Entropic Dynamics of Jump-Diffusion Option Pricing

기술 요약: 점프-확산 옵션 가격 결정의 엔트로피 역학

문제 제기
기하 브라운 운동(GBM) 및 블랙-숄즈 프레임워크와 같은 표준 금융 모델들은 주가에 대한 특정 확률 과정을 가정하는 데 의존한다. 이러한 모델들은 연속적인 가격 진화를 성공적으로 설명하지만, 실증적 현실을 포착하는 데는 실패한다. 즉, 자산 수익률은 첨도(leptokurtosis), 음의 왜도(negative skewness), 두터운 꼬리(heavy tails)를 보이며, 옵션 시장은 지속적인 변동성 스마일과 스머크를 나타낸다. 이러한 특징들은 불연속적인 정보 이벤트(예: 실적 발표, 정책 결정)에 의해 촉발되는 불연속적인 가격 점프에 기인한다. 나아가, 점프의 존재는 시장을 불완전하게 만들며, 이는 무차별 조건(no-arbitrage condition)만으로는 유일한 위험 중립 가격 측도를 결정하기에 불충분함을 의미한다. 기존 문헌은 일반적으로 점프-확산 과정(예: 머튼 모델)과 특정 가격 측도(예: 에서 변환)를 공리로 가정한다. 본 논문은 이러한 역학 및 가격 측도를 가정하는 것이 아니라, 불완전한 정보를 사용하여 제1원리로부터 이를 도출할 필요성을 다룬다.

방법론: 엔트로피 추론
본 논문은 최대 엔트로피(MaxEnt) 방법과 상대 엔트로피에 기반한 귀납적 프레임워크인 **엔트로피 역학(Entropic Dynamics, ED)**을 채택한다. 핵심 철학은 역학이 기계적 법칙이 아니라, 새로운 정보가 도착함에 따라 확률 분포가 업데이트되는 추론 과정이라는 것이다. 방법론은 다음과 같이 두 가지 뚜렷한 단계로 진행된다:

1. 역학의 도출 (주식 모델):

   • 변수 선택: 프레임워크는 올바른 역학적 변수를 식별하는 것부터 시작한다. 수익 대칭성(균등한 가격 재척도 하에서의 전이 확률 불변성)을 부과함으로써, 본 논문은 로그 가격($\ln S$)이 곱셈적 재척도를 덧셈적으로 만드는 유일한 변수임을 도출한다.
   • 연속 채널: $\ln S$의 역학은 두 가지 제약 조건, 즉 연속성(다음 가격이 현재 가격과 가깝다는 것, 평균 제곱 변위 제약으로 인코딩됨)과 방향성(체계적인 드리프트, 평균 로그 수익률 제약으로 인코딩됨)에 대해 상대 엔트로피를 최대화함으로써 구축된다. 이는 GBM을 가정하지 않고도 드리프트가 없는 가우시안 사전 분포와 이동된 가우시안 사후 분포를 회복시킨다.
   • 점프 채널: 불연속성을 설명하기 위해 미시 상태(microstate)를 점프 횟수 변수($n$)와 점프 크기($Y$)를 포함하도록 확장한다. 프레임으로 기대 점프 도착률($\lambda$)과 점프 크기의 1차 및 2차 모멘트($\kappa, \nu$)라는 세 가지 추가 제약 조건을 도입한다.
   • 인수 분해: 결정적으로, 점프 채널에 대한 제약 조건이 연속 채널에 대한 제약 조건과 서로 분리되어 있기 때문에, MaxEnt 절차는 사후 분포의 인수 분해를 강제한다. 연속 성분은 GBM으로 남고, 점프 성분은 점프 크기에 대한 가우시안 분포로 도출된다. 이들의 결합은 머튼 점프-확산 과정을 가정이 아닌 하나의 정리(theorem)로서 산출한다.
   • 전진 방정식: 로그 가격 밀도의 진화는 점프를 위한 적분 항을 포함하여 포커-플랑크 방정식을 일반화한 콜모고로프-펠러(Kolmogorov–Feller) 방정식을 따른다는 것이 입증된다.

2. 가격 결정의 도출 (옵션 가치 평가):

   • 시장 불완전성: 점프가 존재하면 시장은 불완전하며, 동등 마팅게일 측도(EMM)는 유일하지 않다. 무차별 조건만으로는 단일한 측도를 선택할 수 없다.
   • 선택 원리: 본 논문은 무차별 조건을 부과하기 위해 평균 로그 수익률 제약(주관적 드리프트를 볼록성 조정된 무위험 이자율로 대체)을 적용한 후, 물리적 점프-확산 측도에 대한 상대 엔트로피를 최대화한다.
   • 에서 변환(Esscher Transform): 이 추론 절차는 에서 변환을 가격 측도로서 유일하게 선택한다. 본 논문은 이것이 외부에서 부과된 것이 아니라, 평균 로그 수익률 제약에 기반하여 믿음을 업데이트한 결과라고 주장한다.
   • 구조 보존: 로그 수익률 제약은 가격 측도가 점프-확산 패밀리 내에 머물도록 보장하며, 단지 드리프트, 강도 및 점프 크기 분포를 이동시킬 뿐이다.
   • 가격 결정 방정식: 결과적으로 옵션 프리미엄은 **머튼의 편미분 적분 방정식(PIDE)**을 만족한다. 위험 중립 분포는 로그 정규 분포들의 푸아송 가중 혼합물이며, 이는 자연스럽게 내재 변동성 스마일을 생성한다.

주요 기여 및 결과

• 머튼 모델의 도출: 본 논문은 머튼 점프-확산 과정과 그에 따른 콜모고로프-펠러 방정식을 표준적인 모델 가정이 아닌 순수하게 엔트로피 추론 원칙으로부터 도출한다.
• 에서 변환의 도출: 에서 변환이 평균 로그 수익률 무차별 제약 하에서 상대 엔트로피를 최대화함으로써 선택되는 유일한 측도임을 입증한다.
• 모델의 통합: 본 프레임워크는 블랙-숄즈(GBM)와 블랙-숄즈-머튼(점프-확산)이 서로 경쟁하는 이론이 아니라, 시스템에 제공되는 정보(제약 조건)에 의해 구별되는 단일한 추론 기계의 극한 사례임을 보여준다.
• 변동성 스마일: 본 모델은 별도의 임의적인 변동성 함수 없이도 점프 제약의 직접적인 결과로서 주식 시장에서 관찰되는 내재 변동성 스마일과 스머크를 자연스럽게 생성한다.
• 비유일성 해결: 본 논문은 불완전한 시장에서 가격 측도의 비유일성을 무차별을 강제하기 위해 사용된 정보적 제약의 비유일성으로 재정의한다. 평균 로그 수익률을 선택하면 에서 측도가 도출되고, 총 수익률을 선택하면 다른 (정준) 측도가 도출된다.

의의 및 주장
본 논문의 핵심 기여는 방법론적이라고 주장한다. 저자들은 서로 다른 금융 모델 간의 차이가 추론 엔진 자체에 있는 것이 아니라, 그 안에 입력되는 특정 정보(제약 조건)에 있다고 상정한다. 역학을 "메커니즘이 없는 역학(mechanics without a mechanism)"으로 취급함으로써, 저자들은 엔트로피 프레임워크가 금융 모델링을 위한 통일되고 원칙적인 기초를 제공한다고 주장한다.

본 논문은 다음과 같이 단언한다:

1. 역학은 가정되는 것이 아니라 추론되는 것이다: GBM 및 점프-확산과 같은 과정은 특정 경제적 대칭성과 정보 제약 하에서 엔트로피를 최대화하는 필연적인 결과이다.
2. 가격 결정은 추론 문제이다: 위험 중립 측도의 선택은 무차별을 집행하기 위해 관측치를 사용하는 귀납적 단계에 의해 구동된다.
3. 모듈성: 이 프레임워크는 미시 상태를 확장하고 그에 상응하는 제약 조건을 추가함으로써, 근본적인 추론 논리를 버리지 않고도 새로운 시장 특성(예: 점프)을 매끄럽게 통합할 수 있게 해준다.

결론적으로 본 논문은 "실제 어려움"은 업데이트 메커니즘(MaxEnt 원리에 의해 고정됨)에 있는 것이 아니라, 변수를 올바르게 식별하고 문제에 진정으로 유의미한 정보를 찾아내는 데 있다고 주장한다.