[논문 리뷰] A method for Hedging in continuous time

Yoav Freund|ArXiv.org|2009. 04. 21.

Advanced Bandit Algorithms Research참고 문헌 3인용 수 3

한 줄 요약

이 논문은 정규 헤지 프레임워크를 기반으로 한 연속 시간 헤지 알고리즘을 제시하며, 이토 미분을 사용해 포트폴리오를 동적으로 재조정하고 회귀를 최소화한다. 일반적인 가격 동역학, 즉 추세나 변동성에 대한 가정 없이도, 최고의 자산에 대한 회귀가 $\sqrt{2c(t)(\ln N + 1)}$ 이내로 유계임을 증명한다. 특히, 자산의 $\epsilon$-백분위수에 대한 유계도 더 탐색 가능하다.

ABSTRACT

We present a method for hedging in continuous time.

연구 동기 및 목표

• 특정 가격 동역학을 가정하지 않고도 최고 성과를 보이는 자산에 대한 회귀를 최소화하는 연속 시간 포트폴리오 관리 알고리즘을 개발하는 것.
• 이토 과정을 사용해 연속 시간에서의 정규 헤지 알고리즘을 분석함으로써 이산 시간보다 더 수학적으로 깔끔하고 더 탐색 가능한 회귀 유계를 달성하는 것.
• 유한 집합이 아닌 불가측 무한 집합(예: 고정 재조정 포트폴리오)에도 적용 가능한, 자산의 $\epsilon$-백분위수에 대한 회귀 보장을 확장하는 것.
• 이토 과정과 확률 미적분을 사용해 헤지 문제를 공식화함으로써 인과성과 비예측 가능 포트폴리오 정책을 보장하는 것.
• 일반적인 변동성 조건 하에서 회귀 성장이 유계임을 보장하는 잠재함수 매개수 $c(t)$에 대한 동적 제어 법칙을 유도하는 것.

제안 방법

• 자산의 로그 가격을 비예측적이고 적응 가능한 과정으로 간주하는 이토 과정으로 모델링하며, 추세 $\hat{a}^i(t)$ 와 변동성 $\hat{b}^{i,j}(t)$ 를 가진다.
• 포트폴리오 분포 $P_t^i$ 를 $P_t^i \geq 0$ 와 $\sum_i P_t^i = 1$ 를 만족하는 확률적 과정으로 정의하여 자산가치가 유지됨을 보장한다.
• 회귀를 추적하고 그 성장률을 제어하기 위해 잠재함수 $\phi(R_t^i, c(t)) = \exp\left(\frac{(R_t^i)^2}{2c(t)}\right)$ 를 도입한다.
• 이토의 공식을 적용해 잠재함수의 미분을 유도함으로써, 평균 잠재함수가 일정함을 조건으로 하여 $c(t)$ 의 변화율을 유도한다.
• 최적화를 통해 회귀 분포에 대해 $\frac{dc(t)}{dt} \leq 6V^M(t)$ 를 유도하며, 여기서 $V^M(t)$ 는 시간 $t$ 에서의 최대 변동성이다.
• 유계 $\frac{dc(t)}{dt} \leq V^M(t) \cdot \frac{\sum_{i;x_i>0}(1+x_i^2)e^{x_i^2/2}}{\sum_{i;x_i>0}x_i^2e^{x_i^2/2}}$ 를 사용하고, $x_i = \sqrt{2}$ 일 때 이 유계의 최댓값이 6임을 보여준다.

실험 결과

연구 질문

• RQ1 정규 헤지 알고리즘이 이산 시간보다 더 탐색 가능하고 더 우아한 회귀 유계를 가지는 연속 시간으로 확장될 수 있는가?
• RQ2 연속 시간 포트폴리오 관리에서 유계 회귀를 보장하기 위해 잠재함수 매개수 $c(t)$ 에 대한 최적의 동적 제어 법칙은 무엇인가?
• RQ3 알고리즘의 회귀는 자산 수 $N$ 과 가격 변동의 변동성에 따라 어떻게 척도가 설정되는가?
• RQ4 회귀 유계를 자산의 $\epsilon$-백분위수로 일반화할 수 있는가? 이는 불가측 무한 집합의 포트폴리오에 적용 가능하게 한다.
• RQ5 최대 변동성 $V^M(t)$ 와 잠재함수 매개수 $c(t)$ 의 증가율 사이의 관계는 무엇인가?

주요 결과

• 최고의 단일 자산에 대한 회귀는 $\sqrt{2c(t)(\ln N + 1)}$ 이내로 유계이며, 여기서 $c(t)$ 는 가격 변동의 누적 영향을 반영한다.
• 모든 $\epsilon > 0$ 에 대해, 자산의 $\epsilon$-백분위수에 대한 회귀는 $\sqrt{2c(t)(\ln(1/\epsilon) + 1)}$ 이내로 유계이며, 이는 큰 또는 무한한 수의 자산 집합에 대한 강건한 성능을 가능하게 한다.
• $c(t)$ 의 변화율은 $\frac{dc(t)}{dt} \leq 6V^M(t)$ 로 유계이며, 여기서 $V^M(t)$ 는 시간 $t$ 에서 자산 간의 최대 변동성이다.
• 유계가 가장 탐색 가능할 때는 회귀 값 $R_t^i$ 가 $x_i = R_t^i / \sqrt{c(t)} = \sqrt{2}$ 가 되도록 분포되어 있을 때이며, 이는 도함수 표현에서 최대 비율을 달성한다.
• 분석 결과, 연속 시간 프레임워크는 이산 시간 대비 더 깔끔하고 단순하며 더 탐색 가능한 회귀 유계를 제공하며, 가격 과정에 추가 가정이 필요하지 않다.
• 알고리즘은 평균 잠재함수가 시간에 따라 일정하게 유지됨을 보장하며, 이는 $c(t)$ 의 동적 제어 법칙 유도와 함께 유계 회귀 유지에 핵심적이다.