Стохастические дифференциальные уравнения (СДУ) в финансовом моделировании

Классическое стохастическое дифференциальное уравнение записывается в виде $dX_t = \mu(t, X_t)dt + \sigma(t, X_t)dW_t$, где $X_t$ — моделируемый финансовый показатель, $\mu(t, X_t)$ — функция сноса (дрейфа), определяющая локальную ожидаемую тенденцию изменения, $\sigma(t, X_t)$ — функция диффузии (волатильности), задающая масштаб случайных флуктуаций, а $dW_t$ — приращение стандартного винеровского процесса (броуновского движения). Математическая строгость требует трактовки таких уравнений в форме стохастических интегралов Ито, поскольку пути винеровского процесса нигде не дифференцируемы в классическом смысле. Главным алгебраическим инструментом работы с СДУ выступает лемма Ито, позволяющая вычислять дифференциалы гладких функций от стохастических процессов.

Важнейшим мостом между теорией СДУ и финансовой инженерией является теорема Фейнмана-Каца. Эта теорема устанавливает строгую математическую связь между математическим ожиданием решений стохастических дифференциальных уравнений (вычисляемым, например, методом Монте-Карло) и решениями детерминированных параболических дифференциальных уравнений в частных производных (УЧП). Уравнение Блэка-Шоулза — это классическое проявление теоремы Фейнмана-Каца. Данная связь позволяет аналитикам выбирать наиболее эффективный численный метод: для задач малой размерности (1-3 фактора) быстрее решить сеткой детерминированное УЧП, а для задач высокой размерности — симулировать СДУ.

Для численного решения СДУ на практике используются схемы дискретизации. Самой простой и распространенной является схема Эйлера-Маруямы: $X_{t+\Delta t} = X_t + \mu(t, X_t)\Delta t + \sigma(t, X_t)\sqrt{\Delta t} Z$, где $Z \sim N(0,1)$ — стандартная нормальная случайная величина. Однако эта схема имеет лишь половинный порядок сильной сходимости. В случаях, когда требуется более точное моделирование отдельных траекторий (Pathwise valuation) для экзотических деривативов со сложными барьерами, применяются более точные методы, такие как схема Мильштейна, которая добавляет корректирующий член, учитывающий производную функции диффузии $\sigma \cdot \partial \sigma / \partial x$, обеспечивая сильную сходимость первого порядка.

Приложения СДУ выходят далеко за рамки классического опционного ценообразования. Модели локальной волатильности (модель Дюпира), стохастической волатильности (Хестон, SABR) и модели прыжковой диффузии (Мертон, Коу) — все они формализуются через системы взаимосвязанных СДУ. В высокочастотной торговле (HFT) СДУ используются для моделирования динамики микроструктуры рынка и объемов в стакане заявок. Глубокое понимание теории существования и единственности решений СДУ, а также свойств мартингалов и марковских процессов, является обязательным квалификационным требованием для специалистов по исследованию операций (Quants) в современных финансовых корпорациях.

Список литературы:
1. Karatzas I., Shreve S.E. Brownian Motion and Stochastic Calculus. — Springer, 1991.
2. Оксендаль Б. Стохастические дифференциальные уравнения. Введение в теорию и приложения. — М.: Мир, 2003.
3. Корн Р., Корн Э. Математика финансовых опционов: Теория, практика, вычисления. — М.: Финансы и статистика, 2007.
Эксперты: Иоаннис Каратзас, Стивен Шрив, Бернт Оксендаль.