Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Samankaltaiset tiedostot
Jatkuvan ajan dynaaminen optimointi

OPTIMAALINEN INVESTOINTIPÄÄTÖS

Projektin arvon aleneminen

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Investointimahdollisuudet ja niiden ajoitus

Diskreettiaikainen dynaaminen optimointi

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

Investointimahdollisuudet ja investoinnin ajoittaminen

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen

Projektin arvon määritys

Päätöspuut pitkän aikavälin investointilaskelmissa

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

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

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Investointimahdollisuudet ja investointien ajoittaminen

[xk r k ] T Q[x k r k ] + u T k Ru k. }.

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

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

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

Mat Investointiteoria Laskuharjoitus 3/2008, Ratkaisut

Investointistrategioista kilpailluilla markkinoilla

Mat Investointiteoria. Tentti Mitd

, tuottoprosentti r = X 1 X 0

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Satunnaismuuttujien muunnokset ja niiden jakaumat

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

k = 1,...,r. L(x 1 (t), x

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

Mat Dynaaminen optimointi, mallivastaukset, kierros 3

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan välttämättömät ehdot funktionaalin. g(y(t), ẏ(t),...

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

JAKSO 2 KANTA JA KOORDINAATIT

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

x n e x dx = n( e x ) nx n 1 ( e x ) = x n e x + ni n 1 x 4 e x dx = x 4 e x +4( x 3 e x +3( x 2 e x +2( xe x e x ))) = e x

Esimerkki 1 Ratkaise differentiaaliyhtälö

Numeerinen analyysi Harjoitus 1 / Kevät 2017

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

Funktioiden approksimointi ja interpolointi

4 Matemaattinen induktio

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

Malliratkaisut Demot

Mat Investointiteoria - Kotitehtävät

Osittaisdifferentiaaliyhtälöt

Topologia I Harjoitus 6, kevät 2010 Ratkaisuehdotus

Differentiaaliyhtälöt I, kevät 2017 Harjoitus 3

Malliratkaisut Demo 1

STOKASTISET DIFFERENTIAALIYHTÄLÖT 115

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

y + 4y = 0 (1) λ = 0

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Esimerkkejä ym., osa I

Ratkaisuehdotukset LH 8 / vko 47

Mat Matematiikan peruskurssi C2

Kurssikoe on maanantaina Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.

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

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matematiikan peruskurssi 2

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

9. Riskeiltä suojautuminen

Mat Sovellettu todennäköisyyslasku A

ELEC C4140 Kenttäteoria (syksy 2016)

Lyhyen aikavälin hintakilpailu 2/2

8. Avoimen kuvauksen lause

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!

ELEC C4140 Kenttäteoria (syksy 2015)

Hintakilpailu lyhyellä aikavälillä

Differentiaali- ja integraalilaskenta 3 Laskuharjoitus 7 /

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

4.0.2 Kuinka hyvä ennuste on?

Generoivat funktiot, Poisson- ja eksponenttijakaumat

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto ja esimerkkejä ym., osa I

1 Rajoittamaton optimointi

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto ja esimerkkejä ym., osa I

9 Maxwellin yhtälöt. 9.5 Aaltoyhtälö ja kenttien lähteet Aaltoyhtälö tyhjössä Potentiaaliesitys Viivästyneet potentiaalit

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0;

Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen

( ds ) A (2) ψ ξ dv + ψ 2 ξ dv = ψ 2 ξ ξ 2 ψ ) V

5 Differentiaaliyhtälöryhmät

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

Mat Dynaaminen optimointi, mallivastaukset, kierros 11

1. (a) (2p.) Systeemin infinitesimaalista siirtoa matkan ɛ verran esittää operaattori

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Esimerkkejä ym., osa I

7. Tasaisen rajoituksen periaate

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

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

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Jakso 1: Pyörimisliikkeen kinematiikkaa, hitausmomentti

Transkriptio:

Johdannaisanalyysi Contingent Claims Analysis Juha Leino 11.10.2000 Optimointiopin seminaari - Syksy 2000 / 1

Oletukset Yritys tuottaa tuotetta, jonka hinta on x x noudattaa geometrista Brownin liikettä dx = αxdt + σxdz Tuotteella x on olemassa markkinat Mahdollisuus sijoittaa riskittömästi korolla r Optimointiopin seminaari - Syksy 2000 / 2

Mikä on yrityksen arvo? Tarkastellaan lyhyttä ajanjaksoa dt Luodaan kaksi portfoliota Ostetaan yritys summalla F(x,t) Sijoitetaan 1 dollari riskittömällä korolla ja ostetaan n yksikköä tuotetta x Optimointiopin seminaari - Syksy 2000 / 3

Portfolio 1 Ostohinta F(x,t) Saadaan kassavirta π(x,t)dt F(x,t):n muutos saadaan laskettua käyttäen Iton lemmaa df = [F t + αxf x + ½σ 2 x 2 F xx ]dt + σxf x dz Tuotto π + F t + αxfx + F ½σ 2 x 2 F xx dt + σxf F x dz Optimointiopin seminaari - Syksy 2000 / 4

Portfolio 2 Sijoitetaan dollari riskittömällä korolla r Saadaan riskitön tuotto rdt Ostetaan n yksikköä tuotetta x Osinko nδxdt Arvon muutos ndx = nαxdt + nσxdz Tuotto r + n( α + δ ) x σnx dt + 1+ nx 1+ nx dz Optimointiopin seminaari - Syksy 2000 / 5

Portfolioiden vertailu Valitaan n siten, että portfolioilla sama riski σ nx σ xf x ( x, t ) = 1 + nx F ( x, t ) Sama riskikäyttäytyminen Sama tuotto π + Ft + αxfx + F Sievennetään ½σ 2 x 2 F xx = r + n( α + δ ) x 1+ nx Optimointiopin seminaari - Syksy 2000 / 6

Yrityksen arvo ½σ 2 x 2 F xx + (r δ)xf x + F t rf + π = 0 Yrityksen arvo saadaan ratkaisemalla F Optimointiopin seminaari - Syksy 2000 / 7

Yleistetään tarkastelua x noudattaa Ito-prosessia dx = a(x,t)dt + b(x,t)dz Ei käytetä tuotetta x portfoliossa Optimointiopin seminaari - Syksy 2000 / 8

Seuraava kohde Käytetään apuna seuraavaa kohdetta X, joka korreloi täydellisesti x:n kanssa Futuuri Dynaaminen portfolio Kohteen X tuotto ajassa dt Osinko D(x,t)Xdt Kohteen arvon muutos dx = A(x,t)Xdt + B(x,t)Xdz Merkitään µ X (x,t) = A(x,t) + D(x,t) Optimointiopin seminaari - Syksy 2000 / 9

Portfolio Yritys ja n yksikön lyhyt positio kohdetta X Lyhyt positio Ostohinta nx Arvon muutos naxdt nbxdz Osinko nd(x,t)xdt maksetaan toiselle osapuolelle Optimointiopin seminaari - Syksy 2000 / 10

Portfolio Ostohinta F(x,t) nx Tuotto ( 2 π ndx + F af b F nax) t + x + ½ xx ( bfx nbx) dz F nx Valitaan n = bf x /BX dt + Riskitön portfolio Tuoton oltava sama kuin riskittömällä korolla F nx Optimointiopin seminaari - Syksy 2000 / 11

Yrityksen arvo Sieventämällä saadaan ½ 2 b b Fxx + a µ r F x rf + Ft + π = B Yhtälön kaikki kertoimet saadaan joko käytettävistä malleista (a(x,t)) tai havainnoimalla markkinoita (µ(x,t)) ( ) 0 F ratkaisemalla saadaan yrityksen arvo Optimointiopin seminaari - Syksy 2000 / 12

Reunaehdot Aiemmat tulokset saatiin tarkastelemalla ajanjaksoa dt Yhtälöiden ratkaisu vaatii reunaehtoja Lopputuotto Ω(x,t) tunnetaan Loppuaika T F(x,T) = Ω(x,T) x Rajahinta x * (t) F(x * (t),t) = Ω(x * (t),t) t Optimaalinen pysäytys F(x * (t),t) = Ω(x * (t),t) t Smooth-pasting-ominaisuus F x (x * (t),t) = Ω x (x * (t),t) t Optimointiopin seminaari - Syksy 2000 / 13

Poisson-prosessit Oletetaan, että x noudattaa hyppyprosessia dx = f(x,t)dt + g(x,t)dq Joskus kohde X löydettävissä Lyhytkestoiset futuurit Yleisessä tapauksessa käytettävä dynaamista portfoliota Poisson-prosessi epäjatkuva Ei voida käyttää Optimointiopin seminaari - Syksy 2000 / 14

Poisson-prosessit Ratkaisu Dynaaminen ohjelmointi CAPM Merkittiin odotettua tuottoa µ X (x,t) =A(x,t) + D(x,t) µ X (x,t) = r + φρ xm B(x,t) Oletetaan, että hyppy ei korreloi markkinaportfolion kanssa eli ρ xm = 0 µ X (x,t) = r ½b 2 F xx + af x rf + F t + π = 0 Molemmat ratkaisut johtavat samaan yhtälöön Optimointiopin seminaari - Syksy 2000 / 15

Kotitehtävä Yritys F(x,t) Kassavirta π(x,t)dt Kohde X Korreloi täydellisesti x:n kanssa Osinko D(x,t)Xdt Prosessi dx = A(x,t)Xdt + B(x,t)Xdz Johda kahden portfolion menetelmällä yhtälö yrityksen hinnalle Optimointiopin seminaari - Syksy 2000 / 16