Стохастический анализ и дифференциальные уравнения играют ключевую роль в современном финансовом моделировании и теоретической физике. В лекции Массачусетского технологического института (MIT) профессор Питер Кемпторн подробно разбирает переход от фундаментальной формулы Ито к практическому применению стохастических дифференциальных уравнений (СДУ). Главным сюжетом материала становится вывод знаменитого уравнения Блэка-Шоулза через призму концепции безарбитражного дельта-хеджирования и его математическая связь с классическим физическим уравнением теплопроводности.
📈 От формулы Ито к мартингалам в финансах 0:00
Разбор стохастического исчисления начинается с краткого повторения формулы Ито для одномерного случая, когда рассматривается функция одной переменной, зависящая от броуновского движения. В этом базовом сценарии дифференциал функции представляет собой сумму двух составляющих: первой производной, умноженной на приращение броуновского движения, и половины второй производной, умноженной на приращение времени:
$$df = f'(B_t)dB_t + \frac{1}{2}f''(B_t)dt$$
Этот математический аппарат позволяет эффективно вычислять стохастические интегралы Ито через определение первообразной функции. Однако для реальных финансовых и физических приложений одномерного случая недостаточно. Профессор Кемпторн демонстрирует обобщение формулы Ито на случай двух переменных, где функция $f(t, X_t)$ одновременно зависит от времени $t$ и пространственной координаты, представленной траекторией броуновского движения $B_t$. При таком переходе в формуле появляются частные производные по времени и пространству, а также член второго порядка по пространственной переменной:
$$df(t, B_t) = \frac{\partial f}{\partial t}dt + \frac{\partial f}{\partial x}dB_t + \frac{1}{2}\frac{\partial^2 f}{\partial x^2}dt$$
Интегральное выражение для изменения стоимости такой функции состоит из двух принципиально разных компонентов. Первый компонент — это детерминированный интеграл по времени ($dt$), который на любой конкретной траектории ведет себя предсказуемо. Второй компонент — это стохастический интеграл по броуновскому движению ($dB_t$), обладающий случайной природой.
Важнейшим свойством стохастического интеграла является то, что его математическое ожидание как случайной величины всегда равно нулю. Если детерминированный член (интеграл по времени) полностью зануляется, то функция $f$ приобретает свойство мартингала.
В количественных финансах концепция мартингала имеет колоссальное значение. По словам Кемпторна, если выразить цену производного финансового инструмента (дериватива) в рамках модели, где ценовая функция является мартингалом, она будет удовлетворять строгому условию в частных производных. Мартингальная природа означает, что актив имеет постоянное ожидаемое значение во времени. Поскольку в реальном мире активы имеют тенденцию расти со скоростью безрисковой процентной ставки, для корректного применения мартингального подхода экономисты нормируют цены, дисконтируя их к текущему моменту времени.
📊 Геометрическое броуновское движение: парадоксы и симуляции 5:16
Динамика цен акций в долгосрочной перспективе традиционно моделируется с помощью геометрического броуновского движения (GBM). Данный процесс описывается стохастическим дифференциальным уравнением вида:
$$dP_t = \mu P_t dt + \sigma P_t dB_t$$
где $\mu$ — коэффициент дрейфа (ожидаемая доходность), а $\sigma$ — волатильность. По обе стороны уравнения присутствует множитель $P_t$, что подталкивает к идее исследовать не абсолютное изменение цены, а изменение её логарифма. Применив лемму Ито к функции $G(P_t) = \log P_t$, профессор Кемпторн наглядно показывает, как рассчитываются частные производные: первая производная по цене равна $1/P$, производная по времени равна нулю, а вторая производная по цене составляет $-1/P^2$. В результате логарифм цены превращается в обобщенный винеровский процесс, но с измененным коэффициентом дрейфа:
$$d(\log P_t) = \left(\mu - \frac{\sigma^2}{2}\right)dt + \sigma dB_t$$
Из этого уравнения следует фундаментальный вывод: скорость дрейфа на логарифмической шкале снижается на величину $\sigma^2/2$. Этот эффект Кемпторн называет «торможением» или «сопротивлением» логарифмического дрейфа (drift drag), вызванным квадратичной вариацией случайного процесса. При этом сама цена актива $P_t$ распределена логарифмически нормально. Несмотря на торможение дрейфа логарифма, математическое ожидание самой цены не страдает от этого эффекта и растет с чистой скоростью $\mu$.
Чтобы проиллюстрировать этот неочевидный математический факт, лектор приводит практический пример со следующими параметрами:
- Годовой коэффициент дрейфа ($\mu$): 30% (0.3);
- Временной горизонт ($T - t$): полгода (0.5 года);
- Годовая волатильность ($\sigma$): 40% (0.4).
Такие параметры, по мнению Кемпторна, вполне характерны для умеренно рискованных технологических акций на фондовом рынке. Наивный инвестор мог бы предположить, что за полгода цена вырастет на 15% (половина от 30%). Однако точный расчет математического ожидания логнормальной величины показывает, что цена вырастет в 1.1618 раза, то есть примерно на 16.2%. Волатильность и дисперсия итоговой цены также оказываются несколько выше, чем при линейном расчете.
Интересной особенностью непрерывной доходности геометрического броуновского движения является ее поведение на сверхдлинных временных интервалах. Лектор подчеркивает, что с увеличением горизонта прогнозирования средняя скорость доходности сходится к константе, а дисперсия вокруг этого среднего уровня стремится к нулю.
Для визуализации этой концепции на лекции демонстрируются результаты компьютерной симуляции 50 независимых траекторий движения цены за 4 года. На линейном графике броуновского движения с дрейфом траектории распределены симметрично вокруг синей линии математического ожидания в пределах двух стандартных отклонений. Но когда эти же данные переводятся в экспоненциальный масштаб геометрического броуновского движения, картина резко меняется.
Отдельные единичные траектории из 50 показывают феноменальную, взрывную доходность, вырастая в 10 или даже 20 раз. По мнению профессора Кемпторна, этот пример прекрасно объясняет рыночный феномен таких компаний, как NVIDIA или Tesla, которые в определенные периоды своей истории демонстрировали аномальный многолетний рост. Подобные взлеты не противоречат теории, а полностью укладываются в рамки статистических реализаций геометрического броуновского движения.
Из этого вытекает знаменитый стохастический парадокс: если дрейф $\mu$ меньше, чем $\sigma^2/2$, то логарифмический дрейф становится отрицательным. Это означает, что при стремлении времени к бесконечности вероятность того, что цена акции упадет сколь угодно близко к нулю, стремится к 1. То есть почти все отдельные компании на графике со временем обнулятся. Однако математическое ожидание средней цены по рынку при этом продолжает расти экспоненциально за счет единичных, колоссально выросших лидеров.
🧮 Уравнение Блэка-Шоулза и концепция дельта-хеджирования 19:09
Далее лекция переходит к выводу уравнения Блэка-Шоулза, которое Кемпторн считает одной из вершин применения стохастического исчисления в экономике. Предположим, что базовая акция следует геометрическому броуновскому движению, а на нее выпущен производный инструмент (например, европейский вариант опциона колл), чья стоимость $G_t$ напрямую зависит от текущей цены акции $P_t$ и времени $t$.
Применив двухмерную лемму Ито к ценовой функции дериватива $G(t, P_t)$, мы получаем сложное стохастическое выражение. Чтобы избавиться от случайности, Блэк, Шоулз и Мертон предложили гениальный аргумент: сформировать гипотетический инвестиционный портфель $V_t$, структура которого полностью устраняет зависимость от случайного броуновского движения ($dB_t$).
Конструкция такого портфеля выглядит следующим образом:
- Инвестор продает одну единицу производного инструмента (короткая позиция $-G_t$).
- Инвестор покупает определенное количество акций базового актива, равное текущей частной производной $\partial G / \partial P$ (длинная позиция).
При дискретизации динамики цен за бесконечно малый промежуток времени $\Delta t$ компоненты случайного броуновского движения в изменении стоимости акции и в изменении стоимости опциона взаимно уничтожаются. В результате получается портфель, приращение стоимости которого за период $\Delta t$ становится абсолютно детерминированным и не несет в себе никакого риска.
Согласно экономическому закону отсутствия арбитража, любой полностью безрисковый портфель активов обязан приносить доходность, в точности равную безрисковой процентной ставке $r$. Если бы его доходность была выше или ниже, участники рынка мгновенно извлекли бы из этого гарантированную прибыль, вернув баланс сил. Таким образом, изменение стоимости портфеля можно записать как $r V_t \Delta t$.
Приравнивая детерминированное выражение портфеля, полученное через формулу Ито, к безрисковому доходу, и сокращая $\Delta t$, математики приходят к классическому дифференциальному уравнению Блэка-Шоулза:
$$\frac{\partial G}{\partial t} + r P \frac{\partial G}{\partial P} + \frac{1}{2}\sigma^2 P^2 \frac{\partial^2 G}{\partial P^2} - rG = 0$$
Профессор Кемпторн акцентирует внимание на универсальности этого уравнения. Оно справедливо не только для стандартных («ванильных») опционов, но и для любых зависимых финансовых контрактов (contingent claims), чья стоимость определяется ценой базового актива и временем. Уникальность формулы заключается и в том, что в нее вообще не входит параметр ожидаемой доходности акции $\mu$ — цена опциона зависит исключительно от безрисковой ставки $r$ и волатильности $\sigma$.
Отвечая на вопрос из аудитории о том, за какую именно часть работы экономисты получили Нобелевскую премию, Кемпторн поясняет, что высшей награды были удостоены именно модификации и расширения теории, позволившие моделировать сложные производные инструменты в условиях допущения об отсутствии арбитража.
Второй вопрос из зала затронул проблему динамичности портфеля: если количество акций $\partial G / \partial P$ постоянно меняется вместе с движением рынка, как портфель может оставаться стабильным? Профессор соглашается с уместностью вопроса и поясняет, что приведенный вывод является точным только для мгновенных, инфинитезимальных приращений времени. В реальном времени по мере изменения цены $P_t$ управляющему приходится непрерывно докупать или продавать акции, чтобы оставаться захеджированным. Этот процесс и называется динамическим дельта-хеджированием.
Конкретный вид решения уравнения Блэка-Шоулза зависит от граничных условий, определяемых типом финансового контракта. Для опциона колл граничным условием на момент экспирации (дата $T$) является функция в виде «клюшки» (hockey stick):
$$\max(P_T - K, 0)$$
где $K$ — цена страйк. Для опциона пут терминальное значение задается как $\max(K - P_T, 0)$.
🌡️ Уравнение диффузии, дельта-функция Дирака и линейность решений 33:23
Чтобы найти аналитическое решение уравнения Блэка-Шоулза, математики трансформируют его в классическое физическое уравнение диффузии (или уравнение теплопроводности). Это достигается путем определенной замены переменных, включающей логарифмирование шкалы цен, разворот направления времени (счет ведется от момента экспирации назад) и нормировку. Уравнение теплопроводности представляет собой простейшую форму линейного дифференциального уравнения второго порядка, свойства которого хорошо изучены физиками. В общем виде оно записывается как:
$$\frac{\partial u}{\partial t} = \lambda \frac{\partial^2 u}{\partial x^2}$$
Одним из фундаментальных решений этого уравнения является плотность нормального (гауссова) распределения вероятностей. Кемпторн напоминает, что геометрически плотность распределения представляет собой колоколообразную кривую. Динамика изменения тепла (или плотности вероятности) во времени напрямую пропорциональна кривизне (второй производной) функции. В местах с высокой отрицательной кривизной (на вершине «колокола») график со временем проседает, а в местах с положительной кривизной (у основания) — приподнимается. В результате с течением времени кривая становится все более плоской.
Решения уравнения теплопроводности обладают свойством линейности, что открывает широкие возможности для моделирования:
- Если существуют два независимых решения $u_1$ и $u_2$, то их сумма также будет являться законным решением.
- Свойство линейности распространяется и на непрерывные интегральные взвешенные суммы решений.
Для нахождения решения с произвольными начальными условиями ученые используют абстрактный математический инструмент — дельта-функцию Дирака $\delta(x)$. Профессор Кемпторн делает небольшое историческое отступление, напоминая, что Поль Дирак был выдающимся физиком Кембриджского университета и входил в топ-4 мировых ученых своей эпохи наряду со Шрёдингером.
Дельта-функция Дирака — это воображаемая, предельная функция. Она равна нулю во всех точках, кроме нуля, где она устремляется в бесконечность, но при этом ее интеграл по всей числовой прямой строго равен единице. Её можно представить как предел плотности нормального распределения, у которого дисперсия стремится к нулю, из-за чего весь вес функции концентрируется в одной точке.
Используя интегрирование функции Дирака, математики могут разложить любое сложное начальное граничное условие $u_0(x)$ в непрерывную сумму таких точечных импульсов. В качестве примера рассматривается решение уравнения, где начальным условием выступает индикаторная функция — она равна единице, если траектория процесса оказывается внутри интервала от $a$ до $b$, и нулю в противном случае.
Математическое ожидание такой индикаторной функции сводится к банальному расчету вероятности попадания случайной траектории в заданный коридор. Эта вероятность выражается через интеграл Гаусса и стандартную функцию распределения (CDF), что позволяет получить точное решение задачи. Любые сложные ступенчатые функции могут быть представлены как линейные комбинации и сдвиги таких базовых решений.
🔄 Теоремы существования и процесс Орнштейна-Уленбека 1:04:18
В финальной части лекции рассматриваются общие стохастические дифференциальные уравнения, в которых коэффициенты дрейфа $\mu(t, X_t)$ и волатильности $\sigma(t, X_t)$ не являются константами, а нелинейно зависят от текущего времени и уровня самого процесса.
Для того чтобы у таких сложных уравнений в принципе существовало решение, они должны удовлетворять двум важнейшим математическим условиям:
- Условие Липшица: ограничивает скорость изменения функций дрейфа и волатильности по пространственной переменной, не позволяя им совершать резкие скачки.
- Условие пространственного роста: ограничивает общую величину дрейфа и квадрата волатильности, не давая им расти быстрее, чем квадратичная функция от $x$.
Если эти условия соблюдены, то начинает действовать фундаментальная теорема существования и единственности. Она утверждает, что если два случайных процесса являются решениями одного и того же СДУ с одинаковыми начальными условиями, то они полностью совпадают друг с другом с вероятностью единица (или «почти наверное»). Одним из практических методов поиска таких решений является метод сопоставления коэффициентов (coefficient matching), основанный на подборе дифференциальных выражений под формулу Ито.
Ярким примером нетривиального СДУ с зависящими от пространства коэффициентами является процесс Орнштейна-Уленбека. Его ключевое отличие от броуновского движения заключается в том, что коэффициент дрейфа не постоянен, а пропорционален расстоянию от текущего значения процесса до некоторого долгосрочного среднего уровня.
Исторически этот процесс был разработан физиками для моделирования движения и средних скоростей молекул газа в замкнутом резервуаре при определенной температуре. Однако в дальнейшем модель нашла колоссальное применение в финансовой математике. В частности, экономист Станислав Васичек использовал процесс Орнштейна-Уленбека для создания своей знаменитой модели динамики процентных ставок (модель Васичека).
Суть процесса заключается в эффекте возвратности к среднему (mean reversion):
- Если текущее значение процесса поднимается существенно выше долгосрочного среднего уровня, дрейф становится отрицательным, утягивая траекторию вниз.
- Если значение падает слишком низко, дрейф меняет знак на положительный, подталкивая процесс вверх.
Математически уравнение решается через предположение, что искомый процесс можно представить в виде произведения двух отдельных функций времени и стохастического интеграла. Важнейшим отличием процесса Орнштейна-Уленбека от классического броуновского движения является его эргодичность. Броуновское движение со временем «растекается», и его дисперсия стремится к бесконечности. Процесс Орнштейна-Уленбека имеет строгое стационарное предельное распределение с постоянным математическим ожиданием и фиксированной, ограниченной дисперсией.
В самом конце занятия профессор Кемпторн упоминает о возможности расширения стохастических уравнений на многомерные случаи ($m$-мерные пространства), где приращения координируются через ковариационные матрицы, и рекомендует студентам фундаментальную литературу для углубленного изучения: математическую монографию Бернта Оксендаля (Bernt Øksendal) и классический финансовый учебник Джона Халла (John Hull) по опционам и деривативам.
