이번 글은
2022.08.04 - [금융공학] - Black Scholes Equation의 풀이
Black Scholes Equation의 풀이
이번 글은 2022.08.03 - [금융공학] - Black Scholes Equation과 Heat Equation의 관계 Black Scholes Equation과 Heat Equation의 관계 이번 글은 2022.08.02 - [금융공학] - 파생상품 가격 결정 Black Scholes E..
sine-qua-none.tistory.com
에서 이어집니다. 저번 글에서는 Black Scholes Equationn을 heat equation으로 바꾸어 문제를 해결하는 법을 소개했습니다.
하지만 계산이 너무나 복잡했지요. 이 글에서는 Black Scholes Equation을 어떤 확률 process와 결합하여 멋진 식을 유도해 볼 생각입니다. 우선 복습을 좀 해봅시다.
복습
Black Scholes Equation
- St: 파생상품의 기초자산 process
- 기초자산의 process는 GBM 모델 : dSt/St=μdt+σdWPt
- 기초자산의 변동성: σ
- 기초자산의 연속 배당률: d
- 무위험 이자율 : r
이라 할 때, 만기 T에서 수익 구조 V(ST)를 가지는 파생상품의 가치 F(t,St)는
ft(t,St)+(r−d)StfS(t,St)+12σ2S2tfSS(t,St)−rf(t,St)=0
로 주어진다고 했습니다. 저번 글에서 만기조건을 F(T,S)=V(S)라 썼는데, 이 표현은 우선 생략하는 걸로 할게요.
위험중립측도(risk neutral measure)하에서 GBM
예전 글에서 위험중립측도 하에서 GBM을 다룬 적이 있습니다.
2022.07.18 - [금융공학] - 위험중립측도와 market price of risk
위험중립측도와 market price of risk
이번 글은 2022.06.27 - [금융공학] - GBM 은 어떤 모델일까? GBM 은 어떤 모델일까? 이번 글은 2022.06.19 - [금융공학] - GBM 주가패스 만들기 #2: EveryDay 주가까지! GBM 주가패스 만들기 #2: EveryDay 주가까..
sine-qua-none.tistory.com
위의 글과 다음의 글
2022.07.20 - [금융공학] - GBM의 확장판들 #2. 배당 반영하기
GBM의 확장판들 #2. 배당 반영하기
이 글은 2022.07.19 - [금융공학] - GBM의 확장판들 #1. 기대수익률/변동성을 시간함수로! GBM의 확장판들 #1. 기대수익률/변동성을 시간함수로! 2022.06.20 - [수학의 재미/확률분포] - Log Normal Distribution..
sine-qua-none.tistory.com
을 참고하면 파생상품의 기초자산 St의 위험중립측도 Q하에서의 GBM 은 다음과 같습니다.
dStSt=(r−d)dt+σdWt
(엄밀히 쓰려면 위너프로세스를 WQt로 써야 하지만 금융공학 세계에서는 거의 모든 경우 위험중립측도를 가정하므로 첨자를 생략합니다.)
새로운 process Mt 구성
위의 복습한 두 내용을 사용하기 전에, 우선 어떤 process Mt를
Mt=e−rtf(t,St)
라 정의하겠습니다.
2022.06.21 - [수학의 재미/아름다운 이론] - Ito의 보조정리 글의 라이프니츠 곱셈 법칙에 따라 Mt의 dynamics를 구해보죠.
dMt=d(e−rtf(t,St))=d(e−rt)f(t,St)+e−rtdf(t,St)+d(e−rt)df(t,St)=−re−rtf+e−rtdf=−re−rtf+e−rt(ftdt+fSdS+12fSSdS2)=−re−rtf+e−rt(ftdt+fS((r−d)Stdt+σdWt)+12σ2S2tfSSdt)=e−rt(ft+(r−d)StfS+12σ2S2tfSS−rf)dt+σe−rtdWt=σe−rtdWt
마지막 등식의 dt 항은 이미 Black Scholes Equation을 만족하고 있기 때문에 0이 되는 겁니다(이 부분이 제일 중요!)
어떤 process의 dynamics을 계산했는데 dt항이 없습니다. 우리 이런 내용을 전에 다룬 적이 있었죠. 바로 마팅게일 프로세스입니다. 해당 내용은
2022.06.24 - [수학의 재미/확률분포] - 마팅게일과 Ito Lemma (drift term이 없다고?)
마팅게일과 Ito Lemma (drift term이 없다고?)
이번 글에서는 Ito Lemma를 이용하여 마팅게일 판단하기 에 대해서 알아보겠습니다. 1. Ito Lemma 는 여기를, 2. 마팅게일을 여기를 참고하시기 바랍니다. 마팅게일 글에서 위너 프로세스와 관련된 세
sine-qua-none.tistory.com
을 참고하시면 됩니다.
Mt는 마팅게일!
dMt의 dt 항 즉, drift 항이 0이므로, Mt는 마팅게일 프로세스입니다. 따라서 시점 t,T(t<T)에 대해
Mt=EQ(MT|Ft)
가 성립합니다. 여기서 {Ft}는 t 시점까지 쌓인 정보량, 즉 filtration입니다. 자세히 말해 지금 논의되는 내용은 모두 확률 공간 (Ω,F,Ft,Q)에서 이루어지고 있습니다.
이제 Mt를 복원시켜 보죠. Mt=e−rtf(t,St) 이므로
f(t,St)ert=EQ(f(T,ST)erT|Ft)
를 만족합니다.
이 글에 따르면 식(1)의 분모에 위치한 ert를 numeraire라고 부른다는 점, 참고하시기 바랍니다.
결론
이제, 식(1)을 더욱더 정리하면 다음의 결과를 얻습니다.
Feynman-Kac Formula
편미분 방정식
ft(t,St)+(r−d)StfS(t,St)+12σ2S2tfSS(t,St)−rf(t,St)=0
의 해는
f(t,St)=e−r(T−t)EQ(f(T,ST)|Ft)
이다. 여기서 St는
dSt/St=(r−d)dt+σdWQt의 dynamics를 따른다.
특히 현재 시점 t=0에서는
f(0,S0)=e−rTEQ(f(T,ST))
이다.
어떤가요. 식 (MAIN)이 너무 아름답게 느껴지지 않는지요. 이것을 말로 설명하면 이렇습니다.
- 만기 때 주가 ST가 어떻게 끝날지는 모르겠지만, 이것에 따라 만기 payoff F(T,ST)가 결정될 것이고
- F(T,ST) 들의 기댓값이 바로 파생상품의 미래가치가 된다.
- 따라서 이것을 현재가치로 할인해주면, 즉 e−rT를 곱하면
- 파생상품의 현재가치가 나온다.
라는 것이죠. 너무 당연하고 직관적인 결과인 것 같은데 이것을 무결점 수학적 논리로 표현하기 위해
- 이토 보조정리
- 마팅게일 프로세스
- GBM
- 위험중립측도(걸사노프 정리)
등 많은 이론을 이용하고 정립하여 만들어 낸 것입니다. 비록 간단해 보이지만 금융공학과 Stocahstic process라는 확률론을 접목시킨 아주 획기적인 결과물이죠. 이 풀이를 고안해 낸 Feynman과 Kac의 이름을 붙여
Feynman-Kac Formula
라고 부릅니다. 파인만(Feynman)은 대중들에게 물리를 쉽게(?) 설명하는 책을 발간하고 강연도 활발히 하여 세간에 아주 잘 알려져 있는 천재 물리학자 그 사람 맞습니다.

파생상품의 가격을 결정하기 위해서는 위의 식(MAIN)을 잘 기억해두시기 바랍니다. 다음 글에서는 간단한 예를 들어 이식의 당위성을 입증해 보겠습니다.
'금융공학' 카테고리의 다른 글
Black Scholes Equation의 풀이: 시뮬레이션 (0) | 2022.08.08 |
---|---|
Black Scholes Equation의 풀이: 델타원 상품 (0) | 2022.08.05 |
Black Scholes Equation의 풀이 (0) | 2022.08.04 |
Black Scholes Equation과 Heat Equation의 관계 (0) | 2022.08.03 |
파생상품 가격 결정 Black Scholes Equation (2) | 2022.08.02 |
댓글