Теорема Фейнмана-Каца: мост между стохастическими процессами и уравнениями в частных производных

Математическая суть теоремы формулируется следующим образом. Рассмотрим диффузионный процесс Ито $X_t$, заданный уравнением $dX_t = mu(X_t, t)dt + sigma(X_t, t)dW_t$. Предположим, мы хотим вычислить условное математическое ожидание дисконтированной функции выплат в конечный момент времени $T$: $V(x, t) = mathbb{E} left[ e^{-int_t^T r(X_s, s) ds} Phi(X_T) | X_t = x ight]$. Теорема Фейнмана-Каца строго доказывает, что эта функция $V(x, t)$ является единственным решением следующего детерминированного УЧП с обратным временем (задачей Коши): $frac{partial V}{partial t} + mu(x, t)frac{partial V}{partial x} + frac{1}{2}sigma^2(x, t)frac{partial^2 V}{partial x^2} - r(x, t)V = 0$, удовлетворяющим терминальному условию $V(x, T) = Phi(x)$.

Значение этого моста для финансовой инженерии трудно переоценить. Вывод классического уравнения Блэка-Шоулза-Мертона является прямым следствием этой теоремы. Когда мы применяем принцип безарбитражности и строим дельта-нейтральный портфель, мы получаем УЧП. Теорема Фейнмана-Каца мгновенно дает нам решение этого УЧП: цена опциона — это просто риск-нейтральное математическое ожидание его будущих выплат, дисконтированное по безрисковой ставке. Более того, оператор, стоящий в правой части УЧП, $mathcal{L} = mu frac{partial}{partial x} + frac{1}{2}sigma^2 frac{partial^2}{partial x^2}$, называется Инфинитезимальным генератором марковского процесса. Он описывает ожидаемую скорость изменения любой функции от процесса $X_t$.

Теорема Фейнмана-Каца предоставляет аналитикам невероятную вычислительную свободу. Если параболическое УЧП (например, для американского опциона или модели Хестона) имеет низкую размерность (1-3 фактора риска), кванты решают его сеточными методами конечных разностей (FDM), так как это быстрее и точнее. Но как только размерность возрастает (например, опцион на корзину из 10 акций), сеточные методы страдают от "проклятия размерности" — экспоненциального роста памяти. В этот момент аналитики переходят по "мосту" Фейнмана-Каца в мир теории вероятностей и вычисляют решение того же самого УЧП методом Монте-Карло, который масштабируется линейно с ростом размерности.

Развитие теоремы охватывает и более сложные граничные задачи. Для барьерных опционов (где процесс "убивается" при достижении барьера $B$) задача Коши заменяется на задачу Дирихле с краевым условием $V(B, t) = 0$. Формула Фейнмана-Каца в этом случае берет интеграл не по всем траекториям броуновского движения, а только по тем, которые не коснулись барьера, что строго формализуется через время первой остановки (Stopping Time). Глубокое понимание этого математического тождества позволяет разработчикам (Quants) создавать гибридные алгоритмы, где симуляция стохастических путей комбинируется с локальным решением УЧП для достижения максимальной производительности торговых систем.

Список литературы:
1. Kac M. On Distributions of Certain Wiener Functionals. — Transactions of the American Mathematical Society, 1949.
2. Karatzas I., Shreve S.E. Brownian Motion and Stochastic Calculus. — Springer, 1991.
3. Shreve S.E. Stochastic Calculus for Finance II: Continuous-Time Models. — Springer, 2004.
Эксперты: Ричард Фейнман, Марк Кац, Стивен Шрив.