Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat

Samankaltaiset tiedostot
Black ja Scholes ilman Gaussia

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

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

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

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

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

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

5. Stokastinen integrointi

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

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

1 sup- ja inf-esimerkkejä

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Lectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx.

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

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

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

1 Supremum ja infimum

Täydellisyysaksiooman kertaus

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1

Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.

puolitasossa R 2 x e x2 /(4t). 4πt

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

r > y x z x = z y + y x z y + y x = r y x + y x = r

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

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

8. Avoimen kuvauksen lause

4. Martingaalit ja lokaalit martingaalit

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin.

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Kompleksianalyysi, viikko 4

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH

11. Poissonin yhtälö Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia. 1. Tarkastellaan väitettä

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1. Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

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

Osittaisdifferentiaaliyhtälöt

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

7. Tasaisen rajoituksen periaate

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

STOKASTISET DIFFERENTIAALIYHTÄLÖT 115

Luku 2. Jatkuvien funktioiden ominaisuuksia.

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 10: Napa-, sylinteri- ja pallokoordinaatistot. Pintaintegraali.

M 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon

1 Määrittelyjä ja aputuloksia

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

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

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

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

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto

OPTIMAALINEN INVESTOINTIPÄÄTÖS

Todista raja-arvon määritelmään perustuen seuraava lause: Jos lukujonolle a n pätee lima n = a ja lima n = b, niin a = b.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa

Likimääräisratkaisut ja regularisaatio

Vastaa kaikkiin kysymyksiin (kokeessa ei saa käyttää laskinta)

Cantorin joukko LUKU 8

3.3 Funktion raja-arvo

Lebesguen mitta ja integraali

1 sup- ja inf-esimerkkejä

Analyysin peruslause

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Matematiikan tukikurssi

3 Lukujonon raja-arvo

Mitta- ja integraaliteoria 2 Harjoitus 1, Olkoon f : A! [0, 1] mitallinen ja m(a) < 1. Näytä, että josonp>1javakio M<1, joille

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.

6. Sovelluksia stokastiselle integroinnille

ja s S : ϕ Υ : M,s ϕ, mutta M,s Q. Erityisesti M, t P kaikilla t S, joten

Laplace-muunnos: määritelmä

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Anna jokaisen kohdan vastaus kolmen merkitsevän numeron tarkkuudella muodossa

6. Toisen ja korkeamman kertaluvun lineaariset

Reaaliluvut. tapauksessa metrisen avaruuden täydellisyyden kohdalla. 1 fi.wikipedia.org/wiki/reaaliluku 1 / 13

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ

) + T (r + ) + T (r. ) Ke rt Φ( log( s σ2. (1.1) sφ( log( s σ2 2 E. VALKEILA 2 )

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

1 Tensoriavaruuksista..

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause

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

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Sinin jatkuvuus. Lemma. Seuraus. Seuraus. Kaikilla x, y R, sin x sin y x y. Sini on jatkuva funktio.

4.3.7 Epäoleellinen integraali

Markov-ketjut pitkällä aikavälillä

Reaalianalyysin perusteita

Transkriptio:

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Tommi Sottinen, Helsingin yliopisto Yhteistyössä C. Bender, TU Braunschweig E. Valkeila, Teknillinen korkeakoulu 10. lokakuuta 2006

Sisältö 1. Arbitraasihinnoittelun perusteita

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite 5. Sallitut strategiat

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite 5. Sallitut strategiat 6. Etuperäinen integrointi

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite 5. Sallitut strategiat 6. Etuperäinen integrointi 7. Tulos arbitraasivapaudesta

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite 5. Sallitut strategiat 6. Etuperäinen integrointi 7. Tulos arbitraasivapaudesta 8. Tulos suojausten robustisuudesta

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite 5. Sallitut strategiat 6. Etuperäinen integrointi 7. Tulos arbitraasivapaudesta 8. Tulos suojausten robustisuudesta 9. Neliöheilahtelu ja volatiliteetti

Sisältö 1. Arbitraasihinnoittelun perusteita 2. Black Scholes-hinnoittelumalli 3. Malliluokka 4. Tavoite 5. Sallitut strategiat 6. Etuperäinen integrointi 7. Tulos arbitraasivapaudesta 8. Tulos suojausten robustisuudesta 9. Neliöheilahtelu ja volatiliteetti 10. Laajennuksia

1. Arbitraasihinnoittelun perusteita (1/2) Osakeprosessi, omavaraiset strategiat ja niiden arvo Diskontattu markkinamalli on viisikko (Ω, F, (S t ), (F t ), P). Osakeprosessi S saa arvoja avaruudessa C s0,+ (jatkuvat positiiviset polut [0, T ]:n yli, jotka lähtevät liikkeelle s 0 :sta).

1. Arbitraasihinnoittelun perusteita (1/2) Osakeprosessi, omavaraiset strategiat ja niiden arvo Diskontattu markkinamalli on viisikko (Ω, F, (S t ), (F t ), P). Osakeprosessi S saa arvoja avaruudessa C s0,+ (jatkuvat positiiviset polut [0, T ]:n yli, jotka lähtevät liikkeelle s 0 :sta). Ennustettava strategia Φ on omavarainen, jos sen arvolle pätee t V t (Φ, v 0 ; S) = v 0 + Φ t ds t. 0 Tässä v 0 on alkuvarallisuus. Taloudellinen käsite omavaraisuus eli budjettirajoitus vastaa Itô-integraalin eteenpäin-konstruktiota.

1. Arbitraasihinnoittelun perusteita (2/2) Arbitraasi ja suojaus (toistaminen) Strategia Φ on arbitraasi (free lunch), jos P [V T (Φ, 0; S) 0] = 1 ja P [V T (Φ, 0; S) > 0] > 0.

1. Arbitraasihinnoittelun perusteita (2/2) Arbitraasi ja suojaus (toistaminen) Strategia Φ on arbitraasi (free lunch), jos P [V T (Φ, 0; S) 0] = 1 ja P [V T (Φ, 0; S) > 0] > 0. Tehokkaiden markkinoiden hypoteesi: Ei arbitraasia.

1. Arbitraasihinnoittelun perusteita (2/2) Arbitraasi ja suojaus (toistaminen) Strategia Φ on arbitraasi (free lunch), jos P [V T (Φ, 0; S) 0] = 1 ja P [V T (Φ, 0; S) > 0] > 0. Tehokkaiden markkinoiden hypoteesi: Ei arbitraasia. Rahoitusteorian päälause: Ei arbitraasia joss on olemassa ekvivalentti martingaalimitta.

1. Arbitraasihinnoittelun perusteita (2/2) Arbitraasi ja suojaus (toistaminen) Strategia Φ on arbitraasi (free lunch), jos P [V T (Φ, 0; S) 0] = 1 ja P [V T (Φ, 0; S) > 0] > 0. Tehokkaiden markkinoiden hypoteesi: Ei arbitraasia. Rahoitusteorian päälause: Ei arbitraasia joss on olemassa ekvivalentti martingaalimitta. Seuraus: Jos S ei ole semimartingaali, mallissa on arbitraasia.

1. Arbitraasihinnoittelun perusteita (2/2) Arbitraasi ja suojaus (toistaminen) Strategia Φ on arbitraasi (free lunch), jos P [V T (Φ, 0; S) 0] = 1 ja P [V T (Φ, 0; S) > 0] > 0. Tehokkaiden markkinoiden hypoteesi: Ei arbitraasia. Rahoitusteorian päälause: Ei arbitraasia joss on olemassa ekvivalentti martingaalimitta. Seuraus: Jos S ei ole semimartingaali, mallissa on arbitraasia. Optio on kuvaus G : C s0,+ R. Sen suojaus on strategia Φ, jolle pätee G(S) = V T (Φ, v 0 ; S). Option G toistohinta on suojauksen Φ alkuvarallisuus v 0. Alkupääoma v 0 on yksikäsitteinen: muuten mallissa olisi arbitraasia.

2. Black Scholes-hinnoittelumalli Niin sanotun ekvivalentin martingaalimitan suhteen missä W on Brownin liike. σ2 σwt S t = s 0 e 2 t,

2. Black Scholes-hinnoittelumalli Niin sanotun ekvivalentin martingaalimitan suhteen missä W on Brownin liike. σ2 σwt S t = s 0 e 2 t, Mallissa ei ole arbitraasia ja kaikki optiot voidaan suojata.

2. Black Scholes-hinnoittelumalli Niin sanotun ekvivalentin martingaalimitan suhteen missä W on Brownin liike. σ2 σwt S t = s 0 e 2 t, Mallissa ei ole arbitraasia ja kaikki optiot voidaan suojata. Mallin mukaan logaritmiset tuotot R t = log S t S t t = σ W t σ2 2 t ovat riippumattomia ja normaalisti jakautuneita.

2. Black Scholes-hinnoittelumalli Niin sanotun ekvivalentin martingaalimitan suhteen missä W on Brownin liike. σ2 σwt S t = s 0 e 2 t, Mallissa ei ole arbitraasia ja kaikki optiot voidaan suojata. Mallin mukaan logaritmiset tuotot R t = log S t S t t = σ W t σ2 2 t ovat riippumattomia ja normaalisti jakautuneita. Käytännössä havaitsemme log-tuottoja, jotka eivät ole kumpaakaan. Lisäksi havaitsemme sellaisia tyyliteltyjä tosiseikkoja, jotka eivät voi seurata mistään semimartingaalimallista.

3. Malliluokka (1/2) Määrittely ja poluttainen neliöheilahtelu Tarkastelemme malliluokkaa, joka määräytyy osakekurssin poluittaisesta neliöheilahtelusta: S t = m.v.- lim 2 n n k=1 ( ) 2 S k 2 n T t S k 1 2 n T t.

3. Malliluokka (1/2) Määrittely ja poluttainen neliöheilahtelu Tarkastelemme malliluokkaa, joka määräytyy osakekurssin poluittaisesta neliöheilahtelusta: S t = m.v.- lim 2 n n k=1 ( ) 2 S k 2 n T t S k 1 2 n T t. (Ω, F, (S t ), (F t ), P) kuuluu malliluokkaan M σ jos

3. Malliluokka (1/2) Määrittely ja poluttainen neliöheilahtelu Tarkastelemme malliluokkaa, joka määräytyy osakekurssin poluittaisesta neliöheilahtelusta: S t = m.v.- lim 2 n n k=1 ( ) 2 S k 2 n T t S k 1 2 n T t. (Ω, F, (S t ), (F t ), P) kuuluu malliluokkaan M σ jos 1. S saa arvoja joukossa C s0,+ (jatkuvuus),

3. Malliluokka (1/2) Määrittely ja poluttainen neliöheilahtelu Tarkastelemme malliluokkaa, joka määräytyy osakekurssin poluittaisesta neliöheilahtelusta: S t = m.v.- lim 2 n n k=1 ( ) 2 S k 2 n T t S k 1 2 n T t. (Ω, F, (S t ), (F t ), P) kuuluu malliluokkaan M σ jos 1. S saa arvoja joukossa C s0,+ (jatkuvuus), 2. poluittainen neliöheilahtelu on muotoa d S t = σ 2 S 2 t dt,

3. Malliluokka (1/2) Määrittely ja poluttainen neliöheilahtelu Tarkastelemme malliluokkaa, joka määräytyy osakekurssin poluittaisesta neliöheilahtelusta: S t = m.v.- lim 2 n n k=1 ( ) 2 S k 2 n T t S k 1 2 n T t. (Ω, F, (S t ), (F t ), P) kuuluu malliluokkaan M σ jos 1. S saa arvoja joukossa C s0,+ (jatkuvuus), 2. poluittainen neliöheilahtelu on muotoa d S t = σ 2 S 2 t dt, 3. kaikille ε > 0 ja η C s0,+ pätee pikkupallo-ominaisuus eli supp P S 1 = C s0,+. P [ S η < ε] > 0

3. Malliluokka (2/2) Esimerkkejä ja tyyliteltyjä tosiseikkoja Malliluokkaan M σ kuuluu mikä tahansa malli σ2 σwt+ S t = s 0 e 2 t+zt, missä Z = Z + Z, missä Z riippumaton W :stä ja Z on konstruoitu W :stä; Z 0 = 0, Z on jatkuva, toteuttaa pikkupalloehdon ja Z = 0. Valitsemalla sopivan Z:n saamme tyyliteltyjä tosiseikkoja:

3. Malliluokka (2/2) Esimerkkejä ja tyyliteltyjä tosiseikkoja Malliluokkaan M σ kuuluu mikä tahansa malli σ2 σwt+ S t = s 0 e 2 t+zt, missä Z = Z + Z, missä Z riippumaton W :stä ja Z on konstruoitu W :stä; Z 0 = 0, Z on jatkuva, toteuttaa pikkupalloehdon ja Z = 0. Valitsemalla sopivan Z:n saamme tyyliteltyjä tosiseikkoja: Pitkän aikavälin riippuvuus: Z on fraktionaalinen Brownin liike varianssilla δ 2 ja Hurstin indeksillä H > 1 2. Tällöin log-tuottojen autokovarianssi on asymptoottisesti muotoa H(2H 1)δ 2 n 2H 2.

3. Malliluokka (2/2) Esimerkkejä ja tyyliteltyjä tosiseikkoja Malliluokkaan M σ kuuluu mikä tahansa malli σ2 σwt+ S t = s 0 e 2 t+zt, missä Z = Z + Z, missä Z riippumaton W :stä ja Z on konstruoitu W :stä; Z 0 = 0, Z on jatkuva, toteuttaa pikkupalloehdon ja Z = 0. Valitsemalla sopivan Z:n saamme tyyliteltyjä tosiseikkoja: Pitkän aikavälin riippuvuus: Z on fraktionaalinen Brownin liike varianssilla δ 2 ja Hurstin indeksillä H > 1 2. Tällöin log-tuottojen autokovarianssi on asymptoottisesti muotoa H(2H 1)δ 2 n 2H 2. Paksut hännät: Z on integroitu yhdistetty Poisson-prosessi paksuhäntäisellä hyppyjakaumalla.

3. Malliluokka (2/2) Esimerkkejä ja tyyliteltyjä tosiseikkoja Malliluokkaan M σ kuuluu mikä tahansa malli σ2 σwt+ S t = s 0 e 2 t+zt, missä Z = Z + Z, missä Z riippumaton W :stä ja Z on konstruoitu W :stä; Z 0 = 0, Z on jatkuva, toteuttaa pikkupalloehdon ja Z = 0. Valitsemalla sopivan Z:n saamme tyyliteltyjä tosiseikkoja: Pitkän aikavälin riippuvuus: Z on fraktionaalinen Brownin liike varianssilla δ 2 ja Hurstin indeksillä H > 1 2. Tällöin log-tuottojen autokovarianssi on asymptoottisesti muotoa H(2H 1)δ 2 n 2H 2. Paksut hännät: Z on integroitu yhdistetty Poisson-prosessi paksuhäntäisellä hyppyjakaumalla. (Melkein) mikä tahansa autokovarianssi: Z on jatkuva 0-neliövariaatioprosessi ja (W, Z) yhteisnormaalisti jakautunut.

4. Tavoite Jopa Black Scholes-mallissa joudumme rajoittamaan hyväksyttäviä strategioita: mikä tahansa ennustettava omavarainen strategia ei kelpaa (esimerkiksi tuplausstrategiat pitää sulkea pois). Etsimme luokan sallittuja strategioita, joka on

4. Tavoite Jopa Black Scholes-mallissa joudumme rajoittamaan hyväksyttäviä strategioita: mikä tahansa ennustettava omavarainen strategia ei kelpaa (esimerkiksi tuplausstrategiat pitää sulkea pois). Etsimme luokan sallittuja strategioita, joka on (i) riittävän pieni sulkemaan arbitraasin pois,

4. Tavoite Jopa Black Scholes-mallissa joudumme rajoittamaan hyväksyttäviä strategioita: mikä tahansa ennustettava omavarainen strategia ei kelpaa (esimerkiksi tuplausstrategiat pitää sulkea pois). Etsimme luokan sallittuja strategioita, joka on (i) riittävän pieni sulkemaan arbitraasin pois, (ii) riittävän suuri relevanttien optioiden suojaamiseen,

4. Tavoite Jopa Black Scholes-mallissa joudumme rajoittamaan hyväksyttäviä strategioita: mikä tahansa ennustettava omavarainen strategia ei kelpaa (esimerkiksi tuplausstrategiat pitää sulkea pois). Etsimme luokan sallittuja strategioita, joka on (i) riittävän pieni sulkemaan arbitraasin pois, (ii) riittävän suuri relevanttien optioiden suojaamiseen, (iii) taloudellisesti järkevä.

5. Sallitut strategiat Strategia Φ on sallittu, jos

5. Sallitut strategiat Strategia Φ on sallittu, jos (i) se on muotoa Φ t = ϕ ( t, S t, St ), S,t, S t, missä ϕ C 1 ([0, T ] R + R 3 ), S t := max r [0,t] S r, t S,t := min S r, S t := S r dr, r [0,t] 0

5. Sallitut strategiat Strategia Φ on sallittu, jos (i) se on muotoa Φ t = ϕ ( t, S t, St ), S,t, S t, missä ϕ C 1 ([0, T ] R + R 3 ), S t := max r [0,t] S r, t S,t := min S r, S t := S r dr, r [0,t] 0 (ii) ja toteuttaa klassisen ei tuplausstrategioita -ehdon t 0 kaikille t [0, T ] jollakin a > 0. Φ r ds r a P a.s

6. Etuperäinen integrointi Emme voi käyttää Itô-integrointia, sillä tarkastelemme ei-semimartingaalimalleja. Voimme kuitenkin käyttää poluittaista etuperäistä integraalia.

6. Etuperäinen integrointi Emme voi käyttää Itô-integrointia, sillä tarkastelemme ei-semimartingaalimalleja. Voimme kuitenkin käyttää poluittaista etuperäistä integraalia. t 0 Φ rds r on P-m.v. raja yli dyadisten ositusten (π n ): ( ) Φ tk 1 Stk S tk 1. lim n t k πn t k t

6. Etuperäinen integrointi Emme voi käyttää Itô-integrointia, sillä tarkastelemme ei-semimartingaalimalleja. Voimme kuitenkin käyttää poluittaista etuperäistä integraalia. t 0 Φ rds r on P-m.v. raja yli dyadisten ositusten (π n ): ( ) Φ tk 1 Stk S tk 1. lim n t k πn t k t Olkoon u C 1,2,1 ([0, T ], R +, R m ) ja Y 1,..., Y m rajoitetusti heilahtelevia ja jatkuvia. Jos S:llä on poluittainen neliöheilahtelu, niin u(t, S t, Yt 1,..., Yt m ):lle pätee Itôn kaava du = u u dt + t x ds + 1 2 2 u m x 2 d S + i=1 Tästä voimme myös päätellä etuperäisen integraalin olemassaolon ja jatkuvuuden. u y i dy i.

7. Tulos arbitraasivapaudesta (1/2) Lause AV Sallituilla strategioilla ei voi tehdä arbitraasia.

7. Tulos arbitraasivapaudesta (1/2) Lause AV Sallituilla strategioilla ei voi tehdä arbitraasia. Todistuksen idea: Asetetaan v(t, η; ϕ) := u(t, η(t), η (t), η (t), η(t)) t u t (r, η(r), η (r), η (r), η(r)) dr missä 1 2 0 t 0 t 0 t 0 t u(t, x, y 1, y 2, y 3 ) = u (r, η(r), η (r), η (r), η(r)) dη (r) y 1 u (r, η(r), η (r), η (r), η(r)) dη (r) y 2 u (r, η(r), η (r), η (r), η(r)) d η(r) y 3 ϕ x (r, η(r), η (r), η (r), η(r)) σ 2 η(r) 2 dr, 0 t s 0 ϕ(t, ξ, y 1, y 2, y 3 ) dξ.

7. Tulos arbitraasivapaudesta (2/2) Todistuksen idea Itôn kaavasta saamme tällöin funktionaalisen yhteyden V t (Φ, v 0 ; S) = v 0 + t 0 Φ t ds t = v 0 + v(t, S; ϕ).

7. Tulos arbitraasivapaudesta (2/2) Todistuksen idea Itôn kaavasta saamme tällöin funktionaalisen yhteyden V t (Φ, v 0 ; S) = v 0 + t 0 Φ t ds t = v 0 + v(t, S; ϕ). Lisäksi (tämä on keskeistä) varallisuusfunktionaali v(t, ; ϕ) on jatkuva sup-normissa.

7. Tulos arbitraasivapaudesta (2/2) Todistuksen idea Itôn kaavasta saamme tällöin funktionaalisen yhteyden V t (Φ, v 0 ; S) = v 0 + t 0 Φ t ds t = v 0 + v(t, S; ϕ). Lisäksi (tämä on keskeistä) varallisuusfunktionaali v(t, ; ϕ) on jatkuva sup-normissa. Oletamme, että V T (Φ, 0; S) = v(t, S; ϕ) 0 P-m.v. Pikkupalloehdon ja v(t, ; ϕ):n jatkuvuuden nojalla saamme funktionaalisen epäyhtälön v(t, η; ϕ) 0 for all η C s0,+.

7. Tulos arbitraasivapaudesta (2/2) Todistuksen idea Itôn kaavasta saamme tällöin funktionaalisen yhteyden V t (Φ, v 0 ; S) = v 0 + t 0 Φ t ds t = v 0 + v(t, S; ϕ). Lisäksi (tämä on keskeistä) varallisuusfunktionaali v(t, ; ϕ) on jatkuva sup-normissa. Oletamme, että V T (Φ, 0; S) = v(t, S; ϕ) 0 P-m.v. Pikkupalloehdon ja v(t, ; ϕ):n jatkuvuuden nojalla saamme funktionaalisen epäyhtälön v(t, η; ϕ) 0 for all η C s0,+. Nyt voimme mennä Black Scholes-malliin S ja huomaamme, että v(t, S; ϕ) 0 P-m.v. Mutta klassiset argumentit kertovat meille, että tällöin v(t, S; ϕ) = 0 P-m.v.

7. Tulos arbitraasivapaudesta (2/2) Todistuksen idea Itôn kaavasta saamme tällöin funktionaalisen yhteyden V t (Φ, v 0 ; S) = v 0 + t 0 Φ t ds t = v 0 + v(t, S; ϕ). Lisäksi (tämä on keskeistä) varallisuusfunktionaali v(t, ; ϕ) on jatkuva sup-normissa. Oletamme, että V T (Φ, 0; S) = v(t, S; ϕ) 0 P-m.v. Pikkupalloehdon ja v(t, ; ϕ):n jatkuvuuden nojalla saamme funktionaalisen epäyhtälön v(t, η; ϕ) 0 for all η C s0,+. Nyt voimme mennä Black Scholes-malliin S ja huomaamme, että v(t, S; ϕ) 0 P-m.v. Mutta klassiset argumentit kertovat meille, että tällöin v(t, S; ϕ) = 0 P-m.v. Väite seuraa nyt menemällä päättelyketjussa takaperin vaihtaen S:n ja S:n roolit.

8. Tulos suojausten robustisuudesta Käyttämällä, kuten edellä, jatkuvuutta sup-normissa, funktionaalista yhteyttä ja pikkupalloehtoa saamme:

8. Tulos suojausten robustisuudesta Käyttämällä, kuten edellä, jatkuvuutta sup-normissa, funktionaalista yhteyttä ja pikkupalloehtoa saamme: Lause SR Olkoon optio G : C s0,+ R jatkuva. Jos G( S) voidaan suojata Black-Scholes-mallissa sallitulla strategialla, niin G(S) voidaan suojata jokaisessa M σ :n mallissa S sallitulla strategialla. Lisäksi suojaukset ovat, osakepolun funktiona, riippumattomia mallista.

8. Tulos suojausten robustisuudesta Käyttämällä, kuten edellä, jatkuvuutta sup-normissa, funktionaalista yhteyttä ja pikkupalloehtoa saamme: Lause SR Olkoon optio G : C s0,+ R jatkuva. Jos G( S) voidaan suojata Black-Scholes-mallissa sallitulla strategialla, niin G(S) voidaan suojata jokaisessa M σ :n mallissa S sallitulla strategialla. Lisäksi suojaukset ovat, osakepolun funktiona, riippumattomia mallista. Seuraus ODY Black Scholes-mallissa aasialaisten, eurooppalaisten ja amerikkalaisten optioden suojaus löyedetään ratkaisemalla Black Scholes-osittaisdifferentiaaliyhtälö. Nämä suojaukset pätevät kaikissa malleissa, joilla on pikkupallo-ominaisuus, ovat jatkuvia ja joiden poluttainen neliöheilahtelu on sama kun Black Scholes-mallilla.

9. Neliöheilahtelu ja volatiliteetti Saarnausta Suojaukset riippuvat vain neliöheilahtelusta.

9. Neliöheilahtelu ja volatiliteetti Saarnausta Suojaukset riippuvat vain neliöheilahtelusta. Neliöheilahtelu on polkuominaisuus. Se ei kerro mitään osakeprosessin probabilistisista ominaisuuksista. Väitämme rohkasti, että todennäköisyydet ovat irrelevantteja optioden hinnoittelun kannalta.

9. Neliöheilahtelu ja volatiliteetti Saarnausta Suojaukset riippuvat vain neliöheilahtelusta. Neliöheilahtelu on polkuominaisuus. Se ei kerro mitään osakeprosessin probabilistisista ominaisuuksista. Väitämme rohkasti, että todennäköisyydet ovat irrelevantteja optioden hinnoittelun kannalta. Historiallinen ja johdettu volatiliteetti eivät useinkaan vastaa toisiaan. Tämä ei ole yllättävää: historiallinen volatiliteetti on log-tuottojen varianssin neliöjuuren estimaatti ja johdettu volatiliteetti on log-tuottojen neliöheilahtelun neliöjuuren estimaatti. Nämä ovat kaksi täysin eri käsitettä (vrt. sekoitettu fraktionaalinen Black Scholes-malli).

9. Neliöheilahtelu ja volatiliteetti Saarnausta Suojaukset riippuvat vain neliöheilahtelusta. Neliöheilahtelu on polkuominaisuus. Se ei kerro mitään osakeprosessin probabilistisista ominaisuuksista. Väitämme rohkasti, että todennäköisyydet ovat irrelevantteja optioden hinnoittelun kannalta. Historiallinen ja johdettu volatiliteetti eivät useinkaan vastaa toisiaan. Tämä ei ole yllättävää: historiallinen volatiliteetti on log-tuottojen varianssin neliöjuuren estimaatti ja johdettu volatiliteetti on log-tuottojen neliöheilahtelun neliöjuuren estimaatti. Nämä ovat kaksi täysin eri käsitettä (vrt. sekoitettu fraktionaalinen Black Scholes-malli). Alä käytä historiallista volatiliteettia!

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi.

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R:

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R: 1. g(t, η) = g(t, η), kun η(r) = η(r) aikavälillä r [0, t],

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R: 1. g(t, η) = g(t, η), kun η(r) = η(r) aikavälillä r [0, t], 2. g(, η) on rajoitetusti heilahteleva ja jatkuva,

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R: 1. g(t, η) = g(t, η), kun η(r) = η(r) aikavälillä r [0, t], 2. g(, η) on rajoitetusti heilahteleva ja jatkuva, 3. t t f (u)dg(u, η) f (u)dg(u, η) K f 1 [0,t] η η. 0 0

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R: 1. g(t, η) = g(t, η), kun η(r) = η(r) aikavälillä r [0, t], 2. g(, η) on rajoitetusti heilahteleva ja jatkuva, 3. t t f (u)dg(u, η) f (u)dg(u, η) K f 1 [0,t] η η. 0 0 (c) Strategiafunktionaalin ϕ riittää olla paloittain sileä.

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R: 1. g(t, η) = g(t, η), kun η(r) = η(r) aikavälillä r [0, t], 2. g(, η) on rajoitetusti heilahteleva ja jatkuva, 3. t t f (u)dg(u, η) f (u)dg(u, η) K f 1 [0,t] η η. 0 0 (c) Strategiafunktionaalin ϕ riittää olla paloittain sileä. (d) ϕ:n sileydestä pisteessä t = T voidaan luopua (tätä tarvitaan jopa osto-option suojauksessa).

10. Laajennuksia (a) Voimme tarkastella neliöheilahtelufunktioita, jotka ovat muotoa σ(t, S t ). Pikkupalloehdosta tulee vain vaikeampi. (b) Juoksevan maksimin, minimin ja keskiarvon lisäksi voimme sallia faktoreita, jotka ovat muotoa g : [0, T ] C s0,+ R: 1. g(t, η) = g(t, η), kun η(r) = η(r) aikavälillä r [0, t], 2. g(, η) on rajoitetusti heilahteleva ja jatkuva, 3. t t f (u)dg(u, η) f (u)dg(u, η) K f 1 [0,t] η η. 0 0 (c) Strategiafunktionaalin ϕ riittää olla paloittain sileä. (d) ϕ:n sileydestä pisteessä t = T voidaan luopua (tätä tarvitaan jopa osto-option suojauksessa). (e) Option G jatkuvuudesta voidaan luopua. Voimme siis tarkastella esimerkiksi digitaalioptioita.