Bài 3/6 · Tài chính Định lượng: Monte Carlo & Giải tích Ngẫu nhiên
Bổ đề Itô và hiệu chỉnh độ biến động
Mục tiêu bài học
- Hiểu trực giác của bổ đề Itô và quy tắc (dW)² = dt.
- Suy ra số hạng hiệu chỉnh −σ²/2 khi áp dụng Itô cho f = ln S.
- Tính tốc độ tăng trưởng log của danh mục có đòn bẩy và tìm đòn bẩy tối ưu Kelly.
Nội dung chính
Trong giải tích thông thường, khi khai triển Taylor một hàm số, các số hạng bậc hai trở lên thường được bỏ qua vì chúng nhỏ không đáng kể khi Δt → 0. Nhưng trong giải tích ngẫu nhiên (stochastic calculus), quy tắc đặc biệt (dW)² = dt khiến số hạng bậc hai không biến mất — đây chính là điểm khác biệt cốt lõi mà bổ đề Itô nắm bắt.
Bổ đề Itô và nguồn gốc số hạng −σ²/2
Áp dụng bổ đề Itô cho hàm f(S) = ln S với S tuân theo GBM, số hạng bậc hai trong khai triển Taylor (chứa (dS)² = σ²S²dt) đóng góp thêm một thành phần drift âm bằng −σ²/2 vào phương trình vi phân của ln S. Đây chính xác là nguồn gốc toán học của volatility drag đã thấy ở bài 1 và bài 2 — không phải một quy ước tuỳ ý, mà là hệ quả tất yếu của giải tích ngẫu nhiên.
Ứng dụng: dẫn xuất phương trình Black-Scholes
Bổ đề Itô cũng là công cụ toán học chính để dẫn ra phương trình vi phân riêng phần Black-Scholes: bằng cách xây dựng một danh mục phòng hộ delta (long/short quyền chọn và cổ phiếu theo đúng tỷ lệ delta) triệt tiêu hoàn toàn thành phần ngẫu nhiên, danh mục còn lại phải sinh lợi đúng bằng lãi suất phi rủi ro (nguyên lý không arbitrage).
Ứng dụng thực tiễn: đòn bẩy và ETF đòn bẩy
Vì tăng trưởng log giảm theo bình phương của mức đòn bẩy (do số hạng −L²σ²/2), tồn tại một mức đòn bẩy "tối ưu" (tiêu chí Kelly) tối đa hoá tốc độ tăng trưởng kép dài hạn — vượt quá mức này, đòn bẩy cao hơn thực chất làm giảm tăng trưởng kép dù tăng lợi suất kỳ vọng số học.
Cảnh báo về ETF đòn bẩy: Các ETF đòn bẩy (2x, 3x) tái cân bằng hằng ngày để duy trì đúng tỷ lệ đòn bẩy — trong thị trường biến động mạnh đi ngang, hiệu ứng volatility drag bị khuếch đại theo bình phương đòn bẩy có thể khiến giá trị ETF giảm dần theo thời gian ngay cả khi chỉ số cơ sở không đổi ròng.
Công thức cốt lõi
Bổ đề Itô tổng quát
\[ df = \left(\frac{\partial f}{\partial t} + \mu S\frac{\partial f}{\partial S} + \frac12\sigma^2S^2\frac{\partial^2 f}{\partial S^2}\right)dt + \sigma S\frac{\partial f}{\partial S}dW \]Áp dụng cho f = ln S
\[ d\ln S = (\mu - \tfrac{\sigma^2}{2})dt + \sigma\,dW \]Nguồn gốc trực tiếp của volatility drag.
PDE Black-Scholes
\[ \frac{\partial V}{\partial t} + rS\frac{\partial V}{\partial S} + \frac12\sigma^2S^2\frac{\partial^2V}{\partial S^2} - rV = 0 \]Dẫn ra từ danh mục phòng hộ delta không rủi ro.
Ví dụ số
Ví dụ: Volatility drag và đòn bẩy tối ưu
Dữ kiện: μ = 10%, σ = 25%; đòn bẩy ETF L = 2x (chi phí vay rf = 0%); kỳ hạn 10 năm.
- Tăng trưởng log không đòn bẩy: g₁ = 0,10 − 0,25²/2 = 6,875%/năm.
- Với đòn bẩy L=2: μ_L = 2×10% = 20%; σ_L = 2×25% = 50%.
- Tăng trưởng log có đòn bẩy: g_L = 20% − 50%²/2 = 20% − 12,5% = 7,5%/năm.
- Sau 10 năm: bội số trung vị không đòn bẩy = e^0,6875 = 1,99x; bội số trung bình = e^1 = 2,72x.
- Đòn bẩy Kelly tối ưu = μ/σ² = 0,10/0,0625 = 1,60x.
Kết quả: g₁ = 6,875%/năm; g_L(2x) = 7,500%/năm; đòn bẩy Kelly tối ưu = 1,60x.
Diễn giải: Dù đòn bẩy gấp đôi (2x), tăng trưởng log chỉ nhỉnh hơn một chút (7,5% so với 6,875%) — vì đòn bẩy tối ưu theo Kelly chỉ là 1,60x; dùng đòn bẩy 2x đã vượt quá điểm tối ưu, một phần lợi ích từ μ tăng gấp đôi đã bị volatility drag (tăng theo L²) ăn mòn.
Công cụ: Volatility drag & đòn bẩy tối ưu
Nhập μ, σ và mức đòn bẩy để xem tăng trưởng log và tìm đòn bẩy tối ưu Kelly.
Lưu ý thực tế & bẫy thường gặp
- Quy tắc (dW)² = dt là kết quả từ tính chất phương sai của chuyển động Brown, không phải một xấp xỉ tuỳ tiện — đây là nền tảng nghiêm ngặt của giải tích Itô.
- Đòn bẩy Kelly tối ưu tối đa hoá tăng trưởng kép dài hạn nhưng có thể chấp nhận biến động ngắn hạn rất lớn — nhiều nhà đầu tư thực tế dùng 'half-Kelly' để giảm rủi ro.
- Volatility drag của ETF đòn bẩy tăng theo bình phương hệ số đòn bẩy — đây là lý do các ETF này được khuyến cáo chỉ nắm giữ trong thời gian rất ngắn (trong ngày), không phải để đầu tư dài hạn.
Kiểm tra nhanh (5 câu)
Tóm tắt
- Bổ đề Itô giải thích số hạng hiệu chỉnh −σ²/2 xuất hiện khi áp dụng cho hàm ln S của một biến GBM.
- Cùng công cụ này dẫn ra phương trình Black-Scholes qua danh mục phòng hộ delta không rủi ro.
- Đòn bẩy có mức tối ưu (Kelly) tối đa hoá tăng trưởng kép — vượt quá mức này, đòn bẩy cao hơn làm giảm tăng trưởng dài hạn.