Линейная алгебра — это не просто абстрактный раздел математики, а фундаментальный каркас, на котором строится современная количественная аналитика и финансы. В этой лекции курса от MIT OpenCourseWare лектор Гилберт Стренг (Gilbert Strang) объясняет, как векторы, матрицы и собственные значения позволяют моделировать рынки, управлять портфелями ценных бумаг и вычислять риски.
📈 Векторы как основа финансовых данных 0:11
Работа в количественных финансах начинается с представления данных в виде векторов. По определению, приведенному Гилбертом Стренгом, вектор в $M$-мерном пространстве — это упорядоченный список чисел, который чаще всего рассматривается как столбец .
В качестве базового примера лектор приводит индекс S&P 500:
- Вектор цен (P): Список из 500 положительных значений, соответствующих ценам закрытия акций в определенный день .
- Вектор портфеля (Q): Количество акций каждой компании, которыми владеет инвестор .
- Стоимость портфеля ($V$): Результат скалярного произведения (dot product) векторов $Q$ и $P$. Это сумма произведений количества акций на их цену .
Гилберт Стренг подчеркивает, что для удобства расчетов в вектор часто включают «нулевой актив» — денежные средства (cash). Если цена одной единицы кэша всегда равна $1, то количество единиц $Q_0$ просто отражает сумму наличных в портфеле .
🔄 Динамика портфеля: ребалансировка и P&L 4:35
Управление портфелем подразумевает постоянное изменение позиций. Гилберт Стренг описывает процесс ребалансировки как переход от количества акций в день $T$ к количеству в день $T+1$ через изменение $\Delta J$ .
Ключевые правила управления портфелем:
- Условие самофинансирования: Сумма изменений позиций, умноженная на цены в момент ребалансировки, должна равняться нулю. Это означает, что инвестор не вносит и не выводит средства, а лишь перераспределяет их между активами .
- Расчет прибыли и убытков (P&L): Гилберт Стренг отмечает, что термин P&L (Profit and Loss) часто используется как синоним чистого изменения стоимости портфеля . Математически это произведение вектора акций, удерживаемых с прошлого дня, на вектор изменения цен .
- Информационное ограничение: Лектор акцентирует внимание на том, что состав портфеля $Q_t$ на следующий день определяется в конце предыдущего дня ($T-1$). Мы не можем использовать информацию из будущего для принятия решений сегодня .
📉 Короткие продажи и арбитражные возможности 11:17
В линейной алгебре элементы вектора могут быть отрицательными. В финансах это соответствует «коротким продажам» (short-selling).
В ходе лекции студент по имени Александр дает определение этого механизма: инвестор сначала продает акции, взятые взаймы у брокера, чтобы позже выкупить их по более низкой цене . Гилберт Стренг дополняет, что такая операция создает положительный денежный поток на счету, что позволяет инвестировать в другие активы сумму, превышающую 100% собственного капитала .
Особый интерес представляют два типа стратегий:
- Портфель с нулевой стоимостью: Ситуация, когда сумма стоимостей длинных (long) и коротких (short) позиций в точности равна нулю .
- Арбитраж: Портфель с нулевой стоимостью, который с некоторой вероятностью принесет прибыль и гарантированно не принесет убытков. Гилберт Стренг поясняет, что в эффективных рынках чистый арбитраж практически невозможен, поэтому финансисты ищут «статистический арбитраж» — стратегии, имеющие положительное математическое ожидание прибыли .
📊 Матрицы и цепи Маркова в прогнозировании 21:23
Переход от векторов к матрицам позволяет описывать сложные системы. Гилберт Стренг предлагает рассматривать матрицу как коллекцию векторов-столбцов. Умножение матрицы на вектор в этом случае — это линейная комбинация столбцов матрицы с коэффициентами из вектора .
Одним из важнейших приложений матриц являются стохастические матрицы, используемые в цепях Маркова .
Принципы работы цепей Маркова в финансах:
- Сумма элементов в каждом столбце стохастической матрицы равна 1 .
- Матрица описывает вероятности перехода системы из состояния $J$ в состояние $I$.
- Эволюция вероятностей во времени рассчитывается как последовательное умножение вектора состояний на матрицу переходов .
- Стационарное распределение: Если мы возводим матрицу в высокую степень, система может прийти к устойчивому состоянию, где вероятности больше не меняются. По мнению лектора, это происходит, если цепь является ациклической (отсутствуют циклы) .
⚖️ Моделирование рынка и условие отсутствия арбитража 41:30
Для анализа рынков используется однопериодная модель. Гилберт Стренг вводит два типа активов:
- Облигация (Bond): Безрисковый актив, стоимость которого растет с фиксированной процентной ставкой $R_f$ .
- Акция (Stock): Рисковый актив, цена которого в конце периода случайна и зависит от состояния рынка (например, «вверх» или «вниз») .
Центральная концепция здесь — реплицирующий портфель. Если мы можем составить комбинацию из акций и облигаций, которая в точности повторяет выплаты производного инструмента (например, колл-опциона), то цена этого инструмента сегодня должна быть равна стоимости такого портфеля .
Гилберт Стренг формулирует условия здорового рынка:
- Отсутствие арбитража: Существует мера вероятности (pricing measure), при которой текущая цена актива равна его дисконтированной ожидаемой будущей стоимости .
- Полнота рынка: Состояние, при котором любой возможный сценарий выплат может быть воспроизведен с помощью имеющихся на рынке активов .
🧬 Собственные значения и диагонализация 1:15:51
В завершение лекции Гилберт Стренг переходит к более сложным инструментам — собственным значениям ($\lambda$) и собственным векторам ($V$). Основное уравнение $AV = \lambda V$ показывает, как матрица может просто растягивать вектор, не меняя его направления .
Этот аппарат критически важен для:
- Диагонализации матриц: Представление матрицы в виде $A = S \Lambda S^{-1}$, где $\Lambda$ — диагональная матрица собственных значений .
- Возведения матриц в степень: Это необходимо для расчета долгосрочных прогнозов в цепях Маркова или фильтрах Калмана (Kalman filters) .
Для практического освоения материала лектор рекомендует использовать программу в R Studio, которая позволяет моделировать портфели на основе реальных данных S&P 500 и визуализировать изменение их стоимости во времени .
🛠 Технический туториал: Моделирование портфеля
Инструменты: R Studio, R Studio Cloud.
Шаги для расчета стоимости и ребалансировки:
- Формирование векторов: Создайте вектор цен $P$ и вектор долей $Q$. Не забудьте включить денежную позицию как $Q_0$ с ценой $P_0 = 1$.
- Расчет текущей стоимости: Используйте операцию скалярного произведения. В R это может быть реализовано через оператор
%*%. - Определение дельты ребалансировки: Задайте вектор изменений $\Delta Q$. Убедитесь, что соблюдено условие самофинансирования: $\sum (\Delta Q_j \cdot P_j) = 0$.
- Прогноз состояний: Для оценки будущих вероятностей используйте стохастическую матрицу переходов $A$. Умножьте ее на текущий вектор вероятностей состояний $\pi$.
- Диагонализация (для долгосрочного прогноза): Найдите собственные значения матрицы перехода, чтобы понять, к какому стационарному распределению придет рынок через $K$ периодов.
