Fakulta matematiky, fyziky a informatiky. Katedra aplikovanej matematiky a štatistiky EXOTICKÝCH OPCIÍ. Diplomová práca.

Size: px
Start display at page:

Download "Fakulta matematiky, fyziky a informatiky. Katedra aplikovanej matematiky a štatistiky EXOTICKÝCH OPCIÍ. Diplomová práca."

Transcription

1 UNIVERZITA KOMENSKÉHO V BRATISLAVE Fakula maemaiky, fyziky a informaiky Kaedra aplikovanej maemaiky a šaisiky DELTA HEDGING EXOTICKÝCH OPCIÍ Diplomová práca Jakub HAVELKA 1114 Aplikovaná maemaika Ekonomická a finančná maemaika Školiel : RNDr. Tomáš BOKES, PhD. BRATISLAVA 214

2

3 DELTA HEDGING EXOTICKÝCH OPCIÍ Bc. Jakub Havelka Kaedra aplikovanej maemaiky a šaisiky Fakula maemaiky, fyziky a informaiky Univerzia Komenského v Braislave Mlynská dolina Braislava Slovenská republika c 214 Jakub Havelka Diplomová práca v odbore 1114 Aplikovaná maemaika Dáum kompilácie: 27. apríla 214 Typese in L A TEX

4

5 Univerzia Komenského v Braislave Fakula maemaiky, fyziky a informaiky ZADANIE ZÁVEREČNEJ PRÁCE Meno a priezvisko šudena: Šudijný program: Šudijný odbor: Typ záverečnej práce: Jazyk záverečnej práce: Bc. Jakub Havelka ekonomická a finančná maemaika Jednoodborové šúdium, magiserský II. s., denná forma aplikovaná maemaika diplomová slovenský Názov: Cieľ: Dela hedging exoických opcií Šaisická a analyická analýza dynamickej dela hedgeing sraégie pre exoické opcie napr. ázijské, lookback,... vyplývajúcej z odvodenia parciálnej diferenciálnej rovnice. Vedúci: Kaedra: Vedúci kaedry: Dáum zadania: RNDr. Tomáš Bokes, PhD. FMFI.KAMŠ - Kaedra aplikovanej maemaiky a šaisiky prof. RNDr. Daniel Ševčovič, CSc. Dáum schválenia: prof. RNDr. Daniel Ševčovič, CSc. garan šudijného programu šuden vedúci práce

6

7 Absrak V našej práci sa zaoberáme dela hedgingom exoických finančných deriváov a hlavne výpočom paramera dela pre ázijské a lookback opcie. Dela počíame klasickým spôsobom ako deriváciu epliciného vzorca ceny opcie podl a ceny akcie a novým spôsobom pomocou Malliavinovho kalkulu. Teno nový spôsob umožňuje počíanie dely opcie bez poznania expliciného vzorca pre jej cenu. Tako vypočíaná dela je v vare diskonovanej podmienenej srednej hodnoy zo súčinu výplanej funkcie opcie a nejakej váhy určenej pomocou vzorca Malliavinovho kalkulu. Pre konkréne ypy exoických deriváov uvádzame výpoče ich dely. Kl účové slová: dela hedging Malliavinov kalkul exoické finančné deriváy ázijské opcie lookback opcie derivácia ceny opcie Absrac In our work we invesigae dela hedging of exoic financial derivaives and mainly compuaion of parameer dela for asian and lookback opions. Dela is compued in a radiional way as derivaion of explici formula for opion price according o sock price and hrough new approach via Malliavin calculus. The laer approach enables us o compue dela of opion wihou knowing is explici price formula. In his manner compued dela is in he form of discouned condiional expeced value of produc of opion payoff funcion and some weigh given by Malliavin calculus. For specific ypes of financial derivaives, he compuaion of is dela is inroduced. Key words: dela hedging Malliavin calculus exoic financial derivaives asian opions lookback opions opion price derivaion

8 Pod akovanie Ďakujem Tomášovi za vedenie pri písaní diplomovej práce, ako aj jej dôkladné odborné posúdenie a vecné pripomienky, koré významne pomohli jej skvalineniu.

9 Obsah Zoznam symbolov a skraiek iii 1 Základy sochasického kalkulu Sochasické procesy Iōv inegrál, izomeria a Iōva lema Maringaly Opcie 13 3 Úvod do oceňovania opcií Black-Scholesov vzorec Oceňovanie pomocou maringalov Exoické opcie Ázijské opcie PDR pre ázijské opcie Lookback opcie PDR pre lookback opcie Hedging Dela hedging Dela opcie Dela pre exoické opcie Malliavinov kalkul a dela opcie Operáor derivácie Skorohodov inegrál i

10 ii OBSAH 6.3 Malliavinova vážená schéma Dela pre exoické opcie Záver 59 Bibliografia 61 Lising programov 63

11 Zoznam symbolov a skraiek R b množina reálnych čísiel vekor X, Y náhodný vekor X, ω, X, X expx E[X] Var[X] Cov[X, Y ] X Y -paramerizovaný náhodný vekor e x sredná hodnoa náhodnej premennej X variancia náhodnej premennej X kovariancia náhodnej premennej X a Y náhodná premenná X podmienená Y N µ, Σ normálne rozdelenie so srednou hodnoou µ a kovariančnou maicou Σ f. df, df, df f x f 2 2 x fx,y 2 x y PDR SDR funkcia diferenciál f vzhl adom na derivácia f podl a x druhá derivácia f podl a x parciálna derivácia f podl a x a y parciálna diferenciálna rovnica sochasická diferenciálna rovnica S, S cena akcie v čase V, V cena opcie v čase E T Q-maringal expiračná cena opcie expiračný čas opcie, mauria opcie v rokoch maringal vzhl adom na prevdepodobnosnú mieru Q

12

13 Úvod As for everyhing else, so for a mahemaical heory: beauy can be perceived bu no explained. Arhur Cayley Na finančnom rhu sa bežne obchoduje s akívami, ako sú akcie, dlhopisy alebo komodiy. Okrem ýcho exisujú aj finančné deriváy, koré sa nazývajú derivámi, preože ich hodnoa závisí, resp. je odvodená z angl. derive odvodi od hodnoy bežných akív. Je zaujímavé, že v súčasnosi objem rhu s ýmio finančnými derivámi niekol konásobne prevyšuje objem rhu s bežnými finančnými akívami. Teno fak môže by dôsledkom oho, že na jedno akívum môže by vypísané vel ké množsvo deriváov ako aj vel kej populariy deriváov u invesorov, korí ich hojne používajú ako násroj na zabezpečenie angl. hedging svojich invesícií, alebo aj ako prosriedok na dosiahnuie špekulaívneho zisku. Táo práca sa zaoberá finančnými derivámi, konkréne opciami a dela hedgingom,.j. dela zais ovaním. Hlavným prínosom práce je počíanie paramera dela pre exoické opcie pomocou Malliavinovho kalkulu, korý poskyuje účinný násroj na derivovanie sochasických procesov. V prvej kapiole sú popísané základné elemeny sochasického kalkulu ako Brownov pohyb, Iōva lema, Iōv inegrál a maringaly. Tieo pojmy sú savebným kameňom a budú časo vysupova v d alších časiach práce. Druhá kapiola je venovaná všeobecnému úvodu do problemaiky o opciách. Je u vysvelený pojem opcie a ich základná klasifikácia. Ďalej sú popísané aribúy v

14 vi OBSAH opcií ako mauria, expiračná cena a výplaa. Obsahom reej kapioly je oceňovanie opcií pomocou klasického Black-Scholesovho vzorca, korý dosaneme vyriešením príslušnej parciálnej diferenciálnej rovnice. Ďalej je vysvelené o rochu náročnejšíe oceňovanie opcií cez maringaly, koré nám poskyne dôležiú oceňovaciu formulu. Vybrané exoické opcie sú popísané vo švrej kapiole. Konkréne sa jedná o ázijské a lookback opcie. Pre ceny ýcho opcií sú odvodené PDR, z korých vyplýva dela hedging. Piaa kapiola je o hedgingu, eda o zais ovaní vo všeobecnosi a d alej so zameraním na dela hedging. Podsaná čas je venovaná parameru dela pre rôzne ypy opcií. V šiesej kapiole uvádzame Malliavinov kalkul a jeho základné elemeny ako Malliavinov operáor derivácie a Skorohodov inegrál. Je u uvedený alernaívny posup na výpoče dely pomocou oho kalkulu spolu s názornými príkladmi pre rôzne ypy opcií.

15 KAPITOLA 1 Základy sochasického kalkulu 1.1 Sochasické procesy Definícia 1.1. [9] Sochasický proces je -paramerický sysém náhodných premenných X na pravdepodobnosnom priesore Ω, F, P s hodnoami v R n. Pre l ubovol né, ale pevné je zobrazenie ω X ω, ω Ω, náhodná premenná. Na druhej srane pre pevné ω Ω, sa zobrazenie X ω, <, nazýva rajekória procesu X. Sochasický proces je eda funkciou dvoch premenných: a ω. Definícia 1.2. [9] Wienerov proces je sochasický proces {W ω } s nasledujúcimi vlasnos ami: i P [{ω : W ω = }] = 1, ii W + ω W ω N,, iii pre každé delenie = < 1 < 2 <... < n sú prírasky W 1 ω W ω, W 2 ω W 1 ω,..., W n ω W n 1 ω nezávislé. 1

16 2 1. ZÁKLADY STOCHASTICKÉHO KALKULU Obr. 1.1: 3 náhodné realizácie Wienerovho procesu Náhodnos Wienerovho procesu je ilusrovaná pomocou jeho roch realizácií na obrázku 1.1 Z definície Wienerovho procesu dosávame následujúce vz ahy pre jeho srednú hodnou a disperziu: E[W ] = E[W W ] =, Var[W ] = Var[W W ] =. V následujúcej definícii zavedieme pojem, korý je zovšeobecnením Wienerovho procesu. Definícia 1.3. Nech {W ω } je Wienerov proces a σ, µ sú konšany, pričom σ >. Poom sochasický proces definovaný ako X ω = µ + σw ω sa nazýva Brownov pohyb s paramerami µ, σ. Z uvedeného vyplýva, že Wienerov proces je vlasne Brownov pohyb s paramerami µ = a σ = 1. L ahko sa dá nahliadnu, že prírasky Brownovho pohybu X + ω X ω sú, rovnako ako prírasky Wienerovho procesu, nezávislé nor-

17 1.1. STOCHASTICKÉ PROCESY 3 málne rozdelené náhodné premenné, avšak so srednou hodnoou µ a disperziou σ 2. V následujúcej definícii zavedenie zv. geomerický Brownov pohyb, korým, ako sa neskôr ukáže, budeme modelova vývoj ceny podkladového akíva. Definícia 1.4. [1] Nech {X } je Brownov pohyb a paramerami µ,σ a Y je kladná konšana. Poom sochasický proces {Y } Y ω = Y e X,, sa nazýva geomerický Brownov pohyb. V následujúcom poukážeme na d alšiu dôležiú vlasnos Wienerovho procesu, a o nediferencovael nos jeho rajekórií skoro všade. Najprv však zavedieme pojem kvadraickej variácie funkcie. Definícia 1.5. [7] Nech množina Π = {, 1,..., n } je delenie inervalu [, T ], aké, že = 1... n = T. Normu delenia Π označme Π = max k 1 k. k=,...,n 1 Poom kvadraická variácia funkcie f na inervale [, T ] je f [, T ] = n 1 lim Π, n k= f k+1 f k 2. Pre funkcie, koré sú po časiach diferencovael né, plaí že ich kvadraická varácia je rovná nule, čo je možné nahliadnu pomocou Lagrangeovej vey o srednej hodnoe. Táo vea zaručuje pre l ubovol nú diferencovael nú funkciu f na inervale a, b exisenciu bodu c a, b, pre korý plaí: fb fa = f cb a Nech bod ˆ k k, k+1. Poom pre kvadraickú variáciu diferencovael nej funkcie na inervale [a, b] dosávame: f [a, b] = n 1 lim Π, n k= f k+1 f k 2 = n 1 lim Π, n k= lim Π n 1 f ˆ k 2 k+1 k = lim Π Π, n Π k= f ˆ k 2 k+1 k 2 f 2 d =

18 4 1. ZÁKLADY STOCHASTICKÉHO KALKULU Ked že kvadraická variácia na inervale [a, b] je nezáporné číslo, poom z nerovnosi vyplýva, že sa musí rovna nule. Poom kvadraická variácia funkcie je iež nulová, preože sa rovná súču kvadraických variácií na inervaloch. A však pre rajekórie Wienerovho procesu plaí, že majú nenulovú kvadraickú variáciu, z čoho vyplýva že nie sú ani len po časiach diferencovael né. Ich kvadraická variácia je oiž rovná dĺžke časového úseku. Too vrdenie je sformulované v následujúcej leme, korej dôkaz je možné nájs v knihe [7]. Lema 1.6. [7] n 1 lim Π, n k= Wk+1 W 2 k = T, kde konvergencia je v zmysle L 2 Ω, P, čo je priesor merael ných funkcií s konečnou normou definovanou ako f := f 2 dp = E[f 2 ]. Ω Z oho vidíme, že sa u akoby sráca náhodnos, ked že súčy švorcov príraskov Wienerovho procesu konvergujú k dĺžke časového úseku, na korom prírasky sčiujeme. To môžeme eda v limie zapísa ako dw 2 = d. 1.1 Na obrázku 1.2 je znázornená áo konvergencia súču druhých mocnín príraskov Wienerovho procesu pri posupnom zjemňovaní časového delenia. Na l avom obrázku je časový inerval rozdelený na 1 časí a vidíme, že odchýlky od lineárnej funkcie prislúchajúcej pribúdaniu času sú väčšie ako na obrázku vpravo s jemnejším delením na 1 časí. 1.2 Iōv inegrál, izomeria a Iōva lema Iōv inegrál je základným elemenom sochasického kalkulu a môžeme ho zapísa, pre merael nú funkciu f :, T R, ako fdw.

19 1.2. ITŌV INTEGRÁL, IZOMETRIA A ITŌVA LEMA 5 Obr. 1.2: Konvergencia súču druhých mocnín príraskov Wienerovho procesu pri zjemňovaní časového delenia. Vl avo je hrubšie delenie na 1 časí a vpravo jemnejšie delenie na 1 časí Avšak eno inegrál nemôžeme definova analogicky ako Riemannov inegrál pre hladké funkcie reálnej premennej pomocou derivácie fdw = fw d, preože funkcia W je nediferencovael ná s pravdepodobnos ou 1 v každom bode. Iōv inegrál eda zavedieme inak a najprv začneme s definíciou pre funkcie, koré sú z jeho hl adiska elemenárne. Nech f C je konšanná funkcia, poom Iōv inegrál je rovný fdw = C dw = CW T CW = CW T a má eda normálne rozdelenie N, C 2 T = N, f 2 d Teraz môžeme prejs k definícii Iōvho inegrálu pre merael né funkcie reálnej premennej Definícia 1.7. [9] Nech f :, T R je merael ná funkcia a plaí f 2 d <. Poom Iōv inegrál fdw := fdw definujeme ako: n 1 lim Π, n i= f i W i+1 W i. 1.2

20 6 1. ZÁKLADY STOCHASTICKÉHO KALKULU Ak zráame srednú hodnou vo výraze 1.2 dosaneme [ n 1 ] n 1 E f i W i+1 W i = f i E[W i+1 W i ] =, i= preože sredná hodnoa príraskov Wienerovho procesu je nulová. Pri výpoče disperzie využijeme, že prírasky dw i sú nezávislé normálne rozdelené náhodné veličiny, a dosávame [ n 1 ] Var f i W i+1 W i i= i= = = n 1 f 2 i Var[W i+1 W i ] i= n 1 f 2 i i+1 i, a ak prejdeme k limie, pre Π, n, dosávame rovnos, korá sa nazýva Iōva izomeria: E [ i= 2 ] fdw = f 2 d 1.3 Pre rozdelenie Iōvho inegrálu eda môžeme sformulova nasledujúcu lemu. Lema 1.8. [9] Iōv inegrál fdw má normálne rozdelenie N, f 2 d. Teraz sa posunieme eše o krok d alej a o k funkciám X ω, koré sú samy o sebe sochasickým procesom a zavedieme pre ne Iōv inegrál. To môžeme urobi ak, že ich aproximujeme funkčnou hodnoou v nejakom bode deliaceho inervalu. Uvažujme dve vol by oho bodu a o l avý a pravý krajný bod oho inervalu. Nech 1 i/n,i+1/n je charakerisická funkcia inervalu i/n, i + 1/n,.j. 1 ak i/n, i + 1/n 1 i/n,i+1/n = ak / i/n, i + 1/n Poom pre l avý krajný bod máme aproximačnú funkciu a pre pravý kraný bod n 1 L ω = X i/n ω1 i/n,i+1/n i= n 1 R ω = X i+1/n ω1 i/n,i+1/n i=

21 1.2. ITŌV INTEGRÁL, IZOMETRIA A ITŌVA LEMA 7 Teraz môžeme vypočía, pre oba výbery bodov, inegrál X ωdw ω ako limiu súčov n 1 L ωw i+1 ω W i ω i= resp. n 1 R ωw i+1 ω W i ω Pri zjemňovaní delenia by nás inuícia mohla vies k omu, že oba inegrály k sebe konvergujú, ak ako v prípade Riemanovho inegrálu. To však nie je pravda, preože, ako je ukázané v knihe [7][sr.142], sredné hodnoy inegrálov k sebe nekonvergujú: [ E [ E i= ] L ωdw ω = 1.4 ] R ωdw ω = T Z oho vyplýva že ani inegrály samoné nemôžu k sebe konvergova a eda pre rôzne vol by bodov môžeme dosa rôzne výsledky. Daný inegrál je eda závislý od vol by oho bodu, pričom šandardnými vol bami z deliaceho inervalu i, i+1 je l avý bod i, pre korý dosávame Iōv inegrál X ωdw ω, a sredný bod i + i+1 /2, pre korý dosávame Sraonovichov inegrál X ω dw ω. Poznamenajme, že pre Sraonovichov inegrál plaia inegračné formulky podobne ako v prípade Riemannovho inegrálu. Od Iōvho inegrálu eraz prejdeme k definícii sochasickej diferenciálnej rovnice, korá sa bude časo objavova vo zvyšku práce. Definícia 1.9. [9] Sochasická diferenciálna rovnica SDR je diferenciálna rovnica, v korej jeden alebo viacero členov je sochasickým procesom. SDR môžeme zapísa pomocou Iōvho inegrálu ako X +s X = +s µx u, udu + +s čo možno ekvivalenne zapísa v diferenciálnom vare ako dx = µx, d + σx, dw. σx u, udw u,

22 8 1. ZÁKLADY STOCHASTICKÉHO KALKULU Vidíme, že SDR pozosáva z deerminisickej zložky µx, d a náhodnej zložky σx, dw. Vyiešením SDR dosávame opä sochasický proces. Obzvláš dôležié v eórii oceňovania finančných deriváov sú SDR pre funkcie, v korých je jedna alebo viacero náhodných premenných, určených nejakou inou SDR. V omo prípade vyvsáva oázka ako bude vyzera SDR pre vývoj funkcie fx,, ak poznáme SDR pre X. Tým sa dosávame k slávnej a dôležiej leme sochasického kalkulu - Iōva lema. Vea 1.1 Iōva lema [4]. Nech fx, je dosaočne hladká funkcia dvoch premenných, pričom X je riešením SDR kde W je Wienerov proces. Poom dx = µx, d + σx, dw, dfx, = f x dx + f σ2 X, 2 f d, x 2 dôsledkom čoho funkcia f vyhovuje SDR f df = + µx, f x σ2 X, 2 f d + σx x 2, f x dw. Ióva lema sa dá inuiívne dokáza cez Taylorov rozvoj funkcie f: df = f f d + x dx f 2 x 2 dx f x dx d + 2 f 2 d2 + od, kde od sú osané členy vyššieho rádu. Ďalej sa budeme zaobera výrazmi dx 2, dx d a d 2. Z predpokladu pre dx plaí dx 2 = σ 2 dw 2 + 2µσdW d + µ 2 d 2 Tu využijeme vz ah 1.1 pre dw, čím dosávame dx 2 σ 2 d + Od 3/2 + Od 2 a dx d = µd 2 + σdw d = Od 2 + Od 3/2. Členy, koré obsahujú d vyššieho rádu ako jedna, idú k nule. To znamená, že členy s dx d a d 2 môžeme zanedba a eda diferenciál funkcie f je: df = f f x dx σ2 X, 2 f d. x 2

23 1.3. MARTINGALY 9 Nakoniec sačí za dx dosadi µx, d+σx, dw a dosavane SDR pre funkciu f z Iōvej lemy. 1.3 Maringaly Definícia [9] Sochasický proces ω X ω; ω Ω na pravdepodobnosnom priesore Ω, F, P s hodnoami v R n, sa nazýva F-merael ný, ak pre všeky ovorené množiny U R n. X 1 U := {ω Ω; X ω U} F Definícia [7] Nech na pravdepodobnosnom priesore Ω, F, P pre náhodnú premennú X : Ω R plaí E[ X ] <. Nech H F je σ-algebra H je eda menej bohaá ako F. Poom podmienená sredná hodnoa E[X H] je náhodná premenná s následujúcimi vlasnos ami: i E[X H] je H-merael ná ii E[X H]dP = XdP, pre všeky h H. h h Vidíme eda, že podmienená sredná hodnoa závisí od príslušnej σ-algebry,.j. od informácie o realizovaných hodnoách v danom čase. Základné vlasnosi podmienenej srednej hodnoy sú zhrnué v následujúcej vee. Vea [7] Nech X a Y sú náhodné veličiny s konečnou srednou hodnoou na pravdepodobnosnom priesore Ω, F, P. Ďalej nech a, b R a G, H sú σ-algebry, pre koré plaí G H F Poom plaí: i E[aX + by H] = ae[x H] + be[y H] ii E[E[X H]] = E[X] iii E[E[X H] G] = E[X G]

24 1 1. ZÁKLADY STOCHASTICKÉHO KALKULU iv ak X je H-merael ná, poom E[X H] = X v ak Y je H-merael ná, poom E[Y X H] = Y E[X H] Teraz už môžeme zadefinova pojem filrácia a maringal. Definícia [9] Filráciou na pravdepodobnosnom priesore Ω, F, P je sysém σ-algebier {F }, F F, akých, že s < F s F Sochasický proces {X } na Ω, F, P sa nazýva maringal vzhl adom k miere P a filrácii {F }, ak i X je F -merael ný pre všeky, ii E[ X ] < pre všeky, iii E[X s F ] = X pre všeky s. Z definície maringalu vidíme, že sa vždy vz ahuje k nejakej pravdepodobnosnej miere P a filrácii {F }. Táo filrácia zvyčajne predsavuje prirodzený sysém do seba zapadajúcich σ-algebier. Pre lepšie pochopenie pojmu maringal, si ho môžeme predsavi ako sekvenciu náhodných premenných, alebo model hry v korom očakávanie d alšej hodnoy je rovnaké ako súčasná známa hodnoa. To znamená akoby sa zabúdala minulos a predošlé hodnoy nemajú vplyv na očakávanie následujúcich. Takouo hrou je napr. ypovanie čísla pri hode kockou. Príkladom hry, korá nie je maringalom može by ypovanie vyiahnuej kary z balíčka bez jej vráenia, preože vedomos o už vyiahnuých karách zvyšuje šancu na uhádnuie. Ďalej uvedieme veu, korá nám pomože pri určovaní maringalu. Vea Nech {X } T a {Y } T sú sochasické procesy na pravdepodobnosnom priesore Ω, F, P a nech pre [, T ] plaí Y = EX T F. Poom {Y } T je maringalom vzhl adom k miere P a filrácii {F }.

25 1.3. MARTINGALY 11 Dôkaz: Z iii vlasnosi podmienenej srednej hodnoy vea 1.13 a pre s T dosaneme Y = EX T F = EEX T F s F = EY s F, a eda {Y } T je maringal. Na záver ejo časi uvedieme veu, korá hovorí o zmene pravdepodobnosnej miery. Vea [Girsanova vea [7]] Nech W ω, T, je Wienerov proces na Ω, F, P a γ ω je F W -adapovaný proces, pričom plaí 1 T ] E P [exp γ 2 ωd <. 2 Poom exisuje miera Q na Ω, F aká, že i P a Q su ekvivalenné, eda plaí P x > Qx >, ii dq ω = exp γ dp ωdw ω 1 T 2 γ2 ωd, iii W ω = W ω + γ sωds je Wienerov proces na Ω, F, Q. Výraz dq ω v Girsanovej vee sa nazýva Radon-Nikodymova derivácia miery Q dp vzhl adom na mieru P.

26

27 KAPITOLA 2 Opcie V ejo kapiole sa budeme zaobera opciami, koré paria medzi základné a najpoužívanejšie finančné deriváy. Najprv uvedieme ich klasickú definíciu. Definícia 2.1. Opcia je finančný konrak uzavreý medzi dvoma sranami - vypisovael a držiel opcie. Teno konrak dáva držiel ovi opcie právo na kúpu alebo predaj podkladového akíva, korým je akcia, vo vopred dohodnuý čas a cenu. Opcie paria medzi základné a najpoužívanejšie finančné deriváy. Poznamenajme, že opcie predsavujú len možnos predaja alebo kúpy danej akcie za vopred dohodnuú cenu v sanovenom čase, zaial čo pri forwardovom konrake sa zmluvné srany dohodnú na povinnosi predaja alebo kúpi daného akíva. Podl a oho či ide o právo na kúpu alebo predaj akcie rozlišujeme kúpne angl. call resp. predajné angl. pu opcie. Pre názornos uvedieme následujúci príklad: Príklad 2.2. Predpokladjme, že vlasníme kúpnu opciu call opciu na akciu IBM s expiračnou cenou 4 EUR a expiráciou o mesiac,.j. T = 1/12. Máme eda právo kúpi si o mesiac akciu IBM za 4 EUR. Predpokladajme, že dnešná cena akcie IBM je 4 EUR. Ked že vývoj cien akcií na rhu je náhodný, nevieme poveda kol ko bude sá akcia o mesiac. Uvažujme 3 prípady: cena akcie je väčšia ako 4 napr. 5, rovná 4 a menšia ako 4 napr. 3. V prvom prípade opciu uplaníme, preože akciu môžeme ma za 4, zaial čo na rhu sa predáva za 5, čím vlasne získame na rozdiele 1 EUR. V omo prípade hovoríme, že opcia je in he money, eda jej uplanenie nám 13

28 14 2. OPCIE prináša zisk. V druhom prípade, pri cene akcie 4 opciu nazývame a he money a zisk máme nulový v danom momene, či už opciu uplaníme alebo nie. V poslednom prípade je opcia ou off he money a eda ju neuplaníme, kedže rhová hodnoa akcie je 3 a opcia nám neprináša žiaden zisk. Z oho vidíme, že držanie opcie nám prináša určiú výhodu, ked že ju môžeme ale nemusíme uplani. Táo výhoda alebo právo je eda samo o sebe nejaká hodnoa, korá by mala by zaplaená pri uzaváraní konraku vypisovael ovi opcie. Oázka, kol ko by malo sá oo právo aby ani jedna zo srán nebola poškodená, je základným problémom eórie finančných deriváov. Pod výplaou alebo payoffom opcie budeme rozumie hodnou opcie v čase expirácie rozdiel medzi rhovou cenou akcie v čase expirácie a expiračnou cenou opcie v prípade call opcie a opačný rozdiel v prípade pu opcie. Ak je eno rozdiel záporný, poom výplaa je nulová. Teda výplau pre call opciu môžeme napísa ako V T = maxs T E, a pre pu opciu ako V T = maxe S T,. Na obrázkoch 2.1 a 2.2 je áo výplaa graficky znázornená. Obr. 2.1: Výplaa pre call opciu hrubá krivka. Obr. 2.2: Výplaa pre pu opciu hrubá krivka. Úlohou bude urči férovú cenu danej opcie v čase =, korá sa skladá z dvoch časí, a o z vnúornej hodnoy a prémie za riziko. Vnúorná hodnoa sa dá

29 15 l ahko vypočía ako pre call opciu a maxs E, maxe S, pre pu opciu. Je o eda rozdiel medzi rhovou cenou príslušnej akcie v čase = a expiračnou cenou opcie pre call opciu, ak je eno rozdiel nezáporný, inak je áo hodnoa nulová analogicky pre pu opciu. Urči druhú zložku ceny opcie je ale o dos náročnejšie a bude vyžadova aplikáciu sochasického kalkulu, ako uvidíme v d alších časiach práce. Opcie môžeme rozdeli na vanilla opcie, koré predsavujú jednoduché opcie ak ako v príklade vyššie a exoické opcie s vlasnos ami, koré ich robia viac komplexnejšími ako bežne obchodované vanilla opcie. Vieme, že výplaa vanilla opcií závisí len od rozdielu rhovej ceny akcie a expiračnou cenou opcie v čase expirácie. Oproi omu je výplaa exoických opcií závislá od viacerých fakorov, pričom vo väčšine z ýcho deriváov je zohl adnený hisorický vývoj podkladového akíva akcie. Takéo opcie sa nazývajú dráhovo-závislé zv. pah-dependen a paria medzi ne napr. ázijske, lookback a bariérové opcie. Pri exoických opciách sa môžeme iež srenú s inými ypmi podkladového akíva ako sú akcie napr. zložené opcie na opcie, opcie na index a iež s väčším počom podkladových akív napr. košíkové opcie. Jednolivé ypy opcií podrobnejšie rozoberieme vo švrej kapiole.

30

31 KAPITOLA 3 Úvod do oceňovania opcií Oceňovanie opcií, alebo vo všeobecnosi finančných deriváov, je predmeom súčasného výskumu vo finančnícve. Finančný derivá je cenný papier, korého hodnoa závisí od podkladového akíva, korého cena má sochasický charaker. Príkladom podkladového akíva môže by napr. akcia spoločnosi Google. Náhodný vývoj ceny ejo akcie za rok 211 je zobrazený na obrázku 3.1. V spojiosi zo sochasickým kalkulom môžeme cenu akcie v čase označi ako sochasický proces X ω a množinu hisorických cien akcie {X ; T } za časové obdobie T ako rajekóriu oho procesu. Obr. 3.1: Cena akcie Google Inc. 17

32 18 3. ÚVOD DO OCEŇOVANIA OPCIÍ Základný princíp oceňovania vanilla opcií je možné ukáza pomocou binárneho sromového modelu. Je o jednoduchý model s diskrénym časom, korý môže čiael nájs v knihe [7]. My prejdeme rovno k oceňovaniu so spojiým časom, korým je klasický Black-Scholesov model a oceňovanie pomocou maringalov. 3.1 Black-Scholesov vzorec Black-Scholesov model je maemaickým modelom finančného rhu, z korého bol odvodený zv. Black-Scholesov vzorec na ocenenie vanilla opcií. Teno populárny vzorec bol publikovaný v roku 1973 Fisherom Blackom a Myronom Scholesom publikácia [1] a znamenal prelom v oceňovaní a obchodovaní opcií. Black a Scholes odvodili parciálnu diferenciálnu rovnicu určujúcu cenu opcie použiím zais ovacieho bezrizikového princípu. Riešením ejo PDR je Black-Scholesov vzorec, korého najväčšou prednos ou je zrejme fak, že je funkciou niekol kých priamo pozorovael ných paramerov. Teno model, hoci má viacero nedosakov, ako uvidíme neskôr, je považovaný za základ pre oceňovanie finančných deriváov. V následujúcom exe ukážeme odvodenie Black-Scholesovho vzorca, koré môžeme iež nájs napr. v známej knihe od Kwoka [5]. Odvodenie urobíme pre európsku kúpnu opciu použiím priebežného zais ovania. Povedzme, že nieko vypíše predá kúpnu opciu na akciu. Vypisovael opcie sa ako vysaví riziku že cena akcie súpne vysoko nad realizačnú cenu a spôsobí mu vel kú srau. Avšak vypisovael sa môže poisi voči akejo siuácii kúpením príslušnej akcie. Poom srau spôsobenú vypísaním opcie kompenzuje držanie akcie, korej cena rasie. Takáo zaisená pozícia sa eda dá dosiahnu nákupom a predajom určiého množsva akcií a opcií ak, aby prípadný pokles v jednej položke bol vyvážený nárasom v druhej položke. Teno princíp zaiseného porfólia bol známy už predým, ale narozdiel od svojich predchodcov si Black a Scholes uvedomili, že výnos z oho porfólia by sa mal rovna bezrizikovej úrokovej miere. Predpokladajme, že cena akcie sa riadi podl a sochasickej diferenciálnej rovnice ds = µs d + σs dw, 3.1 kde paramere µ a σ sú očakávaný výnos a volailia ceny akcie. Ďalším predpo-

33 3.1. BLACK-SCHOLESOV VZOREC 19 kladom na cenu akcie je, že jej vývoj predsavuje náhodný výber z lognormálneho rozdelenia,.j. C = S /S 1, = 1, 2,..., T, sú nezávislé, rovnako rozdelené náhodné premenné s lognormálnym rozdelením a paramerami µ a σ 2. Ak označíme Y = ln C, = 1, 2,..., T, poom áo náhodná premenná má normálne rozdelenie s rovnakými paramerami µ a σ 2 a aplikáciou Iôvej lemy pre jej diferenciál dosávame a eda dy = 1 ds 1 σ 2 S 2 S 2S 2 d = µd + σdw 1 2 σ2 d, Y = Y + µ + σw 1 2 σ2 ln S = ln S + µ + σw 1 2 σ2, z čoho dosávame riešenie rovnice pre cenu akcie 3.1 v podobe geomerického Wienerovho procesu: S = S exp µ + σw 1 2 σ Teraz prejdeme k vyvoreniu zaiseného porfólia, koré bude pozosáva z predaja jednej vanilla call opcie a nákupu α akcií poče akcií sa bude priebežne meni. Nech V = V S, je cena kúpnej opcie v závislosi od ceny akcie. Poom hodnou oho zaiseného porfólia HS, v čase môžeme zapísa ako HS, = V + α S. Opä použijeme Iōvu lemu, enoraz pre sochasickú funkciu V S,, čím dosávame jej diferenciál dv = V V ds + S σ2 S 2 2 V d. S 2 Poom difernciál hodnoy porfólia môžeme napísa ako dv + α ds = V 1 2 σ2 S 2 2 V d + α S 2 V ds S [ = V 1 2 σ2 S 2 2 V + α S 2 V ] µs d + α V σs dw, S S

34 2 3. ÚVOD DO OCEŇOVANIA OPCIÍ a eda zisk Π z oho porfólia v čase je ΠHS, = = + dv + [ V α u ds u u 1 2 σ2 Su 2 2 V + Su 2 α u V σs u dw u. S u α u V ] µs u du S u Vidíme, že náhodnos zisku je spôsobená členom α u V σs u dw u. S u Našou snahou pri vorbe bezrizikového porfólia je, aby eno sochasický člen vypadol a zisk sa ak sal deerminisickým. To sa nám podarí ak v každom čase u < zvolíme poče akcií rovný α u = V S u. Teno zisk by sa mal rovna zisku z držania bezrizikového porfólia bezarbirážny princíp, korého hodnoa H je V + V S u S u a jeho výnos je rovný bezrizikovej úrokovej miere r. Poom zisk z oho porfólia v čase je ΠH S, = r V + V S u du. S u Ked že deerminisické zisky ΠHS, a ΠH S, sa rovnajú, dosávame V u 1 2 σ2 Su 2 2 V S 2 u a eda cena opcie V S, je daná rovnicou = r V + V S u, < u <, S u V σ2 S 2 2 V S 2 + rs V S rv =. Poznamenajme, že rovnakú rovnicu by sme dosali aj v prípade vanilla pu opcie. Ak eda označíme cenu vanilla opcie ako V = V S, a pridáme eše predpoklad, že akcia priebežne vypláca dividendu, korej ročná miera je D, poom cena opcie je daná rovnicou V σ2 S 2 2 V S 2 + r DS V S rv =, S >, [, T ]. 3.3 Dosali sme ak Black-Scholesovu parabolickú parciálnu diferenciálnu rovnicu pre cenu vanilla opcie. Pre európske opcie sa k ejo rovnici eše pridáva erminálová

35 3.2. OCEŇOVANIE POMOCOU MARTINGALOV 21 koncová podmienka, korá hovorí o cene opcie v čase expirácie. Pre vanilla call opciu s realizačnou cenou E je áo podmienka resp. koncová cena zrejme V S T, T = maxs T E, 3.4 a pre vanilla pu opciu V S T, T = maxe S T,. 3.5 Black scholesova rovnica 3.3 má riešenie v vare následujúceho vzorca, zv. Black- Scholesovho vzorca: ln S V S, = S e DT E Φ + r D σ2 T σ 3.6 T ln S Ee rt E Φ + r D 1 2 σ2 T σ. 3.7 T Prechod od Black-Scholesovej parabolickej parciálnej diferenciálnej rovnice k omuo vzorcu spočíva v posupnosi niekol kých ransformácií na základný var parabolickej rovnice a aplikovaní Greenovej funkcie. Komplený posup je možné nájs v učebnici [1]. Nakoniec eše spomenieme nedosaky Black-Scholesovho modela, korými sú predovšekým ieo nereálne predpoklady na finančný rh: i rh bez ransakčných nákladov a daní ii možnos obchodova l ubovol né množsvo cenných papierov iii exisencia konšannej bezrizikovej úrokovej miery iv ceny akcie sa vyvíjajú podl a rovnice 4.2 v podobe geomerického Wienerovho procesu v konšanná volailia akcií. 3.2 Oceňovanie pomocou maringalov V ejo časi odvodíme všeobecnejší vzorec pre cenu opcie, korý narozdiel od Black- Scholesovho vzorca, bude plai aj pre zložiejšie ypy opcií. Ako uvidíme d alej,

36 22 3. ÚVOD DO OCEŇOVANIA OPCIÍ eno vzorec bude v vare srednej hodnoy z diskonovanej výplay opcie pri určiej bezrizikovej pravdepodobnosnej miere, korá zaručí bezarbirážnu cenu opcie. Ukážeme, že pre určenie bezarbirážnej ceny opcie je nuné aby diskonovaný proces vývoja ceny akcie bol maringalom pri určiej pravdepodobnosnej miere Q. Túo mieru Q, pri korej je daný proces maringalom, budeme nazýva rizikovo neurálna miera. Poznamenajme, že miera Q je odlišná od pôvodnej miery P spojenej s pravdepodobnosným popisom budúceho vývoja ceny akcie, korý je popísaný Brownovým pohybom. Problém ako nájs a zaruči exisenciu rizikovo neurálnej miery Q rieši Girsanovova vea a Radon-Nikodymova derivácia. Týmio sa ale nebudeme zaobera a posúpime d alej k bezarbirážnemu oceneniu opcie pomocou maringalov. Girsanovej vea a exisencia miery Q je popísaná v knihe [7]. Cez samofinancovanú obchodnú sraégiu ukážeme ako exisencia miery Q, pri korej sú diskonované ceny akcií a deriváov maringalmi, zaručuje správnu cenu opcie. Ak označíme cenu peňažného dlhopisu angl. bond ako B = e r, poom diskonovaná cena opcie e r V je vlasne relaívna cena opcie vzhl adom na cenu dlhopisu,.j. e r V = V B. Takéo akívum dlhopis v omo prípade, ku korému sa vz ahujú ceny osaných akív sa nazýva numeraire. Uvažujme model finančného rhu, na korom sa obchoduje s k + 1 cennými papiermi v časovom inervale [, T ]. Náhodný vývoj na rhu budeme modelova pomocou pravdepodobnosného priesoru Ω, F, P s filráciou {F } T, pričom ceny daných cenných papierov S i, i =, 1,..., k sú F -adapované sochasické procesy. Obchodná sraégia bude vekor sochasických procesov x, x 1,..., x k T, kde x i, i =, 1,..., k udáva poče jednoiek i-eho cenného papiera v porfóliu v čase. To znamená, že hodnoa akejo sraégie, alebo porfólia v čase je H = k x i S, i T, i= a zisk z neho je Π = k i= x i uds i u, T.

37 3.2. OCEŇOVANIE POMOCOU MARTINGALOV 23 Poom samofinancovanos oho porfólia môžeme zapísa ako H = H + Π, T, čo znamená, že do porfólia neprichádzajú a ani z neho neodchádzajú finančné prosriedky, a eda zmena jeho hodnoy je závislá len od zmeny pôvodných cenných papierov. Za numeraire zvolíme peňažný dlhopis B cenného papiera je poom = e r, a eda relaívna cena i-eho S i = S i /B, i = 1, 2,..., k, Ďalej vieme, že exisuje určiá bezriziková pravdepodobnosná miera Q, pri korej sú ieo relaívne ceny cenných papierov Q-maringalmi. To znamená, že aj hodnoa celého diskonovaného porfólia H = H/B je iež Q-maringal. Poznamenajme eše, že samofinancovanos porfólia sa zachová aj pri diskonácii. Pre diskonovanú hodnou porfólia eda plaí H = E Q H T. Teraz ukážeme neexisenciu arbiráže sporom. Predpokladajme preo, že na začiaku máme nulovú hodnoou porfólia H = H = a zároveň vrdíme, že nakonci je H T, čo eda predsavuje arbiráž. Z planosi = H = E Q H T a Qω > poom dosávame, že H T sa musí rovna nule. Ak by plailo H T, pričom pri niekorých realizáciách je HT >, poom E QHT > a ým sa dosávame k sporu. Z oho vyplýva, že H T = a exisencia arbiráže je eda vylúčená. Namieso hodnoy porfólia H eraz môžeme zobra cenu opcie V s koncovou výplaou V T. Poom výplaa V T generovaná samofinancovanou sraégiou je F T - merael ná náhodná premenná. Cena opcie V je poom Q-maringal a pre jej bezarbirážnu cenu dosávame V = B V = B E Q [V T F ] = B E Q [V T /B T F ]. Kedže B = e r, pre všeobecnú cenu opcie deriváu v čase dosávame dôležiý vz ah V = E Q [e rt V T F ] = e rt E Q [V T F ] 3.8

38 24 3. ÚVOD DO OCEŇOVANIA OPCIÍ Na záver eše poznamenajme, že oceňovanie opcií pomocou maringalov a Black- Scholsovej PDR je konzisenné a áo súvislos sa dá ukáza pomocou Feynman- Kacovej formuly, korá hovorí o vz ahu medzi sochasickými procesmi a PDR. Viac o omo je napísané v knihe [5].

39 KAPITOLA 4 Exoické opcie V ejo kapiole sa budeme venova oceňovaniu exoických opcií, akými sú napr. ázijské a lookback opcie. Tieo opcie sa nazývajú exoické, kvôli geografickej polohe opčných búrz, na korých sa s nimi začalo obchodova. Exoické opcie, korými sa budeme následne zaobera, zohl adňujú hisorický vývoj podkladového akíva - akcie, kvôli čomu dosali prívlasok dráhovo závislé zv. pah-dependen. Hlavný význam ýcho dráhovo závislých opcií spočíva v om, že umožňujú invesorom zníži riziko spojené s výkyvmi ceny podkladového akíva v blízkosi času expirácie, koré môžu ma aj špekulaívny charaker cenová manipulácia zo srany vypisovael a. 4.1 Ázijské opcie Pri výplae ázijských opcií je zohl adnená akuálna cena akcie a iež jej hisorický vývoj. V omo prípade sa hisorický vývoj ceny akcie zohl adňuje pomocou jeho priemeru počas planosi príslušnej opcie. Teno priemer sa môže ráa viacerými spôsobmi, napr. ako arimeický alebo geomerický priemer, a vo všeobecnosi ho budeme označova ako A pre nejaký čas. Ďalej môžeme priemer počía bud z diskrénych dá, alebo spojio cez inegrál. Vidíme eda, že exisuje viacero ypov ázijských opcií a ich klasifikáciu spravíme na základe ýcho kriérií: 1. základné delenie : a call opcia b pu opcia 25

40 26 4. EXOTICKÉ OPCIE 2. yp spriemerovania podkladového akíva : arimeický priemer geomerický primer spojiý prípad A = 1 diskrény prípad A n = 1 n n S τ dτ S i i=1 ln A = 1 ln A n = 1 n ln S τ dτ n ln S i, pričom v diskrénom prípade je 1 < 2 <... < n nejaké delenie časového inervalu planosi opcie. 3. pozícia spriemerovnej veličiny vo výplanej funkcii : a v pozícii ceny akíva - zv. average rae call resp. pu opcia,.j. výplaa pre i=1 call opciu: V arc S T, A T, T = maxa T E, pu opciu: V arp S T, A T, T = maxe A T, b v pozícii expiračnej ceny opcie - zv. average srike call resp. pu opcia,.j. výplaa pre call opciu: V asc S T, A T, T = maxs T A T, pu opciu: V asp S T, A T, T = maxa T S T, Vídime, že celkovo ak môžeme dosa rôzne ypy ázijských opcií s relaívne dlhými názvami, napr. ázijská spojie geomericky spriemerovaná average srike call opcia. Na obrázku 4.1 je zobrazený príklad vývoja ceny akcie a príslušného arimeického a geomerického priemera vypočíaného z diskrénych dá PDR pre ázijské opcie V ejo časi odvodíme parciálnu diferenciálnu rovnicu pre ázijské opcie, podobne ako sme dosali Black-Scholesovu PDR pre vanilla opcie v predchádzajúcej časi. Avšak hodnoa ázijskej opcie V = V S, A, závisí nielen od ceny akcie S a času [, T ], ale aj od priemernej ceny akcie A. Preo pri výpoče diferenciálu ceny opcie dv budeme porebova pozna diferenciál priemernej ceny akcie da.

41 4.1. ÁZIJSKÉ OPCIE 27 Obr. 4.1: Vývoj ceny akcie spolu s arimeickým a geomerickým priemerom Pre arimeický priemer dosávame a pre geomerický priemer 1 da A d = d ln A d da d = 1 S 1 2 = 1 ln S 1 2 S τ dτ = S A, ln S τ dτ = ln S ln A. Odial dosávame diferenciál da pre arimeický a geomerický priemer v vare da = S A ln S ln A d a da = A d. To môžeme pre oba prípady zapísa pomocou funkcie fx, ako da = Af S A, d, 4.1 kde fx, = x 1/ pre arimeický priemer a fx, = ln x/ pre geomerický priemer. Podsané je, že v oboch prípadoch je diferenciál priemeru da v prvom ráde aproximácie rádu d. Teraz môžeme prejs k výpoču difernciálu dv S, A,. Použiím Iōvej lemy, vz ahu 4.1 a faku, že da a d sú ronakého rádu, dosávame dv = V S = V S ds + V V ds + A da σ2 S 2 2 V S 2 V S A f A, d + V σ2 S 2 2 V S 2 d

42 28 4. EXOTICKÉ OPCIE PDR pre ázijské opcie odvodíme pomocou zaiseného porfólia, podobne ako v predchádzajúcej časi. Pre cenu akcie budeme opä uvažova SDR ds = µ DS d + σs dw, 4.2 kde µ a σ je drif a volailia ceny akcie a D je miera spojie vyplácanej dividendy. Zaisené porfólio vyvoríme predajom jednej ázijskej call opcie a nákupom α akcií, a eda jeho hodnoa HS, v čase je HS, = V + α S. Poom pre diferenciál hodnoy oho porfólia dosávame dv + α ds = V S f, A A [ V S = f, A A + α C S V 1 2 σ2 S 2 2 V V 1 2 σ2 S 2 σs dw, a pre zisk Π z oho porfólia v čase máme ΠHS, = = + dv + [ V f A u Su α u V S u Pri vol be poču akcií α u = V S u 2 V S 2 S 2 + α u ds u, u V A u u 1 2 σ2 Su 2 2 V + Su 2 σs u dw u. d + α V S α V S ds µs ] d α u V ] µs u du S u v každom čase u <, sochasický člen vypadne a zisk sa sane deerminisickým. Z bezarbirážneho princípu vyplýva, že eno zisk by sa mal rovna zisku z bezrizikového porfólia, korého hodnoa H je V + V S u S u a jeho výnos je rovný bezrizikovej úrokovej miere r. Ked že deerminisické zisky ΠHS, a ΠH S, = r V + V S u S u du sa rovnajú, dosávame Su V f, u V A u A u u 1 2 σ2 Su 2 2 V = r V + V S u, < u <, S u S 2 u a eda cena ázijskej opcie V S, A, pre arimeické alebo geomerické spriemerovanie ceny akcie je daná rovnicou S V f A, A + V σ2 S 2 2 V V + r DS rv =. 4.3 S2 S Riešenie ejo rovnice V S, A, je definované na množine S, A,,,, T a s erminálovou podmienkou výplanou funkciou podl a príslušného ypu opcie napr. V S T, A T, T = maxa T S T,.

43 4.2. LOOKBACK OPCIE 29 Všimnime si, že v rovnici 4.3 vysupuje len prvá parciálna derivácia V podl a premennej A, a eda áo PDR nie je až ak vhodná pri aplikovaní numerickej aproximácie. Teno problém sa však dá vyrieši zavedením ransformácie x = S, x, a V S, A, = AW x,. A Po dosadení ransformovaných premenných do rovnice 4.3 a erminálovej podmienky pre príslušnu opciu, dosávame po krákych úpravách ransformovanú PDR pre W x, fx, W x W + W x σ2 x 2 2 W x 2 + r Dx W x rw =, 4.4 korej riešenie W x, je definované na oblasi x,,, T a erminálová podmienka výplaná funkcia pre napr. average srike pu opciu má var W x, T = max1 x, pre osané ypy ázijských opcií analogicky. 4.2 Lookback opcie Lookback opcie paria iež medzi dráhovo závislé opcie. Pri ýcho deriváoch je hisorický vývoj ceny podkladového akíva zohl adnený pomocou maximálnej M a minimimálnej m ceny oho akíva, nadobudnuej počas živonosi opcie.j. od vypísania opcie do jej expirácie. Na obrázku 4.2 je znázornený príklad vývoja ceny akcie spolu s maximálnou horná a minimálnou dolná nadobudnuou cenou. Lookback opcie môžeme, podobne ako ázijské opcie, rozdeli podl a výplanej funkcie na dva základné ypy: a lookback opcie s pevnou expiračnou cenou E - zv. exreme rae call resp. pu opcia, kde v pozícii akíva je bud maximum M = M T T = maxs, [T, T ]., alebo ako minimum m = m T T = mins, [T, T ] ceny akíva v časovom inervale [T, T ]. To znamená, že výplaná funkcia je v prvom prípade pre maximum a pre call opciu: V erc M = maxm E,

44 3 4. EXOTICKÉ OPCIE pu opciu: V erp M a vdruhom prípade je pre minimum a pre = maxe M, call opciu: V erc m = maxm E, pu opciu: V erp m = maxe m, b lookback opcie s pohyblivou expiračnou cenou - zv. exreme srike call resp. pu opcia, kde maximum M alebo minimum m ceny akíva je v pozícii expriačnej ceny srike, eda výplaná funkcia je pre call opciu: V esc m = maxs m, pu opciu: V esp M = maxm S, Poznamenajme, že pre exreme srike opciu máme len dva uvedené ypy, preože nemá zmysel ma exreme srike pu opciu pre minimálnu cenu a call opciu pre maximálnu cenu, ked že ich výplané funkcie V esp m maxs M, sú vždy nulové. = maxm S, a V esc m = PDR pre lookback opcie V ejo časi odvodíme parciálnu diferenciálnu rovnicu pre look back, podobným spôsobom ako sme dosali PDR pre ázijské opcie. Odvodenie spravíme pre exreme srike lookback pu opciu, korej cena V S, M, je závislá okrem ceny akcie S a Obr. 4.2: Vývoj ceny akcie spolu s priebežným maximom a minimom

45 4.2. LOOKBACK OPCIE 31 času [T, T ] aj od maximálnej nadobudnuej ceny akcie M. Teda v omo prípade budeme pri výpoče diferenciálu ceny opcie dv porebova pozna diferenciál maximálnej ceny akcie dm. Najprv zavedieme novú premennú [ ] 1/n M n = S τ n dτ, > T, T korá bude aproximova maximálnu cenu akcie M. Plaí oiž, že lim M n = max S τ = M. n T τ Derivovaním premennej M n dosávame dm n = 1 [ ] 1 S τ n n 1 dτ S n = 1 [ S τ n dτ d n T n T a eda pre diferenciál ejo premennej máme S n ] 1 n n S n S n = 1 n M n, n 1 dm n = 1 d. 4.5 n M n n 1 Difernciál dv S, M, poom dosaneme použiím Iōvej lemy a pomocou vz ahu 4.5 a faku, že dm n a d sú ronakého rádu, následovne: dv = V V V ds + dm n + S M n σ2 S 2 2 V d S 2 = V 1 S ds + S n V + V n M n n 1 M n σ2 S 2 2 V d S 2 Ďalšie kroky pri odvádzaní PDR pre lookback opcie sú akmer rovnaké ako pre ázijské opcie, a eda niekoré z nich preskočíme. Pomocou bezarbirážneho princípu a konšrukcie zaiseného porfólia, koré bude pozosáva z kúpy jednej exreme srike lookback pu opcie a predaja α akcií, sa dosaneme, rovnakým posupom ako pri ázijských opciách, k rovnici: 1 S n V + V n M n n 1 M n σ2 S 2 2 V V + r DS rv = 4.6 S2 S Teraz prejdeme k limie pre n, pričom vieme že S M. V prípade S < M dosávame 1 S n lim n n M n = n 1

46 32 4. EXOTICKÉ OPCIE a pre S = M plaí, že cena ejo lookback pu opcie je nezávislá od akuálne realizovanej maximálnej ceny, a eda V M = bližšie vysvelenie v knihe [5], sr. 26. Z oho vyplýva, že prvý člen v rovnici 4.7 vypadne, čím sa dosávame k rovnici V σ2 S 2 2 V V + r DS S2 S rv =, < S < M, T <, 4.7 čo je vlasne klasická Black-Scholesova PDR pre vanilla opcie, až nao, že áo obsahuje horné ohraničenie M na cenu akcie S. Príslušná erminálová podmienka má var V S, M, T = M S.

47 KAPITOLA 5 Hedging Pojem hedging, eda zais ovanie je vo finančnícve zaužívaný ako vyváranie invesičnej pozície, korá vyrovnáva kompenzuje poenciálne sray alebo zisky spojené s invesovaním. Hlavnou úlohou oho zaisenia, koré môžeme nazva aj menežmen rizika, je eda eliminácia rizika sray, korému sú vysavený účasníci finančného rhu. Ako príklad uvažujme finančnú inšiúciu, korá vypíše predá vanilla call opciu na 1 akcií bez dividend za 25 EUR. Táo opcia má expiračnú cenu 9 EUR a mauriu o 3 mesiace, pričom súčasná hodnoa jednej akcie je 86 EUR. Očakávaný výnos akcie je 1%, jej volailia je 2% a bezriziková úroková miera je 2% per annum. Poom cena opcie na jednu akciu vypočíaná pomocou Black- Scholesovho vzorca je 2 EUR, a eda eoreická Black-Scholesova cena opcie, korú vypísala inšiúcia je 2 EUR. Inšiúcia eda predala úo opciu za cenu o 5 EUR vyššiu ako je jej eoreická, avšak vysavila sa riziku sray, koré chce eliminova. Jednou z možnosí pre inšiúciu je nerobi nič, eda zauja zv. naked posiion. Táo pozícia je výhodná, ak cena akcie v dobe expirácie neprekročí 9 EUR, preože v omo prípade call opcia nebude uplanená a eda inšiúcia bude ma zisk z predaja ejo opcie 25 EUR. V druhom prípade, ak cena akcie prekročí 9 EUR sa ale áo pozícia sáva nevýhodnou. Ak by bola cena akcie v dobe expirácie napr. 1 EUR, poom call opcia bude uplanená a inšiúcia sraí rozdiel medzi 33

48 34 5. HEDGING ouo cenou a expiračnou cenou, vynásobený počom akcií, čo je 1 EUR. Táo pozícia eda neposkyuje spol ahlivé zaisenie. Druhou možnos ou je zauja zv. covered posiion,eda pokryú pozíciu, korá pozosáva z nákupu 1 akcií pri predaji opcie. Táo pozícia je naopak výhodná ak cena akcie v dobe expirácie bude vyššia ako expiračná cena 9 EUR, preože opcia bude v om prípade uplanená a inšiúcia predá 1 akcií držiel ovi opcie, koré si na začiaku kúpila a dosiahne ak zisk z predaja opcie 25 EUR. Ak by však cena akcie klesla o 8 na 78 EUR, poom opcia nebude uplanená, ale inšiúcia sraí na poklese ceny akcie 8 EUR, čo je ovel a viac ako 25 EUR, koré získa za predaj opcie. To znamená, že ani áo alernaívna pozícia neposkyuje uspokojivé zaisenie. Dômyselnejšou pozíciou by mohlo by skombinovanie predošlých dvoch. Takáo pozícia, alebo sraégia, zv. sop-loss sraegy je založená na om, že akonáhle súpne cena akcie nad expiračnú cenu, ak vypisovael call opcie si kúpi príslušnú akciu, resp. množsvo akcií na koré je vypísaná opcia. Naopak pri poklese ceny akcie pod expiračnú cenu vypisovael call opcie predá príslušné množsvo akcií. Ide eda o sriedanie naked a covered pozície, v závislosi od ceny akcie a expiračnej ceny. Táo sraégia má ale iež viacero neýhod podrobnejšie v knihe [3] ako napr. rozdiel medzi cenou za korú sa kupuje a predáva. Čím viac krá by cena akcie pre ala expiračnú cenu, ým vyššie by boli ransakčné náklady. To znamená, že náklady na akéo zaisenie sú závislé od priebehu ceny akcie. Vidíme, že pri zais ovaní pomocou uvedených pozícií sú náklady na oo zaisenie závislé od konkréneho vývoja ceny akcie a eda nepredvídael né. V uvedenom príklade s call opciou majú náklady na zaisenie vysokú volailiu, môže o by alebo aj 1 EUR a viac. V ideálnom prípade by mala by volailia nákladov nulová, eda náklady by boli deerminisické a výška ýcho nákladov pre zv. perfekné zaisenie by mala by rovná Black-Scholesovej cene opcie. Vyplýva o z odvodenia Black-Scholesovho vzorca, kde sme použili bezarbirážny princíp, korý zaručuje "férovú" cenu opcie,.j. ani jedna zo srán by nemala by zvýhodnená. V našom príklade by o znamenalo, že náklady na zaisenie opcie by boli vždy 2 EUR. Avšak akéo perfekné zaisenie na reálnom finančnom rhu neexisuje.

49 5.1. DELTA HEDGING 35 Exisujú ale rôzne pokročilé meódy, koré môžeme v zásade rozdeli na dve skupiny: zv. preference-free meódy, koré nezávisia od subjekívnych očakávaní a preferencií. Tieo meódy, alebo sráegie sú časovo lokálne v om zmysle, že závisia len na zložení zais ovacieho porfólia a na podkladovom akíve v danom čase, bez ohl adu na minulý a budúci vývoj. meódy opimalizujúce nejakú veličinu, napr. maximalizácia očakávaného úžiku alebo minimalizovanie rizika. Tieo meódy naopak závisia na subjekívnom pohl ade účasníka finančného rhu na budúci vývoj akíva. Vyvsáva prirodzená oázka, že korá zais ovacia meóda je najlepšia. Samozrejme jednoduchá odpoved na úu oázku neexisuje, ked že rôzny l udia majú rôzne názory na o čo znamená "najlepšia". Základnou myšlienkou je však o, že invesor vie, že zais ovanie je nákladné a musí si ex-ane zvoli svoju úžikovú funkciu, korá čo najlepšie charakerizuje jeho preferencie. 5.1 Dela hedging V ejo časi sa budeme bližšie zaobera zv. dela hedgingom, eda dela zais ovaním. S ýmo zais ovaním sme sa už sreli v predchádzajúcej kapiole pri odvádzaní Black-Scholesovej parabolickej PDR pre cenu vanilla opcie, kde množsvo akcií v zaisenom porfóliu bolo rovné derivácii ceny opcie podl a ceny akcie. Písmeno parí do skupiny zv. "greeks", čo sú grécke písmená zaužívané pre meranie cilivosi ceny opcie na rôzne paramere. Každé z ýcho písmen meria odlišnú čas rizika v opčnej pozícii a úlohou invesora je ich menežmen ak aby boli všeky riziká preňho prija el né. Medzi greeks parí: - Dela,.j. závislos zmeny ceny opcie na zmene ceny akcie: = V S

50 36 5. HEDGING Γ - Gama,.j. závislos zmeny fakora na zmene ceny akcie: Γ = S = 2 V S 2 Θ - Théa,.j. závislos zmeny ceny opcie na zmene expiračnej doby T, resp. času do expirácie T-: Θ = V T = V - Vega,.j. závislos zmeny ceny opcie na zmene volailiy ceny akcie: = V σ ρ - Ró,.j. závislos zmeny ceny opcie na zmene bezrizikovej úrokovej miery: Dela opcie = V r Tu sa budeme bližšie zaobera paramerom, korý je azda najdôležiejším z pomedzi spomenuých paramerov pri analýze rhových dá. Ako už bolo spomenué, opcie meria cilivos ceny opcie na zmenu ceny akcie. Pre názornos, ak by call opcie na akciu bolo.8, poom zmena ceny akcie o malú hodnou x bude ma za následok zmenu ceny opcie o približne 8% ejo hodnoy x. V následujúcom odvodíme expliciný vzorec pre vanilla opcie a pre vybraných exoických opcií. Posup je jednoduchý a spočíva v derivovaní expliciného vzorca pre cenu daných opcií podl a ceny akcie. Pre odvodenie pre vanilla call a pu opciu sačí ak zderivujeme Black-Scholesov vzorec pre ceny ýcho opcií podl a ceny akcie. Pre úspornos zápisov napíšeme Black-Scholesov vzorec pre call opciu v vare a pre pu opciu v vare V call S, = Se DT Φd 1 Ee rt Φd 2 V pu S, = Ee rt Φ d 2 Se DT Φ d 1,

51 5.1. DELTA HEDGING 37 kde d 1 = d 2 = S ln + r D + 1 E 2 σ2 T σ T S ln + r D 1 E 2 σ2 T σ T = d 1 σ T. V d alšom budeme porebova deriváciu kumulaívnej disribučnej funkcie normalizovaného normálneho rozdelenia Φx, čo vieme že je husoa oho rozdelenia a budeme ju označova φx = 1 2Π e x2 /2 Následujúca lema hovorí o rovnosiach, koré plaia pre veličiny v Black-Scholesovom vzorci. Lema 5.1. Plaí: d 1 S = d 2 S = 1 Sσ T 5.1 Se DT φd 1 Ee rt φd 2 = 5.2 Dôkaz: Rovnos 5.1 sa dá l ahko nahliadnu, a preo prejdeme k druhej rovnosi. 5.2 plaí práve vedy ked : Se DT φd 1 = Ee rt φd 2 S E et r D = φd 2 φd 1 ln S E + T r D = d2 1 d 2 2, 2 pričom pravá srana poslednej rovnice je: d 2 1 d = 1 2 d 1 + d 2 d 1 d 2 = 1 2 2d 1 σ T σ T = ln S E + r D σ2 T 1 2 σ2 T = ln S E + T r D Pre delu call opcie poom dosávame call = V call S = Se DT φd 1 d 1 S + e DT Φd 1 Ee rt φd 2 d 2 S = e DT Φd 1 + d 1 S [Se DT φd 1 Ee rt φd 2 ] = e DT Φd 1,

fakulta matematiky, fyziky a informatiky univerzity komenského v bratislave Projekt z finančnej matematiky

fakulta matematiky, fyziky a informatiky univerzity komenského v bratislave Projekt z finančnej matematiky fakulta matematiky, fyziky a informatiky univerzity komenského v bratislave Projekt z finančnej matematiky Bratislava 2008 Martin Takáč Fakulta Matematiky, Fyziky a Informatiky, Univerzita Komenského v

More information

I. Deriváty, call a put opcie, ohraničenia na ceny opcií, kombinované stratégie

I. Deriváty, call a put opcie, ohraničenia na ceny opcií, kombinované stratégie I. Deriváty, call a put opcie, ohraničenia na ceny opcií, kombinované stratégie Beáta Stehlíková Finančné deriváty, FMFI UK Bratislava I. Deriváty, call a put opcie, ohraničenia na ceny opcií, kombinované

More information

Príloha č. 3: k Cenníku služieb JELLYFISH Finport Professional a Individuálne riadené portfólio

Príloha č. 3: k Cenníku služieb JELLYFISH Finport Professional a Individuálne riadené portfólio Príloha č. 3: k Cenníku služieb JELLYFISH Finport Professional a Individuálne riadené portfólio Úrokové sadzby (úrokové sadzby pre kreditné úroky z hotovosti, debetné úroky z úverov poskytnutých brokerom

More information

Využitie aproximácie rozdelenia časovo spriemernenej hodnoty náhodnej premennej pri oceňovaní ázijských opcií

Využitie aproximácie rozdelenia časovo spriemernenej hodnoty náhodnej premennej pri oceňovaní ázijských opcií UNIVERZITA KOMENSKÉHO FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY BRATISLAVA Martin Takáč Využitie aproximácie rozdelenia časovo spriemernenej hodnoty náhodnej premennej pri oceňovaní ázijských opcií Študentská

More information

MAFS Quantitative Modeling of Derivative Securities

MAFS Quantitative Modeling of Derivative Securities MAFS 5030 - Quaniaive Modeling of Derivaive Securiies Soluion o Homework Three 1 a For > s, consider E[W W s F s = E [ W W s + W s W W s Fs We hen have = E [ W W s F s + Ws E [W W s F s = s, E[W F s =

More information

Tentamen i 5B1575 Finansiella Derivat. Måndag 27 augusti 2007 kl Answers and suggestions for solutions.

Tentamen i 5B1575 Finansiella Derivat. Måndag 27 augusti 2007 kl Answers and suggestions for solutions. Tenamen i 5B1575 Finansiella Deriva. Måndag 27 augusi 2007 kl. 14.00 19.00. Answers and suggesions for soluions. 1. (a) For he maringale probabiliies we have q 1 + r d u d 0.5 Using hem we obain he following

More information

Hedging proti poklesu ceny pomocou kúpy vanilla put opcií a kúpy down-in put opcií: Aplikácia na akcie SPDR Gold Shares

Hedging proti poklesu ceny pomocou kúpy vanilla put opcií a kúpy down-in put opcií: Aplikácia na akcie SPDR Gold Shares Ing. Martina Rusnáková Katedra financií, Ekonomická fakulta echnická univerzita v Košiciach E-mail: martina.rusnakova@tuke.sk Hedging proti poklesu ceny pomocou kúpy vanilla put opcií a kúpy down-in put

More information

Black-Scholes Model and Risk Neutral Pricing

Black-Scholes Model and Risk Neutral Pricing Inroducion echniques Exercises in Financial Mahemaics Lis 3 UiO-SK45 Soluions Hins Auumn 5 eacher: S Oriz-Laorre Black-Scholes Model Risk Neural Pricing See Benh s book: Exercise 44, page 37 See Benh s

More information

Pricing formula for power quanto options with each type of payoffs at maturity

Pricing formula for power quanto options with each type of payoffs at maturity Global Journal of Pure and Applied Mahemaics. ISSN 0973-1768 Volume 13, Number 9 (017, pp. 6695 670 Research India Publicaions hp://www.ripublicaion.com/gjpam.hm Pricing formula for power uano opions wih

More information

Analytické aproximácie pri modelovaní cien opcií

Analytické aproximácie pri modelovaní cien opcií UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY Analytické aproximácie pri modelovaní cien opcií Diplomová práca Bratislava 2014 Bc. Tomáš Karovič UNIVERZITA KOMENSKÉHO V BRATISLAVE

More information

Matematisk statistik Tentamen: kl FMS170/MASM19 Prissättning av Derivattillgångar, 9 hp Lunds tekniska högskola. Solution.

Matematisk statistik Tentamen: kl FMS170/MASM19 Prissättning av Derivattillgångar, 9 hp Lunds tekniska högskola. Solution. Maemaisk saisik Tenamen: 8 5 8 kl 8 13 Maemaikcenrum FMS17/MASM19 Prissäning av Derivaillgångar, 9 hp Lunds ekniska högskola Soluion. 1. In he firs soluion we look a he dynamics of X using Iôs formula.

More information

9 Oceňovanie derivátov

9 Oceňovanie derivátov 9 Oceňovanie derivátov Finančné deriváty (financial derivatives) sú nástroje, ktorých hodnota je odvodená od ceny podkladového aktíva (underlying). Týmto môže byť komodita, akcia, dlhopis, menový kurz,

More information

Comenius University in Bratislava Faculty of Mathematics, Physics and Informatics

Comenius University in Bratislava Faculty of Mathematics, Physics and Informatics Comenius University in Bratislava Faculty of Mathematics, Physics and Informatics Higher Order Finite Difference Schemes for Solving Path Dependent Options Master's Thesis Bratislava 2012 Bc. Michal Taká

More information

RMSC 4005 Stochastic Calculus for Finance and Risk. 1 Exercises. (c) Let X = {X n } n=0 be a {F n }-supermartingale. Show that.

RMSC 4005 Stochastic Calculus for Finance and Risk. 1 Exercises. (c) Let X = {X n } n=0 be a {F n }-supermartingale. Show that. 1. EXERCISES RMSC 45 Stochastic Calculus for Finance and Risk Exercises 1 Exercises 1. (a) Let X = {X n } n= be a {F n }-martingale. Show that E(X n ) = E(X ) n N (b) Let X = {X n } n= be a {F n }-submartingale.

More information

The Mathematics Of Stock Option Valuation - Part Four Deriving The Black-Scholes Model Via Partial Differential Equations

The Mathematics Of Stock Option Valuation - Part Four Deriving The Black-Scholes Model Via Partial Differential Equations The Mahemaics Of Sock Opion Valuaion - Par Four Deriving The Black-Scholes Model Via Parial Differenial Equaions Gary Schurman, MBE, CFA Ocober 1 In Par One we explained why valuing a call opion as a sand-alone

More information

Lecture 3: Review of mathematical finance and derivative pricing models

Lecture 3: Review of mathematical finance and derivative pricing models Lecture 3: Review of mathematical finance and derivative pricing models Xiaoguang Wang STAT 598W January 21th, 2014 (STAT 598W) Lecture 3 1 / 51 Outline 1 Some model independent definitions and principals

More information

UNIVERZITA KOMENSKÉHO V BRATISLAVE. Fakulta matematiky, fyziky a informatiky ZAISTENÉ A POISTENÉ Veronika Kleinová

UNIVERZITA KOMENSKÉHO V BRATISLAVE. Fakulta matematiky, fyziky a informatiky ZAISTENÉ A POISTENÉ Veronika Kleinová UNIVERZITA KOMENSKÉHO V BRATISLAVE Fakulta matematiky, fyziky a informatiky ZAISTENÉ A POISTENÉ STRATÉGIE 011 Veronika Kleinová UNIVERZITA KOMENSKÉHO V BRATISLAVE Fakulta matematiky, fyziky a informatiky

More information

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY. modelu úrokových mier

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY. modelu úrokových mier UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY Kalibrácia konvergenčného modelu úrokových mier Vašíčkovho typu Diplomová práca Bratislava 2013 Bc. Simona Chattová UNIVERZITA

More information

Binomial model: numerical algorithm

Binomial model: numerical algorithm Binomial model: numerical algorithm S / 0 C \ 0 S0 u / C \ 1,1 S0 d / S u 0 /, S u 3 0 / 3,3 C \ S0 u d /,1 S u 5 0 4 0 / C 5 5,5 max X S0 u,0 S u C \ 4 4,4 C \ 3 S u d / 0 3, C \ S u d 0 S u d 0 / C 4

More information

OPČNÉ STRATÉGIE A MOŽNOSTI ICH VYUŽITIA

OPČNÉ STRATÉGIE A MOŽNOSTI ICH VYUŽITIA Masarykova univerzita Ekonomicko-správní fakulta Studijní obor: Finance OPČNÉ STRATÉGIE A MOŽNOSTI ICH VYUŽITIA Option strategies and their application Diplomová práce Vedoucí práce: Ing. Peter MOKRIČKA,

More information

Homework Assignments

Homework Assignments Homework Assignments Week 1 (p 57) #4.1, 4., 4.3 Week (pp 58-6) #4.5, 4.6, 4.8(a), 4.13, 4.0, 4.6(b), 4.8, 4.31, 4.34 Week 3 (pp 15-19) #1.9, 1.1, 1.13, 1.15, 1.18 (pp 9-31) #.,.6,.9 Week 4 (pp 36-37)

More information

HEDGING PRIEMERU CENY S OPCIAMI V PODMIENKACH KONŠTANTNEJ VOLATILITY

HEDGING PRIEMERU CENY S OPCIAMI V PODMIENKACH KONŠTANTNEJ VOLATILITY International Scientific Conference YOUNG SCIENTISTS 2011 HEDGING PRIEMERU CENY S OPCIAMI V PODMIENKACH KONŠTANTNEJ VOLATILITY Marko LALIĆ Technická Univerzita v Košiciach, Ekonomická fakulta Katedra financií

More information

INSTITUTE OF ACTUARIES OF INDIA

INSTITUTE OF ACTUARIES OF INDIA INSTITUTE OF ACTUARIES OF INDIA EXAMINATIONS 05 h November 007 Subjec CT8 Financial Economics Time allowed: Three Hours (14.30 17.30 Hrs) Toal Marks: 100 INSTRUCTIONS TO THE CANDIDATES 1) Do no wrie your

More information

VALUATION OF THE AMERICAN-STYLE OF ASIAN OPTION BY A SOLUTION TO AN INTEGRAL EQUATION

VALUATION OF THE AMERICAN-STYLE OF ASIAN OPTION BY A SOLUTION TO AN INTEGRAL EQUATION Aca Universiais Mahiae Belii ser. Mahemaics, 16 21, 17 23. Received: 15 June 29, Acceped: 2 February 21. VALUATION OF THE AMERICAN-STYLE OF ASIAN OPTION BY A SOLUTION TO AN INTEGRAL EQUATION TOMÁŠ BOKES

More information

UNIVERZITA KOMENSKÉHO V BRATISLAVE Fakulta Matematiky, Fyziky a Informatiky. Rýchla asová ²kála volatility vo Fong-Va²í kovom modeli.

UNIVERZITA KOMENSKÉHO V BRATISLAVE Fakulta Matematiky, Fyziky a Informatiky. Rýchla asová ²kála volatility vo Fong-Va²í kovom modeli. UNIVERZITA KOMENSKÉHO V BRATISLAVE Fakulta Matematiky, Fyziky a Informatiky Rýchla asová ²kála volatility vo Fong-Va²í kovom modeli Diplomová práca Bratislava 2012 Bc. Radka Sele éniová UNIVERZITA KOMENSKÉHO

More information

Introduction to Black-Scholes Model

Introduction to Black-Scholes Model 4 azuhisa Masuda All righs reserved. Inroducion o Black-choles Model Absrac azuhisa Masuda Deparmen of Economics he Graduae Cener, he Ciy Universiy of New York, 365 Fifh Avenue, New York, NY 6-439 Email:

More information

Opčné spektrum. Neutrálne trhové očakávania. Vypísanie kužela Vypísanie brzdy. Kúpa časového rozpätia

Opčné spektrum. Neutrálne trhové očakávania. Vypísanie kužela Vypísanie brzdy. Kúpa časového rozpätia Opčné stratégie. Realizácia opčných stratégií sa uskutočňuje prostredníctvom zaujatia pozície v jednej alebo viacerých opciách. Opcie pri tom môžu mať rozdielne realizačné ceny alebo dátumy splatnosti.

More information

Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky

Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky Oceňovanie reálnych opcií pomocou stochastického dynamického programovania Diplomová práca Bratislava 2012 Bc. Jozef Mesároš

More information

1.1 Basic Financial Derivatives: Forward Contracts and Options

1.1 Basic Financial Derivatives: Forward Contracts and Options Chapter 1 Preliminaries 1.1 Basic Financial Derivatives: Forward Contracts and Options A derivative is a financial instrument whose value depends on the values of other, more basic underlying variables

More information

AMH4 - ADVANCED OPTION PRICING. Contents

AMH4 - ADVANCED OPTION PRICING. Contents AMH4 - ADVANCED OPTION PRICING ANDREW TULLOCH Contents 1. Theory of Option Pricing 2 2. Black-Scholes PDE Method 4 3. Martingale method 4 4. Monte Carlo methods 5 4.1. Method of antithetic variances 5

More information

Lecture Note 8 of Bus 41202, Spring 2017: Stochastic Diffusion Equation & Option Pricing

Lecture Note 8 of Bus 41202, Spring 2017: Stochastic Diffusion Equation & Option Pricing Lecture Note 8 of Bus 41202, Spring 2017: Stochastic Diffusion Equation & Option Pricing We shall go over this note quickly due to time constraints. Key concept: Ito s lemma Stock Options: A contract giving

More information

STOCHASTIC CALCULUS AND BLACK-SCHOLES MODEL

STOCHASTIC CALCULUS AND BLACK-SCHOLES MODEL STOCHASTIC CALCULUS AND BLACK-SCHOLES MODEL YOUNGGEUN YOO Abstract. Ito s lemma is often used in Ito calculus to find the differentials of a stochastic process that depends on time. This paper will introduce

More information

Chapter 3: Black-Scholes Equation and Its Numerical Evaluation

Chapter 3: Black-Scholes Equation and Its Numerical Evaluation Chapter 3: Black-Scholes Equation and Its Numerical Evaluation 3.1 Itô Integral 3.1.1 Convergence in the Mean and Stieltjes Integral Definition 3.1 (Convergence in the Mean) A sequence {X n } n ln of random

More information

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELOVANIE RIZIKOVO-NEUTRÁLNYCH

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELOVANIE RIZIKOVO-NEUTRÁLNYCH UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELOVANIE RIZIKOVO-NEUTRÁLNYCH PRAVDEPODOBNOSTÍ VÝVOJA CIEN FINANČNÝCH NÁSTROJOV DIPLOMOVÁ PRÁCA Bratislava, 23 Bc. Peter Štefko

More information

The Use of Importance Sampling to Speed Up Stochastic Volatility Simulations

The Use of Importance Sampling to Speed Up Stochastic Volatility Simulations The Use of Importance Sampling to Speed Up Stochastic Volatility Simulations Stan Stilger June 6, 1 Fouque and Tullie use importance sampling for variance reduction in stochastic volatility simulations.

More information

Stochastic modelling of electricity markets Pricing Forwards and Swaps

Stochastic modelling of electricity markets Pricing Forwards and Swaps Stochastic modelling of electricity markets Pricing Forwards and Swaps Jhonny Gonzalez School of Mathematics The University of Manchester Magical books project August 23, 2012 Clip for this slide Pricing

More information

Výnosová metóda v znaleckej praxi

Výnosová metóda v znaleckej praxi Výnosová meóda v znaleckej praxi Božena Hrvoľová 1 Absrak Súčasné poznanie vedie prakikov v oblasi znaleckej činnosi k prednosnému využívaniu modelov free cash flow v rámci výnosovej meódy pri ohodnocovaní

More information

4. Black-Scholes Models and PDEs. Math6911 S08, HM Zhu

4. Black-Scholes Models and PDEs. Math6911 S08, HM Zhu 4. Black-Scholes Models and PDEs Math6911 S08, HM Zhu References 1. Chapter 13, J. Hull. Section.6, P. Brandimarte Outline Derivation of Black-Scholes equation Black-Scholes models for options Implied

More information

A Moment Matching Approach To The Valuation Of A Volume Weighted Average Price Option

A Moment Matching Approach To The Valuation Of A Volume Weighted Average Price Option A Moment Matching Approach To The Valuation Of A Volume Weighted Average Price Option Antony Stace Department of Mathematics and MASCOS University of Queensland 15th October 2004 AUSTRALIAN RESEARCH COUNCIL

More information

Financial Economics & Insurance

Financial Economics & Insurance Financial Economics & Insurance Albert Cohen Actuarial Sciences Program Department of Mathematics Department of Statistics and Probability A336 Wells Hall Michigan State University East Lansing MI 48823

More information

Option Pricing Models for European Options

Option Pricing Models for European Options Chapter 2 Option Pricing Models for European Options 2.1 Continuous-time Model: Black-Scholes Model 2.1.1 Black-Scholes Assumptions We list the assumptions that we make for most of this notes. 1. The underlying

More information

Market Models. Practitioner Course: Interest Rate Models. John Dodson. March 29, 2009

Market Models. Practitioner Course: Interest Rate Models. John Dodson. March 29, 2009 s Praciioner Course: Ineres Rae Models March 29, 2009 In order o value European-syle opions, we need o evaluae risk-neural expecaions of he form V (, T ) = E [D(, T ) H(T )] where T is he exercise dae,

More information

Continuous Time Finance. Tomas Björk

Continuous Time Finance. Tomas Björk Continuous Time Finance Tomas Björk 1 II Stochastic Calculus Tomas Björk 2 Typical Setup Take as given the market price process, S(t), of some underlying asset. S(t) = price, at t, per unit of underlying

More information

Black-Scholes-Merton Model

Black-Scholes-Merton Model Black-Scholes-Merton Model Weerachart Kilenthong University of the Thai Chamber of Commerce c Kilenthong 2017 Weerachart Kilenthong University of the Thai Chamber Black-Scholes-Merton of Commerce Model

More information

Stochastic Volatility

Stochastic Volatility Stochastic Volatility A Gentle Introduction Fredrik Armerin Department of Mathematics Royal Institute of Technology, Stockholm, Sweden Contents 1 Introduction 2 1.1 Volatility................................

More information

X t. ( t. x 1 (t) x 2 (t) T T. t 2 (u)du. t 1 (u)du T. 0 Xd s ds X

X t. ( t. x 1 (t) x 2 (t) T T. t 2 (u)du. t 1 (u)du T. 0 Xd s ds X r X X sds, X E Q e X sds X r X Xd s ds, X d, X e, ˆX f E d e Xd s ds X d, X e, ˆX f ν ν h ν H x 1 x x 1 x x 1 udu x udu r X Q dr b κr d + σ dw, κ b σ W r e κ r +e κ eκs b s ds+e κ eκs σ s dw s θ e κ r

More information

In chapter 5, we approximated the Black-Scholes model

In chapter 5, we approximated the Black-Scholes model Chapter 7 The Black-Scholes Equation In chapter 5, we approximated the Black-Scholes model ds t /S t = µ dt + σ dx t 7.1) with a suitable Binomial model and were able to derive a pricing formula for option

More information

Definition Pricing Risk management Second generation barrier options. Barrier Options. Arfima Financial Solutions

Definition Pricing Risk management Second generation barrier options. Barrier Options. Arfima Financial Solutions Arfima Financial Solutions Contents Definition 1 Definition 2 3 4 Contenido Definition 1 Definition 2 3 4 Definition Definition: A barrier option is an option on the underlying asset that is activated

More information

Lévy models in finance

Lévy models in finance Lévy models in finance Ernesto Mordecki Universidad de la República, Montevideo, Uruguay PASI - Guanajuato - June 2010 Summary General aim: describe jummp modelling in finace through some relevant issues.

More information

Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky DIPLOMOVÁ PRÁCA Martin Lauko

Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky DIPLOMOVÁ PRÁCA Martin Lauko Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky DIPLOMOVÁ PRÁCA 2009 Martin Lauko Numerické a analytické aproximácie hranice predčasného uplatnenia americkej put opcie DIPLOMOVÁ

More information

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY ANALÝZA RIE ENÍ NELINEÁRNYCH ROVNÍC PRE OCEŒOVANIE FINANƒNÝCH DERIVÁTOV S PREMENLIVÝMI TRANSAKƒNÝMI NÁKLADMI DIPLOMOVÁ PRÁCA

More information

BLACK SCHOLES THE MARTINGALE APPROACH

BLACK SCHOLES THE MARTINGALE APPROACH BLACK SCHOLES HE MARINGALE APPROACH JOHN HICKSUN. Introduction hi paper etablihe the Black Schole formula in the martingale, rik-neutral valuation framework. he intent i two-fold. One, to erve a an introduction

More information

(Informal) Introduction to Stochastic Calculus

(Informal) Introduction to Stochastic Calculus (Informal) Introduction to Stochastic Calculus Paola Mosconi Banca IMI Bocconi University, 19/02/2018 Paola Mosconi 20541 Lecture 2-3 1 / 68 Disclaimer The opinion expressed here are solely those of the

More information

Partial differential approach for continuous models. Closed form pricing formulas for discretely monitored models

Partial differential approach for continuous models. Closed form pricing formulas for discretely monitored models Advanced Topics in Derivative Pricing Models Topic 3 - Derivatives with averaging style payoffs 3.1 Pricing models of Asian options Partial differential approach for continuous models Closed form pricing

More information

Advanced topics in continuous time finance

Advanced topics in continuous time finance Based on readings of Prof. Kerry E. Back on the IAS in Vienna, October 21. Advanced topics in continuous time finance Mag. Martin Vonwald (martin@voni.at) November 21 Contents 1 Introduction 4 1.1 Martingale.....................................

More information

CONTINUOUS TIME PRICING AND TRADING: A REVIEW, WITH SOME EXTRA PIECES

CONTINUOUS TIME PRICING AND TRADING: A REVIEW, WITH SOME EXTRA PIECES CONTINUOUS TIME PRICING AND TRADING: A REVIEW, WITH SOME EXTRA PIECES THE SOURCE OF A PRICE IS ALWAYS A TRADING STRATEGY SPECIAL CASES WHERE TRADING STRATEGY IS INDEPENDENT OF PROBABILITY MEASURE COMPLETENESS,

More information

Tentamen i 5B1575 Finansiella Derivat. Torsdag 25 augusti 2005 kl

Tentamen i 5B1575 Finansiella Derivat. Torsdag 25 augusti 2005 kl Tenamen i 5B1575 Finansiella Deriva. Torsdag 25 augusi 2005 kl. 14.00 19.00. Examinaor: Camilla Landén, el 790 8466. Tillåna hjälpmedel: Av insiuionen ulånad miniräknare. Allmänna anvisningar: Lösningarna

More information

Financial Risk Management

Financial Risk Management Risk-neutrality in derivatives pricing University of Oulu - Department of Finance Spring 2018 Portfolio of two assets Value at time t = 0 Expected return Value at time t = 1 Asset A Asset B 10.00 30.00

More information

Pricing theory of financial derivatives

Pricing theory of financial derivatives Pricing theory of financial derivatives One-period securities model S denotes the price process {S(t) : t = 0, 1}, where S(t) = (S 1 (t) S 2 (t) S M (t)). Here, M is the number of securities. At t = 1,

More information

is a standard Brownian motion.

is a standard Brownian motion. Stochastic Calculus Final Examination Solutions June 7, 25 There are 2 problems and points each.. (Property of Brownian Bridge) Let Bt = {B t, t B = } be a Brownian bridge, and define dx t = Xt dt + db

More information

CROSS SECTIONAL FORECASTS

CROSS SECTIONAL FORECASTS COMENIUS UNIVERSITY IN BRATISLAVA FACULTY OF MATHEMATICS, PHYSICS AND INFORMATICS CROSS SECTIONAL FORECASTS OF THE EQUITY PREMIUM Master's Thesis Katarína Beláková Bratislava 2013 COMENIUS UNIVERSITY IN

More information

Black-Scholes model: Derivation and solution

Black-Scholes model: Derivation and solution III. Black-Scholes model: Derivation and solution Beáta Stehlíková Financial derivatives Faculty of Mathematics, Physics and Informatics Comenius University, Bratislava III. Black-Scholes model: Derivation

More information

INSTITUTE OF ACTUARIES OF INDIA

INSTITUTE OF ACTUARIES OF INDIA INSIUE OF ACUARIES OF INDIA EAMINAIONS 23 rd May 2011 Subjec S6 Finance and Invesmen B ime allowed: hree hours (9.45* 13.00 Hrs) oal Marks: 100 INSRUCIONS O HE CANDIDAES 1. Please read he insrucions on

More information

CHAPTER 12. Hedging. hedging strategy = replicating strategy. Question : How to find a hedging strategy? In other words, for an attainable contingent

CHAPTER 12. Hedging. hedging strategy = replicating strategy. Question : How to find a hedging strategy? In other words, for an attainable contingent CHAPTER 12 Hedging hedging dddddddddddddd ddd hedging strategy = replicating strategy hedgingdd) ddd Question : How to find a hedging strategy? In other words, for an attainable contingent claim, find

More information

The Black-Scholes Equation using Heat Equation

The Black-Scholes Equation using Heat Equation The Black-Scholes Equation using Heat Equation Peter Cassar May 0, 05 Assumptions of the Black-Scholes Model We have a risk free asset given by the price process, dbt = rbt The asset price follows a geometric

More information

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY VYUšITIE MEIXNEROVHO PROCESU PRI MODELOVANÍ FINANƒNÝCH TRHOV DIPLOMOVÁ PRÁCA 016 Bc. Ivana KRASULOVÁ UNIVERZITA KOMENSKÉHO V

More information

Change of measure and Girsanov theorem

Change of measure and Girsanov theorem and Girsanov heorem 80-646-08 Sochasic calculus I Geneviève Gauhier HEC Monréal Example 1 An example I Le (Ω, F, ff : 0 T g, P) be a lered probabiliy space on which a sandard Brownian moion W P = W P :

More information

Lecture 8: The Black-Scholes theory

Lecture 8: The Black-Scholes theory Lecture 8: The Black-Scholes theory Dr. Roman V Belavkin MSO4112 Contents 1 Geometric Brownian motion 1 2 The Black-Scholes pricing 2 3 The Black-Scholes equation 3 References 5 1 Geometric Brownian motion

More information

Modelovanie volatility futures kontraktov s elektrickou energiou na PXE *

Modelovanie volatility futures kontraktov s elektrickou energiou na PXE * Modelovanie volailiy fuures konrakov s elekrickou energiou na PXE * Igor Paholok Absrak Príspevok obsahuje popis dvoch meód modelovania cenovej volailiy fuures konrakov na elekrickú energiu (GARCH a zv.

More information

BIRKBECK (University of London) MSc EXAMINATION FOR INTERNAL STUDENTS MSc FINANCIAL ENGINEERING DEPARTMENT OF ECONOMICS, MATHEMATICS AND STATIS- TICS

BIRKBECK (University of London) MSc EXAMINATION FOR INTERNAL STUDENTS MSc FINANCIAL ENGINEERING DEPARTMENT OF ECONOMICS, MATHEMATICS AND STATIS- TICS BIRKBECK (University of London) MSc EXAMINATION FOR INTERNAL STUDENTS MSc FINANCIAL ENGINEERING DEPARTMENT OF ECONOMICS, MATHEMATICS AND STATIS- TICS PRICING EMMS014S7 Tuesday, May 31 2011, 10:00am-13.15pm

More information

A Full Asymptotic Series of European Call Option Prices in the SABR Model with

A Full Asymptotic Series of European Call Option Prices in the SABR Model with A Full Asymptotic Series of European Call Option Prices in the SABR Model with β = 1 Z. Guo, H. Schellhorn November 17, 2018 Stochastic Alpha Beta Rho(SABR) Model The Black-Scholes Theory Generalization

More information

Stochastic Differential equations as applied to pricing of options

Stochastic Differential equations as applied to pricing of options Stochastic Differential equations as applied to pricing of options By Yasin LUT Supevisor:Prof. Tuomo Kauranne December 2010 Introduction Pricing an European call option Conclusion INTRODUCTION A stochastic

More information

Univerzita Karlova v Praze Matematicko fyzikální fakulta

Univerzita Karlova v Praze Matematicko fyzikální fakulta Univerzita Karlova v Praze Matematicko fyzikální fakulta DIPLOMOVÁ PRÁCE Jana Garajová Modely úrokových měr ve spojitém čase Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: Prof.

More information

Brownian Motion. Richard Lockhart. Simon Fraser University. STAT 870 Summer 2011

Brownian Motion. Richard Lockhart. Simon Fraser University. STAT 870 Summer 2011 Brownian Motion Richard Lockhart Simon Fraser University STAT 870 Summer 2011 Richard Lockhart (Simon Fraser University) Brownian Motion STAT 870 Summer 2011 1 / 33 Purposes of Today s Lecture Describe

More information

Equivalent Martingale Measure in Asian Geometric Average Option Pricing

Equivalent Martingale Measure in Asian Geometric Average Option Pricing Journal of Mahemaical Finance, 4, 4, 34-38 ublished Online Augus 4 in SciRes hp://wwwscirporg/journal/jmf hp://dxdoiorg/436/jmf4447 Equivalen Maringale Measure in Asian Geomeric Average Opion ricing Yonggang

More information

Proceedings of the 48th European Study Group Mathematics with Industry 1

Proceedings of the 48th European Study Group Mathematics with Industry 1 Proceedings of he 48h European Sudy Group Mahemaics wih Indusry 1 ADR Opion Trading Jasper Anderluh and Hans van der Weide TU Delf, EWI (DIAM), Mekelweg 4, 2628 CD Delf jhmanderluh@ewiudelfnl, JAMvanderWeide@ewiudelfnl

More information

Economathematics. Problem Sheet 1. Zbigniew Palmowski. Ws 2 dw s = 1 t

Economathematics. Problem Sheet 1. Zbigniew Palmowski. Ws 2 dw s = 1 t Economathematics Problem Sheet 1 Zbigniew Palmowski 1. Calculate Ee X where X is a gaussian random variable with mean µ and volatility σ >.. Verify that where W is a Wiener process. Ws dw s = 1 3 W t 3

More information

Option Pricing. 1 Introduction. Mrinal K. Ghosh

Option Pricing. 1 Introduction. Mrinal K. Ghosh Option Pricing Mrinal K. Ghosh 1 Introduction We first introduce the basic terminology in option pricing. Option: An option is the right, but not the obligation to buy (or sell) an asset under specified

More information

Chapter 9 - Mechanics of Options Markets

Chapter 9 - Mechanics of Options Markets Chapter 9 - Mechanics of Options Markets Types of options Option positions and profit/loss diagrams Underlying assets Specifications Trading options Margins Taxation Warrants, employee stock options, and

More information

STOCHASTIC INTEGRALS

STOCHASTIC INTEGRALS Stat 391/FinMath 346 Lecture 8 STOCHASTIC INTEGRALS X t = CONTINUOUS PROCESS θ t = PORTFOLIO: #X t HELD AT t { St : STOCK PRICE M t : MG W t : BROWNIAN MOTION DISCRETE TIME: = t < t 1

More information

A New Class of Non-linear Term Structure Models. Discussion

A New Class of Non-linear Term Structure Models. Discussion A New Class of Non-linear Term Structure Models by Eraker, Wang and Wu Discussion Pietro Veronesi The University of Chicago Booth School of Business Main Contribution and Outline of Discussion Main contribution

More information

Sadzobník kartových poplatkov firemné platobné karty / Schedule of Card Charges company payment cards

Sadzobník kartových poplatkov firemné platobné karty / Schedule of Card Charges company payment cards Sadzobník kartových poplatkov firemné platobné karty / Schedule of Card Charges company payment cards Citibank Europe plc., so sídlom Dublin, North Wall Quay 1, Írsko, registrovaná v registri spoločností

More information

Greek parameters of nonlinear Black-Scholes equation

Greek parameters of nonlinear Black-Scholes equation International Journal of Mathematics and Soft Computing Vol.5, No.2 (2015), 69-74. ISSN Print : 2249-3328 ISSN Online: 2319-5215 Greek parameters of nonlinear Black-Scholes equation Purity J. Kiptum 1,

More information

25857 Interest Rate Modelling

25857 Interest Rate Modelling 25857 UTS Business School University of Technology Sydney Chapter 20. Change of Numeraire May 15, 2014 1/36 Chapter 20. Change of Numeraire 1 The Radon-Nikodym Derivative 2 Option Pricing under Stochastic

More information

Stochastic Integral Representation of One Stochastically Non-smooth Wiener Functional

Stochastic Integral Representation of One Stochastically Non-smooth Wiener Functional Bulletin of TICMI Vol. 2, No. 2, 26, 24 36 Stochastic Integral Representation of One Stochastically Non-smooth Wiener Functional Hanna Livinska a and Omar Purtukhia b a Taras Shevchenko National University

More information

In this lecture we will solve the final-value problem derived in the previous lecture 4, V (1) + rs = rv (t < T )

In this lecture we will solve the final-value problem derived in the previous lecture 4, V (1) + rs = rv (t < T ) MSC FINANCIAL ENGINEERING PRICING I, AUTUMN 2010-2011 LECTURE 5: THE BLACK AND SCHOLES FORMULA AND ITS GREEKS RAYMOND BRUMMELHUIS DEPARTMENT EMS BIRKBECK In this lecture we will solve the final-value problem

More information

MSC FINANCIAL ENGINEERING PRICING I, AUTUMN LECTURE 6: EXTENSIONS OF BLACK AND SCHOLES RAYMOND BRUMMELHUIS DEPARTMENT EMS BIRKBECK

MSC FINANCIAL ENGINEERING PRICING I, AUTUMN LECTURE 6: EXTENSIONS OF BLACK AND SCHOLES RAYMOND BRUMMELHUIS DEPARTMENT EMS BIRKBECK MSC FINANCIAL ENGINEERING PRICING I, AUTUMN 2010-2011 LECTURE 6: EXTENSIONS OF BLACK AND SCHOLES RAYMOND BRUMMELHUIS DEPARTMENT EMS BIRKBECK In this section we look at some easy extensions of the Black

More information

Solving the Black-Scholes Equation

Solving the Black-Scholes Equation Solving the Black-Scholes Equation An Undergraduate Introduction to Financial Mathematics J. Robert Buchanan 2010 Initial Value Problem for the European Call rf = F t + rsf S + 1 2 σ2 S 2 F SS for (S,

More information

Basic Arbitrage Theory KTH Tomas Björk

Basic Arbitrage Theory KTH Tomas Björk Basic Arbitrage Theory KTH 2010 Tomas Björk Tomas Björk, 2010 Contents 1. Mathematics recap. (Ch 10-12) 2. Recap of the martingale approach. (Ch 10-12) 3. Change of numeraire. (Ch 26) Björk,T. Arbitrage

More information

Computational Finance

Computational Finance Path Dependent Options Computational Finance School of Mathematics 2018 The Random Walk One of the main assumption of the Black-Scholes framework is that the underlying stock price follows a random walk

More information

MARTINGALES AND LOCAL MARTINGALES

MARTINGALES AND LOCAL MARTINGALES MARINGALES AND LOCAL MARINGALES If S t is a (discounted) securtity, the discounted P/L V t = need not be a martingale. t θ u ds u Can V t be a valid P/L? When? Winter 25 1 Per A. Mykland ARBIRAGE WIH SOCHASIC

More information

Pricing FX Target Redemption Forward under. Regime Switching Model

Pricing FX Target Redemption Forward under. Regime Switching Model In. J. Conemp. Mah. Sciences, Vol. 8, 2013, no. 20, 987-991 HIKARI Ld, www.m-hikari.com hp://dx.doi.org/10.12988/ijcms.2013.311123 Pricing FX Targe Redempion Forward under Regime Swiching Model Ho-Seok

More information

Finance II. May 27, F (t, x)+αx f t x σ2 x 2 2 F F (T,x) = ln(x).

Finance II. May 27, F (t, x)+αx f t x σ2 x 2 2 F F (T,x) = ln(x). Finance II May 27, 25 1.-15. All notation should be clearly defined. Arguments should be complete and careful. 1. (a) Solve the boundary value problem F (t, x)+αx f t x + 1 2 σ2 x 2 2 F (t, x) x2 =, F

More information

FE610 Stochastic Calculus for Financial Engineers. Stevens Institute of Technology

FE610 Stochastic Calculus for Financial Engineers. Stevens Institute of Technology FE610 Stochastic Calculus for Financial Engineers Lecture 13. The Black-Scholes PDE Steve Yang Stevens Institute of Technology 04/25/2013 Outline 1 The Black-Scholes PDE 2 PDEs in Asset Pricing 3 Exotic

More information

Heath Jarrow Morton Framework

Heath Jarrow Morton Framework CHAPTER 7 Heah Jarrow Moron Framework 7.1. Heah Jarrow Moron Model Definiion 7.1 (Forward-rae dynamics in he HJM model). In he Heah Jarrow Moron model, brieflyhjm model, he insananeous forward ineres rae

More information

Continuous time; continuous variable stochastic process. We assume that stock prices follow Markov processes. That is, the future movements in a

Continuous time; continuous variable stochastic process. We assume that stock prices follow Markov processes. That is, the future movements in a Continuous time; continuous variable stochastic process. We assume that stock prices follow Markov processes. That is, the future movements in a variable depend only on the present, and not the history

More information

MSc Financial Engineering CHRISTMAS ASSIGNMENT: MERTON S JUMP-DIFFUSION MODEL. To be handed in by monday January 28, 2013

MSc Financial Engineering CHRISTMAS ASSIGNMENT: MERTON S JUMP-DIFFUSION MODEL. To be handed in by monday January 28, 2013 MSc Financial Engineering 2012-13 CHRISTMAS ASSIGNMENT: MERTON S JUMP-DIFFUSION MODEL To be handed in by monday January 28, 2013 Department EMS, Birkbeck Introduction The assignment consists of Reading

More information

Hedging of swaptions in a Lévy driven Heath-Jarrow-Morton framework

Hedging of swaptions in a Lévy driven Heath-Jarrow-Morton framework Hedging of swaptions in a Lévy driven Heath-Jarrow-Morton framework Kathrin Glau, Nele Vandaele, Michèle Vanmaele Bachelier Finance Society World Congress 2010 June 22-26, 2010 Nele Vandaele Hedging of

More information

Bluff Your Way Through Black-Scholes

Bluff Your Way Through Black-Scholes Bluff our Way Through Black-Scholes Saurav Sen December 000 Contents What is Black-Scholes?.............................. 1 The Classical Black-Scholes Model....................... 1 Some Useful Background

More information

Aspects of Financial Mathematics:

Aspects of Financial Mathematics: Aspects of Financial Mathematics: Options, Derivatives, Arbitrage, and the Black-Scholes Pricing Formula J. Robert Buchanan Millersville University of Pennsylvania email: Bob.Buchanan@millersville.edu

More information