ファイナンス講座【上級編】第2回：確率過程論を用いた資産価格モデル

サマリ

金融市場の資産価格変動を数学的に解析する確率過程論は、デリバティブ価格設定やリスク管理の基礎です。ブラウン運動から始まり、伊藤の補題を経由して、ブラック・ショールズ・モデルへと至る理論体系を、実務的観点から解説します。

詳細

確率過程論がファイナンスに必要な理由

株価やコモディティ価格は日々変動し、その動きは決定論的ではなく確率的です。従来の決定論的アプローチでは、このランダムな変動を捉えられません。確率過程論は、この不確実性を数学的に定式化し、金融商品の価格評価やヘッジ戦略の構築に必要な理論的枠組みを提供します。

特にデリバティブ（オプション等）の価格付けには、原資産価格の確率的な振る舞いを正確にモデル化することが不可欠です。これなくしては、公正な価格設定やリスク管理ができないため、現代ファイナンスの言わば「言語」として機能しています。

ブラウン運動：基礎となるランダムウォーク

確率過程論の起点は「ブラウン運動」（ウィーナー過程）です。これは、極めて微小な粒子が流体中で不規則に運動する現象を数学的に記述したもので、1827年に植物学者ロバート・ブラウンが観察しました。

ブラウン運動の数学的性質として、任意の時点での位置は正規分布に従い、過去の動きと独立した増分を持ちます。つまり「今後の動きは過去の履歴に依存せず、ランダムに決まる」という特性があります。金融市場では、株価の微小な変動がこのブラウン運動で近似できると仮定し、モデル構築の基礎としています。

伊藤の補題：確率微分方程式の計算ルール

通常の微分積分では積の微分則（積の法則）が成立しますが、確率過程では異なります。ブラウン運動の微小変化を2乗すると0でない値が出現するため、古典的な微分ルールが適用できないのです。

伊藤清博士が発見した「伊藤の補題」は、この問題を解決するツールです。ブラウン運動を含む関数の微分法則を正確に定義し、確率微分方程式の変数変換を可能にしました。これなくしては、複雑な金融モデルの解析が困難となるため、現代ファイナンスにおける最も重要な数学定理の一つです。

幾何ブラウン運動と株価モデル

実際の株価モデリングでは、純粋なブラウン運動ではなく「幾何ブラウン運動」を使用します。これは、株価の変化率（リターン）が正規分布に従うというモデルです。株価そのものが負になることはないという現実的な制約を満たします。

幾何ブラウン運動は以下の微分方程式で表現されます：dS = μS dt + σS dW。ここでS は株価、μはドリフト項（期待リターン）、σはボラティリティ、dWはブラウン運動の増分です。このシンプルな式が、複雑な市場現象を驚くほど良く説明し、金融実務で広く採用されています。

ブラック・ショールズ・モデル：理論から実践へ

1973年に発表されたブラック・ショールズ・モデルは、幾何ブラウン運動と伊藤の補題を組み合わせ、ヨーロッパ型オプション（満期日にのみ行使可能）の理論価格を導出しました。これは確率過程論の知見が実務に適用された最初の成功例です。

同モデルは、ボラティリティと無リスク金利があれば、原資産価格とオプション価格の正確な関係式を提供します。ノーベル経済学賞を受賞し、金融工学の礎となりました。ただし、市場では対数正規分布の仮定が完全には成立しないため、スマイル効果などの補正が必要な点に注意が必要です。

実務への応用と限界

確率過程論に基づくモデルは、デリバティブ価格設定、VaR計算、ポートフォリオ最適化など、広範な実務で活用されています。特に大手金融機関のリスク管理部門では、これらの理論なしに業務が成立しません。

一方で、現実の市場にはモデルの仮定を満たさない現象が多く存在します。例えば、市場にジャンプが発生したり、ボラティリティが時間とともに変化したりします。こうした現象に対応するため、ジャンプ拡散モデルやボラティリティ・スマイル補正など、発展的な理論が継続的に開発されています。

生成AIとの関連性

近年、機械学習や生成AIが金融分野で急速に普及しています。これらの技術は、従来の確率過程論では捉えられない複雑な非線形パターンを検出できる可能性があります。ただし、AIの予測が統計的に有意かどうかは、依然として確率論に基づく厳密な検証が必要です。

つまり、生成AIの時代だからこそ、その予測結果を正当化するための確率過程論の知識がより重要になっていると言えるでしょう。