목차
1. 서론
본 논문은 외환 환율 모델링 및 유럽형 옵션 가격 결정을 위한 엔트로피 역학 프레임워크를 제시합니다. 핵심 목표는 기존의 확률 미적분학을 넘어서는, 정보 이론에 기반한 대안적 금융 역학 기초를 제공하는 것입니다. 저자 Mohammad Abedi와 Daniel Bartolomeo는 불완전한 정보 하에서 추론하는 방법인 엔트로피 추론 원리를 활용하여 잘 알려진 금융 모델들을 근본 원리로부터 도출합니다.
이 연구는 최대 엔트로피와 정보 기하학이라는 추상적 개념을 실용 금융에 연결하며, 환율에 대한 기하 브라운 운동과 외환 옵션에 대한 가먼-콜하겐 모델의 도출로 귀결됩니다. 이 접근법은 통화쌍에 내재된 척도 불변성 대칭성을 부각시키며, 환율의 로그를 모델링하는 자연스러운 선택으로 이어집니다.
2. 이론적 프레임워크
2.1. 엔트로피 추론과 최대 엔트로피
엔트로피 추론은 불완전한 정보가 있는 상황을 위한 귀납적 프레임워크입니다. 첫 번째 도구는 신념 상태를 표현하기 위한 확률론입니다. 두 번째는 상대 엔트로피 (또는 쿨백-라이블러 발산)로, 새로운 정보가 도착했을 때 최소 업데이트 원칙에 따라 신념을 갱신하는 데 사용됩니다. 상대 엔트로피를 최대화하면 사용 가능한 모든 정보를 포함하는 가장 편향되지 않은 사후 확률 분포를 얻습니다.
세 번째 도구는 확률 분포 공간에 메트릭을 제공하는 정보 기하학입니다. 여기서는 깊이 탐구하지 않았지만, 저자들은 포트폴리오 관리 및 다중 자산 역학에 대한 잠재적 중요성을 언급합니다.
2.2. 엔트로피 역학과 시간
엔트로피 역학은 시스템이 어떻게 변화하는지 모델링하기 위해 엔트로피 추론을 적용합니다. 핵심 혁신은 보편적인 시계가 아닌, 특정 시스템에 맞춰진, 창발적인 엔트로피 시간 매개변수의 도입입니다. 이 개념은 다양한 물리학 분야에서 성공적으로 적용되었으며, 여기서는 금융에 적용되었습니다.
2.3. 외환 시장의 척도 불변성
외환 시장의 근본적인 대칭성은 척도 불변성입니다: 환율을 USD/EUR로 표시하든 그 역수 형태로 표시하든 역학은 달라지지 않아야 합니다. 이 대칭성은 모델이 환율의 로그, 즉 $x = \ln S$ (여기서 $S$는 현물 환율)로 공식화되어야 함을 지시합니다. $S \to \lambda S$와 같은 변환(단순 스케일링)은 $x$로 표현될 때 역학을 불변으로 남깁니다.
3. 모델 도출
3.1. 엔트로피 원리에서 기하 브라운 운동으로
특정 환율에 대한 사전 정보(초기값 및 변동성)로 시작하여, 저자들은 엔트로피 역학 프레임워크를 사용하여 시간에 따른 진화를 도출합니다. 시장 관측과 일치하는 제약 조건(유한한 분산 등)을 부과하고 엔트로피를 최대화함으로써, 미래의 로그 환율 $x$에 대한 결과 확률 분포는 드리프트-확산 과정을 따르는 것으로 나타납니다.
이를 현물 환율 $S = e^x$로 다시 변환하면, 이 과정은 친숙한 기하 브라운 운동이 됩니다: $$ dS_t = \mu S_t dt + \sigma S_t dW_t $$ 여기서 $\mu$는 드리프트, $\sigma$는 변동성, $W_t$는 위너 과정입니다. 이 도출은 척도 불변성을 명백히 존중합니다.
3.2. 위험중립 측도와 옵션 가격 결정
파생상품 가격을 결정하기 위해 무차익 원칙이 적용됩니다. 저자들은 엔트로피 프레임워크 내에서 위험중립 측도 $\mathbb{Q}$를 도출하는 방법을 보여줍니다. 이는 GBM 과정의 드리프트를 두 통화 간 무위험 이자율 차이 $(r_d - r_f)$로 조정하는 것을 포함합니다.
$\mathbb{Q}$ 하에서 역학은 다음과 같습니다: $$ dS_t = (r_d - r_f) S_t dt + \sigma S_t dW_t^{\mathbb{Q}} $$ 이 역학을 사용하여 환율에 대한 유럽형 콜 옵션의 가격을 결정하면 블랙-숄즈 공식의 외환 버전인 가먼-콜하겐 공식으로 직접 이어집니다.
4. 결과 및 논의
4.1. 가먼-콜하겐 모델
엔트로피 도출의 최종 결과는 유럽형 콜 옵션 가격에 대한 가먼-콜하겐 모델입니다: $$ C = S_0 e^{-r_f T} \Phi(d_1) - K e^{-r_d T} \Phi(d_2) $$ 여기서 $$ d_1 = \frac{\ln(S_0/K) + (r_d - r_f + \sigma^2/2)T}{\sigma\sqrt{T}}, \quad d_2 = d_1 - \sigma\sqrt{T} $$ $S_0$는 현물 환율, $K$는 행사가, $T$는 만기까지의 시간, $r_d$와 $r_f$는 국내 및 외국 무위험 이자율, $\sigma$는 변동성, $\Phi$는 표준 정규 분포의 누적 분포 함수입니다.
4.2. 기존 방법론과의 비교
본 논문의 주요 기여는 방법론적입니다. 확률 미적분학과 헤징 논증을 통해서가 아니라, 엔트로피 최대화와 대칭성에 기반한 정보 이론적, 근본 원리 접근법을 통해 확립된 모델들(GBM, 가먼-콜하겐)을 재발견합니다. 이는 이러한 모델들에 대한 더 깊고 근본적인 정당성을 제공하며, 서로 다른 또는 더 복잡한 정보 제약 조건을 통합함으로써 이를 일반화할 수 있는 길을 열어줍니다.
5. 핵심 통찰 및 애널리스트 관점
핵심 통찰: 이 논문은 새로운, 더 나은 가격 결정 공식에 관한 것이 아닙니다. 이는 철학적 권력 게임입니다. 바셰리에부터 블랙-숄즈에 이르는 연속시간 금융의 전체 구조가 정보 이론과 최대 엔트로피 원리를 사용하여 처음부터 재구축될 수 있다고 주장합니다. 저자들은 본질적으로 "잠시 이토의 보조정리는 잊어라; 시장의 행동은 우리가 아는 것을 고려할 때 가장 덜 놀라운 것일 뿐이다"라고 말하는 것입니다. 이는 가격을 모델링하는 것에서 가격에 대한 지식을 모델링하는 것으로의 심오한 전환입니다.
논리적 흐름: 논증은 우아하고 간결합니다. 1) 우리는 불완전한 정보(사전 분포)를 가지고 있습니다. 2) 우리는 대칭성(척도 불변성)을 가지고 있습니다. 3) 우리는 신념을 가장 적게 변화시키는 도구(최대 상대 엔트로피)를 사용하여 신념을 갱신합니다. 4) 이 갱신을 역학으로 해석하면 GBM을 얻습니다. 5) 무차익 원칙이 드리프트를 고정시켜 가격 결정을 위한 위험중립 측도를 제공합니다. 이는 깔끔하고 공리 기반의 도출로, 기존의 편미분방정식/헤징 논증을 비교하면 거추장스럽게 보이게 만듭니다.
강점과 한계: 강점은 근본적인 우아함과 일반화 가능성입니다. E.T. Jaynes와 이후 Caticha의 연구에서 보듯이, 엔트로피 방법은 단순한 원리로부터 표준적인 결과를 도출하는 데 탁월합니다. 많은 우아한 이론들과 마찬가지로, 한계는 지저분한 현실과의 간극에 있습니다. 이 프레임워크는 GBM을 우아하게 도출하지만, GBM 자체는 외환에 대한 결함이 있는 모델입니다(꼬리 위험을 과소평가하고, 변동성 군집을 무시합니다). 논문은 점프와 정보 기하학에 대한 향후 연구를 간략히 언급하는데, 이곳이 진정한 시험대입니다. 이 프레임워크가 단순히 적절한 제약 조건을 추가함으로써 시장의 특징적 사실들(예: 두꺼운 꼬리)을 자연스럽게 통합할 수 있을까요, 아니면 순수성을 훼손하는 임시 조정이 필요할까요?
실행 가능한 통찰: 퀀트와 모델 검증자들에게 이 논문은 필독서입니다. 이는 모델 위험 평가를 위한 새로운 렌즈를 제공합니다. 모델의 적합도를 테스트하는 것 대신에, "이 모델이 가정하는 정보는 무엇인가? 그 정보 집합은 완전하거나 적절한가?"라고 질문하십시오. 혁신가들에게 로드맵은 명확합니다. 다음 단계는 이 프레임워크를 사용하여 새로운 모델을 구축하는 것입니다. 저자들이 베이츠와 헤스턴 모델을 언급한 것처럼, 관측된 변동성 스마일이나 점프 빈도에 대한 정보로 엔트로피 최대화에 제약을 가하십시오. 목표는 호환되지 않는 모델들을 꿰매지 않는, 일관되고 통일된 파생상품 가격 결정 이론입니다. Peters와 Gell-Mann (2016)의 에르고딕 경제학 연구는 유사한 근본적 재고가 주목받고 있음을 보여줍니다. 이 논문은 그 방향으로의 확실한 한 걸음이지만, 철학적 매력 이상의 유용성에 대한 최종 판단은 시장이 내릴 것입니다.
6. 기술적 세부 사항
수학적 핵심은 사후 분포 $P(x'|x)$의 사전 분포 $Q(x'|x)$에 대한 상대 엔트로피 $\mathcal{S}[P|Q]$를 제약 조건 하에서 최대화하는 것을 포함합니다. 핵심 제약 조건은 변동성 $\sigma$를 도입하는 기대 제곱 변위입니다: $$ \langle (\Delta x)^2 \rangle = \kappa dt $$ 여기서 $\kappa$는 변동성 $\sigma$와 관련이 있습니다. 최대화는 가우시안 전이 확률을 산출합니다: $$ P(x'|x) \propto \exp\left(-\frac{(x' - x - \alpha dt)^2}{2\kappa dt}\right) $$ 이는 연속 극한에서 $x_t$에 대한 드리프트-확산 확률미분방정식으로 이어집니다. 블랙-숄즈-머튼 편미분방정식과의 연결은 도출된 GBM 과정에 적용된 표준 위험중립 평가 논증을 통해 이루어집니다.
7. 분석 프레임워크 예시
사례: 변동성 스마일 정보 통합. 엔트로피 프레임워크는 추가 시장 데이터의 통합을 허용합니다. 현물 가격과 역사적 변동성 외에도, 옵션 시장에서 얻은 정보가 로그 수익률의 위험중립 분포가 가우시안이 아니고 음의 왜도와 초과 첨도를 가짐(변동성 스마일)을 암시한다고 가정해 보십시오.
1단계: 제약 조건 정의. 분산 제약 $\langle (\Delta x)^2 \rangle = \sigma^2 dt$에 더하여, 관측된 내재 변동성 표면으로부터의 모멘트 제약을 추가합니다: $$ \langle (\Delta x)^3 \rangle = \tilde{S} dt, \quad \langle (\Delta x)^4 \rangle - 3\langle (\Delta x)^2 \rangle^2 = \tilde{K} dt $$ 여기서 $\tilde{S}$와 $\tilde{K}$는 단위 시간당 왜도와 첨도를 나타냅니다.
2단계: 엔트로피 최대화. 이 네 가지 제약 조건(평균, 분산, 왜도, 첨도)으로 상대 엔트로피를 최대화하면, 단순한 가우시안이 아닌 Gram-Charlier 급수 또는 더 일반적인 지수족 분포로 설명되는 전이 확률 $P(x'|x)$가 도출됩니다.
3단계: 역학 도출. 결과적인 연속시간 극한은 상태 의존적 드리프트와 변동성을 가진 확산 과정이거나, 잠재적으로 점프-확산 과정이 될 것이며, 이는 확률적 변동성 과정을 미리 지정하기보다는 정보적 근본 원리로부터 베이츠 또는 헤스턴과 같은 모델을 효과적으로 도출합니다.
이 예시는 프레임워크가 더 세분화된 시장 정보를 제약 조건으로 명시적으로 통합함으로써 모델을 체계적으로 일반화할 수 있는 힘을 보여줍니다.
8. 향후 응용 및 발전 방향
엔트로피 역학 프레임워크는 계량 금융 분야의 향후 연구를 위한 몇 가지 유망한 길을 열어줍니다:
- 다중 자산 포트폴리오 및 정보 기하학: 저자들은 정보 기하학을 포트폴리오 선택에 적용하는 것을 언급합니다. 이는 평균-분산 최적화를 넘어서, 현재 시장 분포와 목표 최적 분포 사이의 "거리"에 기반한 새로운 자산 배분 전략으로 이어질 수 있습니다.
- 특징적 사실 모델링: 이 프레임워크는 적절한 동적 제약 조건을 추가하거나 과거 정보에 기반하여 제약 조건 자체를 시간 의존적으로 만듦으로써 두꺼운 꼬리, 변동성 군집, 레버리지 효과와 같은 잘 알려진 경험적 특징들을 자연스럽게 통합하기에 적합합니다.
- 비정상 및 체제 전환 시장: 상대 엔트로피의 사전 분포 $Q$는 변화하는 시장 체제를 반영하도록 동적으로 갱신될 수 있으며, 구조적 변화에 반응하는 적응형 모델을 구축하는 원칙적인 방법을 제공할 수 있습니다.
- 행동 금융학 통합: "정보" 제약 조건은 투자자 심리나 관심 지표를 포함하도록 확장될 수 있어, 전통적 계량 금융과 행동 모델 사이의 간극을 메울 수 있습니다.
- 머신러닝 시너지: 최대 엔트로피 원리는 많은 머신러닝 방법의 초석입니다. 이 프레임워크는 하이브리드 ML-금융 모델에 대한 엄격한 정보 이론적 기초를 제공하여, 특정 신경망 구조나 정규화 기법이 금융 시계열에 잘 작동하는 이유를 설명할 수 있습니다.
궁극적인 목표는 이론적으로 건전하고 경험적으로 정확하며, 오늘날 금융 공학에서 흔한 임시 모델 패치의 필요성을 줄이는, 공리 기반의 통일된 시장 역학 이론입니다.
9. 참고문헌
- 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 Proceedings of the MaxEnt 2012 conference.
- 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.
- 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
- Amari, S. I. (2016). Information Geometry and Its Applications. Springer.
- Bachelier, L. (1900). Théorie de la spéculation. Annales scientifiques de l'École Normale Supérieure, 3(17), 21–86.