Luận văn thạc sĩ: Nghiên cứu quá trình ngẫu nhiên có bước nhảy trong tài chính

Luận văn thạc sĩ HUS nghiên cứu các quá trình ngẫu nhiên có bước nhảy trong tài chính, góp phần phát triển lý thuyết toán học ứng dụng.

• Tác giả: Hoàng Thị Phương Thảo
• Người hướng dẫn: PGS. Trần Hùng Thao
• Trường học: Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Lý Thuyết Xác Suất Và Thống Kê Toán Học
• Đề tài: Một Số Quá Trình Ngẫu Nhiên Có Bước Nhảy
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cam đoan
• Lời cảm ơn
• Bảng ký hiệu
• Mở đầu
• 1. CHƯƠNG 1: Các kiến thức chuẩn bị
• 1.1. Quá trình điểm
• 1.1.1. Quá trình điểm một biến
• 1.1.2. Quá trình điểm nhiều biến
• 1.1.3. Quá trình Poisson ngẫu nhiên kép hay quá trình Poisson có điều kiện
• 1.1.4. Đặc trưng Wantanabe
• 1.2. Công thức Itô đối với quá trình Poisson phức hợp
• 1.3. Trong trường hợp tổng quát
• 2. CHƯƠNG 2: Quá trình có bước nhảy và bài toán rủi ro tín dụng
• 2.1. Mô hình có bước nhảy điều khiển bởi một martingale Poisson
• 2.1.1. Phá sản tại thời điểm t khi công ty có một khoản nợ L
• 2.1.2. Phá sản khi có n khoản nợ L1, L2
• 2.2. Mô hình có bước nhảy điều khiển bởi một chuyển động Brown và một quá trình Poisson
• 2.2.1. Xác suất phá sản khi công ty có một khoản nợ
• 2.2.2. Phá sản khi công ty có nhiều khoản nợ
• 2.3. Mô hình có bước nhảy điều khiển bởi một chuyển động Brown và một quá trình Poisson phức hợp
• 2.3.1. Công ty có một khoản nợ
• 2.3.2. Trường hợp công ty có nhiều khoản nợ
• 3. CHƯƠNG 3: Quá trình có bước nhảy và quá trình phân thứ
• 3.1. Các quá trình phân thứ có bước nhảy
• 3.1.1. Chuyển động Brown phân thứ hình học có bước nhảy
• 3.1.2. Quá trình Ornstein-Uhlenbeck phân thứ có bước nhảy
• 3.1.3. Phương trình vi phân ngẫu nhiên phân thứ có bước nhảy
• 3.2. Ước lượng độ biến động ngẫu nhiên phân thứ với quan sát là quá trình có bước nhảy
• 3.2.1. Xấp xỉ ngẫu nhiên phân thứ
• 3.2.2. Ước lượng Vt,1
• 3.2.3. Ước lượng Vt,2 và Vt
• 3.2.4. Sự hội tụ của Vt tới nghiệm Vt
• 3.2.5. Ước lượng độ biến động Vt
• Danh mục các công trình khoa học của tác giả liên quan đến luận án
• Tài liệu tham khảo

Tóm tắt

I. Tổng quan về quá trình ngẫu nhiên có bước nhảy trong tài chính

Quá trình ngẫu nhiên có bước nhảy là một khái niệm quan trọng trong lĩnh vực tài chính, đặc biệt trong việc mô hình hóa các hiện tượng tài chính phức tạp. Các quá trình này cho phép mô tả sự biến động của giá tài sản và các rủi ro liên quan đến chúng. Trong tài chính, việc áp dụng các mô hình này giúp các nhà đầu tư và nhà quản lý rủi ro có thể đưa ra quyết định chính xác hơn. Các quá trình ngẫu nhiên có bước nhảy thường được sử dụng để mô hình hóa các sự kiện bất ngờ, như sự thay đổi đột ngột trong giá cổ phiếu hoặc sự kiện vỡ nợ của một công ty.

1.1. Định nghĩa và đặc điểm của quá trình ngẫu nhiên có bước nhảy

Quá trình ngẫu nhiên có bước nhảy là một loại quá trình mà trong đó các giá trị của nó thay đổi tại các thời điểm ngẫu nhiên. Đặc điểm nổi bật của quá trình này là sự xuất hiện của các bước nhảy, có thể là lớn hoặc nhỏ, tùy thuộc vào các yếu tố tác động. Các quá trình này thường được mô tả bằng các mô hình toán học như quá trình Poisson và quá trình Lévy.

1.2. Lịch sử phát triển của quá trình ngẫu nhiên có bước nhảy

Lịch sử nghiên cứu về quá trình ngẫu nhiên có bước nhảy bắt đầu từ những năm đầu thế kỷ 20, khi các nhà toán học như Lévy và Itô phát triển các lý thuyết về quá trình ngẫu nhiên. Những nghiên cứu này đã mở ra hướng đi mới trong việc áp dụng các mô hình này vào tài chính, đặc biệt là trong việc đánh giá rủi ro và định giá tài sản.

II. Vấn đề và thách thức trong nghiên cứu quá trình ngẫu nhiên có bước nhảy

Mặc dù quá trình ngẫu nhiên có bước nhảy mang lại nhiều lợi ích trong việc mô hình hóa tài chính, nhưng cũng tồn tại nhiều thách thức. Một trong những vấn đề lớn nhất là việc xác định các tham số của mô hình một cách chính xác. Các nhà nghiên cứu thường gặp khó khăn trong việc thu thập dữ liệu và áp dụng các phương pháp thống kê để ước lượng các tham số này. Hơn nữa, việc áp dụng các mô hình này vào thực tế cũng đòi hỏi sự hiểu biết sâu sắc về các yếu tố kinh tế và tài chính.

2.1. Khó khăn trong việc thu thập dữ liệu

Việc thu thập dữ liệu chính xác cho các quá trình ngẫu nhiên có bước nhảy là một thách thức lớn. Dữ liệu tài chính thường bị ảnh hưởng bởi nhiều yếu tố bên ngoài, và việc phân tích chúng đòi hỏi các phương pháp thống kê phức tạp. Điều này có thể dẫn đến việc ước lượng sai các tham số của mô hình.

2.2. Thách thức trong việc áp dụng mô hình vào thực tế

Khi áp dụng các mô hình quá trình ngẫu nhiên có bước nhảy vào thực tế, các nhà nghiên cứu thường gặp khó khăn trong việc điều chỉnh mô hình cho phù hợp với các điều kiện thị trường cụ thể. Sự biến động của thị trường tài chính có thể làm cho các mô hình này trở nên không chính xác, dẫn đến những quyết định đầu tư sai lầm.

III. Phương pháp nghiên cứu quá trình ngẫu nhiên có bước nhảy

Để nghiên cứu quá trình ngẫu nhiên có bước nhảy, các nhà nghiên cứu thường sử dụng nhiều phương pháp khác nhau, bao gồm các mô hình toán học, mô phỏng máy tính và phân tích thống kê. Các phương pháp này giúp xác định các tham số của mô hình và đánh giá độ chính xác của chúng. Một trong những phương pháp phổ biến là sử dụng mô hình Poisson để mô tả các bước nhảy trong quá trình tài chính.

3.1. Mô hình Poisson trong nghiên cứu tài chính

Mô hình Poisson là một trong những công cụ quan trọng nhất trong nghiên cứu quá trình ngẫu nhiên có bước nhảy. Mô hình này cho phép mô tả số lượng sự kiện xảy ra trong một khoảng thời gian nhất định, và thường được sử dụng để phân tích các rủi ro tài chính. Việc áp dụng mô hình Poisson giúp các nhà nghiên cứu có thể ước lượng xác suất xảy ra của các sự kiện bất ngờ trong thị trường.

3.2. Phân tích thống kê và mô phỏng máy tính

Phân tích thống kê và mô phỏng máy tính là hai phương pháp bổ sung cho nhau trong nghiên cứu quá trình ngẫu nhiên có bước nhảy. Phân tích thống kê giúp xác định các mối quan hệ giữa các biến số, trong khi mô phỏng máy tính cho phép kiểm tra các giả thuyết và mô hình trong các điều kiện khác nhau. Sự kết hợp của hai phương pháp này giúp tăng cường độ tin cậy của các kết quả nghiên cứu.

IV. Ứng dụng thực tiễn của quá trình ngẫu nhiên có bước nhảy trong tài chính

Quá trình ngẫu nhiên có bước nhảy có nhiều ứng dụng thực tiễn trong lĩnh vực tài chính. Chúng được sử dụng để mô hình hóa rủi ro tín dụng, định giá tài sản và phân tích biến động giá. Các mô hình này giúp các nhà đầu tư và nhà quản lý rủi ro có thể đưa ra quyết định chính xác hơn trong các tình huống không chắc chắn.

4.1. Mô hình hóa rủi ro tín dụng

Mô hình hóa rủi ro tín dụng là một trong những ứng dụng quan trọng nhất của quá trình ngẫu nhiên có bước nhảy. Các mô hình này giúp xác định xác suất phá sản của một công ty, từ đó hỗ trợ các nhà đầu tư trong việc đưa ra quyết định đầu tư. Mô hình Merton là một ví dụ điển hình cho việc áp dụng quá trình ngẫu nhiên có bước nhảy trong rủi ro tín dụng.

4.2. Định giá tài sản và phân tích biến động giá

Quá trình ngẫu nhiên có bước nhảy cũng được sử dụng để định giá tài sản và phân tích biến động giá. Các mô hình này giúp các nhà đầu tư hiểu rõ hơn về các yếu tố ảnh hưởng đến giá tài sản, từ đó đưa ra các quyết định đầu tư hợp lý. Việc áp dụng các mô hình này trong thực tế đã chứng minh được tính hiệu quả của chúng trong việc dự đoán các biến động giá.

V. Kết luận và tương lai của nghiên cứu quá trình ngẫu nhiên có bước nhảy

Nghiên cứu quá trình ngẫu nhiên có bước nhảy trong tài chính đã đạt được nhiều thành tựu quan trọng, nhưng vẫn còn nhiều thách thức cần phải vượt qua. Tương lai của nghiên cứu này sẽ phụ thuộc vào việc phát triển các mô hình mới và cải tiến các phương pháp hiện có. Sự phát triển của công nghệ thông tin và phân tích dữ liệu lớn cũng sẽ mở ra nhiều cơ hội mới cho nghiên cứu trong lĩnh vực này.

5.1. Xu hướng phát triển trong nghiên cứu

Trong tương lai, nghiên cứu về quá trình ngẫu nhiên có bước nhảy sẽ tiếp tục phát triển với sự hỗ trợ của công nghệ thông tin và các phương pháp phân tích dữ liệu mới. Các nhà nghiên cứu sẽ tìm cách cải tiến các mô hình hiện có để phù hợp hơn với thực tế thị trường.

5.2. Tầm quan trọng của nghiên cứu trong tài chính

Nghiên cứu quá trình ngẫu nhiên có bước nhảy sẽ tiếp tục đóng vai trò quan trọng trong việc hiểu rõ hơn về các rủi ro tài chính và đưa ra các quyết định đầu tư chính xác. Sự phát triển của các mô hình này sẽ giúp các nhà đầu tư và nhà quản lý rủi ro có thể đối phó tốt hơn với các tình huống không chắc chắn trong thị trường.

Nội dung chính

Tổng quan luận án

Bản luận án tiến sĩ toán học với đề tài "Một số quá trình ngẫu nhiên có bước nhảy" được thực hiện bởi nghiên cứu sinh Hoàng Thị Phương Thảo, chuyên ngành Lý thuyết xác suất và thống kê toán học (mã số: 62460106), dưới sự hướng dẫn khoa học của PGS. Trần Hùng Thao tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội (năm 2015).

Về tính cấp thiết và khoảng trống nghiên cứu, tác giả trình bày rằng các nghiên cứu ban đầu về hệ động lực ngẫu nhiên thường tập trung vào các hệ điều khiển bởi chuyển động Brown với nghiệm là các quá trình có quỹ đạo liên tục. Tuy nhiên, trong thực tiễn quan sát—đặc biệt là trong lĩnh vực kinh tế tài chính và cơ học—các mô hình quỹ đạo liên tục không phản ánh chính xác các sự kiện biến động đột ngột. Thay vào đó, các quá trình có bước nhảy đáp ứng tốt hơn yêu cầu mô tả những hiện tượng này. Sự phát triển của lý thuyết Semimartingale cùng sự hỗ trợ của công nghệ tính toán đã tạo điều kiện mở rộng các mô hình ngẫu nhiên có bước nhảy. Trong tài chính, mô hình rủi ro tín dụng cổ điển của Robert Merton (1974) sử dụng chuyển động Brown liên tục và giả định công ty chỉ có một khoản nợ duy nhất tất toán tại ngày đáo hạn $T$. Thực tế đòi hỏi phải mở rộng mô hình này sang các trường hợp tài sản chịu sự chi phối của các bước nhảy ngẫu nhiên và doanh nghiệp có nhiều khoản nợ ở các kỳ hạn khác nhau. Đồng thời, việc nghiên cứu hệ động lực có trí nhớ dài hạn kèm bước nhảy gián đoạn và bài toán ước lượng trạng thái độ biến động dựa trên quan sát gián đoạn cũng là một khoảng trống học thuật cần giải quyết.

Mục tiêu nghiên cứu của luận án được xác định cụ thể gồm ba nội dung chính:

1. Nghiên cứu các quá trình ngẫu nhiên có bước nhảy là nghiệm của các phương trình vi phân ngẫu nhiên có bước nhảy.
2. Phát triển và mở rộng mô hình Merton trong lý thuyết rủi ro tín dụng để xác định xác suất phá sản của doanh nghiệp khi giá trị tài sản được điều khiển bởi ba lớp quá trình có bước nhảy khác nhau (martingale Poisson, quá trình khuếch tán có bước nhảy, và quá trình kết hợp chuyển động Brown với Poisson phức hợp), áp dụng cho cả cấu trúc một khoản nợ và nhiều khoản nợ.
3. Xây dựng các quá trình phân thứ có bước nhảy và khảo sát bài toán lọc ngẫu nhiên nhằm ước lượng tối ưu độ biến động của hệ động lực ngẫu nhiên phân thứ thông qua các quá trình quan sát là quá trình điểm.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các quá trình ngẫu nhiên có bước nhảy (quá trình điểm, quá trình Poisson, quá trình Poisson phức hợp, chuyển động Brown phân thứ có bước nhảy), các phương trình vi phân ngẫu nhiên có bước nhảy, và bài toán định lượng xác suất phá sản trong rủi ro tín dụng.
• Phạm vi nghiên cứu: Luận án khảo sát về mặt giải tích ngẫu nhiên trên không gian xác suất $(\Omega, \mathcal{F}, P)$, xét các mô hình định giá dưới độ đo xác suất rủi ro trung tính trên các khoảng thời gian hữu hạn $[0, T]$ và các thời điểm chi trả nợ rời rạc $t_1, t_2, \dots, t_n$.

Tổng quan tài liệu và vị trí của luận án

Trong phần tổng quan, tác giả điểm lại lịch sử phát triển của các quá trình ngẫu nhiên từ dạng liên tục sang dạng gián đoạn. Khởi đầu từ quá trình có một bước nhảy đơn giản dạng $X_t = \mathbf{1}{{T \le t}}$, lý thuyết phát triển sang các quá trình đếm, điển hình là quá trình Poisson $(N_t){t \ge 0}$ với khoảng thời gian giữa các bước nhảy tuân theo phân phối mũ tham số $\lambda$. Tiếp đó là quá trình Poisson phức hợp với cỡ bước nhảy là các biến ngẫu nhiên độc lập có cùng phân phối xác suất $\mu$, được ứng dụng trong mô hình hóa tổn thất bảo hiểm. Sự phát triển tiếp nối bao gồm lý thuyết Semimartingale với biểu diễn $X_t = X_0 + V_t + M_t$ (trong đó $V_t$ có biến phân hữu hạn và $M_t$ là martingale địa phương), phân tích trực giao thành thành phần liên tục $M^c$ và gián đoạn $M^d$, cùng lý thuyết quá trình Lévy với công thức Lévy-Khintchine và biểu diễn phân tích Lévy.

Đối với ứng dụng trong quản trị rủi ro tín dụng, tác giả phân tích mô hình cấu trúc của Robert Merton (1974). Merton đã sử dụng phương trình vi phân ngẫu nhiên Black-Scholes $dV_t = \mu V_t dt + \sigma V_t dZ_t$ để mô tả giá trị tài sản công ty và định giá khoản nợ như một tài sản phái sinh. Sau Merton, các nhà nghiên cứu đã mở rộng mô hình theo bốn hướng chính:

1. Cho phép phá sản xảy ra trước ngày đáo hạn $T$ khi giá trị tài sản $V_t$ chạm một rào cản $L_t$ (mô hình chạm mốc đầu tiên - First Passage Time Models), được nghiên cứu bởi Black và Cox.
2. Thay thế lãi suất cố định bằng lãi suất ngẫu nhiên và nghiên cứu tương quan giữa tài sản và lãi suất.
3. Mô hình quyền chọn phức hợp Geske (Geske Compound Option Model) của Robert Geske, nghiên cứu cấu trúc nhiều khoản nợ với các đặc trưng và kỳ hạn khác nhau thay vì coi mọi khoản nợ là trái phiếu không trả lãi định kỳ (zero-coupon bond).
4. Các mô hình có cấu trúc phức tạp hơn như độ biến động ngẫu nhiên, khuếch tán có bước nhảy và chuyển tiếp chế độ (chuyển tiếp trơn, Markov).

Về quá trình ngẫu nhiên phân thứ, khi chỉ số Hurst $H \ne 1/2$, chuyển động Brown phân thứ không phải là martingale cũng không phải là quá trình Markov. Các nhà toán học như Duncan, Nualart, Oksendal đã đưa ra nhiều cách tiếp cận. Nualart ([24], [25]) đã đề xuất dạng xấp xỉ vi phân $B_t^{H,\epsilon}$. Dựa trên đó, tác giả Trần Hùng Thao ([30]–[37]) đã xây dựng phương pháp xấp xỉ $L^2$-semimartingale cho chuyển động Brown phân thứ dạng Liouville và định nghĩa tích phân ngẫu nhiên phân thứ ([34]).

Khoảng trống học thuật mà luận án lựa chọn giải quyết là kết hợp các hướng tiếp cận trên: mở rộng mô hình Merton bằng cách thay thế chuyển động Brown liên tục bằng ba dạng quá trình có bước nhảy khác nhau, đồng thời giải quyết bài toán vỡ nợ cho cả trường hợp một khoản nợ và nhiều khoản nợ $L_1, \dots, L_n$. Bên cạnh đó, luận án thiết lập khái niệm quá trình phân thứ có bước nhảy và xử lý bài toán lọc ngẫu nhiên ước lượng độ biến động phân thứ khi thông tin quan sát bị gián đoạn dưới dạng quá trình điểm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án sử dụng các hệ thống lý thuyết, khái niệm và công cụ giải tích ngẫu nhiên sau:

• Khái niệm quá trình điểm: Quá trình điểm một biến không bùng nổ ($T_\infty = \infty$), quá trình điểm nhiều biến $N_t = (N_t(1), \dots, N_t(k))$, quá trình Poisson ngẫu nhiên kép (Poisson có điều kiện cường độ ngẫu nhiên $\lambda_t$).
• Đặc trưng Wantanabe: Mệnh đề khẳng định nếu $N_t$ là quá trình điểm thích nghi với bộ lọc $\mathcal{F}_t$ và $\lambda_t$ là hàm đo được không âm khả tích địa phương sao cho $N_t - \int_0^t \lambda_s ds$ là $\mathcal{F}_t$-martingale, thì $N_t$ là quá trình Poisson với cường độ $\lambda_t$.
• Quá trình Poisson và Poisson phức hợp: Tính chất gia số độc lập, dừng; các biến ngẫu nhiên thời gian chờ $\tau_k = T_{k+1} - T_k$ có phân phối mũ tham số $\lambda$; quá trình Poisson đối trọng $M_t = N_t - \lambda t$ và quá trình Poisson phức hợp đối trọng $M_t = Q_t - \lambda t E[Y_1]$ đều là martingale đối với bộ lọc tự nhiên.
• Chuyển động Brown phân thứ (fBm): Quá trình Gauss quy tâm $W_t^H$ với chỉ số Hurst $H \in (0, 1)$ có hàm hiệp phương sai $R_H(t, s) = \frac{1}{2}(t^{2H} + s^{2H} - |t-s|^{2H})$. Chuyển động Brown phân thứ dạng Liouville $B_t^H = \int_0^t (t-s)^{H-1/2} dW_s$ liên hệ với $W_t^H$ qua phương trình $W_t^H = \frac{1}{\Gamma(H + 1/2)}(Z_t + B_t^H)$, trong đó $Z_t$ có quỹ đạo hoàn toàn liên tục.

Phương pháp nghiên cứu thực tế của luận án là phương pháp giải tích ngẫu nhiên thuần túy định tính và giải tích lý thuyết xác suất:

• Phương pháp biến đổi độ đo xác suất rủi ro trung tính (Định lý Girsanov).
• Đẳng cự Itô cho quá trình Poisson phức hợp đối trọng và martingale hỗn hợp liên tục có bước nhảy.
• Công thức Itô mở rộng cho quá trình có bước nhảy: áp dụng cho quá trình Poisson tiêu chuẩn, quá trình Poisson phức hợp, và quá trình khuếch tán có bước nhảy tổng quát $X_t = X_0 + \int_0^t u_s dW_s + \int_0^t v_s ds + \int_0^t \eta_s dQ_s$.
• Kỹ thuật tích chập của các phân phối xác suất độc lập: kết hợp phân phối Gauss và phân phối Poisson để xác định luật phân phối của tổng hai biến ngẫu nhiên.
• Phương pháp giải tích tiệm cận bằng hàm đặc trưng: sử dụng khai triển Taylor của hàm đặc trưng $\psi_U(s)$ để chứng minh sự hội tụ phân phối về phân phối chuẩn tắc khi thời gian $t \to \infty$.
• Phương pháp xấp xỉ $L^2$-semimartingale: sử dụng xấp xỉ $B_t^{H,\epsilon}$ của Trần Hùng Thao với biểu diễn vi phân $dB_t^{H,\epsilon} = \alpha \phi_t dt + \epsilon^\alpha dW_t$ và đánh giá sai số $|B_t^{H,\epsilon} - B_t^H| \le C(\alpha)\epsilon^{\alpha + 1/2}$ để chuyển hệ động lực phân thứ về hệ động lực semimartingale có thể áp dụng giải tích Itô thông thường.

Nguồn tư liệu nghiên cứu: Toàn bộ công trình dựa trên việc kế thừa các tài liệu lý thuyết nền tảng trong nước và quốc tế ([1], [3], [6], [8], [13], [15], [21], [24], [25], [26], [30]–[43], [47], [49]) và các kết quả nghiên cứu đã công bố của tác giả trong ba bài báo khoa học ([40], [41], [43]).

Nội dung chính theo từng chương

Chương 1: Các kiến thức chuẩn bị

Chương 1 hệ thống hóa các khái niệm và công cụ toán học nền tảng về quá trình ngẫu nhiên có bước nhảy thuần túy và quá trình phân thứ:

• Mục 1.1 trình bày quá trình điểm một biến qua dãy thời điểm nhảy $(T_n){n \ge 0}$ không bùng nổ, hàm đếm $N_t = \sum{n \ge 1} \mathbf{1}_{{t \ge T_n}}$, quá trình điểm nhiều biến $N_t = (N_t(1), \dots, N_t(k))$, quá trình Poisson ngẫu nhiên kép với cường độ ngẫu nhiên $\lambda_t$, và đặc trưng Wantanabe xác định điều kiện martingale cho quá trình điểm.
• Mục 1.2 định nghĩa quá trình Poisson tiêu chuẩn $N_t$, thời điểm nhảy $T_k$ có phân bố Gamma tham số $\lambda$, khoảng cách thời gian giữa hai bước nhảy $\tau_k$ có phân bố mũ với kỳ vọng $E[\tau_k] = 1/\lambda$, và chứng minh quá trình đối trọng $M_t = N_t - \lambda t$ là martingale đối với bộ lọc tự nhiên $\mathcal{F}_t^N$.
• Mục 1.3 xem xét quá trình Poisson phức hợp $Q_t = \sum_{k=1}^{N_t} Y_k$ với dãy biến ngẫu nhiên độc lập cùng phân phối $Y_k$ độc lập với $N_t$. Tác giả tính toán kỳ vọng $E[Q_t] = \lambda t E[Y_1]$, phương sai $\operatorname{Var}[Q_t] = \lambda t E[|Y_1|^2]$, và chỉ ra quá trình đối trọng $M_t = Q_t - \lambda t E[Y_1]$ là một martingale.
• Mục 1.4 thiết lập định nghĩa tích phân ngẫu nhiên đối với quá trình Poisson phức hợp $\int_0^t \Phi_s dQ_s = \sum_{k=1}^{N_t} \Phi_{T_k} Y_k$, tích phân đối với quá trình khuếch tán có bước nhảy, cùng các hệ thức đẳng cự Itô tương ứng.
• Mục 1.5 dẫn xuất công thức Itô cho ba trường hợp: quá trình Poisson tiêu chuẩn, quá trình Poisson phức hợp, và quá trình khuếch tán – bước nhảy tổng quát chứa cả thành phần Brown $W_t$ và thành phần Poisson $Q_t$ hoặc $N_t$, bao gồm công thức vi phân tích hai quá trình $d(X_t Z_t)$.
• Mục 1.6 trình bày chuyển động Brown phân thứ $W_t^H$, chuyển động Liouville $B_t^H$, định lý về sự hội tụ của semimartingale xấp xỉ $B_t^{H,\epsilon}$ về $B_t^H$ trong không gian $L^2(\Omega, \mathcal{F}, P)$ với tốc độ chặn bởi $C(\alpha)\epsilon^{\alpha + 1/2}$, và định nghĩa tích phân ngẫu nhiên phân thứ qua giới hạn $L^2$.

Chương 2: Quá trình có bước nhảy và bài toán rủi ro tín dụng

Chương 2 là nội dung trọng tâm ứng dụng giải tích ngẫu nhiên vào lý thuyết rủi ro tín dụng, phát triển từ mô hình Merton cổ điển:

• Mở đầu chương trình bày mô hình Merton với $dV_t = \mu V_t dt + \sigma V_t dW_t$. Trong trường hợp công ty có $n$ khoản nợ $L_1, \dots, L_n$ tại các thời điểm $t_1, \dots, t_n$, xác suất phá sản được biểu diễn qua tích phân bội của hàm mật độ chuẩn nhiều chiều trên miền $K_n$. Khi có một khoản nợ $L$ tại $T$, xác suất phá sản có dạng $P_{default} = \Phi\left(\frac{1}{\sigma\sqrt{T}}(\ln\frac{L}{V_0} + (\frac{\sigma^2}{2} - \mu)T)\right)$.
• Mục 2.1 nghiên cứu mô hình điều khiển bởi martingale Poisson: $$dV_t = \mu V_t dt + \sigma V_{t-} dM_t$$ với $M_t = N_t - \lambda t$. Áp dụng công thức Itô, tác giả tìm được nghiệm giải tích: $$V_t = V_0 e^{(\mu - \lambda\sigma)t} (1 + \sigma)^{N_t}$$ Khi có một khoản nợ $L$, điều kiện $V_t < L$ tương đương $N_t < x = \frac{\ln(L/V_0) - (\mu - \lambda\sigma)t}{\ln(\sigma + 1)}$. Xác suất phá sản được tính chính xác bằng tổng xác suất Poisson: $$P_{default} = \sum_{k=0}^{[x]} \frac{(\lambda t)^k}{k!} e^{-\lambda t}$$ Luận án đưa ra ví dụ bằng số: với $V_0 = 41.2$, lãi suất không rủi ro $\mu = 0.07$, $\sigma = 1$, cường độ $\lambda = 2.5$, tại $t = 1$, tác giả ghi nhận xác suất phá sản là 8.2...% (văn bản ghi 8.). Khi công ty có $n$ khoản nợ $L_1, \dots, L_n$, đặt $L = \max{L_1, \dots, L_n}$ và giả thiết $\lambda > \frac{\mu t_i - \ln(L/V_0)}{\sigma t_i}$, tác giả sử dụng tính chất gia số độc lập của quá trình Poisson để thiết lập định lý chặn trên cho xác suất phá sản: $$P_{default}(0, T) \le 1 - \prod_{i=1}^n \left(1 - \sum_{k=0}^{[x_i - x_{i-1}]} \frac{(\lambda(t_i - t_{i-1}))^k}{k!} e^{-\lambda(t_i - t_{i-1})}\right)$$ trong đó $x_i = \frac{\ln(L/V_0) + (\lambda\sigma - \mu)t_i}{\ln(\sigma + 1)}$ và $x_0 = 0$.
• Mục 2.2 khảo sát mô hình điều khiển bởi chuyển động Brown và quá trình Poisson: $$dV_t = \mu V_t dt + \sigma V_t dW_t + \gamma V_{t-} dN_t$$ Nghiệm giải tích của phương trình được chứng minh là: $$V_t = V_0 \exp\left((\mu - \frac{1}{2}\sigma^2)t + \sigma W_t\right)(1 + \gamma)^{N_t}$$ Với một khoản nợ $L$, biến cố phá sản đưa về bất đẳng thức đối với tổng của biến ngẫu nhiên chuẩn và biến ngẫu nhiên Poisson độc lập. Áp dụng kỹ thuật tích chập, tác giả thu được công thức chuỗi: $$P_{default} = \sum_{n=0}^\infty \Phi(K - cn) \frac{(\lambda t)^n}{n!} e^{-\lambda t}$$ với $c = \frac{\ln(1+\gamma)}{\sigma\sqrt{t}}$, $K = \frac{\ln L - \ln V_0 - (\mu - \sigma^2/2)t}{\sigma\sqrt{t}}$. Khi có $n$ khoản nợ, đặt $U_t = \sigma W_t + N_t \ln(1+\gamma)$ là quá trình có gia số độc lập, tác giả chứng minh bất đẳng thức ước lượng xác suất phá sản: $$P_{default}(0, T) \le 1 - \prod_{i=1}^n \left(1 - \sum_{k=0}^\infty \Phi(M - dk) \frac{(\lambda(t_i - t_{i-1}))^k}{k!} e^{-\lambda(t_i - t_{i-1})}\right)$$ trong đó $d = \frac{\ln(\gamma+1)}{\sigma\sqrt{t_i - t_{i-1}}}$, $M = \frac{x_i - x_{i-1}}{\sigma\sqrt{t_i - t_{i-1}}}$, và $x_i = \ln L - \ln V_0 - (\mu - \frac{\sigma^2}{2})t_i$.
• Mục 2.3 xét mô hình điều khiển bởi chuyển động Brown và quá trình Poisson phức hợp: $$dV_t = \mu V_t dt + \sigma V_t dW_t + V_{t-} dQ_t$$ trong đó $Q_t = \sum_{i=1}^{N_t} Y_i$ với $E[Y_i] = \beta$. Nghiệm giải tích của phương trình là: $$V_t = V_0 \exp\left(\sigma W_t + (\mu - \frac{1}{2}\sigma^2)t\right) \prod_{i=1}^{N_t} (Y_i + 1)$$ Với một khoản nợ $L$, biến cố vỡ nợ quy về $\sigma W_t + Z_t < x_t$ với $Z_t = \sum_{i=1}^{N_t} \ln(1 + Y_i)$. Bằng cách chuẩn hóa $Z_t$ và khai triển Taylor cho hàm đặc trưng $\psi_U(s) = 1 + ism - \frac{\gamma^2}{2}s^2 + o(s^2)$, tác giả chứng minh khi $t \to \infty$, biến ngẫu nhiên $Z_t$ xấp xỉ phân phối chuẩn $N(\mu(t), \sigma^2(t))$. Từ đó thiết lập định lý xấp xỉ xác suất phá sản khi $t$ đủ lớn: $$P_{default} \approx \Phi\left(\frac{x_t - \mu^(t)}{\sigma^(t)}\right)$$ trong đó $\mu^*(t) = \lambda t E[\ln(1 + Y_i)]$ và $\sigma^{*2}(t) = \sigma^2 + \lambda t E[(\ln(1 + Y_i))^2]$.

Tiêu chí	Mô hình 1 (Mục 2.1)	Mô hình 2 (Mục 2.2)	Mô hình 3 (Mục 2.3)
Quá trình điều khiển	Martingale Poisson $M_t = N_t - \lambda t$	Chuyển động Brown $W_t$ và quá trình Poisson $N_t$	Chuyển động Brown $W_t$ và Poisson phức hợp $Q_t = \sum_{i=1}^{N_t} Y_i$
Phương trình vi phân (SDE)	$dV_t = \mu V_t dt + \sigma V_{t-} dM_t$	$dV_t = \mu V_t dt + \sigma V_t dW_t + \gamma V_{t-} dN_t$	$dV_t = \mu V_t dt + \sigma V_t dW_t + V_{t-} dQ_t$
Nghiệm giải tích $V_t$	$V_0 e^{(\mu - \lambda\sigma)t} (1 + \sigma)^{N_t}$	$V_0 \exp((\mu - \frac{\sigma^2}{2})t + \sigma W_t)(1 + \gamma)^{N_t}$	$V_0 \exp(\sigma W_t + (\mu - \frac{\sigma^2}{2})t) \prod_{i=1}^{N_t} (Y_i + 1)$
Xác suất phá sản (1 khoản nợ)	Nghiệm đúng qua tổng Poisson: $\sum_{k=0}^{[x]} \frac{(\lambda t)^k}{k!} e^{-\lambda t}$	Chuỗi tích chập Gauss – Poisson: $\sum_{n=0}^\infty \Phi(K - cn) \frac{(\lambda t)^n}{n!} e^{-\lambda t}$	Phân phối chuẩn xấp xỉ khi $t \to \infty$: $\Phi\left(\frac{x_t - \mu^(t)}{\sigma^(t)}\right)$

Chương 3: Quá trình có bước nhảy và quá trình phân thứ

Dựa trên mục lục và phần mở đầu của luận án, Chương 3 tập trung vào hai nội dung chính:

• Mục 3.1 xây dựng các quá trình phân thứ có bước nhảy, bao gồm chuyển động Brown phân thứ hình học có bước nhảy, quá trình Ornstein-Uhlenbeck phân thứ có bước nhảy, và phương trình vi phân ngẫu nhiên phân thứ có bước nhảy. Các quá trình này kết hợp tính chất có trí nhớ dài hạn của hệ động lực phân thứ với các gián đoạn quỹ đạo do bước nhảy gây ra.
• Mục 3.2 giải quyết bài toán ước lượng trạng thái độ biến động ngẫu nhiên phân thứ khi quan sát là quá trình có bước nhảy (quá trình điểm). Cụ thể gồm các bước: xấp xỉ ngẫu nhiên phân thứ, xây dựng các ước lượng $V_{t,1}$, $V_{t,2}$ và $V_t$, chứng minh sự hội tụ của nghiệm xấp xỉ $V_t^\epsilon$ tới nghiệm $V_t$ trong không gian $L^2$, và thiết lập ước lượng độ biến động $V_t$. Đây thực chất là bài toán lọc ngẫu nhiên với quá trình hệ thống là quá trình phân thứ và quá trình quan sát là quá trình điểm.

Kết quả và những đóng góp mới

Luận án tự xác định các đóng góp khoa học mới về mặt lý luận và thực tiễn như sau:

• Về lý luận:
  1. Tìm được nghiệm giải tích tường minh cho ba lớp phương trình vi phân ngẫu nhiên có bước nhảy mô tả giá trị tài sản công ty dưới độ đo xác suất rủi ro trung tính, sử dụng công thức Itô mở rộng cho quá trình có quỹ đạo gián đoạn.
  2. Mở rộng thành công mô hình cấu trúc Merton xác định rủi ro tín dụng sang các trường hợp có bước nhảy. Luận án thiết lập công thức xác suất phá sản chính xác đối với mô hình martingale Poisson, công thức dạng chuỗi tích chập Gauss – Poisson đối với mô hình khuếch tán – Poisson, và công thức xấp xỉ tiệm cận chuẩn đối với mô hình khuếch tán – Poisson phức hợp khi thời gian $t$ đủ lớn.
  3. Xây dựng các bất đẳng thức giải tích đánh giá cận trên của xác suất phá sản cho cấu trúc doanh nghiệp có nhiều khoản nợ $L_1, \dots, L_n$ tại các thời điểm đáo hạn khác nhau dựa trên tính chất gia số độc lập của các quá trình ngẫu nhiên.
  4. Đề xuất khái niệm quá trình ngẫu nhiên phân thứ có bước nhảy và giải quyết bài toán lọc ngẫu nhiên ước lượng độ biến động phân thứ dựa trên quan sát quá trình điểm bằng phương pháp xấp xỉ $L^2$-semimartingale.
• Về thực tiễn và kiến nghị:
  1. Cung cấp bộ công cụ toán học định lượng hỗ trợ các định chế tài chính, ngân hàng đánh giá khả năng vỡ nợ của đối tác trong điều kiện thị trường xuất hiện các cú sốc gián đoạn hoặc danh mục nợ có nhiều kỳ hạn.
  2. Luận án đề xuất thay thế các mô hình khuếch tán liên tục truyền thống bằng các mô hình có bước nhảy để định giá rủi ro sát thực tế hơn, tránh việc đánh giá thấp xác suất phá sản khi thị trường biến động mạnh.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu gắn liền với phạm vi và giả thiết của văn bản:

• Các tham số trong các mô hình vi phân ngẫu nhiên (lợi suất $\mu$, độ biến động $\sigma$, cường độ bước nhảy $\lambda$, hệ số bước nhảy $\gamma$) được giả định là các hằng số cố định, chưa xét đến tính ngẫu nhiên hoặc biến thiên theo thời gian của tham số.
• Lãi suất được coi là cố định không đổi ($\mu$), chưa tích hợp tương quan giữa lãi suất ngẫu nhiên và quá trình giá trị tài sản.
• Các quá trình thành phần (chuyển động Brown và quá trình Poisson/Poisson phức hợp) được giả thiết là hoàn toàn độc lập với nhau.
• Ở mô hình Poisson phức hợp, kết quả xác suất phá sản mới dừng lại ở công thức xấp xỉ tiệm cận khi $t$ đủ lớn mà chưa có nghiệm giải tích chính xác cho mọi thời điểm $t$ hữu hạn.

Hướng nghiên cứu tiếp được tác giả nêu ra bao gồm:

• Mở rộng mô hình Merton bằng cách thay thế lãi suất cố định bằng mô hình lãi suất ngẫu nhiên và nghiên cứu tương quan giữa quá trình tài sản và quá trình lãi suất.
• Khảo sát các mô hình có cấu trúc phức tạp hơn như mô hình có độ biến động ngẫu nhiên kết hợp chuyển tiếp chế độ (chuyển tiếp Markov, chuyển tiếp trơn).
• Tiếp tục hoàn thiện các thuật toán tính toán và mở rộng các lớp bài toán lọc ngẫu nhiên phân thứ với các điều kiện quan sát khác nhau.

Giá trị tham khảo

Bản luận án mang lại giá trị tham khảo cho các đối tượng và lĩnh vực sau:

• Đối với nghiên cứu sinh, học viên cao học và giảng viên chuyên ngành Xác suất – Thống kê và Toán tài chính: Luận án là tài liệu tham khảo về phương pháp giải tích ngẫu nhiên đối với quá trình gián đoạn, kỹ thuật áp dụng công thức Itô cho semimartingale có bước nhảy, và phương pháp xấp xỉ $L^2$-semimartingale cho chuyển động Brown phân thứ của PGS. Trần Hùng Thao.
• Đối với các chuyên viên phân tích định lượng (quantitative analyst) và nhà quản trị rủi ro tại các ngân hàng và tổ chức tài chính: Toàn bộ Chương 2 cung cấp các công thức tính toán và thuật toán ước lượng xác suất phá sản cụ thể cho các cấu trúc nợ đơn kỳ hạn và đa kỳ hạn, áp dụng trực tiếp được vào các bài toán quản trị rủi ro tín dụng.
• Phần đáng tham khảo nhất: Hệ thống công thức Itô và tính đẳng cự ở Mục 1.4 – 1.5; các định lý và chứng minh giải tích về xác suất phá sản ở Mục 2.1, 2.2, 2.3; cùng phương pháp xấp xỉ $L^2$ cho quá trình phân thứ ở Mục 1.6 và Chương 3.

Câu hỏi thường gặp

1. Tại sao không thể áp dụng giải tích ngẫu nhiên Itô truyền thống cho chuyển động Brown phân thứ và luận án giải quyết bằng cách nào?

Khi chỉ số Hurst $H \ne 1/2$, chuyển động Brown phân thứ $W_t^H$ không phải là một quá trình Markov và cũng không phải là một semimartingale. Do đó, các công cụ giải tích Itô truyền thống không thể áp dụng trực tiếp. Luận án khắc phục khó khăn này bằng cách sử dụng phương pháp của tác giả Trần Hùng Thao: xấp xỉ chuyển động Brown phân thứ dạng Liouville $B_t^H$ trong không gian $L^2(\Omega, \mathcal{F}, P)$ bằng họ semimartingale $B_t^{H,\epsilon}$ với biểu diễn vi phân $dB_t^{H,\epsilon} = \alpha \phi_t dt + \epsilon^\alpha dW_t$, từ đó cho phép áp dụng các tính toán ngẫu nhiên thông thường và lấy giới hạn khi $\epsilon \to 0$.

2. Nghiệm của phương trình vi phân ngẫu nhiên điều khiển bởi martingale Poisson trong mô hình giá trị tài sản được xác định như thế nào?

Phương trình vi phân có dạng $dV_t = \mu V_t dt + \sigma V_{t-} dM_t$ với $M_t = N_t - \lambda t$. Bằng cách đặt $V_t = f(X_t)$ với $f(x) = e^x$ và $X_t = N_t \ln(\sigma + 1) - \lambda\sigma t + \mu t$, đồng thời tách $X_t$ thành phần liên tục $X_t^c = -\lambda\sigma t + \mu t$ và phần bước nhảy thuần túy $J_t = N_t \ln(\sigma + 1)$, tác giả áp dụng công thức Itô cho quá trình gián đoạn và chứng minh được nghiệm giải tích là $V_t = V_0 e^{(\mu - \lambda\sigma)t} (1 + \sigma)^{N_t}$.

3. Công thức tính xác suất phá sản trong mô hình khuếch tán kết hợp quá trình Poisson được dẫn xuất từ kỹ thuật toán học nào?

Trong mô hình $dV_t = \mu V_t dt + \sigma V_t dW_t + \gamma V_{t-} dN_t$, điều kiện phá sản $\ln V_t < \ln L$ dẫn đến việc đánh giá bất đẳng thức $\sigma W_t + N_t \ln(1+\gamma) < \ln L - \ln V_0 - (\mu - \sigma^2/2)t$. Vì $W_t$ và $N_t$ là hai quá trình độc lập, vế trái là tổng của một biến ngẫu nhiên Gauss và một biến ngẫu nhiên Poisson. Tác giả áp dụng kỹ thuật tích chập của hai phân phối xác suất độc lập có điều kiện theo $N_t = k$, đưa về dạng chuỗi $\sum_{n=0}^\infty \Phi(K - cn) \frac{(\lambda t)^n}{n!} e^{-\lambda t}$.

4. Bằng cách nào tác giả tìm được phân phối xác suất xấp xỉ trong mô hình Poisson phức hợp khi thời gian $t$ lớn?

Tác giả đặt $Z_t = \sum_{i=1}^{N_t} \ln(1 + Y_i)$ và xét biến ngẫu nhiên chuẩn hóa $\tilde{Z}_t = \frac{Z_t - \mu(t)}{\sigma(t)}$. Thông qua việc khai triển Taylor hàm đặc trưng của biến ngẫu nhiên $U_i = \ln(1+Y_i)$ đến bậc hai: $\psi_U(s) = 1 + ism - \frac{\gamma^2}{2}s^2 + o(s^2)$, tác giả chứng minh được rằng khi $t \to \infty$, hàm đặc trưng của $\tilde{Z}_t$ hội tụ về hàm đặc trưng của phân phối chuẩn tắc $e^{-s^2/2}$. Kết hợp với thành phần Brown $\sigma W_t$, tổng $\sigma W_t + Z_t$ có phân phối xấp xỉ chuẩn, cho phép đưa ra công thức tính xác suất phá sản dạng hàm $\Phi$.

5. Cơ sở toán học nào cho phép thiết lập bất đẳng thức chặn trên của xác suất phá sản khi công ty có nhiều khoản nợ?

Khi công ty có $n$ khoản nợ tại các thời điểm $t_1 < t_2 < \dots < t_n$, xác suất phá sản được định nghĩa là $P_{default}(0, T) = 1 - P(V_{t_i} \ge L_i, \forall i)$. Bằng cách thay $L_i$ bằng $L = \max{L_i}$, tác giả xét biến cố con $B_i$ dựa trên các số gia của quá trình. Do các quá trình ngẫu nhiên được khảo sát (quá trình Poisson $N_t$ hoặc quá trình $U_t = \sigma W_t + N_t \ln(1+\gamma)$) đều có tính chất gia số độc lập, xác suất của giao các biến cố được chặn dưới bởi tích các xác suất thành phần: $P(\bigcap_{i=1}^n B_i) = \prod_{i=1}^n P(B_i)$. Từ đó suy ra bất đẳng thức chặn trên cho xác suất phá sản toàn phần.

Kết luận

Luận án tiến sĩ của Hoàng Thị Phương Thảo đã giải quyết có hệ thống việc mô hình hóa các quá trình ngẫu nhiên có bước nhảy và ứng dụng của chúng trong lý thuyết rủi ro tín dụng và lý thuyết lọc. Tác giả đã mở rộng mô hình cấu trúc Merton cho ba lớp phương trình vi phân ngẫu nhiên có bước nhảy, thiết lập các nghiệm giải tích tường minh và các công thức xác định xác suất phá sản cho cả trường hợp một khoản nợ và nhiều khoản nợ. Đồng thời, công trình đã xây dựng các quá trình phân thứ có bước nhảy và giải quyết bài toán ước lượng tối ưu độ biến động dựa trên quan sát gián đoạn bằng phương pháp xấp xỉ $L^2$-semimartingale. Các kết quả đạt được đóng góp cơ sở giải tích lý thuyết xác suất và cung cấp công cụ định lượng cho quản trị rủi ro tài chính.