Il calore nella Finanza



Documenti analoghi
Il modello binomiale ad un periodo

Valore equo di un derivato. Contingent claim

Mattia Zanella

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

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 =

Indice. Notazioni generali

Dato il Mercato, è possibile individuare il valore e la duration del portafoglio:

Modelli finanziari per i tassi di interesse

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

Opzioni americane. Opzioni americane

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

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

1. Distribuzioni campionarie

Finanza Aziendale. Teoria delle opzioni, metodologie di valutazione e implicazioni per la finanza aziendale. BMAS Capitolo 20

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

Corso di Risk Management S

Introduzione all Option Pricing

19-2 Argomenti trattati

MODELLO DI BLACK SCHOLES

On Lévy Processes for Option Pricing

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

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

Complementi di Termologia. I parte

La diffusione e il moto Browniano

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

Ottimizazione vincolata

Fondamenti e didattica di Matematica Finanziaria. Unità 2. Regime finanziario della capitalizzazione semplice

Finanza matematica - Lezione 01

1 Serie di Taylor di una funzione

Corso di FINANZA AZIENDALE AVANZATA

MATEMATICA FINANZIARIA Appello del 23 giugno 2003 studenti nuovo ordinamento

MATEMATICA FINANZIARIA Appello dell 8 ottobre 2010 programma a.a. precedenti

call europea viene esercitata, consentendo un guadagno pari a

Introduzione alberi binomiali

Corso di FINANZA AZIENDALE AVANZATA

FINANZA AZIENDALE AVANZATO. Le opzioni e l option theory. Lezioni 14 e 15

Sulle funzioni di W 1,p (Ω) a traccia nulla

Il modello di Black-Scholes- Merton. Giampaolo Gabbi

Scelte in condizioni di rischio e incertezza

BOZZA NON DEFINITIVA. Indice

La variabile casuale Binomiale

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ ρσ1 σ 2 ) = (σ 1

Matematica generale CTF

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di

MATEMATICA FINANZIARIA Appello del 10 luglio 2000

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Quesiti livello Application


FORWARD RATE AGREEMENT

Esercizi di Macroeconomia per il corso di Economia Politica

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

Black-Scholes: le Greche

LA CRESCITA DELLE POPOLAZIONI ANIMALI

Il Capital asset pricing model è un modello di equilibrio dei mercati, individua una relazione tra rischio e rendimento, si fonda sulle seguenti

2. Leggi finanziarie di capitalizzazione

Basi di matematica per il corso di micro

Economia e Finanza delle Assicurazioni Università di Macerata Facoltà di. Economia. I flussi monetari generati dalle gestioni assicurative

Fondamenti e didattica di Matematica Finanziaria

Corso di Automazione Industriale 1. Capitolo 4

Fronteggiamento dei rischi della gestione

Oscillazioni: il pendolo semplice

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

Teoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio

Le curve di indifferenza sulla frontiera di Markowitz

Matematica e Statistica

Prova di autovalutazione Prof. Roberta Siciliano

CENNI DI METODI STATISTICI

Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni.

QUESITO 1 A FISICA. Il candidato illustri il primo principio della termodinamica. Consideri poi la seguente

Analisi di scenario File Nr. 10

Statistica. Alfonso Iodice D Enza iodicede@unina.it

DERIVATI REGOLAMENTATI OPZIONI E FUTURES ORARIO DI NEGOZIAZIONE : 9,00 17,40

Un algoritmo per la valutazione e la gestione ottimale dei crediti in sofferenza

La metodologia di determinazione dei Margini Futures Straddle

PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA

Matematica Finanziaria Soluzione della prova scritta del 15/05/09

Corso di Automazione Industriale 1. Capitolo 4

Statistica inferenziale

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI

studi e analisi finanziarie LA PUT-CALL PARITY

Transitori del primo ordine

Indice. Le curve di indifferenza sulla frontiera di Markowitz UNIVERSITA DI PARMA FACOLTA DI ECONOMIA

Capitolo 2. Un introduzione all analisi dinamica dei sistemi

Slide Cerbara parte1 5. Le distribuzioni teoriche

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Capitolo XIII. I mercati dei beni e i mercati finanziari in economia aperta

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

TECNICHE DI STIMA DEL COSTO DEL CAPITALE AZIONARIO. Docente: Prof. Massimo Mariani

LA DURATION E LA GESTIONE DEL PORTAFOGLIO OBBLIGAZIONARIO

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

La distribuzione Normale. La distribuzione Normale

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Corso di Economia degli Intermediari Finanziari

Analisi dei margini: componenti e rischi

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento

FINANZA AZIENDALE Corso di Laurea Specialistica in Ingegneria Gestionale

11. Analisi statistica degli eventi idrologici estremi

Scheda n.5: variabili aleatorie e valori medi

Transcript:

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 Perugia, 12 Novembre 2008 2

1. Quale modello per il processo del prezzo? X(t), t 0 : prezzo di una azione A al tempo t. Fissato t, X(t) è una variabile aleatoria (v.a.); come funzione di t, X(t) è un processo stocastico. Modello Gaussiano (Normale) t, X(t) è normale con media X(0) + µ t e varianza σ 2 t. Cioè : t 0, X(t) X(0) N ( µ t, σ 2 t ). µ : parametro di drift (media per unità di tempo, velocità media ), σ 2 : parametro di diffusione (varianza per unità di tempo). Giustificazione del modello: teorema del limite centrale (?) F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 3

Se, per ogni t, X(t) è normale con media X(0) + µ t e varianza σ 2 t = per qualunque discretizzazione di [0, t] in n intervalli t = t/n, si ha: X(t) = X(0) + n k=1 X k, con X k N ( µ t, σ 2 t ) e indipendenti. Rappresentazione tramite equazione alle differenze stocastica : { X(0) = X0, con ε k N ( 0, 1 ) indipendenti. X k = µ t + σ t ε k, k = 1, 2,..., n, = simulazione Monte Carlo (tipicamente, µ e σ sono stimati sui dati). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 4

Esempio di simulazione. Dalla serie storica FIAT 6/11/2007-2008: X 0 = 20.78, µ = 14.49, σ = 105.64. Modello gaussiano F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 5

Nel tempo continuo Equazione differenziale stocastica (eds): { X(0) = X0, dx(t) = µ dt + σ db(t), con: db(t) N ( 0, dt ) indipendenti. B(t) è il Moto Browniano Standard (MBS) ( ) ; db(t) è l incremento infinitesimo del MBS (differenziale stocastico). Si può anche scrivere: X(t) = X(0) + µ t + σ B(t) X(t) come trasformazione lineare del MBS: Moto Browniano Lineare (MBL), MB con drift. ( ) Robert Brown, 1827 movimento caotico di particelle sospese in liquido o gas. Albert Einstein, 1905: delineato un modello stocastico per il moto Browniano. Louis Bachelier, 1900: anticipato l approccio BM alla teoria dei prezzi di borsa. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 6

Perché passare al continuo? Le transazioni (e i prezzi) sono rilevate nel tempo continuo. Quotazioni intraday FIAT 6/11/2008 F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 7

Proprietà del Moto Browniano B(t) ha traiettorie continue B(t) ha incrementi indipendenti e normali B(t) N ( 0, t ) B(t) non è derivabile (varia per punti angolosi ): lim t 0 B(t) t = lim t 0 t εt t = lim t 0 ε t t = ±. La continuità consente di ipotizzare una prevedibilità locale della traiettoria. La non-derivabilità esclude questa possibilità. = Le strategie deterministiche buy low, sell high non funzionano! Dato che B(t) non è derivabile, db(t) è un differenziale in senso atipico = riscrivere le regole del calcolo differenziale calcolo differenziale stocastico. (db(t)/dt : rumore bianco, ma la definizione di derivata è soltanto formale). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 8

Il modello standard per i prezzi stocastici Il modello normale consente valori negativi dei prezzi futuri! Il modello lognormale µ t+σ B(t) X(t) = X(0) e X(t) come trasformazione esponenziale del MBS: Moto Browniano Geometrico (MBG). Corrisponde all e.d.s.: dx(t) = µ X(t) dt + σ X(t) db(t) La distibuzione caratteristica è la distribuzione lognormale i prezzi non possono diventare negativi. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 9

Normale vs lognormale (media = 100, dst = 50) Si perde la proprietà di indipendenza degli incrementi, ma il processo X(t) è comunque un processo di Markov: in t la distribuzione di X(t + τ) per τ > 0 dipende solo dal valore corrente X(t) e non dai valori passati: il futuro dipende dal passato tramite il presente F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 10

Il MBG è una versione stocastica delle leggi di evoluzione esponenziali ( crescita a tasso costante ). Se si considera l incremento percentuale infinitesimo: si ha che R(t) è un MB lineare con drift: R(t) = dx(t) X(t), dx(t) X(t) = µ dt + σ db(t). In finanza R(t) è il (tasso istantaneo di) rendimento dell azione A; µ è il rendimento atteso; σ è la volatilità. Quindi, nel modello standard: i prezzi sono lognormali, e markoviani; i rendimenti sono normali, e indipendenti. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 11

Esempio di simulazione. Dalla serie storica FIAT 6/11/2007-2008: X 0 = 20.78, µ = 1.195 (incr.= 70%), σ = 0.55. Modello lognormale F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 12

Processi di diffusione Il MBL e il MBG sono casi particolari di processi di diffusione, caratterizzati dall eds: dx(t) = a ( X(t), t ) dt + b ( X(t), t ) db(t) a ( X(t), t ) : coefficiente di drift, b 2( X(t), t ) : coefficiente di difffusione. I processi di diffusione sono: processi di Markov con traiettorie continue. Si consideri il processo: Y (t) = f ( X(t), t ), con f(x, t) funzione reale deterministica. Il calcolo differenziale stocastico consente di descrivere la dinamica di Y a partire da quella di X (e quindi da quella di B). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 13

Il lemma di Ito Il teorema del differenziale totale Se y = f(x, t) e dx = a dt + b dz, allora: dy = f t dt + f x dx = ( f t + a f ) x dt + b f x dz. Il differenziale totale in ambito stocastico (lemma di Ito) Se Y = f(x, t) e dx = a dt + b db, si ha: ( f dy = t + 1 ) 2 b2 2 f dt + f X 2 X dx ( f = t + a f X + 1 ) 2 b2 2 f dt + b f X 2 X db. Ma perché interessa considerare funzioni di X(t)? F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 14

2. Un contratto derivato Sia X(t) il prezzo di un azione A che non paga dividendi (X(t) è un MBG), e sia, per es., X(0) = 100. Si consideri un contratto derivato D, che paga in t = 1 anno l importo: Y (1) = max { X(1), 100 }. Come si può fissare il prezzo Y (0) del derivato? Per la markovianità di X(t) deve essere Y (0) = f ( X(0) ). Esistono delle regole di coerenza che pongono limitazioni su Y (0). Per es., se in t = 0 si investe 100 sull azione, in t = 1 si avrà X(1). Quindi deve essere Y (0) 100, perché il derivato garantisce almeno X(1). Regole di coerenza principio di esclusione di arbitraggi non rischiosi: Principio di Arbitraggio F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 15

Principio di Arbitraggio (PA) Non si possono generare importi certi con un investimento nullo Non esistono money pump Non sono consentiti free lunch F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 16

Investimenti non rischiosi L azione A fornisce un opportunità di investimento rischiosa, perché il suo valore futuro X(t) è una v.a. Si supponga che si possa anche investire senza rischio a un tasso di interesse r. Investendo W (0) in t = 0, si avrà con certezza in t 0: W (t) = W (0) e r t. Si può anche dire che il valore in t = 0 di W (t) Euro sicuri in t è : W (0) = W (t) e r t (W (0) è il valore attuale di W (t); e r t è il fattore di sconto). In termini differenziali, vale la dinamica deterministica: dw (t) = r W (t) dt. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 17

Arbitrage Pricing Per il prezzo dell azione (il sottostante ) si ha: dx(t) = µ X(t) dt + σ X(t) db(t). Per il prezzo del derivato deve aversi: Y (t) = Y ( X(t), t ) (per la markovianità). Quindi deve essere: dy (t) = a Y dt + b Y db(t), dove la forma delle funzioni a Y e b Y è data dal lemma di Ito. Argomentazione di hedging: Si costituisca un portafoglio contenente 1 unità di D e α unità di A. Il valore del portafoglio è: W (t) = Y (t) + α X(t). Si ha: dw = (a Y + α µ X) dt + (b Y + α σ X) db. Sia α = b Y /(σ X). Per α = α la componente rischiosa si annulla. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 18

Per α = α si ha: dw = (a Y + α µ X) dt. Per il PA deve allora essere: dw = W r dt. = Utilizzando la forma esplicita di a Y e b Y questa equazione equivale alla: 1 2 σ2 X 2 2 Y Y + rx X2 X + Y t = r X. (1) equazione generale di valutazione. E.d. alle derivate parziali di tipo parabolico, che va risolta specificando le condizioni al contorno che caratterizzano D. Nel nostro caso la c.c. (condizione a scadenza) è : con T = 1 anno e K = 100 Euro. Y (T ) = max { X(T ), K }, (2) F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 19

L equazione generale di valutazione (e.g.v.) 1 2 σ2 X 2 2 Y Y + rx X2 X + Y t = r X. Per r = 0 la e.g.v. corrisponde all equazione del calore. ( ) La e.g.v. è nota come equazione backward di Kolmogoroff. La sua duale è l equazione forward di Kolmogoroff, o equazione di Fokker-Planck. ( ) In finanza la e.g.v. è l equazione di Black e Scholes (1973). Osservazione. Il rendimento atteso µ non entra nella valutazione! Al suo posto compare r. We were both amazed that the expected rate of return on the underlying stock did not appear in the differential equation. [BS, 1998] F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 20

L equazione del calore in una dimensione f t = k c ρ 2 f X 2, dove: f = f(x, t) è la temperatura come funzione dello spazio X e del tempo t, k è la conduttività termica, c è la capacità termica specifica, ρ è la densità del materiale. Ponendo r = 0 nella e.g.v.: f t = 1 2 σ2 X 2 2 f X 2. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 21

L equazione di Fokker-Planck Equazione backward di Kolmogoroff: f t = a f X + 1 2 b2 2 f X 2, dove: f = f(x, t) è la densità di probabilità della posizione X di una particella, a = a(x, t) è il coefficiente di drift, b 2 = b 2 (X, t) è il coefficiente di diffusione. La e.g.v. si ottiene ponendo a = rx e b = σx e aggiungendo il termine lineare rx ( killing function ). Equazione forward di Kolmogoroff, o equazione di Fokker-Planck: f t = X (a f) + 1 2 (cfr. anche la dinamica di Langevin). 2 X 2 (b2 f). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 22

L espressione del prezzo Sotto la condizione Y (T ) = max { X(T ), K }, l e.g.v. ha soluzione esplicita: Y (0) = X(0) N(d 1 ) + K e r T N(d 2 ), (3) con: N(x) = 1 2 π x d 1 = log[x(0)/k] + r T σ T e u2 /2 du, + 1 2 σ T, d 2 = d 1 σ T. È la formula di Black e Scholes. Probably the most frequently used formula with embedded probabilities in the human history. [Rubinstein, 1999] La calcolatrice Texas Instruments. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 23

Nel nostro esempio: Assumendo r = 0.04, essendo σ = 0.55, K = X 0 = 100 e T = 1, si ha: e r T = 0.96, d 1 = 0.34773, d 2 = 0.20227, N(d 1 ) = 0.63598, N(d 2 ) = 0.41985, e quindi: Y (0) = 119.34 Euro. Dalla proprietà elementare max{x, k} = x + max{k x, 0} si ha: Y (1) = max { X(1), 100 } = X(1) + P (1), con: P (1) = max { 100 X(1), 0 }. Quindi: Y (0) = max { X(1), 100 } = X(0) + P (0) = 100 + 19.34. Il contratto P è un opzione put (diritto a vendere A in T = 1 al prezzo K = 100). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 24

L espressione in forma integrale Esiste una espressione generale (in forma integrale) del problema (1) + (2): Vale la formula di Feynman-Kac: 1 2 σ2 X 2 2 Y Y + rx X2 X + Y t = r X Y (T ) = max { X(T ), K } + Y (0) = e r T max{x, K} ϕ T(x) dx (4) 0 dove ϕ T (x) è la densità di probabilità lognormale con parametri r T e σ2 T. Si può anche scrivere: Y (0) = e r T E [ Y (T ) ] (5) dove E rappresenta il valore atteso (expectation) di Y (T ) calcolato secondo la densità di probabilità ϕ T (x) (probabilità risk-neutral). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 25

3. Un modello per i prezzi nel tempo discreto Nel generico intervallo di tempo [k, k + 1]: Azione A: in k ha prezzo X, in k + 1 ha prezzo u X oppure d X (u e d parametri noti, con d < u) Derivato D: in k + 1 ha prezzo Y u = max{ux, K} oppure Y d = max{dx, K} (K è fissato; il prezzo Y in k di D è da ricavare) Si può investire senza rischio al tasso i: W in k varrà (1 + i) W in k + 1 (ponendo m = 1 + i, deve essere: d < m < u) Argomentazione di hedging: Se in k si può costruire un portafoglio: che replica D, cioè che in k + 1 ha valore: per il PA deve essere Y = Z. Z = W + α X, (6) Z u = Y u oppure Z d = Y d, (7) F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 26

k k + 1 u X con probabilità p X d X con probabilità 1 p Y Y u = max{ux, K} con probabilità p Y d = max{dx, K} con probabilità 1 p Le condizioni Z u = Y u e Z d = Y d equivalgono alle: { m W + α u X+ = Yu, m W + α d X+ = Y d, (8) da cui si ricava: α = Y u Y d (u d) X, W = u Y d d Y u (u d) m. (9) F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 27

Quindi dalla Z = W + α X si ricava: Y = 1 ] [q Y u + (1 q) Y d, m avendo posto: Si ha cioè: q = m d u d. Y (0) = (1 + i) 1 E [ Y (1) ] ancora la rappresentazione di Feynman-Kac! Osservazione. La probabilità p non entra nella valutazione! Al suo posto compare q. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 28

Estensione a n periodi Si ottiene un processo stocastico sul reticolo binomiale moltiplicativo modello binomiale di Cox, Ross e Rubinstein (1979). F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 29

Per il prezzo del derivato si ha la formula binomiale: Y = 1 m n [ n k=0 ( ) n q k (1 q) n k max { u k d n k X, K }], k cioè ancora: Y (0) = (1 + i) n E [ Y (n) ]. Come si usa in pratica Sia Y (T ) = max{x(t ), K}. Si sceglie n abbastanza grande e si pone: t = T/n, m = e r t, u = e σ t, d = 1/u. Se si passa al limite per n? F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 30

Il limite continuo Per n : Con le scelte u = e σ t e d = 1/u si ottiene il modello Black e Scholes. Il modello CRR come approssimazione numerica del modello BS. Ma se si pone, per es.: u = e a, d = e b t, q = λ t, si ottiene un modello basato su un processo a salti (per a = 1 e b = 0 processo di Poisson).! Per salti di ampiezza aleatoria l hedging argument non è più valido.! La formula di Feynman-Kac non fornisce più l espressione del prezzo. teoria dei mercati incompleti; criteri aggiuntivi per il pricing. F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 31

Quotazioni intraday FIAT 6/11/2008 F. Moriconi, Il calore nella Finanza Perugia, 12 Novembre 2008 32