Analytische Methoden und die Black-Scholes Modelle

Transkript

1 Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik

2 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4

3 Problem Das Ornstein-Uhlenbeck Volatilitätsmodell Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem Wir wollen den Preis eines europäischen Derivats bestimmen. Dabei sind Derivate Finanztitel, die ihren Wert aus anderen Finanztiteln (Underlyings) ableiten. Ein spezielles Derivat ist das folgende:

4 Europäische Call-Option Definition Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem Eine europäische Call-Option ist ein Vertrag, der dem Käufer das Recht gibt, jedoch nicht die Pflicht, eine Einheit eines zugrundeliegenden Assets zu einem vorher vereinbarten Ausführungspreis K zum Ausführungszeitpunkt T zu kaufen.

5 Europäische Call-Option Auszahlungsfunktion Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem Bezeichnet S T den Preis des zugrundeliegenden Assets zum Ausführungszeitpunkt T, dann ist der Wert einer europäischen Call-Option zum Ausführungszeitpunkt T, seine sogenannte Auszahlung g, gegeben durch { g(s T ) = (S T K) + S T K für S T > K, = 0 für S T K.

6 Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem Allgemeines stochastisches Volatilitätsmodell Definition Ein stochastisches Volatilitätsmodell besteht aus zwei Assets, deren Entwicklungen wie folgt beschrieben werden können ds 0 (t) = rs 0 (t)dt ds 1 (t) = µs 1 (t)dt + σ t S 1 (t)dw (t) mit µ R, r [0, ), σ t c > 0 für alle t [0, T ] und {W (t)} t [0,T ] eine (Standard-)Brownsche Bewegung. Dabei wird {σ t } t [0,T ] als der Volatilitäts-Prozess bezeichnet.

7 OU-Volatilitätsmodell Definition Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem Das Ornstein-Uhlenbeck Volatilitätsmodell besteht aus zwei Assets, deren Entwicklungen wie folgt beschrieben werden können ds 0 (t) = rs 0 (t)dt ds 1 (t) = µs 1 (t)dt + S 1 (t)f(y t )dw (t) ( dy (t) = α(m Y (t))dt + β ρ(t) dw (t) + ) 1 ρ(t) 2 dz(t) mit Konstanten m R, β > 0 und α 0, sowie f( ) : R (f, f + ), 0 < f < f + < ρ( ) : [0, T ] ( ρ 0, ρ 0 ), 0 < ρ 0 < 1.

8 Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem OU-Volatilitätsmodell Beispiel: f( ) = exp( ), α = 155, β = 15.58, γ = 2.36, ρ = 0.2, µ = und m = für den Zeitbereich [0, 1 8 ] ( 3 2 Monate)

9 Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem äquivalentes Cauchy-Anfangswertproblem Sei die Preisfunktion p durch gegeben. Weiter sei u durch p(s t, Y t, t) = E ( e r(t t) g(s T ) F t ) u(x 1, x 2, t) = e rt p ( e x 1 rt, m + e αt (x 2 m), T t ) definiert. Dann erfüllt u das Cauchy-(Anfangswert-)Problem u(x, t) t L SV M (x, t, D x )u(x, t) = 0 (x, t) R 2 (0, T ] u(x, 0) = g(x) x R 2,

10 Problem Stochastisches Volatilitätsmodell äquivalentes Cauchy-Anfangswertproblem äquivalentes Cauchy-Anfangswertproblem Differentialoperator L SV M (x, t, D x) L SV M (x, t, D x ) def = 2 2 a ij (x, t) + x i x j i,j=1 2 i=1 b i (x, t) x i + c(x, t) ( ) a(x 1, x 2, T t) = 1 f 2 (x 2, t) β(t) f(x2, t)ρ(t) 2 β(t) f(x 2, t)ρ(t) β2 (t) ( 1 f ) 2 2 (x 2, t) b(x 1, x 2, T t) = β(t) ( ρ(t) (µ r) f(x + γ(x 2,t) 1, x 2, t) ) 1 ρ 2 (t) c(x 1, x 2, T t) = 0

11 Existenz und Eindeutigkeit des Cauchy-Anfangswertproblems Existenz und Eindeutigkeit Seien der Differentialoperator L Cauchy (x, t, D x ) gleichmäßig elliptisch, die Koeffizientenfunktionen von L Cauchy (x, t, D x ) Lebesgue-messbar und beschränkt und die Anfangsdaten u 0 L 2 (R 2 ). Dann existiert eine eindeutige schwache Lösung u L 2 (0, T ; H 1 (R 2 )) des Cauchy-Anfangswertproblems t u(x, t) + L Cauchy(x, t, D x )u(x, t) = 0 (x, t) R 2 (0, T ] u(x, 0) = u 0 x R 2 (AWP)

12 Analytizität Gebietsdefinition Annahmen Analytizität Damit wir die Analytizität beweisen können, benötigen wir das komplexe Gebiet O C 2 C mit O def = X (r0) T 0,T ϑ 0 C 2 C = { z = x + iy : x R 2, y R 2 }, y < r 0 X (r 0) def T 0,T ϑ 0 def = { t = re iθ C : r > 0, θ ( ϑ 0, ϑ 0 ), Im(t) < T 0 tan(ϑ 0 ), 0 < Re(t) < T }

13 Analytizität Annahmen Annahmen Analytizität L Cauchy (x, t, D x ) = 2 i,j=1 x j ( a ij (x, t) ) + x i 2 i=1 b i (x, t) x i +c(x, t) (AN1) (i) a ij, b i, c C 1 (O) L (O) A(O) (i, j = 1, 2). (ii) a ij C 3 (O) Cunif 0 (O) (i, j = 1, 2). (iii) b i, c C 2 (O) (i = 1, 2). (AN2) Der Differentialoperator L Cauchy (x, t, D x ) ist gleichmäßig elliptisch. (AN3) Die Anfangsbedingung u 0 liegt in L 2 (R 2 ).

14 Analytizität Vorgehensweise 1/5 Annahmen Analytizität Analytizität bezüglich der Zeit Die Analytizität bezüglich der Zeit lässt sich mit Hilfe der Halbgruppentheorie und der konstruierten Fundamentallösung beweisen: Erst wird die Analytizität unter abstrakten Voraussetzungen gezeigt und diese Voraussetzungen werden dann auf den Differentialoperator L Cauchy (x, t, D x ) übertragen

15 Analytizität Vorgehensweise 2/5 Annahmen Analytizität Eine a-priori-abschätzung Zuerst beweist man eine a-priori-abschätzung in L 2 (R 2 ) für die holomorphe Fortsetzung der Lösung von (AWP) auf das komplexe parabolische Gebiet Γ (T 0) T (κ 0, ν 0 ) O C 2 C. Das heißt, man schätzt die Lösung u in dem Gebiet Γ (T 0) T (κ 0, ν 0 ) durch die L 2 (R 2 )-Norm der Anfangsdaten ab.

16 Analytizität Vorgehensweise 3/5 Annahmen Analytizität Satz: Anfangsdaten aus H 2 (X (r 0) ) Seien die Annahmen (AN1)-(AN2) erfüllt und u 0 H 2 (X (r 0) ). Dann hat das Cauchy-Problem (AWP) eine eindeutige klassische Lösung u : O C. Diese ist holomorph in O und besitzt eine stetige Fortsetzung auf X (r 0) [0, T ] mit u(, 0) = u 0 in X (r 0). Weiterhin erfüllt u die a-priori-abschätzung.

17 Analytizität Vorgehensweise 4/5 Annahmen Analytizität Satz: Approximationsresultat Die Einschränkung von H 2 (X (r 0) ) auf R 2 ist ein dichter Unterraum des Lebesgue-Raumes L 2 (R 2 ).

18 Analytizität Vorgehensweise 5/5 Annahmen Analytizität Satz: Analytizität Seien die Annahmen (AN1)-(AN3) erfüllt. Dann besitzt das Cauchyproblem (AWP) eine eindeutige schwache Lösung u C([0, T ]; L 2 (R 2 )). Diese Lösung kann eindeutig zu einer holomorphen Funktion auf dem Gebiet Γ (T 0) T (κ 0, ν 0 ) fortgesetzt werden. (Wobei die Zahlen κ 0, ν 0 (0, ) gerade so gewählt sind, dass Γ (T 0) T (κ 0, ν 0 ) O.)

19 Analytizität Beweisidee Annahmen Analytizität Es wird eine Folge {u n,0 } n N H 2 (X (r) ) gebildet, die gegen die Anfangsdaten u 0 L 2 (R 2 ) konvergiert. Dann wird gezeigt, dass für jedes dieser Folgeglieder eine eindeutige Lösung u n von (AWP) existiert und zudem die a-priori-abschätzung gilt. Man kann zeigen, dass die Folge der zugehörigen Lösungen {u n } n N sogar eine Cauchy-Folge in L 2 (R 2 ) ist, woraus dann durch Grenzwertbetrachtung die Behauptung folgt.

20 Finite-Differenzen Generelle Gliederung Generell kann zwischen 2 Arten der numerischen Simulation unterschieden werden: 1 Lösung des Cauchy-Anfangswertproblems 2 stochastische Simulation

21 Finite-Differenzen Vorgehensweise Finite-Differenzen Das Gebiet, auf dem die Differentialgleichung gelöst werden soll, wird mit einem Gitter überzogen und nur an den Knotenpunkten betrachtet. Dabei werden die in der Differentialgleichung auftretenden Differentialoperatoren durch Differentialquotienten ersetzt.

22 Lösungsansätze Annahme von Neumann-Randbedingungen Finite-Differenzen Idee Annahme von Neumann-Randbedingung Berücksichtigung der Tatsache, dass sich das asymptotische Verhalten der Lösung für große Werte dem der Anfangsbedingung (Auszahlungsfunktion) anpasst

23 Finite-Differenzen Finite-Differenzen mit Neumann-RB europäische Call-Option mit Auszahlungsfkt. g(x 1) = (x 1 450) +

24 Finite-Differenzen Finite-Differenzen mit Neumann-RB europäische Option mit Auszahlungsfkt. g(x 1) = (x 1 445) + (x 1 455) +

25 Vorgehensweise Finite-Differenzen 1 Simulation der Pfade des Aktienkurses (bezüglich des äquivalenten Martingalmaßes) mittels Pseudozufallszahlen 2 Berechnung des simulierten Optionspreises 3 m-fache Wiederholung und anschließende Mittelwertbildung

26 Realisierungen des OU-Modells Finite-Differenzen

27 berechneter Optionspreis über 500 Realisierungen Finite-Differenzen

28 berechneter Optionspreis über Realisierungen Finite-Differenzen

29 berechneter Optionspreis über Realisierungen Finite-Differenzen

30 berechneter Optionspreis über Realisierungen Finite-Differenzen

31 Eigenschaften Finite-Differenzen Vorteile 1 sehr schnell 2 sehr robust 3 sehr einfache Implementierung 4 keine Randbedingungen notwendig Nachteil keine Funktion als Lösung, sondern nur ein Wert

32 Finite-Differenzen Vielen Dank für Ihre Aufmerksamkeit.