Все выпуски

В статье проводится краткий анализ разработанных робастных методов управления, а также исследование практических аспектов их использования для управления экономическими системами с неопределенными параметрами. Рассматриваются особенности использования разработанных методов управления системами при наличии структурированной неопределенности применительно к задачам стабилизации цены на мировом рынке нефти, а также инфляции в макроэкономических системах. В первом случае с использованием специально разработанной модели ставится задача определения такого управления, которое обеспечивает минимальное отклонение цены нефти от желаемого уровня. Во втором случае решается задача формирования стабилизирующего управления, обеспечивающего в среднесрочной перспективе минимальное отклонение инфляции от желаемого уровня (на основе агрегированной макроэкономической модели среднесрочного развития США).

В результате вычислительных экспериментов найдены предельные уровни неопределенности параметров и законы обратной связи, при которых используемый в работе подход обеспечивает стабилизируемость реальных экономических систем. Проведенные расчеты показывают, что полученные оценки предельных уровней неопределенности параметров являются достаточно консервативными. С помощью метода статистических испытаний исследуется динамика цены на нефть, а также показателя инфляции в условиях найденных предельных уровней неопределенности параметров при использовании рассчитанных робастных законов управления, в случае наихудшего и наилучшего сценариев. Полученные результаты показывают, что рассчитанные робастные законы управления могут быть успешно применены и при большей степени неопределенности параметров исследуемых моделей, чем гарантируется при найденных предельных уровнях неопределенности.

На финансовых рынках деривативы предлагают широкие возможности для инвестиций и хеджирования. Однако доминирующий пласт стохастических моделей требует наличия ликвидного рынка опционов для процесса калибровки. На неликвидных рынках, включая современный финансовый рынок РФ, это является критической проблемой.

В настоящей работе исследуется использование моделей реализованной волатильности и эмпирической рискнейтральной коррекции для оценки стоимости производных финансовых инструментов на один базовый актив. Применяются модель HARGL, обученная на исторических высокочастотных данных, и метод эмпирической мартингальной симуляции (Empirical Martingale Simulation, EMS) для корректировки сгенерированных траекторий. Выбор реализованной волатильности оправдан тем, что модель симулирует динамику интегрированной дисперсии и доходности актива, не требуя наличия поверхности волатильности. Выбор риск-нейтральной меры необходим для выполнения первой фундаментальной теоремы об отсутствии арбитража. В условиях неполного рынка таких мер существует бесконечное множество, поэтому алгоритм EMS выступает оптимальным правилом: он минимально искажает историческую динамику, но гарантирует строгую мартингальность процесса цены.

Процесс валидации включает проверку прогнозов волатильности, отсутствия арбитража, сходимости и сравнение с биржевыми котировками. Модель HARGL дает содержательно корректное описание распределения дисперсии (среднее значение показателя преобразования вероятностного интеграла (PIT) равно 0,46 при эталоне 0,5), показывая умеренно консервативное смещение: в 90% доверительный интервал попадает 96% значений. На неликвидных рынках такая консервативность является существенным плюсом. Сравнение с реальными котировками ванильных опционов показало, что модель, абсолютно не опираясь на опционные данные при калибровке, дала среднюю абсолютную ошибку всего 0,5 рубля. Для 26% инструментов цена оказалась между котировками покупки и продажи, остальные цены — выше котировки продажи. Умеренная переоценка активов подтверждает адекватность предложенного подхода. Вычислительная сходимость алгоритма достигается уже при 10 000 симуляциях. Анализ чувствительности выявил критическую важность процедуры EMS: оценка в физической мере без нее искажает цену на 37%. Также зафиксирована ожидаемая чувствительность к начальной цене актива (4,7%) и прогнозной дисперсии (6%).

В результате исследования показано, что связка HARGL и EMS представляет собой надежный вычислительный инструмент для оценки стоимости деривативов и хеджирования. Поскольку на выходе алгоритм формирует готовые траектории, он легко масштабируется на экзотические деривативы. Предложенный подход численно реализует условия фундаментальных теорем финансовой математики, обеспечивая устойчивую безарбитражную оценку инструментов в условиях острой нехватки ликвидности.