विनिमय दर और विकल्पों की एन्ट्रॉपी गतिकी: विदेशी मुद्रा मॉडलिंग के लिए एक नया ढांचा

सामग्री सूची

1. परिचय

यह पत्र विदेशी मुद्रा विनिमय दरों को मॉडल करने और यूरोपीय विकल्पों का मूल्य निर्धारण करने के लिए एकएन्ट्रॉपी डायनेमिक्सफ्रेमवर्क। इसका मुख्य लक्ष्य पारंपरिक स्टोकेस्टिक कैलकुलस से आगे बढ़कर, वित्तीय गतिकी के लिए सूचना सिद्धांत पर आधारित एक वैकल्पिक आधार प्रदान करना है। लेखक मोहम्मद अबेदी और डैनियल बार्टोलोमियो नेएन्ट्रॉपी इनफेरेंसके सिद्धांतों - अपूर्ण सूचना के तहत अनुमान लगाने की एक पद्धति - का उपयोग करके प्रथम सिद्धांतों से सुप्रसिद्ध वित्तीय मॉडल व्युत्पन्न किए हैं।

यह कार्य अधिकतम एन्ट्रॉपी और सूचना ज्यामिति की अमूर्त अवधारणाओं को वास्तविक वित्तीय अनुप्रयोगों से जोड़ता है, और अंततः विनिमय दरों के लिएज्यामितीय ब्राउनियन गतिऔर विदेशी मुद्रा विकल्पों केGarman-Kohlhagen modelयह विधि मुद्रा जोड़े में निहितस्केल अपरिवर्तनीयतासमरूपता को उजागर करती है, जिससे स्वाभाविक रूप से विनिमय दर के लघुगणक को मॉडल करने का विकल्प चुना जाता है।

2. सैद्धांतिक ढांचा

2.1. एन्ट्रॉपी अनुमान और अधिकतम एन्ट्रॉपी सिद्धांत

एन्ट्रॉपी अनुमान अपूर्ण जानकारी की स्थितियों के लिए एक आगमनात्मक ढांचा है। इसका पहला उपकरण हैप्रायिकता सिद्धांत, जिसका उपयोग विश्वास की स्थिति को दर्शाने के लिए किया जाता है। दूसरा हैसापेक्ष एन्ट्रॉपी(या Kullback-Leibler विचलन), मेंन्यूनतम अद्यतन सिद्धांतके मार्गदर्शन में, नई जानकारी आने पर विश्वासों को अद्यतन करने के लिए प्रयोग किया जाता है। सापेक्ष एन्ट्रॉपी को अधिकतम करने से एक पश्च वितरण प्राप्त होता है जो सभी उपलब्ध जानकारी को शामिल करता है और न्यूनतम पूर्वाग्रह रखता है।

तीसरा उपकरण हैInformation Geometry, यह संभाव्यता वितरण स्थान को एक माप प्रदान करता है। हालांकि यह लेख इसकी गहराई में नहीं जाता, लेखक ने पोर्टफोलियो प्रबंधन और बहु-संपत्ति गतिकी में इसकी संभावित महत्ता की ओर इशारा किया है।

2.2. एन्ट्रॉपी गतिकी और समय

एन्ट्रॉपी डायनेमिक्ससिस्टम के परिवर्तन के तरीके को मॉडल करने के लिए एन्ट्रॉपी अनुमान लगाने का अनुप्रयोग। एक महत्वपूर्ण नवाचार का परिचय हैएन्ट्रॉपी समयपैरामीटर, जो उभरता है और किसी विशिष्ट प्रणाली के लिए अनुकूलित होता है, न कि एक सार्वभौमिक घड़ी। यह अवधारणा भौतिकी के कई क्षेत्रों में सफलतापूर्वक लागू की गई है और यहां इसे वित्त के क्षेत्र में पेश किया गया है।

2.3. विदेशी मुद्रा में स्केल अपरिवर्तनीयता

विदेशी मुद्रा बाजार की एक मूलभूत सममिति यह है किस्केल अपरिवर्तनीयता: चाहे हम विनिमय दर को USD/EUR के रूप में उद्धृत करें या उसके व्युत्क्रम रूप में, इसकी गतिकी नहीं बदलनी चाहिए। यह सममिति निर्धारित करती है कि मॉडल कोविनिमय दर के लघुगणक $x = \ln S$ के रूप में व्यक्त किया जाना चाहिए, जहाँ $S$ स्पॉट विदेशी मुद्रा विनिमय दर है। जब $x$ के संदर्भ में व्यक्त किया जाता है, तो $S \to \lambda S$ (सरल स्केलिंग) जैसे परिवर्तन गतिकी को अपरिवर्तित छोड़ देते हैं।

3. मॉडल व्युत्पत्ति

3.1. एन्ट्रॉपी सिद्धांत से ज्यामितीय ब्राउनियन गति तक

विदेशी मुद्रा विनिमय दरों के बारे में पूर्व सूचना (विशेष रूप से उनके प्रारंभिक मूल्य और अस्थिरता) से प्रारंभ करते हुए, लेखक एन्ट्रॉपी गतिकी ढांचे का उपयोग करके उनके समय विकास को व्युत्पन्न करते हैं। बाजार अवलोकनों के अनुरूप बाधाओं (जैसे सीमित प्रसरण) को लागू करके और एन्ट्रॉपी को अधिकतम करके, परिणाम दर्शाता है कि भविष्य के लघुगणक विनिमय दर $x$ की संभाव्यता वितरण एक का अनुसरण करती हैड्रिफ्ट-डिफ्यूज़न प्रक्रिया。

स्पॉट एक्सचेंज रेट $S = e^x$ में वापस परिवर्तित करने पर, प्रक्रिया परिचित रूप ले लेती हैज्यामितीय ब्राउनियन गति:

3.2. जोखिम-तटस्थ माप और विकल्प मूल्य निर्धारण

व्युत्पन्न उत्पादों का मूल्य निर्धारण करने के लिए, इसे प्रस्तुत करना आवश्यक हैअर्बिट्राज-मुक्त सिद्धांत। लेखक ने दर्शाया है कि एन्ट्रॉपी ढांचे के भीतर कैसे व्युत्पन्न किया जा सकता हैजोखिम-तटस्थ माप $\mathbb{Q}$। इसमें GBM प्रक्रिया के ड्रिफ्ट दर को दो मुद्राओं के बीच के जोखिम-मुक्त ब्याज दर अंतर $(r_d - r_f)$ में समायोजित करना शामिल है।

$\mathbb{Q}$ माप के तहत, गतिकी बन जाती है:Garman-Kohlhagen सूत्र, जो Black-Scholes सूत्र का विदेशी मुद्रा संस्करण है।

4. परिणाम और चर्चा

4.1. Garman-Kohlhagen मॉडल

Entropy derivation ka antim output Garman-Kohlhagen model hai jo European call option ki kimat nirdharit karta hai:

4.2. पारंपरिक विधियों से तुलना

इस पत्र का मुख्य योगदान हैकार्यप्रणालीपर है। यह स्थापित मॉडल (GBM, Garman-Kohlhagen) को यादृच्छिक कैलकुलस और हेजिंग तर्क के माध्यम से नहीं, बल्कि एन्ट्रॉपी अधिकतमकरण और समरूपता पर आधारित सूचना सिद्धांत के प्रथम सिद्धांत दृष्टिकोण के माध्यम से पुनः प्राप्त करता है। यह इन मॉडलों को गहरी, अधिक मौलिक वैधता प्रदान करता है और भिन्न या अधिक जटिल सूचना बाध्यताओं को शामिल करके इन मॉडलों के विस्तार के लिए द्वार खोलता है।

5. मुख्य अंतर्दृष्टि और विश्लेषणात्मक परिप्रेक्ष्य

मुख्य अंतर्दृष्टि: यह लेख एक नया, बेहतर मूल्य निर्धारण सूत्र प्रस्तावित नहीं करता है; यह एक दार्शनिक शक्ति प्रदर्शन है। यह तर्क देता है कि Bachelier से Black-Scholes तक का संपूर्ण निरंतर समय वित्तीय ढांचा, सूचना सिद्धांत और अधिकतम एन्ट्रॉपी सिद्धांत का उपयोग करके शुरू से ही पुनर्निर्मित किया जा सकता है। लेखक अनिवार्य रूप से कह रहे हैं: "इटो के लेम्मा को कुछ समय के लिए भूल जाएं; हमारे पास मौजूद जानकारी को देखते हुए, बाजार का व्यवहार केवल वही है जो सबसे कम आश्चर्यजनक हो सकता है।" यह मॉडलिंग सेमूल्यमॉडलिंग तकमूल्य के बारे में ज्ञानगहन परिवर्तन।

तार्किक संरचना: तर्क प्रक्रिया सुंदर और संक्षिप्त है। 1) हमारे पास अपूर्ण जानकारी (पूर्व वितरण) है। 2) हमारे पास समरूपता (स्केल अपरिवर्तनीयता) है। 3) हम विश्वासों को अद्यतन करने के लिए न्यूनतम परिवर्तन वाले उपकरण (अधिकतम सापेक्ष एन्ट्रॉपी) का उपयोग करते हैं। 4) इस अद्यतन की गतिकी के रूप में व्याख्या करने पर GBM प्राप्त होता है। 5) आर्बिट्राज-मुक्त सिद्धांत ड्रिफ्ट दर निर्धारित करता है, जिससे मूल्य निर्धारण के लिए जोखिम-तटस्थ माप प्राप्त होता है। यह एक साफ, स्वयंसिद्ध-संचालित व्युत्पत्ति है, जबकि पारंपरिक आंशिक अवकल समीकरण/हेजिंग तर्क लगभग अटपटे लगते हैं।

लाभ और सीमाएँ: लाभ मूलभूत सिद्धांतों की सुंदरता और सामान्यीकरण की क्षमता में निहित है। जैसा कि भौतिकी में ई.टी. जेन्स और बाद में कैटिचा के कार्य से पता चलता है, एन्ट्रॉपी विधि सरल सिद्धांतों से शास्त्रीय परिणाम प्राप्त करने में माहिर है। कमी यह है कि, कई सुंदर सिद्धांतों की तरह, यह अव्यवस्थित वास्तविकता और इसके बीच एक खाई है। यह ढांचा जीबीएम को सुंदरता से प्राप्त करता है, लेकिन विदेशी मुद्रा मॉडलिंग के लिए जीबीएम स्वयं दोषपूर्ण है (पूंछ जोखिम को कम आंकना, अस्थिरता समूहीकरण की उपेक्षा करना)। यह पत्र भविष्य में कूद और सूचना ज्यामिति पर काम का संक्षेप में उल्लेख करता है, जहां वास्तविक परीक्षा निहित है। क्या यह ढांचा सही बाधाओं को जोड़कर, बाजार के विशिष्ट तथ्यों (जैसे, मोटी पूंछ) को स्वाभाविक रूप से शामिल कर सकता है, या फिर इसकी शुद्धता को कम करने वाले तदर्थ समायोजन की आवश्यकता होगी?

क्रियान्वयन योग्य अंतर्दृष्टि: मात्रात्मक विश्लेषकों और मॉडल सत्यापनकर्ताओं के लिए, यह पत्र एक आवश्यक पठन है। यहमॉडल जोखिम मूल्यांकनएक नया दृष्टिकोण प्रदान करता है। केवल मॉडल की फिटनेस का परीक्षण न करें, बल्कि पूछें: "यह मॉडल कौन सी जानकारी मानता है? क्या यह जानकारी सेट पूर्ण या उपयुक्त है?" नवप्रवर्तकों के लिए, रोडमैप स्पष्ट है। अगला कदम इस ढांचे का उपयोग करके निर्माण करना हैनयामॉडल। जैसा कि लेखक ने Bates और Heston मॉडल का उल्लेख करते हुए संकेत दिया है, एन्ट्रॉपी अधिकतमीकरण को देखी गई अस्थिरता स्माइल या जंप आवृत्ति के बारे में जानकारी से बाधित करें। लक्ष्य असंगत मॉडलों को जोड़-तोड़ करने के बजाय एक सुसंगत, एकीकृत डेरिवेटिव मूल्य निर्धारण सिद्धांत स्थापित करना है।Peters और Gell-Mann (2016)एर्गोडिक अर्थशास्त्र पर कार्य दर्शाता है कि इसी तरह के मौलिक पुनर्विचार को ध्यान मिल रहा है। यह लेख इस दिशा में एक ठोस कदम है, लेकिन दार्शनिक आकर्षण के अलावा, इसकी उपयोगिता का अंतिम निर्णय बाजार द्वारा किया जाएगा।

6. तकनीकी विवरण

गणितीय कोर बाधाओं के तहत पूर्व संभाव्यता वितरण Q(x'|x) के सापेक्ष पश्च संभाव्यता वितरण P(x'|x) की सापेक्ष एन्ट्रॉपी S[P|Q] को अधिकतम करने से संबंधित है। एक महत्वपूर्ण बाधा अपेक्षित वर्ग विस्थापन है, जो अस्थिरता σ प्रस्तुत करती है: ⟨(Δx)²⟩ = κ dt, जहाँ κ अस्थिरता σ से संबंधित है। अधिकतमीकरण एक गाऊसी संक्रमण संभाव्यता देता है: P(x'|x) ∝ exp(-(x' - x - α dt)²/(2κ dt)). सतत सीमा में, यह xₜ के लिए एक ड्रिफ्ट-डिफ्यूजन स्टोकेस्टिक डिफरेंशियल इक्वेशन की ओर ले जाता है। व्युत्पन्न GBM प्रक्रिया पर मानक जोखिम-तटस्थ मूल्यांकन तर्क लागू करके, Black-Scholes-Merton आंशिक अवकल समीकरण से संबंध स्थापित किया जाता है।

7. Analysis Framework Example

केस: अस्थिरता स्माइल जानकारी को शामिल करना। एन्ट्रॉपी फ्रेमवर्क अतिरिक्त बाजार डेटा को एकीकृत करने की अनुमति देता है। मान लीजिए, स्पॉट कीमतों और ऐतिहासिक वोलैटिलिटी के अलावा, हमारे पास ऑप्शन बाजार से जानकारी है, जो संकेत देती है कि लॉग रिटर्न का जोखिम-तटस्थ वितरण गॉसियन नहीं है, बल्कि नकारात्मक स्केवनेस और अतिरिक्त कर्टोसिस (वोलैटिलिटी स्माइल) के साथ है।

चरण 1: बाधाओं को परिभाषित करें। विचरण बाधा $\langle (\Delta x)^2 \rangle = \sigma^2 dt$ के अलावा, हम देखी गई इम्प्लाइड वोलैटिलिटी सतह से मोमेंट बाधाएँ जोड़ते हैं:

चरण 2: एन्ट्रॉपी को अधिकतम करें। माध्य, प्रसरण, विषमता और कर्टोसिस की चार बाधाओं के तहत सापेक्ष एन्ट्रॉपी को अधिकतम करने से संक्रमण संभावना $P(x'|x)$ प्राप्त होती है, जिसका वर्णन Gram-Charlier श्रृंखला या अधिक सामान्यतः एक्सपोनेंशियल फैमिली वितरण द्वारा किया जाता है, न कि केवल एक साधारण गाऊसी वितरण द्वारा।

चरण 3: गतिकी व्युत्पन्न करें। इससे प्राप्त सतत-समय सीमा एक प्रसार प्रक्रिया होगी जिसमें अवस्था-निर्भर प्रवाह और अस्थिरता होगी, या संभवतः एक उछाल-प्रसार प्रक्रिया होगी, जिससे Bates या Heston जैसे मॉडलों को प्रभावी रूप से सूचना के प्रथम सिद्धांतों से व्युत्पन्न किया जा सकेगा, न कि किसी यादृच्छिक अस्थिरता प्रक्रिया को पूर्व-निर्दिष्ट करके।

यह उदाहरण इस ढांचे की क्षमता को प्रदर्शित करता है कि वह सूक्ष्म बाजार सूचना को स्पष्ट रूप से बाध्यता के रूप में शामिल करके मॉडलों का व्यवस्थित रूप से सामान्यीकरण कर सके।

8. Future Applications and Directions

एन्ट्रॉपी डायनामिक्स ढांचा मात्रात्मक वित्त के भविष्य के शोध के लिए कई आशाजनक मार्ग प्रशस्त करता है:

• बहु-परिसंपत्ति पोर्टफोलियो और सूचना ज्यामिति: लेखक ने पोर्टफोलियो चयन के लिए सूचना ज्यामिति के अनुप्रयोग का उल्लेख किया है। इससे वर्तमान बाजार वितरण और लक्ष्य इष्टतम वितरण के बीच की 'दूरी' के आधार पर नई परिसंपत्ति आवंटन रणनीतियाँ विकसित हो सकती हैं, जो माध्य-विचरण अनुकूलन से आगे जाती हैं।
• मॉडलिंग विशिष्ट तथ्य: यह ढांचा स्वाभाविक रूप से सुप्रसिद्ध अनुभवजन्य विशेषताओं को शामिल करने के लिए उपयुक्त है, जैसे किHeavy Tails、Volatility Clustering和Leverage Effect, by adding appropriate dynamic constraints, or by making the constraints themselves time-dependent based on past information.
• गैर-स्थिर और शासन परिवर्तन बाजार: सापेक्ष एन्ट्रॉपी में पूर्व वितरण $Q$ को बदलते बाजार शासनों को प्रतिबिंबित करने के लिए गतिशील रूप से अद्यतन किया जा सकता है, जो संरचनात्मक ब्रेकपॉइंट्स के अनुकूलन के लिए अनुकूली मॉडल बनाने का एक सैद्धांतिक तरीका प्रदान कर सकता है।
• व्यवहारिक वित्तीय एकीकरण: "सूचना" बाधा को निवेशक भावना या ध्यान के मापदंडों को शामिल करने के लिए विस्तारित किया जा सकता है, जिससे पारंपरिक मात्रात्मक वित्त और व्यवहार मॉडल के बीच की खाई को पाटा जा सकता है।
• मशीन लर्निंग सहयोग: अधिकतम एन्ट्रॉपी सिद्धांत कई मशीन लर्निंग विधियों का आधार है। यह ढांचा मिश्रित मशीन लर्निंग-वित्त मॉडल के लिए एक कठोर सूचना सिद्धांत आधार प्रदान कर सकता है, यह समझाते हुए कि कुछ न्यूरल नेटवर्क आर्किटेक्चर या नियमितीकरण तकनीकें वित्तीय समय श्रृंखला के लिए अच्छी क्यों काम करती हैं।

अंतिम लक्ष्य बाजार गतिकी का एक एकीकृत, स्वयंसिद्ध-आधारित सिद्धांत स्थापित करना है जो सैद्धांतिक रूप से मजबूत और अनुभवजन्य रूप से सटीक दोनों हो, जिससे आज के वित्तीय इंजीनियरिंग में आम तौर पर पाए जाने वाले तदर्थ मॉडल पैचवर्क की आवश्यकता कम हो सके।

9. संदर्भ

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 Proceedings of the MaxEnt 2012 conference.
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. Journal of Political Economy, 81(3), 637–654.
5. Peters, O., & Gell-Mann, M. (2016). Evaluating gambles using dynamics. Chaos: An Interdisciplinary Journal of Nonlinear Science, 26(2), 023103. https://doi.org/10.1063/1.4940236
6. Amari, S. I. (2016). सूचना ज्यामिति और उसके अनुप्रयोग. Springer.
7. Bachelier, L. (1900). Théorie de la spéculation. Annales scientifiques de l'École Normale Supérieure, 3(17), 21–86.