Rynek, opcje i równania SDE

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rynek, opcje i równania SDE"

Transkrypt

1 Rynek, opcje i równania SDE Adam Majewski Uniwersytet Gdański kwiecień 2009 Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

2 1 Rynek, portfel inwestycyjny, arbitraż 2 Osiągalność i zupełność 3 Opcje 4 Bibliografia Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

3 Rynek Definicja 1.1 Rynkiem nazywamy (n+1)-wymiarowy proces Ito X (t) = (X 0 (t), X 1 (t),..., X n (t)); 0 t T, adaptowalny do filtracji F (m) t, o postaci oraz dx 0 (t) = ρ(t, ω)x 0 (t)dt; X 0 (0) = 1 dx i (t) = µ i (t, ω)dt + m σ ij (t, ω)db j (t) = j=1 = µ i (t, ω)dt + σ i (t, ω)db(t); X i (0) = x i (1) gdzie σ i = (σ i1, σ i2,..., σ im ); 1 i n N. Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

4 Rynek Definicja 1.1 Rynkiem nazywamy (n+1)-wymiarowy proces Ito X (t) = (X 0 (t), X 1 (t),..., X n (t)); 0 t T, adaptowalny do filtracji F (m) t, o postaci oraz dx 0 (t) = ρ(t, ω)x 0 (t)dt; X 0 (0) = 1 dx i (t) = µ i (t, ω)dt + m σ ij (t, ω)db j (t) = j=1 = µ i (t, ω)dt + σ i (t, ω)db(t); X i (0) = x i (1) gdzie σ i = (σ i1, σ i2,..., σ im ); 1 i n N. Definicja 1.2 Rynek {X (t)} t [0,T ] nazywamy unormowanym, jeśli X 0 (t) 1 Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

5 Portfel inwestycyjny Definicja 1.3 Portfelem inwestycyjnym (w skrócie portfelem) dla rynku {X (t)} t [0,T ] nazywamy (n+1)-wymiarowy progresywnie mierzalny proces θ(t, ω) = (θ 0 (t, ω), θ 1 (t, ω),..., θ n (t, ω)); 0 t T Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

6 Portfel inwestycyjny Definicja 1.3 Portfelem inwestycyjnym (w skrócie portfelem) dla rynku {X (t)} t [0,T ] nazywamy (n+1)-wymiarowy progresywnie mierzalny proces θ(t, ω) = (θ 0 (t, ω), θ 1 (t, ω),..., θ n (t, ω)); 0 t T Definicja 1.4 Wycenę portfela θ(t) w chwili t definiujemy następująco n V (t, ω) = V θ (t, ω) = θ(t) X (t) = θ i (t)x i (t) i=0 gdzie oznacza standardowy iloczyn skalarny w R n+1. Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

7 Samofiansujący się portfel Definicja 1.5 Portfel θ(t) nazywamy samofinansującym jeśli T n m n { θ 0 (s)ρ(s)x 0 (s) + θ i (s)µ i (s) + [ θ i (s)σ ij (s)] 2 }ds < p.n. 0 i=1 j=1 i=1 oraz t V (t) = V (0) + θ(s) dx (s) (dv (t) = θ(t) dx (t)) dla t [0, T ] 0 Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

8 Samofiansujący się portfel Definicja 1.5 Portfel θ(t) nazywamy samofinansującym jeśli T n m n { θ 0 (s)ρ(s)x 0 (s) + θ i (s)µ i (s) + [ θ i (s)σ ij (s)] 2 }ds < p.n. 0 i=1 j=1 i=1 oraz V (t) = V (0) + Uwaga 1.6 t 0 θ(s) dx (s) (dv (t) = θ(t) dx (t)) dla t [0, T ] Dla dowolonych θ 1 (t, ω),..., θ n (t, ω) istnieje (θ 0 (t, ω) takie, że portfel θ(t, ω) = (θ 0 (t, ω), θ 1 (t, ω),..., θ n (t, ω)) jest samofinansujący się. Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

9 Strategia oswojona Definicja 1.7 Samofinansującą strategię θ(t) spełniającą (1.5) nazywamy oswojoną jeśli proces wyceny portfela V θ (t) jest (t, ω) - prawie napewno ograniczony z dołu. Czyli dla prawie wszystkich (t, ω) [0, T ] Ω, istnieje K = K(θ) >, taka, że V θ (t, ω) K (2) Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

10 Arbitraż Definicja 1.8 Oswojoną strategią θ(t) na rynku {X (t)} t [0,T ], nazywamy arbitrażem, jeśli spełnione są warunki V θ (0) = 0 V θ (T ) 0 prawie napewno P[V θ (T ) > 0] > 0 Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

11 Instrument finansowy Definicja 2.1 Instrumentem finansowym nazywamy ograniczoną z dołu F (m) T -mierzalną zmienną losową F (ω) L 2 (Q). Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

12 Instrument finansowy osiągalny Definicja 2.2 Mówimy, że instrument finansowy F (ω) jest osiągalny (na rynku {X (t)} t [0,T ] ) jeśli istnieje oswojona strategia θ(t) i rzeczywista liczba z taka, że T F (ω) = Vz θ (T ) = z + θ(t)dx (t) 0 prawie napewno i takie, że t V θ (t) = z + 0 i=1 ξ(s) n θ i (s)σ i (s)d B(s) dla t [0, T ] jest Q-martyngałem. Jeśli takie θ(t) istnieje to nazywamy ją strategią hedgingową dla F Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

13 Rynek zupełny Definicja 2.3 Rynek {X (t)} t [0,T ] nazywamy zupełnym, jeśli każdy instrument finansowy jest osiąglany. Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

14 Europejska opcja kupna Definicja 3.1 Europejską opcją kupna nazywamy F (ω) = (X i (t, ω) K) + dla pewnego i {1, 2,..., n} i pewnego K > 0. Opcja kupna daje właścicielowi prawo kupna (lecz nie obowiązek) do kupna jednej jednostki instrumentu bazowego przy cenie K (cena wykonania) w chwili T. Jeśli X i (T, ω) > K, to właściciel opcji otrzymuje X i (T, ω) K w chwili T. Jeśli X i (T, ω) K, to właściciel nie wykona swoich opcji i jego wypłata równa się 0. Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

15 Europejska opcja sprzedaży Definicja 3.2 Analogicznie europejską opcja sprzedaży daje właścicielowi prawo (lecz nie obowiązek) do sprzedaży jednej jednostki instrumentu bazowego przy cenie K (cena wykonania) w chwili T. Opcja sprzedaży daje właścicielowi wypłatę F (ω) = (K X i (t, ω)) + Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

16 Twierdzenie Black-Scholes Twierdzenie 3.3 Niech X (t) = (X 0 (t), X 1 (t)) jest modelem rynku typu Black-Scholes: dx 0 (t) = ρx 0 (t)dt X 0 (t) = 1 dx 1 (t) = αx 1 (t)dt + βx 1 (t)db(t) X 1 (0) = x 1 > 0 gdzie ρ, α, β 0 są stałymi. Wtedy cena p opcji europejskiej w chwili 0, z funkcją wypłaty F (ω) = (X 1 (T, ω) K) + gdzie K > 0 jest ceną wykonania opcji, równa się p = x 1 Φ(η β T ) Ke ρt Φ(η 1 2 β T ) η = β 1 T 1/2 (ln x 1 K + ρt ) oraz Φ jest gęstością rozkładu N(0, 1). Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

17 Ilustracja geometrycznego ruchu Browna źródło: F. C. Klebaner, Introduction to Stochastic Calculus with Applications, Imperial College Press Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

18 Ilustracja geometrycznego ruchu Browna cd. źródło: F. C. Klebaner, Introduction to Stochastic Calculus with Applications, Imperial College Press Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

19 Bibliografia Opracowano na podstawie: Bernt Oksendal, Stochastic Differential Equations, Springer Literatura pomocnicza: S. Dineen, Probability Theory in Finance, AMS F. C. Klebaner, Introduction to Stochastic Calculus with Applications, Imperial College Press J. Jakubowski, A. Palczewski, M. Rutkowski, Ł. Stettner, Matematyka Finansowa, WNT Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień / 16

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

Bardziej szczegółowo

r u du. Proces wartości aktywów firmy V. Proces bariery v wykorzystywany do zdefiniowania defaultu. moment defaultu τ.

r u du. Proces wartości aktywów firmy V. Proces bariery v wykorzystywany do zdefiniowania defaultu. moment defaultu τ. Wprowadzenie Mamy ustalone T > 0 horyzont, (Ω, F, P) z F filtracja, F = {F t } t [0,T ] oraz Proces chwilowej stopy procentowej r = (r t ) t [0,T ], tzn. rachunek bankowy spełnia ODE: db t = B t r t dt,

Bardziej szczegółowo

Quantile hedging. czyli jak tanio i dobrze zabezpieczyć opcję. Michał Krawiec, Piotr Piestrzyński

Quantile hedging. czyli jak tanio i dobrze zabezpieczyć opcję. Michał Krawiec, Piotr Piestrzyński czyli jak tanio i dobrze zabezpieczyć opcję Michał Krawiec Piotr Piestrzyński Koło Naukowe Probabilistyki i Statystyki Matematycznej Uniwersytet Wrocławski Niedziela, 19 kwietnia 2015 Przykład (opis problemu)

Bardziej szczegółowo

Stochastyczne równania różniczkowe, studia II stopnia

Stochastyczne równania różniczkowe, studia II stopnia Stochastyczne równania różniczkowe, studia II stopnia Niech W t (ewentualnie W, W (t)), t oznacza proces Wienera oraz niech W = Niech W = (W, W 2,, W n ) oznacza n-wymiarowy proces Wienera Pokazać, że

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

5 Równania różniczkowe zwyczajne rzędu drugiego

5 Równania różniczkowe zwyczajne rzędu drugiego 5 Równania różniczkowe zwyczajne rzędu drugiego Definicja 5.1. Równaniem różniczkowym zwyczajnym rzędu drugiego nazywamy równanie postaci F ( x, y, y, y ) = 0, (12) w którym niewiadomą jest funkcja y =

Bardziej szczegółowo

Wycena papierów wartościowych - instrumenty pochodne

Wycena papierów wartościowych - instrumenty pochodne Matematyka finansowa - 8 Wycena papierów wartościowych - instrumenty pochodne W ujęciu probabilistycznym cena akcji w momencie t jest zmienną losową P t o pewnym (zwykle nieznanym) rozkładzie prawdopodobieństwa,

Bardziej szczegółowo

Równania różniczkowe liniowe rzędu pierwszego

Równania różniczkowe liniowe rzędu pierwszego Katedra Matematyki i Ekonomii Matematycznej SGH 21 kwietnia 2016 Wstęp Definicja Równanie różniczkowe + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to

Bardziej szczegółowo

Teoria ze Wstępu do analizy stochastycznej

Teoria ze Wstępu do analizy stochastycznej eoria ze Wstępu do analizy stochastycznej Marcin Szumski 22 czerwca 21 1 Definicje 1. proces stochastyczny - rodzina zmiennych losowych X = (X t ) t 2. trajektoria - funkcja (losowa) t X t (ω) f : E 3.

Bardziej szczegółowo

Ubezpieczenia majątkowe

Ubezpieczenia majątkowe Funkcje użyteczności a składki Uniwersytet Przyrodniczy we Wrocławiu Instytut Nauk Ekonomicznych i Społecznych 2016/2017 Funkcja użyteczności Niech ω wielkość majątku decydenta wyrażona w j.p., u (ω) stopień

Bardziej szczegółowo

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t)

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) Figure 1: Aproksymacja drzewem dwumianowym Wycena opcji Dynamika cen akcji:

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

Optymalne portfele inwestycyjne

Optymalne portfele inwestycyjne Dariusz Zawisza Instytut Matematyki UJ 10 maj 2012 Problem Rozwiązanie problemu Aktywa wolne od ryzyka Estymacja parametrów Pomiar ryzyka Oznaczenia (Ω, F, P) - przestrzeń probablistyczna, r i := S1 i

Bardziej szczegółowo

Statystyka. Wykład 2. Krzysztof Topolski. Wrocław, 11 października 2012

Statystyka. Wykład 2. Krzysztof Topolski. Wrocław, 11 października 2012 Wykład 2 Wrocław, 11 października 2012 Próba losowa Definicja. Zmienne losowe X 1, X 2,..., X n nazywamy próba losową rozmiaru n z rozkładu o gęstości f (x) (o dystrybuancie F (x)) jeśli X 1, X 2,...,

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy LXX Egzamin dla Aktuariuszy z 23 marca 2015 r. Część I Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy LXX Egzamin dla Aktuariuszy z 23 marca 2015 r. Część I Matematyka finansowa Komisja Egzaminacyjna dla Aktuariuszy LXX Egzamin dla Aktuariuszy z 23 marca 2015 r. Część I Matematyka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut 1 1. Rozważmy

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku

Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku w Lokalnie Ergodycznym Środowisku Tymoteusz Chojecki UMCS, Lublin Tomasz Komorowski IMPAN, Warszawa Kościelisko, 10 września 2016, XLV Konferencja Zastosowań Matematyki T. Komorowski, T. Chojecki w Lokalnie

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki Statystyka i eksploracja

Bardziej szczegółowo

ANALIZA OPCJI ANALIZA OPCJI - WYCENA. Krzysztof Jajuga Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Uniwersytet Ekonomiczny we Wrocławiu

ANALIZA OPCJI ANALIZA OPCJI - WYCENA. Krzysztof Jajuga Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Uniwersytet Ekonomiczny we Wrocławiu Krzysztof Jajuga Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Uniwersytet Ekonomiczny we Wrocławiu Podstawowe pojęcia Opcja: in-the-money (ITM call: wartość instrumentu podstawowego > cena wykonania

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

Bardziej szczegółowo

Teoria opcji SYLABUS

Teoria opcji SYLABUS Teoria opcji nazwa przedmiotu SYLABUS B. Informacje szczegółowe Elementy składowe sylabusu Opis Nazwa przedmiotu Teoria opcji Kod przedmiotu 0600-FS2-2TO Nazwa jednostki prowadzącej Wydział Matematyki

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

1 Równania różniczkowe zwyczajne

1 Równania różniczkowe zwyczajne Równania różniczkowe zwyczajne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki Politechnika Białostocka Równania różniczkowe Równaniem

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K

Bardziej szczegółowo

SYLABUS PRZEDMIOTU rok akademicki 2012/2013

SYLABUS PRZEDMIOTU rok akademicki 2012/2013 SYLABUS PRZEDMIOTU rok akademicki 2012/2013 Elementy składowe sylabusu Opis Nazwa przedmiotu Kod przedmiotu Nazwa kierunku Nazwa jednostki prowadzącej kierunek Język przedmiotu Charakterystyka przedmiotu

Bardziej szczegółowo

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów

Bardziej szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS przykładowe zadania na. kolokwium czerwca 6r. Poniżej podany jest przykładowy zestaw zadań. Podczas kolokwium na ich rozwiązanie przeznaczone będzie ok. 85

Bardziej szczegółowo

Wycena egzotycznego instrumentu pochodnego stopy procentowej

Wycena egzotycznego instrumentu pochodnego stopy procentowej Wycena egzotycznego instrumentu pochodnego stopy procentowej Trigger Swap Andrzej Konieczek BRE Bank 16 maja 2008 Wstęp Trigger Swap charakterystyka instrumentu Model Brace-Gątarek-Musiela Implementacja

Bardziej szczegółowo

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015 Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy

Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy Instrumenty pochodne 2014 Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy Jerzy Dzieża, WMS, AGH Kraków 28 maja 2014 (Instrumenty pochodne 2014 ) Wycena equity derivatives

Bardziej szczegółowo

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych W ujęciu probabilistycznym cena akcji w momencie t jest zmienną losową P t o pewnym (zwykle nieznanym) rozkładzie prawdopodobieństwa,

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU. Janusz Adamowski

II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU. Janusz Adamowski II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU Janusz Adamowski 1 1 Przestrzeń Hilberta Do opisu stanów kwantowych używamy przestrzeni Hilberta. Przestrzenią Hilberta H nazywamy przestrzeń wektorową

Bardziej szczegółowo

Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta

Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta Instytut Matematyki Politechniki Łódzkiej Poznań, 13.05.2017 r. Pojęcia wstępne u - funkcja użyteczności u : R R, u - ciągła, ściśle

Bardziej szczegółowo

1 Ciągłe operatory liniowe

1 Ciągłe operatory liniowe 1 Ciągłe operatory liniowe Załóżmy, że E, F są przestrzeniami unormowanymi. Definicja 1.1. Operator liniowy T : E F nazywamy ograniczonym, jeżeli zbiór T (B) F jest ograniczony dla dowolnego zbioru ograniczonego

Bardziej szczegółowo

Wstęp do analitycznych i numerycznych metod wyceny opcji

Wstęp do analitycznych i numerycznych metod wyceny opcji Wstęp do analitycznych i numerycznych metod wyceny opcji Jan Palczewski Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 16 maja 2008 Jan Palczewski Wycena opcji Warszawa, 2008

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości

Bardziej szczegółowo

Matematyka finansowa w pakiecie Matlab

Matematyka finansowa w pakiecie Matlab Matematyka finansowa w pakiecie Matlab Wykład 5. Wycena opcji modele dyskretne Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK Kurs letni dla studentów studiów zamawianych na kierunku Matematyka

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach

Bardziej szczegółowo

Numeryczne aproksymacje prawdopodobieństwa ruiny

Numeryczne aproksymacje prawdopodobieństwa ruiny Numeryczne aproksymacje prawdopodobieństwa ruiny Krzysztof Burnecki Aleksander Weron Centrum Metod Stochastycznych im. Hugona Steinhausa Instytut Matematyki i Informatyki Politechnika Wrocławska www.im.pwr.wroc.pl/

Bardziej szczegółowo

Pochodna funkcji c.d.-wykład 5 ( ) Funkcja logistyczna

Pochodna funkcji c.d.-wykład 5 ( ) Funkcja logistyczna Pochodna funkcji c.d.-wykład 5 (5.11.07) Funkcja logistyczna Rozważmy funkcję logistyczną y = f 0 (t) = 40 1+5e 0,5t Funkcja f może być wykorzystana np. do modelowania wzrostu masy ziaren kukurydzy (zmienna

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy. XXXII Egzamin dla Aktuariuszy z 7 czerwca 2004 r. Część I. Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy. XXXII Egzamin dla Aktuariuszy z 7 czerwca 2004 r. Część I. Matematyka finansowa Komisja Egzaminacyjna dla Aktuariuszy XXXII Egzamin dla Aktuariuszy z 7 czerwca 2004 r. Część I Matematyka finansowa Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut 1 1. Trzy osoby biorą

Bardziej szczegółowo

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga RAP 412 21.01.2009 Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga Wykładowca: Andrzej Ruciński Pisarz: Łukasz Waszak 1 Wstęp Na ostatnim wykładzie przedstawiliśmy twierdzenie o zbieżności

Bardziej szczegółowo

Teoria opcji 2015/2016

Teoria opcji 2015/2016 Teoria opcji 2015/2016 nazwa przedmiotu SYLABUS B. Informacje szczegółowe Elementy składowe Opis sylabusu Nazwa przedmiotu Teoria opcji Kod przedmiotu 0600-FS2-2TO Nazwa jednostki Wydział Matematyki i

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Opcje - wprowadzenie. Mała powtórka: instrumenty liniowe. Anna Chmielewska, SGH,

Opcje - wprowadzenie. Mała powtórka: instrumenty liniowe. Anna Chmielewska, SGH, Opcje - wprowadzenie Mała powtórka: instrumenty liniowe Punkt odniesienia dla rozliczania transakcji terminowej forward: ustalony wcześniej kurs terminowy. W dniu rozliczenia transakcji terminowej forward:

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.3 Rozkłady warunkowe i warunkowa wartość oczekiwana Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Prawdopodobieństwo wyraża postawę

Bardziej szczegółowo

Całki podwójne. Definicja całki podwójnej. Jacek Kłopotowski. 25 maja Katedra Matematyki i Ekonomii Matematycznej

Całki podwójne. Definicja całki podwójnej. Jacek Kłopotowski. 25 maja Katedra Matematyki i Ekonomii Matematycznej Definicja całki podwójnej Katedra Matematyki i Ekonomii Matematycznej 25 maja 2016 Definicja całki podwójnej Załóżmy, że f : K R, gdzie K = a, b c, d R 2, jest funkcją ograniczoną. Niech x 0, x 1,...,

Bardziej szczegółowo

Układy równań liniowych, macierze, Google

Układy równań liniowych, macierze, Google Układ równań linowych { x+2y = 6, 3x y = 4 (0) Spotkania z Matematyka Układy równań liniowych, macierze, Google Aleksander Denisiuk denisjuk@matman.uwm.edu.pl Uniwersytet Warmińsko-Mazurski w Olsztynie

Bardziej szczegółowo

020 Liczby rzeczywiste

020 Liczby rzeczywiste 020 Liczby rzeczywiste N = {1,2,3,...} Z = { 0,1, 1,2, 2,...} m Q = { : m, n Z, n 0} n Operacje liczbowe Zbiór Dodawanie Odejmowanie Mnożenie Dzielenie N Z Q Pytanie Dlaczego zbiór liczb wymiernych nie

Bardziej szczegółowo

Opcje koszykowe a lokaty strukturyzowane - wycena

Opcje koszykowe a lokaty strukturyzowane - wycena Opcje koszykowe a lokaty strukturyzowane - wycena Basket options and structured deposits - pricing Janusz Gajda Promotor: dr hab. inz. Rafał Weron Politechnika Wrocławska Plan prezentacji Cel pracy Wprowadzenie

Bardziej szczegółowo

Współczynniki Greckie

Współczynniki Greckie Wojciech Antniak 05.0.008r. Wstęp Współczynniki greckie określają ryzyko opcji europejskiej na zmiany rynku. ażdy z nich określa w jaki sposób wpłynie zmiana jakiegoś czynnika na cenę akcji. W dalszej

Bardziej szczegółowo

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie METODY ESTYMACJI PUNKTOWEJ X 1,..., X n - próbka z rozkładu P θ, θ Θ, θ jest nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie P θ. Definicja. Estymatorem

Bardziej szczegółowo

Zagadnienia brzegowe dla równań eliptycznych

Zagadnienia brzegowe dla równań eliptycznych Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta

Bardziej szczegółowo

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista. Literatura P. Billingsley, Miara i prawdopodobieństwo, PWN, Warszawa 1997, P. R. Halmos, Measure theory, Springer-Verlag, 1994, W, Kołodziej, naliza matematyczna, PWN, Warszawa 1978, S. Łojasiewicz, Wstęp

Bardziej szczegółowo

Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym

Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym Ćwiczenia ZPI 1 Współczynniki greckie Odpowiadają na pytanie o ile zmieni się wartość opcji w wyniku: Współczynnik Delta (Δ) - zmiany wartości instrumentu bazowego Współczynnik Theta (Θ) - upływu czasu

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2015 Biomatematyka

EGZAMIN MAGISTERSKI, czerwiec 2015 Biomatematyka Biomatematyka Rozpatrzmy chorobę, która rozprzestrzenia się za pośrednictwem nosicieli, u których nie występują jej symptomy. Niech C(t) oznacza liczbę nosicieli w chwili t. Zakładamy, że nosiciele są

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną

Bardziej szczegółowo

Porównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej

Porównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej Porównanie modeli logicznej regresji z klasycznymi modelami regresji liniowej i logistycznej Instytut Matematyczny, Uniwersytet Wrocławski Małgorzata Bogdan Instytut Matematyki i Informatyki, Politechnika

Bardziej szczegółowo

Na podstawie dokonanych obserwacji:

Na podstawie dokonanych obserwacji: PODSTAWOWE PROBLEMY STATYSTYKI MATEMATYCZNEJ Niech mamy próbkę X 1,..., X n oraz przestrzeń prób X n, i niech {X i } to niezależne zmienne losowe o tym samym rozkładzie P θ P. Na podstawie obserwacji chcemy

Bardziej szczegółowo

Inżynieria Finansowa: 8. Model Blacka-Scholesa

Inżynieria Finansowa: 8. Model Blacka-Scholesa Inżynieria Finansowa: 8. Model Blacka-Scholesa Piotr Bańbuła Katedra Ekonomii Ilościowej, KAE Maj 7 r. Warszawa, Szkoła Główna Handlowa Historia opcji Pierwsze użycie: Tales z Miletu Przełomowy model cen:

Bardziej szczegółowo

Spis wszystkich symboli

Spis wszystkich symboli 1 Spis wszystkich symboli Symbole podstawowe - pojedyncze znaki, alfabet grecki α β γ Γ δ ξ η ε ϕ ν ρ τ θ Θ ψ Ψ φ Φ Ω Υ Σ -alfa -beta - gamma - gamma (duże) - delta (małe) - delta (duże) -ksi -eta - epsilon

Bardziej szczegółowo

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXXIII Egzamin dla Aktuariuszy z 7 marca 2016 r. Część I

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXXIII Egzamin dla Aktuariuszy z 7 marca 2016 r. Część I Komisja Egzaminacyjna dla Aktuariuszy LXXIII Egzamin dla Aktuariuszy z 7 marca 2016 r. Część I Matematyka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut 1 1.

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. Niech x 0 R i niech f będzie funkcją określoną przynajmniej na

Bardziej szczegółowo

Rachunek całkowy funkcji wielu zmiennych

Rachunek całkowy funkcji wielu zmiennych Rachunek całkowy funkcji wielu zmiennych Całki potrójne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki olitechnika Białostocka 1

Bardziej szczegółowo

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory; Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia

Bardziej szczegółowo

ϕ(t k ; p) dla pewnego cigu t k }.

ϕ(t k ; p) dla pewnego cigu t k }. VI. Trajektorie okresowe i zbiory graniczne. 1. Zbiory graniczne. Rozważamy równanie (1.1) x = f(x) z funkcją f : R n R n określoną na całej przestrzeni R n. Będziemy zakładać, że funkcja f spełnia założenia,

Bardziej szczegółowo

Wykłady specjalistyczne. (specjalność: Matematyka w finansach i ekonomii) oferowane na stacjonarnych studiach I stopnia (dla 3 roku)

Wykłady specjalistyczne. (specjalność: Matematyka w finansach i ekonomii) oferowane na stacjonarnych studiach I stopnia (dla 3 roku) Wykłady specjalistyczne (specjalność: Matematyka w finansach i ekonomii) oferowane na stacjonarnych studiach I stopnia (dla 3 roku) w roku akademickim 2015/2016 (semestr zimowy) Spis treści 1. MODELE SKOŃCZONYCH

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

5. Równania różniczkowe zwyczajne pierwszego rzędu

5. Równania różniczkowe zwyczajne pierwszego rzędu 5. Równania różniczkowe zwyczajne pierwszego rzędu 5.1. Wstęp. Definicja 5.1. Niech V R 3 będzie obszarem oraz F : V R. Równaniem różniczkowym zwyczajnym rzędu pierwszego nazywamy równanie postaci Równanie

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=

Bardziej szczegółowo

Czy opcje walutowe mogą być toksyczne?

Czy opcje walutowe mogą być toksyczne? Katedra Matematyki Finansowej Wydział Matematyki Stosowanej AGH 11 maja 2012 Kurs walutowy Kurs walutowy cena danej waluty wyrażona w innej walucie np. 1 USD = 3,21 PLN; USD/PLN = 3,21 Rodzaje kursów walutowych:

Bardziej szczegółowo

Elektrodynamika. Część 9. Potencjały i pola źródeł zmiennych w czasie. Ryszard Tanaś

Elektrodynamika. Część 9. Potencjały i pola źródeł zmiennych w czasie. Ryszard Tanaś Elektrodynamika Część 9 Potencjały i pola źródeł zmiennych w czasie Ryszard Tanaś Zakład Optyki Nieliniowej, UAM http://zon8.physd.amu.edu.pl/~tanas Spis treści 10 Potencjały i pola źródeł zmiennych w

Bardziej szczegółowo

Pojęcie przestrzeni probabilistycznej

Pojęcie przestrzeni probabilistycznej Pojęcie przestrzeni probabilistycznej Definicja (przestrzeni probabilistycznej) Uporządkowany układ < Ω, S, P> nazywamy przestrzenią probabilistyczną jeśli (Ω) Ω jest niepustym zbiorem zwanym przestrzenia

Bardziej szczegółowo

Artykuł przedstawia w zarysie problematykę inŝynierii finansowej, wyjaśniając podstawowe pojęcia, takie jak:

Artykuł przedstawia w zarysie problematykę inŝynierii finansowej, wyjaśniając podstawowe pojęcia, takie jak: InŜynieria finansowa Prof. Leszek S. Zaremba Autor jest wykładowcą w POU WyŜsza Szkoła Zarządzania / Polish Open University wprowadza do programu nauczania wykład poświęcony inŝynierii finansowej, przeznaczony

Bardziej szczegółowo

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU cz. II: CDS y - swapy kredytowe

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU cz. II: CDS y - swapy kredytowe Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA FUNKCJI HAZARDU cz. II: CDS y - swapy kredytowe Mariusz Niewęgłowski Wydział Matematyki i Nauk Informacyjnych, Politechniki Warszawskiej Warszawa 2014

Bardziej szczegółowo

Model Blacka-Scholesa

Model Blacka-Scholesa WYCENA OPCJI EUROPEJSKIEJ I AMERYKAŃSKIEJ W MODELACH DWUMIANOWYCH I TRÓJMIANOWYCH COXA-ROSSA-RUBINSTEINA I JARROWA-RUDDA Joanna Karska W modelach dyskretnych wyceny opcji losowość wyrażana jest poprzez

Bardziej szczegółowo

Różniczkowalna zależność rozwiązania od warunków początkowych i parametrów

Różniczkowalna zależność rozwiązania od warunków początkowych i parametrów Różniczkowalna zależność 1 Różniczkowalna zależność rozwiązania od warunków początkowych i parametrów Rozważmy zagadnienie początkowe x =f(t,x,p) (1) x()=ξ. Funkcjafjestokreślonanazbiorze(a,b) R S,gdzieRjestwnętrzem

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład I: Formalizm teorii prawdopodonieństwa 6 października 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Dostępność treści wykładów 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin dwuczęściowy:

Bardziej szczegółowo

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład

Bardziej szczegółowo

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas: ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań

Bardziej szczegółowo

1 Przestrzeń liniowa. α 1 x α k x k = 0

1 Przestrzeń liniowa. α 1 x α k x k = 0 Z43: Algebra liniowa Zagadnienie: przekształcenie liniowe, macierze, wyznaczniki Zadanie: przekształcenie liniowe, jądro i obraz, interpretacja geometryczna. Przestrzeń liniowa Już w starożytności człowiek

Bardziej szczegółowo

4,5. Dyskretne zmienne losowe (17.03; 31.03)

4,5. Dyskretne zmienne losowe (17.03; 31.03) 4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie

Bardziej szczegółowo

Wartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych

Wartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych Przykład(Wartość średnia) Otrzymaliśmy propozycję udziału w grze polegającej na jednokrotnym rzucie symetryczną kostką. Jeśli wypadnie 1 wygrywamy2zł,;jeśliwypadnie2,płacimy1zł;za3wygrywamy 4zł;za4płacimy5zł;za5wygrywamy3złiwreszcieza6

Bardziej szczegółowo

Matematyka finansowa 13.12.2010 r. Komisja Egzaminacyjna dla Aktuariuszy. LV Egzamin dla Aktuariuszy z 13 grudnia 2010 r. Część I

Matematyka finansowa 13.12.2010 r. Komisja Egzaminacyjna dla Aktuariuszy. LV Egzamin dla Aktuariuszy z 13 grudnia 2010 r. Część I Komisja Egzaminacyjna dla Aktuariuszy LV Egzamin dla Aktuariuszy z 13 grudnia 2010 r. Część I Matematyka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut 1 1. Pan

Bardziej szczegółowo

Procesy Stochastyczne - Zestaw 1

Procesy Stochastyczne - Zestaw 1 Procesy Stochastyczne - Zestaw 1 Zadanie 1 Niech ξ i η bed a niezależnymi zmiennymi losowymi o rozk ladach N (0, 1). Niech X = ξ +η i Y = ξ η. Znaleźć rozk lad (X, Y ) i rozk lad warunkowy L X ( Y ). Zadanie

Bardziej szczegółowo

Całki krzywoliniowe. SNM - Elementy analizy wektorowej - 1

Całki krzywoliniowe. SNM - Elementy analizy wektorowej - 1 SNM - Elementy analizy wektorowej - 1 Całki krzywoliniowe Definicja (funkcja wektorowa jednej zmiennej) Funkcją wektorową jednej zmiennej nazywamy odwzorowanie r : I R 3, gdzie I oznacza przedział na prostej,

Bardziej szczegółowo

Uogolnione modele liniowe

Uogolnione modele liniowe Uogolnione modele liniowe Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Uogolnione modele liniowe grudzien 2013 1 / 17 (generalized linear model - glm) Zakładamy,

Bardziej szczegółowo

Dobija M., Smaga E.; Podstawy matematyki finansowej i ubezpieczeniowej, PWN Warszawa- -Kraków 1995.

Dobija M., Smaga E.; Podstawy matematyki finansowej i ubezpieczeniowej, PWN Warszawa- -Kraków 1995. Bibliografia Dobija M., Smaga E.; Podstawy matematyki finansowej i ubezpieczeniowej, PWN Warszawa- -Kraków 1995. Elton E.J., Gruber M.J., Nowoczesna teoria portfelowa i analiza papierów wartościowych,

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek Prawdopodobieństwa i Statystyka Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne

Bardziej szczegółowo