Геометрическое броуновское движение

Геометрическое броуновское движение (сокращённо ГБД, англ. Geometric Brownian Motion, GBM) — это непрерывный во времени стохастический процесс, в котором логарифм случайной величины совершает броуновское движение со сносом. В отличие от обычного (аддитивного) броуновского движения, где приращения независимы и нормально распределены, в ГБД приращения мультипликативны: относительное изменение величины (доходность) является случайной величиной с нормальным распределением, а сама величина всегда остаётся положительной. ГБД является одним из фундаментальных процессов в математической физике и финансовой математике, где он служит стандартной моделью для описания динамики цен активов, таких как акции, валютные курсы и товарные фьючерсы.

Определение и математическая формулировка

Геометрическое броуновское движение определяется как решение стохастического дифференциального уравнения (СДУ):

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

где:

• \( S_t \) — значение процесса в момент времени \( t \);
• \( \mu \) — коэффициент сноса (drift), отражающий среднюю скорость роста (ожидаемую доходность);
• \( \sigma \) — волатильность, характеризующая степень случайных колебаний;
• \( dW_t \) — приращение винеровского процесса (стандартного броуновского движения).

Решение этого уравнения, получаемое с помощью леммы Ито, имеет вид:

\[ S_t = S_0 \exp\left( \left(\mu - \frac{\sigma^2}{2}\right) t + \sigma W_t \right) \]

где \( S_0 \) — начальное значение процесса. Из этой формулы видно, что логарифм \( \ln S_t \) является обычным броуновским движением со сносом \( \mu - \sigma^2/2 \) и дисперсией \( \sigma^2 t \). Таким образом, \( S_t \) всегда положителен, а его распределение в любой момент времени является логнормальным.

Основные свойства

• Неотрицательность: \( S_t > 0 \) для всех \( t \) с вероятностью 1, что принципиально отличает ГБД от обычного броуновского движения, которое может принимать отрицательные значения.
• Мультипликативность: относительные изменения \( \Delta S_t / S_t \) не зависят от текущего уровня цены, что соответствует гипотезе эффективного рынка, где доходность актива не зависит от его цены.
• Марковское свойство: будущее распределение процесса зависит только от текущего значения, а не от всей предыстории.
• Логнормальное распределение: для любого фиксированного \( t \) случайная величина \( S_t \) имеет логнормальное распределение с параметрами \( \ln S_0 + (\mu - \sigma^2/2)t \) и \( \sigma^2 t \).

История и происхождение

Понятие геометрического броуновского движения возникло в контексте физики, где подобные процессы использовались для описания диффузии в средах с переменной плотностью. Однако наибольшую известность ГБД получило благодаря применению в финансах.

В 1900 году французский математик Луи Башелье в своей докторской диссертации «Теория спекуляции» впервые применил броуновское движение для моделирования цен на французских государственных облигациях. Башелье использовал обычное (аддитивное) броуновское движение, что допускало отрицательные цены, что было нереалистично для активов с ограниченной ответственностью. В 1960-х годах экономисты Пол Самуэльсон и Роберт Мертон независимо друг от друга предложили использовать логарифмическую версию процесса — геометрическое броуновское движение — для устранения проблемы отрицательных цен. В 1973 году Фишер Блэк и Майрон Шоулз применили ГБД в своей знаменитой модели оценки опционов, за что впоследствии получили Нобелевскую премию по экономике. С тех пор ГБД стало стандартной моделью в финансовой инженерии.

Применение

Финансовая математика

Главное применение ГБД — моделирование цен финансовых активов. Оно лежит в основе модели Блэка — Шоулза, которая позволяет вычислять теоретическую стоимость европейских опционов. В этой модели предполагается, что цена базового актива \( S_t \) следует ГБД с постоянной волатильностью \( \sigma \) и безрисковой ставкой \( r \) в качестве сноса. Формула Блэка — Шоулза для цены колл-опциона имеет вид:

\[ C = S_0 N(d_1) - K e^{-rT} N(d_2) \]

где \( d_1 = \frac{\ln(S_0/K) + (r + \sigma^2/2)T}{\sigma \sqrt{T}} \), \( d_2 = d_1 - \sigma \sqrt{T} \), \( N(\cdot) \) — функция стандартного нормального распределения, \( K \) — страйк-цена, \( T \) — время до экспирации. Хотя модель Блэка — Шоулза широко используется, она основана на упрощающих предположениях (постоянная волатильность, непрерывная торговля, отсутствие транзакционных издержек), которые не всегда выполняются на практике.

ГБД также используется для:

• Моделирования доходности портфелей в задачах управления рисками (Value at Risk, VaR);
• Оценки стоимости компаний в моделях корпоративных финансов;
• Моделирования валютных курсов и товарных цен в макроэкономических моделях.

Физика и биология

В естественных науках ГБД применяется для описания процессов, где относительные изменения пропорциональны текущему значению. Примеры:

• Рост популяций в стохастической экологии (модель экспоненциального роста с шумом);
• Диффузия в неоднородных средах;
• Моделирование цен на энергоносители в энергетике.

Критика и ограничения

Несмотря на широкую распространённость, ГБД имеет ряд существенных недостатков, которые ограничивают его применимость в реальных финансах:

1. Постоянная волатильность: в реальности волатильность финансовых активов не является постоянной — она меняется во времени (эффект кластеризации волатильности) и зависит от уровня цены (эффект рычага). Это приводит к тому, что модель ГБД систематически занижает вероятность экстремальных движений цен (толстые хвосты распределения).

1. Нормальность логарифмических доходностей: эмпирические распределения доходностей активов имеют более тяжёлые хвосты и более высокий эксцесс, чем логнормальное распределение, предсказываемое ГБД. Это означает, что модель не учитывает «чёрных лебедей» — редких, но значительных событий.

1. Непрерывность траекторий: ГБД генерирует непрерывные траектории, в то время как реальные цены могут испытывать скачки (например, из-за новостей или обвалов рынка). Для учёта скачков используются процессы с прыжками (модели Мертона, Коза — Коза).

1. Отсутствие памяти: ГБД — марковский процесс, не учитывающий долгосрочную зависимость (память) в доходностях, которая наблюдается на некоторых рынках.

Для преодоления этих ограничений были разработаны более сложные модели: стохастическая волатильность (модель Хестона), процессы с прыжками, фрактальное броуновское движение, модели GARCH и другие.

Интересные факты

• Геометрическое броуновское движение является частным случаем более общего класса процессов — экспоненциальных процессов Леви.
• В модели Блэка — Шоулза предполагается, что безрисковая ставка \( r \) и волатильность \( \sigma \) постоянны, что является сильным упрощением. Тем не менее, формула остаётся популярной благодаря своей аналитической простоте.
• Существует парадокс: если цена актива следует ГБД, то ожидаемая доходность за бесконечно малый интервал времени равна \( \mu \), но ожидаемый логарифмический прирост (средняя геометрическая доходность) равен \( \mu - \sigma^2/2 \). Это различие объясняет, почему волатильность снижает долгосрочный рост — эффект, известный как «налог волатильности».

Источники

• Оксендаль Б. «Стохастические дифференциальные уравнения. Введение в теорию и приложения». — М.: Мир, 2003.
• Ширяев А. Н. «Основы стохастической финансовой математики». — М.: ФАЗИС, 1998.
• Hull J. C. «Options, Futures, and Other Derivatives». — Pearson, 2018.
• Black F., Scholes M. «The Pricing of Options and Corporate Liabilities» // Journal of Political Economy, 1973.
• Merton R. C. «Theory of Rational Option Pricing» // Bell Journal of Economics and Management Science, 1973.