Loading [MathJax]/jax/output/HTML-CSS/jax.js

반응형

[금융수학] 14. 마팅게일 표현정리, 파인만-칵 공식, 콜모고로프 방정식



마팅게일 표현정리


표본공간 (Ω,F,P)에서 정의된 확률과정 {Mt}t0가 여과 {Ft}t0에 대해 적응되어 있고, 또한 마팅게일이라고 하자. 각 t0에 대해 E(M2t)<이면, {Mt}t0를 제곱 적분가능(square-integrable)한 마팅게일이라고 한다. 


브라운 운동에 대한 마팅게일 표현정리(martingale representation theorem for Brownian motion). {Ft}t0P브라운 운동 {Wt}t0에 의해 생성되는 여과라고 하자. {Mt}t0가 제곱 적분가능한 (P,Ftt0)마팅게일이라고 할 때 {Ft}t0예측가능한 과정 {αt}t0가 존재해서 P확률 1로서 다음이 성립한다.MtM0=t0αsdWs증명: M0F0에 대해 가측이므로 확률 1로서 상수이다. 필요하면 Mt대신 Nt=MtM0를 사용해 Nt에 대해 증명할 수 있기 때문에 M0=0인 경우만 증명하면 된다. 마팅게일의 기본적 성질로부터 E(Mt)=0이고 E(MT|Ft)=Mt이다.

주어진 여과에 적응되어 있고, 제곱 적분가능한 확률과정들의 집합을 V라 하자. 임의의 Xt,YtV에 대해Xt,YtV=E(T0XsYsds)라고 하면 ,V는 내적이고 V는 힐베르트 공간이다. 그리고L20(Ω,FT,P)={ZL2(Ω,FT,P)|E(Z)=0}이라 하면 이토 적분으로 정의되는 선형사상 I:VL20(Ω,FT,P), I(Xs)=T0XsdWs는 거리를 보존한다. I가 전사(surjective, onto)임을 보이자. {αt}0tTV가 존재해서 Mt=T0αsWs이고 따라서 다음이 성립한다.Mt=E(MT|Ft)=E(T0αsdWs|Fs)=t0αsdWs파인만-칵 공식


파인만-칵 공식(Feynman-Kac formula). t,xR에 대한 함수 F,μ,σ:[0,T]×RRx에 대한 함수 h:RR가 정의되고, 다음의 편미분방정식이 주어졌다고 하자.{Ft(t,x)+μ(t,x)Fx(t,x)+12σ2(t,x)2Fx2(t,x)=0,0<t<TF(T,x)=h(x)이때 확률과정 {Xt}t0가 확률미분방정식 dXt=μ(t,Xt)dt+σ(t,Xt)dWt를 만족하면 다음이 성립한다.F(t,x)=E(h(XT)|Ft)|Xt=x=E(h(XT)|Xt=x)증명: 이토 공식으로부터F(T,XT)F(t,Xt)=Tt{Fs(s,Xs)+μ(s,Xs)FsFx(s,Xs)+12σ2(s,Xs)2Fx2(s,Xs)}ds+Ttσ(s,Xs)Fx(s,Xs)dWs=Ttσ(s,Xs)Fx(s,Xs)dWs이고 이 등식 양변에 조건부기댓값 E(|Ft)을 적용하면E(F(T,XT)|Ft)F(t,Xt)=0이고 따라서F(t,Xt)=E(F(T,XT)|Ft)=E(h(XT)|Ft)이다. 

파인만-칵 공식에서 μ=σ=0이면, Fx만의 함수이고, Xt는 상수이므로 F(t,x)=h(x)이다. σ=0이면, XtXt는 상미분방정식 dXdt=μ(t,X)의 해이다. 

벡터장 Y:R2R2Y(t,x)=(1,μ(t,x)), ϕ(t)=(ϕ1(t),ϕ2(t))Y의 적분곡선이라 하자. 즉(ϕ1(t),ϕ2(t))=(1,μ(t,ϕ2(t)))따라서 ϕ1(t)=t이고 dϕ2dt=μ(t,ϕ2)이다. 연쇄법칙에 의해ddt(F(ϕ(t)))=Ft(ϕ(t))ϕ1(t)+Fx(ϕ(t))ϕ2(t)=Ft(ϕ(t))+Fx(ϕ(t))μ(t,ϕ2(t))=0이므로 F는 벡터장 Y의 적분 곡선 위에서 상수이고 모든 t에 대해 F(ϕ(t))=F(ϕ(T))즉, F(t,ϕ2(t))=F(T,ϕ2(T))이다.

확률미분방정식 dXt=dWt은 이토 적분의 정의에 의해 XtX0=t0dWt=Wt이고 파인만-칵 공식으로부터E(h(XT)|Ft)|Xt=x=E(h(WT+X0)|Ft)|Wt+X0=x=E(h(WTWt+x)|Ft)|Wt=xX0=E(h(WTWt+x))=E(h(WTt+x))=h(z+x)12π(Tt)ez22(Tt)dz=h(y)12π(Tt)e(xy)22(Tt)dy이고, 위의 마지막 줄 적분식의 우변은 h와 열 핵(heat kernel) 12π(Tt)ex22(Tt)와의 합성곱(convolution)이고, 다음의 편미분방정식의 해이다.Ft+122Fx2=0,F(T,x)=h(x)확률미분방정식 dXt=μ(t,Xt)dt+σ(t,Xt)dWt에 대한 무한소 생성원(infinitesimal generator)를 다음과 같이 정의한다.A=μ(t,x)x+12σ2(t,x)2x2이 무한소 생성원을 이용해 파인만-칵 공식의 편미분방정식을 다음과 같이 나타낼 수 있다.(t+A)F(t,x)=0함수 F(t,x)가 파인만-칵 공식의 편미분방정식을 만족한다고 하자. V(t,x)=er(Tt)F(t,x)라 하면Vt=rer(Tt)F(t,x)+er(Tt)tF(t,x)이므로 V는 다음의 편미분방정식을 만족한다.{Vt+μ(t,x)Vx(t,x)+12σ2(t,x)2Vx2(t,x)=rV(t,x)V(T,x)=er(Tt)F(T,x)=h(x)확률과정 St가 상수 μ0,σ0에 대해 기하 브라운 운동 dSt=μ0Stdt+σ0StdWt를 만족하면 μ(t,x)=μ0x, σ(t,x)=σ0x이므로 파인만-칵 공식에 의해 다음이 성립한다.V(t,x)=er(Tt)F(t,x)=er(Tt)E(h(ST)|St=x)따라서 최종조건이 V(T,x)=h(x)인 편미분방정식Vt(t,x)+μ(t,x)Vx(t,x)+12σ2(t,x)2Vx2(t,x)=rV(t,x)의 해는 V(t,x)=er(Tt)E(h(ST)|St=x)이다. 

V가 유러피언 옵션의 가격을 나타내는 경우는 μ0=r이어야 하므로 다음의 블랙-숄즈 편미분방정식을 얻는다.Vt(t,x)+rxVx(t,x)+12σ20x22Vx2(t,x)=rV(t,x)랜덤워크(random walk)에 대한 이산모형에서 시간 dt동안 dx만큼 움직일 확률이 p이고 dx만큼 움직일 확률을 1p라 하자. 극한을 잡을 때 브라운 운동으로 수렴하도록 하기 위해p=12+μdt2σ,q=12μdt2σ,dx=σdt라 하자. 시간 0일 때 x0에서 출발해 시간 t일 때 x에 도달할 확률을 p(x,t,x0)라 하자. 이때 전이확률(transition probability)의 이산형을 다음과 같이 나타낼 수 있다.p(x,t,x0)=pp(xdx,tdt,x0)+qp(x+dx,tdt,x0)이것은 x0에서 출발해 시간 tdt동안 xdx로 간 후 마지막으로 오른쪽으로 한번 가서 x에 도달하거나(이럴 확률은 p), 또는 x0에서 출발해 시간 tdt동안 x+dx로 간 후 마지막으로 왼쪽으로 한 번 가서 x에 도달할 확률의 합이다. 

함수 p(x,t,x0)가 충분히 여러 번 미분가능하고 2차 테일러 전개를 하면 다음의 근사식을 얻는다.p(x,t,x0)p{p(x,t,x0)p(x,t,x0)xdxp(x,t,x0)tdt+122p(x,t,x0)x2(dx)2}+q{p(x,t,x0)dx+p(x,t,x0)xdxp(x,t,x0)tdt+122p(x,t,x0)x2(dx)2}p+q=1이고 (qp)dx=μdt이므로 dt0일 때 다음의 콜모고로프 전진 방정식(Kolmogorov forward equation)을 얻는다.pt(x,t,x0)=12σ2px2(x,t,x0)μpx(x,t,x0)을 얻고, μ=0인 경우는 열 방정식(heat equation) 또는 확산 방정식(diffusion equation)이다.

위의 편미분방정식(콜모고로프 전진 방정식)의 초기조건이 디랙 델타함수 δ로 주어지면, 즉 p(x,0,x0)=δ(xx0)이면, 해인 p(x,t,x0)p(x,t,x0)=1σ2πte(xx0μt)22σ2t이다. 

앞의 경우와 다른 관점에서 전이확률을 다음과 같이 나타낼 수 있다.p(x,t+dt,x0)=pp(x,t,x0+dx)+qp(x,t,x0dt)이것은 x0에서 출발해 오른쪽으로 한번 간 후 나머지 시간 (t+dt)dt=t동안 x로 가거나 또는 x0에서 출발해 왼쪽으로 간 다음 나머지 시간 t 동안 x로 가는 두 경우의 확률을 합한 것이다.

함수 p가 충분히 여러 번 미분가능하고 2차 테일러 전개를 하면 다음의 근사식을 얻는다.p(x,t,x0)+p(x,t,x0)tdtp{p(x,t,x0)+p(x,t,x0)xdx+122p(x,t,x0)x2(dx)2}+q{p(x,t,x0)p(x,t,x0)xdx+122p(x,t,x0)x2(dx)2}p+q=1이고 (pq)dx=μdt이므로 dt0일 때 다음의 콜모고로프 후진 방정식(Kolmogorov backward equation)을 얻는다.pt(x,t,x)=12σ22p(x,t,x)x2+μpx(x,t,x0)참고자료:             

금융수학의 방법론, 최건호, 경문사

반응형
Posted by skywalker222