Matematicko-fyzikální fakulta Univerzity Karlovy
|
|
- Marta Dvořáková
- před 5 lety
- Počet zobrazení:
Transkript
1 Oceňování finančních derivátů ve spojitém čase Václav Kozmík Matematicko-fyzikální fakulta Univerzity Karlovy
2 Úvod Stochastický kalkulus Wienerův proces stochastické procesy Itoovo lemma změna míry - Radon-Nikodýmova derivace Cameron-Martin-Girsanov věta o reprezentaci martingalů Konstrukce portfolia střední hodnota vs. arbitráž samofinancující portfolio replikace finančního derivátu Black-Scholesův model 2 z 31
3 Wienerův proces Definice Řekneme, že náhodný proces W t, t 0 je Wienerův podle míry P, jestliže platí: 1. W 0 = 0 a W t je spojitý 2. W t N (0, t) podle P 3. Přírůstky W s+t W s N (0, t) podle P a jsou nezávislé na historii procesu F s do času s není s.j. diferencovatelný v žádném bodě je libovolně škálovatelný s.j. dosáhne jakékoliv reálné hodnoty 3 z 31
4 Wienerův proces 4 z 31
5 Geometrický Brownův pohyb Brownův pohyb s driftem X t = σw t + µt geometrický Brownův pohyb s driftem X t = exp {σw t + µt} základní model ceny akcie S t = S 0 exp {σw t + µt} logaritmicko-normální rozdělení ceny v čase t střední hodnota závisí na ceně v čase 0 a driftu 5 z 31
6 Geometrický Brownův pohyb 6 z 31
7 Stochastický proces Definice Stochastický proces X t, t 0 je spojitý proces, pro který platí: t t X t = X 0 + σ s dw s + µ s ds, 0 0 kde σ t a µ t jsou F t -adaptované procesy, tak že s.j. platí: t Diferenciální tvar lze zapsat jako: 0 σ 2 s + µ s ds < dx t = σ t dw t + µ t dt 7 z 31
8 Jednoznačnost volatility a driftu Pokud se dva procesy X t a X t shodují v čase 0, tj. X 0 = X 0, a mají identickou volatilitu σ t a drift µ t, pak jsou si rovny, tj. X t = X t t. K danému procesu X t existuje pouze jedna dvojice volatility σ t a driftu µ t tak, že platí t: t t X t = X 0 + σ s dw s + µ s ds. 0 0 Jednoznačnost σ t a µ t plyne z Doob-Meyerova rozkladu semimartingalů. 8 z 31
9 Itoovo lemma Lemma Necht X t je stochastický proces ve tvaru dx t = σ t dw t + µ t dt a f je deterministická dvakrát diferencovatelná funkce. Potom Y t = f (X t ) je také stochastický proces a platí: dy t = ( ) σ t f (X t ) dw t + ( µ t f (X t ) + 1 ) 2 σ2 t f (X t ) dt Příklad dx t = σ t dw t + µ t dt Y t = exp {X t } dy t = σ t Y t dw t + ( µ t Y t σ2 t Y t ) dt 9 z 31
10 Oceňování finančních derivátů forward na koupi jedné akcie střední hodnota budoucí ceny cena akcie X t, 0 t T sleduje geometrický Brownův pohyb s počáteční cenou S 0 cena v čase T má pak logaritmicko-normální rozdělení střední hodnota je E [X T ] = S 0 exp {µt } arbitráž = postup, který vede k bezrizikovému kladnému výnosu úroková míra r na období délky T, spojité úročení v čase 0 si půjčím S 0 a koupím akcii, v čase T splatím S 0 exp {rt } a dostanu cenu forwardu můžeme aplikovat i opačný postup cena forwardu tedy musí být S 0 exp {rt } oceňování pomocí střední hodnoty je špatně 10 z 31
11 Konstrukce portfolia předpokládáme trh s jednou akcíı a bezrizikovým dluhopisem portfolio je dvojice procesů φ t a ψ t, které udávají počet kusů akcie a dluhopisu, které držíme v čase t povolujeme neomezené prodeje nakrátko, hodnoty procesů jsou kladné i záporné proces φ t by měl záviset pouze na historii do času t, F t -previsible předpokládejme cenu akcie S t a dluhopisu B t hodnota portfolia v čase t V t = φ t S t + ψ t B t 11 z 31
12 Samofinancující portfolio Definice Portfolio (φ t, ψ t ) s cenou akcie S t a dluhopisu B t je samofinancující, pokud platí: dv t = φ t ds t + ψ t db t Příklad ψ t = 1, φ t = 1 t S t = W t, B t = 1, t Potom ověříme podmínku: ds t = dw t, db t = 0 V t = W t + 1 dv t = dw t = φ t ds t + ψ t db t 12 z 31
13 Replikace derivátu Definice Předpokládejme, že na trhu je k dispozici bezrizikový dluhopis B t a riziková akcie S t s volatilitou σ t a derivát X T, který závisí na událostech do času T. Replikační strategíı pro X T je samofinancující portfolio (φ t, ψ t ) takové, že platí: 1. T 0 σ2 t φ 2 t dt < 2. V T = φ T S T + ψ T B T = X T pokud máme k danému derivátu replikační strategii, pak obdobnými argumenty pro arbitráž můžeme odvodit, že pro cenu derivátu v čase t platí: 13 z 31 X t = V t
14 Black - Scholesův model Předpokládejme existenci konstantní bezrizikové úrokové míry r, volatility akcie σ a driftu akcie µ. Dále předpokládáme nulové transakční náklady a možnost obchodovat v libovolném čase libovolné množství v dlouhé i v krátké pozici za stanovenou cenu. B t = exp {rt} S t = S 0 exp {σw t + µt} Pro zjednodušení úvodního řešení budeme navíc předpokládat r = z 31
15 Nalezení replikační strategie 1. Najít míru Q, podle které je S t martingal, 2. Zavést proces E t = E Q [X T F t ], 3. Najít previsible proces φ t takový, že de t = φ t ds t. rovnice pro cenu akcie: S t = exp {σw t + µt} = exp {Y t } pro určení diferenciálu použijeme Itoovu formuli dy t = σdw t + µdt ds t = σs t dw t + (µ + 12 ) σ2 S t dt 15 z 31
16 Změna míry Definice Necht jsou míry P a Q definovány na stejném měřitelném prostoru (Ω, A). Míra Q je absolutně spojitá vzhledem k P, pokud A A platí: P(A) = 0 Q(A) = 0. Míry Q a P nazýváme ekvivalentní, pokud A A platí: P(A) > 0 Q(A) > z 31
17 Radon - Nikodýmova věta Věta Necht jsou míry P a Q definovány na stejném měřitelném prostoru (Ω, A), míra Q je σ-konečná a absolutně spojitá vzhledem k σ-konečné míře P. Pak existuje měřitelná konečná funkce f tak, že A A platí: Q(A) = f dp. Funkci f říkáme Radon - Nikodýmova derivace a značíme ji dq dp. A 17 z 31
18 Změna míry Necht X t, 0 t [ T je proces adaptovaný vzhledem k historii F t. Označme ζ t = E dq P dp F ] t pro Radon-Nikodýmovu derivaci dq dp v čase T. Pak platí: [ ] dq E Q [X T ] = E P dp X T E Q [X t F s ] = 1 ζ s E P [ζ t X t F s ], s t T 18 z 31
19 Cameron - Martin - Girsanov Věta Necht W t je Brownův pohyb vzhledem k míře P a γ t je F t -adaptovaný { proces, který splňuje podmínku E P exp 1 } T 2 0 γ2 t dt <. Pak existuje míra Q taková, že platí: 1. Q je ekvivalentní s P { dq 2. dp = exp T 0 γ tdw t 1 } T 2 0 γ2 t dt 3. Ŵ t = W t + t 0 γ sds je Brownův pohyb vzhledem k míře Q. Důsledek W t je Brownův pohyb vzhledem k míře Q s driftem γ t v čase t. 19 z 31
20 Cameron - Martin - Girsanov Platí i opačné tvrzení: Věta Necht W t je Brownův pohyb vzhledem k míře P a míra Q je ekvivalentní s P. Pak existuje F t -previsible proces γ t tak, že proces t W t = W t + γ s ds 0 je Brownův pohyb vzhledem k míře Q. 20 z 31
21 Martingaly Definice Náhodný proces M t je martingal vzhledem k míře P, pokud splňuje následující: 1. E P [ M t ] < t 2. E P [M t F s ] = M s s t Lemma Necht X t je stochastický [ proces ve tvaru dx t = σ t dw t + µ t dt, který ( ) 1 ] T splňuje podmínku E 0 σ2 2 s ds <. Pak platí: X t je martingal X je bez driftu (µ t 0). 21 z 31
22 Věta o reprezentaci martingalů Věta Necht M t je martingal vzhledem k míře Q, jehož volatilita σ t je s.j. nenulová. Pokud N t je libovolný martingal vzhledem k míře Q, pak existuje F t -previsible proces φ t tak, že s.j. platí T 0 φ2 t σt 2 dt < a N t lze psát jako: t N t = N 0 + φ s dm s. 0 Proces φ t je navíc určen jednoznačně. Poznámka Přírůstky dvou martingalů vzhledem k Q se liší pouze ve volatilitách, proces φ t reprezentuje jejich poměr. 22 z 31
23 Replikace derivátu diferenciální rovnice pro vývoj ceny akcie ds t = σs t dw t + (µ + 12 ) σ2 S t dt zavedeme proces γ t a W t γ t = µ σ2 σ W t = W t + γt podle věty C-M-G existuje míra Q tak, že W t je vůči ní Brownův pohyb ds t = σs t d W t 23 z 31
24 Replikace derivátu S t je martingal vůči míře Q, není zde žádný drift ds t = σs t d W t z derivátu X T vytvoříme proces: E t = E Q [X T F t ] E t i S t jsou martingaly podle míry Q, a tak podle věty o reprezentaci martingalů existuje previsible proces φ t tak, že platí: t E t = E Q [X T F t ] = E Q [X T ] + φ s ds s 0 24 z 31
25 Replikační strategie naše strategie bude: 1. držet φ t jednotek akcie v čase t 2. držet ψ t = E t φ t S t jednotek dluhopisu v čase t hodnota portfolia (B t = 1) V t = φ t S t + ψ t B t = E t portfolio je samofinancující (db t = 0) dv t = de t = φ t ds t = φ t ds t + ψ t db t nalezli jsme replikační strategii, protože platí:v T = E T = X T cena derivátu je střední hodnota podle míry Q řešení rovnice pro cenu akcie je { S t = exp σ W t 1 } 2 σ2 t 25 z 31
26 Rozšíření o úrokovou sazbu převedeme na předchozí případ diskontováním diskontovací proces diskontovaná akcie diskontovaný derivát B 1 t = exp { rt} Z t = Bt 1 S t B 1 T X T zbytek postupu je analogický, použije se stejné odvození s diskontovanými verzemi procesů 26 z 31
27 Call opce ocenění opce se strike k X T = max {0, S T k} V 0 = exp { rt } E Q [X T ] stačí najít marginální rozdělení S T podle míry Q d (log S t ) = σd W t + (r 12 ) σ2 dt převedení na normální rozdělení ( Z N 1 ) 2 σ2 T, σ 2 T S T = S 0 exp {Z + rt } technickou manipulací lze odvodit známý vzorec 27 z 31
28 Určení obchodovací strategie Věta Pokud se cena derivátu X T rovná f (S T ) pro nějakou funkci f, pak je cena derivátu v čase t rovna V t = V (S t, t), kde: V (s, t) = exp { r (T t)} E Q [f (S T ) S t = s]. Obchodovací strategie je dána vzorcem: φ t = V s (S t, t). Poznámka Podle věty o reprezentaci martingalů je φ t lokálně poměrem volatilit příslušných procesů, v tomto případě změny ceny opce a změny ceny akcie. 28 z 31
29 Určení obchodovací strategie Důkaz. pro cenu akcie platí: ds t = σs t d W t + rs t dt použitím Itoovy formule: dv t = dv (S t, t) = samofinancující portfolio: ( ) V σs t d W t + (...) dt s dv t = φ t ds t + ψ t db t opět použitím Itoovy formule: dv t = (φ t σs t ) d W t + (...) dt 29 z 31
30 Literatura Baxter, M. and Rennie A. (1996): Financial calculus: An Introduction to derivative pricing, Cambridge University Press, ISBN z 31
31 Závěr Děkuji za pozornost! Václav Kozmík 31 z 31
Přemysl Bejda.
premyslbejda@gmail.com 2010 Obsah 1 2 3 Obchodovatelnost Cena rizika Obsah 1 2 3 Obchodovatelnost Cena rizika Obsah 1 2 3 Obchodovatelnost Cena rizika Itôovo lemma Lemma (Itôovo) Necht X t je stochastický
VíceMartin Chudoba. Seminář - Stochastické modelování v ekonomii a financích KPMS MFF UK. dluhopisů pomocí. Black-Scholesova modelu. M.Chudoba.
Martin Chudoba s Seminář - Stochastické modelování v ekonomii a financích KPMS MFF UK 18.10.2010 Uvažujeme bezkupónový dluhopis vyplácející jednotku v čase T Za předpokladu konstantní úrokové míry r pro
VíceFinancial calculus Chapter 6 Bigger models
Financial calculus Chapter 6 Bigger models Tomáš Hanzák Katedra pravděpodobnosti a matematické statistiky MFF UK Praha Seminář Stochastické modelování v ekonomii a financích 1.11. 2010 Tomáš Hanzák Financial
VíceRadek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010
Sochasické modelování v ekonomii a financích 18. října 21 Program 1 2 3 4 Úroková míra R, T ) Uvažujme bezrizikový bezkuponový dluhopis s mauriou T a nominální hodnoou 1 $, jeho cenu v čase budeme nadále
VíceStochastické diferenciální rovnice
KDM MFF UK, Praha Aplikace matematiky pro učitele 15.11.2011 Kermack-McKendrickův model Kermack-McKendrickův model s vakcinací Model pro nemoc s rychlým šířením a krátkou dobou léčby. Příkladem takovéto
VíceOptimální řízení pro geometrický Brownův pohyb
1/39 Optimální řízení pro geometrický Brownův pohyb Lenka Slámová Katedra pravděpodobnosti a matematické statistiky Matematicko fyzikální fakulta Univerzity Karlovy Stochastické modelování v ekonomii a
VíceOd Náhodné Procházky Ke Spojitým Modelům. Silvie Kafková. 1.prosince 2014, FIMA
Od Náhodné Procházky Ke Spojitým Modelům Silvie Kafková 1.prosince 2014, FIMA Obsah 1 Motivace 2 3 Aplikace náhodné procházky 4 Jednoduchý model ceny akcie Motivace Obsah 1 Motivace 2 3 Aplikace náhodné
VíceRovnovážné modely v teorii portfolia
3. září 2013, Podlesí Obsah Portfolio a jeho charakteristiky Definice portfolia Výnosnost a riziko aktiv Výnosnost a riziko portfolia Klasická teorie portfolia Markowitzův model Tobinův model CAPM - model
VíceRiemannův určitý integrál
Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceMASARYKOVA UNIVERZITA. Dluhopisy
MASARYKOVA UNIVERZITA Přírodovědecká fakulta Dluhopisy Bakalářská práce Brno 008 Silvie Kafková PODĚKOVÁNÍ Chtěla bych poděkovat RNDr. Martinovi Kolářovi Ph.D. za vedení bakalářské práce, cenné rady a
Více8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice
9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky
VíceGreenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální
VíceNumerická řešení stochastické diferenciální rovnice
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘKÁ PRÁCE Štěpán Masák Numerická řešení stochastické diferenciální rovnice Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské
VíceDerivace goniometrických funkcí
Derivace goniometrických funkcí Shrnutí Jakub Michálek, Tomáš Kučera Odvodí se základní vztahy pro derivace funkcí sinus a cosinus za pomoci věty o třech itách, odvodí se také několik typických it pomocí
Více11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah
11. přednáška 10. prosince 2007 Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah F (x, y, y, y,..., y (n) ) = 0 mezi argumentem x funkce jedné
Více1. Obyčejné diferenciální rovnice
& 8..8 8: Josef Hekrdla obyčejné diferenciální rovnice-separace proměnných. Obyčejné diferenciální rovnice Rovnice, ve které je neznámá funkcí a v rovnici se vyskytuje spolu se svými derivacemi, se nazývá
VíceVěta o dělení polynomů se zbytkem
Věta o dělení polynomů se zbytkem Věta. Nechť R je okruh, f, g R[x], přičemž vedoucí koeficient polynomu g 0 je jednotka okruhu R. Pak existuje jediná dvojice polynomů q, r R[x] taková, že st(r) < st(g)
Více12. Křivkové integrály
12 Křivkové integrály Definice 121 Jednoduchou po částech hladkou křivkou v prostoru R n rozumíme množinu bodů [x 1,, x n ], které jsou dány parametrickými rovnicemi x 1 = ϕ 1 t), x 2 = ϕ 2 t), x n = ϕ
VíceTomáš Cipra: Matematika cenných papírů. Professional Publishing, Praha 2013 (288 stran, ISBN: ) ÚVOD.. 7
Tomáš Cipra: Matematika cenných papírů. Professional Publishing, Praha 2013 (288 stran, ISBN: 978-80-7431-079-9) OBSAH ÚVOD.. 7 1. DLUHOPISY.. 9 1.1. Dluhopisy v praxi... 9 1.1.1. Princip dluhopisů 9 1.1.2.
VíceObyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých
Obyčejné diferenciální rovnice Obyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých se vyskytují derivace neznámé funkce jedné reálné proměnné. Příklad. Bud dána funkce f : R R.
VíceDerivace. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VíceDrsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb
Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb Jan Slovák Masarykova univerzita Fakulta informatiky 23. 10. 2006 Obsah
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceIII. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).
III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce = f(x 0 + h 1, y 0 + h 2 ) f(x 0, y 0 ) f u (x 0, y 0 ), kde u = (h 1, h 2 ). ( ) = f(x 0 + h 1, y 0 ) f(x 0, y 0 ) x (x 0,
VíceFakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR
DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y
VíceDefinice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:
Přednáška 1. Definice 1.1. Nechť je množina. Funkci ρ : R nazveme metrikou, jestliže má následující vlastnosti: (1 pro každé x je ρ(x, x = 0; (2 pro každé x, y, x y, je ρ(x, y = ρ(y, x > 0; (3 pro každé
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceMatematická analýza 1b. 9. Primitivní funkce
Matematická analýza 1b 9. Primitivní funkce 9.1 Základní vlastnosti Definice Necht funkce f je definována na neprázdném otevřeném intervalu I. Řekneme, že funkce F je primitivní funkce k f na I, jestliže
VíceNové směry v oceňování derivátů: Opce se stochastickou volatilitou
Nové směry v oceňování derivátů: Opce se stochastickou volatilitou Jiří Málek Abstrakt V první části e uveden vztah (4) pro obecný derivát záviseící na dvou (neobchodovatelných) instrumentech. Tento vztah
VíceNecht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
Více1 Báze a dimenze vektorového prostoru 1
1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud
VíceKapitola 8: Dvojný integrál 1/26
Kapitola 8: vojný integrál 1/26 vojný integrál - osnova kapitoly 2/26 dvojný integrál přes obdélník definice výpočet (Fubiniova věta pro obdélník) dvojný integrál přes standardní množinu definice výpočet
VíceVybrané poznámky k řízení rizik v bankách
Vybrané poznámky k řízení rizik v bankách Seminář z aktuárských věd Petr Myška 7.11.2008 Obsah přednášky Oceňování nestandartních instrumentů finančních trhů Aplikace analytických vzorců Simulační techniky
VíceInterpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
VíceDISERTAČNÍ PRÁCE k získání akademického titulu Doktor (Ph. D.)
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ DISERTAČNÍ PRÁCE k získání akademického titulu Doktor (Ph. D.) ve studijním oboru MATEMATICKÉ INŽENÝRSTVÍ RNDr. Edita Kolářová Stochastické diferenciální
VíceDrsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál
Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Jan Slovák Masarykova univerzita Fakulta informatiky 16. 9. 2008 Obsah přednášky 1 Literatura 2 Funkce a
VíceKomplexní analýza. Holomorfní funkce. Martin Bohata. Katedra matematiky FEL ČVUT v Praze
Komplexní analýza Holomorfní funkce Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Holomorfní funkce 1 / 8 Derivace Definice Necht f je komplexní
VíceDerivace funkce. Přednáška MATEMATIKA č Jiří Neubauer
Přednáška MATEMATIKA č. 9-11 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Šotová, J., Doudová, L. Diferenciální počet funkcí jedné proměnné Motivační příklady
Víceterminologie předchozí kapitoly: (ϕ, Ω) - plocha, S - geometrický obraz plochy
2. Plošný integrál. Poznámka. Obecně: integrování přes k-rozměrné útvary (k-plochy) v R n. Omezíme se na případ k = 2, n = 3. Definice. Množina S R 3 se nazve plocha, pokud S = ϕ(), kde R 2 je otevřená
VícePrůvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat
6. Extrémy funkcí více proměnných Průvodce studiem Hledání extrémů je v praxi často řešená úloha. Např. při cestě z bodu A do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat
VíceLineární algebra : Lineární prostor
Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární
VíceZměna hodnoty pozice v důsledku změn tržních cen.
Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných
Více10 Funkce více proměnných
M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y
VíceŘADY KOMPLEXNÍCH FUNKCÍ
ŘADY KOMPLEXNÍCH FUNKCÍ OBECNÉ VLASTNOSTI Řady komplexních čísel z n byly částečně probírány v kapitole o číselných řadách. Definice říká, že n=0 z n = z, jestliže z je limita částečných součtů řady z
VíceZměna hodnoty pozice v důsledku změn tržních cen.
Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných
VíceVýroková a predikátová logika - IX
Výroková a predikátová logika - IX Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IX ZS 2013/2014 1 / 15 Korektnost a úplnost Důsledky Vlastnosti teorií
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
VíceINTEGRACE KOMPLEXNÍ FUNKCE
INTEGRAE KOMPLEXNÍ FUNKE LEKE34-KIN auchyova obecná auchyova auchyův vzorec vičení KŘIVKOVÝ INTEGRÁL Na konci kapitoly o derivaci je uvedena souvislost existence derivace s potenciálním polem. Existuje
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
VíceMatematická analýza pro informatiky I. Derivace funkce
Matematická analýza pro informatiky I. 7. přednáška Derivace funkce Jan Tomeček tomecek@inf.upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci 31. března 2011 Jan Tomeček, tomecek@inf.upol.cz
VíceDerivace funkce. prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky BI-ZMA ZS 2009/2010
Derivace funkce prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy
VíceKomplexní analýza. Laplaceova transformace. Martin Bohata. Katedra matematiky FEL ČVUT v Praze
Komplexní analýza Laplaceova transformace Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Laplaceova transformace 1 / 18 Definice Definice Laplaceovou
VíceMatematická analýza pro informatiky I.
Matematická analýza pro informatiky I. 10. přednáška Diferenciální počet funkcí více proměnných (II) Jan Tomeček jan.tomecek@upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci
VíceOceňování akcií a. Brno 2012
Oceňování akcií a dluhopisů Brno 2012 Osnova 1 Oceňování akcií 2 Akcie Představují podíl na majetku akciové společnosti. Držení je spojeno s řadou práv- právo účasti na hlasování na valné hromadě, právo
Více+ 2y. a y = 1 x 2. du x = nxn 1 f(u) 2x n 3 yf (u)
Diferenciální počet příklad 1 Dokažte, že funkce F, = n f 2, kde f je spojitě diferencovatelná funkce, vhovuje vztahu + 2 = nf ; 0 Řešení: Označme u = 2. Pak je F, = n fu a platí Podle vět o derivaci složené
VíceI. D i s k r é t n í r o z d ě l e n í
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VícePřijímací zkouška na navazující magisterské studium 2017
Přijímací zkouška na navazující magisterské studium 27 Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření
VíceMatematika 5 FSV UK, ZS Miroslav Zelený
Matematika 5 FSV UK, ZS 2018-19 Miroslav Zelený 1. Stabilita řešení soustav diferenciálních rovnic 2. Úvod do variačního počtu 3. Globální extrémy 4. Teorie optimálního řízení 5. Různé 1. Stabilita řešení
Vícep(x) = P (X = x), x R,
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VíceLINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU
LINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU LINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU je lineární rovnice, ve které se vyskytuje jeden nebo více výrazů v absolutní hodnotě. ABSOLUTNÍ HODNOTA x reálného čísla x je
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné
Více9. Vícerozměrná integrace
9. Vícerozměrná integrace Tomáš Salač Ú UK, FF UK LS 2017/18 Tomáš Salač ( Ú UK, FF UK ) 9. Vícerozměrná integrace LS 2017/18 1 / 29 9.1 Elementy teorie míry Poznámka Na R n definujeme systém tzv. měřitelných
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceDiferenciální rovnice
Obyčejné diferenciální rovnice - studijní text pro cvičení v předmětu Matematika - 2. Studijní materiál byl připraven pracovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za podpory grantu IG ČVUT
VíceUčební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární
VíceTomáš Cipra: Finanční a pojistné vzorce. Grada Publishing, Praha 2006 (374 stran, ISBN: 80-247- 1633-X) 1. ÚVOD... 17
Tomáš Cipra: Finanční a pojistné vzorce. Grada Publishing, Praha 2006 (374 stran, ISBN: 80-247- 1633-X) OBSAH SEZNAM NĚKTERÝCH SYMBOLŮ.... 13 1. ÚVOD.... 17 I. FINANČNÍ VZORCE.... 19 2. JEDNODUCHÉ ÚROČENÍ
Více1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu
[M2-P1] KAPITOLA 1: Diferenciální rovnice 1. řádu diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu G(x, y, y, y,..., y (n) ) = 0 y (n) = F (x, y, y,..., y (n 1) ) Příklad 1.1:
VíceUniverzita Karlova v Praze procesy II. Zuzana. funkce
Náhodné 1 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze email: praskova@karlin.mff.cuni.cz 11.-12.3. 2010 1 Outline Lemma 1: 1. Nechť µ, ν jsou konečné míry na borelovských
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace 22.z-3.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ druhá část tématu předmětu pokračuje. oblastí matematických pomůcek
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické
VíceZáklady matematické analýzy
Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceINTEGRÁLY S PARAMETREM
INTEGRÁLY S PARAMETREM b a V kapitole o integraci funkcí více proměnných byla potřeba funkce g(x) = f(x, y) dy proměnné x. Spojitost funkce g(x) = b a f(x, y) dy proměnné x znamená vlastně prohození limity
VíceDiferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36
Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic
VíceBáze a dimenze vektorových prostorů
Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň
VíceFunkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018
Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf
VíceZobecněný Riemannův integrál
Zobecněný Riemannův integrál Definice (Zobecněný Riemannův integrál). Buď,,. Nechť pro všechna existuje určitý Riemannův integrál. Pokud existuje konečná limita, říkáme, že zobecněný Riemannův integrál
VíceMatematická analýza III.
3. Implicitní funkce Miroslav Hušek, Lucie Loukotová UJEP 2010 V této kapitole se seznámíme s dalším možným zadáním funkce jejím implicitním vyjádřením. Doplní tak nám již známé explicitní a parametrické
Více4. Diferenciál a Taylorova věta
4. Diferenciál a Taylorova věta Definice 4.1. Buď f : R n R, a Df. Řekneme, že f je diferencovatelná v bodě a, když h V n takový, že a + h Df platí f(a + h) f(a) gradf(a) h + h τ(h), kde lim τ(h) 0. Funkce
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VíceLWS při heteroskedasticitě
Stochastické modelování v ekonomii a financích Petr Jonáš 7. prosince 2009 Obsah 1 2 3 4 5 47 1 Předpoklad 1: Y i = X i β 0 + e i i = 1,..., n. (X i, e i) je posloupnost nezávislých nestejně rozdělených
VíceVýroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2017/2018 1 / 17 Předběžnosti Základní pojmy n-ární relace a funkce
VíceÚvod do teorie her. 6. Koaliční hry
Úvod do teorie her 6. Koaliční hry Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 2018 ÚTIA AV ČR Různé formy her Známé formy her jsou: rozvinutá, strategická, koaliční. Pro danou množinu hráčů N = {1,...,
Vícepouze u některých typů rovnic a v tomto textu se jím nebudeme až na
Matematika II 7.1. Zavedení diferenciálních rovnic Definice 7.1.1. Rovnice tvaru F(y (n), y (n 1),, y, y, x) = 0 se nazývá diferenciální rovnice n-tého řádu pro funkci y = y(x). Speciálně je F(y, y, x)
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
VíceVýroková a predikátová logika - IX
Výroková a predikátová logika - IX Petr Gregor KTIML MFF UK ZS 2015/2016 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IX ZS 2015/2016 1 / 16 Tablo metoda v PL Důsledky úplnosti Vlastnosti
VícePřednáška 6, 6. listopadu 2013
Přednáška 6, 6. listopadu 2013 Kapitola 2. Posloupnosti a řady funkcí. V dalším jsou f, f n : M R, n = 1, 2,..., reálné funkce jedné reálné proměnné definované na (neprázdné) množině M R. Co to znamená,
VíceDerivace funkce Otázky
funkce je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako směrnici tečny grafu
VíceKapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R...
Kapitola 1 Úvod 1.1 Značení N... přirozená čísla (1, 2, 3,...). Z... celá čísla ( 3, 2, 1, 0, 1, 2,...). Q... racionální čísla ( p, kde p Z a q N) q R... reálná čísla C... komplexní čísla 1.2 Výroky -
Víceα β ) právě tehdy, když pro jednotlivé hodnoty platí β1 αn βn. Danou relaci nazýváme relace
Monotónní a Lineární Funkce 1. Relace předcházení a to Uvažujme dva vektory hodnot proměnných α = α,, 1 αn ( ) a β = ( β β ) 1,, n x,, 1 xn. Říkáme, že vekto r hodnot α předchází vektor hodnot β (značíme
VíceK oddílu I.1 základní pojmy, normy, normované prostory
ÚVOD DO FUNKCIONÁLNÍ ANALÝZY PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2015/2016 PŘÍKLADY KE KAPITOLE I K oddílu I1 základní pojmy, normy, normované prostory Příklad 1 Necht X je reálný vektorový prostor a : X
VíceVEKTOROVÁ POLE Otázky
VEKTOROVÁ POLE VEKTOROVÁ POLE Je-li A podmnožina roviny a f je zobrazení A do R 2, které je dáno souřadnicemi f 1, f 2, tj., f(x, y) = (f 1 (x, y), f 2 (x, y)) pro (x, y) A, lze chápat dvojici (f 1 (x,
VícePrimitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program
Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní
VíceDerivace funkce DERIVACE A SPOJITOST DERIVACE A KONSTRUKCE FUNKCÍ. Aritmetické operace
Derivace funkce Derivace je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako
Více9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1
9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom
VíceMASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA
MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY MODELY STOCHASTICKÉ VOLATILITY Diplomová práce Martin Diviš Vedoucí práce: Mgr. Ondřej Pokora, Ph.D. Brno 2015 Bibliografický
VíceMASARYKOVA UNIVERZITA
MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA DIPLOMOVÁ PRÁCE Bc. PAVLA HOLUBÁŘOVÁ MATEMATICKÉ METODY JIŠTĚNÍ OPČNÍCH PORTFOLIÍ (MATHEMATICAL METHODS OF HEDGING OPTION PORTFOLIOS) doc. RNDr. MARTIN KOLÁŘ,
Více