Döviz Kurları ve Opsiyonların Entropik Dinamiği: Maksimum Entropi Çerçevesi

1. Giriş

Bu makale, döviz kuru (FX) dinamiğini modellemek ve Avrupa tipi opsiyonları fiyatlamak için bir Entropik Dinamik çerçevesi sunmaktadır. Temel amaç, geleneksel stokastik kalkülüs yaklaşımlarına alternatif, bilgi-teorik bir temel sağlamaktır. Albany-SUNY Üniversitesi'nden Mohammad Abedi ve Daniel Bartolomeo, finansal piyasalarda yaygın bir gerçeklik olan eksik bilgi durumlarını ele almak için entropik çıkarım ve maksimum entropi ilkelerinden yararlanmaktadır. Çerçeve, ölçek değişmezliği gibi bilinen simetrileri sistematik olarak dahil ederek, Geometrik Brown Hareketi (GBM) ve Garman-Kohlhagen modeli gibi yerleşik modellerin ilk prensiplerden türetilmesine yol açmaktadır.

2. Teorik Çerçeve

Metodoloji, entropik çıkarımın üç temel dayanağı üzerine inşa edilmiştir.

2.1. Entropik Çıkarımın Temelleri

Entropik çıkarım, belirsizlik altında akıl yürütmek için tasarlanmış tümevarımsal bir çerçevedir. Klasik mantığı, kısmi bilgiyi işleyecek şekilde genişletir. Olasılık dağılımları, bir sistem hakkındaki bilgi durumunu temsil eder.

2.2. Minimal Güncelleme İlkesi

Yeni bilgi elde edildiğinde, önceki olasılık dağılımı göreli entropi (Kullback-Leibler ıraksaması) kullanılarak güncellenir. Güncelleme, değişikliklerin yalnızca yeni veriler tarafından gerekli kılındığı kadar yapılmasını sağlayan ve en az önyargılı sonsal dağılımı veren Minimal Güncelleme İlkesi tarafından yönetilir.

2.3. Bilgi Geometrisi

Olasılık dağılımlarının uzayı, Fisher bilgisinden türetilen benzersiz bir metrikle bir Riemann manifoldu oluşturur. Bu bilgi geometrisi, dağılımlar arasında bir mesafe kavramı sağlar ve bu da dinamikleri tanımlamak için çok önemlidir. Yazarlar, gelecekteki çalışmalarda keşfedilecek portföy optimizasyonu için potansiyel önemine dikkat çekmektedir.

3. Döviz Kurları için Entropik Dinamik

Entropik Dinamik, sistemlerin nasıl değiştiğini modellemek için çıkarım çerçevesini uygular ve sisteme özgü bir entropik zaman kavramını ortaya koyar.

3.1. Ölçek Değişmezliği ve Değişken Seçimi

Döviz piyasalarındaki temel bir simetri ölçek değişmezliğidir: dinamikler, $S \rightarrow \lambda S$ gibi dönüşümler altında değişmez olmalıdır; burada $S$ döviz kurudur. Bu simetriyi açık hale getirmek için yazarlar, dönüşümün bir öteleme $x \rightarrow x + \log \lambda$ haline geldiği için modellemek için doğal değişken olarak $x = \log S$'yi tanımlamaktadır.

3.2. Geometrik Brown Hareketinin Türetilmesi

Döviz kuru hakkındaki mevcut bilgilere dayalı kısıtlamalar (örneğin, beklenen drift ve volatilitesi) getirilerek ve göreli entropi bu kısıtlamalara tabi olarak maksimize edilerek, çerçeve doğal olarak $x$ için bir dinamik ortaya çıkarır. $S$'ye geri çevrildiğinde Geometrik Brown Hareketi (GBM) denklemi elde edilir: $$ dS_t = \mu S_t dt + \sigma S_t dW_t $$ Burada $\mu$ drift, $\sigma$ volatilite ve $W_t$ bir Wiener sürecidir. Bu türetme, GBM'nin verilen moment kısıtlamaları ve ölçek simetrisi ile tutarlı en az önyargılı model olarak ortaya çıktığını göstermektedir.

4. Opsiyon Fiyatlama Çerçevesi

Türev ürünleri fiyatlamak için, arbitrajı önlemek adına risksiz değerleme çerçevesi esastır.

4.1. Risksiz Ölçü Türetimi

Entropik çerçeve içinde, gerçek dünya ölçüsü $\mathbb{P}$'den risksiz ölçü $\mathbb{Q}$'ya geçiş bir çıkarım problemi olarak yorumlanır. Bu, önceki dağılımı (gerçek dünya dinamiği), iskonto edilmiş varlık fiyatının bir martingal olması gerektiği (arbitraj yokluğu) yeni bilgisiyle güncellemeyi içerir. Minimal Güncelleme İlkesi'nin bu kısıt altında uygulanması, Girsanov teoremi dönüşümüne ve $\mathbb{Q}$'nun tanımlanmasına yol açar.

4.2. Garman-Kohlhagen Modeli

Risksiz ölçünün bir döviz kurunun GBM dinamiğine (yerel $r_d$ ve yabancı $r_f$ olmak üzere iki faiz oranı içerir) uygulanması ve bir Avrupa tipi opsiyon için Black-Scholes-Merton kısmi diferansiyel denkleminin çözülmesi Garman-Kohlhagen formülünü verir: $$ C = S_0 e^{-r_f T} \Phi(d_1) - K e^{-r_d T} \Phi(d_2) $$ Burada $$ d_1 = \frac{\ln(S_0/K) + (r_d - r_f + \sigma^2/2)T}{\sigma\sqrt{T}}, \quad d_2 = d_1 - \sigma\sqrt{T}. $$ Bu sonuç, entropik dinamik yaklaşımını standart döviz opsiyonları fiyatlama modeli ile uyumlu hale getirir.

6. Özgün Analiz: Eleştirel Bir Bakış Açısı

Abedi ve Bartolomeo'nun makalesi, klasik finansal matematiği bilgi teorisi merceğinden yeniden çerçevelemede zorlayıcı bir entelektüel egzersiz sunmaktadır. Temel katkısı yeni bir model değil, mevcut olanların—Geometrik Brown Hareketi (GBM) ve Garman-Kohlhagen modeli—yeni bir türetimi ve gerekçelendirilmesidir. Bu, ekonomideki aksiyomatik yaklaşımı veya fizikteki ilk prensipler arayışını anımsatan, daha temel ilkeler arayan nicel finans alanındaki daha geniş bir eğilimle uyumludur.

Teknik olarak, dinamikleri türetmek için maksimum entropi ilkelerinin uygulanması zariftir. Ölçek değişmezliği nedeniyle $\log S$'nin doğru değişken olarak tanımlanması, çok önemli ve iyi gerekçelendirilmiş bir adımdır. Bu, GBM'yi takip eden neredeyse tüm stokastik volatilite ve sıçrama-difüzyon modellerinde log-fiyatların kullanımını yankılamaktadır. Ancak, çerçevenin çıktısı—standart GBM—en büyük sınırlamasıdır. 1987 çöküşü ve 2008 krizinden bu yana finans literatürü, GBM'nin ampirik eksikliklerini açıkça ortaya koymuştur: volatilite kümelenmesini (GARCH modellerinde görüldüğü gibi), yağlı kuyruklu getirileri ve opsiyon piyasalarında yaygın olan volatilite gülümsemesi/eğriliğini yakalayamamaktadır. Heston (1993) veya Cont ve Tankov (2004) tarafından incelenen sonsuz aktiviteli Lévy süreçleri gibi modeller tam da bu boşlukları doldurmak için geliştirilmiştir.

Bu nedenle, makalenin önemi son denklemlerinde değil, metodolojik vaadindedir. Entropik çıkarım çerçevesi doğası gereği esnektir. GBM'yi türetmek için kullanılan kısıtlar (getirilerin ortalaması ve varyansı) basittir. Gerçek test, daha gerçekçi kısıtlar—gözlemlenen volatilite volatilitesi veya getiri dağılımının belirli momentleri gibi—getirilerek hangi dinamiklerin ortaya çıkacağını görmek olacaktır. Bir Heston-tipi model türetebilir mi? Bu çok daha etkili bir katkı olurdu. Portföy optimizasyonu için bilgi geometrisi üzerine gelecekteki çalışmalara yapılan atıf özellikle merak uyandırıcıdır. Fisher bilgi metriği, bir portföyün parametre tahmin hatalarına karşı stabilitesini veya hassasiyetini ölçmek için sıklıkla sezgisel olarak ele alınan, büyük pratik öneme sahip bir konuda titiz bir yol sağlayabilir.

Sonuç olarak, bu çalışma sofistike bir kavram kanıtıdır. Entropik dinamik çerçevesini fizikten finansa başarıyla taşır ve temel sonuçları çoğaltabileceğini gösterir. Değeri, sonraki araştırmaların bu çerçevenin mekanizmasını, bu temellerin bilinen eksikliklerini ele almak için kullanıp kullanamayacağına, zarif bir gerekçelendirmeden gerçek bir yeniliğe geçip geçemeyeceğine bağlı olacaktır.

7. Matematiksel Çerçeve ve Teknik Detaylar

Temel matematiksel motor, kısıtlara tabi göreli entropinin (Kullback-Leibler ıraksaması) maksimizasyonudur. Bir önceki dağılım $q(x)$ ve birkaç $f_i$ fonksiyonu için beklenen değerler $\mathbb{E}_p[f_i(x)] = F_i$ şeklinde yeni bilgi verildiğinde, sonsal $p(x)$ aşağıdaki minimize edilerek bulunur: $$ D_{KL}[p||q] = \int p(x) \ln \frac{p(x)}{q(x)} dx $$ $\int p(x) f_i(x) dx = F_i$ ve normalizasyon $\int p(x) dx = 1$ kısıtları altında. Lagrange çarpanları $\lambda_i$ kullanılarak çözüm şudur: $$ p(x) = \frac{1}{Z} q(x) \exp\left(-\sum_i \lambda_i f_i(x)\right) $$ Burada $Z$ bölüşüm fonksiyonudur. Dinamik bağlamında, $q(x)$ bir başlangıç durumundan geçiş olasılığını temsil eder ve kısıtlar sistemin beklenen drift ve dalgalanmasını kodlar. Döviz uygulamasında, $x = \log S$ ile, beklenen değişim $\mathbb{E}[\Delta x]$ ve onun varyansı $\mathbb{E}[(\Delta x)^2]$ üzerine bir kısıtlama, Gauss geçiş olasılığına yol açar ve bu da sürekli limitte GBM'nin altında yatan difüzyon denklemini üretir.

Risksiz ölçü $\mathbb{Q}$'ya geçiş, yeni bir kısıt eklemeyi içerir: iskonto edilmiş varlığın beklenen getirisi risksiz faiz oranına eşit olmalıdır. Bu, Lagrange çarpanlarını değiştirir ve etkin bir şekilde $dW^{\mathbb{Q}}_t = dW^{\mathbb{P}}_t + \theta dt$ olacak şekilde bir drift ayarlama terimi $\theta$ ekler, ki bu Girsanov teoreminin özüdür.

8. Analitik Çerçeve ve Vaka Örneği

Vaka: Bir Para Çifti (EUR/USD) için Model Seçimini Gerekçelendirme

Senaryo: Bir bankada çalışan bir nicel analist, vanilya EUR/USD opsiyonlarını fiyatlamak için bir model geliştirmekle görevlendirilmiştir. Model seçimini model doğrulama komitesine gerekçelendirmelidir.

Entropik Çerçevenin Uygulanması:

1. Önceki Bilgiyi Belirtin: Analist bilinen gerçekleri listeler: EUR/USD pozitiftir, yüzde değişimleri mutlak değişimlerden daha önemlidir (ölçek değişmezliği) ve tarihsel veriler ortalama drift ve volatilite için tahminler sağlar.
2. Minimal Güncelleme İlkesini Uygulayın: Maksimum cehalet durumundan ($\log S$ için düz bir önceki dağılım) başlayarak, analist inançlarını drift ve volatilite kısıtlamalarını maksimum entropi yoluyla dahil ederek günceller.
3. Dinamikleri Türetin: Çerçeve, iki moment kısıtlaması ile tutarlı en az önyargılı model olarak GBM'yi çıktı verir. Analist bu türetimi komiteye sunar ve daha fazla parametreye sahip herhangi bir modelin (örneğin, stokastik volatilite) kullanılmasının, daha karmaşık güncellemeyi haklı çıkarmak için karşılık gelen ek, istatistiksel olarak sağlam bilgi gerektireceğini savunur.
4. Fiyatlama: Opsiyonları fiyatlamak için analist arbitraj yokluğu kısıtını ekler, risksiz ölçüyü ve Garman-Kohlhagen formülünü türetir.

Sonuç: Komite, GBM/Garman-Kohlhagen'i sınırlı bilgiden ilkeli bir türetim nedeniyle temel model olarak kabul eder. Analist, belki aynı entropik mantığı kullanarak, ek piyasa verilerinin (örneğin, volatilite gülümsemesi) GBM önceki dağılımından daha karmaşık bir güncellemeyi haklı çıkarmak için yeterli bilgi sağladığını gösterebilirse, yalnızca belirli vade/para durumları için daha karmaşık bir modeli (SABR gibi) onaylayabilirler.

9. Gelecek Uygulamalar ve Araştırma Yönleri

Entropik dinamik çerçevesi, klasik sonuçları çoğaltmanın ötesinde birkaç umut verici yol açmaktadır:

• GBM Ötesi: Daha yüksek momentler (çarpıklık, basıklık) veya volatilite sürecinin kendisi üzerine kısıtlar dahil etmek, yerel/stokastik volatilite veya sıçrama-difüzyon modellerinin entropi tabanlı türetimlerine yol açabilir.
• Portföy Oluşturmada Bilgi Geometrisi: Yazarların ima ettiği gibi, Fisher metriği farklı piyasa ortamları arasındaki "istatistiksel mesafeyi" ölçebilir. Bu şunlar için kullanılabilir: 1) Tahmin edilen parametrelerdeki hatalara karşı hassasiyeti minimize eden sağlam portföy stratejileri geliştirmek. 2) Son getiriler ile mevcut model arasındaki bilgi mesafesini izleyerek rejim değişimleri için erken uyarı sinyalleri oluşturmak.
• Likid Olmayan Varlıkların Modellenmesi: Seyrek veriye sahip varlıklar için, maksimum entropi yaklaşımı, ekonomik ilkelere veya benzer varlıklara dayalı bir önceki dağılım belirlemek ve yeni işlemler gerçekleştikçe onu minimal şekilde güncellemek için titiz bir yöntem sağlar.
• Çoklu Varlık Dinamiği: Çerçevenin birden fazla korelasyonlu varlığa genişletilmesi. Kısıtlar korelasyonları içerecek ve ortaya çıkan dinamikler doğal olarak kovaryans yapısının geometrisine saygı duyacak, potansiyel olarak sistemik risk hakkında içgörüler sunacaktır.
• Makine Öğrenimi ile Entegrasyon: "Önceki güncelleme" paradigması, Bayesci makine öğrenimi ile uyumludur. Çerçeve, finansal kısıtlamaları (arbitraj yokluğu gibi) doğrudan mimarilerine veya kayıp fonksiyonlarına dahil eden sinir ağlarının tasarımına rehberlik edebilir, yorumlanabilirliği ve sağlamlığı artırabilir.

10. Kaynaklar

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 11th Brazilian Meeting on Bayesian Statistics.
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. Cont, R. (2001). Empirical properties of asset returns: stylized facts and statistical issues. Quantitative Finance, 1(2), 223–236.
6. 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.
7. Cont, R., & Tankov, P. (2004). Financial Modelling with Jump Processes. Chapman and Hall/CRC.
8. Amari, S. I., & Nagaoka, H. (2000). Methods of Information Geometry. American Mathematical Society.