Toán ứng dụng cho tài chính

Mục lục

1. Phần 1: Nền tảng chuyển động Brown
   • 1.1 Brownian Motion - Chuyển động Brown
   • 1.2 Wiener Process - Quá trình Wiener
   • 1.3 Geometric Brownian Motion - Chuyển động Brown hình học
2. Phần 2: Các biến thể có điều kiện của chuyển động Brown
   • 2.1 Brownian Bridge - Cầu Brown
   • 2.2 Brownian Excursion - Chuyến đi Brown
   • 2.3 Brownian Meander - Khúc quanh Brown
3. Phần 3: Họ quá trình Bessel
   • 3.1 Bessel Process - Quá trình Bessel
   • 3.2 Squared Bessel Process - Quá trình Bessel bình phương
4. Phần 4: Bộ nhớ dài và tính đa phân thứ
   • 4.1 Fractional Brownian Motion - Chuyển động Brown phân thứ
   • 4.2 Multifractional Brownian Motion - Chuyển động Brown đa phân thứ
5. Phần 5: Quá trình bước nhảy và họ Lévy
   • 5.1 Poisson Process - Quá trình Poisson
   • 5.2 Mixed Poisson Process - Quá trình Poisson hỗn hợp
   • 5.3 Cauchy Process - Quá trình Cauchy
   • 5.4 Gamma Process - Quá trình Gamma
   • 5.5 Variance Gamma Process - Quá trình Variance Gamma
   • 5.6 Inverse Gaussian Process - Quá trình Gauss nghịch đảo
6. Danh mục tài liệu tham khảo

Bảng tổng hợp 16 quá trình ngẫu nhiên

#	Tên quá trình	Họ	Công dụng chính trong tài chính	Nguồn gốc tiêu biểu
1	Brownian Motion (Chuyển động Brown)	Nền tảng Brown	Mô hình hóa biến động giá tài sản, nền của giải tích ngẫu nhiên	Bachelier 1900 (PDF)
2	Wiener Process (Quá trình Wiener)	Nền tảng Brown	Định nghĩa toán học chặt chẽ của Brown, nền Black-Scholes	Wiener 1923
3	Geometric Brownian Motion (Brown hình học)	Nền tảng Brown	Giá cổ phiếu luôn dương, định giá quyền chọn	Black-Scholes 1973 (PDF)
4	Brownian Bridge (Cầu Brown)	Biến thể có điều kiện	Nội suy dữ liệu, mô phỏng Monte Carlo có điểm cuối cố định	Revuz-Yor 1999
5	Brownian Excursion (Chuyến đi Brown)	Biến thể có điều kiện	Lý thuyết giá trị cực trị, quyền chọn rào cản	Revuz-Yor 1999
6	Brownian Meander (Khúc quanh Brown)	Biến thể có điều kiện	Xác suất sống sót, quyền chọn rào cản	Durrett-Iglehart 1977
7	Bessel Process (Quá trình Bessel)	Họ Bessel	Khoảng cách tới gốc của chuyển động nhiều chiều, mô hình hồi quy	Going-Jaeschke & Yor 2003 (PDF)
8	Squared Bessel Process (Bessel bình phương)	Họ Bessel	Nền của mô hình lãi suất CIR và biến động ngẫu nhiên	Cox-Ingersoll-Ross 1985 (PDF)
9	Fractional Brownian Motion (Brown phân thứ)	Bộ nhớ dài	Phụ thuộc dài hạn trong chuỗi thời gian tài chính	Mandelbrot & Van Ness 1968
10	Multifractional Brownian Motion (Brown đa phân thứ)	Bộ nhớ dài	Nắm bắt hiệu quả thị trường thay đổi theo thời gian	Peltier & Lévy-Véhel 1995 (PDF)
11	Poisson Process (Quá trình Poisson)	Bước nhảy & Lévy	Đếm sự kiện rời rạc, nền mô hình nhảy	Merton 1976 (DOI)
12	Mixed Poisson Process (Poisson hỗn hợp)	Bước nhảy & Lévy	Mô hình yêu cầu bồi thường bảo hiểm, tần suất ngẫu nhiên	Grandell 1997
13	Cauchy Process (Quá trình Cauchy)	Bước nhảy & Lévy	Đuôi nặng, cú nhảy giá cực đoan	Applebaum 2009
14	Gamma Process (Quá trình Gamma)	Bước nhảy & Lévy	Đổi thời gian (subordinator), khoa học tính phí bảo hiểm	Cont & Tankov 2003 (PDF)
15	Variance Gamma Process (Variance Gamma)	Bước nhảy & Lévy	Định giá quyền chọn có độ lệch và độ nhọn	Madan, Carr & Chang 1998 (PDF)
16	Inverse Gaussian Process (Gauss nghịch đảo)	Bước nhảy & Lévy	Thời gian chạm ngưỡng, mô hình vỡ nợ	Barndorff-Nielsen 1997

---

Phần 1: Nền tảng chuyển động Brown

Đây là ba quá trình nên tảng, khi bạn hiểu chúng là hiểu 80% phần còn lại, vì mọi quá trình sau đều thêm bớt một tính chất nào đó lên nền Brown.

1.1 Brownian Motion - Chuyển động Brown

Chuyển động Brown mô tả đường đi ngẫu nhiên liên tục của một hạt bị va đập hỗn loạn, ví dụ hạt phấn hoa trôi trên mặt nước. Trong tài chính, nó là mô hình đầu tiên cho biến động giá: mỗi khoảng thời gian nhỏ, giá dịch chuyển một lượng ngẫu nhiên tuân theo phân phối chuẩn, độc lập với quá khứ. Ba tính chất cốt lõi cần nhớ: điểm xuất phát bằng 0; các bước tăng (increment) là độc lập và dừng (không phụ thuộc thời điểm); quỹ đạo liên tục nhưng gồ ghề ở mọi tỷ lệ (không đâu khả vi). Chính Louis Bachelier năm 1900, trong luận án tiến sĩ về định giá quyền chọn tại Paris, đã dùng ý tưởng này trước cả Einstein. Điểm yếu lớn của mô hình Bachelier là giá có thể xuống âm, điều vô lý với cổ phiếu, và đây là lý do người ta chuyển sang chuyển động Brown hình học ở mục 1.3. Dù vậy, chuyển động Brown vẫn là viên gạch nền của toàn bộ giải tích ngẫu nhiên và mọi mô hình định giá hiện đại.

Điểm nhấn chính: bước tăng độc lập, dừng, phân phối chuẩn; quỹ đạo liên tục nhưng không khả vi; là giới hạn của bước đi ngẫu nhiên khi bước nhỏ dần.

Ứng dụng thực chiến: khung tham chiếu cho mọi mô phỏng giá; thành phần "khuếch tán" trong hầu hết phương trình vi phân ngẫu nhiên định giá phái sinh.

Điểm mạnh (S)	Điểm yếu (W)
Đơn giản, có lời giải giải tích; nền tảng lý thuyết vững	Cho phép giá âm; giả định phương sai không đổi và không có cú nhảy
Cơ hội (O)	Thách thức (T)
Làm nền để lắp thêm drift, nhảy, biến động ngẫu nhiên	Dữ liệu thực có đuôi nặng và bộ nhớ, vi phạm giả định gốc

1.2 Wiener Process - Quá trình Wiener

Quá trình Wiener chính là chuyển động Brown, nhưng được nhìn dưới góc độ toán học chặt chẽ. Nhà toán học Norbert Wiener năm 1923 là người đầu tiên chứng minh rằng một quá trình với các tính chất Brown thực sự tồn tại về mặt toán học và xây dựng được một độ đo xác suất trên không gian các quỹ đạo liên tục. Vì thế trong sách vở, "quá trình Wiener" và "chuyển động Brown" thường dùng thay thế cho nhau, ký hiệu chuẩn là W(t) hoặc B(t). Sự phân biệt tinh tế: "chuyển động Brown" nhấn mạnh nguồn gốc vật lý và trực giác, còn "quá trình Wiener" nhấn mạnh nền tảng tiên đề và là đối tượng chuẩn để xây dựng tích phân ngẫu nhiên Itô. Với người làm tài chính định lượng, quá trình Wiener là thành phần dW xuất hiện trong mọi phương trình dạng dS = a·dt + b·dW: nó là "nguồn nhiễu" chuẩn mực mà mọi mô hình khuếch tán đều dựa vào. Nắm chắc quá trình Wiener là điều kiện tiên quyết để hiểu bổ đề Itô, công cụ trung tâm của định giá phái sinh.

Điểm nhấn chính: nền tảng tiên đề của Brown; là "vi phân nhiễu" dW trong giải tích Itô; phương sai của W(t) đúng bằng t.

Ứng dụng thực chiến: viên gạch xây dựng mô hình Black-Scholes, Vasicek, Heston và gần như mọi mô hình lãi suất, biến động.

Điểm mạnh (S)	Điểm yếu (W)
Nền toán học chặt chẽ, tính chất Markov và martingale rõ ràng	Trừu tượng với người mới; bản thân không mô hình hóa cú nhảy
Cơ hội (O)	Thách thức (T)
Là chuẩn để mở rộng sang tích phân ngẫu nhiên, SDE	Trực giác dễ nhầm giữa "nhiễu trắng" và tích phân của nó

1.3 Geometric Brownian Motion - Chuyển động Brown hình học

Chuyển động Brown hình học (GBM) là bản vá quan trọng nhất cho vấn đề "giá âm" của Bachelier. Thay vì cho bản thân giá đi theo chuyển động Brown, ta cho logarit của giá đi theo chuyển động Brown có độ trôi (drift). Kết quả là giá luôn dương và lợi suất được tính theo kiểu lãi kép liên tục, với hai tham số: độ trôi (kỳ vọng tăng trưởng) và độ biến động (volatility). Đây chính là giả định nền của mô hình Black-Scholes năm 1973, công trình đưa Scholes và Merton tới giải Nobel Kinh tế. Điểm đẹp của GBM là cho công thức định giá quyền chọn dạng đóng, tính tay được. Điểm hạn chế: GBM giả định độ biến động là hằng số và lợi suất phân phối chuẩn, trong khi thực tế thị trường có "nụ cười biến động" (volatility smile), đuôi nặng và các cú sốc đột ngột. Dù vậy, GBM vẫn là ngôn ngữ chung của ngành: gần như mọi mô hình phức tạp hơn đều được mô tả bằng cách nói rõ nó khác GBM ở chỗ nào.

Điểm nhấn chính: log-giá theo Brown có drift; giá luôn dương; lợi suất log phân phối chuẩn; nền của Black-Scholes.

Ứng dụng thực chiến: định giá quyền chọn châu Âu, mô phỏng danh mục, tính Value-at-Risk cơ bản, khung so sánh chuẩn cho mọi mô hình mới.

Điểm mạnh (S)	Điểm yếu (W)
Giá luôn dương; có công thức đóng; chỉ 2 tham số dễ ước lượng	Biến động hằng số; không có cú nhảy; đuôi phân phối quá mỏng
Cơ hội (O)	Thách thức (T)
Dễ mở rộng thành mô hình biến động ngẫu nhiên, nhảy khuếch tán	Định giá sai quyền chọn xa giá (OTM) do bỏ qua đuôi nặng

---

Phần 2: Các biến thể có điều kiện của chuyển động Brown

Ba quá trình sau đều là chuyển động Brown bị "ép" thêm một ràng buộc: cố định điểm cuối, hoặc buộc phải dương. Chúng ít nổi tiếng nhưng cực hữu ích trong mô phỏng và định giá quyền chọn rào cản.

2.1 Brownian Bridge - Cầu Brown

Cầu Brown là một chuyển động Brown bị buộc chặt cả hai đầu: biết trước giá trị tại thời điểm đầu và thời điểm cuối, ta hỏi đường đi ở giữa sẽ ra sao. Hình dung một sợi dây thừng Brown gồ ghề nhưng hai đầu bị đóng đinh cố định, phần giữa vẫn dao động ngẫu nhiên nhưng luôn bị kéo về phía đường nối hai đầu. Về mặt trực giác, phương sai lớn nhất ở giữa quãng và bằng 0 ở hai đầu. Trong tài chính định lượng, cầu Brown có hai công dụng đắt giá. Thứ nhất là nội suy: khi ta chỉ có dữ liệu giá tại vài mốc và muốn tạo các điểm trung gian hợp lý cho mô phỏng, cầu Brown cho cách "điền vào chỗ trống" đúng phân phối. Thứ hai là tăng tốc Monte Carlo: kỹ thuật "Brownian bridge construction" giúp lấy mẫu quỹ đạo sao cho các chiều quan trọng nhất được xác định trước, rất hợp khi dùng dãy số tựa ngẫu nhiên (quasi-random) để giảm sai số. Đây là công cụ kín tiếng nhưng thường xuyên xuất hiện trong bộ máy định giá phái sinh phức tạp.

Điểm nhấn chính: cố định cả hai đầu; phương sai cực đại ở giữa; là công cụ nội suy và giảm phương sai mô phỏng.

Ứng dụng thực chiến: nội suy đường cong; xây quỹ đạo trong Monte Carlo tựa ngẫu nhiên; kiểm tra quyền chọn rào cản giữa hai mốc quan sát.

Điểm mạnh (S)	Điểm yếu (W)
Điểm cuối xác định giúp kiểm soát mô phỏng; có phân phối tường minh	Cần biết trước điểm cuối, không hợp dự báo tương lai mở
Cơ hội (O)	Thách thức (T)
Kết hợp quasi-Monte Carlo để tăng tốc định giá mạnh	Cài đặt sai dễ gây thiên lệch trong ước lượng xác suất chạm rào

2.2 Brownian Excursion - Chuyến đi Brown

Chuyến đi Brown (excursion) là một mảnh của chuyển động Brown được xét trong khoảng giữa hai lần liên tiếp nó chạm mức 0, và trong khoảng đó buộc phải dương. Hãy tưởng tượng đồ thị Brown cắt trục hoành ở vô số điểm; mỗi "bướu" nhô lên rồi rơi về 0 là một chuyến đi. Nếu chuẩn hóa một chuyến đi kéo dài đúng một đơn vị thời gian, ta được "chuyến đi Brown chuẩn", một đối tượng trung tâm trong lý thuyết xác suất. Với tài chính, giá trị của khái niệm này nằm ở chỗ nó mô tả hành vi của giá trong giai đoạn luôn nằm trên (hoặc dưới) một ngưỡng, đúng bản chất của quyền chọn rào cản: hợp đồng chỉ còn hiệu lực chừng nào giá chưa chạm rào. Chuyến đi Brown cũng là ngôn ngữ tự nhiên của lý thuyết giá trị cực trị, giúp tính phân phối của đỉnh cao nhất mà giá đạt tới trong một chu kỳ. Đây là công cụ chuyên sâu, thường dùng ở tầng lý thuyết để suy ra công thức cho các sản phẩm phụ thuộc đường đi (path-dependent).

Điểm nhấn chính: mảnh Brown giữa hai lần chạm 0, buộc dương; nền của phân phối cực trị và đỉnh quỹ đạo.

Ứng dụng thực chiến: định giá quyền chọn rào cản và quyền chọn nhìn lại (lookback); phân tích drawdown cực đại.

Điểm mạnh (S)	Điểm yếu (W)
Nắm bắt chính xác hành vi "luôn trên ngưỡng"; đẹp về lý thuyết	Rất trừu tượng; ít công thức đóng cho người dùng cuối
Cơ hội (O)	Thách thức (T)
Cơ sở suy ra công thức cho sản phẩm phụ thuộc đường đi	Khó truyền đạt và triển khai nếu thiếu nền giải tích ngẫu nhiên

2.3 Brownian Meander - Khúc quanh Brown

Khúc quanh Brown (meander) là "họ hàng" của chuyến đi: cũng là chuyển động Brown bị buộc phải dương trên một khoảng thời gian cố định, nhưng chỉ ràng buộc điểm đầu bằng 0 chứ không bắt điểm cuối quay về 0. Nói cách khác, nó mô tả giá xuất phát từ một ngưỡng và sống sót ở phía trên ngưỡng đó suốt một quãng thời gian, kết thúc ở một mức dương bất kỳ. Chính vì thế khúc quanh Brown là mô hình tự nhiên cho xác suất sống sót: khả năng một tài sản, một quỹ hay một hợp đồng chưa "chạm đáy" cho tới thời điểm T. Trong định giá quyền chọn rào cản kiểu knock-out, phần đóng góp của những kịch bản chưa chạm rào có thể mô tả qua khúc quanh. Về mặt kỹ thuật, khúc quanh Brown là cầu nối giữa chuyển động Brown thường và chuyến đi Brown, và xuất hiện tự nhiên khi ta lấy giới hạn của bước đi ngẫu nhiên có điều kiện luôn dương. Với người mới, chỉ cần nhớ: chuyến đi buộc cả hai đầu về 0, còn khúc quanh chỉ buộc đầu vào, thả tự do đầu ra.

Điểm nhấn chính: buộc dương trên khoảng cố định, chỉ cố định điểm đầu; mô hình xác suất sống sót.

Ứng dụng thực chiến: ước lượng xác suất chưa chạm ngưỡng; định giá quyền chọn rào cản; phân tích thời gian sống của chiến lược.

Điểm mạnh (S)	Điểm yếu (W)
Mô tả gọn "sống sót trên ngưỡng"; nối liền Brown và excursion	Khái niệm hẹp, ít dùng trực tiếp ngoài bối cảnh rào cản
Cơ hội (O)	Thách thức (T)
Kết hợp với mô phỏng để định giá sản phẩm knock-out chính xác	Dễ nhầm với chuyến đi Brown nếu không phân biệt ràng buộc

---

Phần 3: Họ quá trình Bessel

Nhóm này trả lời câu hỏi: nếu một hạt chuyển động Brown trong không gian nhiều chiều, thì khoảng cách của nó tới gốc tọa độ biến thiên ra sao. Câu trả lời sinh ra họ Bessel, và bất ngờ là nó trở thành xương sống của các mô hình lãi suất và biến động hiện đại.

3.1 Bessel Process - Quá trình Bessel

Quá trình Bessel mô tả khoảng cách từ một chuyển động Brown nhiều chiều tới gốc tọa độ. Ví dụ, lấy một hạt chuyển động Brown trong không gian ba chiều, thì độ dài véc-tơ vị trí của nó (luôn không âm) là một quá trình Bessel chiều 3. Tham số quan trọng nhất là "chiều" (dimension), và điều thú vị là chiều này không nhất thiết phải là số nguyên, mở ra cả một họ liên tục các quá trình. Chiều quyết định hành vi tại điểm 0: chiều lớn thì quá trình bị đẩy mạnh khỏi gốc và gần như không bao giờ chạm 0, chiều nhỏ thì có thể chạm 0 và bật lại. Tính "luôn không âm" và "bị kéo về" này khiến Bessel trở thành khối xây dựng lý tưởng cho những đại lượng tài chính không thể âm và có xu hướng hồi quy, như lãi suất ngắn hạn hay phương sai. Bản khảo sát của Going-Jaeschke và Yor năm 2003 là tài liệu tham chiếu chuẩn, hệ thống hóa lý thuyết Bessel và các mở rộng, đồng thời chỉ rõ cầu nối tới mô hình Cox-Ingersoll-Ross ở mục 3.2.

Điểm nhấn chính: khoảng cách tới gốc của Brown nhiều chiều; luôn không âm; chiều có thể không nguyên; hành vi tại 0 phụ thuộc chiều.

Ứng dụng thực chiến: nền lý thuyết cho mô hình lãi suất và biến động dương; phân tích thời gian chạm ngưỡng.

Điểm mạnh (S)	Điểm yếu (W)
Luôn không âm; họ tham số linh hoạt; giàu tính chất giải tích	Trực giác khó; tham số chiều xa lạ với người dùng phổ thông
Cơ hội (O)	Thách thức (T)
Là cầu nối tới CIR, mô hình biến động và rủi ro tín dụng	Ước lượng và mô phỏng quanh điểm 0 cần cẩn thận về số học

3.2 Squared Bessel Process - Quá trình Bessel bình phương

Quá trình Bessel bình phương đúng như tên gọi là bình phương của quá trình Bessel, tức bình phương khoảng cách tới gốc của chuyển động Brown nhiều chiều. Nó có một tính chất cực đẹp gọi là "tự tái tạo" (additivity): tổng của hai quá trình Bessel bình phương độc lập lại là một quá trình cùng loại, giúp tính toán trở nên gọn gàng. Vai trò tài chính lớn nhất của nó nằm ở mô hình lãi suất Cox-Ingersoll-Ross năm 1985 và mô hình biến động ngẫu nhiên Heston: phương trình "căn bậc hai" nổi tiếng trong hai mô hình này thực chất mô tả một quá trình Bessel bình phương có thêm lực hồi quy về mức trung bình. Nhờ đó lãi suất hay phương sai luôn dương và bị kéo về mức cân bằng dài hạn, đúng như quan sát thực tế. Điều kiện Feller (từ công trình Feller 1951) cho biết khi nào quá trình chắc chắn không chạm 0, một chi tiết kỹ thuật quan trọng khi hiệu chỉnh mô hình. Với người học, đây là ví dụ đẹp cho thấy một khái niệm hình học thuần túy lại trở thành công cụ định giá cốt lõi.

Điểm nhấn chính: bình phương của Bessel; có tính cộng tính; nền toán học của mô hình CIR và Heston; gắn với điều kiện Feller về chạm 0.

Ứng dụng thực chiến: mô hình lãi suất ngắn hạn CIR; biến động ngẫu nhiên Heston; mô phỏng phương sai luôn dương.

Điểm mạnh (S)	Điểm yếu (W)
Luôn không âm và hồi quy; tính cộng tính; có phân phối tường minh	Cần điều kiện Feller để tránh chạm 0; hiệu chỉnh có thể khó
Cơ hội (O)	Thách thức (T)
Trực tiếp phục vụ định giá lãi suất và quyền chọn biến động	Đuôi và cú nhảy thực tế vẫn vượt khả năng mô hình gốc

---

Phần 4: Bộ nhớ dài và tính đa phân thứ

Chuyển động Brown giả định "không có trí nhớ": bước tiếp theo độc lập hoàn toàn với quá khứ. Thực tế thị trường lại cho thấy dấu hiệu phụ thuộc dài hạn. Hai quá trình sau nới lỏng chính giả định đó.

4.1 Fractional Brownian Motion - Chuyển động Brown phân thứ

Chuyển động Brown phân thứ (fBM) tổng quát hóa Brown bằng cách thêm một tham số bộ nhớ gọi là chỉ số Hurst, ký hiệu H, nằm trong khoảng từ 0 đến 1. Khi H bằng 0,5 ta thu lại đúng chuyển động Brown thường không có trí nhớ. Khi H lớn hơn 0,5, quá trình có xu hướng "duy trì": tăng thường kéo theo tăng, tạo ra chuỗi trơn và bền vững, phản ánh phụ thuộc dài hạn dương. Khi H nhỏ hơn 0,5, quá trình "chống lại chính nó": tăng dễ theo sau bởi giảm, chuỗi gồ ghề và hồi quy mạnh. Chính đặc tính bộ nhớ này khiến fBM hấp dẫn cho mô hình chuỗi thời gian tài chính, nơi người ta quan sát thấy biến động hôm nay liên quan tới biến động nhiều ngày trước. Khái niệm do Mandelbrot và Van Ness đặt nền năm 1968. Cần lưu ý một cảnh báo quan trọng: dùng fBM trực tiếp cho giá tài sản có thể tạo cơ hội kinh doanh chênh lệch giá phi lý (arbitrage), nên trong thực tế nó phổ biến nhất ở mô hình biến động, đặc biệt là làn sóng "rough volatility" gần đây với H rất nhỏ.

Điểm nhấn chính: thêm chỉ số Hurst H điều khiển bộ nhớ; H=0,5 là Brown thường; bước tăng không còn độc lập.

Ứng dụng thực chiến: mô hình biến động thô (rough volatility); phân tích phụ thuộc dài hạn của chuỗi lợi suất và thanh khoản.

Điểm mạnh (S)	Điểm yếu (W)
Nắm bắt bộ nhớ dài hạn mà Brown bỏ sót; chỉ một tham số H	Không phải martingale; dùng cho giá có thể sinh arbitrage
Cơ hội (O)	Thách thức (T)
Là trái tim của mô hình rough volatility đang bùng nổ	Mô phỏng và định giá tốn kém, không có tính Markov

4.2 Multifractional Brownian Motion - Chuyển động Brown đa phân thứ

Chuyển động Brown đa phân thứ (mBM) đẩy ý tưởng của fBM đi xa hơn một bước: thay vì chỉ số Hurst H là một hằng số cố định cho toàn bộ quá trình, mBM cho phép H thay đổi theo thời gian, trở thành một hàm H(t). Ý nghĩa trực giác rất hợp với tài chính: mức độ gồ ghề và trí nhớ của thị trường không cố định mà biến động theo giai đoạn. Trong thời kỳ bình lặng, chuỗi có thể trơn và bền (H cao); khi khủng hoảng ập tới, chuỗi trở nên gồ ghề, hồi quy mạnh (H thấp). Bằng cách để H(t) tự do, mBM có thể nắm bắt "hiệu quả thị trường thay đổi": có lúc thị trường gần như ngẫu nhiên hoàn hảo, có lúc lộ ra cấu trúc dự đoán được. Khái niệm do Peltier và Lévy-Véhel giới thiệu năm 1995 trong một báo cáo của INRIA. Đây là công cụ nâng cao, phù hợp cho nghiên cứu về tính không dừng và bất thường của thị trường, dù cái giá phải trả là ước lượng hàm H(t) khó hơn nhiều so với ước lượng một hằng số.

Điểm nhấn chính: chỉ số Hurst trở thành hàm thời gian H(t); mô tả bộ nhớ và độ gồ ghề thay đổi theo giai đoạn.

Ứng dụng thực chiến: phát hiện thay đổi chế độ (regime) thị trường; đo hiệu quả thị trường động; mô hình rủi ro không dừng.

Điểm mạnh (S)	Điểm yếu (W)
Linh hoạt hơn fBM; nắm bắt tính không dừng thực tế	Ước lượng H(t) khó; rủi ro quá khớp (overfitting) cao
Cơ hội (O)	Thách thức (T)
Công cụ đo động lực hiệu quả thị trường theo thời gian	Thiếu chuẩn công nghiệp; đòi hỏi dữ liệu tần suất cao

---

Phần 5: Quá trình bước nhảy và họ Lévy

Bốn phần đầu đều có quỹ đạo liên tục. Nhưng thị trường thật có những cú nhảy: tin bất ngờ, vỡ nợ, sốc thanh khoản. Nhóm cuối gồm sáu quá trình mô tả các sự kiện rời rạc và đuôi nặng, phần lớn thuộc họ Lévy (quá trình có bước tăng độc lập, dừng, cho phép nhảy).

5.1 Poisson Process - Quá trình Poisson

Quá trình Poisson là công cụ chuẩn để đếm số sự kiện rời rạc xảy ra theo thời gian, khi các sự kiện đến một cách ngẫu nhiên và độc lập với một tần suất trung bình (cường độ) cố định. Ví dụ kinh điển: số cú sốc tin tức làm giá nhảy trong một ngày, số lệnh khớp tới một sổ lệnh, số vụ vỡ nợ trong một danh mục tín dụng. Đặc trưng toán học gọn: thời gian chờ giữa hai sự kiện tuân theo phân phối mũ, và số sự kiện trong một khoảng tuân theo phân phối Poisson. Trong tài chính, quá trình Poisson là viên gạch để xây "phần nhảy" của giá. Merton năm 1976 kết hợp khuếch tán Brown (biến động nhỏ hằng ngày) với các cú nhảy Poisson (sốc lớn hiếm gặp) để tạo mô hình jump-diffusion, khắc phục đúng điểm yếu đuôi mỏng của Black-Scholes. Nhờ đó mô hình định giá được quyền chọn xa giá sát thực tế hơn, vì nó thừa nhận khả năng giá nhảy đột ngột thay vì chỉ trượt êm. Đây là bước chuyển từ thế giới "liên tục hoàn hảo" sang thế giới có gián đoạn.

Điểm nhấn chính: đếm sự kiện rời rạc; thời gian chờ phân phối mũ; cường độ cố định; nền của mô hình jump-diffusion.

Ứng dụng thực chiến: mô hình nhảy giá của Merton; rủi ro tín dụng và vỡ nợ; mô hình vi cấu trúc dòng lệnh.

Điểm mạnh (S)	Điểm yếu (W)
Đơn giản, chỉ một tham số cường độ; nền tự nhiên cho cú nhảy	Cường độ cố định không phản ánh giai đoạn dồn dập sự kiện
Cơ hội (O)	Thách thức (T)
Ghép với khuếch tán để định giá quyền chọn đuôi nặng	Thực tế sự kiện hay bùng phát theo cụm, cần bản mở rộng

5.2 Mixed Poisson Process - Quá trình Poisson hỗn hợp

Quá trình Poisson hỗn hợp khắc phục điểm yếu lớn nhất của Poisson thường: giả định cường độ cố định. Trong thực tế, tần suất sự kiện tự nó cũng ngẫu nhiên và không đồng nhất. Ý tưởng của Poisson hỗn hợp là coi cường độ như một biến ngẫu nhiên được rút ra trước từ một phân phối nào đó, rồi mới chạy một quá trình Poisson với cường độ đã rút. Kết quả là số sự kiện có phương sai lớn hơn kỳ vọng (overdispersion), đúng với dữ liệu thật. Ví dụ điển hình nhất nằm trong khoa học tính phí bảo hiểm: các khách hàng có mức độ rủi ro khác nhau; nếu cho cường độ tuân theo phân phối Gamma, ta thu được phân phối nhị thức âm cho số yêu cầu bồi thường, một mô hình được dùng rộng rãi. Trong tài chính, cách nghĩ này giúp mô hình hóa tần suất sự kiện tín dụng hay sốc thị trường vốn thay đổi theo môi trường vĩ mô. Grandell năm 1997 hệ thống hóa toàn bộ lý thuyết này. Bài học cho người mới: khi thấy dữ liệu đếm "phân tán quá mức" so với Poisson chuẩn, hãy nghĩ tới việc cho chính cường độ trở thành ngẫu nhiên.

Điểm nhấn chính: cường độ là biến ngẫu nhiên; sinh ra hiện tượng phân tán quá mức; Gamma trộn Poisson cho nhị thức âm.

Ứng dụng thực chiến: mô hình yêu cầu bồi thường bảo hiểm; tần suất sự kiện tín dụng phụ thuộc chế độ vĩ mô.

Điểm mạnh (S)	Điểm yếu (W)
Phản ánh phương sai thực tế; linh hoạt qua phân phối trộn	Nhiều tham số hơn; cần chọn đúng phân phối cho cường độ
Cơ hội (O)	Thách thức (T)
Kết nối tự nhiên với mô hình rủi ro theo nhóm khách hàng	Hiệu chỉnh phức tạp hơn; dễ nhầm nguồn gốc của biến động

5.3 Cauchy Process - Quá trình Cauchy

Quá trình Cauchy là một quá trình Lévy thuần nhảy với đuôi cực nặng, nặng tới mức phân phối Cauchy của nó không có kỳ vọng lẫn phương sai xác định. Đây là đặc điểm khiến nó vừa hấp dẫn vừa nguy hiểm. Hấp dẫn vì thực tế thị trường có những biến động cực đoan mà mô hình chuẩn (Brown, GBM) đánh giá thấp nghiêm trọng: một cú sập 20% trong ngày gần như không thể xảy ra dưới giả định chuẩn, nhưng lại có xác suất đáng kể dưới đuôi Cauchy. Nguy hiểm vì khi không có phương sai hữu hạn, mọi công cụ quản trị rủi ro dựa trên độ lệch chuẩn hay tương quan đều mất hiệu lực, và trung bình mẫu không hội tụ về một giá trị ổn định khi tăng dữ liệu. Vì vậy Cauchy thường được dùng như một trường hợp cực đoan mang tính minh họa, hoặc như thành viên của họ phân phối ổn định (stable) rộng hơn để mô hình rủi ro đuôi. Với người mới, quá trình Cauchy là lời nhắc mạnh mẽ: đừng mặc định thế giới luôn có phương sai hữu hạn, nhiều thảm họa tài chính đến từ việc quên mất điều này.

Điểm nhấn chính: quá trình Lévy thuần nhảy; đuôi rất nặng; không có kỳ vọng và phương sai hữu hạn; thuộc họ phân phối ổn định.

Ứng dụng thực chiến: mô hình rủi ro đuôi cực đoan; kiểm thử sức chịu (stress test) với biến động khắc nghiệt.

Điểm mạnh (S)	Điểm yếu (W)
Nắm bắt sự kiện cực đoan mà mô hình chuẩn bỏ qua	Không có phương sai; vô hiệu hóa công cụ rủi ro thông thường
Cơ hội (O)	Thách thức (T)
Nhắc nhở và mô hình hóa rủi ro đuôi trong danh mục	Ước lượng bất ổn; khó dùng làm mô hình định giá chính

5.4 Gamma Process - Quá trình Gamma

Quá trình Gamma là một quá trình Lévy tăng đơn điệu (chỉ đi lên, không bao giờ giảm), với các bước tăng tuân theo phân phối Gamma. Vì luôn tăng, nó thuộc lớp đặc biệt gọi là "subordinator", và đây chính là vai trò đắt giá nhất của nó trong tài chính: dùng làm đồng hồ thời gian ngẫu nhiên. Ý tưởng sâu sắc là thời gian mà thị trường "cảm nhận" không trôi đều như đồng hồ treo tường; những lúc tin tức dồn dập, giao dịch sôi động, thời gian kinh tế trôi nhanh hơn. Nếu ta lấy một chuyển động Brown và cho nó chạy theo đồng hồ Gamma thay vì đồng hồ thường, ta thu được quá trình Variance Gamma ở mục 5.5, một mô hình giá có đuôi nặng và cú nhảy nhỏ liên tục. Ngoài vai trò đổi thời gian, quá trình Gamma còn xuất hiện trong mô hình tổn thất tích lũy của bảo hiểm và mô hình hao mòn, vì bản chất "cộng dồn không lùi" của nó. Với người học, quá trình Gamma minh họa một kỹ thuật mạnh mẽ và thanh lịch: thay vì làm phức tạp bản thân chuyển động, ta chỉ cần thay đổi cách thời gian trôi.

Điểm nhấn chính: quá trình Lévy tăng đơn điệu; bước tăng phân phối Gamma; là subordinator dùng để đổi thời gian.

Ứng dụng thực chiến: đổi thời gian tạo mô hình Variance Gamma; tổn thất tích lũy bảo hiểm; mô hình hao mòn và độ tin cậy.

Điểm mạnh (S)	Điểm yếu (W)
Kỹ thuật đổi thời gian thanh lịch; luôn dương và tăng	Chỉ tăng nên không mô hình trực tiếp giá hai chiều
Cơ hội (O)	Thách thức (T)
Sinh ra cả một lớp mô hình giá đuôi nặng qua subordination	Trực giác "thời gian ngẫu nhiên" khó với người mới

5.5 Variance Gamma Process - Quá trình Variance Gamma

Quá trình Variance Gamma (VG) là kết quả tuyệt đẹp của ý tưởng đổi thời gian: lấy một chuyển động Brown có độ trôi và cho nó chạy theo đồng hồ Gamma. Sản phẩm thu được là một mô hình giá thuần nhảy với ba tham số, cho phép điều khiển không chỉ độ biến động mà còn độ lệch (skewness) và độ nhọn (kurtosis) của phân phối lợi suất. Đây chính là hai đặc tính mà Black-Scholes bỏ qua: thị trường thật có lợi suất lệch (sụt giảm mạnh thường xảy ra nhanh và sâu hơn tăng) và nhọn (nhiều biến động cực đoan hơn phân phối chuẩn dự báo). Madan và Seneta đề xuất mô hình năm 1990, rồi Madan, Carr và Chang hoàn thiện cho định giá quyền chọn năm 1998, chứng minh nó định giá quyền chọn tốt hơn GBM. Về cấu trúc, VG có thể viết như hiệu của hai quá trình Gamma, tương ứng phần tăng và phần giảm của giá, một cách diễn giải rất trực quan. Trong thực chiến, VG là bước nâng cấp phổ biến khi cần khớp "nụ cười biến động" mà vẫn giữ mô hình đủ gọn để tính nhanh bằng biến đổi Fourier.

Điểm nhấn chính: Brown có drift chạy theo đồng hồ Gamma; ba tham số điều khiển biến động, độ lệch, độ nhọn; là hiệu của hai quá trình Gamma.

Ứng dụng thực chiến: định giá quyền chọn khớp nụ cười biến động; mô hình lợi suất có đuôi nặng; tính nhanh qua phương pháp Fourier.

Điểm mạnh (S)	Điểm yếu (W)
Khớp độ lệch và độ nhọn thực tế; vẫn đủ gọn để tính nhanh	Không có thành phần khuếch tán liên tục thuần túy
Cơ hội (O)	Thách thức (T)
Nền cho lớp mô hình Lévy phong phú (CGMY, NIG)	Hiệu chỉnh ba tham số cần dữ liệu quyền chọn chất lượng

5.6 Inverse Gaussian Process - Quá trình Gauss nghịch đảo

Quá trình Gauss nghịch đảo (Inverse Gaussian, IG) có một cách hiểu rất trực quan: nó đo thời gian đầu tiên mà một chuyển động Brown có độ trôi chạm tới một ngưỡng cho trước. Nói cách khác, nếu Brown có drift mô tả một đại lượng trôi dần lên, thì IG trả lời câu hỏi "mất bao lâu để nó lần đầu đạt mức mục tiêu". Vì là thời gian chờ, IG luôn dương và tăng, nên cũng là một subordinator giống quá trình Gamma. Chính cách hiểu "thời gian chạm ngưỡng" khiến IG đặc biệt hữu ích trong mô hình vỡ nợ và phân tích sống sót: coi doanh nghiệp vỡ nợ khi giá trị tài sản lần đầu chạm ngưỡng nợ, thì thời điểm vỡ nợ có phân phối họ hàng với IG. Quan trọng hơn, Barndorff-Nielsen năm 1997 dùng IG làm phân phối trộn để tạo ra phân phối Normal Inverse Gaussian (NIG), một mô hình lợi suất đuôi nặng rất linh hoạt và được dùng rộng rãi trong tài chính định lượng châu Âu. Với người mới, IG là ví dụ đẹp cho thấy cùng một đối tượng toán học vừa mô tả "thời gian chạm ngưỡng" vừa làm khối xây dựng cho các phân phối lợi suất tinh vi.

Điểm nhấn chính: thời gian Brown có drift lần đầu chạm ngưỡng; luôn dương, là subordinator; nền của phân phối NIG.

Ứng dụng thực chiến: mô hình vỡ nợ theo ngưỡng tài sản; phân tích sống sót; mô hình lợi suất NIG đuôi nặng.

Điểm mạnh (S)	Điểm yếu (W)
Diễn giải "thời gian chạm ngưỡng" trực quan; sinh NIG linh hoạt	Bản thân IG hẹp; sức mạnh lộ ra khi làm phân phối trộn
Cơ hội (O)	Thách thức (T)
Cầu nối giữa rủi ro tín dụng và mô hình Lévy đuôi nặng	Ước lượng NIG nhiều tham số, cần dữ liệu tốt và công cụ số

---

Danh mục tài liệu tham khảo

Danh mục dưới đây gom toàn bộ nguồn gốc theo thứ tự xuất hiện, ưu tiên link PDF toàn văn.

1. Bachelier, L. (1900). Théorie de la spéculation. Annales scientifiques de l'É.N.S., 3(17), 21-86. PDF - numdam
2. Wiener, N. (1923). Differential-Space. Journal of Mathematics and Physics, 2, 131-174.
3. Black, F. & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81, 637-654. PDF
4. Samuelson, P. (1965). Rational Theory of Warrant Pricing. Industrial Management Review, 6, 13-31.
5. Karatzas, I. & Shreve, S. (1991). Brownian Motion and Stochastic Calculus (2nd ed.). Springer. Internet Archive
6. Revuz, D. & Yor, M. (1999). Continuous Martingales and Brownian Motion (3rd ed.). Springer.
7. Itô, K. & McKean, H. (1965). Diffusion Processes and their Sample Paths. Springer.
8. Durrett, R., Iglehart, D. & Miller, D. (1977). Weak Convergence to Brownian Meander and Brownian Excursion. Annals of Probability, 5, 117-129.
9. Going-Jaeschke, A. & Yor, M. (2003). A survey and some generalizations of Bessel processes. Bernoulli, 9(2), 313-349. PDF - Project Euclid
10. Feller, W. (1951). Two Singular Diffusion Problems. Annals of Mathematics, 54, 173-182.
11. Cox, J., Ingersoll, J. & Ross, S. (1985). A Theory of the Term Structure of Interest Rates. Econometrica, 53, 385-407. PDF
12. Mandelbrot, B. & Van Ness, J. (1968). Fractional Brownian Motions, Fractional Noises and Applications. SIAM Review, 10, 422-437. Trang bài báo · Bài tổng quan PDF - arXiv
13. Peltier, R. & Lévy-Véhel, J. (1995). Multifractional Brownian Motion: Definition and Preliminary Results. INRIA RR-2645. PDF - HAL
14. Merton, R. (1976). Option Pricing When Underlying Stock Returns Are Discontinuous. Journal of Financial Economics, 3, 125-144. Trang bài báo - DOI
15. Kingman, J. (1993). Poisson Processes. Oxford University Press.
16. Grandell, J. (1997). Mixed Poisson Processes. Chapman & Hall.
17. Applebaum, D. (2009). Lévy Processes and Stochastic Calculus (2nd ed.). Cambridge University Press.
18. Cont, R. & Tankov, P. (2003). Financial Modelling with Jump Processes. Chapman & Hall/CRC. PDF
19. Madan, D., Carr, P. & Chang, E. (1998). The Variance Gamma Process and Option Pricing. Review of Finance, 2, 79-105. PDF - ResearchGate
20. Madan, D. & Seneta, E. (1990). The Variance Gamma Model for Share Market Returns. Journal of Business, 63, 511-524.
21. Barndorff-Nielsen, O. (1997). Normal Inverse Gaussian Distributions and Stochastic Volatility Modelling. Scandinavian Journal of Statistics, 24, 1-13. Trang bài báo - Wiley
22. Schoutens, W. (2003). Lévy Processes in Finance: Pricing Financial Derivatives. Wiley.