course 给它配了一副很好记的身体。开头几周的例子是一棵两状态的苹果树，好天气那份苹果报价 0.285，坏天气那份报价 0.665。这两个数从债券和股票的市价反推出来，把这两只证券在好坏两种天气下的支付摆成一个矩阵，做一次运算就得到 0.285 和 0.665。两个数加起来是 0.95，正好是把一块钱贴现回今天的因子，倒推出来的无风险利率大约 5.26%。到了 W4–W6，同一个数换身衣服继续用，在三期二叉树里给欧式看涨、欧式看跌、美式看跌依次定价；换到债券那边它改名叫贴现因子，再往下算久期。W8 把它除以贴现因子，写成远期价格。W9–W10 course 反过来问这个数从哪来，answer 写成三样东西相乘：耐心程度 × 状态发生的概率 × 那个状态里消费有多稀缺。到这里，前面所有「给定的价格」都补上了来源。

📌 跟这门课的时候，先认准这一个对象。每周冒出来的原子价格、贴现因子、远期价格这些新名字，大多是同一个数在不同场景里的写法。

☔ 同样一半概率，有一张票被抢贵了四成

顺着 W9–W10 的算例往下，会撞见这门课最有画面的一个反差。

course 设的场景很朴素，好状态里富一点，坏状态里穷一点，两种状态各有一半概率。算出来好状态那张票 0.3692，坏状态那张票 0.5333。概率完全一样，坏天气那张贵了四成多。

原因一句话就说完，坏状态里你消费少，多拿到一块钱带来的满足感更高，那张票就被抢贵了。

再往下还有两个更反直觉的画面：

• 🛡️ 「高风险高收益」在这里会失灵。只在坏状态赔付的那张票波动极大，赔付那一档赚七成，另一档血本无归，期望收益率却低于无风险利率，风险溢价算出来是负的 0.30。它扮演的角色是保险，保险要付保费。
• 🎲 同一时点所有状态的远期价格加起来正好等于 1，长得跟概率一模一样。可 course 的例子里远期价格是 0.30 和 0.70，概率是 0.50 和 0.50，两组数字对不上。course 用一句话收口：prices are prices, probabilities are probabilities。远期价格反映的是那个状态对人有多珍贵。

学会这一条，你手上就多了一个很快的动作：拿到任何一组状态价格，先跟概率比一比，就能看出市场在为哪个状态付保费。这个动作在 W8 的风险溢价、W9–W10 的协方差公式、W12 的 Sharpe 排序里会反复用上。

🧮 这门课的定价题，形状高度统一

说到这里，这门课最省力的那条黄金法则也就摆在面前了。整门课的定价题写下来只有三个动作：

1. 写出状态支付向量，每个状态下这个东西付你多少。期权就把每个状态的到期价值过一遍，债券就把票息和本金按时点排好，组合就把权重乘上去。
2. 取当周的价格向量。W1–W6 是原子价格或贴现因子，W8 是远期价格，W9–W10 是均衡状态价格和随机贴现因子，W11–W13 换成期望收益向量和协方差矩阵。
3. 做一次点积，两个向量乘起来加总，现值就出来了。

久期、Sharpe、风险贡献这些看着复杂的东西，其实都是在点积之后再加一层。W13 的 final 串讲上就是这么收口的：原子价格一旦知道，给任何资产定价都退化成一次点积。

📋 我自己会把三步点积做成一张三栏对照表，第一栏写「支付向量怎么写」，第二栏写「价格向量从哪来」，第三栏写「点积之后还要加什么」，然后按表刷题。掉分最集中的地方在方向和顺序，反复出问题的就那么几处：矩阵相乘时谁在左谁在右、支付矩阵的行代表状态还是证券、久期的权重用现值还是原始现金流。这几处在限时闭卷的条件下代价最大，一步做反，整道题白算。

🔑 三步点积记住了，这门课的题就有了统一入口：写支付向量、取当周价格向量、乘起来加总。