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

Podobne dokumenty
Procesy stochastyczne 2.

Rozdziaª 9: Wycena opcji

Stochastyczne równania różniczkowe, model Blacka-Scholesa

OPCJE NA GPW. Zespół Rekomendacji i Analiz Giełdowych Departament Klientów Detalicznych Katowice, luty 2004

Stochastyczne równania różniczkowe, studia II stopnia

Strategie zabezpieczaj ce

Rynek, opcje i równania SDE

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna

Prawdopodobieństwo i statystyka

Matematyka ubezpieczeń majątkowych r.

Modelowanie ryzyka kredytowego Zadania 1.

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A

Matematyka finansowa w pakiecie Matlab

Wycena papierów wartościowych - instrumenty pochodne

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

Spis treści. Przedmowa 11

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Wstęp do analitycznych i numerycznych metod wyceny opcji

MATEMATYKA FINANSOWA

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Dokumentacja. Portal Mathfinance Wycena opcji paryskich metoda. Wiktor Madejski

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Rachunek prawdopodobieństwa i statystyka

Rozkłady prawdopodobieństwa

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

Czy opcje walutowe mogą być toksyczne?

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

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

Proces Poissona. Wykład Proces zliczajacy

FIZYKA. Wstęp cz.2. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok

Równania różniczkowe. Notatki z wykładu.

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

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Metody redukcji wariancji

Zadania ze Wstępu do Analizy Stochastycznej 1. = 0 p.n.

Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2013/14

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Numeryczne aproksymacje prawdopodobieństwa ruiny

czastkowych Państwo przyk ladowe zadania z rozwiazaniami: karpinw adres strony www, na której znajda

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy

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

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Opcje koszykowe a lokaty strukturyzowane - wycena

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.

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Równania różniczkowe zwyczajne analityczne metody rozwiazywania

Wykład 3 Jednowymiarowe zmienne losowe

SKOMPLIKOWANYCH INSTRUMENTÓW

Zatem, jest wartością portfela (wealth) w chwili,. j=1

Rachunek prawdopodobieństwa i statystyka

Ważne rozkłady i twierdzenia c.d.

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

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Modelowanie ryzyka kredytowego: Model Mertona - estymacja

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.

Symulacyjne metody wyceny opcji amerykańskich

Zastosowania sieci neuronowych

Podstawy Informatyki Elementy teorii masowej obsługi

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

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

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Inżynieria Systemów Dynamicznych (4)

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

PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW

Prawdopodobieństwo i statystyka

Matematyka ubezpieczeń majątkowych r.

Rachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Ogólnopolska Konferencja Aktuarialna Zagadnienia aktuarialne teoria i praktyka Warszawa, IE SGH 2009

Inżynieria Finansowa: 8. Model Blacka-Scholesa

Systemy masowej obsługi

z przedziału 0,1 liczb dodatnich. Rozważmy dwie zmienne losowe:... ma złożony rozkład dwumianowy o parametrach 1,q i, gdzie X, wszystkie składniki X

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Teoria ze Wstępu do analizy stochastycznej

Podstawy Automatyki. Wykład 2 - matematyczne modelowanie układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Funkcja tworząca Funkcja charakterystyczna. Definicja i własności Funkcja tworząca momenty

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Tematyka egzaminu z Podstaw sterowania

Prawdopodobieństwo i statystyka

MODELOWANIE ZMIENNOŚCI CEN AKCJI MODEL ADDYTYWNY MODEL MULTIPLIKATYWNY

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

1 Elementy kombinatoryki i teorii prawdopodobieństwa

Metody zarządzania ryzykiem finansowym w projektach innowacyjnych przedsięwzięć symulacja Monte Carlo i opcje realne

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

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Przegląd ważniejszych rozkładów

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym.

Całki krzywoliniowe. SNM - Elementy analizy wektorowej - 1

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

WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD

Opis systemów dynamicznych w przestrzeni stanu. Wojciech Kurek , Gdańsk

Prawdopodobieństwo i statystyka

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

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

Transkrypt:

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: ds(t) = as(t)dt + σs(t)dw (t) W chwili T mamy C(T ) = (S(T ) K) + (ogólnie D f (T ) = f(s(t )) ) Pytanie o cenȩ C(0)

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) W chwili T mamy C(T ) = (S(T ) K) + Pytanie o cenȩ C(0) C(t) = u(t, S(t)) Wzór Ito-Doeblina dc(t) = du(t, S(t)) = u u u dt + as(t)dt + t x x σs(t)dw (t) + 1 2 u S 2 (t)dt 2 x 2σ2

C(t) = u(t, S(t)) Wzór Ito-Doeblina dc(t) = du(t, S(t)) = u u u dt + as(t)dt + t x x σs(t)dw (t) + 1 2 u S 2 (t)dt 2 x 2σ2

C(t) = u(t, S(t)) Wzór Ito-Doeblina dc(t) = du(t, S(t)) = u u u dt + as(t)dt + t x x σs(t)dw (t) + 1 2 postać ca lkowa C(T ) = C(0) + + T 0 ( u 0 t + u x as(t) + 1 2 u σs(t)dw (t) x T 2 u S 2 (t)dt x 2σ2 2 ) u S 2 (t) dt x 2σ2

C(t) = u(t, S(t)) Wzór Ito-Doeblina dc(t) = du(t, S(t)) = u u u dt + as(t)dt + t x x σs(t)dw (t) + 1 2 postać ca lkowa EC(T ) = C(0) + E T 0 ( u t + u x as(t) + 1 2 2 u S 2 (t)dt x 2σ2 2 ) u S 2 (t) dt x 2σ2

C(t) = u(t, S(t)) Wzór Ito-Doeblina dc(t) = du(t, S(t)) = u u u dt + as(t)dt + t x x σs(t)dw (t) + 1 2 postać ca lkowa EC(T ) = C(0) + E T 0 ( u t + u x as(t) + 1 2 2 u S 2 (t)dt x 2σ2 2 ) u S 2 (t) dt x 2σ2 C(0) = u(0, x) gdzie x = S(0), a u jest rozwi azaniem równania u t + ax u x + 1 2 σ2 x 2 2 u x 2 = 0 w zbiorze (, T ) R z warunkiem końcowym: u(t, x) = (x K) +

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) W chwili T mamy C(T ) = (S(T ) K) + Pytanie o cenȩ C(0) Oznaczamy x = S(0) C(0) = u(0, x) = E((S(T ) K) + ) (Wzór Feynmana-Kaca ) gdzie u jest rozwi azaniem równania u t + ax u x + 1 2 σ2 x 2 2 u x 2 = 0 w zbiorze (, T ) R z warunkiem końcowym: u(t, x) = (x K) +

Wycena opcji Dynamika cen akcji: ds(t) = a(t, S(t))dt + σ(t, S(t))dW (t) W chwili T mamy C(T ) = (S(T ) K) + Pytanie o cenȩ C(0) Oznaczamy x = S(0) C(0) = u(0, x) = E((S(T ) K) + ) (metody Monte-Carlo) gdzie u jest rozwi azaniem równania (metody numeryczne) u t + a(t, x) u x + 1 2 σ(t, x)2 2 u x 2 = 0 w zbiorze (, T ) R z warunkiem końcowym: u(t, x) = (x K) +

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) W chwili T mamy C(T ) = (S(T ) K) + Pytanie o cenȩ C(0) Oznaczamy x = S(0) C(0) = u(0, x) = E((S(T ) K) + ) (Wzór Feynmana-Kaca ) gdzie u jest rozwi azaniem równania u t + ax u x + 1 2 σ2 x 2 2 u x 2 = 0 w zbiorze (, T ) R z warunkiem końcowym: u(t, x) = (x K) +

Wycena opcji - Twierdzenie Girsanowa Dynamika cen akcji: ds(t) = rs(t)dt + σs(t)dw (t) W chwili T mamy C(T ) = (S(T ) K) + Pytanie o cenȩ C(0) Oznaczamy x = S(0) C(0) = u(0, x) = E(e rt (S(T ) K) + ) (Wzór Blacka-Scholesa) gdzie u jest rozwi azaniem równania u t + rx u x + 1 2 σ2 x 2 2 u x 2 ru = 0 w zbiorze (, T ) R z warunkiem końcowym: u(t, x) = (x K) +

Ryzyko kredytowe Model Mertona (strukturalny) Instrument bazowy: wartość firmy dv (t) = av (t)dt + σv (t)dw (t)

Ryzyko kredytowe Model Mertona (strukturalny) Instrument bazowy: wartość firmy dv (t) = av (t)dt + σv (t)dw (t) D lug w chwili T w wysokości D V (T ) > D sp lata, zostaje V (T ) D dla akcjonariuszy V (T ) D bankructwo, zostaje 0

Ryzyko kredytowe Model Mertona (strukturalny) Instrument bazowy: wartość firmy dv (t) = av (t)dt + σv (t)dw (t) D lug w chwili T w wysokości D V (T ) > D sp lata, zostaje V (T ) D dla akcjonariuszy V (T ) D bankructwo, zostaje 0 Wyp lata dla akcjonariuszy w chwili T : (V (T ) D) + Akcja - opcja kupna S(0) = C(0) - cena opcji kupna Prawdopodobieństwo bankructwa: P (V (T ) < D) = E(I (,D) (V (T )))

Sprzedaż - przep lywy gotówki poziom sprzedaży dx(t) = ax(t)dt + σ X X(t)dW X (t)

Sprzedaż - przep lywy gotówki poziom sprzedaży dx(t) = ax(t)dt + σ X X(t)dW X (t) ści aganie należności dy (t) = (b Y (t))dt + σ Y dw Y (t) F : (, ) [0, 1] F (Y (t)) procent sprzedaży w formie gotówki

Sprzedaż - przep lywy gotówki poziom sprzedaży dx(t) = ax(t)dt + σ X X(t)dW X (t) ści aganie należności dy (t) = (b Y (t))dt + σ Y dw Y (t) F : (, ) [0, 1] F (Y (t)) procent sprzedaży w formie gotówki dg(t) = X(t)F (Y (t))dt cx(t)dt rddt korekta dx(t) = a(x(t) + γg(t))dt + σ X X(t)dW X (t) = a(x(t), Y (t))dt + σ X X(t)dW X (t)

Ogólnie (X 1 = X, X 2 = Y ) dx 1 (t) = a(x 1 (t), X 2 (t))dt + σ 1 X 1 (t)dw 1 (t) dx 2 (t) = (b X 2 (t))dt + σ 2 dw 2 (t) u t + a(x 1, x 2 )u x1 + (b x 2 )u x2 + ρσ 1 σ 2 u x1 x 2 + 1 2 x2 1σ 2 1u x1 x 1 + 1 2 σ2 2u x2 x 2 = 0 Bankructwo: X 1 (t) < 0, opcja amerykańska Prawdopodobieństwo bankructwa, zależność od ρ.

Figure 2: Symulacja Monte-Carlo: histogram momentu bankructwa

Proces Poissona τ i niezależne zmienne losowe o tym samym rozk ladzie wyk ladniczym (gȩstość f(t) = λe λt dla t 0) N(0) = 0 N(t) = max{n : n τ i t} i=1 Przyrosty procesu Poissona s a niezależne, stacjonarne, P (N(t) N(s) = k) = λk (t s) k k! e λ(t s)

Z lożony proces Poissona Y n niezależne zmienne losowe o tym samym rozk ladzie Równanie na wartość firmy Q(t) = N(t) i=1 dv (t) = av (t)dt + σv (t)dw (t) + V (t )dq(t) Y i

Z lożony proces Poissona Y n niezależne zmienne losowe o tym samym rozk ladzie Równanie na wartość firmy Q(t) = N(t) i=1 dv (t) = av (t)dt + σv (t)dw (t) + V (t )dq(t) Y i Szczególny przypadek: Y n o tym samym rozk ladzie dyskretnym: wartości {y 1,..., y k }, prawdopodobieństwa p 1,..., p k Równanie cz astkowe u t + 1 2 σ2 x 2 2 u x + ax u 2 x + k p i (u(t, (y i + 1)x) u(t, x)) = 0 i=1