Rahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu

Samankaltaiset tiedostot
Optioiden hinnoittelu binomihilassa

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

10. Optiohinnoittelu binomihilassa

Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

Projektin arvon aleneminen

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio

Rahoitusriskit ja johdannaiset Matti Estola. luento 8 Optioiden hinnoittelusta

Päätöspuut pitkän aikavälin investointilaskelmissa

763105P JOHDATUS SUHTEELLISUUSTEORIAAN 1 Ratkaisut 5 Kevät 2016

12. Korkojohdannaiset

4. Derivointi useammassa ulottuvuudessa

= + + = 4. Derivointi useammassa ulottuvuudessa

OPTIMAALINEN INVESTOINTIPÄÄTÖS

Projektin arvon määritys

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Rahoitusriskit ja johdannaiset Matti Estola Luento 6. Swap -sopimukset

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

Rahoitusriskit ja johdannaiset Matti Estola. luento 2 Termiini- ja futuurihintojen määräytyminen

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P

Tesomajärven koulusta Tesoman kouluksi

ln S(k) = ln S(0) + w(i) E[ln S(k)] = ln S(0) + vk V ar[ln S(k)] = kσ 2

Mat Investointiteoria Laskuharjoitus 3/2008, Ratkaisut

Solvenssi II:n markkinaehtoinen vastuuvelka

8. Vertailuperiaatteita ja johdannaisia

Aloitamme yksinkertaisella leluesimerkillä. Tarkastelemme yhtä osaketta S. Oletamme että tänään, hetkellä t = 0, osakkeen hinta on S 0 = 100=C.

Investointimahdollisuudet ja niiden ajoitus

Kansainvälinen rahatalous Matti Estola. Termiinikurssit ja swapit valuuttariskien hallinnassa

Matematiikan tukikurssi

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista

Mat Investointiteoria. Tentti Mitd

corporate governance Tämä on lyhennetty versio Cinia-konsernin laajemmasta, sisäisestä ohjeistuksesta

1 Sovelluksia. Sovelluksia 1

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Investointimahdollisuudet ja investointien ajoittaminen

Mat Investointiteoria - Kotitehtävät

Valuuttariskit ja johdannaiset

Rahoitusriskit ja johdannaiset Matti Estola. luento 9 Optiostrategioista

Black ja Scholes ilman Gaussia

Y (z) = z-muunnos on lineaarinen kuten Laplace-muunnoskin

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

Markkinoilla kaupattavia sijoituskohteita (1/2)

Tesomajärven koulusta Tesoman kouluksi

Rahoitusriskit ja johdannaiset Luentokurssi kevät 2011 Lehtori Matti Estola

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Mat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

Nyt ensimmäisenä periodina (ei makseta kuponkia) odotettu arvo on: 1 (qv (1, 1) + (1 q)v (0, 1)) V (s, T ) = C + F

Rahoitusriskit ja johdannaiset Matti Estola. luento 7 Swap sopimuksista lisää

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

Differentiaaliyhtälöt I Ratkaisuehdotuksia, 2. harjoitus, kevät Etsi seuraavien yhtälöiden yleiset ratkaisut (Tässä = d

MIKROTEORIA, HARJOITUS 3 KYSYNTÄ YLI AJAN JA EPÄVARMUUDEN VALLITESSA, OSTAJANA JA MYYJÄNÄ, SEKÄ TYÖN TARJONTA

Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

Kokemuksia muutoksesta ja johtamisesta luvulta tähän päivään. Keijo Mutanen KIM Ventures Oy Joensuu

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Dynaamisten systeemien identifiointi 1/2

Kun annettu differenssiyhtälö z-muunnetaan puolittain, saadaan: 1 1 z Y z zy z z/4 4

laskuperustekorkoisia ja ns. riskihenkivakuutuksia), yksilöllisiä eläkevakuutuksia, kapitalisaatiosopimuksia sekä sairauskuluvakuutuksia.

Rahoitusriskit ja johdannaiset Matti Estola. luento 8 Optioiden hinnoittelusta

r1 2 (1 0,02) 1 0, (1 0, 0125) A250A0100 Finanssi-investoinnit 6. harjoitukset Futuuri, termiinit ja swapit

Todellinen vuosikorko. Efektiivinen/sisäinen korkokanta. Huomioitavaa

Käyttöarvon kvantitatiivisesta mittaamisesta. Tommi Höynälänmaa 19. marraskuuta 2012

4 Liikemäärä ja liikemäärän säilyminen

Riski ja velkaantuminen

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Seppo I. Niemelä: Mikrobiologian kvantatiivisten

Esim 1 Esim 2 ei käsitellä tällä kurssilla

Kirjanpito ja laskentatoimi A-osa

, tuottoprosentti r = X 1 X 0

2.2.1 Ratkaiseminen arvausta sovittamalla

a) (1, 0735) , 68. b) Korkojaksoa vastaava nettokorkokanta on

Hoitoketjut sotealueella. Jukka Mattila Johtajaylilääkäri Lapin sairaanhoitopiiri

Black-Scholes-optiohinnoittelumalli

Diskreettiaikainen dynaaminen optimointi

KAUPANKÄYNTIVARASTON POSITIORISKIN LASKEMINEN

Differentiaali- ja integraalilaskenta 3 Ratkaisut viikko 3

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

5. Trigonometria. 5.1 Asteet ja radiaanit. Radiaanit saadaan lausekkeesta. Kun kulma on v radiaania ja n astetta, tästä seuraa, että 180

Kvanttifysiikan perusteet 2017

(kevät 2019) Markku Laitinen Uurainen Siv u 1

7. Tasapainoitetut hakupuut

Miten osoitetaan joukot samoiksi?

Yritys- ja osinkoverotus ja riskinotto. Verotuksen kehittämistyöryhmä Essi Eerola ja Seppo Kari/VATT

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Yhteistyötä teatterista & Taiteesta tuotteeksi -hankkeet

Diskonttaus. Diskonttaus. Ratkaistaan yhtälöstä (2) K 0,jolloin Virallinen diskonttauskaava. = K t. 1 + it. (3) missä

klo Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen.

Kansantaloudessa tuotetaan vehnää, jauhoja ja leipää. Leipä on talouden ainoa lopputuote, ja sen valmistuksessa käytetään välituotteena jauhoja.

Valintahetket ja pysäytetyt martingaalit

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Luento 2 / 12. SMG-1200 Piirianalyysi II Risto Mikkonen

Helsingin hengessä sopua ja sovittelua työyhteisön arkeen

Pääsykoe 2001/Ratkaisut Hallinto

4. Taajuusalueen suodatus 4.1. Taustaa Perusteita

805306A Johdatus monimuuttujamenetelmiin, 5 op

V ar(m n ) = V ar(x i ).

Transkriptio:

Rahoitsriskit ja johdannaiset Matti Estola lento 1 Binomipt ja optioiden hinnoittel

1. Optiohintojen mallintaminen Esimerkki. Oletetaan, että osakkeen spot -krssi on $ ja spot -krssilla 3 kk:n kltta on vain kaksi mahdollista tlevaa arvoa: $ ja $18. Tällöin 3 kk:n matriteetin osto-optiolla, jossa kohde-ettena on ko. osake totetshinnalla $1, on kaksi mahdollista päätöshetken arvoa: $1 ja $. Määrätään tämän osto-option hinta sillä periaatteella, että arbitraasimahdollistta ei ole. Oletetaan, että mahdollisia sijoitskohteita ovat vain ko. optio ja sen kohde-ettena oleva osake. Modostetaan seraava portfolio: kpl osakkeita ja 1 asetett osto-optio. Ratkaistaan se :n arvo, jolla ko. portfolio on riskitön. Tällöin ko. portfolion tottoasteen tlee vastata riskitöntä korkoa, jotta arbitraasimahdollistta ei olisi.

Tilanne binomipna: S T = = 1 = 1 S = =? S T = 18 =

Tapas 1: Osakkeen tleva krssi on $ jolloin option arvo on $1. Koko portfolion arvo on tällöin $ - 1. Tapas : Osakkeen tleva krssi on $18 jolloin option arvo on $. Koko portfolion arvo on tällöin $18. Portfolio on riskitön, jos valitaan siten, että portfolion arvo on molemmissa tapaksissa sama. Tällöin - 1 = 18 => = ¼. Riskitön portfolio on siten: Osta ¼ osakkeita ja aseta 1 osto-optio. Merkitään osakkeen hintaa option totetspäivänä S T :llä. Ol. S T = => Portfolion arvo on tällöin: /4-1 = 4,5. Ol. S T = 18 => Portfolion arvo on tällöin: 18/4 = 4,5.

Kohde-ettena olevan osakkeen hinnasta holimatta portfoliolla on tällöin sama riskitön arvo option totetspäivänä. Oletetaan, että riskitön korko on,1 (1/v). Tällöin ko. portflion nykyarvo on: $4,5e,1(1/ v),5( v) $4,367. Merkitään osto-option hintaa $:llä ja S = $. Tällöin portfolion nykyarvo on: $ 1/4 $5. Asettamalla $ 5 - $ = $ 4,367 saamme ratkaista = $,633. Tämä on se option hinta, jolla arbitraasimahdollistta ei ole.

Yleistys: Merkitään osakkeen spot -hintaa S :lla, option hintaa :llä, option matriteettia T (v) ja osakkeen arvo option totetspäivänä voi olla S tod. näk. (tn) ½ ja S d tn ½, > 1 ja d < 1. Jos osakkeen arvo on S, tällöin option arvo on, ja jos osakkeen arvo on on S d, option arvo on d. Tilanne binomipna: S S S d d

Oletetaan portfolio, jossa on kpl osakkeita ja 1 myyty osto-optio. Tapaksessa 1 portfolion arvo on: Tapaksessa portfolion arvo on: S S d d Nämä ovat yhtä sret, eli portfolio on riskitön, kn: S S d d S ( d) d * S ( d. d) (1) Valitsemalla * kpl osakkeita portfolioon, portfolio on riskitön. Tällöin sen tottoaste on sama kin riskittömällä korolla, sillä mtoin olisi arbitraasimahdolliss.

* rt Portfolion nykyarvo on tällöin: ( S ) e. Koska portfolion kstannkset ovat alssa: * S, tällöin pätee: S * S * ( S ( S * * ) e ) e rt rt. () Sijoittamalla edelliseen * kaavasta (1), saadaan (tämä käydään tarkemmin lennoilla): e missä rt ( p p e rt (1 d d p) d. ), (3)

Esim: = 1,1; d =,9; r =,1 (1/v); T =,5 (v); = 1; d =. p e e,1,5,5,9 1,1,9,1 (,653 1,653,,3477 ),633. Option hinnoittelkaava (3) ei sisällä osakkeen alkperäistä hintaa eikä todennäköisyyksiä osakkeen hintamtoksille. Tätä jälkimmäistä ominaistta ktstaan hinnoittelmallin riskinetraalisdeksi. Sama hinnoittelmalli pätee vaikka tn osakkeen hinnan noslle olisi,9 ja lasklle,1, tai noslle, ja lasklle,8.

. Diskreettiaikainen Wiener prosessi Mttja z nodattaa 1 -lotteista Wiener -prosessia, jos: Tällöin 1) ) i) z ii) z t, z i, z j ovat N(,1), sillä E{[ z] t E{ z t t. z]] N(,1), riippmatt omia. ], E{[ z] E{ Wiener -prosessia nodattavan satnnaismttjan odotsarvo on siis ja varianssi on T ajanjakson T aikana; E on odotsarvooperaattori. t

3. Jatkva-aikainen Wiener -prosessi Satnnaismttja z nodattaa jatkva-aikaista Wiener -prosessia, jos mttjan z differentiaalille (mtokselle) dz pätee: dz dt, dz] dt ], var( dz) E{[ dz dz]] E{[ dz] dt E{ dt. 3.1. Yleistetty Wiener -prosessi Mttja nodattaa jatkva-aikaista yleistettyä Wiener prosessia, jos: d adt bdz, missä a on drift (virtas) -parametri ja b varianssi -parametri.

Diskreettiaikaisena yleistetty Wiener -prosessi on motoa: a t b z a t b t. Tällä prosessilla on seraavat ominaisdet: 1) ] a t, sillä z], ) E{[ ]] E{ b ( z) b t ] b t ] b t. t Nyt jos z =, niin a, Joten a on :n kasvnopes tilanteessa, että :n satnnaiskomponentin z mtos =. Wiener -prosessia ktstaan sein myös Random walk (satnnaisklk) -prosessiksi.