1.

Phân phối log-chuẩn

1.1 Mối quan hệ với phân phối chuẩn
Trong lý thuyết xác suất, phân phối logarit chuẩn (hoặc log-chuẩn) là phân phối
xác suất liên tục của một biến ngẫu nhiên có logarit được phân phối chuẩn. Vậy
khi đến với phân phối log-chuẩn ta sẽ phân tích mối quan hệ của nó và phân
phối chuẩn.
Phân phối chuẩn là một phân phối thông dụng, ta thường được thấy qua các ví
dụ như điểm kiểm tra, đánh giá hiệu suất làm việc nhân viên,... Và khi chuyển
hóa dữ liệu sang đồ thị, ta sẽ nhận được một đường cong chuông.

Nhưng trong thực tế, khi áp dụng vào các dữ liệu khác, không phải lúc nào ta
cũng sẽ gặp một đường cong chuông hoàn hảo. Ví dụ như thu nhập hàng năm,
thu nhập bình quân đầu người tại Mỹ có trung bình vào khoảng 50.000 USD.
Tuy nhiên, trong mức độ cao hơn mà tiêu biểu là Jeff Bezos và Elon Musk, họ
kiếm được hơn con số bình quân rất nhiều. Vậy nên biểu đồ lệch phải có vẻ phù
hợp hơn để mô tả trong trường hợp này.
 Đồ thị phân phối này có vẻ khá khác biệt so với đồ thị phân phối chuẩn bởi ở
phía bên phải đồ thị có một chiếc đuôi khá dài. Vì có những người kiếm được
từ 1,2 tỷ đô cho đến hàng chục, hàng trăm tỷ đô mỗi năm. Do đó, thu nhập rất
cao và nhiều biến. Mặt khác, với phân phối chuẩn, điểm kiểm tra không thể cao
hơn 10 và đánh giá hiệu suất nhân viên chỉ nằm trong một khoảng giới hạn.
Nhưng nếu áp dụng logarit vào trục biến x, nó sẽ trở thành phân phối chuẩn.

Vậy mối quan hệ giữ phân phối chuẩn và phân phối log-chuẩn được phát biểu như
mệnh đề sau:
Ta có Y là một biến ngẫu nhiên chuẩn tắc với trung bình μ và phương sai σ 2. Và
biến:

Thì X có phân phối log-chuẩn.

1.2 Phân phối Log-chuẩn
 Định nghĩa
Cho X là biến ngẫu nhiên liên tục, có tập giá trị là các số thực dương.
Chúng ta nói X có phân phối Log-chuẩn với μ và σ 2 nếu hàm mật độ xác suất
(PDF) của nó là R
 Giá trị kỳ vọng
Giá trị được kỳ vọng của biến ngẫu nhiên X có phân phối log-chuẩn là

 Phương sai
Phương sai của biến ngẫu niên X có phân phối log-chuẩn là

 Hàm phân phối

Hàm phân phối F X (x ) của biến ngẫu nhiên log-chuẩn X có thể được biểu thị là

F Z ( z ) là hàm phân phối của biến ngẫu nhiên chuẩn tắc.

1.3 Ứng dụng phân phối Log-chuẩn

Nhiều ứng dụng thực tế trong giao dịch yêu cầu sửa đổi phân phối chuẩn thành
phân phối log-chuẩn.
Xem rằng giá của bất kỳ mặt hàng nào được giao dịch tự do đều có giới hạn
thấp hơn là 0. Do đó, khi giá của một mặt hàng giảm xuống và tiến gần đến 0,
về mặt lý thuyết, mặt hàng đó sẽ ngày càng khó hạ giá hơn. Ví dụ: giá của một
cổ phiếu giả định ở mức 10 USD/cổ phiếu. Nếu cổ phiếu giảm 5 đô la xuống
còn 5 đô la một cổ phiếu, lỗ 50%, thì theo Phân phối Chuẩn, nó có thể dễ dàng
giảm từ 5 đô la xuống $0. Tuy nhiên, theo Log-chuẩn, mức giảm tương tự 50%
từ mức giá 5 đô la một cổ phiếu xuống còn 2,50 đô la một cổ phiếu sẽ có thể
xảy ra giống như mức giảm từ $10 đến $5 mỗi cổ phần.
Như trên hình, phân phối Log-chuẩn hoạt động chính xác như phân phối Chuẩn
ngoại trừ việc với Log-chuẩn, chúng ta đang xử lý các thay đổi theo phần trăm hơn
là các thay đổi tuyệt đối.
Tóm lại, việc Log-chuẩn sử dụng phần trăm thay đổi thể hiện nó thường được sử
dụng bất cứ lúc nào hoặc khi nói về biến động giá và phân phối Chuẩn vẫn có thể
được sử dụng tuy nhiên bị giới hạn dưới tại 0.
 Cách chuyển đổi dữ liệu đang làm việc sang logarit
Dữ liệu được chuyển đổi sẽ phân phối chuẩn nếu dữ liệu thô phân phối Log-
Chuẩn.
Bước 1: chia mỗi giá đóng cửa cho giá đóng cửa trước đó.
Bước 2: chuấn hóa sự thay đổi bằng phần trăm và chuyển chúng thành các thương
số.
Bước 3: chuyển các số đó sang Logarit để phân tích chúng theo phân phối Chuẩn.
Ví dụ: Xem xét phân phối giá đóng cửa hàng tháng (có thể sử dụng bất kỳ khoảng
thời gian nào - hàng giờ, hàng ngày, hàng năm). Bây giờ hãy xem 10 đô la, 5 đô la,
10 đô la, 10 đô la, sau đó là 20 đô la cho mỗi cổ phiếu là giá đóng cửa trong năm
tháng đầu tiên. Điều này sau đó sẽ tương đương với khoản lỗ 50% trong tháng thứ
hai, mức tăng 100% vào tháng thứ ba, mức tăng 0% vào tháng thứ tư và mức tăng
khác 100% vào tháng thứ năm. Tương ứng, có các thương số là 0.5, 2, 1 và 2 cho
sự thay đổi giá hàng tháng của các tháng 2 đến 5. Các logarit của 0.5 là -
0.6931473, của 2 là 0.6931471 và của 1 là 0. Bây giờ chúng ta có thể áp dụng toán
học liên quan đến phân phối Chuẩn cho dữ liệu đã chuyển đổi.
Nhìn chung, có thể thấy đây là một mô hình thuận tiện và hữu ích cho các phép đo
về giá của các công cụ tài chính. Ngoài ra nó còn được sử dụng rộng rãi trong khoa
học kỹ thuật và chính xác, cũng như y học.
2. Mô hình lãi suất Log-chuẩn
Phương pháp Log-chuẩn được ứng dụng rộng rãi trong nhiều mô hình kinh tế, tiêu
biểu có thể kể đến như mô hình Black hay mô hình thị trường LIBOR. Một cách
khái quát, có thể nói các mô hình trên tương tự như mô hình kỳ hạn Log-chuẩn.
Các công thức của Black, đã được sử dụng từ những năm 1970, giả định chính là
biến số cơ bản tuân theo một quy trình Log-chuẩn không trôi theo một số thước đo
xác suất. Tuy nhiên, phải đến khi mô hình thị trường LIBOR (LMM) được phát
triển vào cuối những năm 1990, công thức Back cho giới hạn và Caplet mới được
đưa ra một cơ sở lý thuyết nhất quán về mặt logic. Tương tự như vậy, công thức
của Black về hoán đổi có thể được suy ra trong khuôn khổ của mô hình thị trường
hoán đổi.
2.1 Mô hình thị trường LIBOR (LMM)
Mô hình thị trường LIBOR, còn được gọi là Mô hình BGM (Mô hình Brace
Gatarek Musiela) là một mô hình tài chính về lãi suất. Nó được sử dụng để định
giá các công cụ phái sinh lãi suất, đặc biệt là các công cụ phái sinh. Các đại lượng
trong mô hình, thay vì lãi suất ngắn hạn hoặc lãi suất kỳ hạn tức thời (như trong
khuôn khổ Heath–Jarrow–Morton) thì nó là một tập hợp các tỷ giá kỳ hạn (còn gọi
là LIBOR kỳ hạn), có lợi thế là có thể quan sát trực tiếp trên thị trường và những
biến động của nó được liên kết một cách tự nhiên với các hợp đồng được giao dịch.
Mỗi tỷ giá kỳ hạn được mô hình hóa bằng một quy trình Log-chuẩn dưới thước đo
kỳ hạn của nó. Công thức này là tiêu chuẩn thị trường để báo giá giới hạn về mặt
kết luận biến động. Mô hình thị trường LIBOR có thể được hiểu là một tập hợp các
động lực LIBOR kỳ hạn cho các tỷ giá kỳ hạn khác nhau với các kỳ hạn và kỳ hạn
kéo dài, mỗi tỷ giá kỳ hạn nhất quán với công thức giới hạn lãi suất Black cho kỳ
hạn chính tắc của nó.
Xem xét một tập hợp các ngày 0 ≤ T 0 <T 1 <...<T n có thời gian tích lũy τ i =T i −T i−1 với
i=1 , ...., n . Lãi suất LIBOR kỳ hạn F (t ;T i−1 , T i ) liên quan đến từng kỳ dồn tích τ i là
tỷ lệ gộp đơn giản được tham số hóa bởi ba chỉ số thời gian, thời điểm hiện tại t ,
thời điểm bắt đầu của lãi suất LIBOR giao ngay T i−1 và thời điểm đáo hạn T i, trong
đó t ≤ T i−1 <T i.
Thấy rằng, tỷ giá kỳ hạn có thể được thể hiện dưới dạng trái phiếu không lãi suất
như

Để thuận tiện cho chứng minh, ta đặt

F i( t )=F (T , T i−1 , T i )

Với i=1 , ..., n. Trong ký hiệu này F i(T i−1 )=L(T i−1 , T i ) là LIBOR giao ngay bắt đầu tại
thời điểm T i−1 và đáo hạn tại T i . Thông thường người ta coi T i−1 là kỳ thiết lập lại
hoặc hết hạn của tỷ giá kỳ hạn.
Sửa bất kỳ j=1 ,... , n và lấy Z1j (t ), .... , Z nj (t) tương quan với các chuyển động
Brownian dưới phép đo kỳ hạn PT sao cho

dZ i (t)d Z k (t)= ρi ,k dt (1)

j j

với mỗi i , k=1 , ..., n, trong đó ρ=¿ là ma trận đối xứng xác định dương của các
tương quan.
 Sơ đồ F i(T i−1 )=L(T i−1 , T i ), lãi suất LIBOR giao ngay giữa T i−1 và T i

Trong mô hình thị trường LIBOR (LMM), tỷ giá kỳ hạn F i(t) được giả định là thỏa
mãn một SDE có dạng

(2)
Trong đó σ i( t)là một hàm xác định có giới hạn đối với mỗi i=1 , ..., n. σ i( t)được gọi
là độ biến động tức thời của tỷ giá kỳ hạn F i(t), và ρi , k tương quan tức thời giữa
F i(t )và F k (t ).

Chúng ta sẽ thiết lập một công thức xác định độ trôi μij (t). Tạm thời ta chỉ xét
trường hợp đặc biệt đơn giản khi i= j. F i(t ) là một martingale1 theo phép đo kỳ hạn
PTi. Bởi vì Zii ( t ) là một chuyển động Brownian dưới PTi, điều này có nghĩa rằng
μi (t)=0 và
j

(3)
 Chuyển động Brownian trực giao
Trong Phần 5.3, chúng ta sẽ áp dụng định lý Girsanov để rút ra công thức cho độ
trôi μij (t ). Một khó khăn nhỏ sẽ là phiên bản tiêu chuẩn của định lý Girsanov chỉ
cho phép các chuyển động Brownian trực giao (không phụ thuộc), trong khi
Z1j (t ), .... , Z nj (t) là tương quan với các chuyển động Brownian theo phép đo kỳ hạn PTj
. Để giải quyết khó khăn này, chúng ta có thể coi W j (t )=(W 1j (t ), .... ,W nj (t )) là một
chuyển động Brownian n chiều theo PTj (do đó W 1j (t ), .... ,W nj (t ) độc lập) và đặt

1
Martingale là một loại chiến lược cá cược có nguồn gốc và phổ biến ở Pháp thế kỷ 18. Chiến lược đơn giản nhất
trong số những chiến lược này được thiết kế cho một trò chơi trong đó con bạc thắng tiền cược nếu đồng xu ngửa
và thua nếu đồng xu xấp. Chiến lược này yêu cầu con bạc tăng gấp đôi số tiền đặt cược sau mỗi lần thua, để lần
thắng đầu tiên sẽ phục hồi tất cả các khoản thua trước đó cộng tiền lời bằng với số tiền đặt cược ban đầu.
Trong đó η là căn bậc hai của ma trận tương quan ρ , tức là ma trận đối xứng η sao
cho

Theo đó Z1j (t ), .... , Z nj (t )là chuyển động Brown dưới phép đo kỳ hạn PTj tương quan
như trong (1).
2.2 Công thức Black’s Caplet
Thực tế là mỗi tỷ giá kỳ hạn F i(t) có thể được mô hình hóa như một
quy trình log-normal theo phép đo chuyển tiếp PTi cho phép chúng tôi rút ra công
thức định giá của Black cho Caplet2. Khả năng của khung phần mềm LMM tái tạo
một cách tự nhiên một trong những công thức thị trường quan trọng nhất là một
trong những tính năng chính của nó.
Giả sử số tiền danh nghĩa N=1 , tại mỗi T i vớii=1 , ..., n người nắm giữ trần lãi suất
nhận được khoản hoàn trả

Trong đó K là stike3. Do đó giá của caplet thứ i tại thời điểm t là

Tỷ giá kỳ hạn F i(t) thỏa mãn SDE (3) Điều này được giải quyết để cung cấp

2
Caplet là một thành phần của trần lãi suất, một công cụ phái sinh giúp ngăn chặn hiệu quả việc thanh toán lãi cho
một khoản vay có lãi suất thay đổi khác vượt quá mức đã thỏa thuận ("mức trần").
3
Giá thực thi (STRIKE PRICE) là giá bằng dollar mà người nắm giữ quyền chọn mua có thể mua các chứng khoán cơ
sở, hay người nắm giữ quyền chọn bán có thể bán bất cứ lúc nào, trong suốt thời hạn của hợp đồng quyền chọn
Vì σ i ( t ) là một hàm xác định có giới hạn và Zii ( t ) là mọot chuyển động Brownian
T i−1

dưới PTi, tích phân ngẫu nhiên ∫ σ i ( s ) d Z ii ( s ) là độc lập của F t và phân phối Chuẩn
t
T i−1

với trung bình 0 và phương sai ∫ σ i ( s )2 ds . Theo đó

t

(4)
Và

(5)
Trong đó

Và

Là hàm phân phối chuẩn tắc.

 Kiểm chứng công thức (4),(5)
Theo đó gia tại thời điểm t của caplet thứ ith là

Cho

Ta khôi phục công thức Black cho caplet với vi thay thế cho độ lệch chuẩnσ , ta có
Chúng ta có thể coi vi là mô hình kết luận sự biến động của caplet. Giá caplet trong
LMM sẽ phù hợp với giá thị trường khi vi =σ^ Caplet
i .
2.3 Mô hình thị trường hoán đổi
Xem xét một đơn vị tiền danh nghĩa và một tập hợp các ngày 0 ≤ T 0 <T 1 <...<T n có
thời gian tích lũy τ i =T i −T i−1 với i=1 , … .. ,n ,và một hoán đổi lãi suất kỳ hạn ( người
trả hoặc người nhận) tại thời điểm t <T o với các ngày đặt lại T 0 ..... T n−1 và ngày đáo
hạn T 1 ...... T n .
Tỷ giá hóa đổi kỳ hạn ký hiệu là S0 , n (t) là giá trị của lãi suất cố định làm cho hợp
đồng hoán đổi có giá trị bằng 0 tại thời điểm t. Nó có thể biểu diễn dưới dạng

(6)
Mẫu số

(6) được gọi là niên kim hoán đổi hoặc mức.

Nếu chúng ta chọn A0 , n (t )làm số thực, tỷ giá hoán đổi S0 , n (t )được chiết khấu bởi
A0 , n (t)trở thành một martingale theo thước đo liên quan P A , được gọi là thước đo
hoán đổi kỳ hạn hoặc đơn giản là thước đo hoán đổi. Điều này là do, theo (6), tỷ
giá hoán đổi S0 , n (t) có thể được coi là giá trị B(t ,T 0)−B (t , T n) của một danh mục đầu
tư trái phiếu không trả lãi được chiết khấu bởi niên kim hoán đổi A0 , n (t ) .
Trong mô hình thị trường hoán đổi (SMM), tỷ giá hoán đổi kỳ hạn S0 , n (t ) tuân theo
động học Log-chuẩn. Bởi vì S0 , n (t )là một martingale theo phép đo hoán đổi P A ,
điều này có thể đạt được bằng cách giả sử rằng S0 , n (t ) thỏa mãn SDE

trong đó σ 0 ,n (t) là biến động xác định phụ thuộc vào thời gian và W A (t)là chuyển
động Brownian trong P A .
2.4 Công thức Black trong hoán đổi
Trong phần 2.2 , chúng ta đã thấy thực tế là mỗi tốc độ kỳ hạn F i( t ) có thể được mô
hình hóa như một quá trình log-chuẩn không trôi theo thước đo kỳ hạn PTidẫn đến
công thức của Black cho caplets. Tương tự, công thức hoán đổi của Black phát
sinh một cách tự nhiên trong SMM.
Giá trị của hoán đổi người trả tiền tại thời điểm t là

Xem xét một hoán đổi người trả tiền. Tỷ lệ hoàn trả hoán đổi tại thời điểm T 0 là:

giá trị tại thời điểm t ≤ T 0 của hoán đổi người trả tiền có thể được viết là

Ta rút ra công thức của Black cho việc hoán đổi bằng cách tính toán kỳ vọng này.
Cho

Ta khôi phục công thức Black cho caplet với v 0 ,n thay thế cho độ lệch chuẩnσ , ta có

Chúng ta có thể coi v 0 ,n là mô hình kết luận biến động hoán đổi. Giá hoán đổi trong
SMM sẽ nhất quán với giá thị trường khi v 0 ,n= σ^ swpt
0 ,n .