Modele z czasem dyskretnym

Transkrypt

1 Rozdziaª 1 Modele z czasem dyskretnym 1.1. Wprowadzenie- rynki dyskretne Dynamika aktywu bazowego i warunki pozyskania pieni dza-opis probabilistyczny Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21. Zaªó»my,»e ceny akcji po trzech miesi cach T = 3/12 wyznacza zmienna losowa S T, która przyjmuje dwie warto±ci: S d = 18 i S u = 22. Zatem analitycy przewiduj,»e albo nast pi wzrost ceny o 5% (realny wzrost czyli S u e /12 > S 0 albo nastapi spadek(realny) ceny o 15% z pewnym prawdopodobie«stwem P (miara). Zatem nasze Ω jest zªo»one z dwóch scenariuszy Ω = {ω 1, ω 2 }. Zakªadamy,»e na ten okres roczna stopa procentowa (kredytu i depozytu) dla kapitalizacji ci gªej r = 12%. Instrumenty nansowe zob. Hull [1] Opcja call to instrument nansowy, który pozwala jego nabywcy kupi akcj za okre±lon cen np. K = 21, zwan cen wykonania. Zazwyczaj dochodzi do rozliczenia opcji. Wystawca opcji musi nabywcy opcji wypªaci kwot o prolu wypªaty dla opcji call równym (S T K) + = { ST K = = 1 o ile S u = 22 0 o ile S d = 18 (1.1) W ogólno±ci rozwa»a si wypªat losow f = { fu o ile S u f d o ile S d (1.2) Miara martyngaªowa i wycena opcji call Miara martyngaªowa Q, to miara równowa»na mierze P oraz E Q S T e rt = S 0. Wiadomo,»e cena europejskiej opcji call jest równa C = EQ [(S T K) + ] e rt. Dla losowego instrumentu f C(f) = EQ [f] e rt.

2 2 Miara Q jest miar martyngaªow jednoznacznie wyznaczon z równa«{ E Q [S T ] e rt = 22q 1 e 0,12 3/ q 2 e 0,12 3/12 = 21 = S 0, q 1 + q 2 = 1 (1.3) St d q 1 = 0, 9099 za± q 2 = 0, 0901 za± cena opcji call C = 0, zabezpieczenie (hedging) dla opcji binarnych Wystawca opcji call (czy ogólnie losowego instrumentu o prolu wypªaty f) dostaje zatem kwot C = 0, 883 (C(f)) + mar»a. Kwota C musi wystarczy do zabezpieczenia jego pozycji. Wystawca opcji MUSI kupi akcji = f u f d S u S d = 1 4. Potrzebuje zatem 21 = Poniewa» otrzymaª C = 0, 881 na rynku pieni»nym po»ycza , 881 = 4, 367. Jego portfel skªada si z: 1 short call, long akcji i po»yczki 4, 367. Zauwa»my,»e warto± portfela 1 short call, long akcji po trzech miesi cach jest staªa i równa kwocie nale»no±ci wymagalnej przez po»yczkodawc 4, 367 e 0,12 3/12 = 4, 5 gdy» f u + S u = f d + S d = 4, 5. Pieni dze te ±ci gamy z rynku akcji i oddajemy. Zrobili±my doskonaªe zabezpieczenie. Rynek z dynamik cen w dwóch etapach Rozwa»amy dynamik zmian ceny akcji w dwóch etapach. W pierwszym nast puje wzrost (realny) S u i spadek do S d w chwili T 1 = 3/12 z pewnym prawdopodobie«stwem P. Zmienna losow oznaczmy przez S 1 Nastepnie od ka»dej z tych mo»liwo±ci nastepuje taki sam scenariusz w chwili T 2 = 6/12, czyli np. od ceny S d obserwujemy wzrost do S dd i spadek do S du. Zmienna losow oznaczmy przez S 2. Roczna stopa procentowa dla kapitalizacji ci gªej wynosi r = 12% i jest staªa (równiez w przyszªo±ci). Nasze Ω jest zªo»one z czterech scenariuszy Ω = {ω 1, ω 2, ω 3, ω 4 }, Konkretnie niech scenariusz ω 1 to dynamika w czasie od S 0 do S dd, scenariusz ω 2 to dynamika od S 0 do S du itd. Aby modelowa zmiany informacji w czasie wprowadzamy ltracj czyli σ-ciaªa F 1 = σ{{ω 1, ω 2 }, {ω 3, ω 4 }} za± Wprowadzamy jeszcze σ ciaªo trywialne F 2 = σ{{ω 1 }, {ω 2 }, {ω 3 }, {ω 4 }} F 0 = {, Ω} + "zbiory miary zero" Wówczas S 1 jest F 1 mierzalne za± S 2 jest F 2 mierzalne co oznacza,»e mamy proces adaptowany do ltracji. Miara martyngaªowa i wycena isntrumentów nansowych Miara martyngaªowa Q, to miara równowa»na mierze P dla której dynamika zdyskontowanej ceny akcji jest Q-martyngaªem czyli [ ] E Q S2 e F rt2 1 = S 1 e rt1

3 3 oraz E Q [S 1 F 0 ] = E Q S 1 e rt1 e = S 0. rt1 Wiadomo,»e cena europejskiej opcji call jest równa Dla losowego instrumentu f = f(s 2 ) C = EQ [(S 2 K) + ] e rt2. C(f) = EQ [f] e rt2. Warunkowe warto±ci oczekiwane Przypomnienie przykªady. Zob. [3] Twierdzenie 1.1 Niech (Ω, F, P ) zupeªna, czyli F zawiera zbiory miary zero. Je±li U : L 2 (Ω) L 2 (Ω) jest rzutem ortogonalnym (M = U(L 2 (Ω)) jest domkni t podrzestrzeni L 2 (Ω)) oraz U(1) = 1 i je±li X 0 to U(X) 0, to istnieje pod-σ ciaªo B F takie,»e U(X) = E P [X B] oraz M = L 2 (Ω, B). Denicja 1.1 Niech X L 1 (Ω, F, P ) oraz B F pod-σ ciaªo. Wówczas istnieje zmienna losowa caªkowalna E[X B] taka,»e dla ka»dego B B E P [X B]dP = XdP. (1.4) B Warunek (1.4) mo»emy zapisa w sposób równowa»ny dla ka»dej ograniczonej zmiennej losowej Y B Y E P [X B]dP = Y XdP. (1.5) Ω Z równania (1.5) wynika,»e prawdziwe jest te» twierdzenie odwrotne Twierdzenie 1.2 Niech (Ω, F, P ) zupeªna. Je±li dane jest pod-σ ciaªo B F (zupeªne), to U(X) = E P [X B]. deniuje rzut ortogonalny U : L 2 (Ω, F) L 2 (Ω, B) L 2 (Ω, F). Wystarczy pokaza,»e U 2 = U U = U oraz dla dowolnych zmiennych losowych ograniczonych X, Y U(X)Y dp = U(X)U(Y )dp. Ω Ω B Ω

4 Podstawowe poj cia Denicja 1.2 Niech (Ω, F, P ) przestrze«probabilistyczna z ltracj (F n ) n T, gdzie F j jest σ ciaªem oraz F 0 F 1 F 2... F F 0 = {, Ω} + "zbiory miary zero". Inaczej mówi c miara P jest zupeªna. Przez rynek (B, S) rozumiemy wektor zªo»ony z d-procesów cen akcji adaptowanych do ltracji S = (S 1,..., S d ) S n = (S 1 n,..., S d n) tak,»e dla ka»dego i = 1,..., d oraz n T, S i n > 0 S i = (S i n F n ) n T. Przez T rozumiemy choryzont czasowy. Rozwa»amy dwa przypadki albo T = {0, 1,..., N} T = {0, 1,...}. Ponadto dany jest proces warto±ci pieni dza (B n ) n T. Zakªadamy,»e B 0 = 1 oraz proces jest prognozowalny czyli B n F n 1, n 1. Zauwa»my,»e proces (B n ) n T generuje proces prognozowalny stóp procentowych r n F n 1, n 1 stopy procentowe dla kapitalizacji ci gªej dla okresu czasu od chwili n 1 do chwili n B n+1 = B n e rn+1, n 0. Zwykle zakªadamy,»e proces warto±ci pieni dza ro±nie. Denicja 1.3 (Portfel inwestycyjny, Strategia (inwestycyjna)) Niech dany jest rynek (B, S). Przez strategi rozumiemy dwa procesy prognozowalne π = (β, γ), gdzie γ = (γ 1 n,..., γ d n) n 1. Oznaczaj one ilo± pieni dza w portfelu oraz ilo± akcji. Przyjmuj one dowolne warto±ci. Warto±ci ujemne oznaczaj pozycje krótkie, czyli dla β < 0 kredyt dla γ i n < 0 oznacza,»e w chwili n podj to decyzj o krótkiej sprzeda»y ilo±ci γ i n i-tek akcji. Denicja 1.4 (Warto± portfela) Niech dany jest rynek (B, S). Niech dany jest rynek. Dla strategii π warto± porfela w chwili n jest procesem oznaczonym przez X π n i równym dla n 1 X π n = β n B n + d γns i n i = β n B n + γ S n. i=1 W chwili n = 0 dysponujemy na pocz tek gotówk X π 0.

5 5 Denicja 1.5 (Strategia samonansuj ca ) Niech dany jest rynek (B, S). Strateigia π jest samonansuj ca je±li n Xn π = X0 π + (β k B k + γ k S k ), k=1 gdzie B k = B k B k 1 oraz S k = ( S 1 k,..., Sd k ), Si k = Si k Si k 1. Twierdzenie 1.3 Niech dany jest rynek (B, S). Strategia π jest samonansuj ca wtedy i tylko wtedy gdy dla ka»dego n 2 B n 1 β n + S n 1 γ n = 0. Uzasadnienie: Skorzysta z formuªy dla ci gów Wówczas (a n b n ) = a n b n + b n 1 a n. X π n = (β n B n ) + (γ n S n ). Domykamy horyzont czasowy.niech T = T {+ }. Denicja 1.6 (Czas zatrzymania, czas Markowa, Shiryaev ) Niech (Ω, F, P ) przestrze«probabilistyczna z ltracj (F n ) n T. Uogólniona zmienna losowa jest czasem stopu je±li dla ka»dego n T Czas stopu jest sko«czony je±li τ : Ω T {τ = n} F n. P ({τ = + }) = 0. Zadanie: Poni»sze obiekty przeanalizowa na rynku akcji cen w N- etapach zob. Rozdziaª Je±li τ i s s czasami stopu, to τ + s, min{τ, s} = τ s oarz max{τ, s} = τ s s czasami stopu. zauwa»my,»e ró»nica czasów stopu zwykle wymaga informacji o przyszªo±ci. 2. τ jest czasem stopu wtedy i tylko wtedy gdy dla ka»dego n T 3. Niech {τ n} F n. F τ = {A F : n T A {τ n} F n }. Wówcas F τ jest pod σ ciaªem F. 4. Niech (X n, F n ) n T b dzie procesem adaptowalnym i τ sko«czonym czasem zatrzymania. Wówczas zmienna losowa X τ : Ω R jest F τ mierzalna. warto±ci X τ obliczamy wg. wzoru dla ω takich,»e τ(ω) = n mamy X τ (ω) = X n (ω). 5. F τ = σ{x τ : (X n, F n ) n T dowolny adaptowany proces}.

6 6 Denicja 1.7 (Martyngaª ) Niech (X n, F n ) n T b dzie procesem adaptowalnym. Wówczas (X n, F n ) n T jest martyngaªem je±li 1. dla ka»dego n T X n L 1 (P ) czyli E X n < 2. E[X n F n 1 ] = X n 1, n 1, n T. Denicja 1.8 (Ró»nica martyngaªowa ) Niech (X n, F n ) n T b dzie procesem adaptowalnym. Wówczas (X n, F n ) n T jest ró»nic martyngaªow je±li 1. dla ka»dego n T X n L 1 (P ) czyli E X n < 2. E[X n F n 1 ] = 0, n 1, n T. Lemat 1.4 Niech (X n, F n ) n T b dzie martyngaªem. Wowczas proces dla n 1 Y n = X n X n 1, jest ró»nica martyngaªow. Lemat 1.5 Je±li Y n n 1 jest ró»nic martyngaªow i X o F 0 to proces jest martyngaªem. X n = X 0 + Y Y n Denicja 1.9 (Lokalny martyngaª ) Niech (X n, F n ) n T b dzie procesem adaptowalnym. Proces (X n, F n ) n T jest lokalnym martyngaªem je±li istnieje rosn cy ci g czasów stopu (τ k ) k T, czyli τ k τ k+1 oraz τ k + p.prawie wsz dzie taki,»e dla ka»dego k proces zatrzymany jest martyngaªem. X τ k = (X τk n, F n ) Zauwa»my,»e zgodnie z zadaniem 1-5 zmienne losowe (X τk n s adaptowane do ltracji F n zatem denicja jest poprawna. Niech X zmienna losowa. Mo»na j rozªo»y jednoznacznie (czyli z dokªadno±ci do zbioru miary zero (p. prawie wsz dzie)) na dwie zmienne losowe nieujemne X +, X, X = X + X. Denicja 1.10 (Uogólniona warto± oczekiwana ) 1. Niech X zmienna losowa nieujemna. To z twierdzenia Radona Nikodyma istnieje taka funkcja E[X B] B,»e dla dowolnejgo zbioru B B XdP = E[X B]. B Mo»emy rownowa»nie zdeniowa E[X B] korzystaj c z wersji twierdzenie Lebesgue'a o zbie»no±ci monotonicznej dla warunkowych warto±ci oczekiwanych, np. E[X B] := lim E[X k B]. k B

7 7 Zbie»no± jest p.prwie wsz dzie. Z twierdzenia Lebesgue'a o zbie»no±ci monotonicznej wynika,»e defnicja nie zale»y od ci gu funkcji zbie»nych do X. 2. Niech X zmienna losowa i niech X = X + X.. Niech B pod σ ciaªo F. Zakªadaj c,»e E[X + B] i E[X B] nie s jednocze±nie równe niesko«czono± E[X B] = E[X + B] E[X B]. Przykªad istnienia uogólnionej warto±ci oczekiwanej. Niech Ω = R z miar gausowska unormowan. Niech X(x) = e x2. Ta funkcja nie jest caªowalna. Niemniej istnieje warunkowa warto± oczekiwana ( i jest ona sko«czona) dla pod σ ciaªa generowanego przez zbiory [k, k + 1], k Z. Wªasno±ci uogónionej warto±ci oczekowanej s podobne do warto±ci oczekowanej niemniej potrzeba pewnej ostro»no±ci. np. Lemat 1.6 Niech X 0 i 0 f c zmienne losowe oraz f B Wówczas ale tylko na zbiorze {f > 0}. E[fX B] = fe[x B] Problem polega na tym,»e na zbiorze {f = 0} mo»e by symbol nieokre±lony po prawej stronie równania. Denicja 1.11 (Uogólniony martyngaª ) Niech (X n, F n ) n T b dzie procesem adaptowalnym. Proces (X n, F n ) n T jest uogólnionym martyngaªem je±li E[ X n F n 1 ] = E[X + n F n 1 ] + E[X n F n 1 ] < p. prawie wsz dzie oraz E[X n F n 1 ] = X n 1, n 1. Denicja 1.12 (Transformata martyngaªowa ) Niech (X n, F n ) n T b dzie procesem adaptowalnym. Proces (X n, F n ) n T jest transformat martyngaªow je±li stni procesy prognozowalny (Y n, F n ) n T oraz martyngaª (M n, F n ) n T tak,»e n X n = M 0 + Y j M j. j=1 Lemat 1.7 Je±li proces (X n, F n ) n T jest transformat martyngaªow tak,»e procesy Y j s ograniczone, to X n jest martyngaªem. Twierdzenie 1.8 Niech (Ω, F, P ) przestrze«probabilistyczna z ltracj (F n ) n 1. Niech (X n ) n T proces adaptowany. Wówczas nast puj ce warunki s równowa»ne 1.(X n ) n T jest lokalnym martyngaªem 2.(X n ) n T jest uogólnionym martyngaªem 3. (X n ) n T jest transformat martyngaªow

8 8 Dowód. (iii) (i). Niech (X n ) n T b dzie transformat martyngaªow, czyli istniej procesy prognozowalny (Y n, F n ) n 1 oraz martyngaª (M n, F n ) n T tak,»e n X n = M 0 + Y j M j. j=1 Defninjujemy zmienn losow zatrzymuj c proces (Y n, F n ) n T τ j = inf{n 1 : Y n > j}. na poziomie j, czyli Wówczas τ j jest czasem stopu. Ponadto τ j τ j+1 oraz τ dla j. W przypadku sko«czonej perspektywy czasowej τ j = dla j j(ω). Deniujemy nowy proces zatrzymany τ j n Xn τj = X n τj = X 0 + Y k M k == X 0 + k=1 n Y k χ {k τj} M k, gdzie χ A jest funkcj charakterystyczn zbioru A. Zauwaz»my,»e proces {Y k χ {k τj}} jest procesem prognozowalnym i ograniczonym. Z lematu 1.7 proces {Xn τj } jest martyngaªem. Denicja 1.13 (Arbitra») Niech T = {0, 1,..., N}. Mówimy,»e rynek (B, S) dopuszcza arbitra» je±li istnieje strategia samonansuj ca π taka,»e oraz X π 0 = 0, n T X π n 0 P ({X π N > 0}) > 0. Uwaga. Inwestycja π dla której zachodzi nazywa si dopuszczalna. n T X π n 0 k=1 Denicja 1.14 (Rynek zdyskontowany) Rynek ( B, S), gdzie nazywamy rynkiem zdyskontowanym. B := 1, S := S B Wszytkie podstawowe poj cia maj swoje analogiczne rozwini cia na rynku zdyskontowanym. Dlatego b dziemy posªugowa si rynkiem zdyskontowanym czyli takim dla którego r n = 1. Twierdzenie 1.9 (Podstawowe twierdzenie wyceny) Lemat 1.10 (Transformata Eshera) Denicja 1.15 (Cena kupuj cego i sprzedaj cego) Lemat 1.11 (Opcjonalny rozkªad nadmartyngaªu) Twierdzenie 1.12 (Reprezentacja ceny kupuj cego i sprzedaj cego)

9 Rozdziaª 2 Modele z czasem ci gªym Proces Wienera Zbie»no±c spaceru losowego na procesu Wienera Konstrukcja procesu Wienera za pomoca bazy Haara Wektor gausowski i konstrukcja wielowymiarowego procesu gausowskiego o staªej korelacji Ilustracja twierdzenia o iterowanym logarytmie dla proecsu Wienera Funkcjonaª max dla trajektorii procesu Wienera i jego rozkªad. Zasada odbicia Czasy stopu i ich wªasno±ci. Opcje europejskie, ameryka«skie, barierowe, opcje lookback

10 Literatura [1] John C. Hull, Options, Futures, and Other Derivatives Pearson Prentice Hall 7th edition [2] J. Jakubowski, A. Palczewski, M. Rutkowski, Š. Stettner Matematyka nansowa WNT [3] Jacques Neveu, Discrete-parameter martingales. North-Holland, Amsterdam; American Elsevier, New York, 1975