Bewertung von europäischen und amerikanischen Optionen
|
|
- Harald Schmitz
- vor 5 Jahren
- Abrufe
Transkript
1 Bewertung von europäischen und amerikanischen Optionen 3. Vortrag - Mathematische Analyse / Beweise und Numerische Resultate Technische Universität Berlin Institut für Mathematik 1. Februar 2008
2 Inhaltsverzeichnis 1 Erinnerungen 2 europäischer Put europäischer Call 3 Analysis Hindernisproblem Numerik 4 Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich 5
3 Modellannahmen Modellvoraussetzungen Kurs des Basiswerts S t := S(t) genügt der stochastischen DGL ds t = µs t dt + σs t dw (t) mit µ... Drift (Trend), σ... Volatilität des Basiswerts S t arbitragefreier, liquider, friktionsloser Markt vollkommener Kapitalmarkt (Soll- = Habenzins r 0) zeitkontinuierlicher Handel des Basiswerts beliebig teilbarer Basiswert keine Dividendenzahlungen auf den Basiswert S vollständige Information der Marktteilnehmer
4 Quantitativer Kurvenverlauf der Preise europäischer und amerikanischer Optionen europäischer / amerikanischer Call europäischer / amerikanischer Put
5 europäischer Put europäischer Call Black-Scholes-Gleichung () Black-Scholes-Gleichung der Preis einer europäischen Option V (S, t) genügt der partiellen (parabolischen) Differentialgleichung: V t σ2 S 2 V SS + rsv S rv = 0 mit (S, t) (0, ) (0, T ) r > 0... Zinssatz σ > 0... Volatilität
6 europäischer Put europäischer Call End- / Randbedingungen eines europäischen Puts Endbedingung S (0, ) : P(S, T ) = (K S) + Randbedingungen t (0, T ) : P(S, t) S 0 P(0, t) = K e r (T t)
7 europäischer Put Erinnerungen europäischer Put europäischer Call Lösung der Black-Scholes Gleichung mit P(S, t) = S φ(d 1 ) K e r (T t) φ(d 2 ) (S, t) (0, ) [0, T ) x φ(x) = 1 2π e s2 2 ds, x R (Verteilungsfunktion der Standardnormalverteilung) d 1,2 = ln( S K )+(r± σ 2 2 ) (T t) σ T t Beweis: Einsetzten der gefundenen Lösung in die Black-Scholes Gleichung
8 Numerik europäischer Put europäischer Put europäischer Call Abbildung: t = 0, 0.2,... 1, K = 100, T = 1, r = 0.1, σ = 0.4
9 europäischer Put europäischer Call End- / Randbedingungen eines europäischen Calls Endbedingung S (0, ) : C(S, T ) = (S K) + Randbedingungen t (0, T ) : C(S, t) S C(0, t) = 0
10 europäischer Call Erinnerungen europäischer Put europäischer Call Lösung der Black-Scholes Gleichung mit C(S, t) = K e r (T t) φ( d 2 ) S φ( d 1 ) (S, t) (0, ) [0, T ) x φ(x) = 1 2π e s2 2 ds, x R (Verteilungsfunktion der Standardnormalverteilung) d 1,2 = ln( S K )+(r± σ 2 Beweis: über Put-Call-Parität 2 ) (T t) σ T t
11 Numerik europäischer Call europäischer Put europäischer Call Abbildung: t = 0, 0.2,... 1, K = 100, T = 1, r = 0.1, σ = 0.4
12 Numerik europäische Option europäischer Put europäischer Call numerische Auswertung der Black-Scholes Formel Wie wird die Verteilungsfunktion der Standardnormalverteilung ausgewertet? φ(x) = 1 x 2π mit Hilfe des Gaußschen Fehlerintegrals: erf (z) := 2 π e s2 2 ds, x R z 0 e t2 dt
13 Numerik europäische Option europäischer Put europäischer Call Beweis da φ(0) = 1 2 gilt: φ(x) = 1 x 2π = π x 2 0 e s2 1 2 ds = x 2π e t2 dt = 1 2 (1 + 2 π = 1 2 (1 + erf ( x 2 )) 0 x 2 0 e s2 2 ds e t2 dt)
14 Erinnerung Erinnerungen Analysis Hindernisproblem Numerik Wert einer amerikanischen Option C eu (S, 0) = C am (S, 0) P eu (S, 0) P am (S, 0) nur noch Betrachtung eines amerikanischen Puts
15 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik Existenz eines optimalen Ausübungspreises S f (t) (freier Randwert, welcher zusätzlich bestimmt werden muss) freies Randwertproblem {(S, t) 0 S < S f (t) K; 0 t < T } (vorzeitige Ausübung der Option) P(S, t) = (K S) + {(S, t) S f (t) S ; 0 t < T } (Option wird nicht ausgeübt) P(S, t) > (K S) +
16 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik
17 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik freies Randwertproblem falls 0 S < S f (t) K: P(S, t) = K S (innerer Wert) falls S f (t) S P(S, t) genügt der Black-Scholes Gleichung
18 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik Herleitung der Randbedingungen P(S, t) S 0 Stetigkeit von P(S, t) an der Stelle S f (t) P(S f (t), t) = (K S f (t)) aber: S f (t) unbekannt weitere Randbedingungen nötig: Stetigkeit der Ableitung von P(S, t) an der Stelle S f (t) P(S,t) S = (K S) S = 1 auf S < S f (t) P S (S f (t), t) = 1
19 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik Wert eines amerikanischen Puts Berechnung aus für S S f (t) K P(S, t) = K S für S > S f (t) P t σ2 S 2 P SS + rsp S rp = 0
20 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik Endbedingung S (0, ) : P(S, T ) = (K S) + Randbedingungen t (0, T ) : P(S, t) S 0 P(S f (t), t) = K S f (t) P S (S f (t), t) = 1
21 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik Wert eines amerikanischen Puts Umformulierung des Problems, so dass S f (t) nicht mehr auftaucht freies Komplementaritätsproblem (veranschaulicht am Hindernisproblem)
22 Idee Erinnerungen Analysis Hindernisproblem Numerik Abbildung: Seil f (x) über einem Hindernis u(x)
23 Voraussetzungen Erinnerungen Analysis Hindernisproblem Numerik gegeben Hindernis u(x) mit u(x) C 2 ( 1, 1) u > 0 in (a, b) [ 1, 1] u < 0 in (a, b) u( 1) < 0 und u(1) < 0
24 Ziel Erinnerungen Analysis Hindernisproblem Numerik gesucht Funktion f (x), deren Graph ein Seil mit minimaler Seillänge über dem Hindernis u(x) darstellt f (x) C 1 ( 1, 1) f ( 1) = 0 und f (1) = 0 f u in ( 1, 1) f = 0 in ( 1, a) und (b, 1) f = u in (a, b)
25 Hindernisproblem Erinnerungen Analysis Hindernisproblem Numerik Problem a, b unbekannt, nicht gegeben, implizit durch das Problem definiert freies Randwertproblem / Hindernisproblem Ziel Umformulierung des Problems, so dass die freien Randbedingungen a, b nicht mehr explizit auftauchen
26 Umformulierung Hindernisproblem Analysis Hindernisproblem Numerik Eigenschaften von f Umformulierung der obigen Eigenschaften von f : für x ( 1, a): f > u und f = 0 für x (a, b): f = u < 0 für x (b, 1): f > u und f = 0 und damit: f > u f = 0 f = u f < 0
27 Analysis Hindernisproblem Numerik lineares Komplementaritätsproblem Umformulierung des freien Randwertproblems als lineares Komplementaritätsproblem: lineares Komplementaritätsproblem Suche f C 1 ( 1, 1) mit: f (f u) = 0 in ( 1, 1) f 0 in ( 1, 1) f u 0 in ( 1, 1) f ( 1) = f (1) = 0
28 amerikanischer Put Erinnerungen Analysis Hindernisproblem Numerik lineares Komplementaritätsproblem Wert eines amerikanischen Puts bestimmt sich als Lösung des folgenden Systems: (P (K S) + ) (P t σ2 S 2 P SS + rsp S rp) = 0 (P t σ2 S 2 P SS + rsp S rp) 0 P (K S) + 0 mit Endbedingung P(S, T ) = (K S) + für S > 0 mit Randbedingungen P(0, t) = K für 0 < t < T P(S, t) S 0 für 0 < t < T
29 Numerik amerikanischer Put Analysis Hindernisproblem Numerik weitere Schritte Transformation des o.g. Systems für numerische Betrachtung Approximation des (neuen, transformierten) Lösungsgebiets R (0, T ) mittels Finiter Differenzen Anwendung des SOR-Verfahrens (successive overrelaxation) Rücktransformation
30 Numerik amerikanischer Put Analysis Hindernisproblem Numerik Abbildung: t = 0, K = 100, T = 1, r = 0.1, σ = 0.4
31 Veränderung der Modellvoraussetzungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Modellannahmen Kurs des Basiswerts S t := S(t) genügt der stochastischen DGL ds t = µs t dt + σs t dw (t) mit µ... Drift (Trend), σ... Volatilität des Basiswerts S t arbitragefreier, liquider, friktionsloser Markt vollkommener Kapitalmarkt (Soll- = Habenzins r 0) zeitkontinuierlicher Handel des Basiswerts beliebig teilbarer Basiswert keine Dividendenzahlungen auf den Basiswert S vollständige Information der Marktteilnehmer
32 Problem Erinnerungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich bisher: Black-Scholes Gleichung ohne Transaktionskosten zur vollständigen Risikoabsicherung ständige Portfolioumschichtung optimal jetzt: Einbeziehung von Transaktionskosten je öfter Portfolio umgeschichtet wird, desto höher werden die Kosten Trade-Off zwischen Häufigkeit der Portfolioumschichtung und Kosten für selbige Auswirkungen auf Optionspreis
33 Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Modifizierung der Black-Scholes-Gleichung Modifizierung der Black-Scholes-Gleichung modifizierte Volatilität: σ 2 := σ 2 (t, S, V S, V SS, σ) modifizierte Black-Scholes-Gleichung: V t σ2 (t, S, V S, V SS, σ)s 2 V SS + rsv S rv = 0 mit (S, t) (0, ) (0, T ) nichtlineare Black-Scholes-Gleichung
34 Leland s Modell Erinnerungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich modifizierte Volatilität σ 2 = σ 2 (1 + Le sign(v SS )) mit σ... Volatilität des Aktienkurses S 2 Le = π... Leland Zahl κ σ δt δt... Frequenz der Transaktionen (Intervalllänge) κ = S ask S bid S... Transaktionskosten mit S = S ask +S bid 2
35 Leland s Modell Erinnerungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Ergebnis unter der Annahme V SS > 0 gilt: σ 2 = σ 2 (1 + Le) > σ 2 V Le (S, 0) > V (S, 0)
36 Barles und Soner s Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich modifizierte Volatilität σ 2 = σ 2 (1 + ψ(e r (T t) a 2 S 2 V SS )) mit σ... Volatilität des Aktienkurses S a = κ ɛ mit ɛ > 0 κ = S ask S bid S... Transaktionskosten mit S = S ask +S bid 2 ψ(x) genügt folgender Differentialgleichung: ψ (x) = mit Anfangswert: ψ(0) = 0 ψ(x) x ψ(x) x, x 0
37 Barles und Soner s Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Ergebnis Analyse der Differentialgleichung: ψ (x) = mit Anfangswert ψ(0) = 0 ergab: ψ(x) x ψ(x) x, x 0 ψ(x) lim = 1 und lim ψ(x) = 1 x x x ψ(x) = x falls x groß genug σ 2 = σ 2 (1 + e r (T t) a 2 S 2 V SS ) > σ 2 V BS (S, 0) > V (S, 0)
38 Barles und Soner s Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Lösung der o.g. Differentialgleichung unter Benutzung von ode45
39 RAPM Erinnerungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich modifizierte Volatilität C σ 2 = σ 2 ( M 2π S V SS ) mit σ... Volatilität des Aktienkurses S M... Risikoprämienmaß C = S ask S bid S... Transaktionskosten mit S = S ask+s bid 2
40 RAPM Erinnerungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Ergebnis unter der Annahme V SS > 0 gilt: σ 2 > σ 2 V RAPM (S, 0) > V (S, 0)
41 Parameter Erinnerungen Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Parameterfestlegung im Folgenden gelten folgende Parameter: r = 0.1 σ = 0.2 K = 100 T = 1 (ein Jahr) 1 Plot der Differenz C nichtlinear (S t, t) C linear (S t, t) eines europäischen Calls 2 Plot eines europäischen Calls mit und ohne Transaktionskosten
42 Vergleich mit linearem Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Leland s Modell vs. lineares Modell Abbildung: δt = 0.01, κ = 0.05
43 Vergleich mit linearem Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Barles und Soner s Modell vs. lineares Modell Abbildung: a = 0.02
44 Vergleich mit linearem Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Barles und Soner s Modell mit ψ(x) = x vs. lineares Modell Abbildung: a = 0.02
45 Vergleich mit linearem Modell Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich RAPM Modell vs. lineares Modell Abbildung: M = 0.01, C = 30
46 Vergleich aller Modelle Modelle mit Transaktionskosten Leland s Modell Barles und Soner s Modell Risk Adjusted Pricing Methodology (RAPM) Vergleich Preis eines europäischen Calls
47 Paper Erinnerungen On the numerical solution of nonlinear Black-Scholes equations Julia Ankudinova On the Risk-Adjusted Pricing-Methodology-based valuation of Vanilla Options and Explanation of the volatility smile Martin Jandačka und Daniel Ševčovič Option Pricing and Replication with Transactions Costs Hayne E. Leland On Leland s strategy of Option Pricing with Transaction Costs Kabanov Yu. M. und Safarian M. M.
48 Bücher und sonstiges Finanzderivate mit MATLAB Michael Günther, Ansgar Jüngel vieweg Verlag Einführung in die Statistik der Finanzmärkte Jürgen Franke, Wolfgang Härdle, Christian Hafner Springer Verlag Vorlesung Finanzmathematik 1 im WS 2007/08 an der TU Berlin Prof. Jochen Blath
49 Gibt es noch Fragen???
Das Black-Scholes-Merton Modell
Agenda Lehrstuhl für Volkswirtschaftstheorie Westfälische Wilhelms-Universität Münster May 12, 2006 Teil I Agenda 2 Zur Erinnerung Das Lemma von Ito Die vereinfachten Annahmen an den Finanzmarkt Teil II
MehrBewertung von europäischen und amerikanischen Optionen
Bewertung von europäischen und amerikanischen en 1. Vortrag - Einführung Technische Universität Berlin Institut für Mathematik 8. November 2007 Inhaltsverzeichnis 1 Definitionen amerikanische / europäische
MehrDas Black-Scholes Modell
Vathani Arumugathas Das Black-Scholes Modell 1 Das Black-Scholes Modell Vathani Arumugathas Seminar zu Finanzmarktmodellen in der Lebensversicherung, Universität zu Köln 10. Juni 016 Inhaltsverzeichnis
MehrWie Derivate die Finanzwelt veränderten
Franz Reiter 16. Dezember 2016 Aufbau Grundlagen Exotische Optionen Capital Asset Pricing Model Black-Scholes-Formel Derivat Derivat ist ausgestelltes Recht zum Kauf bzw. Verkauf von bestimmten Basiswerten
MehrHandy, Börse und Kristalle
Handy, Börse und Kristalle Neues aus der Welt der Analysis Seite 1 Handy, Börse und Kristalle Neues aus der Welt der Analysis Was empfängt ein Handy? Eine mathematische Lupe Ein Blick in die Börse... und
MehrBewertung Amerikanischer Optionen mit stochastischer Volatilität
Bewertung Amerikanischer Optionen mit stochastischer Volatilität Mathias Weigler Universität zu Köln 1. Mai 2014 Ziel dieses Vortrags: Modellierung und Einführung in die Theorie der Optionspreisbewertung
MehrNikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen
Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen IGEL Verlag Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen 1.Auflage 2009 ISBN: 978 3 86815 358
MehrStudienschwerpunkt Numerische Mathematik
Studienschwerpunkt Numerische Mathematik Ralf Hiptmair Seminar for Applied Mathematics, ETH Zürich Wahlfachvorstellung SS 25 R.Hiptmair (SAM, ETH Zürich) Numerische Mathematik SS 25 / 3 Vorlesungsangebot
MehrNumerik von PDEs - Bepreisung europäischer und amerikanischer Optionen
Numerik von PDEs - Bepreisung europäischer und amerikanischer Optionen Andreas Peterseil Technische Universität Wien 21. Dezember 2011 Übersicht Begriffe und Notation Black-Scholes Gleichung bzw. Ungleichung
MehrStochastic Volatility and Jumps
Seminar SoSe 2010: Warum wir falsch liegen und trotzdem weitermachen Stochastic Volatility and Jumps Anja Kipke 28. Mai 2010 Betreuung: Rupert Hughes-Brandl, Ulrich Nögel Gliederung 1 2 3 4 5 Stochastic
MehrOptionspreistheorie Seminar Stochastische Unternehmensmodelle
Seminar Stochastische Unternehmensmodelle Lukasz Galecki Mathematisches Institut Universität zu Köln 1. Juni 2015 1 / 30 Inhaltsverzeichnis 1 Was ist eine Option? Definition einer Option Übersicht über
MehrDiffusionsprozesse und lineare stochastische DGL
Diffusionsprozesse und lineare stochastische DGL Michele Bieber TU Dortmund - Fakultät Statistik 15. Mai 2012 Inhaltsverzeichnis 1 Einleitung 2 Diffusionsprozesse Stochastische DGL eines Diffusionsprozesses
MehrBlatt 4. 1 Einführung. Programmierpraktikum Computational Finance. WS 2014/ 2015 Prof. Dr. Thomas Gerstner Marco Noll
Programmierpraktikum Computational Finance WS 2014/ 2015 Prof. Dr. Thomas Gerstner Marco Noll Programmierpraktikum Computational Finance Blatt 4 1 Einführung Die auf den ersten drei Blättern besprochenen
MehrProf. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München
Finanzmärkte und Mathematik tik Prof. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München Inhalt Bewertung von Finanzprodukten Welche mathematischen Modelle werden verwendet?
MehrDie Black Scholes Differentialgleichung
Die Black Scholes Differentialgleichung Lutz Kruschwitz und Maria Stefanova 10. September 2007 Inhaltsverzeichnis 1 Einführung 2 2 Delta Hedging 2 2.1 Der Prozess für den Preis des Basistitels........................
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
MehrAnwendungen partieller Differentialgleichungen
Anwendungen partieller Differentialgleichungen Dr. Dominic Breit 27.01.2012 Outline Partielle Differentialgleichungen 1 Partielle Differentialgleichungen 2 3 4 5 Gleichungen Partielle Differentialgleichungen
MehrBlatt 5. 2 Herleitung des linear komplementären Problems
Programmierpraktikum Computational Finance WS 2014/ 2015 Prof. Dr. Thomas Gerstner Marco Noll Programmierpraktikum Computational Finance Blatt 5 1 Einführung Auf diesem Blatt wollen wir nun Amerikanische
MehrPortfoliotheorie, Risikomanagenient und die Bewertung von Derivaten
Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte
MehrSeminar: Finanzmathematik. Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr
Seminar: Finanzmathematik Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr Deniz Atug 4. April 2010 Zusammenfassung Die vorliegende Arbeit gibt eine Einführung in
MehrEinführung in die Diskrete Finanzmathematik
Jürgen Kremer Einführung in die Diskrete Finanzmathematik Mit 37 Abbildungen /IS 4y Springer Ein-Perioden- Wertpapiermärkte 1 1.1 Portfolios 5 1.2 Optionen und Forward-Kontrakte 8 1.2.1 Optionen 8 1.2.2
MehrMathematik und Nanotechnologie: Warum werden Computer immer kleiner?
1 Mathematik und Nanotechnologie: Warum werden Computer immer kleiner? Ansgar Jüngel Institut für Analysis und Scientific Computing www.juengel.at.vu (einige Bilder sind aus urheberrechtlichen Gründen
MehrKlassifikation und Analyse finanzwirtschaftlicher Zeitreihen mit Hilfe von fraktalen Brownschen Bewegungen
Michael Hafner Klassifikation und Analyse finanzwirtschaftlicher Zeitreihen mit Hilfe von fraktalen Brownschen Bewegungen PETER LANG Europäischer Verlag der Wissenschaften Inhaltsverzeichnis Abbildungsverzeichnis.-.
MehrNumerik gewöhnlicher Differentialgleichungen
Numerik gewöhnlicher Differentialgleichungen 4.4 Anfangsrandwertprobleme Die Diskretisierung von zeitabhängigen partiellen Differentialgleichungen mit der Linienmethode führt auf Systeme gewöhnlicher Dgl
MehrNumerische Methoden 7. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 01 Institut für Analysis Prof Dr Michael Plum Dipl-Mathtechn Rainer Mandel Numerische Methoden 7 Übungsblatt Aufgabe 17: Quadratur II Die Menge aller Polynome
MehrMathematische Behandlung des Risikos in der Portfolio-Optimierung
Mathematische Behandlung des Risikos in der Portfolio-Optimierung Michael Manger Mathematisches Institut Universität Bayreuth Seminar Stochastische Dynamische Optimierung Bayreuth, 5. März 2008 Michael
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
MehrAlgorithmische Mathematik und Programmieren
Algorithmische Mathematik und Programmieren Martin Lanser Universität zu Köln WS 2016/2017 Organisatorisches M. Lanser (UzK) Alg. Math. und Programmieren WS 2016/2017 1 Ablauf der Vorlesung und der Übungen
MehrNumerik gewöhnlicher Differentialgleichungen. Übung 8 - Lösungsvorschlag
Technische Universität Chemnitz Chemnitz, 2. Januar 21 Prof. R. Herzog, M. Bernauer Numerik gewöhnlicher Differentialgleichungen WS29/1 Übung 8 - Lösungsvorschlag 1. Ziel dieser Aufgabe ist die Umsetzung
MehrInhaltsverzeichnis. Teil I
Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung
MehrFINANZMATHEMATIK. Toker Claudia, Hackner Denise
FINANZMATHEMATIK Toker Claudia, Hackner Denise AKTIEN Aktien Ökonomische Grundlagen Graphische Darstellung von Aktienkursverläufen Aktienkurs und Aktienindex Die Rendite einer Aktie Statistik der Aktienmärkte
MehrFinanzmathematik Wie funktioniert eigentlich Hedging?
Finanzmathematik Wie funktioniert eigentlich Hedging? Dr. Michael J. Winckler IWR, Universität Heidelberg AK Anwendungsorientierte Mathematik 10. Mai 2016,Karlsruhe-Neureuth Dr. Michael J. Winckler IWR,
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrKAPITEL 1. Einleitung
KAPITEL 1 Einleitung Wir beschäftigen uns in dieser Vorlesung mit Verfahren aus der Numerischen linearen Algebra und insbesondere dem sogenannten Mehrgitterverfahren zur Lösung linearer Gleichungssysteme
MehrInhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74
1 Ein-Perioden-Wertpapiermärkte........................... 1 1.1 Portfolios............................................... 5 1.2 Optionen und Forward-Kontrakte......................... 8 1.2.1 Optionen.........................................
MehrSeminarvortrag. Euler-Approximation. Marian Verkely TU Dortmund
Seminarvortrag Euler-Approximation Marian Verkely TU Dortmund 03.12.14 1 / 33 Inhaltsverzeichnis 1 Motivation 2 Simulierte Prozesse 3 Euler-Approximation 4 Vasicek-Prozess: Vergleich analytische Lösung
MehrNotationen. Burkhard Weiss Futures & Optionen Folie 2
Optionspreismodelle Notationen S t : X: T: t: S T : r: C: P: c: p: s: aktueller Aktienkurs Ausübungspreis (Rest-)laufzeit der Option Bewertungszeitpunkt Aktienkurs bei Verfall risikofreier Zinssatz Preis
Mehr5. Die eindimensionale Wellengleichung
H.J. Oberle Differentialgleichungen II SoSe 2013 5. Die eindimensionale Wellengleichung Wir suchen Lösungen u(x, t) der eindimensionale Wellengleichung u t t c 2 u xx = 0, x R, t 0, (5.1) wobei die Wellengeschwindigkeit
MehrDie Option in kontinuierlicher Zeit
Die Option in kontinuierlicher Zeit von HANS-JüRG BüTTLER Schweizerische Nationalbank D ieser Abschnitt behandelt die Option in kontinuierlicher Zeit und leitet die europäische Optionspreisformel von BLACK
MehrHöhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
Karlsruher Institut für Technologie Institut für Analysis Dr. I. Anapolitanos Dipl.-Math. Sebastian Schwarz SS 7 4.5.7 Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 2016/17
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 6/7 837 Aufgabe Punkte): Gegeben sei das lineare Gleichungssystem Ax = b mit A = 6 3 und
MehrNumerische Finanzmathematik in der Lehre
Numerische Finanzmathematik in der Lehre Erfahrungen im Bachelor-Studiengang Wirtschaftsmathematik Lars Grüne Mathematisches Institut, Universität Bayreuth Workshop Wirtschaftsmathematik Universität Bayreuth,
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Wiederholungsklausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrKalibrierung eines ökonomischen Szenariengenerators. Albert Meeser und Wiebke Burdag
Kalibrierung eines ökonomischen Szenariengenerators Albert Meeser und Wiebke Burdag Übersicht Einführung Vasicek Modell Black Scholes mit Vasicek Optimierungsalgorithmen Implementierung Ergebnisse der
MehrFESTSTELLUNGSPRÜFUNG in HM2
FESTSTELLUNGSPRÜFUNG in HM2 FDIBA - TU, WS 27/8 INFORMATIK Name: Immatrikulationsnummer: Aufgabe : Zu lösen sei, durch Anwendung der Transformation von Laplace, das Anfangswertproblem 9P. u () (t) u(t)
MehrOptimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations
Prof. Dr. H. J. Pesch Lehrstuhl für Ingenieurmathematik Universität Bayreuth Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations (Teil 1: SS 2006) 1.
MehrEuler-Approximation. Leonie van de Sandt. TU Dortmund Prof. Dr. Christine Müller. 5. Juni 2012
Euler-Approximation Leonie van de Sandt TU Dortmund Prof. Dr. Christine Müller 5. Juni 2012 Leonie van de Sandt (TU Dortmund) Euler-Approximation 5. Juni 2012 1 / 26 Inhaltsverzeichnis 1 Einleitung Leonie
MehrEinführung in die Diskrete Finanzmathematik
Springer-Lehrbuch Einführung in die Diskrete Finanzmathematik Bearbeitet von Jürgen Kremer 1. Auflage 2005. Taschenbuch. XVI, 500 S. Paperback ISBN 978 3 540 25394 5 Format (B x L): 15,5 x 23,5 cm Gewicht:
MehrÜbungsaufgaben Mathematik III MST
Übungsaufgaben Mathematik III MST Lösungen zu Blatt Differentialgleichungen Prof. Dr. B.Grabowski Zu Aufgabe ) Zu a) lassifizieren Sie folgende Differentialgleichungen nach folgenden riterien: -Ordnung
Mehr2. Quasilineare PDG erster Ordnung
H.J. Oberle Differentialgleichungen II SoSe 2013 2. Quasilineare PDG erster Ordnung Eine skalare PDG erster Ordnung hat die allgemeine Form F (x, u(x), u x (x)) = 0. (2.1) Dabei ist u : R n G R die gesuchte
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrÜbung zur Numerik linearer und nichtlinearer Parameterschätzprobleme A. Franke-Börner, M. Helm
Übung zur Numerik linearer und nichtlinearer Parameterschätzprobleme A. Franke-Börner, M. Helm Numerik Parameterschätzprobleme INHALT 1. 1D Wärmeleitungsgleichung 1.1 Finite-Differenzen-Diskretisierung
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrStetige Standardverteilungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Stetige Standardverteilungen Dr. Thomas Zehrt Inhalt: 1. Die stetige Gleichverteilung 2. Die Normalverteilung (a) Einstimmung (b) Standardisierung
MehrOptionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009
nach Black-Scholes mit sprüngen 2. Februar 2009 nach Black-Scholes mit sprüngen Inhaltsverzeichnis 1 Einleitung Optionsarten Modellannahmen 2 Aktienmodell Beispiele für e ohne Sprung 3 nach Black-Scholes
Mehr5 Ebene Potentialprobleme
5 Ebene Potentialprobleme Ziel: Lösung ebener Potentialprobleme mit konformen Abbildungen. 5.1 Konforme Transformation von Potentialen Ausgangssituation: Sei f : G G analytisch und bijektiv, für Gebiete
MehrPortfoliotheorie, Risikomanagement und die Bewertung von Derivaten
Springer-Lehrbuch Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten Bearbeitet von Jürgen Kremer 1. Auflage 2011. Taschenbuch. xvi, 471 S. Paperback ISBN 978 3 642 20867 6 Format (B x
MehrBegleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
MehrDer metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch
TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.
MehrNr. 4: Pseudo-Zufallszahlengeneratoren
Proseminar: Finanzmathematische Modelle und Simulationen Martin Dieckmann WS 09/0 Nr. 4: Pseudo-Zufallszahlengeneratoren Begriff Pseudo-Zufallszahl Zufallszahlen im Rechner entstehen letztlich immer durch
MehrPartielle Differentialgleichungen
Partielle Differentialgleichungen Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 8. April 2009 Beachtenswertes Die Veranstaltung
MehrPartielle Differentialgleichungen. Hofer Joachim/Panis Clemens
9.11.2010 Contents 1 Allgemein 2 1.1 Definition................................................. 2 1.2 Klassifikation............................................... 2 1.3 Lösbarkeit.................................................
MehrSeminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung
M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk
MehrDie Bewertung von amerikanischen Basketoptionen
Die Bewertung von amerikanischen Basketoptionen Seminararbeit von Henning Katerkamp 0. April 010 1 Inhaltsverzeichnis 1 Einführung 3 Bewertung des Perpetual Put mit der sogenannten Beibel/Lerche - Methode
MehrWestfälische Wilhelms-Universität Münster. Seminararbeit. Fourier-Reihen. vorgelegt von. Stefan Marczinzik
Westfälische Wilhelms-Universität Münster Seminararbeit Fourier-Reihen vorgelegt von Stefan Marczinzik Fachbereich Mathematik und Informatik Seminar: Integraltransformationen (WS /3) Seminarleiter: Prof.
MehrOrthogonalpolynome Einführung, Eigenschaften und Anwendungen
Anna Weller Orthogonalpolynome Einführung, Eigenschaften und Anwendungen 1 Orthogonalpolynome Einführung, Eigenschaften und Anwendungen Anna Weller Seminar zur Numerik im SS 2018, Universität zu Köln 10.
MehrT2 Quantenmechanik Lösungen 3
T2 Quantenmechanik Lösungen LMU München, WS 1/18.1. Wellenfunktion und Wahrscheinlichkeit Prof. D. Lüst / Dr. A. Schmidt-May version: 2. 11. Es seien x 1, x 2, N drei reelle Konstanten und x 2 > x 1 >.
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
Mehr4 Absolutstetige Verteilungen und Zufallsvariablen 215/1
4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 23. Bemerkung Integralbegriffe für Funktionen f : R d R (i) Lebesgue-Integral (Vorlesung Analysis IV). Spezialfall: (ii) Uneigentliches Riemann-Integral
MehrDie Forderungen 1) und 2) sind sowohl mathematisch als auch physikalisch vernünftig und einleuchtend. 3) ist eine Forderung über die
Kapitel II Elementares zu den Partiellen Differentialgleichungen 4 Sachgemäßheit und Superposition Definition 4.1 Sachgemäßheit Eine ARWA, AWA oder RWA heißt sachgemäß, falls 1) die Aufgabe eine Lösung
Mehru(x, 0) = g(x) : 0 x 1 u(0, t) = u(1, t) = 0 : 0 t T
8.1 Die Methode der Finiten Differenzen Wir beschränken uns auf eindimensionale Probleme und die folgenden Anfangs und Anfangsrandwertprobleme 1) Cauchy Probleme für skalare Erhaltungsgleichungen, also
MehrEinige parametrische Familien für stochastische Prozesse
Einige parametrische Familien für stochastische Prozesse Seminar: Grundlagen der und Statistik von dynamischen Systemen 26. November 2014 Inhaltsverzeichnis 1 Einleitung 2 3 4 5 Einleitung Ziel des Vortrages:
MehrWäHRUNGSOPTIONEN ALS ZENTRALBANKINSTRUMENT?
WäHRUNGSOPTIONEN ALS ZENTRALBANKINSTRUMENT? 1. Fragestellung 2. Definition der Währungsoption 3. Preisschranken der Kaufsoption 4. Preisschranken der Verkaufsoption 5. Einsatz von Währungsoptionen 2 1.
MehrNumerische Mathematik I: Grundlagen
Numerische Mathematik I: Grundlagen 09.10.2017 Inhalt der Lehrveranstaltung Inhaltlich sollen Sie in der Lehrveranstaltung Numerische Mathematik I insbesondere vertraut gemacht werden mit der Numerik linearer
MehrKARLSRUHER INSTITUT FÜR TECHNOLOGIE Institut für Analysis
KARLSRUHER INSTITUT FÜR TECHNOLOGIE Institut für Analysis Höhere Mathematik III für die Fachrichtung Elektro- und Informationstechnik D. A MR Frühjahr 2014 T R, M.S. 06.03.2014 Bachelor-Modulprüfung Aufgabe
Mehr, r [0, 2], ϕ [0,π/2], ϑ [0,π/6]. x 3. x 2 2 x 2 1. F(x) = x 2 3
Prof. Dr. Eck Höhere Mathematik 3 9.3.9 Aufgabe ( Punkte) Gegeben ist der Körper K mit der Parametrisierung x r cos ϕ cos ϑ K : x = Φ(r,ϕ,ϑ) = r sin ϕ cos ϑ, r [, ], ϕ [,π/], ϑ [,π/6]. x 3 r sin ϑ a) Berechnen
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrAnalysis der Eikonal-Gleichung Teil I
Analysis der Eikonal-Gleichung Teil I Seminararbeit zur angewandten Mathematik Matthäus Deutsch vorgelegt bei Prof Dr. Wolfgang Ring Institut für Mathematik und Wissenschaftliches Rechnen Universität Graz
MehrModelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte. Normalverteilung N (µ, σ 2 ) mit Dichte
Statistik II für Wirtschaftswissenschaftler Folie 6.1 Modelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte I) Werte in (, ), Parameter µ (, ), σ 2 > 0 Normalverteilung
MehrUnstetige Galerkin-Verfahren und die lineare Transportgleichung. Tobias G. Pfeiffer Freie Universität Berlin
Unstetige Galerkin-Verfahren und die lineare Transportgleichung Tobias G. Pfeiffer Freie Universität Berlin Seminar DG-Verfahren, 26. Mai 2009 , Voraussetzungen & Ziele Voraussetzungen Kenntnisse in Numerik
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrBericht zur Mathematischen Eingangsprüfung im Mai 2008
Bericht zur Mathematischen Eingangsprüfung im Mai 8 Heinz-Willi Goelden, Wolfgang Lauf, Martin Pohl Am 7. Mai 8 fand die Mathematische Eingangsprüfung nach der Prüfungsordnung 3. der DAV statt. Es waren
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 7
ETH Zürich FS 4 D-MATH Koordinator Prof. Dr. J. Teichmann Mayra Bermúdez C. Wahrscheinlichkeit & Statistik Musterlösung Serie 7. a) P[t < T t + h T > t] λ(t) lim h h P[{t < T t + h} {T > t}] lim h P[T
MehrHydroinformatik II: Finite Differenzen Methode
Hydroinformatik II: Finite Differenzen Methode 1 Helmholtz Centre for Environmental Research UFZ, Leipzig 2 Technische Universität Dresden TUD, Dresden Dresden, 05. Juni 2015 1/24 Prof. Dr.-Ing. habil.
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und
MehrLehrgang der höheren Mathematik
Lehrgang der höheren Mathematik Teil 1V/2 von W. I. Smirnow Mit 16 Abbildungen /-. \ D W VEB Deutscher Verlag der Wissenschaften Berlin 1989 Inhalt I. Allgemeine Theorie der partiellen Differentialgleichungen
MehrDefinition 1.1 (Wirkung) Wir wollen die Kurvenverläufe x(t) finden, die das Funktional
Christina Schindler Karolina Stoiber Ferienkurs Analysis für Physiker SS 13 A 1 Variationsrechnung 1.1 Lagrange. Art Wir führen die Überlegungen von gestern fort und wollen nun die Lagrangegleichungen.
MehrGeometrie und Mathematische Physik Differentialgeometrie I 10 m Diskrete Geometrie I 10 m Geometrie I 10 m Geometrische Grundlagen der linearen
Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Sommersemester 2017 Modul LP Prüfungsform 1 Pflichtmodule Bachelor Mathematik,
MehrStrukturerhaltende Integrationsverfahren für stochastische Differentialgleichungen in der Modellierung von Zinsderivaten
Strukturerhaltende Integrationsverfahren für stochastische Differentialgleichungen in der Modellierung von Zinsderivaten Michael Günther, Christian Kahl und Thilo Roßberg Bergische Universität Wuppertal
MehrOPTIONSHANDEL. Die Griechen- The Greeks (Kennzahlen zur Optionsbewertung) DER WEG ZUM GEREGELTEN EINKOMMEN AN DER BÖRSE REFERENT: SIMON BETSCHINGER
OPTIONSHANDEL DER WEG ZUM GEREGELTEN EINKOMMEN AN DER BÖRSE REFERENT: SIMON BETSCHINGER Die Griechen- The Greeks (Kennzahlen zur Optionsbewertung) Wir werden verstehen was die 3 Griechen Delta, Theta und
MehrBewertung von Forwards, Futures und Optionen
Bewertung von Forwards, Futures und Optionen Olaf Leidinger 24. Juni 2009 Olaf Leidinger Futures und Optionen 2 24. Juni 2009 1 / 19 Überblick 1 Kurze Wiederholung Anleihen, Terminkontrakte 2 Ein einfaches
MehrImplizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem
Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
MehrAnalysis II. Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag
Prof Dr H Garcke, D Depner SS 9 NWF I - Mathematik 1979 Universität Regensburg Aufgabe 1 Analysis II Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag i Erinnern Sie sich an die Konvergenzkriterien
MehrNicht-rekombinierbare Binomialbäume und ihre Anwendung in der Finanzmathematik Betreuer: Lars Grüne
Nicht-rekombinierbare Binomialbäume und ihre Anwendung in der Finanzmathematik Betreuer: Lars Grüne Michaela Baumann Universität Bayreuth Dornbirn, 12. März 2015 Motivation Ein Kunde möchte bei einer Bank
Mehr2 Verteilungen. Zoltán Zomotor. Versionsstand: 1. April 2015, 10:29. Die nummerierten Felder bitte während der Vorlesung ausfüllen. Inhaltsverzeichnis
2 Verteilungen Zoltán Zomotor Versionsstand: 1. April 2015, 10:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike
MehrONLINE-SEMINAR REIHE. Devisenoptionen. Schwabe, Ley & Greiner
ONLINE-SEMINAR REIHE Devisenoptionen Warum gibt es Optionen? Begriff un Wesen... Absicherung gegen Währungskursänerungen. Käufer einer Devisenoption: Recht,...... eine bestimmte Währung... zu einem bestimmten
MehrRiesz scher Darstellungssatz und Duale Räume
Riesz scher Darstellungssatz und Duale Räume LV Numerik Partieller Differentialgleichungen Bärwolff SS 2010 14.06.2010 Julia Buwaya In der Vorlesung wurde der Riesz sche Dartsellungssatz als wichtiges
Mehr