Rynek, opcje i równania SDE

Podobne dokumenty
Teoria opcji 2018/19. Instytut Matematyki Uniwersytet Gdański. (IM UG) Teoria opcji 1 / 49

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Prawdopodobieństwo i statystyka

Procesy stochastyczne 2.

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia

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

Procesy stochastyczne

Podstawy robotyki. Wykład II. Robert Muszyński Janusz Jakubiak Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska

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

EGZAMIN MAGISTERSKI, Biomatematyka

Stochastyczne równania różniczkowe, studia II stopnia

Stochastyczne równania różniczkowe, model Blacka-Scholesa

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

Procesy stochastyczne

Prawdopodobieństwo i statystyka

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Akwizycja i przetwarzanie sygnałów cyfrowych

5 Równania różniczkowe zwyczajne rzędu drugiego

Zadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe

Wycena papierów wartościowych - instrumenty pochodne

Rozkłady prawdopodobieństwa

Reprezentacja martyngałowa względem addytywnych procesów Markowa-Itô

Rozdziaª 9: Wycena opcji

Prawdopodobieństwo i statystyka

Informacja o przestrzeniach Sobolewa

Zmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Równania różniczkowe liniowe rzędu pierwszego

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

Wykład 3 Równania rózniczkowe cd

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej

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

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

Teoria ze Wstępu do analizy stochastycznej

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

Ubezpieczenia majątkowe

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

}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0,

Komisja Egzaminacyjna dla Aktuariuszy. XLIV Egzamin dla Aktuariuszy z 3 grudnia 2007 r. Część I. Matematyka finansowa

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Statystyka i eksploracja danych

Informacja o przestrzeniach Hilberta

1 Relacje i odwzorowania

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

Optymalne portfele inwestycyjne

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Analiza funkcjonalna 1.

Prawdopodobieństwo i statystyka

ODWZOROWANIA JEDNO- I WIELOWARTOŚCIOWE. PODOBIEŃSTWA, RÓŻNICE I PROBLEMY Z TEGO WYNIKAJĄCE.

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

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. L Egzamin dla Aktuariuszy z 5 października 2009 r.

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku

EGZAMIN MAGISTERSKI, Biomatematyka

Prawdopodobieństwo i statystyka

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

Statystyka i eksploracja danych

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Dyskretne procesy stacjonarne o nieskończonej entropii nadwyżkowej

Rozdział 3. Tensory. 3.1 Krzywoliniowe układy współrzędnych

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów

Teoria opcji SYLABUS

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

Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/

Rachunek prawdopodobieństwa i statystyka

Statystyka i eksploracja danych

8 Całka stochastyczna względem semimartyngałów

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

Zadania z Rachunku Prawdopodobieństwa III - 1

Nieregularne ścieżki - między determinizmem a losowością

Układy równań i równania wyższych rzędów

Wstęp do analitycznych i numerycznych metod wyceny opcji

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

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

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Metoda najmniejszych kwadratów

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska

1 Równania różniczkowe zwyczajne

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Inżynieria Finansowa: 9. Wartość opcji i model Blacka-Scholesa w praktyce

Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Szkice do zajęć z Przedmiotu Wyrównawczego

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Wycena egzotycznego instrumentu pochodnego stopy procentowej

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

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

5.6 Klasyczne wersje Twierdzenia Stokes a

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

Komputerowa analiza danych doświadczalnych

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

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Transkrypt:

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

1 Rynek, portfel inwestycyjny, arbitraż 2 Osiągalność i zupełność 3 Opcje 4 Bibliografia Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień 2009 2 / 16

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 2009 3 / 16

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 2009 3 / 16

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 2009 4 / 16

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 2009 4 / 16

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 2009 5 / 16

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 2009 5 / 16

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 2009 6 / 16

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 2009 7 / 16

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 2009 8 / 16

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 2009 9 / 16

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 2009 10 / 16

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 2009 11 / 16

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 2009 12 / 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 + 1 2 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 2009 13 / 16

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 2009 14 / 16

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 2009 15 / 16

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 2009 16 / 16