🔢 数学

A CGMY-Hawkes Clock Model: Esscher Martingale Measures and Model-Preserving Minimal Entropy under Self-Exciting Jump Activity

本文引入了一种CGMY-Hawkes时钟模型，其中跳跃活动通过自激效应产生聚类，同时保留了CGMY跳跃幅度律，建立了两参数Esscher变换在测度变换下仍能保持这种自激性的结论，推导出了唯一的保持模型的最小熵鞅测度，并提供了显式依赖于激发参数而非仅依赖于平均强度之精确欧式期权定价公式。

原作者： Imen Ben Abdelwahed

发布于 2026-10-26

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Imen Ben Abdelwahed

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在金融领域，预测资产价格的走势是一场针对不可预测性的持久斗争。传统的模型通常假设价格变化是平滑且独立的，就像雨滴以稳定的速率落下一样。然而，真实的市场表现却大相径庭。市场容易出现突然且剧烈的活动爆发，即大规模的价格波动会成簇地出现，一个接一个，而非孤立发生。这种被称为“跳跃聚类”（jump clustering）的现象导致了回报率的重尾分布，这意味着极端事件发生的频率远高于标准理论的预测。为了捕捉这一现实，研究人员长期以来一直依赖两种截然不同的数学工具。一种工具是 CGMY 过程，它非常擅长描述跳跃的大小和频率，能够解释重尾以及极端变动的高概率特征。另一种工具是霍克斯过程（Hawkes process），旨在模拟自激效应（self-excitation），即一个事件会触发随后不久发生另一个事件的可能性增加，从而产生观察到的活动爆发。多年来，这两个概念一直存在于各自独立的领域中，将它们结合成一个单一且可行的模型，用于为期权等金融资产定价，一直是一个重大挑战。

Imen Ben-Abdelwahed 的一项新研究通过引入一个名为 CGMY–Hawkes 时钟的统一框架，弥合了这一差距。其核心思想是将时间本身视为一个根据市场活动而加速或减速的可变变量。想象一下，一个标准的时钟正在记录时间的流逝；在这个模型中，这个时钟被一个“随机时钟”所取代，当市场剧烈波动时，该时钟运行得更快，而在市场平静时则运行得更慢。这个时钟由霍克斯过程驱动，后者决定了市场活动的强度。实际的价格变动由 CGMY 过程生成，但它们不是针对标准时钟，而是针对这个可变的、自激的时钟进行评估。其结果是，由于时钟在高强度期间会加速，价格跳跃自然会在空间上聚集在一起，而控制单个跳跃大小的统计规律则保持一致。这种方法使模型能够捕捉金融市场混乱且具有聚类特征的现实，同时保持数学上的易处理性，从而能够用于定价。

随后，研究人员解决了一个关键问题：在这样一个复杂的环境中，我们如何为金融合约（如欧式期权）设定公平价格？在风险无法被完美对冲的不完全市场中，不存在唯一确定的选择定价测度的方法。该团队专注于一种称为 Esscher 变换的方法，该方法通过调整不同结果的概率，以确保模型与无套利机会的一致性。他们在工作中取得的一个重大突破是发现，这种调整可以在不破坏模型结构的前提下进行。他们证明，通过改变控制跳跃尾部行为的某些参数，可以在改变定价测度的同时，使控制跳跃的底层自激性质保持完全不受影响。这意味着市场的“聚类”行为被视为市场本身的基本属性，而非定价方法的产物。

为了使模型适用于定价，作者引入了一个与当前市场强度成正比的风险溢价。这一特定选择带来了一个令人惊讶的简化：使模型在数学上保持一致所需的条件简化为一个不依赖于霍克斯过程特定参数的单一方程。换句话说，正确为资产定价所需的调整仅取决于跳跃本身的特征，而不取决于市场兴奋是如何产生的。这一发现允许在特定的测度类中找到唯一解，作者将其鉴定为“保持模型的最小熵鞅测度”（model-preserving minimal entropy martingale measure）。这种测度之所以特殊，是因为它在满足必要定价规则的同时，引入了最少的“意外”或对原始市场模型的偏离。该测度的密度包含一个特定的随机项，用以解释集成强度的波动，从而捕捉时钟本身的随机性。

研究还探讨了当我们通过使用双参数调整而非单参数调整来增加灵活性时会发生什么。他们发现，在更广泛的背景下实现熵最小化的最有效方法是分别调整跳跃分布的正负尾部，而不是对称地对待它们。这种双参数解比单参数版本具有更低的熵，表明其拟合更为精确，尽管它并不位于参数相等的对角线上。当作者应用这些发现来计算标准欧式看涨期权的价格时，他们将精确结果与一种被称为“平均场方法”（mean-field approach）的常用近似法进行了对比。平均场方法通过假设市场强度等于其平均值的常数来简化问题。研究人员证明，这种简化是不充分的。他们的精确计算表明，期权价格显著取决于控制市场兴奋程度的特定参数，例如一个事件触发下一个事件的强度。

在利用基准参数进行的数值测试中，精确模型与平均场近似之间的差异是可测量且具有意义的。对于一个具有一年到期日的标准期权，随着分支比（branching ratio，衡量一个事件激发下一个事件程度的指标）的增加，精确价格会下降。例如，在特定参数集下，将兴奋水平从零提高到极高水平，会导致期权价格比平均场预测下降约 2.6%。这是因为较高的兴奋程度会将时间时钟的分布在平均值周围扩展得更广，而定价公式对这种分布的扩散具有非线性反应。平均场近似由于忽略了这些波动，因此无法捕捉到这一效应。作者总结道，虽然他们的模型保留了市场的本质结构并提供了一种唯一的、高效的定价测度，但市场兴奋如何演化对于估值而言至关重要。他们建议，未来的工作可以扩展到更复杂的场景，例如价格跳跃本身会触发进一步强度的模型，或者将这些模型与现实世界的市场数据进行校准，以观察其在实际中的表现。

技术摘要：CGMY–Hawkes 时钟模型：自激跳跃活动下的 Esscher 马丁格尔测度与模型保持型最小熵

问题陈述
金融资产回报表现出重尾、超额峰度和跳跃聚集性，即大规模波动往往以爆发而非孤立的形式出现。虽然像 CGMY (KoBoL) 过程这样的 Lévy 模型能够捕捉重尾和峰度，但其平稳且独立的增量特性使得其无法对跳跃聚集进行建模。相反，Hawkes 过程自然地模拟了自激强度，但缺乏实现现实资产回报所需的重尾跳跃大小分布。本文旨在解决将这些特征结合进一个易于处理的不完全市场模型中的挑战，特别侧重于构建能够保持 Lévy 过程和 Hawkes 时钟底层结构属性的定价测度（Esscher 变换）。

方法论
作者引入了 CGMY–Hawks 时钟模型，定义为一个时间变换的 Lévy 过程 $X_t = L(\Lambda_t)$ ，其中：

$L$ 是一个 CGMY Lévy 过程。
$\Lambda_t = \int_0^t \lambda_s ds$ 是 Hawkes 过程 $N$ 的集成强度。
Hawkes 强度 $\lambda_t$ 遵循具有参数 $(\mu, \alpha, \beta)$ 的标准自激动态。
对数价格建模为 $S_t = S_0 \exp(rt + \eta\Lambda_t + X_t - \kappa(1)\Lambda_t)$ ，其中 $\eta$ 是与强度成正比的风险溢价参数。

核心方法论涉及分析该时间变换框架下的 Esscher 变换。作者研究了通过偏移 CGMY 尾部参数 $(G, M) \mapsto (G+\theta_2, M-\theta_1)$ 定义的双参数 Esscher 变换。一个关键的分析步骤是基于 Hawkes 过程 $N$ 的路径进行条件化。由于 Hawkes 过程与 Lévy 过程相互独立，测度变换仅作用于 $L$ 的跳跃大小分布，而使 Hawkes 过程（以及时钟 $\Lambda$ ）的分布保持不变。

本研究推导了使折扣价格在新的测度下成为马丁格尔所需的马丁格尔条件。计算了这些测度的相对熵。最后，通过最小化该熵来确定模型保持型最小熵马丁格尔测度 (MPMEMM)，并将解在单参数类（对角线 $\theta_1 = \theta_2$ ）与双参数类之间进行了比较。期权价格通过集成强度 $\Lambda_T$ 的精确仿射拉普拉斯变换导出。

主要贡献与结果

模型构建与仿射变换： 论文定义了 CGMY–Hawkes 时钟模型，并提供了集成强度 $\Lambda_T$ 的精确仿射拉普拉斯变换（引理 3）。这使得无需依赖均值场近似即可实现特征函数的精确计算。
测度变换下的结构保持： 作者证明（定理 4）双参数 Ess策变换保持了 CGMY 族，并且至关重要的是，它使 Hawkes 过程的分布保持不变。这意味着自激性是风险溢价所改变的动力学性质，而非被改变的性质。
马丁格尔条件： 在风险溢价与强度成正比的情况下，马丁格尔条件简化为一个仅涉及 CGMY 参数和风险溢价的标量方程（方程 13），该方程与 Hawkes 参数 $(\mu, \alpha, \beta)$ 无关。
最小熵测度：
- 单参数类： 在 $\theta_1 = \theta_2$ 的测度类中，MPMEMM 是唯一的。其 Radon–Nikodým 密度包含一个由集成强度围绕其均值的波动驱动的显式随机修正项（方程 15）。
- 双参数类： 双参数类中的全局熵极小值由拉格朗日条件表征，且通常是“非对角线”的（ $\theta_1 \neq \theta_2$ ）。这导致其相对熵严格低于单参数解。
相对熵： 相对熵被计算为集成强度的期望值与 Lévy 熵率的乘积（命题 7）。
期权定价： 利用精确变换导出欧洲期权价格。数值结果表明，与依赖于平均强度 $\bar{\lambda}$ 的均值场近似不同，精确价格取决于激发参数（分支比 $\rho$ ）。具体而言，在固定平均强度的情况下，较高的激发程度会导致较低的期权价格，这是由于变换相对于集成强度的凸性造成的。

意义与主张
本文声称，CGMY–Hawkes 时钟模型提供了一个可处理的框架，使自激性和重尾能够在不牺牲解析可解性的情况下共存。其主要意义在于证明了 MPMEMM 参数对自激性是不敏感的（定理 8(ii)）；参数 $\theta^*$ 仅由 CGMY 参数和风险溢价决定，而不受 Hawkes 动力学的影响。然而，论文明确指出，虽然测度是不敏感的，但期权价格并非如此，因为价格取决于集成强度的完整分布。

作者将此工作定位为理论基础，指出其向市场数据进行经验校准的工作留待未来研究。他们强调，精确的时钟变换揭示了与均值场近似之间的差异，这种差异对于定价（特别是对于路径依赖型收益或高激发状态）是显著的。研究最后确定了一些开放性问题，例如双参数极小值的唯一性以及向多元或粗糙（rough）Hawkes 核函数的扩展。

类似论文