Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Podobne dokumenty
Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

Matematyka ubezpieczeń majątkowych r.

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

ZADANIA NA ĆWICZENIA 3 I 4

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Twierdzenia graniczne:

16 Przedziały ufności

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

STATYSTKA I ANALIZA DANYCH LAB II

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Instrumenty pochodne - opcje

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Prawdopodobieństwo i statystyka r.

Lista 6. Estymacja punktowa

θx θ 1, dla 0 < x < 1, 0, poza tym,

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

1 Twierdzenia o granicznym przejściu pod znakiem całki

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Komputerowa analiza danych doświadczalnych

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

Podstawowe rozkłady zmiennych losowych typu dyskretnego

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Kurs Prawdopodobieństwo Wzory

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Komputerowa analiza danych doświadczalnych

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

0.1 Statystyczne Podstawy Modelu Regresji

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

STATYSTYKA MATEMATYCZNA

Komputerowa analiza danych doświadczalnych

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Estymacja przedziałowa

ZASTOSOWANIE WYKŁADNIKA HURSTA ORAZ FUNKCJI HÖLDERA W MODELU BLACKA-SCHOLESA

Struktura czasowa stóp procentowych (term structure of interest rates)

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Komisja Egzaminacyjna dla Aktuariuszy. XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Część I. Matematyka finansowa

Prawdopodobieństwo i statystyka

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

Wykład 11 ( ). Przedziały ufności dla średniej

I. Podzielność liczb całkowitych

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)

CIĄGI LICZBOWE. Poziom podstawowy

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Podprzestrzenie macierzowe

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

Podprzestrzenie macierzowe

Komputerowa analiza danych doświadczalnych

Statystyka matematyczna. Wykład II. Estymacja punktowa

Komputerowa analiza danych doświadczalnych

Estymacja parametrów populacji

2. INNE ROZKŁADY DYSKRETNE

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

O liczbach naturalnych, których suma równa się iloczynowi

1 Układy równań liniowych

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Komputerowa analiza danych doświadczalnych

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

ĆWICZENIA NR 1 Z MATEMATYKI (Finanse i Rachunkowość, studia zaoczne, I rok) Zad. 1. Wyznaczyć dziedziny funkcji: 1 = 1, b) ( x) , c) h ( x) x x

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

Wycena papierów wartościowych - instrumenty pochodne

KADD Metoda najmniejszych kwadratów

Business Process Automation. Opłacalność inwestycji => <= Jak bank widzi kredytobiorcę

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Komputerowa analiza danych doświadczalnych

POLITECHNIKA OPOLSKA

Statystyka matematyczna dla leśników

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

Przykładowe zadania dla poziomu rozszerzonego

Przykłady 8.1 : zbieżności ciągów zmiennych losowych

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Estymacja współczynnika dopasowania w klasycznym modelu ryzyka

STATYSTYKA I ANALIZA DANYCH

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Transkrypt:

Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej.

Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The pricig of Optios ad Corporate Liabilities, Joural of Political Ecoomy (Mai/Jui 1973) Robert C. Merto Theory of Ratioal Optio Pricig Bell Joural of Ecoomics ad Maagemet Sciece (1973) Modele które do chwili obecej są cetralym obiektem matematyki fiasowej i przyczyiły się do gwałtowego rozwoju iżyierii fiasowej opartej a istrumetach pochodych W 1997, Robert Merto i Myro Scholes otrzymali agrodę Nobla w ekoomii (Fischer Black zmarł w 1995)

Uogólieie defiicji wycey opcji Wzór a wyceę opcji w modelu dwumiaowym wieloetapowym moża było iterpretować jako zdyskotowaą, oczekiwaą wartość fukcji wypłaty opcji, przy tzw. prawdopodobieństwie eutralym wobec ryzyka (risk free probability), przy którym oczekiwaa stopa zwrotu z akcji jest rówa stopie wolej od ryzyka. Uwzględiając to podejście i zakładając ciągłą kapitalizację odsetek moża przyjąć ogólą defiicję wycey opcji kupa a T lat przed datą wygaśięcia opcji jako zdyskotowaą, oczekiwaą wartość fukcji wypłaty r C = e - r T E [max(s(t) K, 0)] rocza stopa wola od ryzyka przy ciągłej kapitalizacji S(T) cea istrumetu bazowego w diu wygaśięcia opcji K cea realizacji opcji

Uogólieie defiicji wycey opcji sprzedaży Wprowadźmy ozaczeie: zatem (S(T) K) + := max(s(t) K,0), C = e - r T E[(S(T) K) + ] Podobie dla opcji sprzedaży, jej wartość określimy jako zdyskotowaą, oczekiwaą wartość fukcji wypłaty w chwili T lub krócej P = e -rt E [max(k S(T), 0)] P = e -rt E [(K S(T)) + ]

Waruki wycey Cey akcji podlegają błądzeiu przypadkowemu Oczekiwaa stopa zwrotu z akcji w krótkim okresie czasu jest rówa krótkotermiowej wolej od ryzyka stopie procetowej (tzw. waruek powszechej obojętości względem ryzyka) wola od ryzyka stopa procetowa oraz współczyik zmieości akcji są stałe w rozpatrywaym okresie W okresie ważości opcji akcje bazowe ie przyoszą dywidedy Nie istieją możliwości arbitrażu Papiery wartościowe są ieskończeie podziele, koszty trasakcyje zerowe Pożyczki i lokaty podlegają tej samej wolej od ryzyka stopie procetowej Obrót papierami wartościowymi jest ciągły

Zmieość cey akcji Współczyik roczej zmieości akcji defiiujemy jako odchyleie stadardowe roczych logarytmiczych stóp zwrotu akcji i = l (S i / S i-1 ), i - logarytmicza stopa zwrotu w i-tym roku, S i cea akcji w i-tym roku) Współczyik zmieości często obliczaa jest w oparciu o miesięcze logarytmicze stopy zwrotu. Poieważ zakłada się iezależość logarytmiczych stóp zwrotu, wiec rocza wariacja jest iloczyem miesięczej wariacji i liczby 12. Zatem rocze odchyleie std. jest rówe miesięczemu pomożoemu przez pierwiastek z 12. Aalogiczie moża wyliczać roczą zmieość ze zmieości tygodiowej, dzieej, itd.

Ciągły model zmieości ce akcji UWAGA Tzw. model ciągły zmieości akcji jest wyikiem przejścia graiczego, czyli zastosowaia odpowiediej wersji cetralego twierdzeia graiczego dla dyskretego modelu zmieości cey akcji. Wykażemy, że S(T) = S(0) e X(T) gdzie X(T) jest pewą zmieą losową o rozkładzie ormalym S(T) - zmiea losowa określająca ceę akcji w chwili T

Założeia kostrukcji ciągu zmieych losowych S (T) przybliżających zachowaie się ce akcji w chwili T (i) Zmiee losowe l[s (T)/S(0)] mają jedakową wariację dla każdego, wyoszącą Tσ 2. (ii) Cey akcji zmieiają się multiplikatywym jak w modelu (iii) Wartość oczekiwaa współczyika zmiay cey akcji w jedym etapie jest rówa współczyikowi wzrostu dla iwestycji wolej od ryzyka.

Pojęcia i ozaczeia liczba etapów w okresie czasu o długości T, (T wyrażoe w latach) T/ - długość etapu (1) R rt exp( R jest współczyikiem wzrostu dla iwestycji wolej od ryzyka w jedym etapie, przy ciągłej kapitalizacji odsetek, r stopa rocza przy kapitalizacji ciągłej )

Kostrukcja modelu multiplikatywego zmieości akcji Fluktuacje z modelu multiplikatywego staowią ciąg iezależych zmieych losowych η (i), o jedakowych rozkładach zdefiiowaych wzorem (2) (i) u d dla każdego i = 1,2,,. Litera i jest umerem etapu, u i d to współczyiki zmiay cey akcji. Zakładamy, że u > d. Zakładamy, że każda z tych dwóch wartości przyjmowaa jest z prawdopodobieństwem rówym 0,5.

Kostrukcja modelu multiplikatywego zmieości akcji Mamy zatem Z założeia (iii) (wartość oczekiwaa współczyika zmiay cey akcji w jedym etapie jest rówa współczyikowi wzrostu dla iwestycji wolej od ryzyka) wyika, że (3) R = 0,5 (u + d ) Z przyjęcia modelu multiplikatywego - cea w momecie T wyosi S 0 ( i) i 1 ( T) S S (4) l ( T S 0) ( ) = l ( i 1 η (i))= i 1 l ( i)

Kostrukcja modelu multiplikatywego zmieości akcji Z założeia o jedakowych wariacjach dla zmieych l [ S (T) / S (0) ] (5) Var ( l ( i 1 η ( i ) ) ) = T σ 2 Z iezależości zmieych losowych η ( i ), i = 1,2,, wyika, że zmiee l η ( i ) są także iezależe. Mamy więc Var ( i 1 l η ( i ) ) = i 1 Var ( l η ( 1 ) ) = Var ( l η (1 ) ). Wariacja zmieej l η (1) obliczoa z defiicji daje wzór: Var (l η (1)) = 1 ( l ( u ) l (d ) ) 2 4

DOWÓD WZORU Var (l η (1)) = 1 4 ( l ( u ) l (d ) ) 2

Kostrukcja modelu multiplikatywego zmieości akcji Stąd i z otrzymujemy: założeia o jedakowych wariacjach 4 1 ( l (u ) - l (d )) 2 = Tσ 2 a z ostatiej rówości mamy l( u d ) = 2σ T Wyliczając u z powyższej rówości : (6) u = d exp(2σ T )

Kostrukcja modelu multiplikatywego zmieości akcji Z układu rówań utworzoych z (1), (3), (6) czyli: rt 1 (1) R = exp ( ), (3) R = 2 T ( u +d ), (6) u = d exp(2σ ) otrzymujemy układ (6b) rt d = exp( ) 1 2 e 2 T (6) u = d exp(2σ T ) (Rówaie (6b) powstało z porówaia (1) i (2) i wstawieiu (6) pod u )

Z rówaia (6b) oraz (6) otrzymujemy wyrażeie a u d :

Kostrukcja modelu multiplikatywego zmieości akcji S ( T ) : ( Wartość oczekiwaa zmieej losowej l S 0) E (l S ( T ) S(0) ) = E [l ( i 1 η ( i ) ) ] = E [ i 1 l η ( i ) ] = E [ l η (1) ] = ( / 2) (l u + l d ) Ozaczyliśmy przez a wyrażeie ( / 2) (l u + l d ). 1 Pokazaliśmy, że a dąży do (r - 2 σ 2 ) T, przy. 1 Wprowadźmy ozaczeie μ : = ( r - 2 σ 2 ) T

Kostrukcja modelu multiplikatywego zmieości akcji S ( T ) Ozaczmy zmieą losową l przez X. Wtedy S(0) = l ( i) Dzięki wcześiej opisaej kostrukcji otrzymujemy tablicę trójkątą zmieych losowych η (i) i=1,2,..., zaś =1,2,3, l η 1 (1) l η 2 (1), l η 2 (2) l η 3 (1), l η 3 (2), l η 3 (3) l η (1), l η (2),, l η ().. Zmiee losowe w każdym wierszu są iezależe i mają jedakowy rozkład. Suma zmieych losowych z -tego wiersza daje zmiea losową l S(0) losowych występujących w wierszu jest stała i wyosi σ 2 T. i 1 S ( T ). Wariacja sumy zmieych

Logarytmiczo-ormaly rozkład cey końcowej akcji Z odpowiediej wersji Lideberga-Levy ego cetralego twierdzeia graiczego, (tw. 8.47 Measure, itegral ad probability - M. Capiński,E. Kopp, Spriger 2004) wioskujemy, że ciąg l S ( T ) S(0) zbiega słabo do zmieej losowej (ozaczmy ją przez l S( T ) S(0) ) o rozkładzie ormalym o parametrach (μ, Wprowadźmy ozaczeie S( X = l T ) S(0) T ), gdzie μ = rt - 2 T 2 mamy wtedy S( T ) S(0) = exp(x). WNIOSEK 1. Przy przyjętych założeiach otrzymaliśmy wzór modelujący ceę akcji S(T) = S(0) exp(x) gdzie X jest zmieą losową o rozkładzie ormalym, o wartości oczekiwaej μ = rt - oraz wariacji σ 2 T. 2 T 2 WNIOSEK 2 Zmiea losowa wyrażająca ceę końcową S(T) ma rozkład logarytmiczoormaly.

Logarytmiczo-ormaly rozkład cey końcowej akcji WNIOSEK 3. Zmieą S(T) moża przedstawić w postaci S(T) = S 0 exp[(r- 2 /2)T+ (T)] gdzie zmiea losowa (T) ma rozkład ormaly o parametrach ( 0, T ). Rzeczywiście, wtedy suma [(r- 2 /2)T+ (T)] ma rozkład ormaly o parametrach ((r- 2 /2)T, T ), czyli taki jaki miała graicza zmiea losowa X.

Wzór Blacka - Scholesa a wyceę opcji europejskiej Przy wcześiej przyjętych założeiach o ryku, modelu zmieości akcji oraz wprowadzoych ozaczeiach, cea C europejskiej opcji kupa a T lat przed termiem realizacji, przy ceie realizacji K wyraża się wzorem d 1 C = S(0) N(d 1 ) Ke r T N(d 2 ) gdzie S(0) 1 l rt Ke 2 T 2 T = d 2 S(0) 1 l rt Ke 2 T zaś N(d) ozacza wartość dystrybuaty w pukcie d rozkładu ormalego o parametrach (0,1). 2 T

Literatura Measure, Itegral ad Probability M. Capiński, E. Kopp Teoria iwestycji fiasowych D. Lueberger Istrumety pochode sympozjum matematyki fiasowej. Kraków UJ 1997 Kotrakty termiowe i opcje. Wprowadzeie J. Hull Warszawa 1997