İçindekiler
1. Giriş
Bu makale, döviz kurlarını modellemek ve Avrupa tipi opsiyonları fiyatlamak için bir Entropik Dinamikler çerçevesi sunmaktadır. Temel amaç, geleneksel stokastik kalkülüsün ötesine geçerek finansal dinamiklere alternatif, bilgi-teorik bir temel sağlamaktır. Yazarlar Mohammad Abedi ve Daniel Bartolomeo, eksik bilgi altında akıl yürütme yöntemi olan entropik çıkarım ilkelerinden yararlanarak, temel ilkelerden yola çıkarak iyi bilinen finansal modelleri türetmektedir.
Bu çalışma, maksimum entropi ve bilgi geometrisinin soyut kavramlarını pratik finansla bağdaştırarak, döviz kurları için Geometrik Brown Hareketi (GBM) ve döviz opsiyonları için Garman-Kohlhagen modelinin türetilmesiyle sonuçlanmaktadır. Bu yaklaşım, döviz çiftlerinde doğal olarak bulunan ölçek değişmezliği simetrisini vurgulamakta ve döviz kurunun logaritmasını modellemenin doğal bir seçim olmasını sağlamaktadır.
2. Teorik Çerçeve
2.1. Entropik Çıkarım ve Maksimum Entropi
Entropik çıkarım, eksik bilgi durumları için tümevarımsal bir çerçevedir. İlk aracı, inanç durumlarını temsil etmek için olasılık teorisidir. İkincisi ise, yeni bilgiler geldiğinde inançları güncellemek için kullanılan ve Minimal Güncelleme İlkesi tarafından yönlendirilen göreceli entropi (veya Kullback-Leibler ıraksamasıdır). Göreceli entropiyi maksimize etmek, mevcut tüm bilgileri içeren en tarafsız sonsal dağılımı verir.
Üçüncü araç ise, olasılık dağılımları uzayında bir metrik sağlayan bilgi geometrisidir. Burada derinlemesine incelenmese de, yazarlar portföy yönetimi ve çoklu varlık dinamikleri için potansiyel önemine dikkat çekmektedir.
2.2. Entropik Dinamikler ve Zaman
Entropik Dinamikler, sistemlerin nasıl değiştiğini modellemek için entropik çıkarımı uygular. Önemli bir yenilik, evrensel bir saat olmaktan ziyade, belirli sisteme uyarlanmış ve ortaya çıkan bir entropik zaman parametresinin tanıtılmasıdır. Bu kavram, çeşitli fizik bağlamlarında başarıyla uygulanmış ve burada finans alanına uyarlanmıştır.
2.3. Döviz Piyasasında Ölçek Değişmezliği
Döviz piyasalarında temel bir simetri ölçek değişmezliğidir: dinamikler, döviz kurunu USD/EUR olarak mı yoksa karşılıklı formunda mı ifade ettiğimize bağlı olmamalıdır. Bu simetri, modelin döviz kurunun logaritması cinsinden, $S$ spot döviz kuru olmak üzere $x = \ln S$ şeklinde formüle edilmesini gerektirir. $S \to \lambda S$ gibi dönüşümler (basit bir ölçekleme), $x$ cinsinden ifade edildiğinde dinamikleri değişmez bırakır.
3. Model Türetimi
3.1. Entropik İlkelerden GBM'ye
Bir döviz kuru hakkındaki öncel bilgiden (özellikle başlangıç değeri ve oynaklığı) yola çıkarak, yazarlar entropik dinamikler çerçevesini kullanarak zaman içindeki evrimini türetirler. Piyasa gözlemleriyle tutarlı kısıtlamalar (sonlu varyans gibi) dayatarak ve entropiyi maksimize ederek, gelecekteki log-döviz kuru $x$ için ortaya çıkan olasılık dağılımının bir sürüklenme-difüzyon süreci izlediği gösterilir.
Spot kura geri dönüşüm yapıldığında, $S = e^x$, bu süreç tanıdık Geometrik Brown Hareketine (GBM) dönüşür: $$ dS_t = \mu S_t dt + \sigma S_t dW_t $$ Burada $\mu$ sürüklenme, $\sigma$ oynaklık ve $W_t$ bir Wiener sürecidir. Türetme, ölçek değişmezliğine açıkça saygı duyar.
3.2. Risksiz Ölçüm ve Opsiyon Fiyatlama
Türev ürünleri fiyatlamak için arbitraj olmama ilkesi devreye sokulur. Yazarlar, entropik çerçeve içinde bir risksiz ölçüm $\mathbb{Q}$'nun nasıl türetileceğini gösterir. Bu, GBM sürecinin sürüklenmesini iki para birimi arasındaki risksiz faiz farkına, $(r_d - r_f)$'ye ayarlamayı içerir.
$\mathbb{Q}$ altında dinamikler şu hale gelir: $$ dS_t = (r_d - r_f) S_t dt + \sigma S_t dW_t^{\mathbb{Q}} $$ Bu dinamiklerle bir döviz kuru üzerindeki Avrupa tipi alım opsiyonunu fiyatlamak, doğrudan Black-Scholes formülünün döviz analoğu olan Garman-Kohlhagen formülüne götürür.
4. Sonuçlar ve Tartışma
4.1. Garman-Kohlhagen Modeli
Entropik türetmenin nihai çıktısı, bir Avrupa tipi alım opsiyonunun fiyatı için Garman-Kohlhagen modelidir: $$ C = S_0 e^{-r_f T} \Phi(d_1) - K e^{-r_d T} \Phi(d_2) $$ Burada $$ d_1 = \frac{\ln(S_0/K) + (r_d - r_f + \sigma^2/2)T}{\sigma\sqrt{T}}, \quad d_2 = d_1 - \sigma\sqrt{T} $$ $S_0$ spot kur, $K$ kullanım fiyatı, $T$ vadeye kalan süre, $r_d$ ve $r_f$ yerli ve yabancı risksiz faiz oranları, $\sigma$ oynaklık ve $\Phi$ standart normal CDF'dir.
4.2. Geleneksel Yöntemlerle Karşılaştırma
Makalenin temel katkısı yöntemseldir. Yerleşik modelleri (GBM, Garman-Kohlhagen) stokastik kalkülüs ve hedge argümanlarıyla değil, entropi maksimizasyonu ve simetriye dayalı bilgi-teorik, temel ilkeler yaklaşımıyla yeniden elde eder. Bu, bu modeller için daha derin, daha temelli bir gerekçe sağlar ve farklı veya daha karmaşık bilgi kısıtlamalarını dahil ederek onları genelleştirmenin kapısını açar.
5. Temel Kavrayış & Analist Perspektifi
Temel Kavrayış: Bu makale yeni, daha iyi bir fiyatlama formülü hakkında değildir; felsefi bir güç gösterisidir. Bachelier'dan Black-Scholes'a kadar sürekli zamanlı finansın tüm yapısının, bilgi teorisi ve maksimum entropi ilkesi kullanılarak temelden yeniden inşa edilebileceğini savunur. Yazarlar özünde şunu söylemektedir: "Ito'nun lemmasını bir saniyeliğine unutun; piyasanın davranışı, bildiklerimiz göz önüne alındığında yapabileceği en az şaşırtıcı şeydir." Bu, fiyatları modellemekten, fiyatlar hakkındaki bilgiyi modellemeye doğru derin bir kaymadır.
Mantıksal Akış: Argüman zarif ve tutumludur. 1) Eksik bilgimiz var (bir önsel dağılım). 2) Bir simetrimiz var (ölçek değişmezliği). 3) İnançlarımızı onları en az değiştiren araçla (maksimum göreceli entropi) güncelleriz. 4) Bu güncelleme, dinamikler olarak yorumlandığında bize GBM'yi verir. 5) Arbitraj olmama, sürüklenmeyi sabitler ve bize fiyatlama için risksiz ölçümü verir. Geleneksel KSM/hedge argümanını neredeyse hantal gösteren temiz, aksiyom odaklı bir türetmedir.
Güçlü ve Zayıf Yönler: Güçlü yanı, temel zarafet ve genelleştirme potansiyelidir. Fizikte E.T. Jaynes ve daha sonra Caticha'nın çalışmalarında görüldüğü gibi, entropik yöntemler kanonik sonuçları basit ilkelerden türetmede üstündür. Birçok zarif teoride olduğu gibi zayıf yanı, karmaşık gerçeklikle arasındaki boşluktur. Çerçeve GBM'yi zarifçe türetir, ancak GBM'nin kendisi döviz için kusurlu bir modeldir (kuyruk riskini hafife alır, oynaklık kümelenmesini göz ardı eder). Makale, sıçramalar ve bilgi geometrisi üzerine gelecek çalışmalardan kısaca bahseder ki asıl sınav buradadır. Bu çerçeve, piyasaların stilize edilmiş gerçeklerini (ör. kalın kuyruklar) doğru kısıtlamaları ekleyerek doğal olarak içerebilir mi, yoksa saflığını sulandıran ad-hoc ayarlamalar mı gerektirecek?
Uygulanabilir Kavrayışlar: Kuantlar ve model doğrulayıcılar için bu makale zorunlu bir okumadır. Model risk değerlendirmesi için yeni bir lens sağlar. Sadece bir modelin uyumunu test etmek yerine şunu sorun: "Bu model hangi bilgiyi varsayıyor? Bu bilgi seti tam ve uygun mu?" Yenilikçiler için yol haritası açıktır. Bir sonraki adım, bu çerçeveyi kullanarak yeni modeller inşa etmektir. Yazarların Bates ve Heston modellerine atıfta bulunmasında ima edildiği gibi, gözlemlenen oynaklık gülümsemesi veya sıçrama frekansları hakkındaki bilgilerle entropi maksimizasyonunu kısıtlayın. Ödül, uyumsuz modelleri birbirine dikmeyen tutarlı, birleşik bir türev fiyatlama teorisidir. Peters ve Gell-Mann'ın (2016) ergodisite ekonomisi üzerine çalışması, benzer temel yeniden düşünmenin ivme kazandığını göstermektedir. Bu makale bu yönde sağlam bir adımdır, ancak piyasa, felsefi çekiciliğinin ötesindeki faydasının nihai yargıcı olacaktır.
6. Teknik Detaylar
Matematiksel çekirdek, bir sonsal dağılım $P(x'|x)$'in bir önsel $Q(x'|x)$'e göre göreceli entropisi $\mathcal{S}[P|Q]$'yu, kısıtlamalara tabi olarak maksimize etmeyi içerir. Anahtar bir kısıtlama, oynaklık $\sigma$'yı tanıtan beklenen kare yer değiştirmedir: $$ \langle (\Delta x)^2 \rangle = \kappa dt $$ Burada $\kappa$, oynaklık $\sigma$ ile ilişkilidir. Maksimizasyon, Gauss geçiş olasılığını verir: $$ P(x'|x) \propto \exp\left(-\frac{(x' - x - \alpha dt)^2}{2\kappa dt}\right) $$ ki bu sürekli limitde $x_t$ için sürüklenme-difüzyon SDE'sine yol açar. Black-Scholes-Merton KSM'siyle bağlantı, türetilen GBM sürecine uygulanan standart risksiz değerleme argümanıyla kurulur.
7. Analiz Çerçevesi Örneği
Durum: Oynaklık Gülümsemesi Bilgisinin Dahil Edilmesi. Entropik çerçeve, ek piyasa verilerinin entegrasyonuna izin verir. Varsayalım ki, spot fiyat ve geçmiş oynaklığın ötesinde, opsiyon piyasasından, log-getirilerin risksiz dağılımının Gauss olmadığı, negatif çarpıklık ve aşırı basıklığa (bir oynaklık gülümsemesi) sahip olduğunu ima eden bilgilerimiz de var.
Adım 1: Kısıtlamaları Tanımlayın. Varyans kısıtlaması $\langle (\Delta x)^2 \rangle = \sigma^2 dt$'ye ek olarak, gözlemlenen zımni oynaklık yüzeyinden moment kısıtlamaları ekleriz: $$ \langle (\Delta x)^3 \rangle = \tilde{S} dt, \quad \langle (\Delta x)^4 \rangle - 3\langle (\Delta x)^2 \rangle^2 = \tilde{K} dt $$ Burada $\tilde{S}$ ve $\tilde{K}$, birim zaman başına çarpıklık ve basıklığı yakalar.
Adım 2: Entropiyi Maksimize Edin. Bu dört kısıtlamayla (ortalama, varyans, çarpıklık, basıklık) göreceli entropiyi maksimize etmek, basit bir Gauss değil, Gram-Charlier serisi veya daha genel bir üstel aile dağılımıyla tanımlanan bir geçiş olasılığı $P(x'|x)$'e yol açar.
Adım 3: Dinamikleri Türetin. Ortaya çıkan sürekli zaman limiti, duruma bağlı sürüklenme ve oynaklığa sahip bir difüzyon süreci veya potansiyel olarak bir sıçrama-difüzyon süreci olacak, böylece Bates veya Heston gibi bir modeli stokastik bir oynaklık süreci önceden belirlemek yerine bilgisel temel ilkelerden etkin bir şekilde türetecektir.
Bu örnek, çerçevenin, daha ayrıntılı piyasa bilgilerini açıkça kısıtlama olarak dahil ederek modelleri sistematik olarak genelleştirme gücünü göstermektedir.
8. Gelecek Uygulamalar & Yönelimler
Entropik dinamikler çerçevesi, kantitatif finans alanında gelecek araştırmalar için birkaç umut verici yol açmaktadır:
- Çoklu Varlık Portföyleri & Bilgi Geometrisi: Yazarlar, bilgi geometrisinin portföy seçimine uygulanmasından bahsetmektedir. Bu, ortalama-varyans optimizasyonunun ötesine geçen, mevcut piyasa dağılımı ile hedef optimal dağılım arasındaki "mesafe"ye dayalı yeni varlık tahsis stratejilerine yol açabilir.
- Stilize Edilmiş Gerçeklerin Modellenmesi: Çerçeve, uygun dinamik kısıtlamalar ekleyerek veya kısıtlamaların kendilerini geçmiş bilgilere dayalı olarak zamana bağlı hale getirerek, kalın kuyruklar, oynaklık kümelenmesi ve kaldıraç etkileri gibi iyi bilinen ampirik özellikleri doğal olarak dahil etmeye uygundur.
- Durağan Olmayan ve Rejim Değiştiren Piyasalar: Göreceli entropideki önsel dağılım $Q$, değişen piyasa rejimlerini yansıtmak için dinamik olarak güncellenebilir, potansiyel olarak yapısal kırılmalara yanıt veren uyarlanabilir modeller oluşturmak için ilkeli bir yol sunabilir.
- Davranışsal Finans Entegrasyonu: "Bilgi" kısıtlamaları, yatırımcı duyarlılığı veya dikkat metriklerini içerecek şekilde genişletilebilir, böylece geleneksel kantitatif finans ile davranışsal modeller arasındaki boşluğu kapatabilir.
- Makine Öğrenimi Sinerjisi: Maksimum entropi ilkesi, birçok makine öğrenimi yönteminin temel taşıdır. Bu çerçeve, hibrit ML-finans modelleri için titiz bir bilgi-teorik temel sağlayabilir, belirli sinir ağı mimarilerinin veya düzenlileştirme tekniklerinin finansal zaman serileri için neden iyi çalıştığını açıklayabilir.
Nihai hedef, hem teorik olarak sağlam hem de ampirik olarak doğru, günümüz finans mühendisliğinde yaygın olan ad-hoc model yamalarına olan ihtiyacı azaltan, birleşik, aksiyom tabanlı bir piyasa dinamikleri teorisidir.
9. Kaynaklar
- 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.