1-8. 확률 미적분학(Stochastic Calculus)과 마틴게일(Martingales)


마틴게일에는 여러 가지 의미가 있다. 

도박에서의 마틴게일은, 질 때마다 베팅 사이즈를 늘리는 전략을 말한다.

동전 던지기에서 1달러를 베팅해서 지면 2달러, 또 지면 4달러, 8달러, 16달러... 이런 식으로 베팅하는 방식이다.

마틴게일 전략은 단순히 승률을 극단적으로 올리는 대신 RRR(Risk Return Ratio)를 극단적으로 안좋게 만드는 것으로, 기대값의 변화가 없다.

따라서 무제한의 돈이 있지 않는 한, 좋은 전략이 아니며, 패배의 리스크는 생각보다 높다.


확률 미적분학에서의 martingale은 drift가 없는 stochastic process를 말한다.

마틴게일에 관해서는 세 가지 주요한 개념이 있다.

1. Stochastic process의 한 종류로서의 martingale.

2. Martingale 중 특수하고 굉장히 유용한 exponential martingale.

3. Probability measure P 하에서의 S(t)의 특성과 관련없이, 무조건 Q하에 S(t)가 마틴게일이 되는 measure Q, 즉 equivalent martingale measures.

첫번째를 주로 다루고, 두번째와 세번째도 살펴보기로 한다.



1-8-1. 마틴게일의 정의


이산 시간 확률 프로세스(discrete time stochastic process)가 있다고 하자.

{Mt: t = 0, ..., T}, Mt는 t = 0, ..., T에 대해 Ft-measurable.

이 경우, E| Mt | < ∞ 이고, E[ Mt+1 | Ft ] = Mt 이면, 이 프로세스는 martingale이라 한다.


이를 연속 시간 개념으로 확장하면, 연속 시간 확률 프로세스인

{Mt : t ∈ R+}, Mt 는 t ∈ R+에 대해 Ft-measurable.

의 경우, E| Mt | < ∞ 이고, E[ Mt | Fs ] = Ms, 0 ≤ s ≤ t 이면, 이 프로세스는 martingale이라 한다.


쉽게 말하면, 미래 어느 시점에 대한 기대값은 곧 현재값과 같다는 것이다.

브라운 운동과 이토 적분은 마틴게일이다.

마르코프 프로세스는 반드시 마틴게일은 아니고, 마틴게일 또한 반드시 마르코프 프로세스는 아니다.



1-8-2. 브라운 운동과 마틴게일


Levy는 브라운 운동을 마틴게일을 이용해 정의하였다.

1. X(0) = 0

2. Sample path t |ㅡ> X(t)는 연속이다.

3. Xt는 filtration Ft에 대해 마틴게일이다.

4. | Xt |2 - t 는 filtration Ft에 대해 마틴게일이다.


브라운 운동의 classical definition과 비교해 보면,

1. X(0) = 0

2. Sample path t |ㅡ> X(t)는 연속이다.

3. t1 < t2 < t3 < t4 에 대하여 increment Xt4 - Xt3, Xt2 - Xt1 은 독립이다.
4. Xt - Xs ~ N(0, | t - s | )
인데, 사실 같은 이야기이다. 
Increment가 N(0, ~)을 따른다는 것은 기대변화값이 0, 즉 Levy의 3번과 일치하고,
Levy의 4번은 결국 quadratic variation |Xt| ㅡ> t 이란 뜻이다. Standard calculus에 없는 extra drift term이다.


1-8-3. 이토 적분과 마틴게일

이토적분은 discretize했을 때 non-anticipatory left-hand rule을 따른다.
limn->∞N-10f(ti, Xti) (Xi+1-Xi)
Right-hand rule과 mid-point rule은 anticipatory, 즉 t+1값을 예측해야하는 반면, 이토적분은 그렇지 않다.

그리고 limn->∞N-10f(ti, Xti) (Xi+1-Xi) 의 기대값을 구하면,
lim, summation는 E 밖으로 나오고, f( )또한 time i에서 아는 값이므로 E 밖으로 나오면, E[Xi+1-Xi] = 0 이다.
따라서 마틴게일이 성립한다.



Stochastic process Y(t) = X2(t) 를 보자. 이토의 정리에 의해
01.jpg

이고, 양변의 expectation을 하면,

02.jpg

이 된다. 그런데 여기서 E[X2(T)]는 quadratic variation인 T이므로, 

03.jpg

가 된다. 따라서 이토 적분은 마틴게일이다.


굳이 이 예가 아닌, 그 어떤 stochastic process를 예로 들어도 위가 성립된다.

[0, T]에 대한 g(t, Xt) 라는 함수가 있고 technical condition을 충족하면,

04.jpg

위 이토 적분은 마틴게일이다.


그 역인, 마틴게일은 이토 적분으로 표현될 수 있다도 성립한다.

만일 M이 마틴게일이면, technical condition을 충족하는 함수 g(t, Xt)가 존재하며,

05.jpg

위가 성립된다. (Martingale Representation Theorem)


*참고로, time integral과 expectation은 Fubini's Theorem에 의해 아래와 같이 교환할 수 있다.

06.jpg


이토 적분의 세 가지 주요 특성은 다음과 같다.

1. Linearity: 적분의 limit of a sum으로써의 일반적 정의에서 따온 것이다.
07.jpg

2. Ito isometry: 이것은 이토 적분을 일반적인 함수들로 확장하는데 쓰인다.

08.jpg

3. Martingale

09.jpg



1-8-4. 마르코프 vs 마틴게일

마틴게일은 s < t일 때, 시간 t 때의 기대값은 시간 s 때의 realized 값이라는 것이다. 마틴게일은 driftless process다.
마르코프는 time t의 기대값이, time s까지의 history에 의존하지 않는다는 것이다. 마르코프는 memoryless process다. (no path dependence)


1-8-5. 지수 마틴게일(Exponential Martingale)

아래를 만족하는 어떤 stochastic process Y(t)가 있다고 하자.
dY(t) = f(t)dt + g(t)dX(t)
그리고 새로운 프로세스 Z(t) = exp(Y(t))를 정의하자.
Z(t)가 마틴게일이 되려면 f(t)는 무엇이 되어야 할까?
10.jpg


위의 stochastic process Z(t)는 다른 stochastic process의 exponential이면서 martingale이기 때문에, exponential martingale이라 부른다.



1-8-6. Novikov Condition


위에서 주목할 한 가지 점은, 

11.jpg

어떤 stochastic process가 위를 만족하면 Novikov condition을 만족한다고 한다.

그리고 stochastic process θ가 Novikov condition을 만족하면, 아래와 같이 정의된 process Mθ은 마틴게일이다.

12.jpg


Exponential martingale은 새로운 probability measure P를 정의할 Radon Nikodym derivative Λ로 사용될 수 있기 때문에 확률론에서 매우 중요하다.

13.jpg


위 개념은 나중에 나올 Girsanov's Theorem에서 매우 중요하다.

Girsanov's Theorem은 나중에 다룰 것임으로 잠깐만 언급하고 넘어간다.

어떤 stochastic process θ가 Novikov condition을 만족하면, 

14.jpg

위의 Radon Nicodym derivative를 통해 (Ω, F)에서 P와 equivalent한 probability measure Q를 정의할 수 있다.

그리고 아래와 같이 정의된 프로세스 XQ는 (Ω, F, Q)에서 standard Brownian Motion이다.

15.jpg



1-8-7. 마틴게일의 종류


간략하게 여러 가지 마틴게일을 짚고 넘어간다.


1-8-7-1. Supermartingale and Submartingale


Supermartingale은 기대값이 현재값보다 작을 경우, Submartingale은 기대값이 현재값보다 클 경우를 말한다.


1-8-7-2. Stopping Time


Local martingale를 설명하기 위해서는 stopping time 개념이 필요하다.

어떤 도박 게임에서, marginal winning이 X(n), 누적 winning이 W(n)이라 하면, 어느 시간 τ에 게임을 멈추는 방법은 세 가지가 있다.

Fn은 각 라운드에 의해 생성된 filtration이다. W(n)은 Fn-measurable이다.

1) 어떤 특정한 라운드 N 후에 멈추는 방법 - 이 경우, τ = N 이고 결정론적이다.

2) 어떤 재산 목표 WT가 달성되면 멈추는 방법.

3) 재산이 0이 되면 멈추는 방법.

이 때, 2와 3의 경우, τ는 stopping time이라 불리며, {τ = n} ∈ Fnτ는 Fn-measurable이다.

이 2, 3을 합쳐, τ가 WT가 되거나 0이 될 때로 정의하면, τ는 hitting times로 불린다.

만약 어떤 랜덤 변수의 sequence ε1ε2, ..., εn과 stopping time τ가 있으면,

ετnεmin(τ,n) 를 sequence stopped at τ라고 한다.

그리고, τ가 stopping time일 경우,

1) ε이 마틴게일이면, ετn도 마틴게일이다.

2) ε이 슈퍼마틴게일이면, ετn도 슈퍼마틴게일이다.

3) ε이 서브마틴게일이면, ετn도 서브마틴게일이다.


1-8-7-3. Local Martingale


다시 돌아가, local martingale은 지역적 마틴게일인데,

τㅡ> ∞ as k ㅡ> ∞ 이고, M(min(t, τk)가 모든 k에 대해 마틴게일임을 만족하는 Ft stopping times (τk)k=1,...를 찾을 수 있으면,

Ft-adapted process M(t)는 Ft에 대해 local martingale이라 한다.


1-8-7-4. Semimartingale


어떤 프로세스 Z(t)가 아래를 성립하면 semimartingale이라 한다.

Z(t) = A(t) + M(t)

여기서 A(t)는 예측가능한 process로, locally bounded variation을 가지고 있고, A(0) = 0 이며,

M(t)는 local martingale이다.

금융 공학에서의 대부분 프로세스 - 브라운 운동, Ito diffusion process, jump-diffusion/Levy process는 모두 semimartingale이다.


1-8-7-5. Quasimartingale


Rao's Theorem은 quasimartingale의 특성을 다음과 같이 정리한다.

어떤 프로세스 Z(t)가 아래를 성립하면 semimartingale이라 한다.

Z(t) = B(t) + M(t)

여기서 B(t)는 예측가능한 process로, path of locally integrable variation을 가지고 있고, B(0) = 0 이며,

M(t)는 local martingale이다.

Quasimartingale의 B(t)는 semimartingale의 A(t)보다 느슨하게 정의되지만, 마찬가지로 infinite variation은 제외한다.

댓글 0

문서 첨부 제한 : 0Byte/ 2.00MB
파일 크기 제한 : 2.00MB (허용 확장자 : *.*)
 
목록
번호 제목 글쓴이 날짜 조회 수
공지 [공지]금융 공학 정보 게시판의 운영에 관하여 최한철 2016.04.21 182
20 [3-6]변형 옵션(Exotic Options) 최한철 2016.05.13 116
19 [3-5]수치 계산법 입문(Introduction to Numerical Methods) file 최한철 2016.05.09 215
18 [3-4]변동성의 이해(미완) 최한철 2016.05.09 905
17 [3-3]옵션 가치 계산 모델(미완성) 최한철 2016.05.07 63
16 [3-2]블랙 숄즈와 마틴게일 file 최한철 2016.05.05 357
15 [3-1]블랙 숄즈 모델(Black-Scholes Model) file 최한철 2016.05.04 1230
14 [2-6]변동성 모델: ARCH Framework file 최한철 2016.05.03 156
13 [2-5]자산 수익률의 실증적 패턴 file 최한철 2016.05.02 196
12 [2-4]마켓 리스크 측정 방법 file 최한철 2016.05.01 738
11 [2-3]리스크 규제와 Basel III file 최한철 2016.04.30 331
10 [2-2]최적화(Optimization) 기초와 포트폴리오 선택 file 최한철 2016.04.27 2722
9 [2-1]현대 포트폴리오 이론(Modern Portfolio Theory) 입문 file 최한철 2016.04.27 429
» [1-8]확률 미적분학(Stochastic Calculus)과 마틴게일(Martingales) file 최한철 2016.04.26 928
7 [1-7]확률 미적분학(Stochastic Calculus)과 확률(Probability) file 최한철 2016.04.25 626
6 [1-6]이항 모델(Binomial Model) file 최한철 2016.04.23 188
5 [1-5]금융 상품과 전략(미완성) 최한철 2016.04.23 109
4 [1-4]확률 미분 방정식(Stochastic Differential Equation)의 변환 file 최한철 2016.04.23 1730
3 [1-3]응용 확률 미적분학(Applied Stochastic Calculus) file 최한철 2016.04.23 330
2 [1-2]금융 공학의 각종 함수들 file 최한철 2016.04.22 1356