Vorlesung. Finanzmathematik I. Steffen Dereich und Marcel Ortgiese. Westfälische Wilhelms-Universität Münster WS2013/14. Version:

Größe: px
Ab Seite anzeigen:

Download "Vorlesung. Finanzmathematik I. Steffen Dereich und Marcel Ortgiese. Westfälische Wilhelms-Universität Münster WS2013/14. Version: 31.01."

Transkript

1 Vorlesung Finanzmathematik I Steffen Dereich und Marcel Ortgiese Westfälische Wilhelms-Universität Münster WS2013/14 Version:

2 Inhaltsverzeichnis 1. Einführung Das Finanzmarktmodell Handelsstrategien Der Numeraire und das diskontierte Marktmodell Arbitragetheorie Das FTAP1 im Ein-Perioden Modell Das FTAP1 im Mehr-Perioden Modell Wechsel des Numeraires Bewertung europäischer Derivate Arbitragefreie Preise und Marktvollständigkeit Bewertungen im Binomialmodell Superhedging Bewertung amerikanischer Derivate Superhedging und die Snell Einhüllende Arbitragefreie Preise Nutzenoptimierung Das Black-Scholes Modell Approximation mittels Binomialmodell Äquivalente Martingalmaße Bewertung eines Calls im Black-Scholes Modell Bewertung einer Barriereoption Der amerikanische Put mit unendlichem Zeithorizont A. Anhang 90 A.1. Absolutstetige Wahrscheinlichkeitsmaße A.2. Das essentielle Supremum Literaturverzeichnis 93 i

3 Vorwort Der Rote Faden ist eine knappe Zusammenstellung der in der Vorlesung gezeigten Resultate. Er dient der kompakten Darstellung des Stoffes und zur Referenz. Er enthält aber keine über die Vorlesung hinausgehenden Beispiele oder Illustrationen und auch die Beweise sind nicht vollständig. Zur weiteren Vertiefung des Stoffes empfiehlt sich die Lektüre weitergehender Literatur wie zum Beispiel dem Buch Stochastic Finance: An Introduction in Discrete Time von Hans Föllmer und Alexander Schied [FS11] (siehe de Gruyter). Auch findet man im Internet zahlreiche Skripte zu ähnlich strukturierten Vorlesungen. Diese Version des Skripts ist eine Erweiterung des Roten Fadens von Steffen Dereich aus dem Wintersemester 2012/13. Notationen L p (P) = L p (Ω, F, P) Raum der numerischen Zufallsvariablen X : Ω R (p (0, )) mit X p := E[ X p ] 1/p < L (P) = L (Ω, F, P) L 0 (P) = L 0 (Ω, F, P) L = L (Ω, F) Raum der numerischen Zufallsvariablen X : Ω R mit X := inf{c > 0 : P( X > c) = 0} < Raum der numerischen Zufallsvariablen X : Ω R mit P(X R) = 0 Raum der numerischen Zufallsvariablen X : Ω R L p (P) = L p (Ω, F, P) Raum der Äquivalenzklassen in L p (Ω, F, P) (p [0, ] { }) bezüglich der P-fast sicheren Äquivalenz L p +(P) = L p +(Ω, F, P) Familie der Zufallsvariablen W in L p (Ω, F, P) (p [0, ] { }) mit W 0, P-fast sicher Typische Bezeichner (Ω, F, P) S = (S 0, S) X = (1, X) H = (H 0, H) Zugrundeliegender Wahrscheinlichkeitsraum Finanzmarkt mit Numeraire S 0 und d risikobehafteten Assets S 1,..., S d Diskontierter Finanzmarkt Selbstfinanzierende Handelsstrategie V( H), V ( H) Vermögensprozess einer selbstfinanziereden Strategie H (real/diskontiert) G(H) Diskontierter Gewinnprozess einer selbstfinanziereden Strategie H C, C Auszahlungsverpflichtung eines Derivats zur Maturität T (real/diskontiert) M = M(X) Menge der äquivalenten Martingalmaße ii

4 1. Einführung 1.1. Das Finanzmarktmodell In der Vorlesung Finanzmathematik I modellieren wir einen Finanzmarkt als stochastischen Prozess in diskreter Zeit. Im Folgenden bezeichne stets (Ω, F, P) einen Wahrscheinlichkeitsraum versehen mit einer Filtration (F t ) t {0,...,T }, wobei T N für einen festen Zeithorizont (Zahl der Handelsperioden) steht. Zur Vereinfachung treffen wir die Annahme, dass immer gelten. F 0 = {, Ω} und F = F T Definition 1.1. Ein Finanzmarkt mit d + 1 Anlagegütern und Zeithorizont T ist ein (F t )-adaptierter Prozess S = ( S t ) t=0,...,t = (S 0 t,..., S d t ) t=0,...,t mit Werten in [0, ) d+1. Wir nennen die einzelnen Prozesse Preisprozesse. Bemerkung 1.2. (i) Die Zufallsvariable St i beschreibt den Preis (Kurs) einer Anlage i (z.b. Schuldverschreibung, Aktie, Option,...) zur Zeit t zu der man Anteile verkaufen und kaufen kann. Das heißt wir nehmen an, dass zu jeder Zeit t An-/und Verkauf zum gleichen Preis erfolgen (unter Ignorierung des Bid- Ask Spreads), unser eigenes Handeln keinen Einfluss auf den Kurs hat (was für einen großen Investor nicht unbedingt gelten muß). (ii) Wir nennen die Anlagegüter auch kurz Assets und verzichten meist auf die Nennung des Zeithorizonts T. Ferner verwenden wir d + 1 generell als Bezeichner für die Zahl der Assets. Es wird angenommen, dass die Preise der Anlagen nichtnegativ sind und somit der Besitz einer Anlage zu keiner Zahlungsverpflichtung gegenüber einer anderen Partei führen kann. (iii) Die Filtration (F t ) t {0,...,T } beschreibt die Information, die einem Investor zur entsprechenden Zeit zur Verfügung steht. Wir erinnern daran, dass ein stochastischer Prozess (X t ) t {0,...,T } adpatiert heißt, wenn X t messbar ist bezüglich F t. Praktisch bedeutet die Adaptiertheitsannahme also, dass der Wert jeder Anlage zu jeder Handelszeit bekannt ist. Bei börsennotierten Anlagen werden Preise gelistet und sie sind somit für jedermann einsehbar. Hingegen werden manche Anlagen typischerweise ohne Börsennotierung gehandelt. Bei diesem Geschäft ( Over-the-Counter Geschäft ) einigen sich jeweils zwei Parteien unmittelbar und die Preise werden nicht veröffentlicht. Beispiel 1.3 (Binomialmodell). Ein einfaches Modell der Finanzmathematik ist das Binomialmodell. Es beschreibt einen Finanzmarkt mit zwei Anlagen: einer risikolosen Anleihe (Bond) S 0 = B und einer Aktie S 1 = S (Stock). Der Wert der Anleihe ist B t = (1 + r) t, 1

5 wobei r 0 die Zinsrate bezeichne, und der Wert der Aktie wird als Markov-Prozess mit S 0 = 1 und P(S t+1 = (1 + u) S t F t ) = p und P(S t+1 = (1 + d) S t F t ) = 1 p beschrieben, wobei u, d [ 1, ) und p [0, 1] Parameter mit d < u sind. In jedem Schritt macht der Kurs einen Schritt hoch (up) auf den Wert (1+u) S t mit Wahrscheinlichkeit p, beziehungsweise einen Schritt auf den niedrigeren Wert (1 + d) S t (down) mit der verbleibenden Wahrscheinlichkeit 1 p Handelsstrategien Der Handel eines Akteurs in einem Finanzmarkt wird mittels einer Handelsstrategie beschrieben. Definition 1.4. Eine Handelsstrategie in einem Finanzmarktmodell S = (S 0,..., S d ) ist ein previsibler R d+1 -wertiger Prozess H = (H 0, H) = (H 0 t,..., H d t ) t=1,...,t, das heißt, dass für jedes t {1,..., T } die Zufallsvariable H i t bezüglich F t 1 -messbar ist. Bemerkung 1.5. (i) Bei einer Handelsstrategie H steht H i t für die Anzahl der Anteile an der Anlage S i die zwischen den Handelszeitpunkten t 1 und t gehalten werden. Wir nennen H t Portfolio der Handelsperiode t. (ii) Der Wert Ht i kann eine beliebige reelle Zahl und damit insbesondere auch negativ sein. Der Fall Ht i < 0 entspricht einem Leerverkauf (auf engl. einer short position ). Dazu verkauft man Ht i Anteile der i-ten Position zum Preis St 1, i ohne die Anteile selber zu besitzen. Allerdings muss man diese dann zum Anfang der nächsten Handelsposition nachliefern, also insbesondere zum Preis St i kaufen. Damit gibt ein Leerverkauf einem Käufer also die Möglichkeit auf einen sinken Aktienkurs zu setzen. (iii) Die Annahme, dass der Prozess H previsibel ist, entspricht der Einschränkung, dass sich ein Investor zur Zeit t 1 entscheiden muss, wieviele Anteile er bis zur Zeit t halten möchte. Dabei kennt er nur die Preisentwicklung bis zur Zeit t 1, welche der Information in F t 1 entspricht. Angenommen man verfügt in der t-ten Handelsperiode (zwischen den Zeitpunkten t 1 und t) über das Portfolio H t. Dieses hat am Ende der Handelsperiode den Wert H t S t = d HtS i t, i (1) wobei wir mit das übliche Skalarprodukt auf R d+1 bezeichnen. Nun kann man zur Zeit t das Portfolio durch An- und Verkäufe ändern und das neue Portfolio H t+1 hat i=0 2

6 zur Zeit t den Wert H t+1 S t = d Ht+1S i t. i Entnimmt man kein Geld und schießt auch kein Geld zu, so muss dieser Wert gerade dem Wert in (1) entsprechen. Definition Eine Handelsstrategie H heißt selbstfinanzierend, wenn für alle t = 1,..., T 1 gilt. i=0 H t S t = H t+1 S t 2. Der Prozess V( H) = (V t ( H)) t=0,...,t gegeben durch V 0 ( H) = H 1 S 0 und V t ( H) = H t S d t := HtS i t i i=0 für t = 1,..., T heißt Vermögensprozess der Handelsstrategie H. Den Wert V 0 ( H) bezeichnen wir auch als Startkapital Der Numeraire und das diskontierte Marktmodell Gleiche Preise zu verschiedenen Zeiten haben meist unterschiedliche Werte aufgrund der Inflation. Um Preise dennoch zu verschiedenen Zeiten vergleichen zu können, fixieren wir meist eine Anlage (einen sogenannten Numeraire) typischerweise S 0 und interpretieren deren Wert als konstant in der Zeit. Möchte man zwei Geldbeträge zu verschiedenen Zeiten vergleichen, so betrachtet man die Zahl der Anteile des Numeraires, die man sich zu den jeweiligen Zeiten mit dem Geldbetrag kaufen könnte. Definition 1.7. Ein Finanzmarkt S = (S 0, S) = (S 0 t,..., S d t ) t=0,...,t mit einem (0, )-wertigen Preisprozess S 0, heißt Finanzmarkt mit Numeraire S 0 (kurz Finanzmarkt mit Numeraire). Bemerkung 1.8. Als Numeraire wählt man meist den Wert eines Portfolios, das ausschließlich im Geldmarkt investiert ist. (Auf dem Geldmarkt tätigen institutionelle Anlegern, d.h. Banken, Versicherungsgesellschaften und der Staat, kurzfristige risikolose Zinsgeschäfte.) Die Wahl des Numeraires ist letztendlich dem Investor überlassen und von dessen Präferenzen abhängig. So wird ein amerikanischer Investor typischerweise einen anderen Numeraire wählen als ein europäischer. Man kann ein kurzfristig risikolose Anlage modellieren, in dem man S0 0 = 1 setzt und dann für t 0 t St 0 = (1 + r k ), k=1 3

7 definiert. Dann steigt also der Wert eines Betrag x, den man zur Zeit t 1 investiert, auf (1 + r t 1 )x zur Zeit t. Dabei entspricht also r t der Zinsrate. Wenn man annimmt, dass (r t ) t {1,...,T } previsibel ist, dann ist die Entwicklung der Anlage jeweils einen Schritt vorher bekannt, also kurzfristig risikolos. Misst man in einem Marktmodell alle Werte bezüglich des Wertes des Numeraires so erhält man das diskontierte Marktmodell. Definition 1.9. Sei S = (S 0, S) ein Marktmodell mit Numeraire. Das Marktmodell mit X = (X 0, X) = (X 0 t,..., X d t ) t=0,...,t X i t = Si t S 0 t (insbes. X 0 1) heißt S 0 -diskontiertes Marktmodell von S. Wir bemerken, dass die Familie der selbstfinanzierenden Handelsstrategien des Ausgangsmodells und des diskontierten Modells übereinstimmen. Wir werden meist den Vermögensprozess des diskontierten Modells betrachten: Definition Sei H = (H 0, H) eine Handelsstrategie in einem Marktmodell S = (S 0, S) mit Numeraire S Der Prozess V ( H) = (V t ( H)) t=0,...,t gegeben durch V 0 ( H) = H 1 X 0 und V t ( H) = H t X t := d HtX i t i für t = 1,..., T, heißt (diskontierter) Vermögensprozess der Handelsstrategie H. 2. Der Prozess G(H) = (G t (H)) t=0,...,t gegeben durch G t (H) = i=0 t H s (X s X s 1 ) (insbes. G 0 (H) = 0) s=1 heißt (diskontierter) Gewinnprozess der Handelsstrategie H. Wir verzichten häufig auf die Nennung von H bzw. H, wenn die Handelsstrategie sich eindeutig aus dem Kontext ergibt. Bemerkung Der Gewinnprozess ist linear in H. Ferner ist der Vermögensprozess V linear in H bzw. im Paar (H, V 0 ). Im Folgenden bezeichne S = (S 0, S) immer einen Finanzmarkt mit Numeraire und X = (1, X) den zugehörigen diskontierten Finanzmarkt. Lemma (i) Eine Handelsstrategie H ist genau dann selbstfinanzierend, wenn V t ( H) = V 0 ( H) + G t (H) (2) für t = 1,..., T gilt. 4

8 (ii) Zu V 0 R und einem previsiblem R d -wertigen Prozess H = (H 1 t,..., H d t ) t=1,...,t existiert genau eine selbstfinanzierenden Handelsstrategie H = (H 0, H) mit Diese erhält man durch Wahl von V 0 ( H) = V 0. H 0 t = V 0 + G t 1 (H) H t X t 1 = V 0 + G t (H) H t X t. Bemerkung Der erste Teil des Lemma besagt, dass für eine selbstfinanzierende Handelsstrategie das Vermögen sich als Startvermögen plus Gewinn darstellen lässt. Ist das Startvermögen 0 so gilt insbesondere, dass V t ( H) = G t (H). Der zweite Teil des Lemmas besagt, dass sich jede Anlagestrategie, die sich nur auf Anleihen 1 bis d bezieht, zu einer selbstfinanzierende Strategie erweitern lässt. Dazu werden die jeweiligen Überschüsse auf geeignete Art in den Numeraire investiert. Beweis. (i) Übungsaufgabe. (ii): Sei H = (H 0, H) eine Handelsstrategie und V 0 R. Es gilt H ist s.f. mit Startwert V 0 V t ( H) = V 0 + G t (H) t = 0,..., T V t ( H) = V 0 + G t (H) t = 1,..., T Ht 0 + H t X t = V 0 + G t (H) t = 1,..., T Ht 0 = V 0 + G t 1 (H) H t X t 1 t = 1,..., T Begründung für die Äquivalenzen: 1.) Folgerung aus (i) zusammen mit der Vorgabe, dass das Startkapital V 0 ( H) = V 0 ist. 2.) Aus der Gültigkeit der Gleichung für t = 1 folgt die Gültigkeit für t = 0 wegen 3.) Einsetzen der Definition H 1 X } {{ } 0 + H 1 ( X 1 X 0 ) = V 1 ( H) = V 0 + H 1 ( X 1 X 0 ) =V 0( H) 4.) Nutzung von G t (H) = G t 1 (H) + H t (X t X t 1 ). Da für V 0 R und previsiblen Prozess H der entsprechende Prozess H 0 previsibel ist, kann das Paar also immer eindeutig zu einer selbstfinanzierenden Handelsstrategie erweitert werden. Bemerkung Generell können Größen in der Standardwährungseinheit oder diskontiert betrachtet werden. Beide Ansätze liefern typischerweise verschiedene Werte, die sich leicht ineinander überführen lassen, ähnlich dem Rechnen mit verschiedenen 5

9 physikalischen Einheiten. Wir werden jeweils undiskontierte Werte mit kalligraphischen Symbolen und die entsprechenden diskontierten Werte mit regulären Symbolen versehen. Eine Ausnahme bilden die Preisprozesse, bei denen wir die undiskontierten Werte mit S 0, S 1,... und die diskontierten Werte mit X 0, X 1,... bezeichnen. Die Unterschiede zwischen den beiden Betrachtungsweisen lassen sich wie folgt zusammenfassen: Undiskontiertes Modell: Üblicherweise wird der Finanzmarkt undiskontiert definiert liegen Marktpreise in undiskontierter Form vor werden Verträge zu Zahlungsverpflichtungen (Bonds, Derivate) in undiskontierter Form abgeschlossen sodass explizite Bewertungen im undiskontierten Modell erfolgen. Diskontiertes Modell: Das diskontierte Modell hat den Vorteil, dass selbstfinanzierende Handelsstrategien und deren Vermögensprozess sehr einfache Darstellungen haben. Deshalb werden wir die theoretischen Aussagen typischerweise im diskontierten Modell beweisen. 6

10 2. Arbitragetheorie Bei der Modellierung von Finanzmärkten gilt es zu vermeiden, dass im Finanzmarktmodell risikolose Gewinne erzielt werden können ( No free lunch -Prinzip). Im Folgenden bezeichne S = (S 0, S) ein Finanzmarktmodell mit Numeraire S 0 und X = (1, X) den zugehörigen diskontierten Finanzmarkt. Definition Eine selbstfinanzierend Handelstrategie H heißt Arbitrage, wenn V 0 ( H) 0 V T ( H), P-fast sicher, und P ( V T ( H) > 0 ) > 0. (3) Man erhält die identische Definition, wenn man den diskontierten Vermögensprozess durch den undiskontierten Prozess V( H) ersetzt. 2. Ein Finanzmarkt heißt arbitragefrei, wenn es keine Arbitragen gibt. Hierfür schreiben wir kurz (NA) für no arbitrage. Lemma 2.2. Ein Finanzmarkt S mit Numeraire ist genau dann arbitragefrei, wenn für jeden previsiblen Prozess (H t ) t=1,...,t in R d gilt. G T (H) 0, fast sicher G T (H) = 0, fast sicher, Beweis. " ": Wir nehmen an, es gibt einen previsiblen Prozess H = (H t ) mit G T (H) 0, fast sicher, und P(G T (H) > 0) > 0. Dann kann H nach Lemma 1.12 zu einer selbstfinanzierenden Handelsstrategie H = (H 0, H) mit Startkapital V 0 = 0 erweitert werden. Da nun V T ( H) = G T (H) ist dies eine Arbitrage im Widerspruch zur Arbitragefreiheit. " ": Sei H = (H 0, H) eine selbstfinanzierende Handelsstrategie. Nun folgt aus G T (H) = V T ( H) V 0 ( H) 0, dass G T (H) = 0 und somit V T ( H) = V 0 ( H) 0. Hier sind alle Gleichungen im P-fast sicheren Sinn zu verstehen. D.h. keine selbstfinanzierende Handelsstrategie ist eine Arbitrage. Bemerkung 2.3. Bezeichnet man mit L 0 +(P) = L 0 +(Ω, F, P) die Menge der Zufallsvariablen W L 0 (Ω, F, P) mit W 0, P-fast sicher, so besagt das Lemma, dass in einem Finanzmarkt mit Numeraire für die durch selbstfinanzierende Handelsstrategien realisierbaren Gewinne gerade folgende Äquivalenz gilt: K := {G T (H) : (H t ) t=1,...,t previsibel} (NA) K L 0 +(P) = {0} 7

11 Zur Untersuchung von Finanzmärkten auf Arbitragefreiheit werden wir häufig andere Wahrscheinlichkeitsmaße auf (Ω, F) als P betrachten. Der Grund hierfür ist die folgende Beobachtung. Bemerkung 2.4. Ob eine selbstfinanzierende Strategie arbitragefrei ist hängt nur von den Nullmengen unter dem Maß P ab. Ersetzt man das Maß P durch ein Wahrscheinlichkeitsmaß Q mit den gleichen Nullmengen, so sind im neuen Marktmodell die Arbitragen die gleichen wie im alten. Solch ein Wahrscheinlichkeitsmaß nennt man äquivalent zu P und wir schreiben P Q. Für eine formale Definition und die wichtigsten Resultate verweisen wir auf den Anhang, Sektion A.1. Insbesondere ist die Arbitragefreiheit eine Eigenschaft, die invariant unter einem äquivalenten Maßwechsel bleibt. Es stellt sich nun die Frage, nach besonderen äquivalenten Wahrscheinlichkeitsmaßen unter denen die Arbitragefreiheit leicht ersichtlich ist. Um eine besonders nützliches Maß zu deifnieren, brauchen wir den Begriff des Martingals. Definition 2.5. Es sei (Ω, F, Q) ein Wahrscheinlichkeitsraum und (F t ) t=0,...,t eine Filtation. Ein (F t ) T t=0 adaptierter stochastischer Prozess (M t ) t=0,...,t heißt Q- Martingal, wenn gilt E Q [ M t ] < für alle t und für alle t {0,..., T 1}. E Q [M t F t 1 ] = M t 1, Bemerkung 2.6. Wir schreiben E Q für den Erwartungswert unter dem Wahrscheinlichkeitsmaß Q, i.e. für jede integrierbare Zufallsvariable Y gilt E Q [Y ] = Y (ω) dq(ω). Ω Natürlich gilt eine analoge Definition auch für Prozesse mit unendlichem Zeithorizont (abzählbar oder auch überabzählbar). Häufig verzichtet man auf die explizite Nennung von Q und sagt, dass (M t ) t {0,...,T } ein Martingal ist. In diesem Zusammenhang arbeiten wir mit verschieden Wahrscheinlichkeitsmaßen, so dass wir die Abhängigkeit von Q explizit hervorheben. Beispiel 2.7. Gegeben sei eine Zufallsvariable C und ein Wahrscheinlichkeitsmaß Q, so dass E Q [ C ] <. Dann definiert ein Q-Martingal. M t = E Q [C F t ], für t {0,..., T }, Definition 2.8. Ein Wahrscheinlichkeitsmaß Q auf (Ω, F) heißt äquivalentes Martingalmaß, wenn (i) Q P, d.h. die Maße Q und P äquivalent sind, und (ii) für jedes i = 1,..., d, X i = (X i t) t=0,...,t ein Q-Martingal ist. 8

12 Wir bezeichnen mit M = M(X) die Menge aller äquivalenten Martingalmaße. Gilt statt Q P lediglich Q P so heißt Q absolutstetiges Martingalmaß. Ziel dieses Abschnitts ist der Beweis des 1. Fundamentalsatzes der Finanzmathematik (kurz: FTAP 1 für fundamental theorem of asset pricing ) Satz 2.9 (FTAP1). Folgende Aussagen sind für einen Finanzmarkt S = (S 0, S) äquivalent: (i) Der Finanzmarkt S ist arbitragefrei. (ii) Der Markt S besitzt ein äquivalentes Martingalmaß. Kurz: (NA) M. Ist der Markt arbitragefrei, so existiert sogar ein Q M mit dq dp L (P). Zum Beweis der Implikation (ii) (i) nutzen wir den folgenden Satz. Satz 2.10 (Doob s System Theorem). Sei Q ein Wahrscheinlichkeitsmaß auf (Ω, F). Folgende Aussagen sind äquivalent: (i) Q ist ein Martingalmaß, d.h. (X i t) ist für jedes i = 1,..., d ein Q-Martingal. (ii) Für jede selbstfinanzierende Handelsstrategie H = (H 0, H) mit beschränktem H ist der Vermögensprozess V ( H) ein Q-Martingal. (iii) Für jede selbstfinanzierende Handelsstrategie H = (H 0, H) mit ist V ( H) ein Q-Martingal. E Q [(V T ( H)) ] < (iv) Für jede selbstfinanzierende Handelsstrategie H = (H 0, H) mit V T ( H) 0, Q- fast sicher, gilt E Q [V T ( H)] = V 0 ( H). Beweis von Satz 2.9, (ii) (i). Es bezeichne Q ein äquivalentes Martingalmaß. Nach Bemerkung 2.4 ändern wir nichts an der Menge der Arbitragen, wenn wir das zugrundeliegende Maß P durch Q ersetzen. Es genügt zu zeigen, dass es keine Handelsstrategie H gibt, die unter Q eine Arbitrage ist. Sei nun H eine selbstfinanzierende Handelsstrategie mit V 0 ( H) 0 V T ( H), Q-fast sicher. Es folgt aus Satz 2.10 (Eigenschaft (iv)), dass E Q [V T ( H)] = V 0 ( H) 0. Aus der Nichtnegativität von V T ( H) folgt, dass V T ( H) = 0, Q-fast sicher und somit ist H keine Arbitrage. 9

13 2.1. Das FTAP1 im Ein-Perioden Modell Im Folgenden sei T = 1 und F 0 im Gegensatz zur Generalannahme eine beliebige Teil-σ-Algebra von F 1 = F. Diese Annahme ist wichtig, denn später wollen wir den allgemeinen Fall des [FTAP1] aus dem Ein-Perioden Fall herleiten. Dafür müssen wir allerdings mit zufälligen Startbedingungen arbeiten. Zum Beweis des [FTAP1] für T = 1 reicht es folgende Aussage zu beweisen: Arbitragefreiheit Q M mit dq dp L (P). Der Gewinn einer selbstfinanzierende Handelsstrategie H ist nun G 1 (H) = H 1 (X 1 X 0 ) Wir verzichten im Folgenden auf den Subindex 1 und setzen Y := X 1 X 0 sodass G(H) = H Y. Somit ist die Familie der realisierbaren Gewinne gleich K = {H Y : H L 0 (Ω, F 0, P; R d )} L 0 (Ω, F, P) =: L 0. Der Beweis untergliedert sich in die folgenden fünf Schritte: 1.) Wir zeigen, dass (NA) K L 0 + = {0} (K L 0 +) L 0 + = {0}, 2.) Wir zeigen, dass wir annehmen können, dass X 0, X 1 und Y in L 1 liegen, also integrierbar sind. 3.) Konstruktion des äquivalenten Martingalmaß mit einer Dichte Z mit bestimmten Eigenschaften. 4.) Existenz der Dichte Z. 5.) Wir zeigen, dass Z strikt positiv ist. 1. Schritt: Zunächst überlegt man sich, dass K L 0 + = {0} (K L 0 +) L 0 + = {0}. (4) In Worten besagt diese Äquivalenz, dass wenn die einzigen fast sicher positiven Gewinne gleich 0 sind, dann ändert sich diese Aussage nicht durch Abziehen einer positiven Zufallsvariable. Der Beweis ist eine Übungsaufgabe. 2. Schritt: Im 2. Schritt zeigt man, dass man ohne Einschränkung der Allgemeinheit annehmen kann, dass X 0, X 1 und damit Y in L 1 (Ω, F, P; R d ) liegen. Dies folgt aus Anwendung der folgenden Proposition. Dabei bezeichnen wir mit L 0 (Ω, F, P, R n ), R n - wertige Zufallsvariablen und mit L 0 (Ω, F, P, R n ) wird der entsprechende L p -Raum definiert. 10

14 Proposition Für W L 0 (Ω, F, P, R n ) existiert ein Wahrscheinlichkeitsmaß P P mit (i) dp dp L (Ω, F, P) (ii) W L 1 (Ω, F, P, R n ). Beweis. Übungsaufgabe. Zur Anwendung setzen wir W = (X 1, X 2 ) und erhalten so ein äquivalentes Maß P unter dem X 0 und X 1 integrierbar sind. Teil (i) ist wichtig für den zweiten Teil des [FTAP1]. Angenommen wir können unter der Zusatzannahme dass X 1, X 2 integrierbar sind (also unter P ) zeigen, dass es ein äquivalentes Martingalmaß Q gibt mit beschränkter Dichte dq dp. In diesem Fall ist auch die Dichte dq dp = dq dp dp dp, beschränkt, wie wir es im zweiten Teil des [FTAP1] behaupten. 3. Schritt: Konstruktion des äquivalenten Martingalmaß Wir formulieren einfachere Bedingungen an eine Zufallsvariable Z dafür, dass wir sie als Dichte für ein äquivalentes Martingalmaß verwenden können. Proposition Es gelte Y L 1. Angenommen es gibt eine Zufallsvariable Z L \ {0}, so dass E[Z W ] 0 für alle W C := (K L 0 +) L 1. (5) Dann gilt Z 0 P-fast sicher und mittels dq dp = Z E[Z] (6) wird ein absolutstetiges Martingalmaß Q definiert. Gilt zusätzlich, dass Z > 0 P-fast sicher, dann definiert Q ein äquivalentes Martingalmaß. Beweis. Schritt (i). Wir zeigen zunächst, dass Z fast sicher positiv ist. Dazu betrachten wir die Menge A := {Z < 0}. Dann gilt 1l A = 0 1l A C (da 0 K) und somit 0 E[( Z)1l A ] E[Z( 1l A )] 0. Daraus folgt aus ( Z)1l A 0, dass ( Z)1l A = 0 fast sicher und da Z 0, muss P(A) = 0. Schritt (ii). Wir zeigen nun, dass E[ZW ] = 0 W K L 1. (7) Dies folgt sofort aus (5), denn wenn W K L 1, dann ist auch W K L 1 und damit gilt 0 E[ZW ] = E[Z( W )] 0. 11

15 Hierbei nutzen wir, dass K L 1 C = (K L 0 +) L 1 (da 0 L 0 +). Daraus folgern wir in Schritt (iii), dass E[ZY i F 0 ] = 0 für alle i = 1,..., d. (8) Dazu, wählen wir i {1,..., d} und betrachten für A F 0, die F 0 -messbare Zufallsvariable H = 1l A e i, wobei e i der i-te Einheitsvektor ist. Dies entspricht einer Investition in die i-te Anleihe, wenn A auftritt. Dann ist der zugehörige Gewinn G(H) = H Y = 1l A Y i K L 1 und somit gilt nach (7), E[ZY i 1l A ] = 0. Da A F 0 beliebig ist, folgt aus der Definition der bedingten Erwartung die Aussage. Da Z 0 fast sicher und Z 0, muss E[Z] > 0 sein und (6) definiert ein Wahrscheinlichkeitsmaß, welches absolut stetig ist bezüglich P. Nach der Formel für bedingte Dichten (siehe Übungsblatt) und (8) folgt, dass für i {1,..., d}, E Q [Y i F 0 ] = E[ZY i F 0 ] E[Z F 0 ] Da nach Definition Y i = X1 i X0, i ist also der Preisprozess (X t ) i t=0,2 ein Martingal unter Q. 4. Schritt: Konstruktion einer positiven Dichte. Im Beweis nutzen wir einen Zusammenhang zwischen der Trennung konvexer Mengen und absolutstetigen Martingalmaßen. Zur Konstruktion der trennenden Zufallsvariable verwenden wir Resultate aus der Funktionalanalysis, die wir an dieser Stelle nicht beweisen werden. Eine Folgerung des Satzes von Hahn-Banach ist folgende Aussage: Satz 2.13 (Trennungssatz). Seien p [1, ) und q (1, ] mit 1 p + 1 q = 1, sowie C und D disjunkte, konvexe Teilmengen von L p (P). Ist C abgeschlossen und D kompakt, so existiert Z L q (P) mit = 0. sup E[ZW 1 ] < inf E[ZW 2]. W 1 C W 2 D Bemerkung Sind C und D konvexe Teilmengen des R n, dann beantwortet der Trennungssatz die folgende Frage: Unter welchen Bedingung an C und D gibt es eine Hyperebene, die die Mengen trennt, so dass C und D sich auf verschiedenen Seiten der Hyperebene befinden. Mathematisch fragt man also nach der Existenz eines Vektors z R n und eines Skalars α, so dass die Hyperebene durch {x : x, z = α} beschrieben wird und zusätzlich gilt: C {x : x, z < α} und D {x : x, z α}. Der Zusammenhang zu der allgmeinen Formulierung wird klar, wenn man E[ZW ] als das Skalarprodukt zwischen den Zufallsvariablen Z L q und X L p interpretiert. Für einen Beweis von Satz 2.13 und eine ausführliche Diskussion verweisen wir auf [Wer00, Kap. III.2]. 12

16 Wir werden den Trennungssatz mit der Menge C := (K L 0 +) L 1 verwenden. Es ist zu überprüfen, dass C abgeschlossen ist. Proposition Gilt (NA), so ist C eine abgeschlossene Teilmenge des L 1. Beweis. Siehe Föllmer, Schied [FS04, Lemma 1.67] bzw. [FS11, Lemma 1.68]. Proposition Es gelte (NA). Dann existiert für jede Menge A F mit P(A) > 0 eine Zufallsvariable Z L \ {0} mit E[1l A Z] > 0 so dass E[ZW ] 0 für alle W C. Insbesondere können wir Z so wählen, dass 0 Z 1 fast sicher. Mit Hilfe von Proposition 2.12 können wir mit Z als Dichte also ein absolut stetiges Martingalmaß konstruieren. Beweis. Sei A F mit P(A) > 0. Dann gilt 1l A L 1 +\{0}. Nach Schritt 1, siehe (4), folgt aus (NA), dass C L 0 + = (K L 0 +) L 1 + = {0}. Damit sind die konvexen Mengen C und D := {1l A } disjunkt. Wir wenden den Trennungssatz mit p = 1 und q = an und erhalten die Existenz einer Zufallsvariable Z L mit s := sup E[ZW ] < E[Z 1l A ]. W C Da W = 0 C, muss s 0 und daraus folgt, dass E[Z1l A ] > 0 und Z L \ {0}. Ist W C und λ > 0, dann ist auch λw C und es folgt, dass λe[zw ] = E[Z(λW )] s < E[Z 1l A ]. Da W beliebig war, können wir also schliessen und so folgt mit λ dass s = 0. s < 1 λ E[Z 1l A], Nach Proposition 2.12 muss insbesondere Z 0 gelten. Da Z L, können wir Z = Z Z definieren und erhalten so eine Zufallsvariable mit den gewünschten Eigenschaften, die zusätzlich fast sicher durch 1 beschränkt ist. 5. Schritt: Existenz einer strikt positiven Dichte. Im letzten Schritt zeigen wir, dass wir mit Hilfe von Proposition 2.16 eine Dichte konstruieren können, die fast sicher strikt positiv ist. Mit Proposition 2.12 folgt dann die Existenz eines äquivalenten Martingalmaßes Q, da wir bereits in Schritt 2 gesehen haben, dass man ohne Einschränkung der Allgemeinheit annehmen kann, dass X 0, X 1, Y L 1. 13

17 Proposition Es gelte (NA), dann existiert eine Zufallsvariable Z L, so dass P(Z > 0) = 1 und E[Z W ] 0 für alle W C. Beweis. Wir betrachten die Menge Z := {Z L : 0 Z 1, E[Z W ] 0 W C} (i) Wir zeigen (Übungsaufgabe), dass die Menge Z abzählbar konvex ist, d.h. für Folgen (Z n ) Z und (λ n ) [0, 1] mit λ n = 1 gilt Z := λ n Z n Z. n=1 (ii) Wir definieren s := sup { P(A) Z Z mit Z > 0 auf A } und zeigen, dass das Supremum angenommen wird, d.h. es existieren Z Z und A F mit Z > 0 auf A und P(A) = s. Seien (Z n ) Z und (A n ) F mit Z n > 0 auf A n und P(A n ) s. Dann ist Z := n=1 2 n Z n in Z, wegen (i), und ferner Z > 0 auf A := n A n mit P(A) lim n P(A n) = s. (iii) Schließlich bleibt noch zu zeigen, dass s = 1. Angenommen s < 1, dann wähle Z und A wie in (ii). Nun gilt P(A c ) > 0 und somit existiert ein Z Z (Proposition 2.16) mit E[1l A c Z ] > 0 und somit hat {Z > 0} A c positives P-Maß. D.h. für Z := 1 2 (Z + Z ) Z gilt P({Z > 0}) P(A) + P({Z > 0} A c ) > s, welches ein Widerspruch zur Definition von s ist Das FTAP1 im Mehr-Perioden Modell Wir wenden uns nun dem Mehr-Perioden Modell zu. Jedes Mehr-Perioden Modell kann als T Ein-Perioden Modelle, die jeweils aus der Periode t 1 t bestehen aufgefasst werden. Eine zentrale Beobachtung ist nun, dass das Mehr-Perioden Modell genau dann arbitragefrei ist, wenn alle T Ein-Perioden Modelle arbitragefrei sind. 14

18 Proposition Ein Marktmodell S = (S 0, S) besitzt Arbitragen genau dann, wenn ein t {1,..., T } und ein K L 0 (Ω, F t 1, P; R d ) existieren mit K (X t X t 1 ) 0, fast sicher, und P(K (X t X t 1 ) > 0) > 0. Es verbleibt der Beweis der Aussage im Mehr-Perioden Modell Arbitragefreiheit Q M mit dq dp L (P). Beweis des FTAP1 für T > 1. Wie im Ein-Perioden Modell können wir ohne Einschränkung der Allgemeinheit annehmen, dass X t L 1 (Ω, F, P; R d ) (siehe 2. Schritt). Wir konstruieren ein Wahrscheinlichkeitsmaß Q M durch iterierte Anwendung des FTAP1 im Ein-Perioden Modell. Nach Proposition 2.18 ist das Ein-Perioden Modell T T 1 abritragefrei, d.h. nach dem Ein-Perioden FTAP1 existiert ein äquivalentes Wahrscheinlichkeitsmaß Q T mit beschränkter Dichte Z T bezüglich P sodass E Q T [X i T F T 1 ] = X i T 1, i = 1,..., d Ein Maßwechsel von P nach Q T ändert nichts an der Gültigkeit der (NA) Bedingung für das T -Periodenmodell und damit auch nicht für das Modell der Periode T 2 T 1. Damit wählen wir als nächstes ein äquivalentes Wahrscheinlichkeitsmaß Q T 1, mit Dichte Z T 1 L (Ω, F T 1, P) (wichtig ist hierbei, dass Z T 1 F T 1 -messbar gewählt werden kann!), sodass E Q T 1 [X i T 1 F T 2 ] = X i T 2, i = 1,..., d. Wir fahren entsprechend fort und definieren iterativ äquivalente Wahrscheinlichkeitsmaße Q T,..., Q 1 =: Q. Nun gilt dq dp = dq 1 dq 2... dq T dq 2 dq 3 dp = Z 1... Z T L (Ω, F, P). Somit sind alle Preise X i t Q-integrierbar und es gilt nach Satz A.5 für s < t E Qs [X i t F t 1 ] = EQs+1 [Z s X i t F t 1 ] E Qs+1 [Z s F t 1 ] = E Qs+1 [X i t F t 1 ]. Wenden wir diese Gleichung nacheinander auf s = t 1,..., 1 an, so erhalten wir dass E Q [X i t F t 1 ] =... = E Qt [X i t F t 1 ] = X i t 1, und (X i t) ist ein Martingal unter Q. 15

19 2.3. Wechsel des Numeraires Wir haben bisher jeweils die 0-te Anlage als Numeraire betrachtet. Vorausgesetzt, dass auch der Preisprozess einer anderen Anlage, sagen wir der d-ten Anlage, strikt positiv ist, kann auch dieser zur Diskontierung verwendet werden. Frage: Welche Zusammenhänge bestehen zwischen den Martingalmaßen für verschiedene Diskontierungen? Wir nehmen im Folgenden an, dass S d ein strikt positiver Preisprozess ist. Wir benötigen weitere Notationen. Zusätzlich zu den S 0 diskontierten Preisprozessen (Xt) i betrachten wir die S d -diskontierten Preisprozesse (Yt i ) gegeben durch Wir setzen nun Y i t := Si t St d. Ȳ = (Y, Y d ) = (Y 0 t,... Y d t ) t=0,...,t Wir bezeichnen mit M 0 = M(X) die Menge der äquivalenten Martingalmaße bei Diskontierung mit der 0-ten Anlage und mit M d = M(Y ) die Menge der Martingalmaße bei Diskontierung mit S d, d.h. M d ist die Menge aller W Maße auf (Ω, F) mit (i) Q P (ii) Y 0,..., Y d 1 sind Q-Martingale Proposition Sei Q M 0. Für t = 1,..., T gilt E Q [Y 0 t F t ] Y 0 t 1. Ist X d nicht konstant (d.h. gilt nicht X d 0 =... = X d T, f.s.), so ist Y 0 kein Q-Martingal. Insbesondere gilt in diesem Fall Beweis. Es gilt Yt 0 1,..., T = S0 t S d t = 1 X d t E Q [Y 0 t F t 1 ] = E Q[ 1 X d t M 0 M d =. für t = 0,..., T und somit mittels Jensen für t = F t 1 ] 1 E Q [Xt d F t 1 ] = 1 = Y X t 1. 0 t 1 Zum Beweis, dass Y 0 kein Q-Martingal ist, wenn X d nicht konstant ist, wählen wir ein t {1,..., T } mit P(X d t X d 0 ) > 0. Wir bemerken, dass für x := X d 0 und beliebiges y > 0 1 y 1 x y x x 2 =: ξ(y) 16

20 mit Ungleicheit für y x (Tangente in x an die streng konvex Funktion z 1/z oder 1 direkt mit dem Satz von Taylor). Somit gilt > ξ(x d X0 d 0 ) mit positiver Wahrscheinlichkeit sodass E Q[ 1 ] Xt d > E Q [ξ(xt d )] = 1 X0 d E Q[ Xt d X0 d ] (X0 d = 1 )2 X0 d. Somit ist (Y 0 t ) kein Q-Martingal. Merke: Die Menge der äquivalenten Martingalmaße hängt stark von der Wahl des Numeraires ab. Allerdings sagt der nächste Satz aus, wie man zwischen den verschiedenen Klassen an Martingalmaßen umrechnen kann. Satz Für Q M 0 ist das Maß Q auf (Ω, F) mit dq dq = Xd T X d 0 ein äquivalentes Martingalmaß bei Diskontierung mit S d, d.h. Q M d. Die Abbildung Ψ : M 0 M d, Q Q ist eine Bijektion. 17

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/ Finanzmathematik - Wintersemester 2007/08 http://code.google.com/p/mitgetexed/ Stand: 4. November 2007 Inhaltsverzeichnis 1 Motivation und erste Begriffe 2 2 Endliche Finanzmärkte 4 3 Das Cox-Ross-Rubinstein-Modell

Mehr

Martingal-Maße. Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Manuel Müller Mathematisches Institut

Martingal-Maße. Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Manuel Müller Mathematisches Institut Martingal-Maße Manuel Müller 29.04.2016 Mathematisches Institut Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Seite 2 Martingal-Maße 29.04.2016 Inhaltsverzeichnis

Mehr

Amerikanischen Optionen

Amerikanischen Optionen Die Bewertung von Amerikanischen Optionen im Mehrperiodenmodell Universität-Gesamthochschule Paderborn Fachbereich 17 Seminar Finanzmathematik SS 2001 Referentin: Christiane Becker-Funke Dozent: Prof.

Mehr

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

Prof. Dr. Thilo Meyer-Brandis. Finanzmathematik 1 WS 2012/13

Prof. Dr. Thilo Meyer-Brandis. Finanzmathematik 1 WS 2012/13 Prof. Dr. Thilo Meyer-Brandis Finanzmathematik 1 WS 2012/13 Dieses Skript gibt den Inhalt der Vorlesung Finanzmathematik I: Eine Einführung in diskreter Zeit wieder und basiert auf dem Buch Stochastic

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag 8. Übungsblatt zur Vorlesung Finanzmathematik I Aufgabe Hedging Amerikanischer Optionen Wir sind in einem arbitragefreien

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Francesca Biagini Mathematisches Institut, LMU biagini@math.lmu.de Münchner Wissenschaftstage im Jahr der Mathematik 21. Oktober 28

Mehr

1 Stochastische Prozesse in stetiger Zeit

1 Stochastische Prozesse in stetiger Zeit 1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.

Mehr

Derivatebewertung im Binomialmodell

Derivatebewertung im Binomialmodell Derivatebewertung im Binomialmodell Roland Stamm 27. Juni 2013 Roland Stamm 1 / 24 Agenda 1 Einleitung 2 Binomialmodell mit einer Periode 3 Binomialmodell mit mehreren Perioden 4 Kritische Würdigung und

Mehr

III Stochastische Analysis und Finanzmathematik

III Stochastische Analysis und Finanzmathematik III Stochastische Analysis und Finanzmathematik Ziel dieses Kapitels ist es, eine Einführung in die stochastischen Grundlagen von Finanzmärkten zu geben. Es werden zunächst Modelle in diskreter Zeit behandelt,

Mehr

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013 Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013 Walter Sanddorf-Köhle Foliensatz Nr. 3 1 / 46 Ein Einperiodenmodell Beispiel 5 Betrachtet wird nun ein Wertpapiermarkt mit

Mehr

II. Bewertung von Derivaten in diskreter Zeit

II. Bewertung von Derivaten in diskreter Zeit II. Bewertung von Derivaten in diskreter Zeit 2.1. Wahrscheinlichkeitstheoretische Grundlagen 2.1.1. Bedingte Erwartungswerte Sei (Ω, F, P) ein Wahrscheinlichkeitsraum. Für A, B F mit P(B) > 0 ist die

Mehr

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele Kapitel 6 Martingale In der Statistik modellieren Martingale z.b. Glücksspiele oder Handelsstrategien in Finanzmärkten und sind ein grundlegendes Hilfsmittel für die statistische Inferenz stochastischer

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Skript. Finanzmathematik I. Max v. Renesse Aufgezeichnet von Tobias Weihrauch. Wintersemester 2012/13 Universität Leipzig. Version vom 4.

Skript. Finanzmathematik I. Max v. Renesse Aufgezeichnet von Tobias Weihrauch. Wintersemester 2012/13 Universität Leipzig. Version vom 4. Skript Finanzmathematik I Max v. Renesse Aufgezeichnet von Tobias Weihrauch Wintersemester 2012/13 Universität Leipzig Version vom 4. März 2013 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Einführung Der

Mehr

Finanzmathematik Bachelorarbeit aus Mathematische Modelle in den Naturwissenschaften im WS 2010

Finanzmathematik Bachelorarbeit aus Mathematische Modelle in den Naturwissenschaften im WS 2010 Finanzmathematik Bachelorarbeit aus Mathematische Modelle in den Naturwissenschaften im WS 2010 Harald Hinterleitner (0755828) und Christof Schöffl (0686939) 28. März 2010 Inhaltsverzeichnis 1 Ein-Perioden-Wertpapiermärkte

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung Ausarbeitung zum Vortrag im Seminar Stochastische Dynamische Optimierung vom 18.01.2008 Datum : 18.01.2008 Verfasser: Martin Schymalla

Mehr

Wichtige Begriffe in der Finanzmathematik

Wichtige Begriffe in der Finanzmathematik Wichtige Begriffe in der Finanzmathematik Forward: Kontrakt, ein Finanzgut zu einem fest vereinbarten Zeitpunkt bzw. innerhalb eines Zeitraums zu einem vereinbarten Erfüllungspreis zu kaufen bzw. verkaufen.

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Das Black-Scholes Marktmodell

Das Black-Scholes Marktmodell Das Black-Scholes Marktmodell Andreas Eichler Institut für Finanzmathematik Johannes Kepler Universität Linz 8. April 2011 1 / 14 Gliederung 1 Einleitung Fortgeschrittene Finanzmathematik einfach erklärt

Mehr

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik Irrfahrten Und ihre Bedeutung in der Finanzmathematik Alexander Hahn, 04.11.2008 Überblick Ziele der Finanzmathematik Grundsätzliches zu Finanzmarkt, Aktien, Optionen Problemstellung in der Praxis Der

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Finanzmathematik. Absichern und Bewerten von Optionen. Arnold Janssen / Klaus Janßen

Finanzmathematik. Absichern und Bewerten von Optionen. Arnold Janssen / Klaus Janßen Finanzmathematik Absichern und Bewerten von Optionen Arnold Janssen / Klaus Janßen Universität Düsseldorf 27.09.2012 Rohstoffe, Devisen, Aktien, Kredite,... haben Preise, die im Laufe der Zeit zufällig

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Francesca BIAGINI, München, Daniel ROST, München Money out of nothing? - Prinziien und Grundlagen der Finanzmathematik Die Finanzmathematik hat als jüngste mathematische Diszilin in den letzten 15 Jahren

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,

Mehr

Derivate und Bewertung

Derivate und Bewertung . Dr. Daniel Sommer Marie-Curie-Str. 0 6049 Frankfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 006/07 Klausur Derivate und Bewertung Wintersemester 006/07 Aufgabe 1: Statische Optionsstrategien

Mehr

2 Das Marktmodell C1(WS08/09) [2] 1

2 Das Marktmodell C1(WS08/09) [2] 1 2 Das Marktmodell 2.1 Ein allgemeines Finanzmarktmodell 2.2 Aufsteigende Systeme von σ-algebren und adaptierte Prozesse 2.3 Elementare Handelsstrategien im Finanzmarktmodell 2.4 Die σ-algebra der previsiblen

Mehr

Einführung in die Finanzmathematik: Diskrete Modelle Skriptum zur Vorlesung (Teile Kainhofer)

Einführung in die Finanzmathematik: Diskrete Modelle Skriptum zur Vorlesung (Teile Kainhofer) Einführung in die Finanzmathematik: Diskrete Modelle Skriptum zur Vorlesung (Teile Kainhofer) Reinhold Kainhofer FAM, TU Wien Mai 2007 Inhaltsverzeichnis 1 Das Ein-Perioden-Modell 1 1.1 Definitionen............................................

Mehr

Finanzmathematik. Vorlesung SS 2005. Jürgen Dippon Institut für Stochastik und Anwendungen Universität Stuttgart

Finanzmathematik. Vorlesung SS 2005. Jürgen Dippon Institut für Stochastik und Anwendungen Universität Stuttgart Finanzmathematik Vorlesung SS 2005 Jürgen Dippon Institut für Stochastik und Anwendungen Universität Stuttgart Homepage der Vorlesung: www.isa.uni-stuttgart.de/lehre/fm Version vom 29. Juli 2005 J. Dippon

Mehr

Ausarbeitung des Seminarvortrags zum Thema

Ausarbeitung des Seminarvortrags zum Thema Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung

Mehr

Diskrete Stochastik der Finanzmärkte. Einführung und Anwendungsbeispiel

Diskrete Stochastik der Finanzmärkte. Einführung und Anwendungsbeispiel Seminarbeitrag Diskrete Stochastik der Finanzmärkte. Einführung und Anwendungsbeispiel Sven Wiesinger 8. Juni 2004 1. Einleitung Historisches. Bei dem Versuch, eine Theorie der Spekulation zu entwickeln,

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Finanzmathematik Vorlesung WS 2010/11

Finanzmathematik Vorlesung WS 2010/11 1. Einführung Finanzmathematik Vorlesung WS 21/11 Jürgen Dippon Institut für Stochastik und Anwendungen Universität Stuttgart Die klassische Finanzmathematik beschäftigt sich in erster Linie mit grundlegenden

Mehr

Einführung in die Finanzmathematik Vorlesung an der TU Darmstadt WS 2004/2005

Einführung in die Finanzmathematik Vorlesung an der TU Darmstadt WS 2004/2005 Einführung in die Finanzmathematik Vorlesung an der TU Darmstadt WS 2004/2005 Jakob Creutzig TU Darmstadt, AG 9 9. Februar 2005 Inhaltsverzeichnis 1 Finanzderivate 2 2 Ein-Perioden-Modellierung 8 3 Prozesse

Mehr

Bewertung von Derivaten im Black-Scholes Modell

Bewertung von Derivaten im Black-Scholes Modell Bewertung von Derivaten im Black-Scholes Modell Bachelorarbeit Westfälische Wilhelms-Universität Münster Fachbereich Mathematik und Informatik Institut für Mathematische Statistik Betreuung: PD Dr. Volkert

Mehr

Bewertung von exotischen Optionen im CRR Modell

Bewertung von exotischen Optionen im CRR Modell Bewertung von exotischen Optionen im CRR Modell Bachelorarbeit von Stefanie Tiemann 11. 08. 2010 Betreuer: Privatdozent Dr. Volkert Paulsen Institut für mathematische Statistik Fachbereich Mathematik und

Mehr

Bewertung von amerikanischen Optionen im CRR Modell. Seminararbeit von Nadja Amedsin

Bewertung von amerikanischen Optionen im CRR Modell. Seminararbeit von Nadja Amedsin Bewertung von amerikanischen Optionen im CRR Modell Seminararbeit von Nadja Amedsin 22.05.10 i Inhaltsverzeichnis 1 Einführung 1 2 Amerikanischer Claim 1 2.1 Beispiele................................ 2

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Optionspreisbestimmung nach Cox-Ross-Rubinstein

Optionspreisbestimmung nach Cox-Ross-Rubinstein Optionspreisbestimmung nach Cox-Ross-Rubinstein Michael Beer 8. Mai 000 Inhaltsverzeichnis Einführung und Problembeschreibung. Was sind Optionen?.............................. Modellspezifikation..............................3

Mehr

Einfache Derivate. Stefan Raminger. 4. Dezember 2007. 2 Arten von Derivaten 3 2.1 Forward... 3 2.2 Future... 4 2.3 Optionen... 5

Einfache Derivate. Stefan Raminger. 4. Dezember 2007. 2 Arten von Derivaten 3 2.1 Forward... 3 2.2 Future... 4 2.3 Optionen... 5 Einfache Derivate Stefan Raminger 4. Dezember 2007 Inhaltsverzeichnis 1 Begriffsbestimmungen 1 2 Arten von Derivaten 3 2.1 Forward..................................... 3 2.2 Future......................................

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

Übung zu Forwards, Futures & Optionen

Übung zu Forwards, Futures & Optionen Übung zu Forwards, Futures & Optionen Vertiefungsstudium Finanzwirtschaft Dr. Eric Nowak SS 2001 Finanzwirtschaft Wahrenburg 15.05.01 1 Aufgabe 1: Forward auf Zerobond Wesentliche Eckpunkte des Forwardgeschäfts:

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

SoSe 2004 Mareen Hofmann, Sonja Lange

SoSe 2004 Mareen Hofmann, Sonja Lange Einführung in die Finanzmathematik Grundlagen SoSe 2004 Mareen Hofmann, Sonja Lange Inhaltsverzeichnis 1 Einleitung 2 2 Finanzmärkte und Instrumente 2 2.1 Finanzmärkte............................. 2 2.2

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Periodische Fahrpläne und Kreise in Graphen

Periodische Fahrpläne und Kreise in Graphen Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf

Mehr

Zur Bewertung von Basket Optionen

Zur Bewertung von Basket Optionen Westfälische Wilhelms-Universität Münster Fachbereich Mathematik und Informatik Institut für Mathematische Statistik Zur Bewertung von Basket Optionen Bachelorarbeit August 2 Leo Bronstein MatrikelNummer

Mehr

Seminar Bewertungsmethoden in der Personenversicherungsmathematik

Seminar Bewertungsmethoden in der Personenversicherungsmathematik Seminar Bewertungsmethoden in der Personenversicherungsmathematik Bonus, das Binomial- und das Black-Scholes-Modell I Carolin Wilms 18.05.2010 Mathematisches Institut der Universität zu Köln Sommersemester

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Bewertung von europäischen und amerikanischen Optionen

Bewertung 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

Mehr

Was kosten Garantien?

Was kosten Garantien? Alternative Zinsgarantien in der Lebensversicherung, Köln, 1. Juni 2012 Was kosten Garantien? Prof. Dr. Ralf Korn Technische Universität Kaiserslautern, Fachbereich Mathematik EI-QFM und Fraunhofer ITWM

Mehr

Kapitel 6 Martingale

Kapitel 6 Martingale Kapitel 6 Martingale Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem ein wichtiges Hilfsmittel für die statistische Inferenz stochastischer Prozesse, insbesondere auch für Zählprozesse

Mehr

Stochastische Finanzmathematik I

Stochastische Finanzmathematik I Notizen zu der Vorlesung Stochastische Finanzmathemati I 1 Zum Ein-perioden-Modell 1.1 Beispiel: Zwei-wertiges Modell: π 0 = 1, S 0 =, { b Wahrs. p S 1 = a Wahrs. 1 p Arbitrage frei: Es gibt p 0, 1) mit

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

Folgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt

Folgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen Dr. Thomas Zehrt Folgen und Reihen Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band, 7. Auflage,

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Money out of nothing? Prinzipien und Grundlagen der Finanzmathematik

Money out of nothing? Prinzipien und Grundlagen der Finanzmathematik Money out of nothing? Prinziien Grlagen der Finanzmathematik Francesca Biagini Daniel Rost Die Finanzmathematik hat als jüngste mathematische Diszilin in den letzten 15 Jahren einen gewaltigen Aufschwung

Mehr

Angewandte Stochastik

Angewandte Stochastik Angewandte Stochastik Dr. C.J. Luchsinger 17 Crash Course Brownsche Bewegung (stetige Zeit, stetiger Zustandsraum); Pricing & Hedging von Optionen in stetiger Zeit Literatur Kapitel 17 * Uszczapowski:

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Mathematische Grundlagen der Ökonomie Übungsblatt 8

Mathematische Grundlagen der Ökonomie Übungsblatt 8 Mathematische Grundlagen der Ökonomie Übungsblatt 8 Abgabe Donnerstag 7. Dezember, 0:5 in H 5+7+8 = 20 Punkte Mit Lösungshinweisen zu einigen Aufgaben 29. Das Bisektionsverfahren sucht eine Nullstelle

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

Derivate und Bewertung

Derivate und Bewertung . Dr. Daniel Sommer Marie-Curie-Str. 30 60439 Franfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 2008/09 Klausur Derivate und Bewertung Wintersemester 2008/09 Aufgabe 1: Zinsurven,

Mehr

Vorbemerkungen zur Optionsscheinbewertung

Vorbemerkungen zur Optionsscheinbewertung Vorbeerkungen zur Optionsscheinbewertung Matthias Groncki 24. Septeber 2009 Einleitung Wir wollen uns it den Grundlagen der Optionsscheinbewertung beschäftigen. Dazu stellen wir als erstes einige Vorraussetzungen

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Internationale Finanzierung 7. Optionen

Internationale Finanzierung 7. Optionen Übersicht Kapitel 7: 7.1. Einführung 7.2. Der Wert einer Option 7.3. Regeln für Optionspreise auf einem arbitragefreien Markt 7.3.1. Regeln für Calls 7.3.2. Regeln für Puts 7.3.3. Die Put Call Parität

Mehr

76 10. WEITERE ASPEKTE

76 10. WEITERE ASPEKTE 76 10. WEITERE ASPEKTE 10. Weitere Aspekte 10.1. Aktien mit Dividendenzahlungen Betrachten wir das Black Scholes-Modell. Falls die Aktie nun Dividenden bezahlt, wird der Wert der Aktie um den Wert der

Mehr

3 Markov-Eigenschaft der Brownschen Bewegung

3 Markov-Eigenschaft der Brownschen Bewegung Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t

Mehr

Stochastische Analysis

Stochastische Analysis Stochastische Analysis SS1 von Steffen Dereich Fachbereich Mathematik und Informatik Philipps-Universität Marburg Version vom 6. Mai 21 Inhaltsverzeichnis 1 Motivation / Einführung 4 1.1 Motivation anhand

Mehr

2. Modelle in diskreter Zeit

2. Modelle in diskreter Zeit 2. Modelle in diskreter Zeit Zuerst werden die derivativen Produkte erklärt. Ausschliesslich mit Arbitrage-Überlegungen wird dann die Put-Call-Parität hergeleitet. Danach folgt ein einfaches und eindrückliches

Mehr

3.2 Black-Scholes Analyse

3.2 Black-Scholes Analyse 3.. BLACK-SCHOLES ANALYSE 39 3. Black-Scholes Analyse Allgemeine Vorüberlegungen Eine Aktie ist eine Anlage ähnlich einem Kredit. Der Anleger bekommt eine Verzinsung, da Kapital ein Arbeitsfaktor ist.

Mehr

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

Aufgaben zur Vorlesung Finanzmanagement

Aufgaben zur Vorlesung Finanzmanagement Aufgaben zur Vorlesung Finanzmanagement B. rke FH Gelsenkirchen, Abteilung Bocholt February 4, 006 Aufgabenblatt: "Bewertung von Optionen" 1 Lösungshinweise 1 uropean Put Option Zeichnen Sie den einer

Mehr

Prüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2015

Prüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2015 Prüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2015 Aufgabe 1: (20 min) a) Gegeben sei ein einperiodiger State Space-Markt mit zwei Zuständen, der aus zwei Wertpapieren bestehe, einer

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

4. Auflage. Kapitel IX: Bubbles

4. Auflage. Kapitel IX: Bubbles Eine Einführung in die Theorie der Güter-, Arbeits- und Finanzmärkte Mohr Siebeck c Kapitel IX: Bubbles Inhaltsverzeichnis Dieses Kapitel widmet sich Finanzmärkten, auf denen Finanzprodukte (Assets) gehandelt

Mehr

Arbitrage Free Pricing

Arbitrage Free Pricing Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels

Mehr

Hochschule Rhein-Main. Sommersemester 2015

Hochschule Rhein-Main. Sommersemester 2015 n Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 18. Mai 2015 n Erinnerung Eine Option ist das Recht (aber nicht die Verpflichtung) ein Produkt S in der Zukunft zu einem heute festgelegten

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

Finanzmanagement 5. Optionen

Finanzmanagement 5. Optionen Übersicht Kapitel 5: 5.1. Einführung 5.2. Der Wert einer Option 5.3. Regeln für Optionspreise auf einem arbitragefreien Markt 5.3.1. Regeln für Calls 5.3.2. Regeln für Puts 5.3.3. Die Put Call Parität

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken

Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken Seminararbeit von Marleen Laakmann 2. Mai 2010 Einleitung Zur Messung und Steuerung von Kreditrisiken gibt es eine Reihe von Methoden und

Mehr

Bewertung von Barriere Optionen im CRR-Modell

Bewertung von Barriere Optionen im CRR-Modell Bewertung von Barriere Optionen im CRR-Modell Seminararbeit von Susanna Wankmueller. April 00 Barriere Optionen sind eine Sonderform von Optionen und gehören zu den exotischen Optionen. Sie dienen dazu,

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Hochschule Rhein-Main. Sommersemester 2015

Hochschule Rhein-Main. Sommersemester 2015 Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 27. April 2015 Diskontfaktoren: Legt man heute (in t) 1 Einheit bis T an, und erhält dafür in T insgesamt x zurück (mit Zinseszins,

Mehr