Financial calculus Chapter 6 Bigger models

Podobné dokumenty
Matematicko-fyzikální fakulta Univerzity Karlovy

Martin Chudoba. Seminář - Stochastické modelování v ekonomii a financích KPMS MFF UK. dluhopisů pomocí. Black-Scholesova modelu. M.Chudoba.

Přemysl Bejda.

Optimální řízení pro geometrický Brownův pohyb

Radek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010

Rovnovážné modely v teorii portfolia

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Stochastické diferenciální rovnice

LWS při heteroskedasticitě

Interpolace, ortogonální polynomy, Gaussova kvadratura

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Statistika II. Jiří Neubauer

Oceňování akcií a. Brno 2012

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

Diferenciální rovnice

DISERTAČNÍ PRÁCE k získání akademického titulu Doktor (Ph. D.)

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice

Od Náhodné Procházky Ke Spojitým Modelům. Silvie Kafková. 1.prosince 2014, FIMA

AVDAT Náhodný vektor, mnohorozměrné rozdělení

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

1. Přednáška. Ing. Miroslav Šulai, MBA

Matematika 4 FSV UK, LS Miroslav Zelený

Aplikovaná numerická matematika

MASARYKOVA UNIVERZITA. Dluhopisy

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Ekonomické scénáře pro oceňování závazků z životního pojištění. Seminář z aktuárských věd Martin Jusko

1 Linearní prostory nad komplexními čísly

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

Výběrové charakteristiky a jejich rozdělení

PRAVDĚPODOBNOST A STATISTIKA

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb

Nové směry v oceňování derivátů: Opce se stochastickou volatilitou

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory

Drsná matematika III 3. přednáška Funkce více proměnných: Inverzní a implicitně definovaná zobrazení, vázané extrémy

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

FREDHOLMOVA ALTERNATIVA

Definice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)

15 Maticový a vektorový počet II

Téma 22. Ondřej Nývlt

ANALYTICKÁ GEOMETRIE V ROVINĚ

Odhady - Sdružené rozdělení pravděpodobnosti

1 Báze a dimenze vektorového prostoru 1

Pokroky matematiky, fyziky a astronomie

Co jsme udělali: Au = f, u D(A)

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Charakterizace rozdělení

INTEGRÁLY S PARAMETREM

Lineární programování

1/15. Kapitola 12: Soustavy diferenciálních rovnic 1. řádu

Dnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Derivace funkcí více proměnných

Vybrané poznámky k řízení rizik v bankách

Riemannův určitý integrál

+ 2y. a y = 1 x 2. du x = nxn 1 f(u) 2x n 3 yf (u)

1 Determinanty a inverzní matice

Lineární algebra : Skalární součin a ortogonalita

Matematika V. Dynamická optimalizace

Kapitola 11: Vektory a matice:

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008

Matematická analýza pro informatiky I.

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková

Úlohy nejmenších čtverců

elektrony v pevné látce verze 1. prosince 2016

Normální rozložení a odvozená rozložení

Přijímací zkouška na navazující magisterské studium 2017

Tomáš Cipra: Matematika cenných papírů. Professional Publishing, Praha 2013 (288 stran, ISBN: ) ÚVOD.. 7

Soustavy lineárních rovnic

1. Obyčejné diferenciální rovnice

Základy matematické analýzy

19 Hilbertovy prostory

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah

ANTAGONISTICKE HRY 172

Numerická řešení stochastické diferenciální rovnice

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

Pravděpodobnost a aplikovaná statistika

22 Základní vlastnosti distribucí

MATEMATICKÉ PRINCIPY VÍCEROZMĚRNÉ ANALÝZY DAT

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

12. Křivkové integrály

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

3. ANTAGONISTICKÉ HRY

Intervalová data a výpočet některých statistik

Soustavy lineárních rovnic

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

Tomáš Cipra: Finanční a pojistné vzorce. Grada Publishing, Praha 2006 (374 stran, ISBN: X) 1. ÚVOD... 17

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

1 Rozptyl a kovariance

P 1 = P 1 1 = P 1, P 1 2 =

Náhodný vektor a jeho charakteristiky

Transkript:

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 calculus Chapter 6 Bigger models 1 / 32

Obsah 6.1 Obecný akciový model 1 6.1 Obecný akciový model 2 3 4 5 6 Tomáš Hanzák Financial calculus Chapter 6 Bigger models 2 / 32

Black-Scholesův model Black-Scholesův model Zobecněný model Ocenění kontraktu Připomeňme si základní Black-Scholesův model trhu jedné akcie a jednoho dluhopisu. Použijme zápis pomocí příslušých stochastických diferenciálních rovnic (SDE): db t = rb t dt, ds t = S t (σdw t + µdt). B t = exp(rt) [ je cena dluhopisu v čase t, S t = S 0 exp σ t 0 dw s + ( ] µ 1 2 σ2) t je cena akcie v čase t a W t je Brownův pohyb vzhledem k míře P. Dále r je bezriziková úroková míra dluhopisu, σ volatilita ceny akcie a µ její drift. Důležité: r, σ a µ jsou pevné konstanty. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 3 / 32

Zobecněný model 6.1 Obecný akciový model Black-Scholesův model Zobecněný model Ocenění kontraktu Zobecněme model o promněnlivost a náhodnost úrokové míry, volatility a driftu: db t = r t B t dt, ds t = S t (σ t dw t + µ t dt). Konstanty r, σ a µ jsou nyní nahrazeny obecnými (pouze potřebně integrovatelnými) F t -adaptovanými procesy r t, σ t a µ t (F t je filtrace W t ). Řešením výše uvedených SDE je ( t ) B t = exp r s ds, 0 [ t S t = S 0 exp 0 t σ s dw s + 0 ( µ s 1 ) ] 2 σ2 s ds. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 4 / 32

Ocenění kontraktu (1) Black-Scholesův model Zobecněný model Ocenění kontraktu Nyní chceme ocenit kontrakt (finační derivát) X s maturitou T a najít k němu příslušnou replikační strategii. Postupujeme ve stejných krocích jako vždy předtím. Nejprve potřebujeme najít míru Q P takovou, že diskontovaná cena akcie v čase t, Z t = Bt 1 S t, bude vůči ní martingal. Podle C-M-G věty existuje pro γ t µt rt σ t (tržní cena rizika) míra Q taková, že W t W t + t 0 γ sds je Q-Brownův pohyb. Pak dz t = σ t Z t d W t a Z t je Q-martingal. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 5 / 32

Ocenění kontraktu (2) Black-Scholesův model Zobecněný model Ocenění kontraktu Proces E t E Q ( B 1 T X F t) je Q-martingal. Podle věty o reprezentaci martingalů pak lze psát E t = E 0 + t 0 φ sdz s, kde φ t je F t -adaptovaný proces. Toto φ t bude množství akcie v čase t v replikačním portfoliu a ψ t E t φ t Z t bude množství drženého dluhopisu v čase t. Portfolio (φ, ψ) je samofinancující a jeho hodnota v čase t je V t φ t S t + ψ t B t = B t E t. Platí V T = X a V t je arbitrážní cena kontraktu X v čase t. Při obecném tvaru r t, σ t a µ t neumíme V t vyjádřit analyticky a počítáme ji numericky. Dále lze použít aproximace ψ t Vt S t. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 6 / 32

Log-normální modely Příklad: Black-Scholesův model Příklad: měnová call opce Sdružené log-normální rozdělení cen Je-li cena modelovaného volatilního aktiva log-normálně rozdělená vzhledem k jeho ekvivalentní martingalové míře (EMM) Q, pak dokážeme odvodit analytický vzorec pro cenu call opce X na toto aktivum (viz příklady dále). Příjemné je, že driftová změna míry z P na Q zachovává log-normalitu marginálních rozdělení cen aktiv. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 7 / 32

Příklad: Black-Scholesův model Příklad: měnová call opce Sdružené log-normální rozdělení cen Black-Scholesův vzorec pro cenu call opce V základním Black-Scholesově modelu B t = exp(rt), S t = S 0 exp (σw t + µt). s konstantními r, σ a µ je S t log-normálně rozdělená n.v. Forwardová cena v čase 0 na nákup akcie v čase T je F S 0 e rt. Hodnota call opce v čase 0 na nákup akcie v čase T za cenu k je ( log V 0 = e [F rt F k Φ + ) ( 1 2 σ2 T log F σ k kφ )] 1 2 σ2 T T σ. T Tomáš Hanzák Financial calculus Chapter 6 Bigger models 8 / 32

Cena měnové call opce Příklad: Black-Scholesův model Příklad: měnová call opce Sdružené log-normální rozdělení cen Necht B t = e rt je dolarový dluhopis, D t = e ut librový dluhopis a směnný kurz USD/GBP je C t = C 0 exp (σw t + µt). Dolarově diskontovaná cena librového dluhopisu Z t = C 0 exp [σw t + (µ + u r)t] je log-normálně rozdělená n.v. vzhledem k původní míře P i k EMM Q. Hodnota call opce v čase 0 na nákup librového dluhopisu v čase T za cenu k dolarů je ( log V 0 = e [F rt F k Φ + ) ( 1 2 σ2 T log F σ k kφ )] 1 2 σ2 T T σ, T kde F = E Q (C T ) je opět příslušná forwardová cena. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 9 / 32

Sdružené log-normální rozdělení cen Příklad: Black-Scholesův model Příklad: měnová call opce Sdružené log-normální rozdělení cen Cena akcie S T a cena dluhopisu B T v čase T jsou sdruženě log-normálně rozdělené vzhledem k EMM Q, var log(s T ) = σ1 2T, var log(b 1 T ) = σ2 2T a ρ je jejich korelace. Tvrzení Forwardová cena v čase 0 za nákup S T v čase T je F = E Q(B 1 T S T ) E Q (B 1 T ) = exp(ρσ 1 σ 2 T )E Q (S T ) a cena call opce v čase 0 na nákup S T za cenu k v čase T je [ ( log V 0 = E Q (B 1 F T ) k F Φ + 1 2 σ2 1 T ) ( log F k kφ 1 2 σ2 1 T )]. σ 1 T σ 1 T Tomáš Hanzák Financial calculus Chapter 6 Bigger models 10 / 32

Vícefaktorový model více akcíı Definice a technické nástroje Model Ocenění kontraktu Black-Scholesův model obsahuje dluhopis a (jen) jednu akcii s volatilní cenou. Zdrojem její volatility je (jen) jeden Brownův pohyb. Rozšíření: více akcíı s volatilní cenou v rámci jednoho modelu. Modelujeme nejen cenu každé akcie zvlášt, ale také vzájemnou korelaci vývoje jejich cen. Aby tato korelace nebyla patologicky stoprocentní, potřebujeme zavést také více nezávislých zdrojů volatility. Potřebujeme tedy model vystavět na n-rozměrném Brownově pohyb. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 11 / 32

n-rozměrný Brownův pohyb Definice a technické nástroje Model Ocenění kontraktu Uvažujme na stejném pravděpodobnostním prostoru n Brownových pohybů Wt i, i = 1, 2,..., n vzhledem ke společné míře P. Procesy W i t necht jsou vzájemně zcela nezávislé. Pak (W 1 t,..., W n t ) bude n-rozměrný Brownův pohyb. Vzájemnou korelovanost vývoje cen akcíı zajistíme mixem různých W i t v rovnici pro jednu akcii. F t bude nyní označovat filtraci celého n-rozměrného náhodného procesu (Wt 1,..., Wt n ). Tomáš Hanzák Financial calculus Chapter 6 Bigger models 12 / 32

Definice a technické nástroje Model Ocenění kontraktu Proces adaptovaný na n-rozměrný Brownův pohyb (1) Definice Stochastický proces X je spojitý proces (X t : t 0), který lze napsat jako n t t X t = X 0 + σ i (s)dws i + µ(s)ds, 0 0 t 0 i=1 kde [ σ 1,..., σ n a µ jsou náhodné F t -adaptované procesy takové, že i σ2 i (s) + µ s ] ds < + s.j. t. Diferenciální tvar rovnice pro X t je n dx t = σ i (t)dwt i + µ(t)dt. i=1 Tomáš Hanzák Financial calculus Chapter 6 Bigger models 13 / 32

Definice a technické nástroje Model Ocenění kontraktu Proces adaptovaný na n-rozměrný Brownův pohyb (2) Drift µ t procesu X t zůstává ve stejné podobě. Místo skalární volatility σ(t) však nyní pracujeme s vektorovou volatilitou σ 1 (t),..., σ n (t), jedna složka pro každý z n faktorů. Celková volatilita X t v čase t je σ1 2(t) +... + σ2 n(t) (plyne z nezávislosti W i t ). Tomáš Hanzák Financial calculus Chapter 6 Bigger models 14 / 32

Vícefaktorový Itôův vzorec Definice a technické nástroje Model Ocenění kontraktu Vícefaktorový Itôův vzorec Je-li X stochastický proces splňující dx t = n i=1 σ i(s)dwt i + µ(t)dt a f je deterministická dvakrát spojitě diferencovatelná funkce, pak Y t f (X t ) je také stochastický proces s SDE tvaru [ ] n dy t = σ i (t)f (X t )dwt i + µ(t)f (X t ) + 1 n σi 2 (t)f (X t ) dt. 2 i=1 i=1 Tomáš Hanzák Financial calculus Chapter 6 Bigger models 15 / 32

Definice a technické nástroje Model Ocenění kontraktu Diferenciál součinu stochastických procesů (vícefaktorový) Diferenciál součinu (vícefaktorový) Je-li X stochastický proces splňující dx t = n i=1 σ i(s)dwt i + µ(t)dt a Y jiný stochastický proces splňující dy t = n i=1 ρ i(s)dwt i + ν(t)dt, pak X t Y t je také stochastický proces a platí [ n ] d(x t Y t ) = X t dy t + Y t dx t + σ i (t)ρ i (t) dt. i=1 Tomáš Hanzák Financial calculus Chapter 6 Bigger models 16 / 32

Definice a technické nástroje Model Ocenění kontraktu Věta (Cameron-Martin-Girsanov, vícefaktorová) Věta (Cameron-Martin-Girsanov, vícefaktorová) Necht W = (W 1,..., W n ) je n-rozměrný Brownův pohyb podle míry P a γ t = (γ ( t 1,..., γt n ) je F t -adaptovaný n-rozměrný proces splňující E P exp 1 ) T 2 0 γ t 2 dt <. Bud W t i Wt i + t 0 γi sds. Pak existuje míra Q ekvivalentní míře P taková, že W = ( W 1,..., W n ) je n-rozměrný Brownův pohyb pro t [0, T ] vzhledem k míře Q. Platí i opačné tvrzení, přesně jako v jednofaktorovém případě. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 17 / 32

Definice a technické nástroje Model Ocenění kontraktu Věta o reprezentaci martingalů (vícefaktorová) Věta o reprezentaci martingalů (vícefaktorová) Necht W je n-rozměrný Brownův pohyb podle míry Q a M t = (M 1 (t),..., M n (t)) je Q-martingal splňující dm j (t) = i σ ij(t)d W i (t) a matice volatilit (σ ij (t)) je s.j. regulární t. Dále bud N t jednorozměrný Q-martingal. Pak existuje n-rozměrný F t -adaptovaný proces φ t = (φ 1 (t),..., φ n (t)) takový, že [ T ] 2 0 j σ ij(t)φ j (t) dt < a N t = N 0 + n j=1 t 0 φ j (s)dm j (s). Tomáš Hanzák Financial calculus Chapter 6 Bigger models 18 / 32

Obecný n-faktorový model n akcíı Definice a technické nástroje Model Ocenění kontraktu Nyní uvažujme n-faktorový model n volatilních cen aktiv a jednoho dluhopisu. Model zapsaný pomocí SDE vypadá takto: db t = r t B t dt, n dst i = St i σ ij (t)dwt j + µ i tdt, i = 1,..., n. j=1 Zde r t je process okažité úrokové míry, µ i t je drift ceny i-tého aktiva a (σ ij ) n j=1 je její vektor volatilit. Tyto řádkové vektory volatilit pak vytváření matici volatility (σ ij (t)). Stejný počet n volatilních aktiv jako faktorů v modelu zajišt uje absenci arbitráže a možnost replikovat jakýkoli kontrakt. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 19 / 32

Ocenění kontraktu (1) Definice a technické nástroje Model Ocenění kontraktu Hledáme ekvivalentní míru Q takovou, že všechny diskontované ceny aktiv budou vzhledem k ní martingaly. Vícefaktorová C-M-G věta nám zajišt uje existenci Q. Změnou míry přidáme drift γ t = (γt 1,..., γt n ) k W t. Aby Zt i Bt 1 St i byly vzhledem k míře Q bez driftu, musím pro γ t platit n σ ij (t)γt j = µ i t r t, t, i = 1,..., n. j=1 Je-li matice Σ t (σ ij (t)) regulární, pak existuje!1 takové γ t : γ t = Σ 1 t (µ t r t 1). Složky γ t představují ceny n druhů rizika (n faktorů). Tomáš Hanzák Financial calculus Chapter 6 Bigger models 20 / 32

Ocenění kontraktu (2) Definice a technické nástroje Model Ocenění kontraktu Nyní chceme replikovat a ocenit kontrakt X s maturitou T. Proces E t E Q ( B 1 T X F t) je Q-martingal. Je-li matice Σ 1 t regulární, pak podle vícefaktorové věty o reprezentaci martingalů lze psát n t E t = E 0 + φ j sdzs j, j=1 kde φ t = (φ 1 t... φ n t ) je F t -adaptovaný proces udávající množství volatilních aktiv v čase t v samofinancujícím replikačním portfoliu (φ 1 t,..., φ n t, E t n j=1 φj tzt j ) s hodnotou V t n j=1 φj tst j + ψ t B t = B t E t v čase t. Platí V T = X a V t je arbitrážní cena kontraktu X v čase t. 0 Tomáš Hanzák Financial calculus Chapter 6 Bigger models 21 / 32

Numéraire 6.1 Obecný akciový model Numéraire s volatilitou - samofinancovatelnost Změna numéraire Numéraire (fran. mince či hotovost) představuje aktivum, k jehož hodnotě vyjadřujeme hodnotu všech ostatních aktiv v modelu. Doposud byl naším numéraire vždy peněžní dluhopis (bez volatility). V modelu dvou měn (kapitola 4.1) jsme měli na výběr použít jako numéraire dluhopis denominovaný v jedné z uvažovaných měn. Viděli jsme však, že tato volba neměla vliv na arbitrážní ceny stejného kontraktu X. Toto platí obecně (ukážeme pro dvě různé akcie jako numériare). Jako numéraire je však možné použít jakékoli obchodovatelné aktivum (i s volatilní cenou). Tomáš Hanzák Financial calculus Chapter 6 Bigger models 22 / 32

Numéraire s volatilitou - samofinancovatelnost Změna numéraire Numéraire s volatilitou - samofinancovatelnost Uvažujme model s jednou akcíı S t a dluhopisem-numéraire s volatilní cenou B t (volatilita σ t ). Necht B t -diskontovaná cena aktiva S t, Z t = B 1 t S t, má volatilitu ρ t. Portfolio (φ t, ψ t ) má hodnotu V t = φ t S t + ψ t B t a B t -diskontovanou hodnotu E t = B 1 t V t = φ t Z t + ψ t. Potřebujeme ukázat, že z de t = φ t dz t plyne samofinancovatelnost portfolia (φ t, ψ t ). Počítejme: dv t = d(b t E t ) = B t de t + E t db t + σ t (φ t ρ t )dt = = φ t (B t dz t + Z t db t + σ t ρ t dt) + ψ t db t. Výraz v závorkách je však roven d(b t Z t ) = ds t. Tedy dv t = φ t ds t + ψ t db t. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 23 / 32

Změna numéraire 6.1 Obecný akciový model Numéraire s volatilitou - samofinancovatelnost Změna numéraire Uvažujme model s n aktivy S 1 t,..., S n t a dalšími dvěma, B t a C t, které mohou sloužit jako numéraire. V prvním případě hledáme míru Q B takovou, aby B t -diskontované ceny Bt 1 St i a Bt 1 C t byly Q B -martingaly. Ve druhém případě hledáme míru Q C takovou, aby C t -diskontované ceny Ct 1 St i a Ct 1 B t byly Q C -martingaly. Lze ukázat, že dqc dq B = C T B T a že pro kontrakt X naštěstí V B t B t E Q B (B 1 T X F t) = C t E Q C (C 1 T X F t) Vt C. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 24 / 32

Úrokově-měnový model - značení Značení Model, obchodovatelná aktiva P(t, T ) : cena v dolarech dluhopisu v čase t zaručující výplatu 1 dolaru v čase T f (t, T ) : dolarová forwardová úroková míra v čase T σ(t, T ) : volatilita f (t, T ) α(t, T ) : drift f (t, T ) r t B t : dolarová okamžitá úroková sazba v čase t (= f (t, t)) : cena dolarového dluhopisu v čase t (= exp R t rsds) 0 Q(t, T ) : cena v librách dluhopisu v čase t zaručující výplatu 1 libry v čase T g(t, T ) : librová forwardová úroková míra v čase T τ(t, T ) : volatilita g(t, T ) β(t, T ) : drift g(t, T ) u t D t C t ρ t λ t : librová okamžitá úroková sazba v čase t (= g(t, t)) : cena librového dluhopisu v čase t (= exp R t usds) 0 : směnný kurz USD/GBP v čase t : volatilita C t : drift C t Tomáš Hanzák Financial calculus Chapter 6 Bigger models 25 / 32

Model, obchodovatelná aktiva Značení Model, obchodovatelná aktiva Modely pro f (t, T ) a f (t, T ): vícefaktorový HJM model. Model pro směnný kurz C t : vícefaktorový geometrický Brownův pohyb. Obchodovatelná aktiva pro dolarového investora: Dolarový dluhopis (cash bond) B t (numéraire) Dolarový dluhopis (bond) P(t, T ) Cena librového dluhopisu v dolarech (cash bond): C t D t Cena librového dluhopisu v dolarech (bond): C t Q(t, T ) Tomáš Hanzák Financial calculus Chapter 6 Bigger models 26 / 32

Pojmy Věta (Harrison, Pliska) Částečný důkaz věty Bezarbitrážní úplné tržní modely - pojmy Model bez arbitráže. Je takový model, ve kterém neexistují arbitrážní příležitosti, tj. není možné dosáhnout z nuly bez rizika kladného zisku. Úplný model. Je takový model, ve kterém jakýkoli kontrakt je možné replikovat samofinancujícím portfoliem aktiv obsažených v modelu. Ekvivaletní martingalová míra (EMM). Je naše míra Q evivalentní skutečné míře P, vůči níž jsou diskontované ceny všech aktiv martingaly. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 27 / 32

Věta (Harrison, Pliska) Pojmy Věta (Harrison, Pliska) Částečný důkaz věty Následující věta dostává na pevný základ jednotlivá pozorování či tušení ohledně provázanosti těchto pojmů: Věta (Harrison, Pliska) Mějme model trhu aktiv a dluhopisu-numéraire. Pak 1 model je bez arbitráže právě tehdy, když v něm existuje alespoň jedna EMM Q, a 2 v tom případě platí, že model je úplný právě tehdy, když v něm existuje pouze jediná EMM Q. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 28 / 32

Existence EMM žádná arbitráž Pojmy Věta (Harrison, Pliska) Částečný důkaz věty Mějme pro jednoduchost model jednoho aktiva S t a dluhopisu B t. Necht Q je EMM, tj. Bt 1 S t je Q-martingal. Předpokládejme existenci samofinancujícího portfolia (φ, ψ), jehož hodnota splňuje V 0 = 0 a V T 0 (kandidát na arbitráž). Pak diskontovaná hodnota portfolia, E t = Bt 1 V t, je také Q-martingal a tedy platí E Q (E T ) = E Q (E T F 0 ) = E 0 = V 0 = 0. Tedy musí platit V T 0, tj. nejde o arbitrážní příležitot, ale o jistý nulový zisk z vkladu nula. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 29 / 32

Pojmy Věta (Harrison, Pliska) Částečný důkaz věty Možnost replikace jednoznačnost EMM Necht máme dvě EMM, Q a Q. Ukážeme, že se shodují. Uvažjme kontrakt X = B T I A pro libovolný jev A F T. Tento derivát tedy musí být replikovatelný. Jeho diskontovaná hodnota E t je nyní Q-martingal i Q -martingal. Musí platit Ovšem E T = I A a tedy E Q (E T ) = E Q (E T ) = E 0. E Q (E T ) = Q(A) = Q (A) = E Q (E T ). Tedy platí Q(A) = Q (A) A F 0 a tedy Q = Q. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 30 / 32

Literatura 6.1 Obecný akciový model M. Baxter, A. Rennie: Financial Calculus: An introduction to derivative pricing. Cambridge university press, 1996. Tomáš Hanzák Financial calculus Chapter 6 Bigger models 31 / 32

Děkuji za pozornost! Tomáš Hanzák Financial calculus Chapter 6 Bigger models 32 / 32