डीप हेजिंग: जब न्यूरल नेटवर्क ब्लैक-शोल्स की जगह लेते हैं

वह धारणा जिसे हर कोई नज़रअंदाज़ करता है

किसी फ़ाइनेंस के छात्र से पूछिए कि ऑप्शन को हेज कैसे करें, और जवाब तुरंत आता है: डेल्टा हेजिंग। ब्लैक-शोल्स डेल्टा की गणना करो, अंडरलाइंग एसेट के उतने शेयर खरीदो या बेचो, लगातार समायोजित करो, और ऑप्शन का जोखिम ख़त्म। यह फ़ाइनेंशियल थ्योरी के सबसे सुंदर परिणामों में से एक है — और व्यवहार में सबसे अधिक उल्लंघित होने वालों में से भी एक।

समस्या यह नहीं है कि डेल्टा हेजिंग सिद्धांत में ग़लत है। समस्या यह है कि सिद्धांत ऐसी शर्तें माँगता है जो वास्तविक बाज़ार कभी पूरी नहीं करते। ब्लैक-शोल्स मॉडल मानता है कि बिना किसी ट्रांज़ैक्शन कॉस्ट के निरंतर ट्रेडिंग हो सकती है, वोलैटिलिटी स्थिर रहती है, और रिटर्न लॉग-नॉर्मल डिस्ट्रीब्यूशन का पालन करते हैं। असली बाज़ार में हर ट्रेड पर बिड-आस्क स्प्रेड चुकाना पड़ता है, वोलैटिलिटी क्लस्टर करती है और अचानक उछलती है, और रिटर्न फ़ैट-टेल्ड होते हैं जिन्हें मॉडल व्यवस्थित रूप से कम आँकता है। दुनिया की हर ऑप्शन डेस्क यह जानती है। वे तदर्थ समायोजनों से काम चलाते हैं — गामा स्कैल्पिंग, वोलैटिलिटी सर्फ़ेस फ़िटिंग, डिस्क्रीट रीबैलेंसिंग नियम — लेकिन मॉडल और वास्तविकता के बीच का मूलभूत अंतर बना रहता है।

क्या होगा अगर एक आदर्शीकृत गणितीय मॉडल से शुरू करके उसकी कमियाँ पैच करने के बजाय, आप सीधे वास्तविक बाज़ार वातावरण से शुरू करें — सभी घर्षणों, फ़ैट टेल्स और ट्रांज़ैक्शन कॉस्ट सहित — और एक एल्गोरिदम को सीधे इष्टतम हेजिंग रणनीति सीखने दें? यही डीप हेजिंग का मूल विचार है, और यह क्वांटिटेटिव फ़ाइनेंस में मशीन लर्निंग के सबसे महत्वपूर्ण अनुप्रयोगों में से एक है।

डीप हेजिंग वास्तव में क्या है

डीप हेजिंग, जिसे Buehler, Gonon, Mancini और Wood ने 2019 में Quantitative Finance जर्नल में प्रकाशित अपने पेपर "Deep Hedging" में प्रस्तुत किया (Buehler et al., 2019), क्लासिकल डेरिवेटिव्स प्राइसिंग के एनालिटिकल हेजिंग फ़ॉर्मूलों को एक न्यूरल नेटवर्क से प्रतिस्थापित करती है जो सीधे डेटा से हेज करना सीखता है।

सेटअप भ्रामक रूप से सरल है। आपके पास एक डेरिवेटिव पोज़ीशन है — मान लीजिए, एक यूरोपियन कॉल ऑप्शन — और हेज करने के लिए ट्रेड किए जा सकने वाले इंस्ट्रूमेंट्स का एक सेट (आमतौर पर अंडरलाइंग एसेट और संभवतः अन्य लिक्विड डेरिवेटिव्स)। एक्सपायरी से पहले हर टाइम स्टेप पर, न्यूरल नेटवर्क मौजूदा मार्केट स्टेट का अवलोकन करता है — अंडरलाइंग प्राइस, एक्सपायरी तक का समय, वर्तमान पोर्टफ़ोलियो होल्डिंग्स, और संभावित रूप से अन्य फ़ीचर्स जैसे इम्प्लाइड वोलैटिलिटी — और एक हेजिंग एक्शन आउटपुट करता है: हर इंस्ट्रूमेंट में कितना होल्ड करना है।

नेटवर्क को सिमुलेशन द्वारा ट्रेन किया जाता है। आप हज़ारों प्राइस पाथ जनरेट करते हैं जो यथार्थवादी मार्केट डायनेमिक्स को दर्शाते हैं — जिसमें ट्रांज़ैक्शन कॉस्ट, डिस्क्रीट ट्रेडिंग इंटरवल, जंप्स, स्टोकैस्टिक वोलैटिलिटी, और लिक्विडिटी कंस्ट्रेंट्स शामिल हैं। हर पाथ के लिए, नेटवर्क स्टेप-बाय-स्टेप अपनी हेजिंग रणनीति निष्पादित करता है। एक्सपायरी पर, हेज किए गए पोर्टफ़ोलियो के पेऑफ़ की तुलना डेरिवेटिव के पेऑफ़ से की जाती है और हेजिंग एरर की गणना होती है। फिर नेटवर्क के पैरामीटर्स को उस हेजिंग एरर के एक रिस्क मेज़र को मिनिमाइज़ करने के लिए ऑप्टिमाइज़ किया जाता है — मीन स्क्वेयर्ड एरर नहीं, बल्कि ऐसा मेज़र जो हेजर की वास्तविक रिस्क प्रेफ़रेंसेज़ को दर्शाता है, जैसे कंडीशनल वैल्यू-एट-रिस्क (CVaR) या एंट्रोपिक रिस्क मेज़र।

यही इसका मुख्य इनोवेशन है: डीप हेजिंग अंडरलाइंग डायनेमिक्स के लिए कोई विशेष मॉडल नहीं मानती। इसे वोलैटिलिटी स्थिर होने, रिटर्न नॉर्मली डिस्ट्रीब्यूटेड होने, या ट्रेडिंग निरंतर होने की आवश्यकता नहीं है। यह जिस वास्तविक बाज़ार वातावरण का सामना करती है — क्लासिकल थ्योरी द्वारा अनदेखी की गई सभी घर्षणों सहित — उसमें सर्वोत्तम हेजिंग रणनीति सीखती है।

यह क्यों मायने रखता है: ट्रांज़ैक्शन कॉस्ट की समस्या

डीप हेजिंग केवल अकादमिक जिज्ञासा से कहीं अधिक क्यों है, यह समझने के लिए ट्रांज़ैक्शन कॉस्ट की समस्या पर विचार करें। ब्लैक-शोल्स के अनुसार, इष्टतम हेज के लिए निरंतर रीबैलेंसिंग चाहिए — हर पल डेल्टा पोज़ीशन को समायोजित करना। व्यवहार में, हर रीबैलेंसिंग ट्रेड की एक लागत होती है: बिड-आस्क स्प्रेड, मार्केट इम्पैक्ट, ब्रोकरेज शुल्क।

यह एक मूलभूत दुविधा पैदा करता है। बहुत बार रीबैलेंस करें तो ट्रांज़ैक्शन कॉस्ट मुनाफ़ा खा जाती है। बहुत कम रीबैलेंस करें तो हेजिंग एरर बढ़ता है। क्लासिकल थ्योरी इस ट्रेड-ऑफ़ पर सीमित मार्गदर्शन देती है क्योंकि यह ट्रेड-ऑफ़ घर्षणरहित ब्लैक-शोल्स दुनिया में अस्तित्व ही नहीं रखता।

प्रैक्टिशनर्स ने विभिन्न ह्यूरिस्टिक्स विकसित किए हैं: निश्चित समय अंतराल पर रीबैलेंस करना (दैनिक, प्रति घंटा), जब डेल्टा एक सीमा से आगे बढ़ जाए तब रीबैलेंस करना (बैंडविड्थ हेजिंग), या वोलैटिलिटी परिवर्तनों के प्रति संवेदनशीलता कम करने के लिए वेगा हेजिंग का उपयोग करना। ये ह्यूरिस्टिक्स यथोचित काम करते हैं, लेकिन ये ठीक वही हैं — ह्यूरिस्टिक्स। कोई गारंटी नहीं कि ये इष्टतम हैं।

डीप हेजिंग इस समस्या को स्वाभाविक रूप से हल करती है। चूँकि ट्रांज़ैक्शन कॉस्ट ट्रेनिंग सिमुलेशन में अंतर्निहित हैं, न्यूरल नेटवर्क स्वचालित रूप से हेजिंग सटीकता और ट्रेडिंग लागत के बीच संतुलन बनाना सीखता है। यह सीखता है कि कब रीबैलेंसिंग लागत के लायक है और कब बड़ी हेजिंग एरर सहना बेहतर है। यह ऐसी रणनीतियाँ खोज सकता है जो कोई मनुष्य डिज़ाइन नहीं करेगा — उदाहरण के लिए, असममित रीबैलेंसिंग नियम जो लाभ और हानि को अलग-अलग तरीके से व्यवहार करते हैं, या ऐसी रणनीतियाँ जो ऑप्शन ऐट-द-मनी के पास होने पर अधिक आक्रामक रूप से हेज करती हैं और डीप इन या आउट ऑफ़ द मनी होने पर कम।

ब्लैक-शोल्स से आगे: अपूर्ण बाज़ार

ट्रांज़ैक्शन कॉस्ट की समस्या महत्वपूर्ण है, लेकिन डीप हेजिंग का सबसे गहन निहितार्थ अपूर्ण बाज़ारों से संबंधित है। एक बाज़ार पूर्ण होता है यदि हर डेरिवेटिव को अंडरलाइंग एसेट्स की ट्रेडिंग से पूर्ण रूप से रेप्लिकेट किया जा सकता है। पूर्ण बाज़ार में, हर डेरिवेटिव का एक सही मूल्य और एक सही हेज होता है। ब्लैक-शोल्स फ़्रेमवर्क इसी दुनिया में रहता है।

वास्तविक बाज़ार अपूर्ण हैं। आप केवल अंडरलाइंग स्टॉक से वोलैटिलिटी स्वैप को पूर्ण रूप से हेज नहीं कर सकते। जब लंबी अवधि के इंस्ट्रूमेंट्स में लिक्विडिटी कम है, तो आप लंबी अवधि के एक्ज़ोटिक ऑप्शन को पूर्ण रूप से हेज नहीं कर सकते। जब व्यक्तिगत घटकों के बीच कोरिलेशन संबंधित लेकिन अपूर्ण है, तो आप बास्केट ऑप्शन को पूर्ण रूप से हेज नहीं कर सकते।

अपूर्ण बाज़ारों में, कोई एकमात्र "सही" हेज नहीं होता। इष्टतम रणनीति हेजर की रिस्क प्रेफ़रेंसेज़ पर निर्भर करती है — कितना अवशिष्ट जोखिम वे सहने को तैयार हैं और किस प्रकार का जोखिम उन्हें सबसे अधिक अस्वीकार्य लगता है। डीप हेजिंग अपने रिस्क मेज़र के चुनाव के माध्यम से इसे स्वाभाविक रूप से संभालती है। CVaR से ट्रेन करें और आपको ऐसी रणनीति मिलती है जो टेल रिस्क — चरम परिदृश्यों में बड़े नुकसान — को कम करने पर केंद्रित है। मीन-वेरिएंस से ट्रेन करें और आपको ऐसी रणनीति मिलती है जो औसत हेजिंग एरर को मिनिमाइज़ करती है। एक ही न्यूरल नेटवर्क आर्किटेक्चर, अलग-अलग ऑब्जेक्टिव फ़ंक्शन्स के साथ ट्रेन किया गया, गुणात्मक रूप से भिन्न हेजिंग रणनीतियाँ उत्पन्न करता है जो विभिन्न रिस्क प्रेफ़रेंसेज़ के अनुरूप हैं।

यह लचीलापन ऐसा कुछ है जो क्लासिकल हेजिंग थ्योरी प्रदान ही नहीं कर सकती। डेल्टा हेजिंग आपको एक उत्तर देती है। डीप हेजिंग आपको उत्तरों का एक परिवार देती है, जिनमें से प्रत्येक एक अलग रिस्क प्रेफ़रेंस के लिए इष्टतम है।

आर्किटेक्चर और ट्रेनिंग

डीप हेजिंग में उपयोग किया जाने वाला न्यूरल नेटवर्क आमतौर पर एक रीकरेंट आर्किटेक्चर होता है — या तो लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM) नेटवर्क या हर टाइम स्टेप पर लागू किया जाने वाला एक सरल फ़ीडफ़ॉरवर्ड नेटवर्क। हर स्टेप पर इनपुट में वर्तमान अंडरलाइंग प्राइस (या उसका लॉग-रिटर्न), मैच्योरिटी तक का समय, वर्तमान पोर्टफ़ोलियो होल्डिंग्स, और संभावित रूप से वोलैटिलिटी सर्फ़ेस से प्राप्त फ़ीचर्स शामिल हैं।

ट्रेनिंग रीइन्फ़ोर्समेंट लर्निंग की एक तकनीक का उपयोग करती है: नेटवर्क एक पॉलिसी सीखता है (स्टेट के फ़ंक्शन के रूप में हेजिंग एक्शन) जो संचयी रिवार्ड को ऑप्टिमाइज़ करती है (अंतिम हेजिंग P&L के रिस्क मेज़र को मिनिमाइज़ करती है)। हालाँकि, सामान्य रीइन्फ़ोर्समेंट लर्निंग समस्याओं के विपरीत, डीप हेजिंग को एक ज्ञात रिवार्ड स्ट्रक्चर से लाभ होता है — एक्सपायरी पर डेरिवेटिव का पेऑफ़ — जो ट्रेनिंग को सामान्य RL अनुप्रयोगों की तुलना में अधिक स्थिर और सैम्पल-एफ़िशिएंट बनाता है।

एक महत्वपूर्ण डिज़ाइन चॉइस ट्रेनिंग के लिए उपयोग किया जाने वाला सिमुलेशन मॉडल है। ट्रेनिंग पाथ इतने यथार्थवादी होने चाहिए कि वे उन मार्केट डायनेमिक्स को कैप्चर कर सकें जिनका नेटवर्क व्यवहार में सामना करेगा। सामान्य विकल्पों में शामिल हैं:

• हेस्टन मॉडल: मीन-रिवर्टिंग वेरिएंस के साथ स्टोकैस्टिक वोलैटिलिटी
• SABR मॉडल: स्टोकैस्टिक अल्फ़ा-बीटा-रो, ब्याज दर डेरिवेटिव्स के लिए लोकप्रिय
• जंप-डिफ़्यूज़न मॉडल्स: अचानक प्राइस मूवमेंट्स को कैप्चर करना
• GAN-जनरेटेड पाथ: हिस्टोरिकल डेटा पर ट्रेन किए गए जनरेटिव एडवर्सेरियल नेटवर्क्स का उपयोग करके यथार्थवादी सिंथेटिक पाथ बनाना

सिमुलेशन मॉडल का चुनाव मॉडल निर्भरता का एक सूक्ष्म रूप प्रस्तुत करता है। डीप हेजिंग इस अर्थ में मॉडल-फ़्री है कि हेजिंग रणनीति किसी क्लोज़्ड-फ़ॉर्म फ़ॉर्मूले से प्राप्त नहीं होती, लेकिन ट्रेनिंग डेटा अभी भी किसी मॉडल से जनरेट होता है। यदि ट्रेनिंग मॉडल वास्तविक मार्केट डायनेमिक्स का ठीक से प्रतिनिधित्व नहीं करता, तो सीखी गई रणनीति कम प्रदर्शन कर सकती है। यह एक सक्रिय शोध क्षेत्र है, हालिया कार्य डिस्ट्रीब्यूशनली रोबस्ट डीप हेजिंग पर केंद्रित है — ऐसी रणनीतियाँ ट्रेन करना जो किसी एक मॉडल के बजाय संभावित मार्केट डायनेमिक्स की एक रेंज में अच्छा प्रदर्शन करें।

व्यावहारिक अनुप्रयोग

ऑप्शन डेस्क

सबसे तत्काल अनुप्रयोग बैंक और मार्केट-मेकर ऑप्शन डेस्क पर है। ये डेस्क कई अंडरलाइंग्स, स्ट्राइक्स और मैच्योरिटीज़ में फैले बड़े, जटिल ऑप्शन पोर्टफ़ोलियो रखती हैं। भारतीय संदर्भ में, NSE (नेशनल स्टॉक एक्सचेंज) पर Nifty 50 इंडेक्स ऑप्शन और स्टॉक ऑप्शन में ट्रेड करने वाली डेस्क को कई अनुबंधों में हेजिंग रणनीतियाँ प्रबंधित करनी होती हैं, और SEBI (भारतीय प्रतिभूति और विनिमय बोर्ड) के नियामक दिशानिर्देशों का पालन करना होता है। क्लासिकल हेजिंग के लिए पूरी बुक में ग्रीक्स (डेल्टा, गामा, वेगा, थीटा) की गणना और प्रबंधन आवश्यक है, अक्सर अलग-अलग प्रोडक्ट्स के लिए अलग-अलग मॉडल्स का उपयोग करते हुए। डीप हेजिंग पूरे पोर्टफ़ोलियो के लिए एक एकीकृत हेजिंग रणनीति सीख सकती है, जो स्वाभाविक रूप से क्रॉस-एसेट कोरिलेशन, ट्रांज़ैक्शन कॉस्ट और डेस्क की विशिष्ट रिस्क लिमिट्स को ध्यान में रखती है।

एक्ज़ोटिक डेरिवेटिव्स

एक्ज़ोटिक डेरिवेटिव्स — बैरियर ऑप्शन, एशियन ऑप्शन, ऑटोकॉलेबल्स — के लिए क्लासिकल हेजिंग फ़ॉर्मूले या तो उपलब्ध नहीं हैं या गंभीर सन्निकटन की आवश्यकता होती है। डीप हेजिंग सिमुलेटेड पेऑफ़ से सीधे इन प्रोडक्ट्स के लिए प्रभावी रणनीतियाँ सीख सकती है, बिना क्लोज़्ड-फ़ॉर्म सॉल्यूशन की आवश्यकता के।

रिस्क मैनेजमेंट

हेजिंग से परे, इस फ़्रेमवर्क के रिस्क मेज़रमेंट के लिए भी महत्वपूर्ण निहितार्थ हैं। डीप हेजिंग रणनीति के तहत हेजिंग P&L का डिस्ट्रीब्यूशन, अधिकांश रिस्क सिस्टम्स में उपयोग किए जाने वाले मानक ग्रीक-आधारित सन्निकटनों की तुलना में अवशिष्ट जोखिम की अधिक यथार्थवादी तस्वीर प्रदान करता है।

सीमाएँ और चुनौतियाँ

डीप हेजिंग शक्तिशाली है लेकिन महत्वपूर्ण व्यावहारिक चुनौतियों से रहित नहीं है।

कम्प्यूटेशनल लागत। डीप हेजिंग मॉडल को ट्रेन करने के लिए हज़ारों प्राइस पाथ सिमुलेट करने और उन पाथ पर न्यूरल नेटवर्क को ऑप्टिमाइज़ करने की आवश्यकता है। जटिल पोर्टफ़ोलियो के लिए, यह कम्प्यूटेशनली गहन हो सकता है, हालाँकि GPU कंप्यूटिंग में प्रगति ने इसे तेज़ी से व्यावहारिक बनाया है।

व्याख्यात्मकता। एक न्यूरल नेटवर्क के हेजिंग निर्णय अपारदर्शी हैं। जब मॉडल किसी विशेष परिदृश्य में अंडरहेज करने का निर्णय लेता है, तो तुरंत स्पष्ट नहीं होता कि क्यों। यह व्याख्यात्मकता की कमी रिस्क मैनेजर्स और रेगुलेटर्स के लिए असहज हो सकती है जो समझना चाहते हैं कि एक हेज क्यों एक निश्चित तरीके से बनाया गया था। डीप हेजिंग के लिए एक्सप्लेनेबल AI पर हालिया कार्य इसे संबोधित करने का प्रयास करता है, लेकिन यह एक खुली चुनौती बनी हुई है।

सिमुलेशन विश्वसनीयता। रणनीति उतनी ही अच्छी है जितना ट्रेनिंग सिमुलेशन। यदि सिमुलेशन वास्तविक मार्केट डायनेमिक्स की महत्वपूर्ण विशेषताओं को कैप्चर नहीं करता — लिक्विडिटी का सूखना, कोरिलेशन रिजीम में बदलाव, मार्केट माइक्रोस्ट्रक्चर इफ़ेक्ट्स — तो सीखी गई रणनीति ठीक उसी समय विफल हो सकती है जब इसकी सबसे अधिक आवश्यकता हो।

नियामक स्वीकृति। वित्तीय नियामक ब्लैक-बॉक्स मॉडल्स के प्रति सतर्क हैं। हालाँकि डीप हेजिंग बैकटेस्ट और सिमुलेशन में आशाजनक परिणाम दिखाती है, कई न्यायक्षेत्रों में प्रोडक्शन उपयोग के लिए नियामक अनुमोदन प्राप्त करना एक बाधा बना हुआ है।

बड़ा चित्र

डीप हेजिंग क्वांटिटेटिव फ़ाइनेंस में एक व्यापक प्रवृत्ति का प्रतिनिधित्व करती है: मॉडल-संचालित से डेटा-संचालित दृष्टिकोणों की ओर बदलाव। क्लासिकल क्वांटिटेटिव फ़ाइनेंस सुंदर गणितीय मॉडल्स से शुरू हुआ — ब्लैक-शोल्स, CAPM, फ़ामा-फ़्रेंच मॉडल — और एनालिटिकली इष्टतम रणनीतियाँ प्राप्त कीं। डीप हेजिंग और संबंधित मशीन लर्निंग दृष्टिकोण दूसरी दिशा से शुरू होते हैं: उद्देश्य परिभाषित करें, यथार्थवादी डेटा प्रदान करें, और एल्गोरिदम को रणनीति खोजने दें।

इसका मतलब यह नहीं कि क्लासिकल मॉडल अप्रचलित हैं। ब्लैक-शोल्स एक कोटिंग कन्वेंशन, रिस्क कम्यूनिकेशन की भाषा और प्रथम सन्निकटन के रूप में अमूल्य बना हुआ है। लेकिन वास्तविक घर्षणों वाले वास्तविक बाज़ारों में वास्तविक हेजिंग के लिए, डेटा-संचालित दृष्टिकोण तेज़ी से प्रतिस्पर्धी बन रहे हैं। प्रश्न यह नहीं है कि न्यूरल नेटवर्क हेजिंग के लिए ब्लैक-शोल्स की जगह लेंगे या नहीं, बल्कि यह कि एकीकरण कितनी तेज़ी से होगा और नियामक ढाँचा कैसे अनुकूलित होगा।

रिटेल निवेशकों के लिए, प्रत्यक्ष प्रभाव सीमित हैं — बहुत कम व्यक्ति डेरिवेटिव्स पोर्टफ़ोलियो ट्रेड करते हैं। लेकिन अप्रत्यक्ष प्रभाव महत्वपूर्ण हैं। मार्केट मेकर्स द्वारा बेहतर हेजिंग का अर्थ है संकीर्ण स्प्रेड और अधिक कुशल ऑप्शन बाज़ार। अधिक सटीक रिस्क मैनेजमेंट का अर्थ है कम सिस्टमिक रिस्क। और यह बौद्धिक ढाँचा — आदर्शीकृत धारणाओं के बजाय वास्तविकता से शुरू करना — इसके अनुप्रयोग डेरिवेटिव्स से कहीं आगे हैं, ऑप्टिमल एक्ज़ीक्यूशन से लेकर पोर्टफ़ोलियो कंस्ट्रक्शन तक।

यह लेख केवल शैक्षिक उद्देश्यों के लिए है और वित्तीय सलाह नहीं है। पिछला प्रदर्शन भविष्य के परिणामों की गारंटी नहीं देता।

संदर्भ

• Buehler, H., Gonon, L., Teichmann, J., & Wood, B. (2019). Deep Hedging. Quantitative Finance, 19(8), 1271-1291. https://doi.org/10.1080/14697688.2019.1571683

• Black, F., & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-654. https://doi.org/10.1086/260062

• Cao, J., Chen, J., Hull, J., & Poulos, Z. (2021). Deep Hedging of Derivatives Using Reinforcement Learning. Journal of Financial Data Science, 3(1), 10-27. https://doi.org/10.3905/jfds.2020.1.052

• Horvath, B., Teichmann, J., & Zuric, Z. (2021). Deep Hedging under Rough Volatility. Quantitative Finance, 21(2), 235-247. https://doi.org/10.1080/14697688.2020.1817974