ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ZASTOSOWANIE METODY MONTE CARLO DO WYCENY OPCJI

Transkrypt

1 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR AGNIESZKA MAJEWSKA Uniwersytet Szczeci ski ZASTOSOWANIE METODY MONTE CARLO DO WYCENY OPCJI WST P Opcje s instrumentami, które same w sobie nie maj adnej warto ci. To, ile kosztuje dana opcja, zale y bowiem od waloru, na który została ona wystawiona i który podlega zmianom cen. Pocz tkowo w wycenie opcji posługiwano si wył cznie intuicj. Jako pierwszy matematyk próbował zastosowa w 1900 roku Louis Bachelier. Jego rozwa ania nad warto ci opcji kontynuowali w latach sze dziesi tych Case Sprenkle, James Boness oraz Paul Samuelson. Ostateczn odpowied uzyskali w 1970 roku Fischer Black, Myron Scholes i Robert Merton, dokonuj c przełomu w dziedzinie wyceny instrumentów pochodnych. Ewolucj modeli wyceny opcji przedstawiono na rysunku 1.

2 150 Agnieszka Majewska BECHELIER 1990 MODELE ANALITYCZNE c. Sprenkle Boness Prekursorzy modelu Samuelson 1965 MODELE NUMERYCZNE Blacka-Scholesa 1973 Merton BLACK-SCHOLES Thorpe Cox/Ross Merton Ingersoll Black Boyle Schwartz Roll Sharpe Goldman/ c. Cox/Ross/Rubinstein Geske Sosin/ Geske Symulacje Rendleman/Bartter Gatto Monte Carlo Whaley Courtadon Jarrow/Rudd Garman/Kohlhagen Grabbe Ho/Lee Macmillan Hull/White Scott Wiggins Barone-Adesi/ Whaley Hull/White Black/Derman/Toy 1a. 1b b. Uogólnienia modelu Rozszerzenia modelu MODELE 1991 Modele 1a. Blacka-Scholesa Blacka-Scholesa APROKSYMACJI sko czonej Modele ANALITYCZNEJ ró nicy dwumianowe Rys.1. Drzewo genealogiczne modeli wyceny opcji ródło: [9], s HISTORIA METOD MONTE CARLO Historia metod Monte Carlo, których nazwa pochodzi od słynnego koła ruletki w Monako si ga 1944 roku. Do ich powstania przyczyniły si prowadzone wówczas przez J. Prespera Eckerta i Johna W. Mauchly ego prace nad unowocze nieniem techniki budowania maszyn licz cych. Zajmowali si oni konstrukcj maszyny o nazwie ENIAC (Electronic Numerical Integrator and Computer), której przeznaczeniem było obliczanie tablic artyleryjskich na potrzeby armii ameryka skiej. Za prekursorów tych metod uwa a si jednak J. von Neumanna i S.M. Ulama. J. von Neumann rozwijał metody Monte Carlo bior c udział w projekcie maszyny MANIAC I (Mathematical Analyzer, Numerical Integrator and Computer) i jej nast pnej wersji MANIAC II. Ju w pierwszym stadium bada okazało si bowiem, e efektywno tych metod jest zadowalaj ca tylko wówczas, gdy dysponuje si szybk maszyn cyfrow, wykonuj c miliony operacji na sekund. Mo liwe jest wtedy wykonanie du-

3 Zastosowanie metody Monte Carlo do wyceny opcji 151 ych prób statystycznych, gwarantuj cych zmniejszenie bł du redniokwadratowego otrzymanego rozwi zania do oczekiwanego poziomu. Głównym bod - cem do tych prac było badania zachowania si neutronów w reaktorze atomowym. Z kolei Stanisław Ulam, polski matematyk pracuj c na tych maszynach, szeroko rozpowszechniał i rozwijał metody Monte Carlo. Trudno ci techniczne zwi zane z wykorzystaniem metod Monte Carlo tak naprawd przyczyniły si do ich ulepszenia. Pozwoliło to na zwi kszenie efektywno ci na tyle, e kr g mo liwych zastosowa obj ł wiele zada nauki i techniki. Najbardziej znacz ce udoskonalenia s zwi zane z wprowadzeniem do oblicze prawdopodobie stw warunkowych i wag statystycznych uzyskanych na podstawie informacji dotycz cych rozwi za równa sprz onych w sensie okre lonym przez podstawowe funkcjonały zadania. Uwa a si, e rozkwit metod Monte Carlo przypada na lata 70., gdy zacz ły by wykorzystywane mi dzy innymi do: obliczania całek, rozwi zywania równa liniowych, ró niczkowych cz stkowych, całkowych, szacowania stałych matematycznych, generowania liczb losowych, zagadnie własnych, zagadnie modelowania cyfrowego. 2. ZASTOSOWANIE METOD MONTE CARLO W FINANSACH Pocz tek zastosowa metod Monte Carlo w dziedzinie finansów wi e si z opublikowaniem w 1977 roku pracy Phelima Boyle a 1, który zaproponował wykorzystanie metody Monte Carlo do symulacji. Polegaj one na generowaniu dowolnej liczby ci gów obserwacji zachowuj cych okre lone zało enia, takie jak losowo, typ rozkładu, parametry rozkładu i korelacje mi dzy wygenerowanymi ci gami obserwacji. Stosowane s głównie do zarz dzania portfelem ró nych instrumentów finansowych, do których mo na zaliczy akcje spółek giełdowych, waluty, papiery warto ciowe o stałym dochodzie, instrumenty 1 Zob. [2], s

4 152 Agnieszka Majewska pochodne. Ostatnio metody te znalazły równie zastosowanie w zarz dzaniu portfelem kredytowym banków komercyjnych. Zgodnie z rysunkiem 1, symulacje Monte Carlo nale do grupy metod numerycznych wyceny opcji. Rozwa ane s one w sytuacji rynku doskonałego, czyli wówczas, gdy na rynku finansowym: oprocentowanie depozytów i kredytów bankowych jest jednakowe, wysoko zaci gni tych kredytów jest nieograniczona, nie ma kosztów zawierania transakcji, wszystkie aktywa s doskonale podzielne, dopuszczalna jest krótka sprzeda aktywów. W metodzie tej wykorzystywany jest fakt, e rozkład warto ci waloru w dniu wyga ni cia opcji jest okre lony procesem decyduj cym o jego zmianach. Znaj c ten proces, przez wielokrotne symulacje uzyskuje si rozkład ko cowych warto ci waloru bazowego, z którego mo na bezpo rednio wyprowadzi warto oczekiwan waloru w dniu wyga ni cia opcji. Z uwagi na deterministyczny charakter tej metody otrzymane liczby losowe nie s w rzeczywisto ci liczbami przypadkowymi, lecz mo na je dokładnie przewidzie, st d cz ste okre- lenie ich jako liczb pseudolosowych. 3. WYKORZYSTANIE SYMULACJI MONTE CARLO DO WYCENY OPCJI Zastosowanie symulacji Monte Carlo do wyceny opcji w praktyce sprowadza si do wyznaczenia przyszłych cen waloru bazowego przy wykorzystaniu geometrycznego ruchu Browna, a nast pnie zastosowania ogólnych wzorów na wycen opcji. Ruch Browna po raz pierwszy został zastosowany do modelowania stochastycznych procesów finansowych przez Norberta Wienera w latach Stał si przez to jednym z najwa niejszych modeli procesów losowych. Poniewa mo e by traktowany jako granica procesu bł dzenia losowego, cz sto jest wykorzystywany w badaniach ekonomicznych do opisu niepewno ci w czasie ci głym 2. Przykład stochastycznego równania ró niczkowego, które mo e by stosowane mi dzy innymi do modelowania cen akcji, stopy inflacji, poda y pieni dza, podał mi dzy innymi A.G. Malliaris (1990). W finansowych modelach wyceny opcji do procesu Wienera stosuje si tak 2 Zob. [4]; [7]; [10], s ; [11].

5 Zastosowanie metody Monte Carlo do wyceny opcji 153 symuluj cy przyszł warto waloru bazowego 4 : zwany lemat Ito 3. Zakładaj c ci gło procesu, otrzymuje si nast puj cy wzór + 2 σ ln S = ln S0 µ t + σ ε t, (1) 2 gdzie: S przyszła cena instrumentu finansowego, S 0 cena rzeczywista instrumentu bazowego, µ rednia arytmetyczna procesu, wyznaczona na podstawie danych rzeczywistych, σ odchylenie standardowe procesu, wyznaczona na podstawie danych rzeczywistych, t przyrost czasu, ε proces stochastyczny, w którym kolejne zmienne s stochastyczne o rozkładzie normalnym. Po wyznaczeniu mo liwych cen waloru bazowego wyceny opcji dokonano wykorzystuj c model Blacka-Scholesa (1973). Cen opcji kupna (c) i sprzeda y (p) w modelu tym wyznacza si według nast puj cych równa : rt ( 1 d2 c = S N d ) X e N( ), (2) p = X e rt przy czym: 2 ln( S X ) + ( r + σ 2) t d1 =, σ ( t d 2 = d 1 σ t, gdzie: S warto waloru bazowego w chwili t, X cena wykonania opcji, r krajowa stopa procentowa wolna od ryzyka, T okres wa no ci opcji, N ( d2 ) S N ( d1), (3) 3 Zob. ibidiem. 4 Zob. [7], s. 99.

6 154 Agnieszka Majewska σ zmienno ceny waloru bazowego, N(d i ) dystrybuanta standaryzowanej zmiennej o rozkładzie normalnym. 4. BADANIE EMPIRYCZNE Badanie empiryczne obj ło warranty notowane na Giełdzie Papierów Warto ciowych w Warszawie. Nale one do instrumentów bardzo zbli onych w swej istocie do opcji. Jak pisze J. Hull, s to opcje powstaj ce w nieco inny sposób 5, poniewa wystawcami mog by spółki lub instytucje finansowe. Warrant, podobnie jak opcja, daje wi c jego posiadaczowi prawo, ale nie obowi zek, kupna lub sprzeda y le cego u jego podstaw papieru warto ciowego po uprzednio ustalonej cenie i w okre lonym czasie. Inaczej mówi c, jest to talon opcyjny w formie obiegowego papieru warto ciowego notowanego na giełdzie. Ze wzgl du na fakt, e warto warrantów wyznaczana metod Monte Carlo opiera si na symulacjach cen walorów bazowych, które niekiedy mog znacznie odbiega od ich realizacji, ograniczono si do prezentacji wyników dla siedmiu walorów, w ród których si znalazło: 5 warrantów kupna na akcje Agory, Budimexu, Bigu, Elektrimu oraz kontraktu futures na WIG20, 2 warranty sprzeda y na akcje TP SA oraz indeks WIG20. W rzeczywisto ci badanie przeprowadzone było dla 34 warrantów. Otrzymane wyniki przedstawia tabela 1, w której dla ró nych pomiarów zmienno ci cen walorów bazowych uj to wzgl dne bł dy wycen. W badaniu zastosowano trzy metody szacowania zmienno ci: a) klasyczna za pomoc odchylenia standardowego (n = 180); b) wykorzystanie procedury EWMA 6, w której parametr wagowy λ został przyj ty na czterech poziomach: 0,5; 0,7; 0,9 i 0,95; c) wykorzystanie modeli ekonometrycznych: GARCH(1,1) Agora, Big, Elektrim, Futures na WIG20, TP SA, WIG20, ARCH(1) Budimex. W tabeli prezentuj cej otrzymane wyniki nie uj to równie wi kszej liczby okresów, poniewa w niektórych przypadkach ju od trzeciego uzyskiwane 5 Zob. [5], s Zob. [6], s

7 Zastosowanie metody Monte Carlo do wyceny opcji 155 ceny teoretyczne osi gały warto ci ró ni ce si od giełdowych o kilka tysi cy procent. Najmniejszy wzgl dny bł d oszacowa dla wycen poszczególnych warrantów symulacjami Monte Carlo wahał si w granicach od 1,45 do 74,2%. W wi kszo ci przypadków nie osi gn ł on nawet 10%. Nale y jednak zaznaczy, e tak niskie bł dy utrzymywały si z reguły tylko do drugiego okresu. Ponadto bardzo cz sto si zdarzało, e oprócz bardzo dokładnych wycen pojawiały si wyniki diametralnie ró ni ce si od warto ci rzeczywistych. Wzgl dne bł dy wycen symulacji Monte Carlo Tabela 1 AGOI054BDM Numer okresu s(x) λ = 0,5 λ = 0,7 λ = 0,9 λ = 0,95 model I 119,11 4,53 21,92 101,10 169,71 6,96 II 106,09 15,13 30,36 93,02 141,04 17,30 BDXI032BDM I 50,60 103,30 91,30 53,50 52,40 25,70 II 86,00 96,30 95,30 87,00 86,60 74,20 BIGI004BDM I 20, , ,18 238,80 172,65 23,27 II 14, , ,98 282,84 205,10 18,17 ELEI004BDM I 33,29 6,00 5,44 2,94 13,94 4,61 II 1,45 82,94 81,63 75,84 38,69 58,82 FW2L111BDM I 3,40 147,04 64,68 13,71 19,31 18,90 TPSX011BRE I 10,20 97,95 47,01 18,51 8,56 9,85 II 19,26 37,93 5,26 13,66 20,38 19,51 W20X150BRE I 46,12 251,27 20,29 22,28 5,86 60,38 II 69, ,66 481,67 195,44 296,82 7,86 ródło: opracowanie własne. Podsumowaniem przeprowadzonych symulacji s nast puj ce wnioski: 1. Metoda Monte Carlo eliminuje istnienie ogólnie rozumianych trendów giełdowych, jakim podlegaj ceny walorów bazowych. W przypadku wyst pienia wyra nego trendu na giełdzie ceny akcji zachowuj si inaczej ni w przypadku geometrycznego ruchu Browna. Mo e to by powodem niewła ciwych wycen.

8 156 Agnieszka Majewska 2. Teoria chaosu zakłada, e rynek obdarzony jest pami ci, która ma znaczny wpływ na przyszłe ceny walorów bazowych. Wprowadzenie losowo ci do wycen poprzez symulacje prowadzi do wykluczenia tego zało enia Najlepsze wyniki symulacji uzyskuje si na jeden, dwa okresy do przodu. 4. Zmiana warto ci walorów bazowych nie ma tak wielkiego wpływu na wycen warrantów i opcji, jak zmiana wariancji stop zwrotu z tego waloru. 5. Symulacje mogłyby obejmowa równie kształtowanie si stopy procentowej wolnej od ryzyka, ale w obecnej sytuacji gospodarczej zało enie, e stopy procentowe b d zmienia si w dowolnym kierunku, ma charakter czysto teoretyczny. PODSUMOWANIE W ród metod numerycznych do wyceny instrumentów pochodnych mog by stosowane symulacje Monte Carlo. Otrzymane wyniki wskazuj, e mog by one prowadzone tylko na jeden, dwa okresy do przodu. W wi kszo ci przypadków ju od trzeciego uzyskiwano ceny teoretyczne nawet o kilka tysi - cy procent ró ni ce si od giełdowych. Ograniczeniem metody Monte Carlo jest równie nieuwzgl dnianie ogólnie rozumianych trendów giełdowych, jakim podlegaj ceny walorów bazowych. W przypadku wyst pienia wyra nego trendu na giełdzie ceny akcji zachowuj si inaczej ni w przypadku geometrycznego ruchu Browna. Mo e to by powodem niewła ciwych wycen. Przeprowadzone symulacje potwierdziły, e jednym z najwa niejszych parametrów przy wycenie jest zmienno. Zmiana warto ci walorów bazowych nie miała bowiem tak wielkiego wpływu na wycen warrantów, jak zmiana wariancji stóp zwrotu z tego waloru. LITERATURA 1. Black F., Scholes M.: The Pricing of Options and Corporate Liabilities. Journal of Political Economy 1973, No Zob. [8], s ; [13].

9 Zastosowanie metody Monte Carlo do wyceny opcji Boyle P.P.: Options: A Monte Carlo Approach. Journal of Financial Economics 1977, No Brandt S.: Analiza danych. Metody statystyczne i obliczeniowe. PWN, Warszawa Gajek L., Kałuszka M.: Wnioskowanie statystyczne. Modele i metody. WNT, Warszawa Hull J.: Kontrakty terminowe i opcje. WIG-Press, Warszawa Metody ekonometryczne i statystyczne w analizie rynku kapitałowego. Red. K. Jajuga. Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław Majewska A., Majewski S.: Porównanie zmienno ci kursów euro szacowanych na podstawie danych historycznych oraz z u yciem procedury EWMA. W: Rynek kapitałowy. Skuteczne inwestowanie. Cz. I, Wydawnictwo Naukowe Uniwersytetu Szczeci skiego, Szczecin Peters E.E.: Teoria chaosu a rynki kapitałowe. WIG-Press, Warszawa Smithson Ch.W., Smith C.W., Wilford D.S.: Zarz! dzanie ryzykiem finansowym. Dom Wydawniczy ABC, Kraków Syczewska E.: Analiza relacji długookresowych: estymacja i weryfikacja. Monografie i Opracowania nr 462. SGH, Warszawa Weron A., Weron R.: In ynieria finansowa. WNT, Warszawa Weron A., Wojakowski Ł.J.: Metody numeryczne w modelowaniu finansowym metoda Monte Carlo. Rynek Terminowy 1999, nr Zwolankowska M.: Fraktalna geometria polskiego rynku akcji. Wydawnictwo Naukowe Uniwersytetu Szczeci skiego, Szczecin THE INTRODUCTION TO USING MONTE CARLO METHOD IN THE VALUATION OF OPTIONS Summary The Monte Carlo Method is one of numerical methods, which is used to value derivatives. It provides approximate solutions to a variety of mathematical problems by performing statistical sampling experiments on a computer. The article shows how Monte Carlo simulations can be used in the valuation of options. It is a new technique

10 158 Agnieszka Majewska based on the randomisation of derivatives prices. To put Monte Carlo simulations in the valuation of options in practice resolves into calculation of the future prices of underlying assets by using geometric Brown s motion, and subsequently using general options pricing models. The empirical data for the analysis were warrants quoted on the Warsaw Stock Exchange, because they belong to instruments that are very similar in their nature to options. The results show that Monte Carlo simulations in the valuation of options can be used for only one or two periods ahead. Translated by Agnieszka Majewska