ゼロから学ぶNeural SDE
1/5ネットワークにSDEを学習させる
これまで見てきたモデル――Black-Scholes、Heston、SABR――はすべて、人間が選んだ方程式から出発します。SDEを選び、少数のパラメータをフィットさせるのです。ニューラルSDEはこれを逆転させます。方程式そのものを、ニューラルネットワークにデータから学習させます。
古典的なワークフローは次のとおりです。人間が dS = f(S,t)·dW with a specific f (like σ·S, orσ·Sᵝ、あるいは確率的ボラティリティを含む何かを書き下します。その後、3〜5 個のパラメータを市場データにキャリブレーションします。
ニューラルSDEのワークフローでは、ドリフト μ(S,t) と拡散係数 σ(S,t) がニューラルネットワークの出力になります。ネットワークは数千のパラメータ(重みとバイアス)を持ちます。モデル価格と観測されたオプション価格の誤差を最小化することで学習させます。
古典的なモデリングは、レシピを選んでオーブンの温度を調整するようなものです。ニューラルSDEのモデリングは、シェフに何千もの料理(観測された価格)を味見させ、市場が出すものと出力が一致するまで調整させて、レシピそのものを発明させるようなものです。
なぜわざわざそんなことを?標準的なモデルファミリーではデータに十分フィットしない場合があるからです。市場のダイナミクスには、レジームスイッチ、非対称なクラスタリング、経路依存的な挙動など、5パラメータのモデルでは捉えられない特徴があるかもしれません。ニューラルSDEは原理的には任意の連続なドリフト関数と拡散関数を近似できます。問題は、それを確実に学習させるだけのデータと規律があるかどうかです。
アーキテクチャ
ネットワークは標準的なフィードフォワード構造です。入力は現在の市場状態、出力はSDEの係数です。ネットワークそのものがモデルなのです。
入力: スポット価格 S、時刻 t、さらにオプションとして現在のインプライド・ボラティリティ、スキューの傾き、期間構造の形状などの市場特徴量です。入力が豊富であるほど、この時点で σ がどのような値であるべきかを判断するための文脈をネットワークは多く持てます。
隠れ層: 通常は2〜4層で、各層32〜128ニューロンです。活性化関数はReLUかsoftplus。特別なものは何もありません。魔法はアーキテクチャにあるのではなく、ネットワークが何を表現するよう学習するかにあります。
出力: ドリフト μ(S,t) と拡散係数 σ(S,t) です。拡散の出力は正の値を保つよう、softplusまたは指数関数を通します。現在の状態で評価されたこの2つの数値が、この瞬間にSDEが何をするかを定義します。
学習: Euler-Maruyama離散化を用いてニューラルSDEからパスを生成します。そのパスに沿ってモンテカルロ法でオプションを価格付けし、モデル価格と観測された市場価格を比較します。価格誤差をパスシミュレーションを通じてネットワークの重みまで逆伝播させます。これは確率過程に応用された微分可能プログラミングです。
技術的な要点は、ネットワークの重みからSDE係数、シミュレートされたパス、オプション価格に至るパイプライン全体が微分可能であることです。価格付け損失の勾配を、ネットワークのすべての重みについて計算できます。これが学習を可能にしているのです。
ディープヘッジング
価格ダイナミクスのSDEを学習したら、次の自然なステップはヘッジも学習することです。ディープヘッジングでは、各タイムステップでヘッジ比率を出力する第2のネットワークを用い、価格付けモデルと同時に学習させます。
古典的なヘッジでは、デルタをモデルから解析的に計算します。BSの下では ∂C/∂S を用い、より複雑なモデルでは数値近似を用います。これは取引コスト、マーケットインパクト、離散的なリバランス、流動性制約を無視しています。
ディープヘッジングの考え方はこうです。各タイムステップでヘッジ比率 δ(S, t, ポートフォリオ) を出力するようネットワークを学習させます。学習の目的は、理論デルタに対するトラッキング誤差の最小化ではありません。取引コストを含む、実際のヘッジP&Lの分散(あるいはCVaRなどの任意のリスク指標)の最小化です。
その結果、古典的なデルタが無視する現実世界の摩擦を認識したヘッジ戦略が得られます。バックテストでは、ディープヘッジング戦略はモデルベースのデルタよりも実現ヘッジコストが低くなることが多く、特に次の場合に有効です。
1. 取引コストが高い局面。 コストが高いときはヘッジ頻度を減らすことを学習し、事実上、より広いノートレードバンドを選択します。
2. 流動性の低い原資産。 直接のヘッジが高コストな場合、相関のある流動性の高い商品を代理ヘッジとして使うことを学習します。
3. 経路依存型のエキゾチック商品。 単純なデルタの公式が存在しない場合でも、シミュレートされたパスから有効なヘッジを学習できます。
最も強力なバージョンでは、価格付けSDEとヘッジング・ネットワークを同時に学習させます。SDEは観測価格と整合するダイナミクスを学習し、ヘッジング・ネットワークはそのダイナミクスの下でヘッジすることを学習します。2つのネットワークは互いを正則化します。非現実的なダイナミクスではヘッジング・ネットワークの成績が悪くなるため、SDEはそれを学習できず、逆もまた同様です。
ネットワークが発見するもの
学習された σ(S,t) 関数を調べると、確率的な特徴を持つローカル・ボラティリティのように見えることがよくあります。人間が数十年かけて設計してきた構造を、ネットワークは独自に発見します。
株式または暗号資産のオプションデータでニューラルSDEを学習させ、学習された拡散関数 σ(S,t) をヒートマップとしてプロットします。典型的な発見は次のとおりです。
レバレッジ効果。 ネットワークは、σ(S,t) がSが低いときに高く、Sが高いときに低くなることを学習します。これはまさに、Hestonが負の ρ によって捉え、CEVが β < 1 によって捉えるメカニズムです。ネットワークはこれらのモデルを知りません。データの中からそのパターンを見つけ出すのです。
ボラティリティの平均回帰。 学習された σ は直近の大きな変動の後に上昇し、ベースラインへ回帰する傾向があります。Hestonがハードコードしているような、CIR的な平均回帰をネットワークは独自に発見しているのです。
ボラティリティ・クラスタリング。 ネットワークは高ボラティリティ状態が持続することを学習します――σ(S,t) はスパイク後もしばらく高い水準にとどまります。これは実務家にはおなじみのGARCH的なクラスタリングで、単純な確率的ボラティリティモデルが苦手とするものです。
上の3つのパターンを切り替えてみてください。それぞれ、異なるデータレジームで学習されたニューラルSDEが発見しうるものを表しています。ポイントはネットワークがHestonやSABRより賢いということではありません。探すよう指示されなくても同様の構造にたどり着くという点です。これは、それらの構造がモデルファミリーの産物ではなく、データの実際の特徴であることの強い証拠です。
その裏返しとして、データにノイズが多かったり学習に規律がなかったりすると、ネットワークは偽のパターンも発見してしまいます。少ないデータで学習された大規模なネットワークは見事に過学習し、ノイズを記憶してそれを構造と呼ぶでしょう。
実務上の考慮事項
ニューラルSDEは強力ですが、要求も高い手法です。研究論文と本番システムの間には大きな隔たりがあります。コミットする前にコストを把握しておきましょう。
上のTrainをクリックして、損失が収束する様子を観察してください。3つのフェーズに注目してください。急速な初期の下降(ネットワークが大まかな構造を学習)、緩やかな精緻化(ウィングとテールの微調整)、そしてプラトー(収穫逓減、過学習リスクの可能性)です。
学習データの要件。 高次元の関数を制約するには、十分なオプション価格データが必要です。単一の原資産であっても、複数の満期にわたる日次スマイルのスナップショットが数か月から数年分必要になります。疎なデータ(行使価格や満期が少ない)は劣決定なネットワークを生み、過学習につながります。
過学習リスク。 10,000パラメータのニューラルネットワークは、10,000個のデータポイントを完璧に記憶できます。それはダイナミクスを学習したことを意味しません。正則化(ドロップアウト、重み減衰、早期終了)は必須です。ホールドアウトデータでの検証は絶対に欠かせません。
解釈可能性。 5パラメータのHestonモデルはストーリーを語ってくれます。kappaはこれを、rhoはあれを意味する、と。ニューラルSDEは10,000パラメータのブラックボックスです。学習された関数を(上のヒートマップのように)調べることはできますが、単一の数値を指して「これが平均回帰速度だ」とは言えません。リスク管理者にモデルを説明する必要のあるトレーディングデスクにとって、これは深刻な欠点です。
計算コスト。 学習にはSDEの数千回のフォワードパス(モンテカルロのパス)が必要で、その各タイムステップでネットワークの逆伝播が必要です。これはHestonやSABRのキャリブレーションより桁違いに高コストです。推論(学習済みモデルで単一のオプションを価格付けすること)は高速ですが、再キャリブレーションは低速です。
現在の普及状況。 ニューラルSDEとディープヘッジングは、研究や、それを支えるインフラを持つクオンツ系ヘッジファンドで使われています。バニラのデスクではまだ標準ではありません。典型的な本番構成は、日常の価格付けには古典的なモデル(Heston、SABR、SLV)を用い、古典モデルが一貫して失敗する特定の高価値な問題にニューラル手法を使う、というものです。
ニューラルSDEを使うべきなのは、(1) 豊富なデータがあり、古典的なモデルファミリーが同じパターンを取りこぼし続けるとき、(2) きれいな解析解が存在しないエキゾチック商品を価格付けするとき、(3) 現実世界の摩擦を考慮したヘッジ戦略が必要なとき、です。5パラメータのモデルで十分にフィットするなら使わないでください。価値を加えずに複雑さだけを加えることになります。
次に読むべきページ:
Hestonモデル ―― 古典的な確率的ボラティリティのベンチマーク
確率的ローカル・ボラティリティ ―― ダイナミクスを備えた本番品質のキャリブレーション
Rough Bergomi ―― フラクショナルな確率的ボラティリティ、ニューラル手法以前のフロンティア