Вопрос 1. Вероятностные основы моделирования финансового рынка
В финансовой экономике принято оперировать понятием актива, относя к нему любую ценность. В зависимости от того, связано или нет владение тем или иным активом с риском, их множество разделяется на рисковые и безрисковые. Риск при этом понимается как та неопределенность в финансовых контрактах с активами, которая может привести к финансовым потерям. Емкими примерами таких активов являются акции и облигации (банковский счет)
. Они образуют основу финансового рынка как пространства, снабженного соответствующей "торговой" инфраструктурой.
Пусть активы (безрисковый) и
(рисковый) полностью определяются в любой момент времени
своими ценами. Поэтому естественно считать базисной компонентой финансового рынка эволюцию цен
и
, которая осуществляется в соответствии с уравнениями
,
,
где
,
,
Относительно сразу будем говорить как о постоянной процентной ставке. Величины
, определяющие эволюцию цен
, уточним несколько позднее.
Ещё одной неотъемлемой компонентой финансового рынка является набор допустимых действий, или стратегий, которые можно производить с активами и
.
Последовательность называется стратегией (портфелем), если для каждого
величины
и
полностью определяются значениями цен
. Это означает, что
и
являются функциями от
:
и
. Их интерпретация – это количество единиц актива
и
соответственно.
С портфелем неразрывно связано понятие капитала портфеля:
,
где первая компонета показывает, сколько средств лежит на банковском счете, а вторая
– сколько вложено в акции.
Если изменение капитала портфеля
происходит только за счет изменения цен банковского счета и акций
,
то портфель называется самофинансируемым (
).
Модель эволюции цен и
с классом
называется
-рынком, или финансовым рынком с базовыми активами
и
.
На этом рынке, где активы и
играют роль основных ценных бумаг, можно формировать производные ценные бумаги.
Например, форвардный контракт на покупку акции в момент времени
– это соглашение, регламентирующее одной стороне покупку этой акции, а другой – продажу по цене
(цена поставки). Другой контракт – опцион покупателя – это соглашение, дающее право одной стороне на покупку акции по цене
(цена исполнения), а другую обязывающее обеспечить продажу акции по цене
в момент
. В отличие от форвардного опционный контракт предполагает в момент заключения уплату премии.
Общая черта всех производных ценных бумаг – это их "распространенность в будущее" и "оттянутая в будущее выплата" . В первом случае
, а во втором
. Такие будущие платежи, которые можно отождествлять с производными ценными бумагами, будем называть платежными обязательствами.
Основной проблемой здесь является нахождение цены такого обязательства (или бумаги) в любой момент времени до истечения его срока действия. Ключевым элементом в этой проблеме является хеджирование платежных обязательств.
Портфель называется хеджем для
, если
при любом поведении рынка. Таких портфелей может быть много и важно выбрать хедж
с наименьшим капиталом (минимальный хедж):
для любого хеджа
при любом развитии рынка (см. рис. 2.1.1):
Рис.2.1.1: Динамика капитала хеджирующих стратегий.
Ясно, что построение минимального хеджа открывает естественный путь решения проблемы цены платёжного обязательства как капитала минимального хеджа, а также управления риском с ним связанным.
Для этого потребуется некоторое уточнение понятия рискового актива в рассматриваемой модели финансового рынка, которое основывается на определенных понятиях из теории вероятностей и стохастического анализа.
Будем исходить из априорного понятия "эксперимент" с вполне определенным знанием его возможных исходов и незнанием того, какой из этих исходов произойдет до проведения эксперимента (случайность эксперимента).
Пример биржевых торгов. Есть знание возможных значений курса рубль/доллар и т. д., но до самих торгов неизвестно, какой же всё-таки будет курс.
Обозначим множество "элементарных" исходов через . Из них образовываются события (неэлементарные исходы), которые формируют множество событий
, содержащее невозможное
и достоверное
события.
Далее, если , то повторение эксперимента
раз фиксирует событие
раз и соответственно частоту появления
. Рассматривают только такие эксперименты, "случайность" которых обладает свойством статистической устойчивости, когда для любого события
существует число
такое, что
при
.
Указанное свойство называют статистической устойчивостью эксперимента, а определяемое этим свойством число – вероятностью события . Очевидны свойства вероятности
, как функции на
:
1) и
;
2) для
.
Набор принято называть вероятностным пространством. Часто вместо события
рассматривают его индикатор
:
если
если
Индикатор является важным и простым примером случайной величины
, как функции от
на этом пространстве, когда каждому значению
сопоставляется вполне определенное действительное число
. В зависимости от того, исчерпывается множество значений случайной величины числовой последовательностью
или заполняет целые интервалы, случайную величину называют дискретной или непрерывной соответственно. В этих случаях естественной числовой характеристикой
является среднее, или математическое ожидание:
где называется распределением, а неотрицательная функция
– плотностью.
Формально обе формулы можно записать в виде
,
где называют функцией распределения.
Ясно, что в дискретном случае , а в непрерывном
.
Если – некоторая функция, то можно говорить о случайной величине
. Для нее также определено математическое ожидание
соответственно,
если сумма или интеграл в правой части существуют.
В частности, для соответствующее математическое ожидание называется дисперсией
:
Примеры распределений:
1) Распределение Бернулли – это распределение случайной величины , принимающей два значения
:
с вероятностью
и
с вероятностью
;
2) Биномиальное распределение – это распределение случайной величины, принимающей значения при этом
,
,
;
3) Пуассоновское распределение (с параметром ) – это распределение случайной величины
со значениями
и при этом
.
4) Нормальное распределение – это распределение случайной величины с плотностью
.
Пусть на задана положительная случайная величина
c
. Для каждого события
определим его новую вероятность
. Тогда относительно этой новой вероятности случайная величина
имеет и новое среднее:
При выводе этой формулы замены вероятности в математическом ожидании была использована линейность, устанавливаемая непосредственно из определения:
для постоянных
.
Несколько следующих понятий и фактов обсудим только для дискретных случайных величин и
со значениями
и
соответственно.
Вероятность называется совместным распределением
и
, при этом
и
.
Обозначая и
, приходим к важному понятию независимости
и
, означающему, что
.
Как следствие, для двух независимых случайных величин и
имеем, что
.
Условным математическим ожиданием случайной величины при условии, что
, называется число
.
Случайная величина есть по определению условное математическое ожидание
при условии
, если
совпадает с
на множестве
.
В частности, для "тривиальных" случайных величин и
получаем определение условной вероятности
.
Отметим следующие свойства условных математических ожиданий:
1) , что для
и
соответствует формуле полной вероятности
;
2) для независимых и
имеем, что
.
3) Ввиду самого определения условное математическое ожидание является функцией от
и в этом смысле может интерпретироваться как прогноз
на основе информации, доставляемой "наблюдаемой" величиной
.
Наконец, для "восстановления" распределения случайной величины , принимающей значения
полезно понятие производящей функции
, для которой
и
для независимых случайных величин
.
Обратимся снова к примеру биржевых торгов и рассмотрим этот случайный эксперимент от нуля до (
– это "сегодня",
– это месяц, квартал, год и т.д.) Ясно, что "элементарный" исход такого эксперимента может быть записан в виде последовательности
, где
– "элементарный" исход завтрашних торгов и т.д.
Возникает вероятностное пространство таких растянутых до "временного горизонта"
торгов.
Если торги рассматривать до каждого момента , то соответствующее пространство
имеет элементарные исходы
и запас событий
.
Таким образом, стремление уловить эволюцию торгов приводит к необходимости рассматривать пространство с выделенным информационным потоком
, таким, что
, которое принято называть стохастическим базисом (случайного эксперимента торгов).
Вернемся к модели финансового рынка.
Первый актив считается безрисковым, поэтому разумно предположение о его неслучайности:
для всех
. Второй актив
– рисковый и разумно отождествить его рисковость со случайностью, предполагая
– случайными величинами на описанном выше стохастическом базисе (например, биржевых торгов). При этом, каждая из величин
полностью определяется результатами торгов до момента
, или набором событий
. Будем предполагать, с другой стороны, что случайность механизма торгов полностью исчерпывается ценами акций, что записывается в виде
.
Для получения конкретных ответов в предполагаемых финансовых расчетах необходимо конкретизировать механизм случайности цен. Пусть в модели -рынка величины
являются случайными, независимыми и принимающими два значения
и
, где
,
. Значит, формально представленное выше вероятностное пространство можно отождествить с
– пространством последовательностей длины
, где на
-м месте располагается либо
, либо
;
– множество всех подмножеств из
;
– вероятность, индуцируемая бернуллиевской вероятностью
.
Информационный поток, или фильтрация , порождается ценами
, или, что эквивалентно, последовательностью
:
Последнее просто означает, что любая случайная величина на является функцией от
или
с учетом их взаимосвязи
,
Финансовый
-рынок, заданный на описанном выше стохастическом базисе, будем называть биномиальным.
Вспоминая проблему хеджирования, сразу отмечаем, что платежное обязательство , исполняемое в последний день торгов, определяется, вообще говоря, событиями всей предыдущей предыстории
и, следовательно, является функцией
:
. Проблема же состоит в возможности оценить
на основе доступной лишь к моменту
рыночной информации
. Значит, необходимо делать оценку, или прогноз,
на основе текущей информации
,
.
Сформулируем те эвристически понятные свойства прогноза, который будем обозначать для
.
1) – это функция только от
, но не от ненаблюдаемых ещё рыночных цен
2) Прогноз на основе тривиальной информации должен совпадать со средним прогнозируемого платежного обязательства: при ,
.
3) Прогнозы должны быть согласованы в том смысле, что прогноз совпадает с прогнозом для следующего прогноза
. Как следствие, прогноз в среднем совпадает со средним от
:
.
4) Прогноз по всей доступной информации совпадает с прогнозируемой величиной:
.
5) Прогноз для линейной комбинации , где
и
полностью определяются по информации
, равен линейной комбинации прогнозов:
6) Если прогнозируемая величина не зависит от текущей информации
, то прогноз на основе такой информации тривиален и равен среднему
.
7) Обозначая из свойства 3) получаем, что
для всех
. Такие стохастические последовательности называются мартингалами.
Значит, если от прогнозов потребовать перечисленные выше естественные свойства, то они образуют мартингал на стохастическом базисе . "Мартингальность" означает, что прогноз для следующего значения прогноза совпадает с его предыдущим значением.