مدل قیمت گذاری اختیار معامله به روش تصادفی (Stochastic Calculus for Option Pricing)، در ریاضیات (Mathematics)

انواع مدل های قیمت گذاری (Pricing Models) را در آموزش زیر شرح دادیم :

مدل قیمت گذاری اختیار معامله به روش تصادفی (Stochastic Calculus for Option Pricing) :

روش های تصادفی در قیمت گذاری اختیار معامله شامل استفاده از حسابان تصادفی (Stochastic Calculus) و معادلات دیفرانسیل تصادفی (SDEs) برای مدل سازی رفتار قیمت دارایی پایه و استخراج فرمول های قیمت گذاری است. این روش ها پایه ریزی نظریه مالی مدرن را تشکیل می دهند و امکان مدل سازی پدیده های پیچیده تر مانند نوسان تصادفی، پرش های قیمتی و ... را فراهم می کنند.

مفاهیم پایه در حسابان تصادفی:

فرآیند وینر (حرکت براونی): یک فرآیند تصادفی پیوسته با افزایش های مستقل و نرمال.

لم ایتو (Ito's Lemma): قاعده زنجیره ای در حسابان تصادفی که برای تبدیل دیفرانسیل های توابع فرآیندهای تصادفی استفاده می شود.

انتگرال ایتو: نوعی انتگرال گیری نسبت به حرکت براونی.

مدل استاندارد بلک-شولز به فرم تصادفی:

\[ dS_t = \mu S_t dt + \sigma S_t dW_t \]

این معادله دیفرانسیل تصادفی (SDE) بیان می کند که تغییر لحظه ای قیمت سهم (

\[ dS_t \]

) از یک روند قطعی (

\[ \mu S_t dt \]

) و یک جزء تصادفی (

\[ \sigma S_t dW_t \]

) تشکیل شده است.

\[ W_t \]

یک فرآیند وینر است.

🔑 لم ایتو: اگر

\[ f(S,t) \]

یک تابع دو بار مشتق پذیر باشد، داریم:

\[ df = \left( \frac{\partial f}{\partial t} + \mu S \frac{\partial f}{\partial S} + \frac{1}{2} \sigma^2 S^2 \frac{\partial^2 f}{\partial S^2} \right) dt + \sigma S \frac{\partial f}{\partial S} dW \]

این لم برای استخراج معادله بلک-شولز حیاتی است.

استخراج معادله بلک-شولز با روش تصادفی:

ایجاد یک پرتفوی متشکل از یک اختیار خرید و تعدادی سهم (برای پوشش ریسک).

اعمال لم ایتو به قیمت اختیار

\[ C(S,t) \]

.

حذف جزء تصادفی با انتخاب تعداد مناسب سهم (دلتا هجینگ).

استفاده از اصل عدم آربیتراژ برای برابر قرار دادن بازده پرتفوی با نرخ بدون ریسک.

به دست آوردن معادله دیفرانسیل با مشتقات جزئی (PDE) بلک-شولز.

مدل های تصادفی پیشرفته:

مدل نوسان تصادفی (Stochastic Volatility): مانند مدل هستون (Heston) که در آن نوسان نیز یک فرآیند تصادفی دارد:

\[ dS_t = \mu S_t dt + \sqrt{v_t} S_t dW_t^1 \] \[ dv_t = \kappa (\theta - v_t) dt + \xi \sqrt{v_t} dW_t^2 \]

مدل های پرش (Jump Models): مانند مدل مرتون که پرش های ناگهانی در قیمت را با فرآیند پواسون مدل می کند:

\[ dS_t = \mu S_t dt + \sigma S_t dW_t + S_t dJ_t \]

که

\[ J_t \]

یک فرآیند پرش مرکب است.

مدل های واریانس گاما (Variance Gamma): مدل هایی با زمان تصادفی که دنباله های پهن را بهتر مدل می کنند.

📘 کاربرد عملی:

بانک ها و مؤسسات مالی بزرگ از مدل های تصادفی پیشرفته برای قیمت گذاری محصولات پیچیده مانند اختیارهای عجیب و غریب (Exotic Options) و مدیریت ریسک پرتفوی های بزرگ استفاده می کنند. به عنوان مثال، مدل هستون می تواند پدیده لبخند نوسان (Volatility Smile) را توضیح دهد که مدل بلک-شولز قادر به توضیح آن نیست.

مزایای رویکرد تصادفی:

امکان مدل سازی پدیده های واقعی تر مانند خوشه بندی نوسان (Volatility Clustering)

انعطاف پذیری بالا برای تطبیق با داده های بازار

قابلیت قیمت گذاری طیف وسیعی از مشتقات

چالش ها: این مدل ها معمولا فرمول بسته (Closed-form) ندارند و نیاز به روش های عددی مانند مونت کارلو یا تفاضلات محدود دارند. همچنین کالیبره کردن (برآورد پارامترهای) این مدل ها با داده های بازار می تواند دشوار باشد.