Kandungan
1. Pengenalan
Kertas kerja ini membentangkan kerangka Dinamik Entropi untuk memodelkan kadar pertukaran asing (FX) dan menetapkan harga opsyen Eropah. Objektif teras adalah untuk menyediakan asas alternatif berasaskan teori maklumat bagi dinamik kewangan, melangkaui kalkulus stokastik tradisional. Penulis, Mohammad Abedi dan Daniel Bartolomeo, memanfaatkan prinsip inferens entropi—kaedah untuk penaakulan di bawah maklumat tidak lengkap—untuk menerbitkan model kewangan yang terkenal daripada prinsip pertama.
Karya ini menghubungkan konsep abstrak entropi maksimum dan geometri maklumat kepada kewangan praktikal, memuncak dalam penerbitan Gerakan Brown Geometri (GBM) untuk kadar pertukaran dan model Garman-Kohlhagen untuk opsyen FX. Pendekatan ini menonjolkan simetri ketakubahan skala yang wujud dalam pasangan mata wang, membawa kepada pilihan semula jadi untuk memodelkan logaritma kadar pertukaran.
2. Kerangka Teoretikal
2.1. Inferens Entropi dan Entropi Maksimum
Inferens entropi ialah kerangka induktif untuk situasi dengan maklumat tidak lengkap. Alat pertamanya ialah teori kebarangkalian untuk mewakili keadaan kepercayaan. Yang kedua ialah entropi relatif (atau divergens Kullback-Leibler), digunakan untuk mengemas kini kepercayaan apabila maklumat baharu tiba, dipandu oleh Prinsip Pengemaskinian Minimum. Memaksimumkan entropi relatif menghasilkan taburan posterior paling tidak berat sebelah yang menggabungkan semua maklumat yang ada.
Alat ketiga ialah geometri maklumat, yang menyediakan metrik pada ruang taburan kebarangkalian. Walaupun tidak diterokai mendalam di sini, penulis menyatakan potensi kepentingannya untuk pengurusan portfolio dan dinamik pelbagai aset.
2.2. Dinamik Entropi dan Masa
Dinamik Entropi menggunakan inferens entropi untuk memodelkan bagaimana sistem berubah. Satu inovasi utama ialah pengenalan parameter masa entropi, yang muncul dan disesuaikan dengan sistem tertentu dan bukannya jam sejagat. Konsep ini telah berjaya diaplikasikan dalam pelbagai konteks fizik dan di sini disesuaikan untuk kewangan.
2.3. Ketakubahan Skala dalam FX
Satu simetri asas dalam pasaran FX ialah ketakubahan skala: dinamik tidak sepatutnya bergantung pada sama ada kita menyebut kadar pertukaran sebagai USD/EUR atau dalam bentuk salingannya. Simetri ini menentukan bahawa model harus dirumuskan dari segi logaritma kadar pertukaran, $x = \ln S$, di mana $S$ ialah kadar spot FX. Transformasi seperti $S \to \lambda S$ (penskalaan mudah) membiarkan dinamik tidak berubah apabila dinyatakan dari segi $x$.
3. Penerbitan Model
3.1. Daripada Prinsip Entropi kepada GBM
Bermula dengan maklumat prior tentang kadar FX—khususnya, nilai awal dan turun naiknya—penulis menggunakan kerangka dinamik entropi untuk menerbitkan evolusi masanya. Dengan mengenakan kekangan yang konsisten dengan pemerhatian pasaran (seperti varians terhingga) dan memaksimumkan entropi, taburan kebarangkalian yang terhasil untuk kadar log-pertukaran masa depan $x$ ditunjukkan mengikuti proses hanyut-difusi.
Dengan mengubah kembali kepada kadar spot $S = e^x$, proses ini menjadi Gerakan Brown Geometri (GBM) yang biasa: $$ dS_t = \mu S_t dt + \sigma S_t dW_t $$ di mana $\mu$ ialah hanyutan, $\sigma$ ialah turun naik, dan $W_t$ ialah proses Wiener. Penerbitan ini secara nyata menghormati ketakubahan skala.
3.2. Ukuran Neutral Risiko dan Penetapan Harga Opsyen
Untuk menetapkan harga derivatif, prinsip tiada arbitraj dipanggil. Penulis menunjukkan cara menerbitkan ukuran neutral risiko $\mathbb{Q}$ dalam kerangka entropi. Ini melibatkan pelarasan hanyutan proses GBM kepada perbezaan kadar bebas risiko antara dua mata wang, $(r_d - r_f)$.
Di bawah $\mathbb{Q}$, dinamik menjadi: $$ dS_t = (r_d - r_f) S_t dt + \sigma S_t dW_t^{\mathbb{Q}} $$ Menetapkan harga opsyen panggilan Eropah pada kadar FX dengan dinamik ini membawa terus kepada formula Garman-Kohlhagen, analog FX bagi formula Black-Scholes.
4. Keputusan dan Perbincangan
4.1. Model Garman-Kohlhagen
Hasil akhir penerbitan entropi ialah model Garman-Kohlhagen untuk harga opsyen panggilan Eropah: $$ C = S_0 e^{-r_f T} \Phi(d_1) - K e^{-r_d T} \Phi(d_2) $$ di mana $$ d_1 = \frac{\ln(S_0/K) + (r_d - r_f + \sigma^2/2)T}{\sigma\sqrt{T}}, \quad d_2 = d_1 - \sigma\sqrt{T} $$ $S_0$ ialah kadar spot, $K$ ialah harga pelaksanaan, $T$ ialah masa sehingga matang, $r_d$ dan $r_f$ ialah kadar bebas risiko domestik dan asing, $\sigma$ ialah turun naik, dan $\Phi$ ialah CDF normal piawai.
4.2. Perbandingan dengan Kaedah Tradisional
Sumbangan utama kertas kerja ini adalah metodologi. Ia mendapatkan semula model yang mantap (GBM, Garman-Kohlhagen) bukan melalui kalkulus stokastik dan hujah lindung nilai, tetapi melalui pendekatan berasaskan teori maklumat dan prinsip pertama berdasarkan pemaksimuman entropi dan simetri. Ini memberikan justifikasi yang lebih mendalam dan berasas untuk model-model ini dan membuka pintu untuk menggeneralisasikannya dengan menggabungkan kekangan maklumat yang berbeza atau lebih kompleks.
5. Inti Pati & Perspektif Penganalisis
Inti Pati: Kertas kerja ini bukan tentang formula penetapan harga baharu yang lebih baik; ia adalah permainan kuasa falsafah. Ia berhujah bahawa seluruh bangunan kewangan masa berterusan, dari Bachelier ke Black-Scholes, boleh dibina semula dari bawah menggunakan teori maklumat dan prinsip entropi maksimum. Pada dasarnya, penulis berkata, "Lupakan lemma Ito seketika; tingkah laku pasaran hanyalah perkara paling tidak mengejutkan yang boleh dilakukannya, berdasarkan apa yang kita tahu." Ini adalah anjakan mendalam daripada memodelkan harga kepada memodelkan pengetahuan tentang harga.
Aliran Logik: Hujahnya elegan dan jimat. 1) Kita mempunyai maklumat tidak lengkap (taburan prior). 2) Kita mempunyai simetri (ketakubahan skala). 3) Kita mengemas kini kepercayaan kita menggunakan alat yang mengubahnya paling sedikit (entropi relatif maksimum). 4) Kemaskinian ini, ditafsirkan sebagai dinamik, memberi kita GBM. 5) Tiada arbitraj menentukan hanyutan, memberi kita ukuran neutral risiko untuk penetapan harga. Ia adalah penerbitan bersih, didorong aksiom yang membuatkan hujah PDE/lindung nilai tradisional kelihatan hampir kekok dalam perbandingan.
Kekuatan & Kelemahan: Kekuatannya ialah keanggunan asas dan potensi untuk generalisasi. Seperti yang dilihat dalam fizik dengan kerja E.T. Jaynes dan kemudian Caticha, kaedah entropi cemerlang dalam menerbitkan keputusan kanonik daripada prinsip mudah. Kelemahannya, seperti banyak teori elegan, ialah jurang kepada realiti yang kusut. Kerangka ini dengan elegan menerbitkan GBM, tetapi GBM sendiri adalah model yang cacat untuk FX (ia meremehkan risiko ekor, mengabaikan kelompok turun naik). Kertas kerja ini secara ringkas menyebut kerja masa depan mengenai lompatan dan geometri maklumat, di mana ujian sebenar terletak. Bolehkah kerangka ini secara semula jadi menggabungkan fakta bergaya pasaran (cth., ekor gemuk) dengan hanya menambah kekangan yang betul, atau adakah ia memerlukan pelarasan ad-hoc yang mencairkan kesuciannya?
Wawasan Boleh Tindak: Untuk kuant dan pengesah model, kertas kerja ini adalah bacaan wajib. Ia menyediakan kanta baharu untuk penilaian risiko model. Daripada hanya menguji kesesuaian model, tanya: "Maklumat apakah yang diandaikan oleh model ini? Adakah set maklumat itu lengkap atau sesuai?" Untuk inovator, peta jalan adalah jelas. Langkah seterusnya ialah menggunakan kerangka ini untuk membina model baharu. Kekang pemaksimuman entropi dengan maklumat tentang senyuman turun naik yang diperhatikan atau kekerapan lompatan, seperti yang diisyaratkan oleh rujukan penulis kepada model Bates dan Heston. Hadiahnya ialah teori penetapan harga derivatif yang koheren dan bersatu padu yang tidak menjahit bersama model yang tidak serasi. Kerja Peters dan Gell-Mann (2016) mengenai ekonomi ergodik menunjukkan pemikiran semula asas yang serupa semakin mendapat tempat. Kertas kerja ini adalah langkah kukuh ke arah itu, tetapi pasaran akan menjadi hakim muktamad utilitinya melampaui daya tarikan falsafah.
6. Butiran Teknikal
Teras matematik melibatkan memaksimumkan entropi relatif $\mathcal{S}[P|Q]$ bagi taburan posterior $P(x'|x)$ relatif kepada prior $Q(x'|x)$, tertakluk kepada kekangan. Satu kekangan utama ialah anjakan kuasa dua jangkaan, yang memperkenalkan turun naik $\sigma$: $$ \langle (\Delta x)^2 \rangle = \kappa dt $$ di mana $\kappa$ berkaitan dengan turun naik $\sigma$. Pemaksimuman menghasilkan kebarangkalian peralihan Gaussian: $$ P(x'|x) \propto \exp\left(-\frac{(x' - x - \alpha dt)^2}{2\kappa dt}\right) $$ yang dalam had kontinum membawa kepada SDE hanyut-difusi untuk $x_t$. Sambungan kepada PDE Black-Scholes-Merton dibuat melalui hujah penilaian neutral risiko piawai yang diaplikasikan kepada proses GBM yang diterbitkan.
7. Contoh Kerangka Analisis
Kes: Menggabungkan Maklumat Senyuman Turun Naik. Kerangka entropi membolehkan integrasi data pasaran tambahan. Katakan, selain harga spot dan turun naik sejarah, kita juga mempunyai maklumat dari pasaran opsyen yang membayangkan taburan neutral risiko bagi pulangan log bukan Gaussian tetapi mempunyai kecondongan negatif dan kurtosis berlebihan (senyuman turun naik).
Langkah 1: Takrifkan Kekangan. Selain kekangan varians $\langle (\Delta x)^2 \rangle = \sigma^2 dt$, kita tambah kekangan momen daripada permukaan turun naik tersirat yang diperhatikan: $$ \langle (\Delta x)^3 \rangle = \tilde{S} dt, \quad \langle (\Delta x)^4 \rangle - 3\langle (\Delta x)^2 \rangle^2 = \tilde{K} dt $$ di mana $\tilde{S}$ dan $\tilde{K}$ menangkap kecondongan dan kurtosis per unit masa.
Langkah 2: Maksimumkan Entropi. Memaksimumkan entropi relatif dengan empat kekangan ini (min, varians, kecondongan, kurtosis) membawa kepada kebarangkalian peralihan $P(x'|x)$ yang diterangkan oleh siri Gram-Charlier atau taburan keluarga eksponen yang lebih umum, bukan Gaussian mudah.
Langkah 3: Terbitkan Dinamik. Had masa berterusan yang terhasil akan menjadi proses difusi dengan hanyutan dan turun naik bergantung keadaan, atau berpotensi proses lompat-difusi, secara efektif menerbitkan model seperti Bates atau Heston daripada prinsip pertama maklumat dan bukannya menentukan proses turun naik stokastik terlebih dahulu.
Contoh ini menunjukkan kuasa kerangka untuk menggeneralisasikan model secara sistematik dengan menggabungkan maklumat pasaran yang lebih terperinci sebagai kekangan.
8. Aplikasi & Hala Tuju Masa Depan
Kerangka dinamik entropi membuka beberapa laluan penyelidikan yang menjanjikan untuk masa depan dalam kewangan kuantitatif:
- Portfolio Pelbagai Aset & Geometri Maklumat: Penulis menyebut mengaplikasikan geometri maklumat kepada pemilihan portfolio. Ini boleh membawa kepada strategi peruntukan aset baharu berdasarkan "jarak" antara taburan pasaran semasa dan taburan optimum sasaran, melangkaui pengoptimuman min-varians.
- Memodelkan Fakta Bergaya: Kerangka ini secara semula jadi sesuai untuk menggabungkan ciri empirikal terkenal seperti ekor gemuk, kelompok turun naik, dan kesan leverage dengan menambah kekangan dinamik yang sesuai atau menjadikan kekangan itu sendiri bergantung masa berdasarkan maklumat lalu.
- Pasaran Tidak Stasioner dan Pertukaran Rejim: Taburan prior $Q$ dalam entropi relatif boleh dikemas kini secara dinamik untuk mencerminkan perubahan rejim pasaran, berpotensi menawarkan cara berprinsip untuk membina model adaptif yang bertindak balas kepada pecahan struktur.
- Integrasi Kewangan Tingkah Laku: Kekangan "maklumat" boleh diperluaskan untuk memasukkan metrik sentimen atau perhatian pelabur, merapatkan jurang antara kewangan kuantitatif tradisional dan model tingkah laku.
- Sinergi Pembelajaran Mesin: Prinsip entropi maksimum adalah batu asas bagi banyak kaedah pembelajaran mesin. Kerangka ini boleh menyediakan asas teori maklumat yang kukuh untuk model hibrid ML-kewangan, menerangkan mengapa seni bina rangkaian neural atau teknik pensuisan tertentu berfungsi dengan baik untuk siri masa kewangan.
Matlamat utama ialah teori dinamik pasaran yang bersatu padu dan berasaskan aksiom yang kedua-duanya kukuh secara teori dan tepat secara empirikal, mengurangkan keperluan untuk tampalan model ad-hoc yang biasa dalam kejuruteraan kewangan hari ini.
9. Rujukan
- 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.