বিনিময় হার ও অপশনের এনট্রপি গতিবিদ্যা: একটি সর্বোচ্চ এনট্রপি কাঠামো

1. ভূমিকা

এই নিবন্ধটি বৈদেশিক মুদ্রার বিনিময় হারের গতিশীলতা মডেলিং এবং ইউরোপীয় অপশনের মূল্য নির্ধারণের জন্য একটিএনট্রপি ডায়নামিক্সকাঠামো প্রস্তাব করে। এর মূল লক্ষ্য হলো প্রচলিত স্টোকাস্টিক ক্যালকুলাস পদ্ধতির জন্য একটি তথ্য-তত্ত্ব-ভিত্তিক বিকল্প তাত্ত্বিক ভিত্তি প্রদান করা। নিউ ইয়র্ক স্টেট ইউনিভার্সিটি, আলবানি-এর লেখক মোহাম্মদ আবেদি এবং ড্যানিয়েল বার্তোলোমিও,এনট্রপি ইনফারেন্স和ম্যাক্সিমাম এনট্রপিনীতি ব্যবহার করে তথ্যের অসম্পূর্ণতা মোকাবেলা করেন—যা আর্থিক বাজারের একটি সাধারণ বাস্তবতা। এই কাঠামোটি পদ্ধতিগতভাবে পরিচিত প্রতিসাম্য (যেমন স্কেল ইনভেরিয়েন্স) অন্তর্ভুক্ত করে, যার ফলে প্রথম নীতি থেকে জ্যামিতিক ব্রাউনিয়ান গতি এবং Garman-Kohlhagen-এর মতো ধ্রুপদী মডেল উদ্ভূত হয়।

2. তাত্ত্বিক কাঠামো

এই পদ্ধতিটি এনট্রপি ইনফারেন্সের তিনটি স্তম্ভের উপর ভিত্তি করে প্রতিষ্ঠিত।

2.1. এনট্রপি অনুমানের ভিত্তি

এনট্রপি অনুমান হলো একটি আবেশিক কাঠামো যা অনিশ্চয়তার অধীনে যুক্তির জন্য ডিজাইন করা হয়েছে। এটি আংশিক তথ্য প্রক্রিয়াকরণের জন্য শাস্ত্রীয় যুক্তিবিদ্যাকে প্রসারিত করে। সম্ভাব্যতা বণ্টনগুলি সিস্টেম সম্পর্কে জ্ঞানের অবস্থাকে উপস্থাপন করে।

2.2. ন্যূনতম আপডেট নীতি

যখন নতুন তথ্য পাওয়া যায়, তখন পূর্ববর্তী সম্ভাব্যতা বণ্টন ব্যবহার করেআপেক্ষিক এনট্রপিআপডেট করা হয়। আপডেট প্রক্রিয়াটি অনুসরণ করেন্যূনতম আপডেট নীতি, এই নীতিটি নিশ্চিত করে যে শুধুমাত্র নতুন তথ্যের জন্য প্রয়োজনীয় মাত্রায় পরিবর্তন করা হয়, যার ফলে ন্যূনতম বিচ্যুতি সহ একটি পশ্চাৎ বিতরণ তৈরি হয়।

2.3. তথ্য জ্যামিতি

সম্ভাব্যতা বিতরণের স্থানটি একটি রিমানীয় ম্যানিফোল্ড গঠন করে, যার অনন্য মেট্রিক ফিশার তথ্য থেকে উদ্ভূত। এইতথ্য জ্যামিতিবিতরণের মধ্যে দূরত্বের একটি ধারণা প্রদান করে, যা গতিবিদ্যা সংজ্ঞায়িত করার জন্য অত্যন্ত গুরুত্বপূর্ণ। লেখক পোর্টফোলিও অপ্টিমাইজেশনে এর সম্ভাব্য গুরুত্ব উল্লেখ করেছেন, যা ভবিষ্যতের কাজের জন্য অপেক্ষমান।

৩. বৈদেশিক মুদ্রা বিনিময় হারের এনট্রপি গতিবিদ্যা

এনট্রপি গতিবিদ্যা সিস্টেম কীভাবে পরিবর্তিত হয় তা মডেল করার জন্য অনুমান কাঠামো প্রয়োগ করে, যা সিস্টেম-নির্দিষ্টএনট্রপি সময়。

৩.১. স্কেল ইনভেরিয়েন্স ও চলক নির্বাচন

বৈদেশিক মুদ্রা বাজারের একটি মূল প্রতিসাম্য হলোস্কেল ইনভেরিয়েন্স: $S \rightarrow \lambda S$ (যেখানে $S$ হলো বিনিময় হার) এর মতো রূপান্তরের অধীনে গতিবিদ্যা অপরিবর্তিত থাকা উচিত। এই প্রতিসাম্যকে প্রকাশ করতে, লেখক $x = \log S$ কে মডেলিংয়ের জন্য স্বাভাবিক চলক হিসেবে নির্ধারণ করেন, কারণ রূপান্তরটি অনুবাদে পরিণত হয় $x \rightarrow x + \log \lambda$।

৩.২. জ্যামিতিক ব্রাউনিয়ান গতির উদ্ভব

বৈদেশিক বিনিময় হার সম্পর্কে উপলব্ধ তথ্যের (যেমন এর প্রত্যাশিত প্রবাহ হার ও অস্থিরতা) উপর ভিত্তি করে সীমাবদ্ধতা আরোপ করে এবং এই সীমাবদ্ধতার অধীনে আপেক্ষিক এনট্রপি সর্বাধিক করে, কাঠামোটি স্বাভাবিকভাবেই $x$-এর গতিবিদ্যা উদ্ভব করে। $S$-এ ফিরে রূপান্তর করলে পাওয়া যায়জ্যামিতিক ব্রাউনিয়ান গতিসমীকরণ:

৪. অপশন মূল্য নির্ধারণ কাঠামো

ডেরিভেটিভের মূল্য নির্ধারণের জন্য, আর্বিট্রেজ এড়াতে রিস্ক-নিউট্রাল ভ্যালুয়েশন কাঠামো অত্যন্ত গুরুত্বপূর্ণ।

৪.১. রিস্ক-নিউট্রাল মেজার উদ্ভব

এনট্রপি কাঠামোর মধ্যে, বাস্তব জগতের মেজার $\mathbb{P}$ থেকে রিস্ক-নিউট্রাল মেজার $\mathbb{Q}$-তে রূপান্তরকে একটি অনুমান সমস্যা হিসেবে ব্যাখ্যা করা হয়। এতে "ছাড়কৃত সম্পদের মূল্য অবশ্যই মার্টিংগেল হতে হবে (কোন আর্বিট্রেজ নয়)" এই নতুন তথ্য দিয়ে পূর্ববর্তী (বাস্তব জগতের গতিবিদ্যা) আপডেট করা জড়িত। এই সীমাবদ্ধতার অধীনে ন্যূনতম আপডেট নীতি প্রয়োগ করলে $\mathbb{Q}$-কে সংজ্ঞায়িতকারী Girsanov উপপাদ্য রূপান্তর পাওয়া যায়।

4.2. Garman-Kohlhagen মডেল

বৈদেশিক মুদ্রার বিনিময় হারের GBM গতিবিদ্যায় (যাতে দুটি সুদের হার জড়িত: স্থানীয় মুদ্রার হার $r_d$ এবং বিদেশি মুদ্রার হার $r_f$) রিস্ক-নিউট্রাল মেজার প্রয়োগ করে এবং ইউরোপীয় অপশনের জন্য Black-Scholes-Merton PDE সমাধান করলে পাওয়া যায়Garman-Kohlhagen সূত্র:

6. মৌলিক বিশ্লেষণ: সমালোচনামূলক দৃষ্টিভঙ্গি

Abedi এবং Bartolomeo-এর গবেষণাপত্রটি তথ্য তত্ত্বের দৃষ্টিকোণ থেকে ধ্রুপদী আর্থিক গণিতকে পুনর্গঠন করে একটি চিত্তাকর্ষক বুদ্ধিবৃত্তিক অনুশীলন উপস্থাপন করে। এর প্রধান অবদান নতুন মডেল নয়, বরং বিদ্যমান মডেল—জ্যামিতিক ব্রাউনিয়ান গতি এবং Garman-Kohlhagen মডেল—এর একটি নতুনব্যাখ্যা和যুক্তিএটি পরিমাণগত অর্থায়নে মৌলিক নীতি অনুসন্ধানের ব্যাপক প্রবণতার সাথে সামঞ্জস্যপূর্ণ, যা অর্থনীতিতে স্বতঃসিদ্ধ পদ্ধতি বা পদার্থবিজ্ঞানে প্রথম নীতি অনুসন্ধানের স্মৃতি জাগায়।

প্রযুক্তিগতভাবে, সর্বোচ্চ এনট্রপি নীতি ব্যবহার করে গতিবিদ্যা নির্ণয় করা মার্জিত। স্কেল ইনভেরিয়েন্সের কারণে $\log S$-কে সঠিক চলক হিসেবে চিহ্নিত করা একটি গুরুত্বপূর্ণ এবং সুযুক্তিযুক্ত পদক্ষেপ। এটি GBM-এর পর সফল প্রায় সব স্টোকাস্টিক ভোলাটিলিটি এবং জাম্প-ডিফিউশন মডেলে লগ-মূল্যের ব্যবহারের প্রতিধ্বনি করে। তবে, কাঠামোটির আউটপুট—স্ট্যান্ডার্ড GBM—এর সবচেয়ে বড় সীমাবদ্ধতা। ১৯৮৭ সালের শেয়ারবাজার ধস এবং ২০০৮ সালের সংকটের পর থেকে আর্থিক সাহিত্য GBM-এর অভিজ্ঞতাগত ত্রুটিগুলোকে অপ্রতিরোধ্য প্রমাণ দিয়েছে: এটি ভোলাটিলিটি ক্লাস্টারিং (যেমন GARCH মডেলে দেখা যায়), মোটা-লেজযুক্ত রিটার্ন এবং অপশন বাজারে ব্যাপকভাবে বিদ্যমান ভোলাটিলিটি স্মাইল/স্কিউ ক্যাপচার করতে পারে না। হেস্টন মডেল বা কন্ট এবং ট্যাঙ্কভের পর্যালোচিত অসীম কার্যকলাপের Lévy প্রক্রিয়ার মতো মডেলগুলো এই ফাঁকগুলো পূরণ করার জন্যই তৈরি করা হয়েছে।

তাই, এই নিবন্ধের তাৎপর্য এর চূড়ান্ত সমীকরণে নয়, বরং এর পদ্ধতিগত সম্ভাবনায়। এনট্রপি অনুমান কাঠামোটি মূলত নমনীয়। GBM নির্ণয়ের জন্য ব্যবহৃত সীমাবদ্ধতাগুলো (রিটার্নের গড় এবং ভ্যারিয়েন্স) অত্যধিক সরলীকৃত। প্রকৃত পরীক্ষা হবে আরও বাস্তবসম্মত সীমাবদ্ধতা আরোপ করা—যেমন পর্যবেক্ষিত ভোলাটিলিটির ওঠানামা বা রিটার্ন বণ্টনের নির্দিষ্ট কিছু মোমেন্ট—এবং দেখা কী ধরনের গতিবিদ্যা উৎপন্ন হয়। এটি কি হেস্টন-টাইপ মডেল নির্ণয় করতে পারে? এটি আরও বেশি প্রভাবশালী অবদান হবে। পোর্টফোলিও অপ্টিমাইজেশনে ভবিষ্যতে ইনফরমেশন জিওমেট্রি প্রয়োগের কাজের উল্লেখ বিশেষভাবে চিন্তা-উদ্রেককারী। ফিশার ইনফরমেশন মেট্রিক প্যারামিটার অনুমান ত্রুটির বিরুদ্ধে পোর্টফোলিওর স্থিতিশীলতা বা সংবেদনশীলতা পরিমাপের একটি কঠোর পদ্ধতি প্রদান করতে পারে, যা একটি অত্যন্ত ব্যবহারিক গুরুত্বপূর্ণ এবং সাধারণত হিউরিস্টিক পদ্ধতিতে পরিচালিত বিষয়।

সারসংক্ষেপে, এই কাজটি একটি জটিল ধারণার প্রমাণ। এটি সফলভাবে এনট্রপি গতিবিদ্যা কাঠামোকে পদার্থবিজ্ঞান থেকে অর্থায়নে স্থানান্তরিত করেছে এবং দেখিয়েছে যে এটি মৌলিক ফলাফল পুনরুৎপাদন করতে পারে। এর মূল্য নির্ভর করবে পরবর্তী গবেষণা এই কাঠামোর প্রক্রিয়াগুলো ব্যবহার করে এই মৌলিক বিষয়গুলোর পরিচিত ত্রুটিগুলো সমাধান করতে পারে কিনা, মার্জিত যুক্তি থেকে প্রকৃত উদ্ভাবনের দিকে অগ্রসর হওয়ার উপর।

7. গাণিতিক কাঠামো ও প্রযুক্তিগত বিবরণ

মূল গাণিতিক ইঞ্জিন হল সীমাবদ্ধতার অধীনে আপেক্ষিক এনট্রপি সর্বাধিক করা। একটি পূর্ববর্তী বণ্টন $q(x)$ এবং একাধিক ফাংশন $f_i$-এর প্রত্যাশিত মান $\mathbb{E}_p[f_i(x)] = F_i$ আকারে নতুন তথ্য দেওয়া থাকলে, পরবর্তী বণ্টন $p(x)$ নিম্নলিখিত রাশি ন্যূনতম করে নির্ণয় করা হয়:

ঝুঁকি-নিরপেক্ষ পরিমাপ $\mathbb{Q}$-তে রূপান্তরের জন্য একটি নতুন সীমাবদ্ধতা যুক্ত করা হয়: ডিসকাউন্টেড সম্পদের প্রত্যাশিত রিটার্ন অবশ্যই ঝুঁকিমুক্ত সুদের হারের সমান হতে হবে। এটি ল্যাগ্রাঞ্জ গুণককে পরিবর্তন করে, কার্যকরভাবে একটি ড্রিফট অ্যাডজাস্টমেন্ট টার্ম $\theta$ প্রবর্তন করে, যাতে $dW^{\mathbb{Q}}_t = dW^{\mathbb{P}}_t + \theta dt$ হয়, যা গির্সানভ উপপাদ্যের মূল ভিত্তি।

8. বিশ্লেষণ কাঠামো ও কেস উদাহরণ

কেস: কারেন্সি পেয়ারের (ইউরো/ইউএস ডলার) জন্য মডেল নির্বাচনের যুক্তি প্রদান

দৃশ্যপট: একটি ব্যাংকের কোয়ান্টিটেটিভ বিশ্লেষক স্ট্যান্ডার্ড ইউরো/ইউএস ডলার অপশন মূল্য নির্ধারণের জন্য একটি মডেল তৈরির দায়িত্বে রয়েছেন। তাকে মডেল ভ্যালিডেশন কমিটির কাছে তার মডেল নির্বাচনের যৌক্তিকতা প্রমাণ করতে হবে।

এনট্রপি কাঠামোর প্রয়োগ:

1. পূর্ববর্তী তথ্য বিবৃতি: বিশ্লেষক পরিচিত তথ্যগুলো তালিকাভুক্ত করেন: EUR/USD বিনিময় হার ধনাত্মক, এর শতকরা পরিবর্তন পরম পরিবর্তনের চেয়ে বেশি প্রাসঙ্গিক (স্কেল ইনভেরিয়েন্স), এবং ঐতিহাসিক তথ্য গড় ড্রিফট রেট এবং অস্থিরতার হার অনুমান প্রদান করে।
2. ন্যূনতম আপডেট নীতি প্রয়োগ: সর্বোচ্চ অজ্ঞতা অবস্থা ($\log S$ এর ফ্ল্যাট প্রাইওর) থেকে শুরু করে, বিশ্লেষক ড্রিফট রেট এবং অস্থিরতার সীমাবদ্ধতা অন্তর্ভুক্ত করে সর্বোচ্চ এনট্রপির মাধ্যমে বিশ্বাস আপডেট করেন।
3. গতিবিদ্যা নির্ণয়: এই কাঠামো দুটি মোমেন্ট সীমাবদ্ধতার সাথে সামঞ্জস্যপূর্ণ ন্যূনতম বিচ্যুতি মডেল হিসেবে GBM আউটপুট দেয়। বিশ্লেষক কমিটির কাছে এই নির্ণয় উপস্থাপন করেন এবং যুক্তি দেন যে, আরও বেশি প্যারামিটারযুক্ত যেকোনো মডেল (যেমন স্টোকাস্টিক অস্থিরতা মডেল) ব্যবহারের জন্য আরও জটিল আপডেটকে ন্যায্যতা দেওয়ার জন্য পরিসংখ্যানগতভাবে শক্তিশালী অতিরিক্ত তথ্যের প্রয়োজন হবে।
4. মূল্য নির্ধারণ: অপশনের মূল্য নির্ধারণের জন্য, বিশ্লেষক আর্বিট্রেজ-মুক্ত সীমাবদ্ধতা যোগ করেন এবং রিস্ক-নিউট্রাল মেজার ও Garman-Kohlhagen সূত্র নির্ণয় করেন।

ফলাফল: কমিটি GBM/Garman-Kohlhagen-কে গ্রহণ করেবেঞ্চমার্কমডেল হিসেবে, কারণ এটি সীমিত তথ্যের নীতিগত উদ্ভব থেকে এসেছে। তারা কেবল নির্দিষ্ট মেয়াদ/ইন-দ্য-মানি/আউট-অফ-দ্য-মানি ডিগ্রির জন্য আরও জটিল মডেল (যেমন SABR) অনুমোদন করতে পারে, যদি বিশ্লেষক প্রমাণ করতে পারেন (সম্ভবত একই এনট্রপি যুক্তি ব্যবহার করে) যে অতিরিক্ত বাজার তথ্য (যেমন ভোলাটিলিটি স্মাইল) GBM পূর্ববর্তী থেকে আরও জটিল আপডেটের জন্য যথেষ্ট তথ্য সরবরাহ করে।

9. ভবিষ্যৎ প্রয়োগ ও গবেষণার দিকনির্দেশনা

এনট্রপি গতিবিদ্যা কাঠামো ক্লাসিক্যাল ফলাফল পুনরুৎপাদনের বাইরে বেশ কয়েকটি আশাব্যঞ্জক পথ উন্মুক্ত করে:

• GBM-এর বাইরে: উচ্চতর ক্রমের মুহূর্ত (স্কিউনেস, কার্টোসিস) বা ভোলাটিলিটি প্রক্রিয়ার নিজস্ব সীমাবদ্ধতা অন্তর্ভুক্ত করা, এনট্রপি-ভিত্তিক লোকাল/স্টোকাস্টিক ভোলাটিলিটি বা জাম্প-ডিফিউশন মডেলের উদ্ভবের দিকে পরিচালিত করতে পারে।
• পোর্টফোলিও নির্মাণে তথ্য জ্যামিতি: লেখক যেমন ইঙ্গিত দিয়েছেন, ফিশার মেট্রিক বিভিন্ন বাজার পরিবেশের মধ্যে "পরিসংখ্যানগত দূরত্ব" পরিমাপ করতে পারে। এটি ব্যবহার করা যেতে পারে: 1) শক্তিশালী পোর্টফোলিও কৌশল তৈরি করতে, যা আনুমানিক প্যারামিটার ত্রুটির প্রতি সংবেদনশীলতা ন্যূনতম করে। 2) সাম্প্রতিক আয় এবং বর্তমান মডেলের মধ্যে তথ্যগত দূরত্ব পর্যবেক্ষণের মাধ্যমে বাজার অবস্থার পরিবর্তনের প্রাথমিক সতর্কতা সংকেত তৈরি করতে।
• অ-তরল সম্পদ মডেলিং: বিরল তথ্য সম্পদের জন্য, ম্যাক্সিমাম এনট্রপি পদ্ধতি একটি কঠোর পদ্ধতি প্রদান করে, যা অর্থনৈতিক নীতি বা অনুরূপ সম্পদের ভিত্তিতে পূর্ববর্তী বণ্টন নির্ধারণ করতে পারে এবং নতুন লেনদেন ঘটলে ন্যূনতম উপায়ে তা আপডেট করতে পারে।
• মাল্টি-অ্যাসেট ডায়নামিক্স: ফ্রেমওয়ার্কটিকে একাধিক সম্পর্কিত সম্পদে প্রসারিত করা। সীমাবদ্ধতাগুলির মধ্যে সম্পর্ক অন্তর্ভুক্ত থাকবে, ফলে উৎপন্ন গতিবিদ্যা স্বাভাবিকভাবেই কোভেরিয়েন্স কাঠামোর জ্যামিতিক বৈশিষ্ট্যগুলিকে সম্মান করবে, যা পদ্ধতিগত ঝুঁকির অন্তর্দৃষ্টি প্রদান করতে পারে।
• মেশিন লার্নিং এর সাথে একীকরণ: "প্রিয়রি আপডেট" প্যারাডাইম বায়েসিয়ান মেশিন লার্নিংয়ের সাথে সামঞ্জস্যপূর্ণ। এই কাঠামোটি নিউরাল নেটওয়ার্ক ডিজাইন করতে সহায়তা করতে পারে যা তাদের আর্কিটেকচার বা লস ফাংশনে সরাসরি আর্থিক সীমাবদ্ধতা (যেমন আর্বিট্রেজ-মুক্ত) অন্তর্ভুক্ত করে, যার ফলে ব্যাখ্যাযোগ্যতা এবং দৃঢ়তা বৃদ্ধি পায়।

10. রেফারেন্স

1. Jaynes, E. T. (1957). Information Theory and Statistical Mechanics. Physical Review, 106(4), 620–630.
2. Caticha, A. (2012). Entropic Inference and the Foundations of Physics. In 11th Brazilian Meeting on Bayesian Statistics.
3. Garman, M. B., & Kohlhagen, S. W. (1983). Foreign currency option values. Journal of International Money and Finance, 2(3), 231–237.
4. Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. জার্নাল অফ পলিটিক্যাল ইকোনমি, 81(3), 637–654.
5. কন্ট, আর. (২০০১)। সম্পদ রিটার্নের অভিজ্ঞতামূলক বৈশিষ্ট্য: স্টাইলাইজড ফ্যাক্টস এবং পরিসংখ্যানগত বিষয়। কোয়ান্টিটেটিভ ফাইন্যান্স, 1(2), 223–236.
6. হেস্টন, এস. এল. (১৯৯৩)। স্টোকাস্টিক অস্থিরতা সহ অপশনের জন্য একটি ক্লোজড-ফর্ম সমাধান এবং বন্ড ও কারেন্সি অপশনে প্রয়োগ। দ্য রিভিউ অফ ফাইন্যান্সিয়াল স্টাডিজ, 6(2), 327–343.
7. Cont, R., & Tankov, P. (2004). জাম্প প্রক্রিয়ার সাথে আর্থিক মডেলিং. চ্যাপম্যান অ্যান্ড হল/সিআরসি।
8. Amari, S. I., & Nagaoka, H. (2000). তথ্য জ্যামিতির পদ্ধতি. আমেরিকান ম্যাথমেটিক্যাল সোসাইটি।