Комбинаторика и вероятности
Комбинаторика служит основой теории вероятностей, позволяя считать благоприятные исходы. Вероятность = благоприятные / все возможные.
Комбинаторика служит основой теории вероятностей, позволяя считать благоприятные исходы. Вероятность = благоприятные / все возможные.
Популярные формулы комбинаторики позволяют быстро решать задачи о количестве вариантов. Они включают факториал, перестановки, размещения и сочетания.
Математическая комбинаторика изучает способы подсчета дискретных объектов, их комбинаций и перестановок. Этот раздел лежит в основе многих задач теории вероятностей и информатики.
Оптимизация портфеля по Марковицу в ее современной индустриальной формулировке представляет собой задачу выпуклого квадратичного программирования (Quadratic Programming, QP) с ограничениями в виде равенств и неравенств (запрет коротких позиций, лимиты на сектора). Математическим фундаментом для нахождения точного аналитического или численного решения этой задачи служат условия Каруша-Куна-Таккера (KKT), обобщающие метод множителей Лагранжа на случай ограничений-неравенств.
Классическая концепция безарбитражного ценообразования Блэка-Шоулза требует полноты рынка, где любой риск может быть идеально захеджирован. На реальных неполных рынках (при наличии транзакционных издержек, скачков или неторгуемых факторов риска, таких как погода или волатильность) идеальная репликация невозможна. Метод цен безразличия (Utility Indifference Pricing), основанный на теории ожидаемой полезности, предоставляет строгий экономический и математический подход к оценке деривативов через предпочтения инвестора.
Оценка американских и бермудских опционов традиционно осуществлялась методами конечных разностей или биномиальными деревьями, которые неэффективны при высокой размерности (опционы на корзину акций). Метод Лонгстаффа-Шварца (Least-Squares Monte Carlo, LSM), представленный в 2001 году, совершил переворот, объединив гибкость симуляций Монте-Карло с регрессионным анализом для нахождения оптимальной границы досрочного исполнения деривативов.
Корзинные опционы (Basket Options) — это деривативы, выплата по которым зависит от взвешенной суммы цен нескольких базовых активов. Они чрезвычайно популярны в индексном инвестировании и структурированных продуктах, однако их оценка сталкивается с классической математической преградой: сумма логнормальных случайных величин не является логнормальной, что делает невозможным получение точной формулы Блэка-Шоулза. Метод Леви предоставляет изящное аналитическое приближение для решения этой задачи.
Модель Бейтса (1996 год) представляет собой одну из наиболее совершенных классических моделей ценообразования опционов, объединяющую стохастическую волатильность модели Хестона с логнормальными скачками модели Мертона. Это позволяет одновременно улавливать как долгосрочную динамику улыбки волатильности, так и крутой краткосрочный перекос (skew), вызванный страхом внезапных рыночных крахов.
Классическое дельта-хеджирование, основанное на математическом дифференцировании функции цены по базовому активу в модели Блэка-Шоулза, отлично работает в теории непрерывного времени без транзакционных издержек. Однако в реальном мире трения (спреды, комиссии, влияние на рынок) и неполнота рынков разрушают линейность этих методов. Концепция Глубокого хеджирования (Deep Hedging), предложенная Хансом Бюлером и соавторами из JP Morgan в 2018 году, совершила сдвиг парадигмы, применив глубокие искусственные нейронные сети для прямого нахождения оптимальной стратегии без использования дифференциальных уравнений.
Клике-опционы (Cliquet Options, или опционы с храповиком) — это сложный класс зависящих от пути деривативов, которые периодически фиксируют ("защелкивают") накопленную прибыль инвестора, защищая его от последующих обвалов рынка. Они лежат в основе массовых структурированных продуктов (например, Equity-Indexed Annuities в страховании жизни). Однако их математическая оценка является одной из самых каверзных задач, так как она критически зависит не от спотовой, а от скрытой Форвардной улыбки волатильности (Forward Volatility Smile).