR或然债权，其值取决于某地区某个时期内飓风损失的可能价值。

发行人：东京火灾和海上保险公司

背书人：Goldman Sachs

DBAR事件：在Saffir-Simpson四类飓风上的总损失

地区：东北美财产理赔服务公司

日期：1999年7月1日-1999年11月1日

发行规模：5亿美元

发行日期：1999年6月1日

DBAR交易持续期：1999年6月1日-1999年7月1日

在这个例子中，背书人Goldman Sachs发行债券，所发行债券的持有人在该事件的四类损失的量的整个分布上投入风险债券本金。可能的损失的范围包括内置的DBAR或然债权组的各限定状态。在最佳实施例中，背书人负责更新对各种状态中的投资的收益，监视信用风险，以及清算和结算以及确认损失的量。当事件被确定，不确定性被消除时，Goldman被“购入”(put)或从不成功的投资收集风险债券本金，并把这些数量分配给成功的投资。该示例中的机制因此包括：

(1)一个执行该机制的背书人或中介，和

(2)一组与某证券或发行(诸如以上的灾难证券)直接挂钩的BARR或然债权

为简要起见，由在本例中的各种状态中的投资量得出的限定状态和开盘示例性或指示性收益没有显示，但是可以从按照如各例3.1.1-3.1.9中所示的本发明的方法的实际交易者投资中计算或得出。

例3.1.16奇异衍生品

证券和衍生品行业经常用术语“奇异衍生品”来称呼比期货、购买选择权和可转换债券等传统衍生品的方式更复杂的、值与证券、资产、金融产品或金融风险源相联系的衍生品。奇异衍生品的例子包括美国期权、亚洲期权、障碍(barrier)期权、百慕大期权、选择者和复合期权、二进制和数字期权、回顾(lookback)期权、自动和灵活的帽盖和地板(caps and floors)，以及呼叫期权(shout options)。

许多类型的奇异期权目前都交易。例如，障碍期权是购买某基础金融产品的权利，如以特定的价格购买某个数量的外币，但是仅当汇率越过(cross)或不越过一个或多个定义汇率或“障碍”。例如，一个根据美元/日元汇率的美元买入(call)/日元售出(put)，三个月到期，到达价格(strike price)是100，“失效”障碍是105，授权持有人以每美元110日元的价格购买某个数量的美元-但是仅当汇率在三个月的选择权持续期内任何时候没有降到过105。另一个普通交易的奇异衍生品亚洲期权，与基础证券在某个时期内的平均值有关。所以，一类奇异衍生品被普遍称作是“路径相关的”衍生品，如障碍或亚洲期权，因为它们的值不仅与给定日期的基础金融产品的价值有关，还与基础金融产品的价值或状态的历史有关。

奇异衍生品的属性和特征经常非常复杂，以至于成为“模型风险”的重要源，或这样的风险的重要源-基于该风险的工具或假设将导致定价或套期保值中的严重错误。因此，衍生品交易者和风险经理人经常用复杂的分析工具来交易、套期保值和管理奇异衍生品的风险。

本发明的系统和方法的其中一个优点是能构造具有比传统奇异衍生品更易管理和更加透明的奇异特征的DBAR或然债权组。例如，某交易者可能只对以后三个月中日元/美元汇率越过(cross)95的最早时间感兴趣。传统的障碍期权或这种奇异期权的组合，可能足以是该交易者所感兴趣的风险的源。相比之下，可以构造一组DBAR或然债权来隔离这个风险，呈现相对透明的套期保值机会。要隔离的风险是障碍衍生品交易者所称的“第一次通过时间”(first passagetime)的可能结果的分布，在本例中，该时间就是以后三个月中日元/美元汇率越过95的最早时间。

以下示例显示如何能针对这个风险来构造这样一组DBAR或然债权。在这个例子中，假设该债权组中的所有交易者都同意基础汇率是对数正态分布的。该债权组展示了交易者们如何在各状态中投资，以及如何因此表达关于远期日元/美元汇率在以后三个月中是否以及何时越过给定的障碍的意见：

基础风险：日元/美元汇率

当前日期：1999年9月15日

到期日：如所定义的那样，在1999年9月16日至1999年12月16日之间，远期汇率的第一次通过时间

交易开始日期：1999年9月15日

交易结束日期：1999年9月16日

障碍：95

即期日元/美元汇率：104.68

远期日元/美元汇率：103.268

假设的(示例性的)市场波动性：年度20％

总交易量：1千万美元

表3.1.16-1日元/美元1999年12月16日远期汇率的第一次通过时间

按年时间小数	各状态投资 (′000)	如果状态发生的单位回报
			(0，.005]	229.7379	42.52786
(.005，.01]	848.9024	10.77992
			(.01，.015]	813.8007	11.28802
(.015，.02]	663.2165	14.07803
			(.02，025]	536.3282	17.6453
(.025.03]	440.5172	21.70059
			(.03，.035]	368.4647	26.13964
(.035，.04]	313.3813	30.91
			(04，.045]	270.4207	35.97942
(.045，.05]	236.2651	41.32534
			(.05，.075]	850.2595	10.76112
(.075，.1]	540.0654	17.51627
			(.1，.125]	381.3604	25.22191
(.125，.15]	287.6032	33.77013
			(.15，.175]	226.8385	43.08423
(.175，.2]	184.8238	53.10558
			(.2，.225]	154.3511	63.78734
(.225，.25]	131.4217	75.09094
			Did Not Hit Barrier	2522.242	2.964727

与其它例子以及最佳实施例中一样，实际的交易产生的交易量以及收益可能偏离用来计算每个状态的示例性收益的假设。

例3.1.17：实际物品、商品和服务的套期保值市场

各公司所面对的投资和资本预算编制一般牵涉到固有的经济风险(例如半导体的未来需求)、大量资本投资(例如半导体制造规模)和时机选择(例如对现在就投资建厂还是推迟一段时间的决策)。许多研究这种在不确定状态下的决策的经济学家们已经认识到，这种选择涉及到他们所称的“实际选择”。这个表征指出，例如在面对变化的不确定性和信息时，对现在就投资还是推迟一段时间再投资于物品或服务或厂房的决策，经常招致风险，这些风险类似于已经投资于提供在资本市场中买卖基础资产的机会的期权的交易者们所遇到的风险。许多经济学家和投资者都认识到资本预算决策中实际选择的重要性和建立更好地管理他们的不确定性和价值的市场的重要性。例如石油开采和加工的自然资源产业和耗取自然资源的产业，以及例如技术制造等需要大量资本投资的产业，是实际选择分析越来越受到使用和评价的产业的主要例子。

各公司或给定产业内的公司可以用按照本发明的DBAR或然债权组来更好地分析资本预算决策，包括那些涉及到实际选择的决策。例如，可以建立在未来半导体价格上提供套期保值机会的一组DBAR或然债权。这样一组债权让半导体生产商能更好地套期保值他们的资本预算决策，提供关于在整个可能的价格结果分布上未来价格的市场预期的信息。这个关于未来价格的市场预期的信息然后能被用在实际选择环境中，以更好地评估资本预算决策。类似地，计算机制造商也能用这种DBAR或然债权组来对不利的半导体价格变化进行套期保值。

提供构造根据半导体价格的一组示例性DBAR或然债权的基础的信息如下所示：

基础事件：半导体月销售

指数半导体工业联合会每月全球销售通告

当前日期：1999年9月15日

上次通告日期：1999年9月2日

上次通告月份：1999年7月

上次通告价值：115.5亿美元

下次通告日期：大约1999年10月1日

下次通告月份：1999年8月

交易开始日期：1999年9月2日

交易结束日期：1999年9月30日

为简要起见，由在本例中的各种状态中的投资量得出的限定状态和开盘示例性或指示性收益没有显示，但是可以从按照如各例3.1.1-3.1.9中所示的本发明的方法的实际交易者投资中计算或得出。

按照本发明的DBAR或然债权组也能被用来套期保值因价格发现过程产生的任意风险源。例如，从事对无论通过密封招标拍卖还是公开招标拍卖的物品或服务进行竞争性投标的公司，可以套期保值他们的投资和在准备投标中花费的资本，方法是在包含互相排斥而总体上穷举的拍卖标的范围的一组DBAR或然债权的各状态中投资。这样，该组DBAR或然债权起着一种“原拍卖”(meta-auction)的作用，让将要参与拍卖的那些人能在可能的拍卖结果的分布中投资，而不是简单地等待代表拍卖结果的单一结果。拍卖参与者因此能针对不利的拍卖发展和结果对自身进行套期保值，重要的是，能在实际拍卖中投标之前就能利用(至少在一个时刻的)投标价的整个概率分布。所以，可以用一组DBAR或然债权来提供整个可能的投标价分布上的市场数据。本发明的最佳实施例因此有助于避免所谓的经济学家们熟知的赢家诅咒现象，由于这种现象，拍卖参与者们不能合理地考虑到关于他们的拍卖竞争对手的可能投标价的信息。

例3.1.18：DBAR套期保值

本发明的系统和方法的另一个特点是交易者能比较容易地对易于受到的风险性影响(risky exposure)进行套期保值。在下面的例子中，假设一组DBZR或然债权有两个状态(状态1和2，即S₁和S₂)和分别投资于状态1和状态2中的量T₁和T₂。状态1的单位回收本利π₁因此是T₂/T₁，状态2的单位回收本利是T₁/T₂。如果某交易者然后在状态1中投资量α₁，然后，状态1发生，则交易者在本例中将收到以下的回收本利P-具体由相应的状态下标标引： $P_1={\mathrm{\&alpha;}}_1*(\frac{T_2}{T_1+{\mathrm{\&alpha;}}_1}+1)$ 如果状态2发生，交易者将收到

P₂＝0如果在交易持续期内某个时候希望套期保值其可能遭受的风险(exposure)，则要按下式计算为此要字状态2中的投资： ${\mathrm{\&alpha;}}_2=\frac{{\mathrm{\&alpha;}}_1*T_2}{T_1}$

这是通过使所提出的套期保值交易的各状态回收本利按下式那样相等而得出的： $P_1={\mathrm{\&alpha;}}_1*(\frac{T_2+{\mathrm{\&alpha;}}_2}{T_1+{\mathrm{\&alpha;}}_1}+1)=P_2={\mathrm{\&alpha;}}_2*(\frac{T_1+{\mathrm{\&alpha;}}_1}{T_2+{\mathrm{\&alpha;}}_2}+1)$

与套期保值传统衍生品所需的计算相比，这些表达式显示，在本发明的适当的DBAR或然债权组中，计算和实现套期保值可能比较直接了当。

可以将刚刚为简单的两个状态的例子计算的套期保值率(hedgeratio)α₂改造得适合在多于两个状态上定义的一组DBAR或然债权。在一组DBAR或然债权的最佳实施例中，可以将在要套期保值的状态中的现有投资与要作将来的套期保值投资的状态区别开来。后一种状态可以称作“补充”状态，因为这些状态包含除交易者已经在其中作了投资的状态以外的所有可能发生的状态，即它们与已投资的状态是互补的。在最佳实施例中中的多状态套期保值包括两个步骤：(1)确定在补充状态中的套期保值投资量；(2)对于如此确定的给定的量，在各补充状态之间分配量。按照第一个步骤在补充状态中的套期保值投资量按下式计算： ${\mathrm{\&alpha;}}_C=\frac{{\mathrm{\&alpha;}}_H*T_C}{T_H}$

其中α_C是在补充状态中的套期保值投资量，α_H是在要套期保值的状态中的现有投资量，T_C是在补充状态中投资的现有量，T_H是在要套期保值的状态中投资的量，不包括α_H。第二个步骤在各补充状态之间分配套期保值投资，实现方法是在各补充状态之间按在这些状态的每个状态中已经投资的现有量的比例分配α_C。

按照本发明的一个四状态的DBAR或然债权组的例子，解释了这个两步骤的过程。本例中作下述假设：(1)有分别为1-4的四个状态；(2)在每个状态中投资$50、$80、$70和$40；(3)某交易者已经为状态1和2作了$10的量(如上定义的α_H)的多状态投资；(4)在这个在状态1和2的多投资分配分别是$3.8462和$6.15385。因此在状态1至4的每个状态中的投资的量分别是$46.1538、$73.84615、$70和$40，这些量不包括该交易者所投资的量。注意到在要套期保值的各状态(即状态1和2)中投资的量，除去$10的多状态投资，就是以上定义的数量T_H。

在两步骤套期保值过程的最佳实施例中的第一个步骤，是计算要在补充状态中进行套期保值投资的量。如上文推导的那样，新的套期保值投资量等于现有投资量乘以在补充状态中投资的量同不包括交易者的现有交易的在要套期保值的状态中投资的量的比率，即$10×($70+$40)/($46.1538+$73.84615)＝$9.16667。这个过程中的第二个步骤是在两个补充状态即状态3和4之间分配这个量。

在以上讨论的分配多状态投资的过程之后，要完成补充状态分配，方法是将套期保值投资量(本例中是$9.16667)按照以前在这些补充状态中投资的现有量进行分配，即状态3为$9.16667×$70/$110＝$5.8333，状态4为$9.16667×$40/$110＝$3.3333。因此在本例中，交易者现在已经在状态1至4中有以下的投资量：($3.8462，$6.15385，$5.8333，$3.3333)；在四个状态的每个状态中的投资量是($50、$80、$75.8333和$43.3333)；根据在四个状态的每个状态中的投资量，四个状态的每个状态的回收本利分别就是(3.9833，2.1164，2.2857，4.75)。在这个例子中，如果状态1发生，交易者将收到的包括在状态1中的投资量在内的回收本利为3.9833×$3.8462+$3.8462＝$19.1667，这等于投资总和，因此交易者对状态1的发生完全得到套期保值。对其它状态的计算产生相同的结果，这样，本例中的交易者不管哪个状态发生都完全得到套期保值。

由于预计收益在整个交易持续期中会变化，交易者需要相应地再平衡(rebalance)其对补充状态的套期保值投资以及在各补充状态之间的多状态分配。在最佳实施例中，DBAR或然债权交易所(exchange)可以负责例如通过暂记帐户再分配多状态投资，使交易者能把再分配多状态投资的责任委托给交易所。类似地，交易者也能向交易所委托尤其在收益因为交易而变化时确定在各补充状态中的套期保值投资量的责任。这个量的计算和分配可以由交易所进行，其方式类似于交易所在投资量变化时向各组成状态再分配多状态交易的方式。

例3.1.19：准连续交易

本发明的系统和方法的最佳实施例包括交易持续期和稍晚的观察期，在交易持续期中，收益在一组DBAR或然债权的各限定状态之间调整，在观察期中，该组债权基于的事件的结果被确定。在最佳实施例中，收益是根据交易持续期结束时在所有状态上的最终投资量分布向状态的发生分配的。所以在每个实施例中，交易者在给定交易持续期结束之前不能确定地知道其对于给定状态的收益。在“锁定”最终收益之前的交易持续期期间发生的收益的变化或“价格发现”，可以提供关于交易者对最终结果的预期的有用信息，尽管这些预期只能指出最终收益将会是什么。所以，在最佳实施例中，交易者在交易持续期期间可能不能实现(realize)利润或亏损。例如，例3.1.18的套期保值示例提供了一个减少风险但不是锁定或实现利润和亏损的例子。

在其它最佳实施例中，可以建立在一组DBAR或然债权中交易的准连续市场。在最佳实施例中，多个再现的交易持续期可以为交易者提供接近连续的实现利润和亏损的机会。在一个这样的实施例中，一个交易持续期的结束时，紧接着开始一个新的交易持续期，在先的交易持续期的最终投资量和状态收益在该持续期结束时被“锁定”，并在后来已知相关事件的结果时被相应地分配。当与相同基础事件有关的DBAR或然债权组的新的交易持续期开始时，会连同对应的新的状态收益分布出现一个新的各状态投资量分布。在这种实施例中，由于使连续的交易持续期更频繁地开盘和收盘，所以就能获得一个准连续的市场，使交易者能像当前在传统市场中的那样频繁地套期保值和实现利润和亏损。

一个例子说明了如何能实现本发明的这个特点。该例子说明了对一个两天时期的日元/美元汇率的欧洲数字购买期权(传统市场期权)的套期保值，在此期间基础汇率按每美元一日元变化。本例中，为该组DBAR或然债权假设两个交易持续期。

传统期权：欧洲数字选择权

回收本利期权：如果到期时汇率等于或超过结算价格，付1亿美元

基础指数：日元/美元汇率

期权开始：1999年8月12日

期权到期：1999年8月15日

假设的波动性：年度20％

结算价格：120

名义值(notional)：1亿美元

在本例中，分析两个日期：1999.8.12和1999.8.13

表3.1.19-1传统数字购买期权在两天中的变化

观察日期	1999.8.12	1999.8.13
			即期结算日期	1999.8.16	1999.8.17
结算日的即期价格	115.55	116.55
			预期结算日期	2000.8.15	2000.8.15
远期价格	109.217107	110.1779
			期权升水(premium)	名义的28.333％	名义的29.8137％

表3.1.19-1显示以120结算的数字购买期权的值是如何能例如随着日元/美元汇率的基础变化而变化的。第二列显示，当基础汇率是115.55时，期权的价值是1999年8月12日的1亿美元名义值的28.333％即$28,333,000。第三列显示，如果在到期日美元日元等于或超过120时付1亿美元的期权的值，在基础汇率增加1而达到116.55时，每1亿美元增加到29.813％即$29,813,000。所以，传统的数字购买期权产生$29,813,000-$28,333,000＝$1,480,770的利润。

这个例子显示这个利润如何也能在有两个连续交易持续期的一组DBAR或然债权中的交易中实现。对于本例也假设在两个状态中都有充足的投资量或流通性，特定交易者的投资实质上不影响对应每个状态的收益。这是一个方便但又必要的假设，使交易者们能“按给定的那样”得到对应每个状态的收益，而无需考虑其投资将如何影响给定交易持续期的收盘收益。用表3.1.19-1中的信息，可以得出每个状态的以下收盘收益：

交易持续期1：

当前交易持续期结束日期：1999.8.12

基础事件：2000年8月15日美国东部时间下午4点结算的日元/美元汇率的收盘水平

1999.8.16结算的即期价格：115.55

状态	2000年8月15日日元/美元＜120	2000年8月15日日元/美元＞＝120
			收盘收益	0.39533	2.5295

本例中假设某示例性的交易者有$28,333,000投资于在2000年8月15日结算的日元/美元汇率等于或超过120的状态。

交易持续期2：

当前交易持续期结束日期：1999.8.13

基础事件：2000年8月15日美国东部时间下午4点结算的日元/美元汇率的收盘水平

1999.8.17结算的即期价格：116.55

状态	2000年8月15日日元/美元＜120	2000年8月15日日元/美元＞＝120
			收盘收益	0.424773	2.3542

本例中也假设该示例性的交易者在2000年8月15日结算的日元/美元汇率小于120的状态中有$70,187,550的套期保值投资。注意，第二个持续期的收盘收益低于汇率等于或超过120的状态的收盘收益。这是由于表3.1.19-1中表示的变化反映的是一个假设的基础市场中的变化，这使该状态更可能发生。

交易者现在在每个交易持续期中有一个投资，并锁定了$1,480,700的利润，如下所示：

状态	2000年8月15日日元/美元＜120	2000年8月15日日元/美元＞＝120
			损益(000.000)	$70.18755*.424773-$28.333＝$1.48077	$-70.18755+28.333*$2.5295＝$1.48077

本例中的示例性交易者因此已经不管哪个状态最终发生都能锁定或实现该利润。这个利润与在传统数字期权中实现的利润相同，这说明本发明的系统和方法能被用来提供至少每天一次的(如果不更频繁的话)损益实现，或者说可以在虚拟现实时间中对风险进行套期保值。

在最佳实施例中，准连续时间的套期保值一般能通过以下套期保值投资实现，假设套期保值交易的大小的作用实质上不影响收益： $H={\mathrm{\&alpha;}}_t*\frac{1+r_t}{1+r_{t+1}^c}$

其中r_t：＝在时间t时初始在其中进行投资的状态的收盘收益

α_t：＝在时间t时初始在该状态中投资的量

r^c _t+1＝在时间t+1对应除初始在其中进行投资的状态以外的一个状态或多个状态(即所谓的补充状态-补充状态是要套期保值的除初始交易的状态以外的所有状态)的收盘收益

H：＝套期保值投资的量

如果要在多于一个状态中投资H，则可以用以上描述的方法和过程进行在各组成状态之间的的多状态分配。H的这个表达式让DBAR或然债权中的投资者能计算套期保值交易的投资量。在传统市场中，这种计算通常既复杂又相当难。

例3.1.20：投资和回收本利的价值单位(value units)

如说明书中前文所讨论的那样，本发明实施例中所使用的投资和回收本利的单位可以是投资者所承认的任何经济值单位，例如货币、商品、股数、指数的数字、交换交易的量或者不动产的量。投资的量和回收本利不必用相同的单位，可以包含一组这种单位或这种单位的组合，例如25％黄金、25％油桶和50％日元。本说明书中前面的例子中一般用美元作为投资和回收本利的价值单位。

本例3.1.20说明一组对应于普通股的DBAR或然债权，其中的投资单位和回收本利是以股票数定义的。例如，将例3.1.1的条款普遍用于根据MSFT普通股的DBAR或然债权组，唯一不同的是，为了简要，本例3.1.20中只表示了三个状态：(0，83]，(83，88]和(88，∞]。本例3.1.20中投资量也是以每个状态的股数表示的，交易所以投资时的主流价格为交易者进行换算。本例中，回收本利是按照正则DRF得出的，按照正则DRF，交易者收到的股数，等于与该交易者在确实发生的状态中的投资的总股数的比率成比例的、在没有发生的状态中投资的股数的股数，除以在该状态中投资的总股数。下面显示的是一个指示性的以股数为单位的交易者需求分布，假设总交易量是100,000股：

状态	以股数为单位的投资量	如果状态发生时的每股收益以股数计的单位收益
			(0，83]	17,803	4.617
(83，88]	72,725	.37504
			(88，∞]	9,472	9.5574

如果例如MSFT到期时的收盘价是91，则在本例中，第三状态发生，在该状态中投资过10股的交易者就收到10×9.5574+10＝105.574的回收本利，这包括交易者的初始投资。如果应用本例的正则DRF，在其它两个状态中投资的交易者们就损失了所有的股。

以货币单位以外的价值单位投资的一个重要特点是，所观察的结果的幅度很相关，根据该结果而发生的状态的幅度也会很相关。例如，如果在本例中投资是以美元计算的，在状态(88，∞]中投资1美元的交易者至少在理论上就不在乎在观察期结束时MSFT的最终价格是89还是500。然而，如果价值单位是股票的股数，那么最终结果的幅度无关紧要，因为交易者收到作为回收本利的若干股，可以按更高的每股收盘价$91折合成更多的美元。例如，对于105.574股的回收本利来说，这些股票以该收盘价计算，价值105.574×$91＝$9,607.23。要是收盘价是$125的话，这些股票就会值105.574×$125＝$13,196.75。

一组用有价格的商品的价值单位的DBAR或然债权因此与提供对应某状态的固定回收本利而不管该状态内的结果的幅度相比具有另外的特点。这些特点在构造能方便地提供类似于传统衍生品所提供的风险和收益组合的风险和收益组合的DBAR或然债权组时可能证明是有用的。例如，本例中所描述的DBAR或然债权组可能对在所谓的“资产-或-零数字期权”(asset-or-nothing digital option)和“超股票期权”(supershares options)的传统衍生品中交易的交易者们有很大的兴趣。

例3.1.21：任意回收本利分布的倍加

本发明的系统和方法的一个优点是，在最佳实施例中，交易者能产生在一组DBAR或然债权的各限定状态的分布上的一个任意的回收本利分布。有能力来产生定制的回收本利分布对交易者可能是重要的，因为交易者可能希望倍加常见于传统市场中的或然债权回收本利，其中的例子诸如股票长盘(long position)、债券短盘(shorrposition)、外汇期权短盘和期权交叉长盘等。此外，本发明的最佳实施例可以使在传统市场中只能有困难和有代价地生成的回收本利分布被倍加，诸如某股票长盘的回收本利的分布，该股票在达到某个低于市场家的价位时要受到通过造市商卖出股票的“止蚀”。这种止损指令在传统市场中是非常难以执行的，交易者经常得不到精确地在预定价位执行的保障。

在最佳实施例中以及如上所述的那样，在一组DBAR或然债权的给定状态分布上的任意回收本利分布的生成和倍加可以通过使用多状态投资来实现。在这种实施例中，在进行投资之前，交易者可以规定给定状态分布中每个状态或某些状态的期望回收本利。这些回收本利构成该DBAR或然债权组的状态分布上的一个期望回收本利分布。在最佳实施例中，期望回收本利分布可以被交易所存储，交易所也可以根据现有的在状态分布上的投资分布，计算(1)实现所期望回收本利分布所需的投资总量；(2)要向其分配投资的各状态；(3)在每个状态中投资多少才能实现所期望的回收本利分布。在最佳实施例中，将这个多状态投资输入由交易所保持的暂记帐户中，交易所随着在状态分布上的投资量的改变而在各状态之间再分配投资。在最佳实施例中，如上所述，在交易持续期结束时进行最后的分配，此时回收本利被最终化。

本说明书中对多状态投资的讨论包括的例子中已经假设示例性交易者希望，不管在多状态投资中的组成状态中的哪个状态发生，回收本利都是相同的。为了达到这个结果，在最佳实施例中，交易者在多状态中的投资量，可以按已经另外在各组成状态中投资的量的比例，分配给组成状态。在最佳实施例中，随着在组成状态中投资量的相对比例的变化，这些投资被用相同的程序再分配。

在其它最佳实施例中，交易者可以进行多状态投资，其中，多状态投资不是为了在无论组成状态中哪个状态发生的情况下都产生相同回收本利。相反，在这种实施例中，多状态投资的目的可能是一个与交易者期望的在状态分布上的其它某种回收本利分布匹配的回收本利分布。所以，本发明的系统和方法不要求在多状态投资中的投资量按在多状态投资的组成状态中另外的投资量的比例被分配。

本说明书中前文编制的记号，被用来描述一种用来能为按照本发明的一组DBAR或然债权实现任意的回收本利分布的倍加的方法的最佳实施例。也使用下面的另一个记号：

A_i，*表示矩阵A的第i行，含有交易者i对DBAR或然债权组的n个状态的每个状态投资的量

在最佳实施例中，实现在状态分布上的期望回收本利的在所有状态中的投资量的分配，例如可以用表1中所列的计算机代码(或者本技术领域的熟练人员所知的功能等同物)计算，或者，如果交易者的多状态投资与已经在DBZR或然债权组中所作的总投资相比较小的，可以用下列近似公式计算： $A_{i,*}^T={\mathrm{\&Pi;}}^{-1}*P_{i,*}^T$ 其中矩阵∏上的-1下标表示矩阵逆运算。所以在这些实施例中，为产生任意的回收本利分布而要投资的量，可以通过下述方法认定：将(a)在对角线上有每个状态的单位回收本利的对角矩阵的逆(其中单位回收本利是根据在交易持续期中任何给定时候投资的量而确定的)，乘以(b)一个含有交易者的期望回收本利的向量。上述等式显示，为产生任意的回收本利分布而要投资的量，是所期望的回收本利分布本身(P_i，*)和在状态(这些状态被用来构成矩阵∏，该矩阵在对角线上含有单位回收本利，对角线外含有零)分布上另外投资的量的函数。因此，在最佳实施例中，如果所期望的回收本利改变，或者如果在分布上另外投资的量改变，在每个状态中要投资的量的分配就将改变。由于可以预期在各种状态中另外投资的量在交易持续期的过程中会改变，在最佳实施例中，用暂记帐户来根据这些变化再分配投资量A_i，*，正如上文所述的那样。在最佳实施例中，在交易持续期结束时，用在状态分布上另外投资的量进行最后的分配。最后的分配一般可以用在表1中的程序代码列表中体现的循环二次解决技术来执行。

例3.1.21说明的生成任意回收本利分布的方法，采用了例3.1.1中的事件、终止准则、限定状态、交易持续期和相应的其它相关信息，并假设期望的多状态投资相对于已经作出的投资总量较小。在上述的例3.1.1中，显示了在代表到期日1999年8月19日的MSFT股票的可能收盘价的状态分布上的示例性投资。在该例中，说明了到期日前一天1999年8月18日的投资的分布，该日MSFT股票的价格假定是85。在例3.1.21中，假设某交易者想在按照本发明的一组DBAR或然债权中投资，其方式大约倍加拥有80至90之间价格的一股MSFT(即较小的量)而产生的利润和亏损。换言之，假设该交易者想倍加一个MSFT的传统长盘，其限制条件是当MSFT达到80或90时要执行一个卖出指令。这样，例如如果MSFT在1999年8月19日的收盘价是87，该交易者预期要从在一组DBAR或然债权中的相应投资中有$2的利润。用例3.1.1中确定的各限定状态，这个利润是近似的，因为各状态被定义得包括一系列分立的可能收盘价。

在最佳实施例中，在某状态中的投资收到相同的收益，不管该状态内的实际结果如何。因此假设对本例3.1.21来说，某交易者接受从传统头寸的传统利润和亏损的适当倍加，仅“分立化”错误除外。对本例3.1.21来说，以及在最佳实施例中，假设对应于某状态内的实际结果的损益是以正好落在以概率的单位测量的状态(即“状态平均”)的上限和下限之间的价格为基准而确定的。对于本例3.1.21来说，可以计算每个状态的以下期望回收本利，要在每个状态中投资的量，以及为实现这些回收本利的结果投资量。

                            表3.1.21-1

状态	状态平均  ($)	期望股息  ($)	产生期望股息的投资($)
				(0，80]	NA	80	0.837258
(80，80.5]	80.33673	80.33673	0.699493
				(80.5，81]	80.83349	80.83349	1.14091
(81，81.5]	81.33029	81.33029	1.755077
				(81.5，82]	81.82712	81.82712	2.549131
(82，82.5]	82.32401	82.32401	3.498683
				(82.5，83]	82.82094	82.82094	4.543112
(83，83.5]	83.31792	83.31792	5.588056
				(83.5，84]	83.81496	83.81496	6.512429
(84，84.5]	84.31204	84.31204	7.206157
				(84.5，85]	84.80918	84.80918	7.572248
(85，85.5]	85.30638	85.30638	7.555924
				(85.5，86]	85.80363	85.80363	7.18022
(86，86.5]	86.30094	86.30094	6.493675
				(86.5，87]	86.7983	86.7983	5.59628
(87，87.5]	87.29572	87.29572	4.599353
				(87.5，88]	87.7932	87.7932	3.611403
(88，88.5]	88.29074	88.29074	2.706645
				(88.5，89]	88.78834	88.78834	1.939457
(89，89.5]	89.28599	89.28599	1.330046
				(89.5，90]	89 7837	89.7837	0.873212
(90，∞]	NA	90	1.2795

表3.1.21-1的最右列是上述的矩阵计算的结果。用来构造本例3.1.21的矩阵∏的回收本利是1加上例3.1.1中所示的每个状态的收益。

本发明的系统和方法相应地可以被用来实现几乎任何任意回收本利或收益组合，例如长盘、短盘、期权“交叉”等等，同时保持有限的责任和本说明书中所述的本发明的其它好处。

如上所述，如果许多交易者作多状态投资，在最佳实施例中，用一个循环的过程来把所有的多状态投资分配到它们相应的组成状态。如前文所述并且对本技术领域的熟练人员来说显而易见的是，可以执行计算机代码，以根据另外投资的量的分布以及交易者期望的回收本利分布在各组成状态之间分配每个多状态投资。

3.2 DBAR投资组合

可能需要将根据不同事件的若干组DBAR或然债权组合成单一的组合。这样，交易者就能在对应单一事件的限定状态的分布内以及在对应该组合内所有各组或然债权的状态的分布上投资。在最佳实施例中，对应这种方式投资的量的回收本利因此可以是各组DBAR或然债权中所有结果状态互相之间的相对比较的函数。这种比较可以根据在每组或然债权的分布中的每个结果状态中投资的量，以及该状态的其它数量、参数或特征(例如各组或然债权的每个基础证券的变化的幅度)。这样，用本发明的系统和方法就能实现更复杂和多变的回收本利和收益组合。由于需求再分配函数(DRF)的一个最佳实施例能对DBAR或然债权的组合运算，这种组合被称作DBAR组合，简称DBARP。DBARP是基于多状态、多事件DRF的按照本发明的DBAR或然债权的一个最佳实施例。

在涉及有关不同金融产品的不同事件的DBAR的最佳实施例中，采用一个DRF，其中，组合中的每个或然债权的收益由下列因素确定：(1)每个基础金融产品的实际变化幅度，和(2)在分布中的每个状态中已经投资了多少。多头方(on the long side)在诸如普通股等金融产品中的大量投资，将降低对应的DBAR或然债权组的多方的各限定状态的收益。已知最佳实施例中在特定状态的投资量和收益的相反关系，DBAR组合的一个优点是不易于产生投机泡沫。更具体来说，在最佳实施例中，多头方交易的巨量流入，例如将增加空头方各状态的收益，由此增加这些状态中的收益和吸引在这些状态中的投资。下列记号被用来解释另外的DBARP最佳实施例：

μ_i是金融产品i的实际变化幅度

W_i是在金融产品i中的成功投资的量

L_i是在金融产品i中的不成功投资的量

f是交易费

L

γ_i

π^P _i是成功投资在金融产品i中投资的单位回收本利

r^P _i是成功投资在金融产品i中投资的单位收益

DBARP最佳实施例的回收本利原则是，向成功投资返还总亏损中由成功投资的正则收益确定比例的一部分，对不成功投资则不作返还。所以，在最佳实施例中，在交易量较少的金融产品上将获得实际的大额收益的好处，因为被分配了高比例的不成功投资。 ${{\mathrm{\&pi;}}^p}_i=\frac{{\mathrm{\&gamma;}}_i*L}{W_i}$ ${r^p}_{i.}=\frac{{\mathrm{\&gamma;}}_i*L}{W_i}-1$

如下文所解释的那样，在最佳实施例中，各证券的收益的关系对确定DBARP中的回收本利和收益是重要的。

一个例子说明了按照本发明的DBARP的操作。对于这个例子来说，假设某投资组合(portfolio)含有两个股票IBM和MSFT(微软公司)并且以下信息适用(例如预定的终止准则)：

交易开始日期：1999.9.1

到期日：1999.10.1

当前交易持续期开始日期：1999.9.1

当前交易持续期结束日期：1999.9.5

当前日期：1999.9.2

IBM开始股价：129

MSFT开始股价：96

IBM和MSFT都除息

无交易费

在这个例子中，可以限定状态，使得交易者能为IBM或MSFT在持续期内贬值或升值而投资。也假设在当前交易持续期的交易收盘时，在各状态中投资的量的分布如下：

金融产品	贬值状态	升值状态
			MSFT	$100(百万)	$120(百万)
IBM	$80(百万)	$65(百万)

各投资量表达的更大概率的估计是，MSFT在该期间可能升值，IBM可能贬值。

对于这个例子来说，进一步假设在到期日1999年10月1日，观察到价格的下述实际结果：

MSFT：106(升值10.42％)

IBM：127(贬值1.55％)

在这个例子中，有$100+$65＝$165(百万)要从不成功投资分配给成功投资，并且，对于成功投资来说，MSFT的相对表现(10/42/(10.42+1.55)＝0.871)高于IBM(1.55/10.42+1.55)＝0.229)。在最佳实施例中，将可用的收益的87.1％分配给MSFT交易者，其余的归成功的IBM交易者，对每个状态的收益是如下计算的：

MSFT：$120(百万)的成功投资产生的回收本利是0.875×$165(百万)＝$143.72(百万)，成功交易者的收益是 $\frac{120M+143.72M}{120M}-1=119.77\%$

IBM：$80(百万)的成功投资产生的回收本利是(1-0.875)×$165(百万)＝$23.285(百万)，成功交易者的收益是 $\frac{80M+21.285M}{80M}-1=26.6\%$ 本例中以及最佳实施例中的收益，不仅是在每组DBAR或然债权中投资的量的函数，也是基础金融产品的价格或者经济表现的基础事件的价值的相对变化幅度的函数。在这个特例中，MSFT交易者收到更高的收益，因为MSFT的市场表现显著强于IBM。换言之，MSFT多头比IBM空头“更正确”。

进一步来说明DBARP的操作-假设MSFT和IBM股票的价格变化的幅度相同，例如MSFT升水10％，IBM贴水10％，其它的假设保持不变。在这种情况下，$165(百万)仍然要从不成功投资中分配，但是这些量却是相等地分配给MSFT和IBM的成功投资的，即各分$82.5(百万)。在这种情况下，收益是：MSFT：

IBM： 

在这种情况下，IBM收益是对MSFT投资的收益的1.5倍，因为在DBAR或然债权的IBM组中投资的量少于在MSFT组中的投资量。

这个结果证明，本发明的系统和方法的最佳实施例，在为了有足够的投资总量来提供对交易者期望的公平指示而需要时，鼓励交易者进行大投资，即促进流通性。

本例中的回收本利既依赖于基础股票的变化幅度也依赖这种变化之间的相关度。为了计算交易期和每个交易持续期收盘时的期望收益和回收本利，可以对这些期望的变化和相关度进行统计性估算。尽管进行这样的投资可能比在如上所述的DBAR系列衍生品中的更复杂一些，对本领域的熟练人员来说，根据本说明书或通过实践本发明，仍然是显而易见的。

前面已经以对应于基础证券的收盘价的事件说明了DBARP的例子。本发明的DBARP并不仅限于此，而可以应用于任何具有经济意义的事件，例如利率、经济统计、商业不动产租金等。此外，对本领域的普通熟练人员来说，根据本说明书或对本发明的实践，其它类型的用于DBARP的DRF是显而易见的。

4风险计算

按照本发明的DBAR或然债权组的另一个优点是，能向交易者、市场风险经理人和其它利害关系人提供透明的风险计算。这种风险可包括下文讨论的市场风险和信用风险。

4.1市场风险

进行市场风险计算一般是为了使交易者获得关于适用于他们的积极交易的组合的的损益概率分布的信息。对于与一组DBAR或然债权相关联的所有交易者来说，某交易者可能想知道的是，例如与损益的底部第5百分比相关联的美元亏损。底部第5百分对应于该交易者以95％的统计置信度知道不会超过的亏损量。对于本说明书来说，将个别投资的与给定统计置信度(例如95％、99％)相关联的亏损量称为风险资本(CAR)。在本发明的最佳实施例中，不仅能为个别投资，也能为与相同事件或多个事件有关的多个投资计算CAR。

在金融业，目前有三种方法用来计算CAR：(1)风险价值(VAR)；(2)蒙特卡罗模拟(MCS)；(3)历史模拟(HS)。

4.1.1采用风险价值的风险资本确定

VAR这种方法，经常依赖于计算一组交易的价格变化的标准偏差和相关度。这些标准偏差和相关度一般是根据历史数据计算的。标准偏差数据一般被用来为每个交易个别地计算CAR。

为了说明VAR对本发明的一组DBAR或然债权的使用，作下列假设：(1)交易者以传统方式购买了某种股票，例如$100的IBM股；(2)用以前计算的标准偏差数据，确定IBM的年标准偏差是30％；(3)如正常的情况一样，IBM的价格变化是正态分布的；(4)所使用的亏损百分比是底部第5百分比。根据标准正态表，亏损的底部第5百分比对应于大约1.645个标准偏差，所以本例中的CAR-即按95％的统计置信度，不会超过的IBM头寸的亏损-是30％×1.645×$100，即$49.35。用类似的假设，对GM的$200头寸作类似的计算，计算出的GM的CAR是$65.50。如果在本例中，计算出的IBM同GM股票的价格之间的相关度ζ是0.5，则含有IBM和GM两种头寸的组合的CAR可以表达为： $\mathrm{CAR}=\sqrt{{\left(1.645{\mathrm{\&alpha;}}_{\mathrm{IBM}}{\mathrm{\&sigma;}}_{\mathrm{IBM}}\right)}^2+{\left({1.645\mathrm{\&alpha;}}_{\mathrm{GM}}{\mathrm{\&sigma;}}_{\mathrm{GM}}\right)}^2+2\mathrm{\&zeta;}1.645{\mathrm{\&alpha;}}_{\mathrm{IBM}}{\mathrm{\&sigma;}}_{\mathrm{IBM}}*1.645{\mathrm{\&alpha;}}_{\mathrm{GM}}{\mathrm{\&sigma;}}_{\mathrm{GM}}}$ $=\sqrt{{49.35}^2+{65.50}^2+2*.5*49.35*65.5}=99.79$

其中α是投资的美元数，σ是标准偏差，ζ是相关度。

这些计算一般以矩阵的形式表示为：

C是基础事件的相关矩阵，

W是含有组合中每个有效头寸的CAR的向量，

W^T是W的转置在最佳实施例中，C是一个x×y矩阵，y是组合中的有效头寸数，C的元素是：

c_i，j＝1，当i＝j时，即对角线上是1，否则

c_i，j＝第i个同第j个事件中的相关度

在最佳实施例中，几个步骤实现本发明的一组DBAR或然债权的VAR方法。下面先列举这些步骤，然后在给出每个步骤的细节。这些步骤如下所述：

(1)从一组DBAR或然债权的限定状态的分布开始，计算给定状态中每个投资的按价值单位(例如美元)的收益的标准偏差；

(2)用每个状态的标准偏差和相同状态分布内的状态的收益的相关矩阵执行矩阵计算，以获得在一组DBAR或然债权中所有投资的收益的标准偏差；

(3)调整步骤(2)中计算得出的每个投资的数，使其对应于期望的亏损百分比；

(4)将从步骤(3)得出的该组合中每个不同的DBAR或然债权的数放置到向量W中，该向量的维数等于不同DBAR或然债权的数目；

(5)建立一个包含该组合中每个对应DBAR或然债权的每对基础事件的相关度的相关矩阵；

(6)计算在步骤(5)中建立的相关矩阵W同W的转置的积的平方根。

结果是对应该组合中所有DBAR或然债权组的、采用期望的亏损百分比的CAR。

在最佳实施例中，上述的步骤(1)-(6)的VAR方法可以如下地应用于任意一组DBAR或然债权。对于本方法来说，假设所有投资都是如前文所述地用正则DRF在DBAR系列衍生品中作的。类似的分析适用于其它形式的DRF。

在步骤(1)中，对每组DBAR或然债权的每个状态i投资的量的单位收益的标准偏差是如下计算的： ${\mathrm{\&sigma;}}_i=\sqrt{\frac{T}{T_i}-1}=\sqrt{\frac{(1-q_i)}{q_i}}=\sqrt{r_i}$ 其中σ_i是每个状态i中投资的量的单位收益的标准偏差，T_i是在状态i中投资的总量；T是在各状态的分布上所有的投资量；q_i是从T和T_i推导出的状态i的发生的隐含概率；r_i是在状态i中的投资的单位收益。在最佳实施例中，这个标准偏差是在每个状态中投资的量和在各状态的分布上投资的总量的函数，也等于该状态的单位收益的平方根。如果α_i是在状态i中投资的量，α_i×σ_i是每个状态i的投资量的单位(例如美元)的标准偏差。

步骤(2)计算一组DBAR或然债权中所有投资的标准偏差。该步骤(2)一开始计算一组DBAR或然债权的相同状态分布内每个可能对的每对状态之间的相关度。对于正则DRF，这些相关度可以按下式计算： ${\mathrm{\&rho;}}_{i,j}=-\frac{\sqrt{T_i*T_j}}{\sqrt{(T-T_i)*(T-T_j)}}=-\sqrt{\frac{q_i*q_j}{(1-q_i)*(1-q_j)}}=\frac{-1}{\sqrt{r_i*r_j}}=\frac{-1}{{\mathrm{\&sigma;}}_i*{\mathrm{\&sigma;}}_j}$ 其中ρ_i，j是状态i同状态j之间的相关度。在最佳实施例中，每个状态的收益是负相关的，因为一个状态(成功投资)的发生排除其它状态(不成功投资)的发生。如果状态分布中只有两个状态，则T_i＝T-T_i，且相关度ρ_i，j是-1，即如果i和j是这两个状态，则状态i中的投资是成功的，状态j中的投资不成功，或者相反。在有多于两个状态的最佳实施例中，相关度处于0至-1的范围内(当且仅当其中一个状态有等于1的隐含概率时相关度恰好是0)。在VAR方法的步骤(2)中，将相关度系数ρ_i，j输入矩阵C_s(下标s表示每个相同事件的各状态之间的相关度)，该矩阵含有的行列数等于该组DBAR或然债权的限定状态数。相关矩阵对角线上含有1，是一个对称矩阵，矩阵的第i行第j列的元素等于ρ_i，j。从上面的步骤(1)开始，构造一个维数等于该组DBAR或然债权中的状态数n的n×1向量U，U的每个元素等于α_i×σ_j。第一第k组DBAR或然债权的状态的分布内的状态中的所有投资的收益的标准偏差w_k，可以按下式计算： $w_k=\sqrt{U^T*C_s*U}$

步骤(3)按对应于一个期望的或可接受的亏损百分比，调整前面计算出来的组合中每组DBAR或然债权的标准偏差w_k。为了说明的需要，假设投资收益有一个正态分布函数；需要亏损的95％的统计置信度；每组DBAR或然债权的收益的标准偏差w_k，可以乘以对应于底部第5百分比的标准正态分布中的标准偏差数1.645。采用正态分布是为了说明的需要，其它类型的分布(例如学生T分布)可以用来计算对应于任何感兴趣的百分比的标准偏差数。如上所述，在一组DBAR或然债权的正则DRF实现的最佳实施例中能亏损的最大量是投资的量。

因此对于这个示例来说，标准偏差w_k被调整得反映这样的约束条件，即可能亏损的最多的，是下述中的较少的：(a)投资的总量；(b)与该组DBAR或然债权的CAR计算相关联的利益的百分比亏损，即： $w_k=\min 1.645*w_k,\underset{i=1..n}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_i$

实际上，这更新每个事件的标准偏差，即把它替换为一个值，该值反映对应于一个极端亏损百分比(例如底部第5)或总投资量中较少者的多个标准偏差。

步骤(4)取如步骤(4)得出的m组DBAR或然债权的每组的被调整的w_k，将它们置入一个y×1维的列向量w，每个向量元素含有w_k，k＝1...y。

步骤(5)得出对称相关矩阵C_e，其行数和列数，等于交易者在其中有一个或多个投资的DBAR或然债权组的数目y。相关矩阵C_e可以根据历史数据估算，也可以更直接地得到，如根据JP摩根的RiskMetrics数据库得到的外汇汇率、利率、股票指数、商品以及其它金融产品之间的相关矩阵。矩阵C_e的其它相关信息源是本领域的熟练人员已知的。相关矩阵C_e的对角线上是1，矩阵的第i行第j列上的元素含有第i个同第j个事件之间的相关度，第i个同第j个事件定义投资组合中m个有效的DBAR或然债权组之间所有这种可能的对中的第i个和第j个DBAR或然债权。

在步骤(6)中，找出m个DBAR或然债权组的整个投资组合的CAR，方法是执行下述的矩阵计算，该计算中使用步骤(4)中放置到向量w中的每个w_k及其转置W^T： $\mathrm{CAR}=\sqrt{w^T*C_e*w}$

各组DBAR或然债权的投资组合的这个CAR值，是一个不会被超过的亏损量，具有在以上步骤(1)-(6)中使用的相关的统计置信度(例如，在本示例中是95％)。

例4.1.1-1：基于VAR的CAR计算

一个例子进一步说明如何计算含有两组DBAR范围衍生品或然债权的投资组合(即y＝2)的基于VAR的CAR，该投资组合有一个对两个普通股IBM和GM的正则DRF。对于本例来说，作下述假设：(1)对这两组DBAR或然债权的每组来说，根据其定义各状态的各相关基础事件是每个股票一个月后的收盘价；(2)每个事件只定义三种状态：“低”、“中”和“高”，分别对应于该日期的可能收盘价的各范围；(3)IBM和GM的这三种状态的公布收益分别是(按美元计)(4，0.667，4)和(2.333，1.5，2.333)；(4)交易费是零；(5)对于IBM或然债权组，交易者在“低”状态中投资1美元，在“中”状态中投资3美元，在“高”状态中投资2美元；(6)对于IBM或然债权组，交易者只在“中”状态中投资2美元；(7)期望的或可接受的亏损百分比是第5百分比-假设是正态分布；(8)IBM和GM在每个股票的正态分布上的价格变化的估计相关度是0.5。

上述的步骤(1)-(6)被用来执行VAR，以计算本例的CAR。根据步骤(1)，在IBM和GM的或然债权组的每个状态中投资量的单位状态收益的标准偏差分别是(2，0.8165，2)和(1.5274，1.225，1.5274)。进一步根据上述步骤(1)，将各组或然债权中的每个投资量α_i，乘以以前计算的每个投资的状态收益的标准偏差σ_i，使得每个债权的每个状态的收益的标准偏差的美元数等于(2，2.4495，4)(对于IBM组来说)和(0，1.225，0)(对于GM组来说)。

按照上述步骤(2)，对于本例中两组DBAR或然债权的每组来说，任何状态对之间的相关矩阵C_s是如下地构造的：

   

其中左边的矩阵是IBM或然债权组的每对状态收益之间的相关度，右边的矩阵是GM或然债权组的相应矩阵。

也按照上述步骤(2)，对于两组DBAR或然债权的每组来说，可以将本例中每个投资的每个状态的收益的标准偏差的美元数αiσi放置在一个维数等于3(即状态数)的向量中：

    其中左边的向量含有IBM或然债权组的每个状态的收益的标准偏差的美元数，右边的向量含有GM或然债权组的对应信息。进一步按照上述步骤(2)，可以进行一个矩阵计算，以分别计算这两组DBAR或然债权的每组中的所有投资的总标准偏差： $w_1=\sqrt{U_{\mathrm{IBM}}^T*C_s^{\mathrm{IBM}}*U_{\mathrm{IBM}}}=2$ $w_2=\sqrt{U_{\mathrm{GM}}^T*C_s^{\mathrm{GM}}*U_{\mathrm{GM}}}=1.225$ 其中左边的量是IBM或然债权组的分布中的所有投资的标准偏差，右边的量是GM或然债权组的对应标准偏差。

按照上述步骤(3)，调整w₁和w₂，方法是各乘以1.645(对应于假设正态分布时的底部第5百分比的CAR亏损百分比)，然后取下列二者中的较低者：(a)结果值；(b)可亏损的最大量，即在每组或然债权的所有状态中投资的量：

w₁＝min(2*1.645，6)＝3.29     w₂＝min(2*1.225，1)＝1其中左边的量是IBM或然债权组的分布上所有投资的收益的调整的标准偏差，右边的量是在GM或然债权组中投资的对应量。这两个量w₁和w₂，分别是各个DBAR或然债权组的CAR值，对应于95％的统计置信度。换言之，如果对状态收益所作的正态分布假设是有效的，则交易者例如可以95％地肯定在IBM或然债权组上的亏损不会超过$3.29。

继续上述的VAR过程中的步骤(4)，将w₁和w₂放入一个二维向量中(该维数等于在示例性交易者的投资组合中的DBAR或然债权组数)：

按照步骤(5)，或者根据历史数据估算或者根据某个其它源(例如RiskMetrics)获得一个两行两列的相关矩阵C_e。与本示例的假设-即IBM同GM的价格变化之间的估计相关度是0.5-相一致，基础事件的相关矩阵如下：

继续步骤(6)，执行一个矩阵乘法，即将C_e左乘w的转置，再右乘w，取乘积的平方根： $\mathrm{CAR}=\sqrt{w^T*C_e*w}=3.8877$

这意味着对于本例中的包含在IBM或然债权组中的三个投资和在GM或然债权组中的一个投资的投资组合来说，交易者有95％的统计置信度可以肯定它的亏损不会超过$3.89。

4.1.2采用蒙特卡罗模拟技术的风险资本确定

蒙特卡罗模拟(MCS)是另一个在金融业中经常用来计算CAR的方法。MCS经常被用来模拟给定一组金融产品的许多代表性情形，计算每个代表性情形的损益，然后分析具体情形的损益的结果分布。例如，具体情形的损益的分布的底部第5百分比对应于交易者可以95％地肯定是不会超过的亏损。在最佳实施例中，可以将MCS方法加以改变，以如下地计算DBAR或然债权的投资组合的CAR。

MCS方法的步骤(1)用诸如GRACH等传统经济计量技术估算DBAR或然债权的基础事件的统计分布。如果被分析的投资组合有多于一组的DBAR或然债权，则所估计的分布就是人们普遍了解的多元统计分布，它描述投资组合中各事件之间的统计关系。例如，如果事件是服从正态分布的潜在的股票收盘价和股价变化，则估计的统计分布就是一个多元正态分布，它含有对每个股票的期望价格变化、其标准偏差和投资组合中每对股票之间的相关度来说相关的参数。多元统计分布一般是用传统经济计量技术根据基础事件的历史事件序列数据(例如股票的价格历史价格)估算的。

MCS方法的步骤(2)用步骤(1)中估计的统计分布来模拟代表性的情形。这种模拟可以用诸如“Numeric Recipes in C”等参考著作中含有的模拟方法或者用诸如可从Palisade获得的@Risk软件包等模拟软件执行，或者用本领域的熟练人员已知的其它方法来执行。对于每个模拟情形，投资组合中每组DBAR或然债权的DRF确定所计算的投资组合的回收本利和损益。

使用以上用来说明计算CAR的VAR技术的涉及GM和IBM的以上两种股票的例子，一个由MCS技术模拟的情形可能是IBM的“高”和GM的“低”，在这种情况中，具有上述头寸的交易者有对应IBM或然债权的4美元利润和对应GM或然债权的1美元亏损，总利润3美元。在步骤(2)中，生成许多这样的情形，以便获得利润和亏损的结果分布。可以将结果的利润和亏损按升序排列，以便例如能计算对应于任何给定利润和亏损数的百分比。例如，底部第5百分比对应于交易者可以95％地肯定不会超过的亏损-只要已经生成了足够的情形用来提供充分的代表性样本。这个数目可以被用作用MCS对一组DBAR或然债权计算的CAR值。此外，如本领域的熟练人员所知的那样，从所生成的利润和亏损分布中，也可以计算诸如平均利润和亏损、标准偏差、skewness、kutosis等统计数字和其它类似的数字。

这意味着对于本例中的包含在IBM或然债权组中的三个投资和在GM或然债权组中的一个投资的投资组合来说，交易者有95％的统计置信度可以肯定它的亏损不会超过$3.89。

4.1.3采用历史模拟技术的风险资本确定

历史模拟(HS)另一种用来计算CAR值的方法。HS与MCS可比较之处在于MCS依靠使用代表性情形来计算投资组合的利润和亏损的分布。然而HS不依赖来自估计的概率分布的模拟情形，而是用历史数据来模拟情形。在最佳实施例中，可以以下述方式将HS改造得适合应用于DBAR或然债权的投资组合。

步骤(1)对对应于每组DBAR或然债权的基础事件的每个基础事件获得事件的结果的一个历史时间序列。例如，如果事件是股票收盘价，每个股票的收盘价的时间序列就可以根据历史数据库获得，历史数据库例如是可从Bloomberg、路透社、Datastream或本领域的熟练人员已知的其它数据源得到的数据库。

步骤(2)利用步骤(1)中的历史数据中的每个观察值，用投资组合中每组DBAR或然债权的DRF计算回收本利。根据每个历史观察值的每组的回收本利，就能计算投资组合利润和亏损。这产生对应于该历史情形的利润和亏损的分布，即假若交易者在历史数据样本所覆盖的期间自始至终持有该投资组合的话会获得的利润和亏损。

步骤(3)将步骤(2)中计算的利润和亏损的分布中得出的利润和亏损的值按升序排列。这样就能计算出对应于在如此排列的分布中的任何百分比的利润和亏损，以便例如能通过参考底部第5百分比而计算对应于95％的统计置信度的CAR值。

4.2信用风险

在本发明的最佳实施例中，交易者可以用保证金贷款(marginloan)在一组DBAR或然债权中进行投资。在最佳实施例中，可以通过估算由于给定交易者不能偿还保证金贷款而使该组DBAR或然债权中的其它交易者蒙受的可能亏损的量而度量信用风险。例如，某交易者以$0.50的保证金在一组DBAR或然债权的给定状态中投资了$1。假设本例中采用正则DRF，如果该状态后来没有发生，DRF从该交易者收取$1(忽略利息)，这就要求归还保证金贷款。由于该交易者可能不能在规定时间偿还贷款，成功交易的交易者们有可能不能收到按照DRF确定的应付给他们的全部的量，因此收到的回收本利低于由该组DBAR或然债权在给定交易持续期的最终收益所指出的回收本利。或者，也可以对这种因为信用风险而具有可能亏损的风险进行保险，这种保险的成本或者由交易所承担，或者转移给交易者们。本发明的系统和方法的一个优点是，在最佳实施例中，与一组DBAR或然债权相关联的信用风险的量可以很容易地计算。

在最佳实施例中，DBAR或然债权组的投资组合的信用风险的计算，涉及按如上所述的对市场风险的CAR的计算类似的方式，计算风险信用资本(CCAR)。

CCAR的计算，要使用与每个交易者为投资组合中每组DBAR或然债权的每个状态中的每个投资所使用的保证金的量有关的数据，与每个交易者对保证金贷款不履约的概率有关的数据(这种数据一般可以从诸如标准普尔等风险评级公司提供的数据中获得)，以及与每对交易者信用等级或不履约概率的变化的相关度有关的数据(这种数据例如可以从JP Morgan公司的CreditMetrics数据库获得)。

在最佳实施例中，可以按不同的精确性和可靠性等级进行CCAR计算。例如，对CCAR的某个计算基本上是准确的，但是如果用更多的数据和投入更多的计算努力，还能提高准确性；不过，根据该或然债权组以及交易者对信用风险有关的信息的需要，该计算可能已经足够。例如可以将VAR方法改造得适于计算一组DBAR或然债权的CCAR，尽管用MCS和HS相关的技术进行这种计算也是可能的。能用于在最佳实施例中用基于VAR、基于MCS和基于HS的方法计算CCAR的步骤在下面作说明。

4.2.1.用基于VAR的方法计算DBAR或然债权的CCAR的方法

基于VAR的CCAR方法的步骤(1)，要对一组DBAR或然债权中的每个交易者获得用来进行每个交易的保证金的量。

步骤(2)涉及获得与已经在各组DBAR或然债权中投资的每个交易者不履约的概率有关的数据。不履约概率可以从信用评级公司、从JPMorgan的CreditMetrics数据库或者从本领域的熟练人员已知的其它来源获得。除了不履约概率之外，也可以获得与可收回的量有关的数据。例如，有$1保证金贷款的AA级交易者在不履约的情况下有可能有偿还0.8美元的能力。

步骤(3)涉及确定投资量的单位收益的标准偏差的比例。这个确定比例的步骤，在上述的估算市场风险的VAR方法的步骤(1)中有说明。按照前述的VAR方法的步骤(1)所确定的每个收益的标准偏差，由下列因素确定比例：(a)每个投资的保证金的百分比；(b)交易者不履约的概率；(c)在发生不履约的情况下不可收回的百分比。

这个基于VAR的CCAR方法的步骤(4)涉及从步骤(3)取得每个投资的每个状态的确定比例值并执行以上就估计市场风险的VAR方法的步骤(2)中所述的矩阵计算。换言之，将已经如这个CCAR方法的步骤(3)中所述的那样确定比例的投资量的单位收益的标准偏差，按照每个可能的状态(上述的C_s)对之间的相关度进行加权。生成的数就是按信用调整的、对各组DBAR或然债权的投资组合的每个投资的每个交易者的投资量的单位收益的标准偏差。对于一组DBAR或然债权来说，将已经按这种方式确定比例的收益的标准偏差放置到一个维数等于交易者数目的向量中。

这个基于VAR的CCAR方法的步骤(5)涉及执行一个类似于上述对CAR的VAR方法的步骤(5)中执行的矩阵计算。在这个计算中，从步骤(4)得出的按信用调整的收益的标准偏差的向量，被用来左乘和右乘一个相关矩阵，该相关矩阵的行列数等于交易者的数目，对角线上是1，i行j列上的元素含有上述信用等级的变化的统计相关度。结果的矩阵积的平方根，就是一组DBAR或然债权的所有交易者由于不履约而蒙受的亏损的标准偏差。如上所述，这个值可以由若干对应于不要超过的有关信用的风险的某个统计置信度的标准偏差来确定比例。

在最佳实施例中，可以将任何给定交易者从CCAR计算中忽略。结果是面对该给定交易者的CCAR，这是由于其它已经在一组DBAR或然债权中投资的交易者造成的信用风险而引起的。可以对某交易者已经在其中有头寸的所有DBAR或然债权组中进行这种计算，然后将得出的数用基础事件的相关矩阵C_e加权，如在基于VAR的CAR计算的步骤(5)中所述的那样。结果对应于由于其它交易者在某交易者投资组合中所有DBAR或然债权组的所有状态上可能的不履约而造成的亏损的风险。

4.2.2采用蒙特卡罗模拟(MCS)方法的DBAR或然债权的CCAR方法

如上所述，MCS方法一般被用来模拟给定一组金融产品的代表性情形，计算每个代表性情形的利润和亏损，然后分析情形利润和亏损的结果分布。说这些情形是代表性的，是因为假定它们例如根据的是一般用经济计量时间序列技术已经估算的统计分布，对这些金融产品的未来行为有很大的相关度。本发明用于估算DBAR或然债权磁带投资组合的CCAR的MCS方法的最佳实施例，有如下所述的两个步骤。

MCS方法的步骤(1)是估算有意义的事件的统计分布。计算一组DBAR或然债权的CCAR时，有意义的事件，除了是与该组DBAR或然债权中的其它投资者的不履约有关的事件外，还可以是作为各组DBAR或然债权基础的基本事件，包括可以为如上所述地计算CAR而被应用于多元统计分布的事件。因此，在最佳实施例中，要估算的多元统计分布与作为正在被分析的各组DBAR或然债权基础的市场事件(例如股价变化、汇率变化)有关，也与这些DBAR或然债权组中的按信用等级或类别分组的投资者将不能为亏损的投资偿还保证金贷款的事件有关。

例如，要估算的多元统计分布可能假设，市场事件和信用等级或类别的变化合起来是正态分布的。估算这种分布因此要估算例如基础市场事件(例如到到期日为止期望的利率变化)的平均变化、到到期日为止信用等级的平均变化每个市场事件和信用等级变化的步骤偏差，以及含有所有成对的每对事件(包括市场和信用事件对)之间的相关度的相关矩阵。因此，MCS方法的最佳实施例在应用到对本发明的各组DBAR或然债权的CCAR估算时，一般要求对市场事件(例如股票价格的变化)和信用事件(例如，如果股票价格下降而不是上升，由标准普尔评为A级的投资者是否更有可能不履约或被降级)之间的统计相关度进行某种估算。

有时候难以估算在诸如股价和利率变化等市场相关的事件同诸如订约方降级或不履约等信用相关的事件之间的统计相关度。这些困难的产生，原因可能在于信用降级和不履约相对不频繁。这种信用相关的事件的不频繁，可能意味着用于MCS模拟的统计估算只能得到低统计置信度的支持。在这种情况下，可以采用关于市场和信用相关的事件之间的统计相关度的假设。例如，对这种相关度采用敏感度分析并非不寻常，就是说，假设在市场和信用相关的事件之间有给定的相关度，然后在从-1至1的整个相关度范围上改变假设，以确定对总体CCAR的影响。

估算事件之间相关度的最佳方式是用一个通常不缺少统计频率的有关信用相关事件的数据源。在这个最佳方式中可以采用两个方法。第一，可以获得提供关于信用相关事件的更高统计置信度的数据。例如，期望的不履约频率数据可以从诸如KMV公司的公司购得。这些数据提供各当事方不履约的概率，这些概率可以每日频繁地更新。第二，可以从市场利率中估算更经常地观察的不履约概率。例如，诸如Bloomberg和路透社等数据供应商通常提供关于额外的收益(yield)的信息，投资者投资于不同信用等级(例如AAA、AA、A、A-)的股票时需要这种信息。对本领域的熟练人员来说，很容易能获得其它方法来提供对各种实体不履约概率的估算。这种估算可以频繁到每日一次，以便有可能在MCS通常需要的参数中有更大的统计置信度，这种参数诸如是不履约概率的变化同股价、利率和汇率的变化之间的相关度。

这种相关度的估算，在假设两组利率的DBAR或然债权作说明，其中一组根据的是IBM股票三个月后的收盘价，另一组根据的是30年期美国国库券三个月后的收盘收益。在这个示例中，也假设可以将已经以保证金在每组中进行了投资的订约方划分成5个不同的信用等级类。关于IBM股价和债券收益的每日变化的数据，可以容易地从诸如路透社或Bloomberg等来源获得。关于期望的投资者不履约概率的频繁变化的数据例如可以从KMV公司获得，或者如上所述地根据利率估算出来。由于不履约概率的范围在0到1之间，对于本示例来说，选择一个限定于这个区间的统计分布。例如，对于本示例来说，可以假设投资者不履约概率遵循对数分布，IBM股票和30年期债券收益的变化的联合分布遵循二元正态分布。对数分布和二元正态分布的参数可以用本领域的熟练人员已知的经济计量技术来估算。

MCS技术的步骤(2)，可以应用于估算各组DBAR或然债权的CCAR，要用在上述的步骤(1)中估算的多元统计分布来模拟代表性情形。如上所述，这种模拟可以用本领域的熟练人员已知的容易获得的方法和软件来执行。对于每个模拟情形，可以将模拟的不履约率乘以某投资者面临的亏损量，后者根据的是模拟的市场变化和投资者已经用于进行亏损投资的保证金。乘积代表所估算的由于投资者不履约而导致的亏损率。可以生成许多这种情形，以便能获得信用相关的期望亏损的结果分布。该分布的平均值就是平均亏损。该分布的顶部第5百分比的最低值，例如就对应于给定投资者95％地肯定不会超过的亏损-只要生成了足够多的能提供有统计意义的样本的情形。在最佳实施例中，在分布中选择的对应于期望的置信度或足够置信度的值，被用作正在分析的各组DBZR或然债权的CCAR。

4.2.3采用历史模拟(HS)方法的DBAR或然债权的CCAR方法

如上所述，历史模拟(HS)用于估算CCAR与MCS的可比之处在于，HS依靠代表性情形来计算各组DBAR或然债权投资的投资组合的利润和亏损的分布。然而，HS不是依赖来自估算的多元统计分布的模拟情形，而是使用历史数据来表示各情形。在最佳实施例中，计算各组DBAR或然债权的CCAR的HS方法采用下述的三个步骤。

步骤(1)涉及获得与上文在CAR上下文中所述的市场相关事件的相同数据。此外，要用HS来估算CCAR，历史时间序列数据也被用于信用相关的时间，诸如降级和不履约。由于这种数据通常是稀缺的，所以可以用上述方法来获得更频繁观察的有关信用事件的数据。例如，在最佳实施例中，可以从KMV公司获得频繁观察的关于期望的不履约概率的数据。用于获得这种数据的其它方法对本领域的熟练人员来说是已知的。

步骤(2)要用从前面的步骤(1)中得出的历史数据中的每个观察值，利用DRF为正在分析的每组DBAR或然债权计算回收本利。然后可以将因为亏损交易而要归还的保证金量乘以期望的本领域概率，以用HS来估算CCAR，从而获得每组DBAR或然债权的每个投资者的期望亏损数。将每个交易者所作的投资上的这些亏损相加，使得对于每个历史观察数据点，能将由于不履约而导致的期望亏损量归咎于每个交易者。也可以将所有投资者的亏损量相加，以便获得每个历史数据点的所有投资者的总的期望亏损量。

步骤(3)按升序排列由前面的步骤(2)得出的每个数据点的交易者们的亏损量的和的值。由此可以计算对应于如此排列的分布中的任何百分比的由于信用修改事件而导致的期望的亏损量。例如，通过参照亏损分布的第95百分比就能计算对应于95％统计置信度水平的CCAR值。

5流通性和价格/数量关系

在或然债权的交易中，无论在传统市场还是使用本发明的各组DBAR或然债权，经常有用的是区分作为一方面的债权的基本值与作为另一方面的这种值由于流通性差异而导致的偏差。债权的基本值是由交易者的市场预期、信息、风险回避和金融品持有量而决定的。例如，传统互换(swap)市场中，五年期英国互换(即基于英国LIBOR利率的浮动利率付款的互换固定利率)的公平基本值可能是6.79％，有2个基点的买/卖差价(即6.77％收，6.81％付)。一个以市场基本中间市值6.79％作为正确或公平值的大交易者可能向进行一笔大宗的互换交易，诸如7.5亿英镑的交易。鉴于按照传统市场的当前标准具有的可能的流通性，该大宗交易量可以把可能的卖出利率(offerrate)减少到6.70％，这比平均卖出利率低整整7个基点(平均卖出利率可能只适用于1亿英镑以内的卖出)，偏离公平的中间市值9个基点。

交易者处于公平或中间市值的头寸的值同实际可能完成的交易处于的值(即报盘或出盘)之间的差，通常称为清算费用(1iquiditycharge)。对于示例性的五年期英国互换来说，1个基点的清算费用大约等于交易量的0.04％，所以9个基点的清算费用大约等于二百七十万英镑。如果没有新的信息或者其它基本振动侵入或“打击”市场，这个清算费用对交易者来说几乎总是一种永久性清算费用-当交易者决定清算大宗头寸时也必须负担的费用。此外，在传统市场中，目前没有可靠的方法来预测价量关系如何可以偏离公布的报盘和出盘，而报盘和出盘只适用于有限的或代表性的量。因此，由于流通性差异，价量关系可能是高度可变的。这些关系也可能是非线性的。例如，交易第二个只有第一个头寸两倍大的头寸，买卖价差额的费用可能高达两倍。

从清算和交易成本方面来看，本发明的DBAR或然债权组与传统市场比具有优点。在最佳实施例中，价格(或收益)同投资量(即需求量)之间的关系按数学方法由DRF确定。在采用正则DRF的最佳实施例中，每个状态i的隐含概率q_i以递减的速率随着在该状态中投资量而增加： $q_i=\frac{T_i}{T}$ $\frac{{\&PartialD;q}_i}{{\&PartialD;T}_i}=\frac{T-T_i}{T^2}$ $\frac{{\&PartialD;}^2{q}_i}{{{\&PartialD;T}_i}^2}=-2*\frac{T-T_i}{T^3}$ $\frac{{\&PartialD;q}_i}{{\&PartialD;T}_{j,j\&NotEqual;i}}=-\frac{T_i}{T^2}=-\frac{Q_i}{T}$ 其中T是在该组DBAR或然债权的所有状态投资的总量，T_i是在状态i中投资的量。当给定的量变得很大时，该状态的隐含概率以渐近线的形态接近1。上面的最后一个表达式表示，对于所有交易者，在各隐含概率同在除给定状态i的状态中投资的量之间有一个透明的关系。该表达式显示这种关系是负的，即随着在其它状态中投资量的增加，给定状态i的隐含概率降低。由于增加除给定状态以外的状态相当于在市场中出售给定状态，上面表示 的表达式表示，在最佳实施例中，给定状态的隐含概率如何随着该状态的供出售的量的增加而变化的，即市场对该供出售的量的“报盘”是什么。上面表示

的表达式表示，在最佳实施例中，当需要购买给定的数量时，给定状态的隐含概率如何变化，即该需要数量的购买者的市场“出盘”是什么。

在最佳实施例中，对于在一组或然债权的限定状态中投资的每个数量集合，可获得一个报盘和出盘曲线的集合，作为所投资的量的函数。

在本发明的各组DBAR或然债权中，本身没有报盘或出盘。以上所提供的数学关系，是为了说明本发明的系统和方法在没有实际的报盘/出盘关系的情况下如何能提供各组DBAR或然债权以某种报盘/出盘关系的功能。

经济学家一般喜欢涉及需求弹性或交叉需求弹性，需求弹性是对某给定商品的需求量的百分比变化导致的价格的百分比变化，交叉需求弹性是对替代品的需求量的百分比变化导致的价格的百分比变化。在本发明的系统和方法的最佳实施例中，采用以上编制的记号， $\frac{{\mathrm{\&Delta;q}}_i}{q_i}/\frac{{\mathrm{\&Delta;T}}_i}{T_i}=1-q_i$ $\frac{{\mathrm{\&Delta;q}}_i}{q_i}/\frac{{\mathrm{\&Delta;T}}_j}{T_j}=-q_j$

上面的第一个表达式表示，当状态i变得更可能时(即q_i增加到1时)，在状态i中的投资量的小百分比变化对状态i的隐含概率有递减百分比的作用。上面的第二个表达式表示，在除状态i以外的其它状态j中的投资量的百分比变化将按该其它状态j的隐含状态的比例降低状态i的隐含概率。

在最佳实施例中，为了有效地“出售”某个状态，交易者需要投资或“购买”互补的状态，即除他们希望“出售”的状态以外的其它状态。所以，在涉及有两个状态的一组DBAR或然债权的最佳实施例中，状态1的“出售者”将购买状态2，反之亦然。为了“出售”状态1，需要按照在状态2中的投资量与在状态1中的投资量的比率有比例地“买入”状态2。在有多于两个状态的状态分布中，给定的“待售”状态的“互补状态”是该组DBAR或然债权的所有其它状态。所以，“出售”一个状态就要如上所述地“购买”一个对各互补状态的多状态投资。

从这个角度来看，隐含的出盘是因在特定状态中进行小量投资而对隐含概率产生的影响。也是从这个角度来看，隐含的报盘是因在互补状态中进行小量多状态投资而对隐含概率产生的影响。对于一组DBAR或然债权的最佳实施例中的给定状态，某投资量对隐含概率的效果可以用下式表达：

其中ΔT_i(在这里被视为对第一级近似来说足够地小)是对应于“报盘”或“出盘”的投资量。。这些表示隐含“报盘”和隐含“出盘”的表达式可以被用于近似计算。这些表达式指出一组DBAR或然债权内的可能的流通性影响(liquidity effects)如何能以类似于传统市场中的方式表达。不过，在传统市场中，没有现成的方法来为任何给定市场计算这种量。

在一组DBAR或然债权中的两个状态之间的全部流通性影响-或流通性响应函数-可以如下地表达为在给定状态中的投资量T_i和在互补状态中的投资量T^c _i的函数：隐含“报盘”需求响应

隐含“出盘”需求响应

隐含“报盘”需求响应函数表示对为套期保值一个大小为ΔT_i的投资而作的投资的隐含状态概率的影响。在互补状态中的套期保值投资的大小，与在互补状态中的投资同在要被套期保值的一个或多个状态中的投资量除去要套期保值的投资(即分母中的第三项)的比率成比例。以上的隐含“出盘”需求响应函数表示由在特定的限定状态中的大小ΔT_i的增量投资对隐含状态概率的影响。

在本发明的系统和方法的最佳实施例中，只有给定交易持续期的最终收益才适用于计算一组DBAR或然债权的回收本利。所以在最佳实施例中，除非某交易量对收益的影响是永久性的，即一直影响到交易持续期的结束，一组DBAR或然债权不像传统市场通常所作的那样地征收永久性清算费用。因此在最佳实施例中，交易者们能容易地计算在DBAR或然债权中的投资对收益的影响，并且，除非这些计算出来的影响是永久性的，它们将不影响收盘收益，因此在适当的情况下可以忽略。换言之，在一组DBAR或然债权的最佳实施例中投资并不像传统市场通常所作的那样地对现有的和进入市场的交易者征收永久性的清算费用。

大量投资的影响当然可能会如前面的计算中所指出的那样变动一组DBAR或然债权中的交易持续期内的收益。在最佳实施例中，这些影响会很好地受到随后的投资的反作用，这种反作用把市场推回到公平值(在基本值公平值没有任何变化的情况下)。相反，在传统市场中，一般有一个“收费亭”影响，因为交易者每次进入或退出市场，通常都要交纳一定的费用。这种费用在“交易量”或清算量较少时更大，成为交易者的永久性亏损。相反，在DBAR或然债权组的最佳实施例中，除了交易费外，没有这种市场进入或退出的永久性清算税或收费。

如果某交易者试图在接近交易持续期结束时进行较大的投资，以至市场不可能有足够的时间调整回公平值，则在一组DBAR或然债权中的投资产生的流通性影响可能是永久性的。所以在最佳实施例中应当有在交易持续期结束之前不阻止大量投资的内在激励因素，这对流通性和收益的调整整体上是有益的。不过，交易者能容易地计算出由于某个大量投资对市场的影响，交易者认为可能是永久性的(例如在交易持续期结束时)对某投资的收益的影响。

例如，在以上的两个期间套期保值的例子(例3.1.19)中，假设示例性交易者的投资对公布的收益没有实质性影响，换言之，这个交易者是“价格接受者”。上面的该例中的第二期间的套期保值交易H的公式反映了这个假设。下面的对H的等同表达考虑了某大交易投资可能对收盘收益的可能永久的影响(原因例如是该投资是在非常接近交易持续期的结束时进行的)： $H=\frac{P_t-T_{t+1}+\sqrt{T_{t+1}^2-2*T_{t+1}*P_t+P_t^2+4*P_t*T_{t+1}^c}}{2}$ 其中

P_t＝α_t*(1+r_t)在上面的例3.1.19中使用的记号中，T_t+1是期间t+1投资的总量，T^C _t+1是期间t+1在互补状态中投资的量。H表达式是如上所述但采用当前记号的生成一个期望回收本利的二次方解。例如，如果在交易持续期2投资的总量T是10亿美元，则按照上面的表达式，假设对收益有永久性影响的套期保值交易投资是$70.435(百万)，相比之下，在例3.1.19中是$70.1875(百万)。由于新的套期保值而锁定的利润和亏损的量是$1.232(百万)，相比之下，在例3.1.19中是$1.48077(百万)。这个差代表流通性影响(liquidity effect)，即使在投资计数(notational)是投资总量的10％的例子中，在DBAR或然债权的市场中也是相当合理的。在传统市场中，没有现成的方法来估算计算这种流通性影响。

6附图详细说明

现在参看附图，在不同附图中出现的类似的部件由相同的标注号标明。

图1和图2表示DBAR或然债权交易所的网络体系结构的最佳实施例的示意图。如图1和2中所示，该体系结构符合采用可用于执行本发明的方法的面向对象的原理的分布式的基于因特网的体系结构。

图1中，中央控制器100有多个软件和硬件部件，体现为一个主计算机或多个工作站的形式。中央控制器100最好位于一个有后备电源、灾难恢复功能和其它类似基础结构的设施中，通过电信连接110与本发明的DBAR或然债权组中的交易者和投资者的计算机和设备160、170、180、190和200连接。用电信连接110传输的信号，可以用诸如Blowfish的算法和其它形式的公共和专用密钥加密法进行加密。电信连接110可以是通过标准调制解调器120的拨号连接；建立运行例如以太网网络协议的局域网(LAN)或宽域网(WAN)的专用线路连接；公共以太网连接140；或者无线或蜂窝式连接150。图1中所示的任何计算机和设备160、170、180、190和200，可以用任何连接120、130、140和150连接，如中枢111所示。其它电信连接，诸如无线电传输，对本领域的熟练人员来说是已知的。

如图1中所示，为了建立与中央控制器100的连接，交易者或投资者可以使用运行例如UNIX、Windows NT、Linux或其它操作系统的工作站160。在最佳实施例中，交易者或投资者使用的计算机包括基本输入/输出功能，可以包括硬驱或其它海量存储设备、中央处理器(例如Intel公司制造的奔腾III处理器)、随机存取存储器、网络接口卡、和电信接入装置。交易者或投资者也可以使用移动便携式计算机180或具有例如最小内存和外存容量的网络计算机190或诸如Palm Pilot的个人数字助理200。也可以用移动电话或其它网络设备来除了和显示来自中央控制器100的信息和与中央控制器100通信。

图2表示包含多个软件和硬件部件的中央处理器100的最佳实施例。包含中央控制器100的计算机最好是高端工作站，具有能够运行诸如UNIX、Windows NT、SAL Server和Transaction Server等商用操作系统和应用程序的资源。在最佳实施例中，这些计算机是高端个人电脑，具有Intel公司制造的(x86“指令集”)CPU、至少128MB的RAM和几个GB的硬驱数据存储空间。在最佳实施例中，图2中所示的计算机配置有JAVA虚拟机，由此能处理JAVA指令。中央控制器100的其它最佳实施例可能不需要使用JAVA指令集。

在图2中所示的中央控制器100的最佳实施例中，工作站软件应用服务器210-诸如可从BEA Systems公司获得的WeblogicServer，通过电信连接110接受来自计算机和设备160、170、180、190和200的信息。软件应用服务器210负责向投资者的计算机和设备呈现人类可读的用户界面，用于处理来自投资者计算机和设备的服务请求，和把服务请求传送到中央处理器100中的其它硬件和软件部件。在软件应用服务器210上可获得的用户界面包括超文本标记语言(HTML)页面、JAVA小应用程序和小服务程序、JAVA或Active Server页面，或者本领域中的熟练人员已知的其它形式的图形用户界面。例如，通过HTML的因特网连接而连接的投资者或交易者能通过远程方法调用(RMI)和/或在标准TCP/IP协议顶部运行的因特网Inter-Orb协议(IIOP)向软件应用服务器210提交请求。其它用于传送投资者的请求和指令以及从应用服务器210向交易者和投资者呈现人类可读界面的方法，对本领域的熟练人员来说是已知的。例如，软件应用服务器210可以作为Active Server页面主机，用DCOM与交易者和投资者通信。

在最佳实施例中，由软件应用服务器210部署的用户界面呈现登录、帐户管理、交易、市场数据、以及其它用于操作在按照本发明的DBAR或然债权组中投资的系统所必需的输入/输出信息。最佳实施例使用HTML和JAVA小应用程序/小服务程序界面。HTML页面可以补充以基于JAVA的标准或ActiveX标准的内置应用程序或小应用程序，或者本领域的熟练人员已知的另一种合适的应用程序。

在最佳实施例中，软件应用服务器210与中央控制器100内的其它计算机依靠网络连接的服务。包含中央控制器100的计算机最好驻留在同一个局域网(例如以太网LAN)上，但是可以通过因特网、专用连接、拨号连接或其它连接远程地连接。在最佳实施例中，在包含中央控制器100的计算机之间的网络通信可以用DCOM、CORBA或TCP/IP或本领域的熟练人员已知的其它堆栈服务来实现。

投资者计算机向软件应用服务器210提出的代表性服务请求包括：(1)请求HTML页(例如漫游和搜索某网站)；(2)登录到交易DBAR或然债权的系统上；(3)浏览实时和历史市场数据和市场新闻；(4)请求分析性计算，诸如收益、市场风险和信用风险；(5)通过漫游HTML页和启动JAVA小应用程序而选择感兴趣的一组DBAR或然债权；(6)在一组DBAR或然债权的一个或多个限定状态中投资；(7)监视在各组DBAR或然债权中的投资。

在图2所示的最佳实施例中，对象请求经纪人(ORB)230可以是一个工作站计算机，运行着专业软件，用于接收、集中和编组(marshalling)来自软件应用服务器210的服务请求。例如，ORB 230能操作可从Inprise公司获得的名为Visibroker的软件产品，以及提供符合公共对象请求经纪人体系结构(CORBA)标准的一系列功能和服务的有关软件产品。在最佳实施例中，ORB 230的一个功能是提供在面向对象的软件产业中普遍知晓的目录服务，目录服务将组织成称为“对象”的类模块的计算机代码与用来访问这些对象的名称相关联。当某对象被以按名称的请求的形式被访问时，该对象被ORB 230实例化(即被导致运行)。例如，在最佳实施例中，为了用正则DRF计算收益而被组织成JAVA类模块的计算机代码是一个称为“DRF_Returns”的对象，每当应用服务器210发出要计算收益的请求时，ORB 230的目录服务将负责按这个名称调用这个对象。

在最佳实施例中，ORB 230的另一个功能是保持一个在面向对象的软件产业中普遍知晓的接口储存库，接口储存库含有一个对象接口数据库。对象接口含有关于那些代码模块执行那些功能的信息。例如，在最佳实施例中，名称为“DRF_Returns”的对象的接口的一部分是一个提取在一组DBAR或然债权的状态分布上的当前投资量的功能。

在最佳实施例中，ORB 230的另一个功能是管理被ORB 230实例化的对象的运行时间的长度，并管理其它功能，诸如对象是否被共享，以及对象是如何管理内存的。例如，在最佳实施例中，ORB 230根据来自软件应用服务器210的请求，确定是否某处理市场数据的对象与其它对象(诸如分配各限定状态中的投资的收益的对象)共享这种数据。

在最佳实施例中，ORB 230的另一个功能是，通过根据其它对象的活动在不同时间以不同频率响应消息和数据而提供对象进行异步通信的能力。例如，在最佳实施例中，某个计算一组DBAR或然债权的收益的对象，实时地异步响应一个新投资，在没有软件应用服务器210或任何其它对象的请求的情况下自动地重新计算收益。在最佳实施例中，如果实时计算是响应系统中的其它活动而进行的，则这种异步过程是重要的，这种活动诸如是交易者作出新的投资，或者一组DBAR或然债权的预定终止准则的满足。

在最佳实施例中，ORB 230的另一个功能是提供与在面向对象的软件产业中普遍知晓的编组有关的功能。编组总的来说是一个让某个对象获得该对象为执行该对象的指定功能所需要的相关数据的过程。在本发明的最佳实施例中，这种数据例如包括交易者和帐户信息，并且本身能以对象的形式被操作，如在面向对象的程序设计的实践中常见的那样。ORB 230也提供符合面向对象的软件产业的标准和实践的或者本领域的熟练人员所知的其它功能和服务，诸如Vosobroker产品所提供的功能和服务。

在图2所示的最佳实施例中，交易服务器240是一个计算机，运行用于执行包括下述各种任务的专业软件：(1)响应ORB 230的数据请求，例如用户、帐户、交易数据和市场数据请求；(2)执行关于DBAR或然债权组的相关计算，诸如交易持续期内和交易持续期结束时收益分配和可能遭到的信用风险；(3)根据各组DBAR或然债权的DRF回收本利更新投资者帐户并应用借方和贷方于交易者保证金和正的未结清投资余额。交易服务器240最好处理所有来自ORB 230的请求，对于需要存储的数据(例如投资者和帐户信息)的请求，查询数据存储设备260。在图2所示的最佳实施例中，市场数据馈送器(feed)270提供实时的和历史的市场数据、市场新闻和公司行动数据，用于确定事件结果和更新交易持续期收益。在交易服务器240上运行的专业软件最好采用可用诸如C++或JAVA的计算机语言获得的面向对象的技术和原理来实现以上列举的任务。

如图2中所示，在最佳实施例中，数据存储设备260能运行关系数据库软件，诸如微软公司的SQL Server或甲骨文公司的8iEnterprise Server。数据存储设备260内能用来支持DBAR或然债权和交易所的数据库的类型最好包含：(1)交易者和帐户数据库261；(2)市场收益数据库262；(3)市场数据数据库263；(4)事件数据库264；(5)风险数据库265；(6)交易记事簿(blotter)数据库266；(7)或然债权条款数据库267。图4中详细地表示了在每个数据库中最好存储的各种数据。在最佳实施例中，数据存储设备260同交易服务器240之间是通过TCP/IP和诸如JAVA DBC(JDBC)的标准数据库连接协议(DBC)实现连接的。其它用于这种连接的系统和协议对本领域的熟练人员来说是已知的。

参看图2，医药费湾区10和0RB 230可以被视为构成一个接口处理器，而交易服务器240则构成一个基于需求的交易处理器。此外，存放在数据存储设备260上的数据库可以被视为构成一个交易状态数据库。投资者(也称作交易者)通过电信连接110从计算机和设备160、170、180、190和200通信，可以被视为执行与基于需求的交易处理器的一系列基于需求的互动，也称作基于基于需求的交易。一系列基于需求的交易可以被交易者用来例如获得市场数据、建立交易或结束交易。

图3表示是一组DBAR或然债权的实现的最佳实施例。如图3中所示，交易所或发行者首先选择一个有经济意义的事件300。在最佳实施例中，交易所然后将该事件的可能结果划分成互相排斥并且集体上穷尽的状态305，使得保证能发生该划分的分布中的可能状态中的一个状态，并且每个划分的状态的发生的概率的总和等于1。然后在第一个交易持续期310的开始311，就能开始交易。在图3所示的最佳实施例中，一组DBAR或然债权有交易持续期310、320、330、和340，交易开始日期分别是311、321、331、341，接着是预定的时间间隔，然后是每个交易持续期的各自的交易结束日期313、323、333和343。为了获得连续性，预定的时间间隔最好持续时间较短。在最佳实施例中，在每个交易持续期，运行执行该组DBAR或然债权的DRF的JAVA代码的交易服务器240，根据在每个限定状态中投资的量的变化立即调整收益。在交易持续期期间市场条件的变化，诸如价格和波动性变化，以及投资者风险偏好和基础市场中流通性条件的变化等等因素，将导致在每个限定状态中的投资量的变化，由此反映交易者对定义该组DBAR或然债权的状态分别的预期的变化。

在最佳实施例中，在交易持续期期间计算的调整过的收益，即交易持续期内收益，只具有信息价值，只有在每个交易持续期结束时最终化的收益才被用来分配交易者在一组DBAR或然债权或多组DBAR或然债权的投资组合中的投资的利润或亏损。在最佳实施例中，在每个交易持续期结束时，例如在结束日期313、323、333和343最终化的收益被分配并锁定。最终化收益是按每个限定状态中的投资量的单位，在如果该状态发生时所要分配的收益率。在最佳实施例中，每个交易持续期因此有一个随市场条件变化而不同的最终收益集合，由此使交易者能在较晚的交易持续期期间进行投资，对已经结束的较早的交易持续期的投资进行套期保值。

在图中没有示出的另一个最佳实施例中，交易持续期重叠，使得多于一个交易持续期对相同的预定状态集合上的投资开放。例如，一个较早的交易持续期，可以在一个后继的交易持续期开盘和收盘的同时保持开放。其它的重叠交易持续期的变化方式是可能的，是本领域的熟练人员从本说明书或本发明的实践中显而易见的。

如前文所述的正则DRF是DRF的一个最佳实施例中，它取在状态分布和每个状态上的投资、交易费和事件结果，为每个如果发生的状态分配一个收益。本发明的正则DRF，如前文所述的那样，将在没有发生的状态中的所有投资量重新分配给确实发生的状态。每个在确实发生的状态中投资了的交易者，除了收到他最初在该发生的状态中投资的量之外，还收取来自未发生状态的量中按份额计算的一份，减去交易费。

在图3中所示的最佳实施例中，在最后的交易持续期收盘343时，交易停止，在观察期结束350时，或然债权的基础事件的结果被确定。在最佳实施例中，在收益被锁定的同时，只有该组或然债权的基础事件的结果一定是不确定的。换言之，或然债权的基础事件可能实际上在交易结束之前就已经发生，只要实际的结果依然是未知的，其原因例如是在测量或确定事件结果时的时间滞后。例如对于像消费价格通货膨胀的微观经济统计来说，可能就是这样的情况。

在图2中所示的最佳实施例中，一旦在时间350观察到结果后，过程360操作来自所有交易持续期的最终化收益，确定回收本利。就前文所述的正则DRF来说，在输掉的投资中投资的量资助成功投资的回收本利，减去交易费。在正则DRF中，成功的投资是那些在交易持续期期间在某状态中所作的投资，而该状态在时间350被确定发生，不成功的投资是那些在没有发生的状态中的投资。以上的例3.1.1-3.1.21说明了采用正则DRF的一组DBAR或然债权的各种最佳实施例。在图3中所示的最佳实施例中，过程360的结果向交易者开放，方法是在显示器370上公布所有交易持续期的结果。在没有示出的最佳实施例中，交易者帐户随后被更新，以反映这些结果。

图4提供对DBAR或然债权交易所的最佳实施例的数据存储设备260的更加详细的描述。在最佳实施例中，数据存储设备260是一个非易失性硬驱数据存储系统，如上所述，在其上面安装有关系数据库软件，该系统可以包含单一的设备或介质，或者可以分布在多个物理设备上，诸如运行关系数据库软件的工作站计算机的群集上，正如前文所述的那样，这在本领域中是已知的。在最佳实施例中，在数据存储设备260上运行的关系数据库软件包含关系数据库表、存储的程序和关系数据库软件包中通常含有的其它数据库实体(entities)和对象。在图4所示的最佳实施例中，数据库261-267每个含有实现本发明的实施例所必需或需要的这种表和其它关系数据库实体和对象。图4标识了能在这种设备中存储的各种信息。当然，图中所示的数据的这类并非是穷举的。在同一个或另外的数据库中存储其它数据，可能是有用的，这要视正在交易的或然债权的性质而定。此外，在图4中所示的最佳实施例中，图4中所示的某些数据被显示存储在一个以上的存储设备中。在各种其它最佳实施例中，这种数据可能只存储在一个这样的设备中，或者是可以计算的。通过研究本说明书和实践本发明，对本技术领域中的熟练人员来说，其它的数据库设计和结构是显而易见的。

在图4中所示的最佳实施例中，交易者和帐户数据库261存储与标识DBAR交易者有关的数据，诸如姓名、密码、地址、交易者标识号等等。有关交易者的信用等级的数据，也可以存储起来并根据交易者信用姿态的变化而更新。能在交易者和帐户数据库261中存储的其它信息包括有关交易者帐户的数据，例如活动的和不活动的投资、交易者的余额、交易者的保证金限额、未偿还保证金金额、记在未结清交易余额上的利息、未偿还保证金余额的付出利息、交易者可能有的关于访问其帐户的任何限制、以及交易者关于活动的和不活动的投资的利润和亏损的信息。有关要被分配的多状态投资的信息也能存储在交易者和帐户数据库261中。存储在数据库261中的数据，例如可被用来向交易者发送与帐户有关的帐单。

在图4中所示的最佳实施例中，市场收益数据库262含有有关活动的和不活动的各组DBAR或然债权在各个时间可获得的收益的信息。在最佳实施例中，数据库262中的每组或然债权都用以前分配给该组的一个独有标识符来标识。反映每组或然债权的每个限定状态的收益都被存储在数据库262中。在给定交易持续期期间计算出来的并且可用于向交易者显示的收益，均按每个状态和每个债权，存储在数据库262中。在每个交易持续期结束时，将最终化收益计算出来并存储在市场收益数据库262中。如前文所述的边际收益，也可以存储在数据库262中。市场收益数据库262中的数据也可以包括与交易者的决定相关的信息-诸如当前和过去的期内收益，以及用来由DRF为一组DBZR或然债权确定回收本利的信息。

在图4中所示的最佳实施例中，市场数据数据库263存储来自市场数据馈送器270的市场数据。在最佳实施例中，市场数据数据库263中的数据包括能在特定交易所交易的各类或然债权的相关数据。在最佳实施例中，实时市场数据包括实时价格、收益(yield)、指数水平等数据以及其它类似信息。在最佳实施例中，市场数据数据库263中的这种实时数据被提供给交易者，以帮助作出投资决定，并被DRF用来根据这种信息分配各组或然债权的收益。与相关各组DBAR或然债权有关的历史数据也能存储在市场数据数据库263中。在最佳实施例中，与基础的各组DBAR或然债权有关的新闻项(例如美联储发表的评论)也能存储在市场数据数据库263中并能被交易者检索。

在图4中所示的最佳实施例中，事件数据数据库264存储与能在交易所交易的各组DBAR或然债权的基础事件有关的数据。在最佳实施例中，每个事件由一个以前分配的事件标识号标识。每个事件有相关联的一组或多组以该事件为基础的DBAR或然债权，并由一个以前分配的或然债权组标识号作如此的标识。事件的类型也可以存储在事件数据数据库264中，例如，事件是否根据的是证券的收盘价、公司的收入公告、以前计算的但尚未发布的经济统计，等等。用来确定事件的结果的数据的来源也可以存储在事件数据库264中。在事件结果变得已知后，可以将其与对应于该结果的相应或然债权组的限定状态一起存储在事件数据库264中。

在图4中所示的最佳实施例中，风险数据库265存储与市场风险和信用风险的估计和计算有关的数据和结果和分析。在最佳实施例中，风险数据库265将推导的结果与一个帐户标识号相关联。能被存储的市场和信用风险量是那些与CAR和CCA认得计算有关的量，诸如每个状态的单位收益的标准偏差、每个状态的美元收益的标准偏差，给定或然债权的美元收益的标准偏差以及投资组合CAR。中间估算和模拟数据，诸如用于基于VAR的CAR和CCAR计算的相关性尺度和用于基于MCS的计算的情形也能存储在风险数据库265中。

在图4中所示的最佳实施例中，交易记事簿数据库266含有与交易者为能在特定交易所交易的所有DBAR或然债权组作出的活动的和不活动的投资有关的数据。这种数据可包括以前分配的交易者标识号、以前分配的投资标识号、以前分配的帐户标识号、以前分配的或然债权标识号、以前分配的对应于每个限定状态的状态标识号、每个投资的时间、用来作每个投资的值的单位(例如美元)，投资量、用了多少保证金来作投资、和以前分配的交易持续期标识号。此外，也可以存储有关是否某投资是多状态投资的数据。交易者希望倍加的并且交易所如上所述将用多状态投资分配执行的回收本利分布，也能在交易记事簿数据库266中存储。

在图4中所示的最佳实施例中，或然债权条款数据库267存储关于每组DBAR或然债权的定义和结构的数据。在最佳实施例中，这种数据称为“条款”，以示与交易者同意遵守的合同条款有关，这些条款大致相当于传统市场中的计划书中的材料。在最佳实施例中，这些条款提供关于要交易的或然债权的性质的基本信息，例如交易持续期数目、交易持续期的开始和结束时间、或然债权的基础事件的类型、DRF如何从不成功的投资资助成功的投资、为确定结果而观察事件的时间、其它预定的终止准则、可以进行投资的状态的划分、投资和回收本利的价值单位(例如美元、股数、黄金盎司等等)。在最佳实施例中，或然债权和事件标识号被分配并存储在或然债权条款数据库267中，以便能在数据存储设备的其它表中容易地引用它们。

图5所示的流程图，表示采用本发明的最佳实施例的交易者所使用的示例性过程和所作出的示例性决定。对于图5中的示例来说，假设交易者正在投资于以上披露的DBAR系列衍生(RD)例子。特别地，假设对于该示例来说，正在作出在根据1999年8月3日IBM普通股收盘价的或然债权中的DBAR RD投资(如图6的显示501中所示)。

在图5中所示的过程401中，交易者请求访问DBAR或然债权交易所。如前面在最佳实施例中所述的那样，软件应用服务器210(图2中所示)处理这个请求，将其传送到ORB 230，后者在交易服务器240上实例化一个负责验证交易所的交易者的对象。交易服务器240上的该验证对象，例如在交易者和帐户数据库261(图4中所示)中查询交易者的用户名、密码、以及所提供的其它标识信息。验证对象的响应，或者是允许访问，或者是拒绝访问，如图5中的过程402所示的那样。如果在本示例中验证失败，过程403就提示交易者重新尝试登录或者证实有用于登录到系统的有效凭据。如果交易者已经被允许访问，软件应用服务器210(图2中所示)将向交易者显示许多可能感兴趣的用户界面。例如，在最佳实施例中，交易者能漫游在当前正在交易的各组BDAR或然债权的样本中，如过程404所代表的那样。交易者也能通过请求过程404中的那些含有当前市场数据的界面来检查市场条件，这些数据来自市场数据馈送器270(图2中所示)并存储在市场数据数据库263中(图4中所示)。图5的过程405代表交易者向应用服务器210请求关于交易者帐户的有关信息，诸如交易者的当前交易组合、交易量、当前的未清偿保证金量、以及帐户余额。在最佳实施例中，该信息由交易服务器40(图2)上运行的查询帐户数据库261和交易记事簿数据库266(图4)的对象获得。

如图5中所示，过程407表示交易者为进行投资而选择一组DBAR或然债权。应用服务器210(图2中所示)能向交易者呈现诸如图6中所示的界面等用户界面，如现有技术中已知的那样。过程408表示交易者请求可能包括关于交易者打算的投资对当前的收益具有的影响的计算的数据和分析。计算可用上述的隐含“报盘”和“出盘”需求响应方程来进行。执行这些数据请求和对这些数据操作的过程，在最佳实施例中，是在交易服务器240(如图2中所示)上运行的对象。这些对象例如通过发出一个查询，请求在给定一组DBAR或然债权在给定交易持续期的状态分布上的投资量，而从数据库262(图4)获得数据。有了这些投资量数据，在交易服务器240(图2)上运行的其它对象就能如上所述地用或然债权组的DRF来进行边际收益计算。这些过程都是由ORB 230(图2中所示)管理的对象。

返回到图5中所示的示例，过程411代表交易者决定在感兴趣的DBAR或然债权组的一个或多个限定状态中进行一定量的投资。在最佳实施例中，交易者进行投资的请求，标识特定的债权组、要投资的一个或多个状态、在该一个或多个状态中的投资量、以及要使用的保证金量。

过程412响应任何进行保证金投资的请求。使用保证金具有的风险是，交易所可能不能收回某个失败投资的全部量。因此，在最佳实施例中，进行分析，就当前交易者当前未偿还的保证金贷款的量，确定交易者可能具有的风险的量。在过程413中，根据交易者的保证金请求，进行这种分析。

考虑提出一个或多个交易可能具有的作用是套期保值，即降低与交易者在各组DBAR或然债权中的投资的活动组合相关联的风险总量。因此，在最佳实施例中，提出的交易量和保证金量应当被包括在交易者投资组合的CAR分析中。

在最佳实施例中，由图5中所示的过程413执行的CAR分析，可以按照以前讨论过的VAR、MCS或HS方法来进行，要使用在风险数据库265(图2)中存储的数据，诸如状态收益的相关度、基础事件的相关度，等等。在最佳实施例中，CAR计算的结果也被存储在风险数据库265中。如图5中所示，过程414按照交易所的保证金规则，通过比较所计算的CAR值和交易者的资产净值(equity)，确定交易者帐户中是否有足够的权益资本(equity capital)。在最佳实施例中，交易所要求所有交易者将权益资本保持在等于它们投资组合的CAR值的某个部分或倍数的水平。例如，假设计算的CAR具有如上所述的95％的统计置信度，交易所可能要求交易者在他们的帐户中有10倍于CAR的资产净值。这样的要求意味着交易者要降低到当时的大约10％到5％的权益，这可视为是在为增加流通性而向交易者提供保证金的好处同与交易者不履约相关联的风险的成本之间的一个合理折衷。此外，在最佳实施例中，交易所也能进行CCA计算，以确定每个交易者在DBZR或然债权组中的信用风险量。在最佳实施例中，如果交易者在帐户中没有足够的权益，或者交易者具有的信用风险量太大，则保证金请求就被拒绝，如过程432(图5)中所示的那样。

如图5中另外表示的那样，如果交易者没有请求保证金，或者交易者通过了在过程414中进行的保证金核查，过程415确定投资是否是同时在多个状态上作出的投资-多状态投资是为了在这些状态上倍加交易者期望的回收本利分布。如果投资是多状态的，过程460就请求交易者输入期望的回收本利分布。这种通信将包含例如一个组成状态的列表以及如果每个组成状态发生时的期望回收本利分布。例如，对于一个四状态的DBAR或然债权组，交易者提交一个四维向量(10，0，5，2)，表示交易者想要倍加的是，如果状态1发生，回收本利是10个价值单位(例如美元)；如果状态2发生，无回收本利；如果状态3发生，5个单位；如果状态4发生，2个单位。在最佳实施例中，这个信息被存储在交易记事簿数据库266(图4)中，从中可用于确定要在所提出的倍加期望回收本利的组成状态之间的分配的投资量。如图5中所示，如果投资是多状态投资，构成417就向每个组成状态临时分配所提出的投资量。

如图5中另外表示的那样，投资细节和信息(例如或然债权、投资量、选择的状态、保证金量、临时分配等等)然后被过程416显示给交易者用于确认。过程418表示交易者是否进行所显示的那样的投资的决定。如果交易者决定不作该投资，就不执行，如过程419所表示的那样。如果交易者决定投资，并且过程420确定该投资不是多状态投资，该投资就被执行，按照以前接受的投资细节，将交易者的投资量记录在DBAR或然债权组的相关限定状态中。在最佳实施例中，交易记事簿数据库266(图4)然后被过程421用新的投资信息更新，新信息诸如是交易者ID、交易ID、帐户标识、投资所在的一个或多个状态、投资时间、投资量、或然债权标识等等。

在图5中所示的示例中，如果交易者决定作投资，并且过程420确定这是一个多状态投资，过程423就把投资量分配给各组成状态，使得各组成状态包含的多状态投资量能产生以前在过程460中传送给交易所的交易者的期望回收本利分布，然后将分配情况存储在交易记事簿数据库266(图4)中。例如，在最佳实施例中，如果期望的回收本利是不管组成状态中哪个状态发生都相同的回收本利，则过程423将更新一个暂记帐户项，并按以前在各组成状态中投资的量的比例分配该多状态交易。对于给定的以前存储的回收本利分布，要投资的总量，以及要在其中进行“新的”投资的各组成状态，可以用例如在例3.1.21中提供的矩阵公式来计算要在每个组成状态中投资的量。由于这些计算依赖于在交易期间以及在交易结束时的投资量的现有分布，在最佳实施例中，每当投资量的分布(因此收益)改变时就执行重新分配。

如图5中另外表示的那样，根据信息的投资，过程422更新每个状态的收益，以反映在相关DBAR或然债权组的各限定状态上投资的量的新的分布。特别地，如果投资不是多状态的，过程422从交易记事簿数据库266接收由过程421更新过的新的交易信息；如果投资是多状态的，就从交易者和帐户数据库261接收由暂记帐户过程423更新过的新的交易信息。过程422涉及ORB 230(图2)在交易服务器240上实例化一个对象，用于根据新交易计算收益。在这个示例中，对象查询交易记事簿数据库266中的新交易数据或者交易者和帐户数据库261(图4)中的暂记帐户，用或然债权组的DRF计算新的收益，然后更新在市场收益数据库262中存储的交易期内收益。

如图5中所示，如果按过程450的判定，投资是多状态投资，交易所就继续根据随后进入交易所的投资，更新暂记帐户，以反映交易者期望的收益分布。过程423用从过程422获得的并在市场收益数据库262中存储的任何更新的交易期内收益来执行一个多状态投资再分配，以反映更新的收益。如果交易持续期还没有结束，如过程452确定的那样，则将从过程423获得的再分配量，连同此时同时存储在交易记事簿数据库266(图4)中的信息一起，用来按图5中所示的过程422，执行另外的交易持续期内收益更新。然而，如果交易持续期已经结束，在本示例中如过程452所确定的那样，则由过程425执行多状态再分配，以便能按过程426将该交易持续期的收益最终化。

在最佳实施例中，交易持续期的结束是一个重要时刻，因为在这个时刻，在交易服务器240(图2)上运行的DRF对象结算最终化收益，然后用这些最终化收益更新市场收益数据库262，如图5中所示的过程425表示的那样。最终化收益被用来在事件的结果已知、因此发生的状态已知，并且所有其它预定的终止准则满足时，计算回收本利。尽管图5中所示的多状态再分配过程425位于过程452和过程426之间，如果投资不是多状态投资，则不执行多状态再分配过程425。

继续图5中所示的示例，过程427表示，对于给定DBAR或然债权组基于的同一个事件，可能存在后续的交易持续期。如果这种持续期存在，交易者可以在这些持续期投资，而每个交易持续期都有其自己不同的最终化收益集合。例如，一组或然债权中的交易者可以按照在上文的例3.1.19中讨论的方法，根据各交易持续期中收益的变化，在一个或多个后继的交易持续期中作套期保值投资。能在后继的交易持续期中进行套期保值交易，每个持续期有自己的最终化收益集合，这些使交易者能随各交易持续期中收益的变化而在虚拟连续时间最终化利润和亏损。在最佳实施例中，执行多个由过程427代表的步骤，如前面对图5的较早部分多作的说明那样。

如图5中另外表示的那样，过程428标志一组或然债权的所有交易持续期的结束。在最佳实施例中，在最后一个交易持续期结束时，市场收益数据库262(图4)含有或然债权组的每个交易持续期的最终化收益集合，交易记事簿数据库266含有关于由每个交易者在示例性的DBAR或然债权组上的每个投资的数据。

在图5中，过程429代表观察期，在此期间，对或然债权的基础事件的结果进行观察，DBAR或然债权的发生状态被确定，任何预定终止准则被满足。在最佳实施例中，事件结果是通过查询由市场数据馈送器270保持数据更新的市场数据数据库263(图4)而确定的。例如，对于以1999年8月3日IBM股票收盘价这个事件为基础的一组或然债权，市场数据数据库263将含有收盘价119 3/8，如从事件数据数据库264中的指定事件数据源中所获得的那样。事件数据源可能是Bloomberg，在这种情况下，一个驻留在交易服务器240上的以前由ORB 230实例化的对象将已经用来自Bloomberg的收盘价更新过市场收益数据库262。交易服务器240上另一个类似地实例化的对象将在市场收益数据库262查询事件结果(119 3/8)，将在或然债权条款数据库267中查询，以确定对应于该事件结果的状态标识(例如或然债权#1458，状态#8)，并在事件数据数据库264中更新事件和状态结果。

如图5中另外表示的那样，过程430表示交易服务器240上的一个由ORB 230实例化的对象按照DRF和或然债权条款数据库267中含有的条款为给定的或然债权组进行回收本利计算。在最佳实施例中，该对象负责分别计算要付给成功投资的量以及要从不成功投资征收的量，成功投资与不成功投资分别就是在发生的状态中的投资和在未发生的状态中的投资。

如图5中另外表示的那样，过程431表示存储在交易者和帐户数据库261(图4)中的交易者帐户数据正在由在过程430中确定回收本利的对象更新。此外，在本示例及最佳实施例中的过程431中，将对应于正余额和保证金余额的未结清的借方和贷方的利息应用到交易者和帐户数据库261中的相关帐户。

图6表示在DBAR或然债权交易所中由交易者使用的HTML页面样本的最佳实施例，展示了与诸如显示按钮504-507等输入/输出设备相关联的样本显示500。如图6中所示，说明性数据501表示与投资者相关的基本投资和市场信息。在图6中所示的投资中，事件是IBM普通股在1999年8月3日下午4点的收盘价。如图6中所示，样本HTML页显示在每个限定状态中的投资量以及可从图4中所示的市场收益数据库262获得的收益。在本示例和最佳实施例中，收益是在交易服务240(图2)上用例如正在DRF计算的。也如图6中所示，实时市场数据被显示在由显示503所代表的日内“走势图”(tickchart)中，使用的数据是从如图7中所示的市场数据馈送器270获得的，实时市场数据由图2中所示的交易服务器240处理。市场数据也可以临时存储在市场数据数据库263中。

在图6只能所示的最佳实施例中，交易者可以通过选择交易按钮504来作投资。通过选择显示按钮505，可以查阅来自市场数据数据库263的历史收益和事件序列数据。用于计算开盘或指示性收益或者模拟市场事件的分析工具，可以通过选择图6中的分析按钮506发出请求，经ORB 230和交易服务器240(图2中所示)从软件应用服务器210获得。随着收益在交易持续期中的变化，交易者可能想显示这些收益是如何变化的。如图6中所示，这些日内收益可通过选择日内收益按钮507从市场收益数据库262获得。此外，用市场收益数据库262(图2)中的相同数据也可以显示如前文所讨论的边际期内收益(marginal intra-period returns)。在最佳实施例中，每个交易者也可能查阅市场收益数据库262中的最终化收益。

在图中没有表示的最佳实施例中，显示500也包括标识可从或然债权条款数据库267中得到的或然债权组(诸如债权类型和事件)的信息或标识可从市场收益数据库262(图2)中得到的当前收益的信息。在其它最佳实施例中，显示500包括用于请求交易者可能感兴趣的其它服务的装置，如通过选择日内收益按钮507来计算边际收益，或者通过选择历史数据按钮505来查阅历史数据。

图7更详细地表示图2的市场数据馈送器270的最佳实施例。在图7所示的最佳实施例中，实时数据馈送器600包含报价，收益、日内走势图、以及相关新闻和例子源。历史数据馈送器610是用来向市场数据数据库263提供历史数据的，图中显示有市场时间序列数据的例子源、从选择权定价数据导出的收益计算和保险标的数据。图7中所示的公司行动数据馈送器620显示有分立的有关公司的的数据(例如利润公告、信用降级)和它们的例子源，这些数据可构成在本发明的DBAR或然债权组中交易的基础。在最佳实施例中，在构成630中列举的功能是在交易服务器240(图2)上实现的，交易服务器采用数据馈送器600、610和620中的信息，用于分配收益、模拟结果、计算风险和确定事件结果。

图8是一组DBAR或然债权的隐含的流通性影响的示意图的最佳实施例。如以上所讨论的那样，在本发明的最佳实施例中，一组DBAR或然债权内的流通性差异，即使增加交易者的费用，增加的费用成本也不多，因为只有交易持续期结束时的最终化或收盘收益才影响交易者的收益。这与传统金融市场不同，在传统金融市场中，本地的流通性差异会导致以不代表公平的基本价值的价格实行交易，因此对交易者增加了永久性的费用。

从在各组DBAR或然债权中的投资中产生的流通性影响，如图8中所示，包括当某投资实质上永久地影响各状态上的收益分布时发生的影响。如果例如某交易者的投资时间非常接近于交易持续期的结束，某交易者在某状态中投资的量占在以前投资于该状态中的总量的相当大的百分比，则收益会实质性地并且可能永久性地受影响。图8中所示的曲线表示，在最佳实施例中，交易者的投资可能具有的对DBAR或然债权组中的各种状态的收益分布的最大影响。

如图8中所示，横轴p是交易者的投资量，以在该状态中以前投资的总量的百分比表达(交易可能是多状态投资，但在本示例中假设是单一状态投资)。图8中的横轴上的值的范围是，占在特定状态中投资的总量的0(最小值：没有投资量)到10％。例如，假设在给定状态中投资的总量是$100(百万)，图8中的横轴的范围是0到$10(百万)的新投资量。

图8的纵轴代表隐含买卖差价同要在其中作新投资的状态的隐含概率的比率。在最佳实施例中，隐含买卖差价是被计算成如上文所定义的隐含“报盘”需求响应q_i ^O(ΔT_i)同隐含“出盘”需求响应q_i ^B(ΔT_i)之间的差。换言之，图8中所示的纵轴上的值是由下列比率定义的： $\frac{{q_i}^O\left(\mathrm{\&Delta;}{T}_i\right)-{q_i}^B\left({\mathrm{\&Delta;T}}_i\right)}{q_i}$

如图8中所示，该比率是用三个不同水平的q_i计算的，在p的值的范围内画了代表每个水平的三条对应的线：计算该比率时的假设是图中显示的低隐含q_i(q_i＝.91，由标记为S(p，l)的线表示)、中隐含q_i(q_i＝.333，由标记为S(p，m)的线表示)、以及低q_i的高值(q_i＝.833，由标记为S(p，h)的线表示)。

如果某交易者在本发明的一组DBAR或然债权中作投资，并且在交易持续期中没有足够的时间让收益调整到一个公平值，则图8以隐含状态概率的形式，提供了交易者自己的投资可能具有的隐含状态概率的分布的最大影响的图示。图中所画的三个独立曲线对应于一个高需求和高隐含概率(S(p，h))、中需求和中隐含概率(S(p，m))、和低需求和低隐含概率(S(p，l))。在本上下文中所使用的术语“需求”的意思是在特定状态中以前投资的量。

图8中所示的图说明，某交易者的投资量影响现有的隐含概率(因此收益)的分布的程度，随现有状态的需求量以及该交易者的投资量而不同。如果隐含概率的分布受到很大影响，这相当于更大的买卖价差，如图8中的图的纵轴上所画的那样。例如，对于以特定状态的现有需求的百分比表达的任何给定的投资量p，当现有状态需求最小时(曲线S(p，l)，对应于低需求和低隐含概率的状态)，新投资的影响最大。相反，当现有状态需求最大时(曲线S(p，h)，对应于高需求和高隐含概率的状态)，新投资的影响最小。图8也证明，在最佳实施例中，对于所有水平的现有状态需求，在现有隐含概率分布上投资的量的影响随着投资量的增加而增加。

图8也说明了本发明的DBAR或然债权组的两个有关流通性的方面。第一，与传统市场不同的是，在本发明的最佳实施例中，交易者的投资对现有市场的影响可以用数学方法确定和计算，并显示给所有交易者。第二，如图8中所示的那样，这种影响的程度是相当合理的。例如，在图8所示的最佳实施例中，在给定状态的现有需求的多达几个百分比的范围的投资量的很宽的范围上，这种投资量对市场的影响相对较小。如果市场有时间在这种投资加入到某状态的需求中后调整，则对市场的影响将仅仅是短暂的，并且可能不会因为该交易者的投资而读隐含概率分布有影响。图8通过隐含地假设市场在投资被加入到该状态的需求中后不作调整而说明了一种“最坏情况”的情形。

图9a至9c表示一组DBAR或然债权的最佳实施例的交易者和信用关系，以及如何例如在图5的过程413中量化信用风险。图9a表示传统的利率交换交易的订约方关系，其中两个订约方以前已经输入了一个付7.50％的半年固定交换费率(swap rate)的10年交换。该交换交易的接收订约方701接收固定费率并支付浮动费率，而支付订约方702则支付固定费率并接收浮动费率。假设$100(百万)的交换交易，当前市场固定交换费率是7.40％，根据在诸如可从Sungard DataSystem得到的软件包中实行的著名的交换评估原则，接收订约方701要接收$700,000的利润，而支付交换订约方702要有$700,000的亏损。接收订约方701因此有一个取决于支付交换订约方702的、以$700,000为函数的信用风险，因为这种安排依赖于支付交换订约方702履行其义务。

图9b表示示意性投资者关系，其中，一组DBAR或然债权的最佳实施例和交易所按照惯例影响所有投资者之间的关系。如图9b中所示，交易者C1、C2、C3、C4和C5每个都已经在一组DBAR或然债权的一个或多个状态中投资过，限定状态S1至S8分别对应于10年交换费率、一年远期的可能结果的各个范围。在这个示例中，每个交易者都有一个取决于其它交易者的信用风险，与风险相关的是每个交易者投资的量、每个投资有多少是靠保证金的、任何时刻每个投资成功的概率、每个交易者的信用质量、以及交易者信用等级之间的相关度。这个信息在最佳实施例中很容易例如在图2中所示的交易者和帐户数据库261中获得，并可以以类似于图9c中所示的图表的形式显示给交易者，其中显示每个交易者在每个状态中的投资保证金的量，同时列出该交易者的信用等级。例如，如图9c中所示，有AAA信用等级的交易者C1已经靠保证金在状态7中投资了$50,000并靠保证金在状态8中投资了$100,000。在最佳实施例中，每个交易者所承担的信用风险量是可以确定的，确定信用风险量例如要使用市场数据数据库263中关于信用等级变化的概率(包括不履约概率)的数据、在不履约情况下的可回收量、交易者之间信用等级变化的相关度和图表720中所显示的信息。

为了说明在图9c中所示的一组DBAR或然债权的上下文中的这种确定，作下述假设：(1)在该DBAR或然债权组中投资的所有交易者C1、C2、C3、C4和C5都有一个0.9的信用等级相关度；(2)交易者C1至C5的总的不履约概率分别是(0.001，.003，.007，.01，.02)；(3)(图9c中所示的)状态S1至S8的隐含概率分别是(.075，.05，.1，.25，.2，.15，.075，.1)。按照以前所述的用VAR方法确定风险信用资本的步骤(1)-(6)，用这些假设可以进行一个逼近图9c中所示的DBAR或然债权组中所有交易者的总信用风险的计算。

步骤(1)要获得每个交易者作每个交易所用的保证金的量。对于这个示例来说，这些数据是假设的，显示在图9c中；在最佳实施例中，可从交易者和帐户数据库261和交易记事簿数据库266中获得。

步骤(2)要获得与不履约概率以及在不履约的情况下可回收的未偿还保证金贷款的百分比的数据。在最佳实施例中，这种数据可从诸如JP Morgan CreditMetrics数据库等来源获得。对于本示例来说，假设每个交易者的回收百分率是0，所以，如果交易者不履约，就没有保证金贷款可回收。

步骤(3)涉及按每个投资所用的保证金的百分比、每个交易者不履约的概率和在不履约情况下不可回收的百分比，确定收益的标准偏差比例(按投资量的单位)。对于本示例来说，这些步骤要计算每个状态的单位收益的标准偏差，乘以每个状态中的保证金百分比，然后将这个结果乘以每个交易者不履约的概率。在这个示例中，如果用状态1至8的假设的隐含概率，则单位收益的标准偏差是：(3.5118，4.359，3，1.732，2，，2.3805，3.5118，3)。在这个示例中，这些单位收益然后被确定比例(scaled)，方法是各乘以(a)每个交易者在每个状态中保证金投资量和(b)每个交易者不履约的概率，产生下列表格：

	S1	S2	S3	S4	S5	S6	S7	S8
									C1，AAA							175.59	300
C2，AA						285.66	263.385
									C3，AA					1400	999.81
C4，A+				2598	2000
									C5，A	7023.6	4359	4800

步骤(4)涉及用上表中所示的确定比例的量和含有每对限定状态之间的相关度的相关矩阵Cs来计算风险信用资本。如前文所讨论的那样，执行该步骤(4)时，首先把每个交易者的确定比例的量排列到如前文所定义的向量U中，该向量的维数等于状态数(例如，在本例中是8)。对于每个交易者，将相关矩阵Cs左乘U的转置，再右乘U。结果的平方根就是每个交易者的经相关度调整的CCAR值，代表着每个交易者贡献的信用风险量。在本示例中为进行这些竞选，用前文所述的方法构造一个8行8列、对角线上是1的矩阵Cs：

    1      -.065    -.095    -.164    -.142     -.12     -.081    -.095

  -.065      1      -.076    -.132    -.115     -.096    -.065    -.076

  -.095    -.076      1      -.192    -.167     -.14     -.095    -.111

  -.164    -.132    -.192      1      -.289     -.243    -.164    -.192C_s＝

  -.142    -.115    -.167    -.289      1       -.21     -.142    -.167

  -.12     -.096    -.14     -.243    -.21       1       -.12     -.14

  -.081    -.065    -.095    -.164    -.142     -.12       1      -.095

  -.095    -.076    -111     -.192    -.167     -.14     -.095      1本示例中5个交易者每个的向量U₁、U₂、U₃、U₄和U₅分别如下：

     0            0             0           0           7023.6

     0            0             0           0           4359

     0            0             0           0           4800

     0            0             0           2598        0U₁＝            U₂＝         U₃＝      U₄＝      U₅＝

     0            0             1400        2000        0

     0            285.66        999.81      0           0

     175.59       263.385       0           0           0

     300          0             0           0           0对本示例继续用步骤(4)的方法，如下地执行5个矩阵计算： ${\mathrm{CCAR}}_i=\sqrt{U_i^T*C_s*U_i}$ i＝1...5。上面的方程的左边是对应于5个交易者每个的风险信用资本。

按照应用于本例的CCAR方法的步骤(5)，将这5个CCAR值排列成如下的一个维数为5的列向量：

继续该步骤，构造一个行数和列数等于交易者数的相关矩阵(CCAR)，矩阵中非对角线上含有每对交易者之间信用等级变化的相关度，对角线上是1。对于本例来说，最后的步骤(6)是用W_CCAR左乘C_CCAR，再右乘W_CCAR，如下所示： ${\mathrm{CCAR}}_{\mathrm{TOTAL}}=\sqrt{w_{\mathrm{CCAR}}^T*C_{\mathrm{CCAR}}*w_{\mathrm{CCAR}}}$ 在本示例中，这个计算的结果是：

换言之，在该示例中，图9c中所示的边际总量和分布有一个单一的标准偏差风险信用资本$13,462.74。正如前文在讨论采用VAR方法的风险信用资本时所述的那样，可以用一个用本领域的熟练人员已知的方法推导的数乘以这个量，以获得一个交易者在预定统计置信度水平上相信不会超过的预定的信用亏损百分比。例如在本示例中，如果某交易者有兴趣知道在95％统计置信度水平上不会超过什么亏损量，则将该单一标准偏差风险信用资本数$13,462.74乘以1.645，得出数$22,146.21。

交易者也可能有兴趣知道其它交易者在它们之间代表多少信用风险。在最佳实施例中，前述的步骤(1)-(6)可以在排除一个或多个交易者的情况下执行。例如在本示例中，如果用相关联的CCAR的量来度量，则风险最大的交易者是交易者C5。C1至C4的风险量，通过将交易者的CCAR量带入0后执行步骤(5)的计算就能确定。这就得出例如交易者C1至C4的CCAR为$4,870.65。

图10表示用于为实现本发明而改进系统或交易所的反馈过程的最佳实施例。如图10中所示，在最佳实施例中，市场收益数据库262中的收盘和期内收益和市场数据数据库263的市场数据(图2中所示)被过程910用于评估DBAR交易所的效率和公平性。效率的一个最佳尺度是实际结果的分布是否对应于如最终化收益所反映的分布。在过程910中最好执行诸如Kolmogorov-Smirnoff测试等分布测试例程，以确定以在一组DBAR或然债权的限定状态上的收益为形式的、由交易活动隐含的分布是否随时间的推移而与基础事件的结果的实际分布大不相同。此外，在最佳实施例中，在过程910中也分析边际收益，以确定是否在交易持续期中晚投资的交易者挣得的收益在统计上不同与其它交易者。这些“晚到的交易者”例如可能捕捉到早到的交易者得不到的信息优势。根据从过程910中的分析中的发现，可以对按照本发明的用于在DBAR或然债权组中交易和投资的系统进行修改，以提高其效率和公平性。例如，如果“晚到的交易者”挣到不寻常大的利润，可能就意味着这样一个系统在受到不公平的操纵，可能与传统证券市场中交易有联系。图10中所示的过程920代表一个对抗措施的最佳实施例，为了防止对收盘收益的操纵，该措施将交易持续期结束的准确时间随机化。例如，在最佳实施例中，交易所宣布交易收盘的结束时间随机地处于给定日期的下午2：00至4：00之间。

如图10中所示，过程923是另一个降低市场操纵风险的过程的最佳实施例。过程923代表改变结果的观察期或观察时间的步骤。例如，交易所可以不在分立的时间观察结果，而是规定一个观察的时间范围，该范围的跨度可能是数小时、数天或数星期(或任意时间帧)，然后用所观察结果的平均来确定状态的发生。

如图10中另外所示的那样，根据过程910，可以在过程924中采取步骤来修改DRF，以便例如鼓励交易者在交易持续期中较早投资。例如，可以将DRF修改得对这些“早来的”交易者增加某些收益，对“迟来的”交易者有比例地减少收益。这种鼓励措施和本领域中的熟练人员显而易见的其它措施，可以反映在更复杂的DRF中。

在图10所示的最佳实施例中，过程921代表根据过程910而改变计算开盘收益所根据的假设的步骤，以便在交易持续期开盘时提供更好的开盘收益。例如，过程910的结果可能表明交易者就实际结果来说已经过度地交易了某个分布的极端。关于这一点并非有任何内在有问题的事情，因为交易者对未来可能结果的期望可能反映不能用实际数据提取或分析的风险偏好。然而，对于本领域的熟练人员来说，显然不可能通过例如调整分布的斜度、突出或其它统计瞬间而调整初始收益，以提供对未来状态分布的更好估计。

如图10中所示，过程922表示整个地改变一组或多组DBAR或然债权的结构。这样一个对抗措施可以有针对性地在严重低效率或不公平的市场操纵的条件下使用。例如，过程922可以包括改变交易持续期数、交易持续期的时机选择、一组DBAR或然债权的持续时间、限定状态划分的数目和性质，以便为本发明的DBAR或然债权组获得更好的流通性和减少不公平的市场操纵行为。

以上对各附图的详细说明以及各附图本身，都是为了提供和解释本发明的方法和系统的最佳实施例的特定示例和例子。目的是便于增加对本发明的理解。详细说明和附图并不是要限制本发明的范围、实施方式以及其它可能的实施或实践方法。相反，对于本领域的熟练人员来说，通过阅读本说明书或实践本发明，显然在本发明的范围内还有其它的实施方式及其等同方式。

7最佳实施例的优点

本说明书叙述提供在DBAR或然债权组中交易和投资的原理、方法和系统，以及这种债权的市场和交易所的建立和运作。本发明应用于衍生品和其它或然债权中的交易和投资时的优点包括：

(1)流通性提高：DBAR或然债权组和用于按照本发明在这些组中投资的交易所具有增加的流通性，理由如下：

(i)减少的造市商动态套期保值。在最佳实施例中，或然债权的交易所或造市商不需要在市场中套期保值。在这种实施例中，对于运转良好的或然债权市场来说，全部所需要的是一个可观察的、反映金融或经济风险来源的基础现实世界事件的集合。例如，能以任何给定价格得到的任何给定金融产品的数量，在本发明的系统中可能是不相关的。

(ii)减少的指令撮合。传统和电子交易所一般为市场和限制指令簿买/卖撮合而采用复杂的算法。在本发明的最佳实施例中，没有要撮合的报盘和出盘。希望“放松”一个投资的交易者将转而进行互补的投资，由此对冲其风险。

(iii)无永久性清算费用。在DBAR市场中，仅用最终收益来计算回收本利。流通性差异和传统市场中执行的难以预测的变化，在最佳实施例中不像在传统市场中那样增加永久性税费。无论如何，在本发明的最佳实施例中，在各组DBAR或然债权中投资的量的流通性影响总是能及时计算出来并对所有交易者公开。这种信息在传统市场中是不容易得到的。

(2)减少的信用风险。在本发明的最佳实施例中，交易所或经营商大大提高了回收其交易费的保障。这因此降低市场风险的可能影响。在最佳实施例中，交易所的主要功能是从由不成功投资招致的亏损中向成功的投资再分配收益。这意味着使用本发明系统的交易者有有限的责任-即使是对做空也是如此，并且订约方信用风险多样化。

(3)增加的越升性。本发明的投资DBAR或然债权组的系统和方法的最佳实施例中的定价方法不是钉住可用于套期保值的基础金融产品的物理数量。在最佳实施例中，交易所因此能以降低的边际成本容纳大量的用户。

(4)改善的信息收集。按照本发明的市场和交易所提供有效的机制来收集有关投资者需求、各种结果的隐含概率和价格的信息。

(5)增加的价格透明度。本发明的投资DBAR或然债权组的系统和方法的最佳实施例根据投资量确定收益。相反，传统衍生品市场中的价格通常只适用于固定数量，而且一般是由复杂的供需关系和总体的流通性状况确定的。例如，在本发明的一组DBAR或然债权的正则DRF的最佳实施例中，特定限定状态的收益是根据在状态分布上的总投资量同在该特定状态的投资量的比率分配的。

(6)减少的结算或清算成本。投资DBAR或然债权组的系统和方法的最佳实施例中，交易所不需要、并且将来也不需要在一组DBAR或然债权可能以其为基础的基础物理金融产品中交易。这些产品中的债券和衍生品无需转移、抵押或以其它方式由交易所确定价值，所以在最佳实施例中，不需要通常需要用于这些后台活动的基础设施。

(7)减少的套期保值成本。在传统的衍生品市场中，造市商不断地调整他们易受风险影响的投资组合，以缓和破产风险，使期望的利润最大化。然而，投资组合调整即动态套期保值，一般是很费成本的。在投资DBAR或然债权组的系统和方法的最佳实施例中，不成功的投资对冲成功的投资。结果，在这样的最佳实施例中，交易所或造市商对套期保值的需要，即使不消除，也大大减少。

(8)减少的模型风险。在传统市场中，衍生品经营商经常将“模型保险”加到他们对顾客的报价中，以保护不受不可套期保值的由估价模型另外指出的价格的偏差。在最佳实施例中，在限定状态中投资的价格，直接从其它交易者对市场收益的期望分布的预期中推导。结果，在这种实施例中，复杂的衍生品模型不是最重要的。由于本发明的系统和方法所提供的增加的价格透明度和易于管理，因此能降低交易费用。

(9)减少的事件风险。在本发明的投资DBAR或然债权组的系统和方法的最佳实施例中，交易者的预期被引导到未来事件结果的整个分布上。在这种实施例中，例如，市场崩溃的预期是能从所指示的收益中直接观察到的，所指示的收益透明地揭示交易者对未来事件结果的整个分布的预期。另外，在这种实施例中，造市商或交易所承担大大降低的市场崩溃或“缝隙”风险，衍生品的成本不必反映不连续市场事件的保险费。

(10)有价值数据的生成。传统金融产品交易所通常对作为交易活动和造市的付产品而生成的实时和历史数据享有专有利益。这些数据例如包括市场买方和卖方的报价和报量。在传统市场中，价格是市场参与者的“充分统计”，这是数据用户最想要的信息。在本发明的投资DBAR或然债权组的系统和方法的最佳实施例中，可以将数据生成的范围大大地扩大到包括交易者对一组DBAR或然债权基于的各个未来事件的可能结果的整个分布的预期。这类信息(例如，时间t时的分布反映了交易者对在时间t+1发生的市场崩溃的预期吗？)能被用来改进市场运作。目前，这类分布信息只能很困难地用经济学家Litzenberger和Breeden在1978年提出的方法或本领域中熟练人员已知的其它类似方法，通过收集给定金融产品的不同结算价格的期权价格数据才能得出。投资者或其它人则必须对这些数据进行困难的结算，才能解析出内在的分布。在本发明的最佳实施例中，这种分布直接就能得到。

(11)扩展的或然债权市场。本发明的另一个优点是能实现一个功能良好的或然债权市场。这种市场使交易者能对在传统市场中不便套期保值的或保险的事件直接进行套期保值。这些事件诸如是抵押付款指数的变化、不动产估价指数的变化、公司收入公告。按照本发明的系统和方法运行的或然债权市场原则上能覆盖存在保险或套期保值需求的所有有经济意义的事件。

(12)价格发现。本发明的投资DBAR或然债权组的系统和方法的另一个优点是，在最佳实施例中，提供收益调整机制(“价格发现”)。在传统资本市场上，相对总体流通性来说握有大宗头寸的交易者经常对市场产生风险，如果发生震动或流通性危机，价格发现将崩溃。例如，在1998年秋，长期资本管理(LTCM)公司在信用市场发生外部震动-即俄罗斯对其部分债务不履约-的情况下未能变现其过度大的头寸。这个对系统的风险不仅波及到LTCM的债权人，也波及到消失了流通性市场的信用市场中的其它人。相反，在按照本发明的的一组DBAR或然债权的最佳实施例中，LTCM自己在一组DBAR或然债权中的交易则会降低动态投资的状态的收益，由此减少进一步在这些状态中进行大宗的可能不稳定的投资的诱因。此外，按照本发明的的一组DBAR或然债权的交易所仍然还能运行，尽管频繁调整收益，甚至在1998年俄罗斯债券危机这个最严重的阶段也能运行。例如，假设存在一个DBAR系列衍生品市场，吸引交易者对高级美国国库券同低级债据之间差价分布的预期，LTCM就会通过在随着信用利差的加大而盈利的DBAR系列衍生品中投资而“套期保值”其自己在低级契据中的投机头寸。当然，其头寸必然已经相当大了，由此导致其头寸的收益急剧降低(即实际上以较不有利的价格变现其现有的头寸)。不过，按照本发明的最佳实施例中的交易所则会已经提供了与传统市场相比来说增加了的流通性。

(13)改善的对市场的流通性提供：如上解释的那样，在按照本发明的DBAR或然债权组的最佳实施例中，一个投资一旦已经作出，可以通过按与主要交易量的比例在互补状态中和原始投资的状态中作投资而修正。最佳实施例不允许交易马上被转移或取消，具有两个优点：

1.减少战略行为(“收益-摇摆”)

2.增加市场流通性

换言之，本发明的最佳实施例减少那些希望在产生收盘收益的最后时刻的变化的交易者仅仅为向其它参与者产生虚假信号而投入或撤回大量投资的能力。此外，在最佳实施例中，市场在整个状态分布上的流通性是交易者很容易得到的信息，在最佳实施例中，这种流通性在交易持续期期间不可撤回。所以本发明的这种最佳实施例提供市场流通性保证不会消失的基本约束承诺。

(14)增加的流通性激励措施：在本发明的在一组DBAR或然债权中交易或投资的系统和方法的最佳实施例中，在最需要的地方建立激励措施来提供状态分布上的流通性。平均来说，在最佳实施例中，在每个限定状态中投资量中产生的隐含概率应当与该状态的实际概率相关联，所以应当按分布上每个状态的实际概率提供流通性。传统市场没有这种现成的自我平衡流通性的机制-例如，远期售出选择权可能没有流通性或者可能被过度地交易。无论如何，传统市场一般不提供在按照本发明的DBAR或然债权组中这样容易得到的在流通性、价格和概率之间的强(分析)关系。

(15)改进的自我一致性：传统市场一般有“无套利”关系，诸如选择权的售出-购买比价(parity)和利率和货币的利率比价。这些关系一般必须(而且确实)负有防止风险较低的套利和为无套利提供一致性检查或基准的责任。在本发明的在DBAR或然债权组中交易或投资的系统和方法的最佳实施例中，除了这些“无套利”关系外，在限定状态的分布上的隐含概率的和，所有交易者都知道是1。用以上编制的记号，以下关系对使用DRF的一组DBAR或然债权成立： $r_i=\frac{(1-f)*\underset{i}{\mathrm{\&Sigma;}}{T}_i}{{\mathrm{\&Tgr;}}_i}-1$ $q_i=\frac{1-f}{r_i+1}=\frac{T_i}{\underset{i}{\mathrm{\&Sigma;}}{T}_i}$ $\underset{i}{\mathrm{\&Sigma;}}{q}_i=1$

换言之，在最佳实施例中，在所有隐含概率的一个简单函数上的和等于每个限定状态的交易量的和除以交易总量。在这种最佳实施例中，该和等于1。这个内部一致性检查在传统市场没有显著的等同物，传统市场一般需要对非流动期权价格进行复杂的计算，才能恢复隐含概率分布。

(16)便利的边际收益计算：在本发明的在DBAR或然债权组中交易或投资的系统和方法的最佳实施例中，也容易计算边际收益。边际收益r^m是在交易持续期的任何子期中占优势的收益，可以按下式计算： $r_{i,t-1,t}^m=\frac{r_{i,t}*T_{i,t}-r_{i,t-1}*T_{i,t-1}}{T_{i,t}-T_{i,t-1}}$ 其中左边是状态i在时间t-1与t之间的边际收益，r_i，t和r_i，t-1是状态i在时间t和t-1时的单位收益，T_i，t和T_i，t-1分别是在时间t和t-1时在状态i中的投资量。

在最佳实施例中，可以将边际收益显示出来，向交易者和其他人提供有关整个交易持续期中的调整的重要信息。在本发明的系统和方法中，边际收益可以比适用于整个交易持续期的收益更可变(视时间增量的大小等因素而定)。

(17)减少的造市商影响：在本发明的系统和方法的最佳实施例中，因为收益是受需求驱动的，供给方造市商的作用如果说没有消除，也被减少。传统市场中的典型的造市商(诸如NYSE专家或交换簿操作者)一般有接触信息(例如限制指令簿)的特权，并且因兼有委托人(即专有交易者)和造市商的双重角色而有潜在的利益冲突。在本发明的最佳实施例中，所有交易者都有更多的信息(例如整个状态分布上的投资量)，没有供给方利益冲突。

(18)增加的产生和倍加任意回收本利分布的能力：在本发明的在DBAR或然债权组中交易或投资的系统和方法的最佳实施例中，交易者可以生成他们自己希望的回收本利分布，即通过变化在限定状态的分布上的投资量可以容易地定制回收本利。这一点是重要的，因为DBAR或然债权组可被用来容易地倍加交易者在传统市场中所熟悉的回收本利分布，诸如股票长盘、期货长盘和短盘、期权交叉长盘等等。重要的是，如上文所讨论的那样，在本发明的最佳实施例中，对应于这些长短盘的回收本利分布可以通过让DBAR或然债权交易所进行多状态分配而有效地以最低的代价和难度倍加。

以上详细讨论了本发明的最佳实施例，它们的各种变化和等同物对本领域的一般熟练人员来说是显而易见的，因此包含在本发明和后附的权利要求的范围内。例如，可以采用许多种需求再分配函数(DRF)来用不成功投资的亏损向成功投资提供收益，由此实现交易者的不同风险和收益组合。此外，本说明书重要讨论了用于DBAR或然债权组和组合的方法和系统，以及用于这些组的市场和交易所。本发明的方法和系统可以容易被金融中介改编后在传统资本和保险市场内使用。例如，可以在传统债券如给定公司发行人的债券中设置一组DBAR或然债权，并如前文所述地由发行人背书和发行。这类实施例和它们的等同物也要包含在本发明和后附的权利要求的范围内。

以上对本发明讨论的的环境是交易衍生证券，尤其是便于有效地交易下述事项的电子衍生品交易所的实现：(1)金融相关的或然债权，如股票、债券及它们的衍生品；(2)非金融相关的或然债权，如能源、商品和天气衍生品；(3)传统保险和再保险合约，诸如对人身财产风险的市场亏损保障。然而，本发明不仅仅限于这些环境，而是可以适合于与当前不可保险或不可套期保值的诸如公司收入公告、未来半导体需求和技术变化等事件相关的任何或然债权。这些和所有其他修改都在本发明的范围之内。8  技术附录

     有基于需求的、可调整收益的金融产品及其交易所

本技术附录提供表I：求解CDRF2的示例性Visual Basic计算机代码的计算机代码列表的基础。上述计算机代码列表实现一个通过优选的方式求解正则需求再分配函数(CDRF2)的程序。本领域的普通熟练人员将认识到这种方式基于一种称作定点迭代(fixed pointiteration)的数学方法的应用。

诸如说明书前文中指出的那样，有CDRF2体现的联立系统不提供明显的解决方案，一般需要用数值方法来求解系统中包含的联立二次方程。总的来说，这种系统一般是由Newton-Raphson方法等普遍称为“格搜索”例程来解决的，其中，通过从联立系统中体现的函数的数值导数提取的信息改进初始解或猜测解。

本发明的基于需求的交易方法的一个重要优点是小心构造便于应用定点迭代作为提供CDRF2的数值解的CDRF2。定点迭代方法一般比如表I中的计算机代码列表所示的格搜索例程更可靠，计算量更少。

A.定点迭代

求解CDRF2需要找到方程系统的一个定点。定点代表解，因为它们传达“静止的”或平衡的系统的概念，即，如果

a＝g(a)

则存在记为g(a)的函数或变换的系统的一个定点。

函数g(a)在数学上可以说是在域a上的实线的映射。映射g(x)在实线上生成一个新点y。如果x＝y，则称x为函数g(a)的定点。就数值分析技术来说，如果g(a)是一个非线性方程系统，并且如果x是g(a)的定点，则a也是函数的零。如果对于函数g(a)来说不存在诸如x的定点，则可以用格搜索类型的例程来解系统(例如Newton-Raphson方法，Secant方法等)。然而，如果存在一个定点，则其存在可如下地被用于求解联立非线性系统的零。

选择一个认为是在函数g(a)的定点附近某处的初始起点x₀。然后，假设不存在函数g(a)的定点，采用以下的简单循环方案：

x_i+1＝g(x_i)，其中x₀被选作起点

i＝0，1，2，…n。该循环可以一直继续到达到期望的精度<character>，即：

                x_n＝g(x_n-1)，until|g(x_n-1)-x_n|＜ε定点迭代是否收敛的问题，当然关键取决于函数g(x)在下图中所示的定点的附近的一级导数的值：

图1：通用函数g(x)的定点迭代

如前文指出的那样，本发明的一个优点是构造CDRF2，使得它可以以多元函数g(x)的形式表达，该函数是连续函数，具有0到1之间的导数值，如下文所述。

B.应用于CDRF2的定点迭代

本节将展示(1)CDRF2中体现的方程的系统拥有一个定点解；(2)该定点解可以用上述A节中所述的定点迭代法来定位。

著名的定点法则指出，如果g：[a，b]-＞[a，b]在[a，b]上连续且可微分，并且有一个常数k＜1使得对于属于(a，b)的所有x

|g’(x)|＜＝k

则n有一个属于[a，b]的唯一定点x*。此外，对于[a，b]中的任何x，由

x₀＝x和x_n+1＝g(x_n)

定义的序列，收敛于x*，且对于n $|x_n-x^{*}|\&le;\frac{k^n*|x_1-x_0|}{1-k}\&CenterDot;$

该法则可以如下地应用于CDRF2。第一，将最佳实施例中的CDRF2与要在CDRF的状态分布上投资的量相关联，方法是，对于给定的回收本利分布，求CDRF表达式的逆，然后解交易量矩阵A：

A＝P^*∏(A，f)^-1               (CDRF2)

因此，可以将CDRF2重写成下列形式：

A＝g(A)

其中g是连续可微分函数。按照前述的定点法则，可以通过定点迭代解CDRF2-如果：

g’(a)＜1

即，多元函数g(A)有一个小于1的一级导数。g(A)对于A是否有小于1的导数，可以如下地分析。如说明书中前文所指出的那样，对于任何交易者和任何状态i，CDRF2含有下列形式的方程，将期望的回收本利p(假设大于0)与要生成该期望的回收本利所需的交易量相关联-给定已经为状态i交易的总交易量T_i(假设也大于0)和所有状态的总交易量T： $\mathrm{\&alpha;}=\left(\frac{T_i+\mathrm{\&alpha;}}{T+\mathrm{\&alpha;}}\right)*p$ 使得 $g\left(a\right)=\left(\frac{T_i+\mathrm{\&alpha;}}{T+\mathrm{\&alpha;}}\right)*p$ 对α求g(α)的导数，得： $g^{\&prime;}\left(\mathrm{\&alpha;}\right)=\left(\frac{T-T_i}{T+\mathrm{\&alpha;}}\right)*\frac{p}{T+\mathrm{\&alpha;}}$

由于在说明书中前面定义的DRF约束条件要求回收本利p不超过所有状态的投资总量，下述条件成立： $\frac{p}{T+\mathrm{\&alpha;}}\&le;1$ 并且，由于 $\left(\frac{T-T_i}{T+\mathrm{\&alpha;}}\right)<1$ 所以

                     0＜g＇(α)＜1

使得能通过如表1的计算机代码列表中体现的定点迭代法来获得CDRF2的解。

Claims (38)

1.一种进行基于需求的交易的方法，包括以下步骤：

建立多个限定状态和多个预定的终止准则，其中每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；

在所有终止准则满足之前，接受多个交易者在各限定状态中的若干价值单位的投资；

向每个投资分配回收本利，该分配根据的是

在各限定状态中投资的价值单位的总数，

在每个限定状态中投资的价值单位的相对数，和

在所有的终止准则满足时发生的限定状态的识别。

2.一种进行基于需求的交易的方法，包括以下步骤：

建立多个限定状态和多个预定的终止准则，每个限定状态对应于在每一个终止准则被满足时一个选定的金融产品的可能的状态；

在所有终止准则满足之前，接受多个交易者的每个交易者在多个限定状态中的至少一个状态中的若干价值单位的投资；

向每个投资分配回收本利，该分配根据的是

在多个限定状态中投资的价值单位的总数，

在多个限定状态中的每个状态中投资的价值单位的相对数，和

在所有的终止准则满足时发生的限定状态的识别。

3.权利要求1或2的进行基于需求的交易的方法，特征在于，至少一个投资是与一个证券交易相联系进行的。

4.权利要求1或2的进行基于需求的交易的方法，特征在于，所有终止准则满足时不发生的每个限定状态中每个投资的回收本利等于零，所有投资的回收本利的总额不大于在多个限定状态中投资的价值单位的总数的值。

5.权利要求4的进行基于需求的交易的方法，特征在于，所有投资的回收本利的值的总额等于在多个限定状态中投资的所有价值单位的价值，减去某个费用。

6.权利要求1或2的进行基于需求的交易的方法，特征在于，至少一个若干价值单位的投资指定一个限定状态的集合和从该指定的限定状态的集合获得的期望投资收益，并且其中的分配步骤进一步响应期望从指定的限定状态的集合获得的投资收益。

7.权利要求1或2的进行基于需求的交易的方法，特征在于，进一步包括由至少一个交易者计算至少一个若干价值单位的投资的风险资本的步骤。

8.权利要求7的进行基于需求的交易的方法，特征在于，计算步骤包括使用风险资本风险价值方法。

9.权利要求7的进行基于需求的交易的方法，特征在于，计算步骤包括使用风险资本蒙特卡罗模拟方法。

10.权利要求7的进行基于需求的交易的方法，特征在于，计算步骤包括使用风险资本历史模拟方法。

11.权利要求1或2的进行基于需求的交易的方法，特征在于，进一步包括由至少一个交易者计算至少一个若干价值单位的投资的风险信用资本的步骤。

12.权利要求11的进行基于需求的交易的方法，特征在于，计算步骤包括使用风险信用资本风险价值方法。

13.权利要求11的进行基于需求的交易的方法，特征在于，计算步骤包括使用风险信用资本蒙特卡罗模拟方法

14.权利要求11的进行基于需求的交易的方法，特征在于，计算步骤包括使用风险信用资本历史模拟方法。

15.权利要求1或2的进行基于需求的交易的方法，特征在于，至少一个若干价值单位的投资是一个指定一个限定状态的集合的多状态投资。

16.权利要求15的进行基于需求的交易的方法，特征在于，至少一个多状态投资指定一个响应于该指定的限定状态集合的期望收益集合，分配步骤进一步响应该期望收益集合。

17.权利要求16的进行基于需求的交易的方法，特征在于，该期望收益集合的每个期望收益都响应于该指定的限定状态集合的一个子集。

18.权利要求16的进行基于需求的交易的方法，特征在于，该期望收益集合大约相当于从一个预定投资工具的一个限定状态集合获得的期望收益。

19.权利要求16的进行基于需求的交易的方法，特征在于，分配步骤包含计算指定一个期望收益集合的多状态投资的所需价值单位数的步骤，和将指定一个期望收益集合的多状态投资的价值单位分配给该多个限定状态的步骤。

20.权利要求19的进行基于需求的交易的方法，特征在于，分配步骤进一步包括求解一个联立方程式集合的步骤，这些方程式将交易量与单位回收本利和回收本利分配相关联；计算步骤和分配步骤响应于该求解步骤。

21.权利要求20的进行基于需求的交易的方法，特征在于，求解步骤包括定点迭代的步骤。

22.权利要求21的进行基于需求的交易的方法，特征在于，定点迭代的步骤包括下述步骤：

选择联立方程式集合的一个方程式，该方程式有一个独立变量和至少一个从属变量；

对所选择方程式中的每个从属变量赋任意值；

根据每个从属变量的当前赋值计算所选择方程式中独立变量的值；

将所计算的独立变量的值赋给独立变量；

指定联立方程式集合的一个方程式作为被选择的方程式；和

顺序地执行计算值的步骤、赋所计算的值的步骤和指定方程式的步骤，直到每个变量的值趋同。

23.一种在进行基于需求的交易的方法中估算状态概率的方法，包括下述步骤：

执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，这些限定状态的至少一个状态对应于经济上重要的事件的至少一个可能结果，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受；

监视在所限定状态的每个状态中投资的价值单位的相对数；和

根据该监视步骤，估算一个选择的限定状态将是在所有的终止准则满足时发生的限定状态的概率。

24.一种在进行基于需求的交易的方法中估算状态概率的方法，包括下述步骤：

执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，在每个终止准则都满足时每个限定状态对应于某个选择的金融产品的一个可能状态，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受；

监视在所限定状态的每个状态中投资的价值单位的相对数；

根据该监视步骤，估算一个选择的限定状态将是在所有的终止准则满足时发生的限定状态的概率。

25.一种在基于需求的交易的方法中促进流通性的方法，包含下述步骤：

执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，这些限定状态的至少一个状态对应于经济上重要的事件的至少一个可能结果，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受，任何若干价值单位的投资在接受后不能被撤回。

26.权利要求25的在基于需求的交易的方法中促进流通性的方法，进一步包括套期保值的步骤，其中，通过向以前的投资未向其投资的一个或多个限定状态投资新的若干价值单位的投资，交易者对以前的若干价值单位的投资进行套期保值。

27.一种在基于需求的交易的方法中促进流通性的方法，包括下述步骤：

执行一个有多个限定状态和多个预定的终止准则的基于需求的方法，其中，在每个终止准则都满足时每个限定状态对应于某个选择的金融产品的一个可能状态，多个交易者的每个交易者的一个若干价值单位的投资在所限定状态的至少一个状态中被接受，任何若干价值单位的投资在接受后不能被撤回。

28.权利要求27的在基于需求的交易的方法中促进流通性的方法，特征在于，进一步包含套期保值的步骤，其中，通过向以前的投资未向其投资的一个或多个限定状态投资新的若干价值单位的投资，交易者对以前的若干价值单位的投资进行套期保值。

29.一种用于进行准连续的基于需求的交易的方法，包含以下步骤：

建立多个限定状态和多个预定的终止准则，其中每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；

进行多个交易周期，其中每个交易周期包括在一个预定的交易持续期期间和所有的终止准则满足之前，接受多个交易者在多个限定状态的至少一个状态中的若干价值单位的投资的步骤；

向每个投资分配回收本利，该分配根据的是

在多个交易周期的每个预定的交易持续期期间在多个限定状态中投资的价值单位的总数，

在多个交易持续期的每个交易持续期期间在多个限定状态的每个状态中投资的价值单位的相对数，和

在所有的终止准则满足时发生的限定状态的识别。

30.权利要求29的用于进行准连续的基于需求的交易的方法，特征在于，多个交易周期的各预定的交易持续期是顺序的，不重叠。

31.一种用于进行基于需求的交易的系统，包含：

用于在多个预定的终止准则全部满足之前接受多个交易者的每个交易者在多个限定状态的至少一个状态中的若干价值单位的投资的装置，其中多个限定状态每个对应于一个经济上重要的事件的至少一个可能的结果；

用于向每个投资分配回收本利的装置，该分配根据的是

在多个限定状态中投资的价值单位的总数，

在多个限定状态的每个中投资的价值单位的相对数，和

在所有的终止准则满足时发生的限定状态的识别。

32.一种用于进行基于需求的交易的系统，包含：

用于在多个终止准则全部满足之前接受多个交易者的每个在多个限定状态的至少一个状态中的若干价值单位的投资的装置，其中每个限定状态对应于一个选择的金融产品在每个终止准则满足时的一个可能的状态；和

用于向每个投资分配回收本利的装置，该分配根据的是

在多个限定状态中投资的价值单位的总数，

在多个限定状态的每个中投资的价值单位的相对数，和

在所有的终止准则满足时发生的限定状态的识别。

33.一种基于需求的交易装置，包含：

一个与多个交易者和市场数据系统通信的接口处理机；和

一个基于需求的交易处理机，它与接口处理机通信并带有交易状态数据库，基于需求的交易处理机

根据市场数据系统和与多个交易者的其中之一的基于需求的交易，保持交易状态数据库，和

根据交易状态数据库，处理基于需求的交易。

34.权利要求33的基于需求的交易装置，特征在于，保持交易状态数据库包含：

建立一个有多个限定状态、多个预定的终止准则和至少一个交易持续期的或然债权，其中，每个限定状态对应于一个经济上重要的事件的至少一个可能的结果；

根据基于需求的交易，记录多个交易者的其中之一在多个限定状态至少一个状态中的若干价值单位的投资；

根据在每个交易持续期期间在多个限定状态中的投资的价值单位的总数，并根据在每个交易持续期期间在每个限定状态中的投资的价值单位的相对数，计算在每个交易持续期结束时的最终收益；和

根据在所有的终止准则满足时发生的限定状态的识别和最终收益，确定给多个交易者的每个交易者的回收本利；并且

处理基于需求的交易包括，在交易持续期期间接受多个交易者的其中之一在多个限定状态的至少一个限定状态中的若干价值单位的投资。

35.权利要求33的基于需求的交易装置，特征在于，保持交易状态数据库包含：

建立一个有多个限定状态、多个预定的终止准则和至少一个交易持续期的或然债权，其中，每个限定状态对应于一个选择的金融产品在每个终止准则满足时的一个可能的状态；

根据基于需求的交易，记录多个交易者的其中之一在多个限定状态至少一个状态中的若干价值单位的投资；

根据在每个交易持续期期间在多个限定状态中的投资的价值单位的总数，并根据在每个交易持续期期间在每个限定状态中的投资的价值单位的相对数，计算在每个交易持续期结束时的最终收益；和

根据在所有的终止准则满足时发生的限定状态的识别和最终收益，确定给多个交易者的每个交易者的回收本利；并且

处理基于需求的交易包括，在交易持续期期间接受多个交易者的其中之一在多个限定状态的至少一个限定状态中的若干价值单位的投资。

36.权利要求34或35的基于需求的交易装置，特征在于，保持交易状态数据库还包含计算收益估算量，并且，处理基于需求的交易包括根据基于需求的交易提供该收益估算量。

37.权利要求34或35的基于需求的交易装置，特征在于，保持交易状态数据库还包含计算风险估算量；并且，处理基于需求的交易包括根据基于需求的交易提供该风险估算量。

38.权利要求34或35的基于需求的交易装置，特征在于，基于需求交易包括一个规定所需的回收本利分布和一个组成状态的集合的多状态投资；并且，保持交易状态数据库还包含根据该多状态投资将各价值单位分配到该组成状态的集合，以创建所需的回收本利分布。

Images