Analisi del prezzo di prodotti derivati con modelli a volatilità stocastica usando il metodo alle differenze finite

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi del prezzo di prodotti derivati con modelli a volatilità stocastica usando il metodo alle differenze finite"

Transcript

1 Analisi del prezzo di prodotti derivati con modelli a volatilità stocastica usando il metodo alle differenze finite Baldan Daniele - matricola Bonfanti Laura Elisa - matricola marzo 8 Indice 1 Introduzione 1 2 Modelli a volatilità stocastica 3 21 Valutazione dei derivati usando l approccio delle edp 3 3 L edp di Heston come equazione parabolica 6 31 Soluzione in forma chiusa 6 32 Condizioni al bordo 9 33 Localizzazione del dominio 9 4 Descrizione del metodo alle differenze finite 41 Aspetti implementativi Struttura del codice 14 5 Risultati numerici Esempio Esempio Sviluppi futuri 18 1 Introduzione I mercati finanziari sono caratterizzati per loro natura dal rischio, concetto legato all impossibilità di prevedere con esattezza il risultato di una determinata operazione: gli investitori sono alla costante ricerca di strategie che permettano di eliminarlo in modo da potersi garantire guadagni significativi senza rischiare di perdere denaro, tramite una compravendita di diverse quantità di prodotti finanziari di vario genere Sfortunatamente le fonti di rischio sono innumerevoli e non possono essere annullate completamente, ma solo minimizzate tramite diverse tipologie di strumenti finanziari presenti sul mercato, che risultano essere in continua evoluzione per soddisfare le esigenze di quanti più investitori possibili 1

2 Tra i prodotti finanziari più importanti vi sono le opzioni, contratti che danno il diritto al possessore di comprare o vendere un determinato titolo finanziario ad un prezzo fissato; questo può avvenire in un istante temporale preciso o in più tempi diversi, a seconda del tipo di opzione considerata Nel nostro lavoro incentreremo la nostra attenzione sulle opzioni call europee, che permettono al loro possessore di comprare in un particolare istante (detto scadenza) un titolo finanziario ad un prezzo chiamato strike price Uno degli obiettivi della matematica finanziaria è quello di assegnare un prezzo equo a questo tipo di contratti, sotto ipotesi di assenza di opportunità di arbitraggio, in altre parole si assume che non possa esistere ciò che in gergo è chiamato free lunch, ovvero non sia possibile fare soldi dal nulla A tal fine, è necessario anzitutto costruire un buon modello che descriva in maniera realistica l andamento del titolo sottostante, in modo che sia possibile ricavare il giusto prezzo dell opzione scritta su di esso Il prezzo di un opzione verrà determinato in base al valore del portafoglio quando il contratto viene stipulato Ovviamente per avere una valutazione accurata del prezzo del derivato in esame è necessario avere un modello stocastico realistico per l andamento del sottostante Black-Scholes nel 1973 discussero un semplice modello dove il sottostante viene supposto essere un moto geometrico browniano e sotto questa ipotesi ricavano il prezzo dell opzione basandosi sul principio di non arbitraggio Tale modello è di semplice comprensione e facile da maneggiare nei calcoli, ma si basa su ipotesi non completamente realistiche e non coglie tutte le particolarità delle dinamiche dei titoli finanziari Noi ci concentreremo sui modelli a volatilità stocastica dove, come suggerisce il nome stesso, la volatilità non è costante come nel modello di Black-Scholes ma è essa stessa un processo stocastico Analizzando pregi e difetti di alcuni modelli noti in letteratura e cercando di mantenere i primi eliminando i secondi, siamo giunti alla conclusione che un modello che ricalca in maniera ragionevole e coerente l andamento di un titolo finanziario è quello proposto da Heston Un ipotesi fondamentale di questo modello è la non completezza del mercato, ovvero non tutti i titoli derivati possono essere replicati per mezzo di opportune combinazioni di azioni In altre parole, non è sempre possibile ottenere un payoff pari a quello di un titolo derivato costruendo ad hoc un portafoglio di titoli Ciò è piuttosto ragionevole se si pensa che l ipotesi di completezza dei mercati renderebbe le opzioni un prodotto ridondante che addirittura non avrebbe motivo di esistere E possibile mostrare che il prezzo equo di un prodotto derivato in ipotesi di assenza di arbitraggio è dato dal valore atteso scontato del prezzo del sottostante, secondo una misura detta neutrale al rischio o misura di martingala equivalente Questa misura è tale per cui il rendimento atteso del titolo rischioso è pari al tasso privo di rischio, ovvero in media è equivalente investire nel titolo rischioso o nel titolo privo di rischio Grazie ai teoremi dell asset pricing [2], l assunzione di assenza di opportunità di arbitraggio garantisce l esistenza di almeno una misura di martingala equivalente, tuttavia l ipotesi di mercati incompleti fa sì che questa misura non sia unica Il modello di Heston ha avuto successo per la seguenti ragioni: 2

3 1 ha una soluzione in forma chiusa per il calcolo del prezzo delle opzioni europee; 2 il processo stocastico usato per modellizzare i prezzi del titolo sottostante permette di utilizzare distribuzioni di probabilità diverse dalla lognormale; 3 è in grado di riprodurre diversi andamenti della volatilità implicita nei prezzi delle opzioni su intervalli di tempo lunghi: le volatility surfaces empiriche hanno spesso un andamento similare a quello generato dal modello di Heston 2 Modelli a volatilità stocastica Lo scopo di questo capitolo è di dare un idea di come si possa derivare un equazione differenziale per il valore di un opzione con modello stocastico per il sottostante Sia (Ω,A,P ) uno spazio di probabilità Il valore del sottostante, che è chiamato anche spot value, è generalmente modellato da un processo stocastico denotato da S Ad ogni istante t il processo è una variabile casuale S t : Ω R + Nel mondo di Black-Scholes lo spot evolve in accordo con l equazione differenziale stocastica: ds t = µdt + σdw t S t dove per un processo stocastico con pedice t, si denota il valore casuale che il processo assume al tempo t, W è un processo di Wiener, mentre µ R e σ > sono due costanti che descrivono rispettivamente il drift e la volatilità Nei modelli a volatilità stocastica la costante σ è rimpiazzata da un processo stocastico e tale volatilità è una funzione deterministica dello spot e del tempo In questo caso, seguendo [5], il modello può essere caratterizzato da: ds t = µdt + σ L (S t, t) v t dw (1) t S t dv t = κ(θ v t )dt + ξ v t dw (2) t dove θ >, κ > e ξ > sono costanti, mentre σ L è una funzione che identifica la volatilità locale ed è tale che σ L : R + [, T ] R + Esistono diversi modi per definire σ L in funzione di S, tuttavia noi utilizzeremo σ L = 1 come previsto dal caso particolare di Heston Inoltre sono stati usati degli apici diversi per identificare i processi di Wiener perchè si tratta di due processi differenti 21 Valutazione dei derivati usando l approccio delle edp Ora deriviamo la edp per il calcolo del valore u di un opzione per il modello di Heston In generale possiamo trattare i modelli a volatilità stocastica nello stesso modo ma ricordando sempre che i modelli sono incompleti, nel senso che non siamo in grado di replicare perfettamente un derivato perchè esistono molte differenti strategie che possono essere usate Poichè il prezzo di un opzione dipende dall implementazione della strategia di hedging, che non è unica, anch esso non sarà unico 3

4 In realtà le opzioni europee (plain vanilla) sono trattate in un mercato molto liquido ed una persona potrebbe accettare di utilizzare questi prodotti per coprirsi dal rischio di alcune opzioni esotiche In questo senso noi siamo perfettamente in grado di replicare i derivati ed ottenere un unico prezzo Denotiamo il prezzo di un opzione vanilla come c(s, v, t) dove s è lo spot e v rappresenta la volatilità istantanea attuale Il nostro portafoglio per coprirci dal rischio consiste in: ds t = S t µdt + S t vt dw (1) t dv t = κ(θ v t )dt + ξ v t dw (2) t dove questa volta prendiamo due processi di Winer correlati in modo tale che dw (1) t dw (2) t = ρdt con ρ 1 Il modello di mercato è rappresentato da: dm t = M t rdt e il contingent claim lo rappresentiamo come c(s t, v t, t) A questo punto non abbiamo bisogno di conoscere esattamente il valore di c : R 2 + [, T ] R ma ci basta sapere che c dipende solamente da s, v e t e che sia 2 volte differenziabile eccetto che per t = T Ora vogliamo quindi coprire ogni derivato del sottostante (con una funzione u : R 2 + [, T ] R che deve essere determinata) con una strategia di tipo H t : Ω R 3, H t = (α t, δ t, γ t ), applicata al portafoglio (M t, S t, c(s t, v t, T )) Il valore della strategia è quindi: h t α t M t + δ t S t + γ t c(s t, v t, t) Ora vogliamo che la strategia sia autofinanziante e che per esempio sia: dh t α t M t + δ t S t + γ t dc(s t, v t, t) Il valore del portafoglio di hedging deve essere uguale al valore dell opzione: u(s t, v t, t) = h t e in particolare il cambio istantaneo deve essere uguale, quindi: du(s t, v t, t) = dh t Usando ora la formula di Ito possiamo derivare l equazione alle derivate parziali (edp) a cui u deve obbedire Per applicare la formula di Ito assumiamo che u e c siano due volte differenziabili, quindi adesso abbiamo direttamente un espressione per du(s t, v t, t) ed h t : du(s t, v t, t) = ( u t + S t µu s + κ(θ v)u v S2 t v t u ss ξ2 v t u vv + S t ξv t ρu sv +S t vt u sdw (1) t + ξ v t u vdw (2) t, ( dh t = γ t c t + S t µc s + κ(θ v)c v S2 t v t c ss + 1 ) 2 ξ2 v t c vv + S t ξv t ρc sv dt +(α t M t r + δ t S t µ)dt + (γ t S t vt c s + δ t S t vt )dw (1) t + γ t ξ v t c vdw (2) t (1) (2) (3) ) dt 4

5 dove l apice denota le derivate delle variabili in esame rispetto alla variabile utilizzata come pedice, quindi u t risulta essere la derivata prima di u rispetto al tempo Essendo ρ < 1, allora i processi u(s t, v t, t) e h t sono identici se e solo se i fattori moltiplicativi di dw (1), dw (2) e dt sono uguali (in un certo senso stocastico) L uguaglianza dei primi due fattori implica che: S t vt u s = γ t S t vt c s + δ t S t vt ξ v t u v = γ t ξ v t c v Quindi la strategia scelta sarà determinata da γ t e δ t tali che: γ t = u v c, v δ t = u s γc s = u s u vc s c v A questo punto siamo perfettamente in grado di coprire l opzione u con il modello di mercato assunto M t, il sottostante S t e l opzione c Avendo determinato γ t e δ t cerchiamo di rimpiazzare α t sfruttando la relazione u(s t, v t, t) = h t = α t M t + δ t S t + γ t c(s t, v t, t), ottenendo così α t M t = u δ t S t γ t c Ora comparando i termini di drift si ottiene: u t + S t µu s + κ(θ v)u v S2 t v t u ss ξ2 v t u vv + S t ξv t ρu sv ( = γ t c t + S t µc s + κ(θ v)c v S2 t v t c ss + 1 ) 2 ξ2 v t c vv + S t ξv t ρc sv +(u δ t S t γ t c)r + δ t S t µ Riarrangiando i termini, sostituendo γ t e δ t e dividendo l equazione per u v troviamo la seguente equazione: ( 1 u u t + S t µu s + κ(θ v)u v + 1 v 2 S2 t v t u ss + 1 ) 2 ξ2 v t u vv + S t ξv t ρu sv ru (µ r)u ss t = 1 ( c c t + S t µc s + κ(θ v)c v + 1 v 2 S2 t v t c ss + 1 ) 2 ξ2 v t c vv + S t ξv t ρc sv cr (µ r)c ss t (4) Ovviamente è possibile riprodurre questo risultato con qualsiasi opzione c Guardando il primo membro della (4) ci accorgiamo che esso non dipende da c ma è funzione solo di S t, v t e t; denotiamo allora questa funzione con λ : R 2 + [, T ] R e otteniamo: ( 1 u t + S t µu s + κ(θ v)u v S2 t v t u ss+ u v 1 2 ξ2 v t u vv + S t ξv t ρu sv ru (µ r)u ss t ) = λ(s t, v t, t) Riscriviamo ora l equazione precedente considerando la funzione u =: R 2 + [, T ] R, dove u = u(s, v, t) e si ha: u t + sru s + (k(θ v) λ(s, v, t))u v v(s2 u ss + ξ 2 u vv + 2sξρu sv) rv = 5

6 La funzione λ è chiamata premio per il rischio del mercato e non è univocamente determinata Questo, quindi, caratterizza un modello di mercato incompleto dove non è possibile replicare il derivato con un portafoglio formato dal sottostante e dal modello di mercato preso in esame Comunque se uno considera il prezzo dell opzione plain vanilla call/put c osservato nel mercato e vuole prezzare un altra opzione u, per esempio un opzione barriera, è in grado di trovare un unica soluzione Quest ultima viene calcolata mediante l utilizzo di appropriata funzione λ che ci permette di ritrovare il prezzo dell opzione c precedentemente considerata In pratica basta prendere λ(s, v, t) = e calibrare i parametri del sottostante per osservare il prezzo dell opzione plain vanilla (calibrazione dello smile) La condizione finale dell edp è data dal payoff dell opzione Una trasformazione dal tempo t al time to maturity (tempo a scadenza) T t ci permette di utilizzare il payoff dell opzione come condizione iniziale, inoltre prendiamo in considerazione il modello di Heston assumendo che il premio per il rischio del mercato sia della forma λ(s, v, t) = λv L equazione per Heston risulta essere: u t = 1 2 v(u ss + ξ 2 u vv + 2ρξu sv ) + rsu s + (κ(θ v) λv)u v ru (5) dove, per semplicità di scrittura, si sono tralasciati gli apici che indicavano le derivate Quindi i pedici delle variabili prese in esame nell equazione indicano le variabili rispetto a cui derivare (u t indica la derivata temporale di u rispetto a t) 3 L edp di Heston come equazione parabolica L equazione (5) è un equazione alle derivate parziali parabolica che si può riscrivere in forma più compatta come: u = div(a u) div(ub) + f (6) t dove A è chiamata matrice di diffusione e b è il vettore di trasporto del problema (5) Confrontando i coefficienti dell equazione di Heston (5) con i coefficienti del generico problema di diffusione trasporto (6) si trova: b = A = 1 2 v ( 1 ρξ ρξ ξ 2 1 ρξ rs 2 ) 1 2 ξ2 κ(θ v) + λv f = (κ + λ 2r)u 31 Soluzione in forma chiusa Può essere sempre utile avere una formula esplicita per prezzare un opzione Fortunatamente Heston propose un particolare metodo per prezzare un opzione 6

7 call europea in ambito di modelli a volatilità stocastica In questo lavoro si deriverà brevemente la soluzione in forma chiusa per un opzione call europea con il modello di Heston, ma per maggiori dettagli si veda [6] Come prima cosa riprendiamo la soluzione basata sulla formula di Black- Scholes: c(s t, v t, t, T ) = S t P 1 Ke r(t t) P 2 dove K rappresenta lo strike price dell opzione, r è il tasso d interesse e P j può essere interpretata come la probabilità neutrale al rischio Tale probabilità può anche essere espressa come: P j (x, v t, T, K) = probabilità [x(t ) ln(k) x(t) = x, v(t) = v] dove x = ln(s t ) con j = 1, 2 Ora possiamo sostituire la soluzione proposta dentro l equazione di Heston Allora la seguente equazione deve essere soddisfatta: 1 2 v 2 P j x 2 + ρξv 2 P j x y ξ2 v 2 P j v 2 + (r + u jv) P j x + (a b jv) P j v + P j t dove u 1 = 5, u 2 = 5, a = κθ, b 1 = κ + λ ρξ, b 2 = κ + λ Dato che le probabilità non sono facilmente calcolabili, è necessario derivare una funzione caratteristica Sia g(x(t ), v(t )) una funzione di x e v al tempo di scadenza T, chiamiamo f j (x, v, t) la funzione due volte differenziabile che rappresenta il valore atteso condizionale di g(x(t ), v(t )) Allora, grazie al lemma di Ito si ottiene la seguente espressione: df j = ( 1 2 v 2 f j x 2 + ρξv 2 f j x v ξ2 v 2 f j v 2 + (r + u jv) f j v + f j t ) dt = +(r + u j v) f j x dw (1) + (a b j v) f j v dw (2) (7) Poichè chiediamo che f j (x, v, t) sia una martingala, è necessario che il termine moltiplicativo di dt della (7) sia nullo, quindi: 1 2 v 2 f j x 2 + ρξv 2 f j x v ξ2 v 2 f j v 2 + (r + u jv) f j v + f j t = (8) Se g(x(t ), v(t )) = 1 x(t ) ln(k), la soluzione della precedente equazione è la probabilità condizionale al tempo t tale che x(t ) ln(k) Se poi g(x(t ), v(t )) = exp(iφx), la soluzione è la funzione caratteristica Assumiamo inoltre che la nostra soluzione abbia una forma del tipo: f j (x t, v t, t) = exp[c j (T t) + D j (T t)v t + iφx] dove C j (T t) e D j (T t) sono funzioni note Sostituendo la precedente soluzione all interno dell equazione (8), otteniamo: 1 2 φ2 + ρξφid j ξ2 Dj 2 + u j φi b j D j + D j = t rφi + ad j + C j = t C j () = D j () = 7

8 Risolvendo l equazione differenziale ordinaria precedente, si ottiene una soluzione come segue: f j (x, v t, T, φ) = exp[c j (T t, φ) + D j (T t, φ)v j + iφx] C j (τ = T t, φ) = rφir + a ( 1 ge d j )] τ [(b ξ 2 j ρξφi + d j )τ 2ln 1 g D j (τ = T t, φ) = b ( j ρξφi + d j 1 e d j ) τ ξ 2 1 ge d jτ g j = b j ρξφi + d j d j = (ρξφi b j ) b j ρξφi d 2 ξ 2 (2u j φi φ 2 ) j u 1 = 5, u 2 = 5, a = κθ, b 1 = κ+λ ρξ, b 2 = κ+λ, x = ln(s t ) Una volta ricavata la funzione caratteristica, possiamo calcolarci la corrispondente probabilità: P j (x, v t, T, K) = ( ) e iφln(k) f j (x, v t, T, φ) Re dφ π iφ Alla fine la soluzione in forma chiusa per un opzione call europea che non paga dividendi è: dove: per j = 1, 2 c(s t, v t, t, T ) = S t P 1 Ke r(t t) P 2, (9) P j (x, v t, T, K) = π Re ( ) e iφln(k) f j (x, v t, T, φ) dφ iφ f j (x, v t, T, φ) = exp[c j (T t, φ) + D j (T t, φ)v j + iφx] C j (τ = T t, φ) = rφir+ a ( 1 ge d jτ )] [(b ξ 2 j ρξφi + d j )τ 2ln 1 g D j (τ = T t, φ) = b ( j ρξφi + d j 1 e d jτ ) ξ 2 1 ge d jτ g j = b j ρξφi + d j d j = (ρξφi b j ) b j ρξφi d 2 ξ 2 (2u j φi φ 2 ) j u 1 = 5, u 2 = 5, a = κθ, b 1 = κ+λ ρξ, b 2 = κ+λ, x = ln(s t ) Ovviamente anche in questo caso per uniformità di linguaggio è possibile pensare alla soluzione in forma chiusa come c(s, v, T, t), dove s rappresenta il sottostante al tempo t e v rappresenta la volatilità al tempo t 8

9 32 Condizioni al bordo Il modello di Heston tratta sia le derivate spaziali (rispetto allo stock ed alla volatilità), sia la derivata temporale E quindi necessario assegnare delle condizioni al bordo in ogni direzione Noi utilizzeremo una sorta di condizioni al bordo artificiali che risultano essere ragionevoli per il nostro problema Le considerazioni sulle condizioni al bordo sono anche basate su quanto spiegato in [6] Per quanto riguarda la direzione temporale è molto semplice, quando si raggiunge il time to maturity il prezzo di un opzione call europea sarà il payoff del contratto: u(, s, v) = max(s K, ) Nel nostro caso, avendo posto T = T t, risulta T = mentre K è lo strike price Per lo stock price, invece, se assumiamo che esso sia zero, facendo riferimento a [6], si pone: u(t,, v) = Quando invece il prezzo del sottostante è molto più grande dello srike price è possibile utilizzare una condizione di Neumann anche se, come consigliato in [7], è meglio utilizzare la soluzione in forma chiusa (9) Per quanto riguarda la volatilità, se questa è zero la condizione al bordo è: u(t, s, ) = max(s Ke r(t t), ), mentre quando la volatilità tende ad aumentare è intuitivo pensare che il valore del contratto sia lo stesso di quello dello stock price e quindi: 33 Localizzazione del dominio u(t, s, vmax) = s () Dopo aver definito le condizioni al bordo, dobbiamo decidere i valori da assegnare al massimo stock price ed alla volatilità massima Per quanto riguarda il primo, assumiamo che il massimo valore assunto dal sottostante sia pari a quattro volte lo strike price [6], invece per la volatilità massima non esistono delle regole fisse; proviamo quindi a determinare questo valore facendo dei test Basandoci sulla () sappiamo che quando la volatilità è massima, il prezzo dell opzione deve essere uguale allo stock price, questo significa che nel piano cartesiano del prezzo dell opzione in funzione del prezzo dello stock avremo una retta che parte dall origine e cresce con pendenza pari ad 1 Allora se facessimo qualche test potremmo trovare il valore della volatilità massima utilizzando la soluzione in forma chiusa al variare del sottostante fissando la volatilità stessa; quando quest ultima coinciderà con il grafico della retta generata precedentemente avremo effettivamente trovato il valore della volatilità massima In figura 1 vengono mostrati alcuni test da noi effettuati plottando la curva della soluzione ottenuta con la formula chiusa al variare di v Da questi test possiamo concludere che quando la volatilità è uguale a 4 o più grande, la curva del prezzo dell opzione soddisferà i requisiti richiesti Il massimo valore per la volatilità per il metodo alle differenze finite sarà preso quindi uguale a 4 9

10 8 Volatility 5data Volmaxdata 8 Volatility data Volmaxdata Prezzo opzione 4 Prezzo opzione Prezzo Stock (a) v = Prezzo Stock (b) v = 8 Volatility data Volmaxdata 8 Volatility 4data Volmaxdata Prezzo opzione 4 Prezzo opzione Prezzo Stock (c) v = Prezzo Stock (d) v = 4 Figura 1: Volatilità massima 4 Descrizione del metodo alle differenze finite L idea principale del metodo alle differenze finite è che bisogna applicare una discretizzazione dell equazione alle derivate parziali su una griglia per un dominio finito La discretizzazione può essere effettuata tramite una griglia uniforme, non uniforme oppure casuale Noi utilizzeremo una griglia uniforme del tipo in figura 2, dove la direzione delle x e delle y sono suddivise rispettivamente in Nx e Ny intervalli di ampiezza x e y Ovviamente il valore di u in ogni punto della mesh dipenderà dai diversi valori attorno ad esso Tutti i valori interni al dominio sono incogniti mentre i valori al bordo sono determinati Il problema adesso sta nel approssimare il meglio possibile le derivate Si possono usare differenti forme di differenze finite: in avanti, all indietro e centrate Differenze in avanti F x = F (x + x) F (x) x Differenze all indietro F x = F (x) F (x x) x Differenze centrate F x = F (x + x) F (x x) 2 x A meno di indicazioni particolari si utilizzano le differenze centrate Se invece il termine di trasporto ha una direzione dominante è preferibile utilizzare le differenze finite in avanti o in indietro, a seconda della direzione del trasporto Per

11 Figura 2: Discretizzazione di un dominio finito verificare quale approssimazione utilizzare per l equazione di Heston abbiamo plottato il termine di trasporto (Vedi figura 3) 45 Trasporto 4 35 Volatility Stock Figura 3: Campo di trasporto per il problema di Heston Dalla figura si vede bene come il trasporto sia dominante lungo l asse delle y, ed è per questo motivo che abbiamo scelto di utilizzare differenze finite decentrate (upwind) per la derivata prima rispetto alla volatilità Per quanto riguarda la derivata prima rispetto a s abbiamo scelto una differenza centrata La presenza di derivate seconde all interno dell equazione di Heston necessita di uno schema di approssimazione di questo tipo: 2 F x 2 = 1 (F (x + x) 2F (x) + F (x x)) x2 11

12 Per quanto riguarda la derivata seconda mista, un opportuna scelta è stata quella di approssimarla con: 2 F x y = 1 4 x y (F (x + x, y + y) + F (x x, y y) F (x + x, y y) F (x x, y + y)) Inoltre l equazione presenta derivate continue anche in tempo e per approssimarle si usano delle strategie in avanti, in indietro o con Crank-Nicholson nel seguente modo: Eulero in avanti Eulero all indietro Crank-Nicholson F t+1 F t t F t+1 F t t F t+1 F t t = AF t + b t = AF t+1 + b t+1 = 1 2 A(F t+1 + F t ) (bt+1 + b t ) Nel nostro caso abbiamo utilizzato Eulero all indietro e Crank-Nicolson che sono incondizionatamente stabili e convergenti [3] mentre Eulero in avanti ha delle condizioni di stabilità molto restrittive 41 Aspetti implementativi Per poter scrivere il problema alle differenze finite come sistema lineare è necessario passare da un individuazione del nodo sotto forma di coppia di coordinate (i, j) ad una del tipo k con k=1,,n dove n=(nx-1)*(ny-1) (figura 4) Figura 4: Numerazione dei nodi di griglia In questo modo è possibile scrivere il problema in forma matriciale assegnando ad ogni derivata una matrice che la rappresenti Possiamo vedere la rappresen- 12

13 tazione delle matrici del problema: u v D1v = 1 v u s D1s = 1 s u v 2 D2v = 1 ( v) 2 2 u s 2 D2s = 1 ( s) 2 2 u s v D2sv = 1 4 s v Per quanto riguarda la moltiplicazione per s o v (ad esempio per il termine v u v ) si deve ragionare come segue: partendo dal primo nodo della mesh e proseguendo secondo la numerazione appena introdotta, possiamo pensare che moltiplicare per s significhi moltiplicare gli elementi della k-sima riga delle matrici per la 13

14 s corrispondente all indice i Per quanto riguarda la moltiplicazione per la v si dovrà moltiplicare gli elementi della k-sima riga per la v corrispondente all indice j Con questo procedimento sarà possibile creare tutte le matrici che approssimano i termini di derivazione spaziale dell equazione (e che chiameremo per comodità vd1v, svd2sv, ) I nodi vicini al bordo risentiranno delle condizioni di Dirichlet imposte dal problema Ad esempio il nodo (i, j)=(, ), a cui corrisponde k=, si troverà tra il lato u = u(, v) e u = u(s, ), mentre il nodo (i, j)=(ny-1, ), a cui corrisponde k=ny-1, acquisirà le informazioni anche da u = u(, v) e u = u(s, 4) Procedendo così per tutti i nodi interni che si trovano vicino al bordo si costruisce il termine noto b Avremo dunque che l equazione di Heston (5) si può approssimare con: dove, con la notazione precedente, u t = Au + b, A = r sd1s + κθ D1v (κ + λ) vd1v s2vd2s ξ2 vd2v + ξρ svd2sv r I Come si può ben immaginare la matrice A sarà altamente sparsa e ciò è dimostrato anche dalla figura 5, in cui si vedono gli elementi non nulli in una simulazione con Nx=Ny=9 Spy della matrice (n=64) Figura 5: Elementi non nulli della Matrice A per il problema di Heston 42 Struttura del codice La risoluzione dell equazione di Heston (5) tramite le differenze finite si può riassumere in alcuni passi fondamentali: Costruzione delle matrici di discretizzazione dei termini derivativi; Costruzione dei termini di bordo; 14

15 Soluzione di un sistema lineare per ogni istante di tempo (EI, Crank- Nicolson); Salvataggio e plot della soluzione Innanzitutto abbiamo dovuto scegliere quale metodo utilizzare per la risoluzione del sistema lineare Tra i diversi metodi noti in letteratura si è dovuto scegliere tra un metodo iterativo (tipo GMRES) ed un metodo diretto (UMF- PACK) A tal proposito abbiamo pensato di verificare la velocità di risoluzione di un sistema lineare con matrice tridiagonale all aumentare della dimensione del problema I risultati sono mostrati in figura 6 La nostra scelta è ricaduta 35 Confronto tempi CPU di UMFPACK e GMRES al variare di n tempigmresdata tempiumfpackdata 3 25 Tempo (sec) Dimensione problema Figura 6: Confronto tempi per la risoluzione di un sistema lineare GMRES in rosso, UMFPACK verde su UMFPACK che fornisce la soluzione esatta ed ha le stesse prestazioni del GMRES per problemi della nostra dimensione Un altra importante considerazione va fatta sul tipo di struttura da utilizzare per la memorizzazione delle matrici Abbiamo scelto di utilizzare la libreria ublas che permette di gestire il noto formato per matrici sparse CSC ( Compressed Sparse Column ) Esso è uno dei formati più compatti ed è formato da tre vettori: il primo contenente i valori degli elementi non nulli della matrice ordinati per colonna, il secondo contiene gli indici di riga di ogni elemento non nullo mentre il terzo contiene i puntatori alle colonne Vediamo ora come funziona il codice che si trova all interno del main Particolare attenzione è stata fatta per la memorizzazione delle matrici di approssimazione delle derivate In particolare si è riusciti a memorizzare tutte le matrici con un ordine di complessità pari alla dimensione n = (Nx 1)(Ny 1) del problema Per costruire il termine di bordo u = u(smax, v) è stato necessario creare una funzione che restituisse il valore della soluzione chiusa in funzione dei parametri finanziari, della volatilità v e del valore del sottostante s Tale funzione richiede a sua volta il calcolo di un integrale e quindi abbiamo implementato un semplice codice per il calcolo di integrali definiti tramite la formula di quadratura 15

16 di Simpson Per non appesantire il main abbiamo salvato il tutto in un file f chiusahpp In un altro file (linear solvehpp) abbiamo creato il risolutore per un sistema lineare tipo (Au = f) con UMFPACK Tale risolutore prende come argomenti la matrice sparsa A (nel formato CSC) ed il vettore del termine noto f e restituisce la soluzione esatta Per la creazione di questo risolutore è stata seguita la guida dell utente inclusa nelle librerie UMFPACK [8] Per quanto riguarda il salvataggio e il plot della soluzione abbiamo deciso di procedere nel seguente modo: si è unito il vettore soluzione del sistema lineare con la soluzione sul bordo utilizzando una funzione da noi creata per poi salvare i dati delle coordinate e la soluzione in ogni punto in un formato leggibile da gnuplot 1 Questa ed altre funzioni ausiliari sono state salvate in un file chiamato f unctionhpp 5 Risultati numerici In questa sezione riportiamo i risultati ottenuti con il metodo alle differenze finite discusso in precedenza Il programma è stato compilato con il compilatore GNU C++ su una macchina avente processore AMD Turion ML-34 e 2GB di RAM 51 Esempio 1 In questo primo caso test abbiamo scelto i seguenti valori per i parametri finanziari: K = Smax = 8; r = 1 ρ = 1; θ = 4 λ = ; ξ = 5 κ = 2; T = 2; Tali parametri sono frutto di una calibrazione del mercato [5] In figura (7) è possibile confrontare i risultati ottenuti con Eulero implicito e Crank-Nicholson nel caso in cui la griglia spaziale sia discretizzata con Nx=Ny= e passo temporale fissato a t = 1 anni Soluzione al tempo t=s Soluzione al tempo t=s Call Call Volatility Stock Volatility Stock (a) Eulero Implicito (b) Crank-Nicolson 1 Figura 7: Caso test1 con Nx=Ny= 16

17 In figura (8) è possibile vedere la stessa soluzione ottenuta con una griglia più fitta Soluzione al tempo t=s Call Volatility Stock Figura 8: Test1 - Eulero Implicito con Nx=Ny=5 Mettiamo ora a confronto i tempi di risoluzione: Dimensione Eulero Implicito Crank-Nicholson 7 s 92 s s 77 s Il metodo di Eulero implicito risulta essere molto più efficente di Crank-Nicolson Questo è dovuto al fatto che il secondo richiede un prodotto matrice-vettore ad ogni passo temporale che ne rallenta le performance Inoltre Crank-Nicolson produce delle oscillazioni nella soluzione Tali oscillazioni tendono però ad attenuarsi col passare del tempo, come previsto dalla stabilità incondizionata 52 Esempio 2 I valori dei parametri per questo caso test sono: K = Smax = 8; r = 2 ρ = 5; θ = 2 λ = 1; ξ = 3 κ = 3; T = 2; Per il secondo caso test riportiamo i risultati ottenuti con Eulero Implicito in quanto abbiamo verificato essere il metodo più affidabile per il nostro problema Nella figura (9) si può vedere quindi la soluzione ottenuta con una discretizzazione spaziale Nx=Ny=5 e con passo temporale t = 1 anni Per questa simulazione sono stati necessari 17s per il calcolo della soluzione ed il salvataggio dati in ogni istante di tempo 17

18 Soluzione al tempo t=s Call Volatility Stock Figura 9: TEST2 - Eulero Implicito con Nx=Ny=5 53 Sviluppi futuri Il modello di Heston presenta però degli svantaggi e lascia delle questioni aperte: - per certi valori dei parametri, non opportunamente calibrati, si ottengono prezzi delle opzioni negativi oppure più bassi del limite inferiore dell intervallo determinato dalle condizioni di non arbitraggio; ciò non avviene se i parametri vengono accuratamente stimati in modo tale che il processo dei prezzi sia una martingala; - il modello fallisce nel riprodurre l andamento della volatilità implicita per brevi scadenze; - i parametri del modello calibrato con i dati di mercato non sono costanti Una calibrazione è adeguata soltanto se, una volta stabiliti i parametri sulla base di una serie storica di dati, essi rimangono costanti se si usano i dati dei giorni successivi Se ciò non accade, come in realtà avviene, allora è difficile interpretare i cambiamenti dei parametri nei modelli con volatilità stocastica E per questi motivi che questo modello non risulta sempre adeguato Una possibile soluzione che mantenga i pregi del modello di Heston, ma ne corregga i difetti, è stata proposta da Bates In futuro si potrebbe quindi implementare una modifica al codice che gestisca un termine integrale anche nell equazione differenziale; questo permetterebbe di gestire le equazioni alle derivate parziali integro-differenziali (PIDE) che si ricavano nello studio di modelli con salti (come quello di Bates) 18

19 Riferimenti bibliografici [1] LFormaggia, Programmazione avanzata per il calcolo scientifico, Dispense dal sito www2matepolimiit:88/cn/pacs5, 6-7 [2] Tomas Bjork, Arbitrage theory in continuous time, Oxford University Press, 3 [3] Alfio Quarteroni, Modellistica numerica per problemi differenziali, Springer, 3 [4] Rama Cont e Peter Tankov, Financial modelling with jump processes, Chapman e Hall/CRC Financial Mathematics Series, 3 [5] Jian Wang, Convexity of option prices in the Heston model, UUDM Project Report 7:3, 7 [6] SLHeston, A closed-form solution for option with stochastic volatility with applications to bond and currency options, The review of financial studies, , 1993 [7] FBlack e MScholes, The valuation of option and corporate liabilities, Journal of political economy, 81, , 1973 [8] TADavis, UMFPACK Version 5 User Guide, Dept of Computer and Information Science and Engineering Univ of Florida 19

Valore equo di un derivato. Contingent claim

Valore equo di un derivato. Contingent claim Contingent claim Ci occuperemo ora di determinare il prezzo equo di un prodotto derivato, come le opzioni, e di come coprire il rischio associato a questi contratti. Assumeremo come dinamica dei prezzi

Dettagli

Il calore nella Finanza

Il calore nella Finanza Il calore nella Finanza Franco Moriconi Università di Perugia Facoltà di Economia Perugia, 12 Novembre 2008 Quotazioni FIAT Serie giornaliera dal 6/11/2007 al 6/11/2008 F. Moriconi, Il calore nella Finanza

Dettagli

Modelli di Lévy. Indice. 1 Introduzione 2. 2 Processi di Lévy 4. 3 Modelli di Lévy puramente discontinui 6. 4 Il processo Variance-Gamma 7

Modelli di Lévy. Indice. 1 Introduzione 2. 2 Processi di Lévy 4. 3 Modelli di Lévy puramente discontinui 6. 4 Il processo Variance-Gamma 7 Modelli di Lévy R. Marfé Indice 1 Introduzione 2 2 Processi di Lévy 4 3 Modelli di Lévy puramente discontinui 6 4 Il processo Variance-Gamma 7 5 Modelli di mercato 9 6 Applicazione in VBA 11 1 1 Introduzione

Dettagli

Modelli finanziari per i tassi di interesse

Modelli finanziari per i tassi di interesse MEBS Lecture 3 Modelli finanziari per i tassi di interesse MEBS, lezioni Roberto Renò Università di Siena 3.1 Modelli per la struttura La ricerca di un modello finanziario che descriva l evoluzione della

Dettagli

Mattia Zanella mattia.zanella@unife.it www.mattiazanella.eu

Mattia Zanella mattia.zanella@unife.it www.mattiazanella.eu mattia.zanella@unife.it www.mattiazanella.eu Department of Mathematics and Computer Science, University of Ferrara, Italy Ferrara, 1 Maggio 216 Programma della lezione Seminario II Equazioni differenziali

Dettagli

Opzioni americane. Capitolo 5. 5.1 Il modello

Opzioni americane. Capitolo 5. 5.1 Il modello Capitolo 5 Opzioni americane 5. Il modello Consideriamo un modello di mercato finanziario così come descritto nel Paragrafo 4.2. Il mercato è quindi formato da d+ titoli di prezzi S 0 n, S n,..., S d n,

Dettagli

Il modello binomiale ad un periodo

Il modello binomiale ad un periodo Opzioni Un opzione dà al suo possessore il diritto (ma non l obbligo) di fare qualcosa. Un opzione call (put) europea su un azione che non paga dividendi dà al possessore il diritto di comprare (vendere)

Dettagli

Matematica finanziaria: svolgimento della prova di esame del 4 settembre 2007 1

Matematica finanziaria: svolgimento della prova di esame del 4 settembre 2007 1 Matematica finanziaria: svolgimento della prova di esame del 4 settembre. Calcolare il montante che si ottiene dopo anni con un investimento di e in regime nominale al tasso annuale del % pagabile due

Dettagli

Metodi Numerici per Equazioni Ellittiche

Metodi Numerici per Equazioni Ellittiche Metodi Numerici per Equazioni Ellittiche Vediamo ora di descrivere una tecnica per la risoluzione numerica della più semplice equazione ellittica lineare, l Equazione di Laplace: u xx + u yy = 0, (x, y)

Dettagli

Metodi Monte Carlo in Finanza

Metodi Monte Carlo in Finanza Metodi Monte Carlo in Finanza Lucia Caramellino Indice 1 Metodi Monte Carlo: generalità Simulazione di un moto Browniano e di un moto Browniano geometrico 3 3 Metodi numerici Monte Carlo per la finanza

Dettagli

Option Pricing con il modello di Heston

Option Pricing con il modello di Heston POLITECNICO DI MILANO Facoltà di Ingegneria dei Sistemi Option Pricing con il modello di Heston Relatore: Prof. Carlo Sgarra - Politecnico di Milano Correlatore: Dott. Martino De Prato - Mediobanca Elaborato

Dettagli

Matematica finanziaria: svolgimento prova di esonero del 15 maggio 2007

Matematica finanziaria: svolgimento prova di esonero del 15 maggio 2007 Matematica finanziaria: svolgimento prova di esonero del 5 maggio 2 a. Assumendo che il colore dei capelli negli esseri umani sia determinato da una coppia di alleli, diciamo (B, S), presi a caso con probabilità

Dettagli

23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari ESERCIZIO 1

23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari ESERCIZIO 1 23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari In uno schema uniperiodale e in un contesto di analisi media-varianza, si consideri un mercato

Dettagli

Introduzione alberi binomiali

Introduzione alberi binomiali Introduzione alberi binomiali introduzione L albero binomiale rappresenta i possibili sentieri seguiti dal prezzo dell azione durante la vita dell opzione Il percorso partirà dal modello a uno stadio per

Dettagli

Principali tipologie di rischio finanziario

Principali tipologie di rischio finanziario Principali tipologie di rischio finanziario Rischio di mercato: dovuto alla variabilità dei prezzi delle attività finanziarie Rischio di credito: dovuto alla possibilità che la controparte venga meno ai

Dettagli

I modelli della fisica e la finanza, ovvero perchè i fisici lavorano nelle banche

I modelli della fisica e la finanza, ovvero perchè i fisici lavorano nelle banche I modelli della fisica e la finanza, ovvero perchè i fisici lavorano nelle banche Mediobanca (Milano, 11 luglio 2003) Indice 1. Perché i fisici in finanza? 2. Il problema 3. I modelli della fisica in finanza

Dettagli

CALIBRAZIONE DI MODELLI A VOLATILITÀ STOCASTICA SU ARCHITETTURA PARALLELA

CALIBRAZIONE DI MODELLI A VOLATILITÀ STOCASTICA SU ARCHITETTURA PARALLELA POLITECNICO DI MILANO FACOLTÀ DI INGEGNERIA DEI SISTEMI CORSO DI LAUREA IN INGEGNERIA MATEMATICA CALIBRAZIONE DI MODELLI A VOLATILITÀ STOCASTICA SU ARCHITETTURA PARALLELA Relatore: Dr. Marazzina DANIELE

Dettagli

Modelli probabilistici per la finanza

Modelli probabilistici per la finanza Capitolo 5 Modelli probabilistici per la finanza 51 Introduzione In questo capitolo introdurremo un modello probabilistico utile per lo studio di alcuni problemi di finanza matematica, a cui abbiamo già

Dettagli

Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes

Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Capitolo 4 Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Quanto è ragionevole pagare per entrare in un contratto d opzione? Per affrontare questo problema

Dettagli

T I P S T R A P S. La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo

T I P S T R A P S. La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo In un mercato finanziario le opzioni a comprare (Call) o a vendere (Put) un titolo costituiscono il diritto, in un determinato periodo

Dettagli

La scelta di portafoglio

La scelta di portafoglio La scelta di portafoglio 1 La scelta di portafoglio La scelta di portafoglio: il modo in cui un individuo decide di allocare la propria ricchezza tra più titoli Il mercato dei titoli è un istituzione che

Dettagli

call europea viene esercitata, consentendo un guadagno pari a

call europea viene esercitata, consentendo un guadagno pari a INTRODUZIONE Un opzione è un contratto derivato che conferisce al proprio detentore il diritto di disporre del titolo sottostante ad esso. Più precisamente, l acquisto di un opzione call (put) conferisce

Dettagli

Introduzione all Option Pricing

Introduzione all Option Pricing Introduzione all Option Pricing Arturo Leccadito Corso di Matematica Finanziaria 3 Anno Accademico 2008 2009 1 Il Modello Binomiale Si supponga che oggi (epoca 0) sia disponibile un titolo azionario il

Dettagli

Finanza matematica - Lezione 01

Finanza matematica - Lezione 01 Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo

Dettagli

Esperienza MBG Il moto browniano geometrico. Proprietà teoriche e simulazione Monte Carlo

Esperienza MBG Il moto browniano geometrico. Proprietà teoriche e simulazione Monte Carlo Università degli Studi di Perugia Laurea specialistica in Finanza a.a. 2009-10 Corso di Laboratorio di calcolo finanziario prof. Franco Moriconi Esperienza MBG Il moto browniano geometrico. Proprietà teoriche

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Il modello di Black-Scholes- Merton. Giampaolo Gabbi

Il modello di Black-Scholes- Merton. Giampaolo Gabbi Il modello di Black-Scholes- Merton Giampaolo Gabbi Premessa Fra le equazioni utilizzate in finanza ne esiste una estremamente semplice. Il contributo di Black e Scholes allo sviluppo della teoria e della

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Ambiente di riferimento

Ambiente di riferimento Ambiente di riferimento Cosideriamo un mercato finanziario di una sola azione (investimento a rischio), un titolo obbligazionario (investimento senza rischio) e un contingent claim. La dinamica dei prezzi

Dettagli

Volatilità implicita. P(t) = S(t)Φ(d 1 ) e r(t t) K Φ(d 2 ) con. d 1 = d 2 + σ T t. d 2 =

Volatilità implicita. P(t) = S(t)Φ(d 1 ) e r(t t) K Φ(d 2 ) con. d 1 = d 2 + σ T t. d 2 = Volatilità implicita Abbiamo visto come sia possibile calcolare la volatilità di un titolo attraverso la serie dei log-return. In teoria però la volatilità di un sottostante può essere determinata dal

Dettagli

Note sulle Opzioni Americane

Note sulle Opzioni Americane Note sulle Opzioni Americane Wolfgang J. Runggaldier Universitá di Padova June 16, 2007 Si fornisce qui una traccia sull argomento delle opzioni americane a tempo discreto (dette anche Bermudean options)

Dettagli

ScienzaOrienta NUMERI E DOLLARI: PROBABILITÀ E FINANZA

ScienzaOrienta NUMERI E DOLLARI: PROBABILITÀ E FINANZA ScienzaOrienta 13 Febbraio 2014 Università Tor Vergata-Roma NUMERI E DOLLARI: PROBABILITÀ E FINANZA Lucia Caramellino Dipartimento di Matematica Università di Roma - Tor Vergata caramell@mat.uniroma2.it

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

Formulario. Legge di capitalizzazione dell Interesse semplice (CS)

Formulario. Legge di capitalizzazione dell Interesse semplice (CS) Formulario Legge di capitalizzazione dell Interesse semplice (CS) Il montante M è una funzione lineare del capitale iniziale P. Di conseguenza M cresce proporzionalmente rispetto al tempo. M = P*(1+i*t)

Dettagli

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12 UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica 1 Massimi e minimi delle funzioni di più variabili Indice 1 Massimi e minimi liberi 1 Massimi e minimi vincolati 7 3 Soluzioni degli esercizi

Dettagli

Studio empirico per la dinamica della curva dei tassi d interesse forward

Studio empirico per la dinamica della curva dei tassi d interesse forward UNIVERSITÀ DEGLI STUDI DI ROMA TRE FACOLTÀ DI SCIENZE M.F.N. Studio empirico per la dinamica della curva dei tassi d interesse forward Sintesi della tesi di Laurea in Matematica di Daniela Cavaldesi Relatore:

Dettagli

ESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012

ESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012 ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI 2 LE OPZIONI Le opzioni sono contratti che forniscono al detentore il diritto di acquistare o vendere una certa quantità del bene sottostante a una certa

Dettagli

I modelli fondati sul mercato dei capitali

I modelli fondati sul mercato dei capitali I modelli fondati sul mercato dei capitali Slides tratte da: Andrea Resti Andrea Sironi Rischio e valore nelle banche Misura, regolamentazione, gestione Egea, 2008 AGENDA L approccio basato sugli spread

Dettagli

La diffusione e il moto Browniano

La diffusione e il moto Browniano La diffusione e il moto Browniano 0. La diffusione La prima legge di Fick afferma che: ϕ = DA dx (0..) dove D è il coefficiente di diffusione con [D] = m2 s, ϕ è la corrente di massa con [ϕ] = N s dove

Dettagli

Il mercato finanziario in tempo discreto

Il mercato finanziario in tempo discreto Capitolo 2 Il mercato finanziario in tempo discreto 2. Un modello di mercato finanziario Prima di dedicarci agli arbitraggi sui mercati finanziari, osserviamo come rappresentare un mercato quando il tempo

Dettagli

Opzioni con Barriera

Opzioni con Barriera Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea Specialistica in Matematica Tesi di Laurea Specialistica Opzioni con Barriera Candidato: Lorenzo Balducci Relatore: Prof. Maurizio Pratelli

Dettagli

Elementi di Risk Management Quantitativo

Elementi di Risk Management Quantitativo Elementi di Risk Management Quantitativo (marco.bee@economia.unitn.it) Marzo 2007 Indice 1 Introduzione 2 1.1 Argomenti e testi di riferimento................. 2 2 Nozioni preliminari 3 2.1 Un po di storia..........................

Dettagli

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6 EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)

Dettagli

Metodi Stocastici per la Finanza

Metodi Stocastici per la Finanza Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2012-2013 Indice 1 Mercati finanziari 2 Arbitraggio 3 Conseguenze del non-arbitraggio

Dettagli

Elementi Finiti: stime d errore e adattività della griglia

Elementi Finiti: stime d errore e adattività della griglia Elementi Finiti: stime d errore e adattività della griglia Elena Gaburro Università degli studi di Verona Master s Degree in Mathematics and Applications 05 giugno 2013 Elena Gaburro (Università di Verona)

Dettagli

Opzioni su titoli che pagano dividendi: proprietà e tecniche di valutazione

Opzioni su titoli che pagano dividendi: proprietà e tecniche di valutazione Opzioni su titoli che pagano dividendi: proprietà e tecniche di valutazione Martina Nardon Paolo Pianca ipartimento di Matematica Applicata Università Ca Foscari Venezia

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

Metodi iterativi per sistemi lineari

Metodi iterativi per sistemi lineari Metodi iterativi per sistemi lineari Dario A. Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi ai metodi iterativi per risolvere sistemi di equazioni

Dettagli

Tesi di laurea in Economia. Strategie di copertura statica sui titoli strutturati

Tesi di laurea in Economia. Strategie di copertura statica sui titoli strutturati Tesi di laurea in Economia Strategie di copertura statica sui titoli strutturati Laureando: Loriano Mancini Relatore: Prof. Stefano Herzel Perugia, Luglio 1999 Indice 1 Introduzione 1 2 La relazione di

Dettagli

BOLLETTINO UNIONE MATEMATICA ITALIANA

BOLLETTINO UNIONE MATEMATICA ITALIANA BOLLETTINO UNIONE MATEMATICA ITALIANA Sezione A La Matematica nella Società e nella Cultura Giovanni Becchere Valutazione e copertura di opzioni Americane in mercati incompleti: strategie di rischio minimo

Dettagli

On Lévy Processes for Option Pricing

On Lévy Processes for Option Pricing Numerical Methods and Calibration to Index Options Relatore: Chiar.ma Prof.ssa Maria Cristina Recchioni Università Politecnica delle Marche - Facoltà di Economia Giorgio Fuà 18 Aprile 2008 Indice Introduzione

Dettagli

Indice. Notazioni generali

Indice. Notazioni generali Indice Notazioni generali XIII 1 Derivati e arbitraggi 1 1.1 Opzioni 1 1.1.1 Finalità 3 1.1.2 Problemi 4 1.1.3 Leggi di capitalizzazione 4 1.1.4 Arbitraggi e formula di Put-Call Parity 5 1.2 Prezzo neutrale

Dettagli

Esperienza PolRiv Valutazione market-consistent di una polizza vita rivalutabile

Esperienza PolRiv Valutazione market-consistent di una polizza vita rivalutabile Università degli Studi di Perugia Laurea specialistica in Finanza a.a. 2009-10 Corso di Laboratorio di calcolo finanziario prof. Franco Moriconi Esperienza PolRiv Valutazione market-consistent di una polizza

Dettagli

2. Differenze Finite. ( ) si

2. Differenze Finite. ( ) si . Differenze Finite In questa Nota tratteremo della soluzione numerica di equazioni a derivate parziali scalari attraverso il metodo delle differenze finite. In particolare, affronteremo il problema della

Dettagli

Capitolo 2. Un introduzione all analisi dinamica dei sistemi

Capitolo 2. Un introduzione all analisi dinamica dei sistemi Capitolo 2 Un introduzione all analisi dinamica dei sistemi Obiettivo: presentare una modellistica di applicazione generale per l analisi delle caratteristiche dinamiche di sistemi, nota come system dynamics,

Dettagli

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo.

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo. LEZIONE 4 Il Capital Asset Pricing Model 1 Generalità 1 Generalità (1) Il Capital Asset Pricing Model è un modello di equilibrio dei mercati che consente di individuare una precisa relazione tra rendimento

Dettagli

Massimi e minimi vincolati di funzioni in due variabili

Massimi e minimi vincolati di funzioni in due variabili Massimi e minimi vincolati di funzioni in due variabili I risultati principali della teoria dell ottimizzazione, il Teorema di Fermat in due variabili e il Test dell hessiana, si applicano esclusivamente

Dettagli

Metodi Quantitativi per la Finanza

Metodi Quantitativi per la Finanza Metodi Quantitativi per la Finanza Metodi Quantitativi per la Finanza http://www.economia.unimi.it/finance S.M. Iacus Ricevimento: Gio 9:00-12:00, III Piano DEAS stefano.iacus@unimi.it Programma del corso

Dettagli

Il piano d ammortamento (francese) prevede un totale di 20 rate semestrali pari a: D 300.000 a 14, 2888 Il debito residuo dopo 10 semestri sarà:

Il piano d ammortamento (francese) prevede un totale di 20 rate semestrali pari a: D 300.000 a 14, 2888 Il debito residuo dopo 10 semestri sarà: Gli esercizi sono suddivisi per argomenti. A) Piani d ammortamento. ) I esonero 003. Un individuo si accorda per restituire un importo di 300 mila euro mediante il versamento di rate costanti semestrali

Dettagli

Gli strumenti derivati: opzioni

Gli strumenti derivati: opzioni Gli strumenti derivati: opzioni Definizione (1) L opzione è un contratto che conferisce al suo sottoscrittore un diritto e non un obbligo, ad acquistare (per una call) o a vendere (per una put) al venditore

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/ Catene di Misura Corso di Misure Elettriche http://sms.unipv.it/misure/ Piero Malcovati Dipartimento di Ingegneria Industriale e dell Informazione Università di Pavia piero.malcovati@unipv.it Piero Malcovati

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

Introduzione. Modellizzazione: descrizione di un fenomeno fisico (biologico) con linguaggio matematico.

Introduzione. Modellizzazione: descrizione di un fenomeno fisico (biologico) con linguaggio matematico. Introduzione Modellizzazione: descrizione di un fenomeno fisico (biologico) con linguaggio matematico. Alcuni aspetti da tenere presenti: * range di validita del modello; * "profondita " o "risoluzione"

Dettagli

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico Competenza matematica n. BIENNIO, BIENNIO Utilizzare le tecniche e le procedure del calcolo aritmetico ed algebrico, rappresentandole anche sotto forma grafica BIENNIO BIENNIO Operare sui dati comprendendone

Dettagli

Il mercato in tempo e spazio continui

Il mercato in tempo e spazio continui Capitolo 4 Il mercato in tempo e spazio continui «Natura non facit saltus.» Philosophia botanica Linneo 4.1 Introduzione Il mercato che si è osservato nei capitoli di introduzione alle tematiche dell arbitraggio,

Dettagli

Prova scritta di Controlli Automatici

Prova scritta di Controlli Automatici Prova scritta di Controlli Automatici Corso di Laurea in Ingegneria Meccatronica, AA 2011 2012 10 Settembre 2012 Domande a Risposta Multipla Per ognuna delle seguenti domande a risposta multipla, indicare

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia DERIVATE DELLE FUNZIONI esercizi proposti dal Prof. Gianluigi Trivia Incremento della variabile indipendente e della funzione. Se, sono due valori della variabile indipendente, y f ) e y f ) le corrispondenti

Dettagli

Il Processo Stocastico Martingala e sue Applicazioni in Finanza

Il Processo Stocastico Martingala e sue Applicazioni in Finanza Il Processo Stocastico Martingala e sue Applicazioni in Finanza Rosa Maria Mininni a.a. 2014-2015 1 Introduzione Scopo principale della presente dispensa é quello di illustrare i concetti matematici fondamentali

Dettagli

Modellazione e Analisi di Reti Elettriche

Modellazione e Analisi di Reti Elettriche Modellazione e Analisi di eti Elettriche Modellazione e Analisi di eti Elettriche Davide Giglio Introduzione alle eti Elettriche e reti elettriche costituite da resistori, condensatori e induttori (bipoli),

Dettagli

Generalità sulle funzioni

Generalità sulle funzioni Capitolo Concetto di funzione Generalità sulle funzioni Definizione di funzione Definizione Dato un sottoinsieme non vuoto D di R, si chiama funzione reale di variabile reale, una relazione che ad ogni

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.

Dettagli

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica...

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica... UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica Funzioni reali di variabile reale Indice Grafico di una funzione reale 2 Funzioni elementari 2 2. Funzione potenza................................................

Dettagli

Reti sequenziali e strutturazione firmware

Reti sequenziali e strutturazione firmware Architettura degli Elaboratori, a.a. 25-6 Reti sequenziali e strutturazione firmware Alla parte di corso sulle reti sequenziali è apportata una sensibile semplificazione rispetto a quanto contenuto nel

Dettagli

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Scelte in condizioni di rischio e incertezza

Scelte in condizioni di rischio e incertezza CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni

Dettagli

Possiamo calcolare facilmente il valore attuale del bond A e del bond B come segue: VA A = 925.93 = 1000/1.08 VA B = 826.45 = 1000/(1.

Possiamo calcolare facilmente il valore attuale del bond A e del bond B come segue: VA A = 925.93 = 1000/1.08 VA B = 826.45 = 1000/(1. Appendice 5A La struttura temporale dei tassi di interesse, dei tassi spot e del rendimento alla scadenza Nel capitolo 5 abbiamo ipotizzato che il tasso di interesse rimanga costante per tutti i periodi

Dettagli

PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA

PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA Simulazione 01/15 ANNO SCOLASTICO 01/15 PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Il candidato risolva uno dei due problemi Problema 1 Nella

Dettagli

Richiami di microeconomia

Richiami di microeconomia Capitolo 5 Richiami di microeconomia 5. Le preferenze e l utilità Nell analisi microeconomica si può decidere di descrivere ogni soggetto attraverso una funzione di utilità oppure attraverso le sue preferenze.

Dettagli

BANCA ALETTI & C. S.p.A.

BANCA ALETTI & C. S.p.A. CONDIZIONI DEFINITIVE D OFFERTA BANCA ALETTI & C. S.p.A. in qualità di Emittente e responsabile del collocamento del Programma di offerta al pubblico e/o quotazione dei certificates BORSA PROTETTA e BORSA

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 13: L offerta dell impresa e il surplus del produttore Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:

Dettagli

Modelli matematici e realtà:

Modelli matematici e realtà: Piano Lauree Scientifiche Matematica e Statistica 2010-11 Modelli matematici e realtà: sulle equazioni differenziali - prima parte R. Vermiglio 1 1 Dipartimento di Matematica e Informatica - Università

Dettagli

Analisi 2. Argomenti. Raffaele D. Facendola

Analisi 2. Argomenti. Raffaele D. Facendola Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema

Dettagli

MODELLI IN EXCEL PER LA VALUTAZIONE DEGLI STRUMENTI FINANZIARI COMPLESSI. Calcolo del fair value e misurazione dei rischi

MODELLI IN EXCEL PER LA VALUTAZIONE DEGLI STRUMENTI FINANZIARI COMPLESSI. Calcolo del fair value e misurazione dei rischi Corso tecnico - pratico MODELLI IN EXCEL PER LA VALUTAZIONE DEGLI STRUMENTI FINANZIARI COMPLESSI Calcolo del fair value e misurazione dei rischi Modulo 1 (base): 22-23 aprile 2015 Modulo 2 (avanzato):

Dettagli

VALUTAZIONE DI DERIVATI CON METODI DI TEORIA DEI GIOCHI

VALUTAZIONE DI DERIVATI CON METODI DI TEORIA DEI GIOCHI Alma Mater Studiorum Università di Bologna FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Matematica VALUTAZIONE DI DERIVATI CON METODI DI TEORIA DEI GIOCHI Tesi di Laurea in Finanza

Dettagli

Finanza delle Assicurazioni e della Previdenza

Finanza delle Assicurazioni e della Previdenza Finanza delle Assicurazioni e della Previdenza Francesco Menoncin Le zi one 24 /04/2006 Sommario Si presentano le principali problematiche di gestione dei fondi pensione nei due sistemi Pay-As-You-Go e

Dettagli

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E 1. Previsione per modelli ARM A Questo capitolo è dedicato alla teoria della previsione lineare per processi stocastici puramente non deterministici, cioè per processi che ammettono una rappresentazione

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

Corso di Laurea in Banca, borsa e assicurazione. Tesi di Laurea in Metodi e modelli per i mercati finanziari

Corso di Laurea in Banca, borsa e assicurazione. Tesi di Laurea in Metodi e modelli per i mercati finanziari Corso di Laurea in Banca, borsa e assicurazione Tesi di Laurea in Metodi e modelli per i mercati finanziari TECNICHE DI PORTFOLIO INSURANCE: UN APPLICAZIONE AL MERCATO ITALIANO Relatore: Marina Marena

Dettagli

Appunti di Finanza quantitativa

Appunti di Finanza quantitativa Antonio Mannolini Roberto Renò Appunti di Finanza quantitativa ARACNE Copyright MMVIII ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133 A/B 00173 Roma (06)

Dettagli

Capitolo 3 Flussaggio Stazionario di una Valvola Formula 1

Capitolo 3 Flussaggio Stazionario di una Valvola Formula 1 Capitolo 3 Flussaggio Stazionario di una Valvola Formula 1 3.1 Introduzione al problema In questa simulazione si vuole verificare il comportamento del fluido nel passaggio attraverso una valvola motoristica

Dettagli

Le fonti di finanziamento dell impresa alla luce della teoria delle opzioni

Le fonti di finanziamento dell impresa alla luce della teoria delle opzioni Le fonti di finanziamento dell impresa alla luce della teoria delle opzioni Alessandro Mauro Scuola Superiore Enrico Mattei Ottobre 1998 Scuola Superiore Enrico Mattei Piazza Santa Barbara, 7 20097 S.

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli