# Линейная алгебра в финансах: Гилберт Стренг о векторах, матрицах и S&P 500 Источник: https://www.youtube.com/watch?v=0uimNNIuUyY Канал: MIT OpenCourseWare Опубликовано: 03.12.2025 --- 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 [[JUMP: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 [1:18]. 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 [2:43]. * **Вектор портфеля (Q):** Количество акций каждой компании, которыми владеет инвестор [3:13]. * **Стоимость портфеля ($V$):** Результат скалярного произведения (dot product) векторов $Q$ и $P$. Это сумма произведений количества акций на их цену [3:39]. 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 [4:21]. ## 🔄 Динамика портфеля: ребалансировка и P&L [[JUMP: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 $\Delta J$ [5:04]. Ключевые правила управления портфелем: 1. **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 [5:34]. 2. **Расчет прибыли и убытков (P&L):** Гилберт Стренг отмечает, что термин P&L (Profit and Loss) часто используется как синоним чистого изменения стоимости портфеля [6:01]. Математически это произведение вектора акций, удерживаемых с прошлого дня, на вектор изменения цен [6:28]. 3. **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 [9:33]. ## 📉 Короткие продажи и арбитражные возможности [[JUMP: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 [12:09]. Гилберт Стренг дополняет, что такая операция создает положительный денежный поток на счету, что позволяет инвестировать в другие активы сумму, превышающую 100% собственного капитала [12:53]. Особый интерес представляют два типа стратегий: * **Портфель с нулевой стоимостью:** Ситуация, когда сумма стоимостей длинных (long) и коротких (short) позиций в точности равна нулю [13:35]. * **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 [16:45]. ## 📊 Матрицы и цепи Маркова в прогнозировании [[JUMP: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 [23:51]. Одним из важнейших приложений матриц являются **стохастические матрицы**, используемые в цепях Маркова [30:02]. Принципы работы цепей Маркова в финансах: * Сумма элементов в каждом столбце стохастической матрицы равна 1 [30:43]. * Матрица описывает вероятности перехода системы из состояния $J$ в состояние $I$. * Эволюция вероятностей во времени рассчитывается как последовательное умножение вектора состояний на матрицу переходов [34:03]. * **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) [36:55]. ## ⚖️ Моделирование рынка и условие отсутствия арбитража [[JUMP:41:30]] Для анализа рынков используется однопериодная модель. Гилберт Стренг вводит два типа активов: 1. **Облигация (Bond):** Безрисковый актив, стоимость которого растет с фиксированной процентной ставкой $R_f$ [43:28]. 2. **Акция (Stock):** Рисковый актив, цена которого в конце периода случайна и зависит от состояния рынка (например, «вверх» или «вниз») [47:40]. 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 [54:47]. Гилберт Стренг формулирует условия здорового рынка: * **Отсутствие арбитража:** Существует мера вероятности (pricing measure), при которой текущая цена актива равна его дисконтированной ожидаемой будущей стоимости [11:36]. * **Полнота рынка:** Состояние, при котором любой возможный сценарий выплат может быть воспроизведен с помощью имеющихся на рынке активов [11:10]. ## 🧬 Собственные значения и диагонализация [[JUMP: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 [1:16:05]. Этот аппарат критически важен для: * **Диагонализации матриц:** Представление матрицы в виде $A = S \Lambda S^{-1}$, где $\Lambda$ — диагональная матрица собственных значений [1:19:11]. * **Возведения матриц в степень:** Это необходимо для расчета долгосрочных прогнозов в цепях Маркова или фильтрах Калмана (Kalman filters) [1:20:03]. 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 [1:20:45]. --- ### 🛠 Технический туториал: Моделирование портфеля **Инструменты:** R Studio, R Studio Cloud. **Шаги для расчета стоимости и ребалансировки:** 1. **Формирование векторов:** Создайте вектор цен $P$ и вектор долей $Q$. Не забудьте включить денежную позицию как $Q_0$ с ценой $P_0 = 1$. 2. **Расчет текущей стоимости:** Используйте операцию скалярного произведения. В R это может быть реализовано через оператор `%*%`. 3. **Определение дельты ребалансировки:** Задайте вектор изменений $\Delta Q$. Убедитесь, что соблюдено условие самофинансирования: $\sum (\Delta Q_j \cdot P_j) = 0$. 4. **Прогноз состояний:** Для оценки будущих вероятностей используйте стохастическую матрицу переходов $A$. Умножьте ее на текущий вектор вероятностей состояний $\pi$. 5. **Диагонализация (для долгосрочного прогноза):** Найдите собственные значения матрицы перехода, чтобы понять, к какому стационарному распределению придет рынок через $K$ периодов.