1. परिचय
यह पेपर विदेशी मुद्रा विनिमय दरों की गतिशीलता को मॉडल करने और यूरोपीय विकल्पों का मूल्य निर्धारण करने के लिए एकएंट्रॉपी डायनेमिक्सढांचा प्रस्तुत करता है। इसका मुख्य उद्देश्य पारंपरिक स्टोकेस्टिक कैलकुलस दृष्टिकोणों के लिए एक सूचना-सिद्धांत-आधारित वैकल्पिक सैद्धांतिक आधार प्रदान करना है। न्यूयॉर्क स्टेट यूनिवर्सिटी, अल्बानी के लेखक मोहम्मद अबेदी और डैनियल बार्टोलोमियो,एंट्रॉपी इन्फ्रेंस和अधिकतम एंट्रॉपीसिद्धांत का उपयोग अपूर्ण जानकारी की स्थितियों से निपटने के लिए करते हैं - जो वित्तीय बाजारों की एक सामान्य वास्तविकता है। यह ढांचा ज्ञात सममितियों (जैसे स्केल इनवेरियंस) को व्यवस्थित रूप से शामिल करता है, जिससे प्रथम सिद्धांतों से ज्यामितीय ब्राउनियन गति और Garman-Kohlhagen जैसे शास्त्रीय मॉडल प्राप्त होते हैं।
2. सैद्धांतिक ढाँचा
यह विधि एंट्रॉपी इन्फ्रेंस के तीन स्तंभों पर आधारित है।
2.1. एंट्रॉपी अनुमान का आधार
एन्ट्रॉपी अनुमान एक आगमनात्मक ढांचा है जो अनिश्चितता के तहत तर्क के लिए डिज़ाइन किया गया है। यह आंशिक जानकारी को संभालने के लिए शास्त्रीय तर्क का विस्तार करता है। संभाव्यता वितरण प्रणाली के बारे में संज्ञानात्मक स्थिति का प्रतिनिधित्व करते हैं।
2.2. न्यूनतम अद्यतन सिद्धांत
जब नई जानकारी प्राप्त होती है, तो पूर्व संभाव्यता वितरण का उपयोग करकेसापेक्ष एन्ट्रॉपीअद्यतन किया जाता है। अद्यतन प्रक्रिया का पालन करती हैन्यूनतम अद्यतन सिद्धांत, यह सिद्धांत सुनिश्चित करता है कि परिवर्तन केवल नए डेटा के लिए आवश्यक सीमा तक ही किए जाएं, जिससे न्यूनतम विचलन वाला पश्च वितरण उत्पन्न होता है।
2.3. सूचना ज्यामिति
प्रायिकता वितरणों का स्थान एक रीमैनियन मैनिफोल्ड बनाता है, जिसकी अद्वितीय माप फिशर सूचना से उत्पन्न होती है। यहसूचना ज्यामितिवितरणों के बीच दूरी की अवधारणा प्रदान करती है, जो गतिकी को परिभाषित करने के लिए महत्वपूर्ण है। लेखक पोर्टफोलियो अनुकूलन में इसके संभावित महत्व को इंगित करते हैं, जिसे भविष्य के कार्यों में खोजा जाना है।
3. विदेशी मुद्रा विनिमय दरों की एन्ट्रॉपी गतिकी
एंट्रॉपी गतिकी अनुमान ढांचे को यह मॉडल करने के लिए लागू करती है कि सिस्टम कैसे बदलते हैं, और सिस्टम-विशिष्टएंट्रॉपी समय。
3.1. पैमाना अपरिवर्तनीयता और चर चयन
विदेशी मुद्रा बाजार की एक प्रमुख समरूपता हैस्केल इनवेरियंस: $S \rightarrow \lambda S$ (जहाँ $S$ विनिमय दर है) जैसे रूपांतरणों के तहत, गतिकी अपरिवर्तित रहनी चाहिए। इस समरूपता को प्रकट करने के लिए, लेखकों ने $x = \log S$ को मॉडलिंग के लिए प्राकृतिक चर के रूप में पहचाना, क्योंकि रूपांतरण एक स्थानांतरण $x \rightarrow x + \log \lambda$ बन जाता है।
3.2. ज्यामितीय ब्राउनियन गति की व्युत्पत्ति
विदेशी मुद्रा विनिमय दरों के बारे में उपलब्ध जानकारी (जैसे इसकी अपेक्षित प्रवाह दर और अस्थिरता) के आधार पर बाधाएं लगाकर, और इन बाधाओं के तहत सापेक्ष एन्ट्रॉपी को अधिकतम करके, यह ढाँचा स्वाभाविक रूप से $x$ की गतिकी को व्युत्पन्न करता है। $S$ में वापस रूपांतरित करने पर प्राप्त होता हैज्यामितीय ब्राउनियन गतिसमीकरण:
4. विकल्प मूल्य निर्धारण ढाँचा
डेरिवेटिव के मूल्य निर्धारण के लिए, आर्बिट्रेज से बचने हेतु जोखिम-तटस्थ मूल्यांकन ढाँचा आवश्यक है।
4.1. जोखिम-तटस्थ माप व्युत्पत्ति
एन्ट्रॉपी ढाँचे के भीतर, वास्तविक-विश्व माप $\mathbb{P}$ से जोखिम-तटस्थ माप $\mathbb{Q}$ में संक्रमण को एक अनुमान समस्या के रूप में व्याख्यायित किया जाता है। इसमें "छूट प्राप्त परिसंपत्ति मूल्य एक मार्टिंगेल (कोई आर्बिट्रेज नहीं) होना चाहिए" इस नई जानकारी के साथ पूर्व (वास्तविक-विश्व गतिकी) को अद्यतन करना शामिल है। इस बाधा के तहत न्यूनतम अद्यतन सिद्धांत को लागू करने पर, $\mathbb{Q}$ को परिभाषित करने वाला Girsanov प्रमेय रूपांतरण प्राप्त होता है।
4.2. Garman-Kohlhagen मॉडल
विदेशी मुद्रा विनिमय दर (जिसमें दो ब्याज दरें शामिल हैं: घरेलू मुद्रा दर $r_d$ और विदेशी मुद्रा दर $r_f$) पर GBM गतिकी में जोखिम-तटस्थ माप लागू करने और यूरोपीय विकल्प के लिए Black-Scholes-Merton PDE हल करने पर, हम प्राप्त करते हैंGarman-Kohlhagen formula:
5. तकनीकी विश्लेषण और मुख्य अंतर्दृष्टियाँ
Mukhya antardrishti: Yah lekh keval Black-Scholes ka ek aur punah vyutpatti nahi hai; yah ek darshanik roop se prabal tark hai. Yah yah tark deta hai ki poora nirantar samay vittiya tantra - GBM se lekar jokhim-nirpeksh mooly nirdharan tak - keval ek suvidhajanak ganitik yukti nahi hai, balki vishisht samamitiyon ke tahat, adhoori jaankari par sabase sanrakshanatmak tark (adhiktam entropy) lagane kaanivarya parinaam. Lekhak mool roop se yah kah rahe hain: "Agar aap in akshiyom ko svikar karte hain ki humein anishchitata ke tahat kaise tark karna chahiye, to aap jo model upyog karte hain, vah aap par thopa gaya hai."
Tarkik kram: तर्क प्रक्रिया सुरुचिपूर्ण और कठोर है: 1) अभिगृहीत: संभाव्यता का उपयोग करके विश्वास को मापें, और नई जानकारी आने पर न्यूनतम तरीके से अपडेट करें (अधिकतम एंट्रॉपी)। 2) बाध्यता: विदेशी मुद्रा विनिमय दर में स्केल समरूपता होती है। 3) व्युत्पत्ति: GBM प्रकट होता है। 4) नई बाध्यता: कोई आर्बिट्रेज नहीं।5) व्युत्पत्ति: जोखिम-तटस्थ माप और Garman-Kohlhagen का उद्भव। पहले सिद्धांतों से उद्योग मानक सूत्र तक का प्रवाह स्पष्ट और ठोस है।
लाभ और कमियाँ: इसका लाभ मूलभूत स्पष्टता में है। यह जोखिम-तटस्थ मूल्य निर्धारण को तार्किक अनुमान चरणों के रूप में प्रस्तुत करके इसके "जादू" को उजागर करता है। हालाँकि, इसकी कमी भी इसी आधार में है: यह एक 50 वर्ष पुराने मॉडल को व्युत्पन्न करता है। वास्तविक दुनिया में अस्थिर अस्थिरता, उछाल और तरलता संकट होते हैं - ये घटनाएँ इस शुद्ध व्युत्पत्ति में अनदेखी रह जाती हैं। जैसा कि मॉडल सीमाओं पर Cont के अग्रणी कार्य में बताया गया है, GBM की अनुभवजन्य विफलता अच्छी तरह से प्रलेखित है। यह ढाँचा अपने वर्तमान स्वरूप में भविष्य का मार्गदर्शन करने के बजाय अतीत को सही ठहराने के लिए अधिक उपयुक्त है। यह उस प्रश्न का एक शानदार उत्तर है जो कई क्वांट विश्लेषक अब पूछना बंद कर चुके हैं।
व्यावहारिक अंतर्दृष्टि: व्यवसायियों के लिए, प्रत्यक्ष लाभ सीमित है - आप इससे बेहतर मूल्य निर्धारण इंजन नहीं लिख सकते। इसका वास्तविक मूल्य रणनीतिक स्तर पर है:1) मॉडल प्रशासन: इसे स्पष्टीकरण के रूप में उपयोग करनाkyoṁmānak model kā upayog karke, samīkṣā samiti kī āvaśyaktāoṁ ko pūrā karne ke lie.2) śodh kī diśā: asalī kṣamatā anveṣit na kie gaye rāstoṁ meṁ hai. yah patra portfolio siddhānt ke lie sūcanā jyāmiti ke upayog kā saṅket detā hai. yahī sonā kī khān hai. bhaviṣya kā kām purāne parīṇāmoṁ ko phir se prāpt karnā nahīṁ, balki is dhañche ke upakaraṇoṁ—jaise Fisher māp—kā upayog karke vibhinn bāzār avasthāoṁ ke bīc "sūcanā dūrī" māpnā, yā aise gatiśīl model banānā jo svabhāvataḥ adhik jaṭil bādhāoṁ (jaise pūch vyavahār) kā sammān kareṁ, jisse GBM kī bādhāoṁ se āge niklā jā sake.
6. मौलिक विश्लेषण: आलोचनात्मक दृष्टिकोण
Abedi aur Bartolomeo kā patra sūcanā siddhānt ke dr̥ṣṭikoṇ se śāstrīya vitta gaṇit ko punargathit karte hue ek ākarṣak buddhi vyāyām prastut kartā hai. iskā mukhya yogdān nayā model nahīṁ, balki mājūdā model—jyāmitīya Brownian gati aur Garman-Kohlhagen model—kā ek nayāvyutpatti和tarkaयह मात्रात्मक वित्त में अधिक मौलिक सिद्धांतों की तलाश करने वाले व्यापक रुझान के अनुरूप है, जो अर्थशास्त्र में स्वयंसिद्ध दृष्टिकोण या भौतिकी में प्रथम सिद्धांतों की खोज की याद दिलाता है।
तकनीकी रूप से, गतिकी को व्युत्पन्न करने के लिए अधिकतम एन्ट्रॉपी सिद्धांत को लागू करना सुरुचिपूर्ण है। पैमाने की अपरिवर्तनीयता के कारण $\log S$ को सही चर के रूप में पहचानना एक महत्वपूर्ण और अच्छी तरह से तर्कपूर्ण कदम है। यह GBM के बाद सफल लगभग सभी स्टोकेस्टिक अस्थिरता और जंप-डिफ्यूजन मॉडल में लॉग-मूल्यों के उपयोग को प्रतिध्वनित करता है। हालाँकि, ढाँचे का आउटपुट - मानक GBM - इसकी सबसे बड़ी सीमा है। 1987 के शेयर बाजार दुर्घटना और 2008 के संकट के बाद से वित्तीय साहित्य ने GBM की अनुभवजन्य कमियों को भारी रूप से प्रदर्शित किया है: यह अस्थिरता क्लस्टरिंग (जैसा कि GARCH मॉडल द्वारा दिखाया गया है), मोटी-पूंछ वाले रिटर्न, और विकल्प बाजारों में व्यापक रूप से प्रचलित अस्थिरता मुस्कान/तिरछापन को पकड़ने में असमर्थ है। Heston मॉडल या Cont और Tankov द्वारा समीक्षित अनंत-गतिविधि Lévy प्रक्रियाओं जैसे मॉडल विशेष रूप से इन अंतरालों को भरने के लिए विकसित किए गए थे।
इसलिए, इस पेपर का महत्व इसके अंतिम समीकरण में नहीं, बल्कि इसकी पद्धतिगत संभावना में है। एन्ट्रॉपी अनुमान ढाँचा स्वाभाविक रूप से लचीला है। GBM को व्युत्पन्न करने के लिए उपयोग की गई बाधाएँ (रिटर्न का माध्य और प्रसरण) अत्यधिक सरलीकृत हैं। असली परीक्षा अधिक यथार्थवादी बाधाओं को लागू करना होगा - जैसे कि देखी गई अस्थिरता की अस्थिरता या रिटर्न वितरण के कुछ क्षण - और यह देखना होगा कि किस प्रकार की गतिकी उत्पन्न होती है। क्या यह Heston-प्रकार के मॉडल को व्युत्पन्न कर सकता है? यह एक अधिक प्रभावशाली योगदान होगा। पोर्टफोलियो अनुकूलन में सूचना ज्यामिति के भविष्य के अनुप्रयोग पर पेपर में उल्लेख विशेष रूप से विचारोत्तेजक है। फिशर सूचना मीट्रिक पैरामीटर अनुमान त्रुटियों के प्रति पोर्टफोलियो की स्थिरता या संवेदनशीलता को मापने के लिए एक कठोर तरीका प्रदान कर सकता है, जो एक ऐसा विषय है जिसका महत्वपूर्ण व्यावहारिक महत्व है और आमतौर पर अनुमानात्मक तरीकों से निपटा जाता है।
संक्षेप में, यह कार्य एक जटिल अवधारणा प्रमाण है। यह एन्ट्रॉपी गतिकी ढाँचे को भौतिकी से वित्त में सफलतापूर्वक प्रत्यारोपित करता है और दर्शाता है कि यह मौलिक परिणामों को पुन: उत्पन्न कर सकता है। इसका मूल्य इस बात पर निर्भर करेगा कि क्या अनुवर्ती शोध इन मूलभूत सिद्धांतों में ज्ञात कमियों को दूर करने के लिए ढाँचे के तंत्र का उपयोग कर सकता है, सुरुचिपूर्ण तर्क से वास्तविक नवाचार की ओर बढ़ सकता है।
7. गणितीय ढाँचा और तकनीकी विवरण
मुख्य गणितीय इंजन बाधाओं के तहत सापेक्ष एन्ट्रॉपी को अधिकतम करना है। एक पूर्व वितरण $q(x)$ और कई फलनों $f_i$ की अपेक्षाओं $\mathbb{E}_p[f_i(x)] = F_i$ के रूप में नई जानकारी को देखते हुए, पश्च वितरण $p(x)$ निम्नलिखित को न्यूनतम करके प्राप्त किया जाता है:
संभाव्यता तटस्थ माप $\mathbb{Q}$ में परिवर्तन में एक नई बाधा जोड़ना शामिल है: छूट वाली परिसंपत्तियों की अपेक्षित प्रतिफल दर जोखिम-मुक्त दर के बराबर होनी चाहिए। यह लैग्रेंज गुणक को संशोधित करता है, प्रभावी रूप से एक बहाव समायोजन पद $\theta$ प्रस्तुत करता है, जिससे $dW^{\mathbb{Q}}_t = dW^{\mathbb{P}}_t + \theta dt$ होता है, जो Girsanov प्रमेय का मूल है।
8. विश्लेषण ढाँचा और केस उदाहरण
केस: मुद्रा जोड़ी (यूरो/अमेरिकी डॉलर) के लिए मॉडल चयन का औचित्य प्रस्तुत करना
परिदृश्य: एक बैंक का मात्रात्मक विश्लेषक मानक यूरो/अमेरिकी डॉलर विकल्पों के मूल्य निर्धारण के लिए एक मॉडल विकसित करने के लिए जिम्मेदार है। उसे मॉडल सत्यापन समिति के समक्ष अपने मॉडल चयन को उचित ठहराना होगा।
एंट्रॉपी ढांचे का अनुप्रयोग:
- पूर्व जानकारी का कथन: विश्लेषक ज्ञात तथ्यों को सूचीबद्ध करता है: EUR/USD विनिमय दर धनात्मक है, इसका प्रतिशत परिवर्तन निरपेक्ष परिवर्तन से अधिक प्रासंगिक है (पैमाना अपरिवर्तनीयता), और ऐतिहासिक डेटा औसत प्रवाह दर और अस्थिरता का अनुमान प्रदान करता है।
- न्यूनतम अद्यतन सिद्धांत का अनुप्रयोग: अधिकतम अज्ञानता की स्थिति ($\log S$ का समतल पूर्व) से शुरू करते हुए, विश्लेषक प्रवाह दर और अस्थिरता बाधाओं को शामिल करके अधिकतम एंट्रॉपी के माध्यम से विश्वास को अद्यतन करता है।
- गतिकी का व्युत्पन्न: यह ढांचा GBM को दो आघूर्ण बाधाओं के अनुरूप न्यूनतम विचलन मॉडल के रूप में आउटपुट करता है। विश्लेषक समिति के सामने इस व्युत्पत्ति को प्रस्तुत करता है और तर्क देता है कि अधिक प्राचलों वाले किसी भी मॉडल (जैसे यादृच्छिक अस्थिरता मॉडल) का उपयोग करने के लिए अधिक जटिल अद्यतन को उचित ठहराने हेतु संगत, सांख्यिकीय रूप से मजबूत अतिरिक्त जानकारी की आवश्यकता होगी।
- मूल्य निर्धारण: विकल्पों का मूल्य निर्धारण करने के लिए, विश्लेषक गैर-पंचबाधा बाधा जोड़ता है और जोखिम-तटस्थ माप तथा Garman-Kohlhagen सूत्र व्युत्पन्न करता है।
परिणाम: समिति GBM/Garman-Kohlhagen को स्वीकार करती हैआधारमॉडल के रूप में, क्योंकि यह सीमित जानकारी से सैद्धांतिक व्युत्पत्ति पर आधारित है। वे केवल विशिष्ट परिपक्वता/इन-द-मनी या आउट-ऑफ-द-मनी सीमा के तहत अधिक जटिल मॉडल (जैसे SABR) के उपयोग को मंजूरी दे सकते हैं, बशर्ते विश्लेषक यह साबित कर सके (संभवतः उसी एन्ट्रॉपी तर्क का उपयोग करके) कि अतिरिक्त बाजार डेटा (जैसे वोलैटिलिटी स्माइल) GBM प्रायर से अधिक जटिल अपडेट के लिए पर्याप्त जानकारी प्रदान करता है।
9. भविष्य के अनुप्रयोग और शोध दिशाएँ
एन्ट्रॉपी गतिकी ढाँचा शास्त्रीय परिणामों को दोहराने से परे कई आशाजनक मार्ग खोलता है:
- GBM से परे: उच्च क्रम के क्षणों (तिरछापन, कर्टोसिस) या वोलैटिलिटी प्रक्रिया पर ही बाधाओं को शामिल करना, एन्ट्रॉपी-आधारित स्थानीय/स्टोकेस्टिक वोलैटिलिटी या जंप-डिफ्यूजन मॉडल की व्युत्पत्ति की ओर ले जा सकता है।
- निवेश पोर्टफोलियो निर्माण में सूचना ज्यामिति: जैसा कि लेखकों ने संकेत दिया है, फिशर माप विभिन्न बाजार परिवेशों के बीच "सांख्यिकीय दूरी" को माप सकता है। इसका उपयोग इसके लिए किया जा सकता है: 1) मजबूत निवेश पोर्टफोलियो रणनीतियाँ विकसित करना जो अनुमानित मापदंडों में त्रुटियों के प्रति संवेदनशीलता को कम करें। 2) हाल के रिटर्न और वर्तमान मॉडल के बीच सूचना दूरी की निगरानी करके बाजार की स्थिति में बदलाव के लिए प्रारंभिक चेतावनी संकेत बनाना।
- अतरल परिसंपत्तियों का मॉडलिंग: विरल डेटा वाली परिसंपत्तियों के लिए, अधिकतम एंट्रॉपी विधि एक कठोर दृष्टिकोण प्रदान करती है, जिससे आर्थिक सिद्धांतों या समान परिसंपत्तियों के आधार पर पूर्व वितरण निर्दिष्ट किया जा सकता है और नए लेन-देन होने पर न्यूनतम तरीके से अद्यतन किया जा सकता है।
- बहु-परिसंपत्ति गतिकी: ढाँचे को कई सहसंबंधित परिसंपत्तियों तक विस्तारित करना। बाधाओं में सहसंबंध शामिल होंगे, और परिणामी गतिकी स्वाभाविक रूप से सहप्रसरण संरचना के ज्यामितीय गुणों का सम्मान करेगी, जो संभावित रूप से प्रणालीगत जोखिम के लिए अंतर्दृष्टि प्रदान करेगी।
- मशीन लर्निंग के साथ एकीकरण: "पूर्व अद्यतन" प्रतिमान बायेसियन मशीन लर्निंग के अनुरूप है। यह ढाँचा ऐसे तंत्रिका नेटवर्क डिजाइन करने का मार्गदर्शन कर सकता है जो वित्तीय बाधाओं (जैसे कोई-आर्बिट्रेज नहीं) को सीधे अपनी वास्तुकला या हानि फलन में शामिल करते हैं, जिससे व्याख्यात्मकता और मजबूती में सुधार होता है।
10. संदर्भ ग्रंथ सूची
- Jaynes, E. T. (1957). Information Theory and Statistical Mechanics. Physical Review, 106(4), 620–630.
- Caticha, A. (2012). Entropic Inference and the Foundations of Physics. In 11th Brazilian Meeting on Bayesian Statistics.
- Garman, M. B., & Kohlhagen, S. W. (1983). Foreign currency option values. Journal of International Money and Finance, 2(3), 231–237.
- Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81(3), 637–654.
- Cont, R. (2001). Empirical properties of asset returns: stylized facts and statistical issues. Quantitative Finance, 1(2), 223–236.
- Heston, S. L. (1993). A closed-form solution for options with stochastic volatility with applications to bond and currency options. The Review of Financial Studies, 6(2), 327–343.
- Cont, R., & Tankov, P. (2004). वित्तीय मॉडलिंग जंप प्रक्रियाओं के साथ. Chapman and Hall/CRC.
- Amari, S. I., & Nagaoka, H. (2000). सूचना ज्यामिति की विधियाँ. American Mathematical Society.