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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 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 und Filtrationen 26 4 Preismodellierung im n Perioden Modell 43 5 Ausblick: Das Black-Scholes-Modell 67 A Ein Trennungssatz der konvexen Analysis 78 creutzig@mathematik.tu-darmstadt.de 1

2 1 Finanzderivate Das Kapitel gibt einen groben Überblick über moderne Finanzmärkte und die wichtigsten Derivate. Es werden Modellierungsannahmen für einen mathematischen Zugang gefunden und begründet. 1.1 Aktien und andere Finanzgüter Aktien Die typische Großfirma unserer Tage existiert als Aktiengesellschaft (AG) bzw. als Corporation (Inc., USA) oder limited liability company (&Co. Ltd/plc, UK). Die Firma gehört anteilig den Aktieninhabern (shareholder). Eine Aktie gibt also einen anteiligen Besitz der Firma wieder, hat einen Wert 1, zu dem sie gehandelt werden kann, der im Aktienkurs dargestellt wird Bonds Ein Bond ist ein Wertpapier, welches einen garantierten Abnahmewert hat. Die einfachste Form eines Bond ist ein festverzinstes Wertpapier, welches nach Erwerb in seinem Wert nach einer vorgegebenen Zinsrate steigt. Beispiele für solche einfachen Bonds sind z.b. Bundesschatzbriefe. Kompliziertere Bonds benötigen Prämienzahlungen zu vorher festgesetzten Zeiten; diese können (wie z.b. bei Lebensversicherungen oder Bausparverträgen) am Anfang der Laufzeit festgelegt werden oder sich an Finanzmarktfaktoren wie z.b. dem Leitzins orientieren. Wir betrachten in dieser Vorlesung nur einfache Bonds, also festverzinste Wertpapiere. Diese werden an eigenen Märkten, den Rentenmärkten 2, gehandelt Währungen Währungen (Devisen) verhalten sich in ihren relativen Preisen Aktien nicht unähnlich; natürlich sind aber hier die preisbestimmenden Faktoren meist anders gelagert. Devisenkurse und Aktienkurse internationaler Firmen sind oft korreliert (Im-/Export). Devisen werden an Devisenmärkten in erstaunlichen Volumina gehandelt. 1 Was der Wert einer Aktie eigentlich widerspiegelt, ist nicht ganz klar. Eine mögliche Interpretation ist die, daß der Wert einer Aktie im wesentlichen die Einschätzung der Anleger über die künftige Entwicklung eben dieses Wertes widerspiegelt. 2 Der Name erklärt sich daraus, daß viele Firmen zb in den USA solche Bonds primär nutzen, um Betriebsrenten für ihre Mitarbeiter zu finanzieren. 2

3 1.1.4 Waren Warenmärkte handeln mit Großverbrauchsgütern wie Öl, aber auch mit Wertanlagen wie Gold. Wie Aktien unterliegen auch Warenpreise Schwankungen durch äußere Einflüsse; das prominenteste Beispiel unserer Zeit ist der Ölpreis Basisgüter Alle oben beschriebenen Güter wollen wir als Basisgüter bezeichnen. Der Wert (Kurs) eines solchen Basisgutes ändert sich zeitlich, abhängig von äußeren Einflüssen (z.b. Katastrophen, Zinssenkungen, Krieg, Halbjahresbilanzen, neue Ölfelder) und aufgrund der inneren Dynamik des jeweiligen Marktes (z.b. Gewinnmitnahmen nach einem längeren Kursanstieg). Wir sind interessiert an Vorhersagen zum Zeitpunkt 0 über den weiteren Verlauf des Kurses. Weil weder die äußeren Einflüsse noch die innere Dynamik zuverlässig vorhergesagt werden kann, ist es naheliegend, diese Einflüsse gar nicht erst explizit mitmodellieren zu wollen, sondern diese einfach als zufällig 3 anzusehen; unsere erste Modellierungsentscheidung lautet daher: Annahme I: Der Wert eines Basisgutes zu einem beliebigen Zeitpunkt t > 0 ist eine Zufallsgröße, die von einem geeigneten Wahrscheinlichkeitsraum in die Menge (0, ) abbildet. Somit wandelt sich das Problem, die verschiedenen Einflüsse auf den Kurs zu reflektieren, in das Problem, einen geeigneten Wahrscheinlichkeitsraum und eine Familie von Zufallsgrößen hierauf zu finden, welche die mögliche Entwicklung des Kurses in einem gewissen Sinne hinreichend gut modellieren. 1.2 Derivate Der einfache Handel mit Aktien ist für die komplexen wirtschaftlichen Transaktionen unserer Zeit längst nicht mehr ausreichend. Anleger schließen heutzutage Verträge über zukünftige Transaktionen, die von den künftigen Kursverläufen abhängen. Solche Verträge heißen Derivate oder abgeleitete Finanzinstrumente. Die für uns interessantesten Derivate sind Termingeschäfte; hier wird zum Zeitpunkt t 0 vereinbart, in einem (festen oder kursabhängigen) Zeitrahmen [T 0, T 1 ] bestimmte Transaktionen durchzuführen, die vom Kursverlauf eines oder mehrerer Basisgüter abhängt. Der Einfachheit halber setzen wir meist t 0 = 0. Ein Derivat hat stets einen Preis, den 3 Natürlich heißt dies nicht rein zufällig. Ein festverzinster Bond wird stets den gleichen Ertrag bringen. 3

4 eine der Parteien bei Vertragsabschluß zahlen muß. Die Frage, welcher Preis für ein Derivat angemessen ist, wird das zentrale Thema dieser Vorlesung sein Swaps Bei einem Swap tauschen beide Parteien an einem vorher festgelegten Zeitpunkt Basisgüter aus, und zwar in einer Menge, die durch eine festgelegte Formel von den Kursen der Güter zum Endzeitpunkt abhängt. Swaps sind populär im Devisenhandel, aber auch am Rentenmarkt Forwards/Futures Bei einem Forward oder Future verpflichtet sich die eine Partei, von der anderen Partei innerhalb eines künftigen Zeitraumes [T 0, T 1 ] eine festgelegte Menge eines Basisgutes zu einem festgelegten Preis zu kaufen, bzw. ihr zu verkaufen. Ein solcher Handel an einem Finanzmarkt (s.u.) heißt Future, ein individuell geschlossener Vertrag Forward. Der Käufer bei einem solchen Kontrakt ist in einer long position, der Verkäufer in einer short position. Es ist keineswegs unüblich, einen Forward in einer short position zu schließen, obwohl man beim Vertragsabschluß selbst das Basisgut noch gar nicht besitzt (Leerverkäufe oder auch short sellings) Optionen Optionen geben dem Käufer das Recht, aber nicht die Pflicht, ein bestimmtes Gut in einem zukünftigen (festen oder kursabhängigen) Zeitfenster [T 0, T 1 ] zu einem vereinbarten Preis K, dem Ausübungspreis (strike price), zu kaufen oder zu verkaufen. Eine Call Option ist eine mit Kaufrecht, eine Put Option eine mit Verkaufsrecht. Analog spricht man auch hier von long (Käufer der Option) und short (Verkäufer der Option) positions. Das vom Käufer erworbene Recht wird auch Claim genannt; daher wird oft auch gesagt, man habe einen Claim gekauft. Bei einer europäischen Option ist T 0 = T 1, bei einer amerikanischen Option ist T 0 = 0. Diese vier Optionstypen (europäischer Call/Put, amerikanischer Call/Put) sind die vier wichtigsten Typen von Optionen und werden daher auch (plain) vanilla 4 Optionen genannt. Daneben gibt es noch exotische Optionen, z.b. aisatische, lookback- oder Barriereoptionen, auf die wir hier nicht weiter eingehen wollen. Für eine europäische Call Option können wir leicht das optimale Verhalten vorhersagen (Übe das Kaufrecht genau dann aus, wenn der Kurs höher ist als K.), und damit erhalten wir für den Gewinn des Käufers die Formel max{s(t 1 ) K, 0} =: (S(T 1 ) K) +, 4 Viele Süßigkeiten werden in den USA in verschiedenen Geschmacksrichtungen angeboten; der Grundtyp wird dabei meistens mit vanilla bezeichnet. 4

5 wobei S(T 1 ) der Kurswert des entsprechenden Basisgutes zum Zeitpunkt T 1 ist. Analog ist der Gewinn des Käufers einer europäischen Put-Option (K S(T 1 )) Finanzmärkte Es gibt grundsätzlich zwei Arten, Finanzderivate zu handeln. Einerseits gibt es die großen organisierten Börsen (exchanges) mit festen Regeln und Preisen, andererseits den individuellen Handel zwischen zwei Parteien (over-thecounter, OTC). Wichtige Börsen sind die Chigago Board Options Exchange (CBOE), die deutsche Terminbörse (DTB) oder die London International Financial Futures Exchange (LIFFE). Der Großteil des OTC-Handels findet zwischen Banken, hauptsächlich Investmentbanken, statt, z.b. Goldman Sachs, Chase Manhattan oder der deutschen Bank. Der OTC-Handel ist wegen der flexibleren Vertragsmöglichkeiten in letzter Zeit deutlich beliebter geworden und wächst schneller als der Handel an den meisten Terminbörsen. 1.4 Arbitrage Als Arbitrage bezeichnet man die Möglichkeit, durch Kauf und Verkauf von Basisgütern oder Derivaten einen risikolosen Profit zu erzielen, der größer ist, als der durch Bonds erzielbare Profit. Ein simples Beispiel (s. Irle, p.11): Die Aktie A wird in New York und Frankfurt gehandelt; in Frankfurt sei der Kurswert 93 Euro, in New York 100 Dollar, der Dollar koste 0,94 Euro, und es gibt keine Gebḧren oder sonstigen Transaktionskosten. Eine Arbitragemöglichkeit ist nun gegeben durch die Strategie: Kaufe Aktien in Frankfurt, verkaufe sie in New York, und wechsle Dollar in Euro. Dabei entfällt pro Aktie der Gewinn ( ) = 1 Euro. Eine zentrale Annahme für unsere Modellierung basiert auf der folgenden heuristischen Argumentation: Falls eine Möglichkeit zur Arbitrage vorliegt und sie genutzt wird, wird der Markt reagieren und die entsprechenden Preise entsprechend anpassen, sodaß die Arbitragemöglichkeit verschwindet. Daher werden wir für unsere Modellierung annehmen: Annahme II: Ein stabiler Markt ist arbitragefrei. Alle Preise für Güter/Derivate müssen daher so berechnet werden, daß keine Arbitragemöglichkeit existiert. 1.5 Handelsstrategien Die beobachtbaren Handelsstrategien lassen sich grob in drei Kategorien einteilen. 5

6 1.5.1 Hedging Das Wort Hedging hat keine direkte deutsche Übersetzung; es bezeichnet den Versuch, durch klug verteilte Investitionen das Risiko eines (großen) Verlustes zu minimieren. Ein typisches Beispiel ist das einer Firma mit großem Exportvolumen, die sich gegen die Folgen ungünstiger Wechselkurse absichern will und daher Call-Optionen auf ihre Währung kauft. Üblicherweise sind Hedger an ein oder einen Pool von Basisgütern gebunden und wollen sich gegen eine schlechte Entwicklung der Kurse derselben absichern Spekulation Ein Spekulant geht im Gegenteil ein kalkuliertes Risiko ein, um sich Gewinnmöglichkeiten zu verschaffen. Typischerweise ist ein Spekulant uninteressiert an dem zugrundeliegenden Basisgut und lediglich am möglichen Gewinn interessiert; das ermöglicht es den Hedgern, leicht einen Spekulanten zu finden, welcher ihre Risiken übernimmt Arbitrageurs Arbitrageure versuchen ständig, Arbitragemöglichkeiten aufzufinden und zu nutzen; meistens indem sie an zwei oder mehr verschiedenen Finanzmärkten agieren. Scheinbar widerspricht dies der Annahme der Arbitragefreiheit, tatsächlich aber unterstützt die Existenz dieser Strategie die der These zugrunde liegende Heuristik, da mögliche Arbitragen auch schnell gefunden und nach kurzer Zeit durch die Marktdynamik unterbunden werden. 1.6 Weitere Modellierungsannahmen Wir treffen einige weitere Annahmen, die die Modellierung vereinfachen: Annahme III: Der Markt ist reibungsfrei, d.h. es entstehen einem Käufer/Verkäufer keinerlei Transaktionskosten oder Steuern. Annahme IV: Der Markt ist symmetrisch und ohne intrinsische Risiken, d.h. die Preise für Kauf und Verkauf eines Gutes/Derivates sind stets die gleichen, und weiter gelten die gleichen Zinsen für Guthaben und Kredite. Annahme V: Der Markt ist kontinuierlich und unreguliert, d.h. jedes Basisgut kann in beliebig kleinen Mengen erhalten werden, und es können beliebige Optionen abgeschlossen werden. Insbesondere sind Leerverkaeufe in beliebiger Höhe erlaubt. Annahme VI: Der Markt ist gierig, d.h. jeder Teilnehmer bevorzugt höhere Mengen jedes Basisgutes. Annahme VII: Der Markt ist preisindifferent, d.h. der Kauf/Verkauf einer beliebigen Menge an Gütern/Optionen beeinflußt nicht den momentanen Kurs. (Händler sind Preisnehmer, nicht Preismacher.) 6

7 1.7 Beispiel: Call-Put-Parität bei europäischen Optionen Betrachte europäischen Call und Put. Identisch seien: Basisgut, strike price K und Fälligkeitstermin T. Weiter sei ein risikoloser Bond gegeben mit Verzinsung r > 1 bis zur Zeit T. Bezeichnungen: S t der Preis des Basisgutes zur Zeit t, C sowie P die Preise der Call und Put Optionen (zur Ziet t = 0). 1. Strategie: Kauf des Basisgutes und des Put zur Zeit t = 0. Kapitaleinsatz zur Zeit t = 0: Wert des Portfolios zur Zeit T : S 0 + P. S T + (K S T ) + = max{s T, K}. 2. Strategie Lege K/(1 + r) in Bonds an und kaufe Call. Kapitaleinsatz zur Zeit t = 0: Wert des Portfolios zur Zeit T : K/(1 + r) + C. K + (S T K) + = max{s T, K}. Somit: für jeden Preis S T stimmen die Werte beider Portfolios zur Zeit T überein. Das Prinzip der Arbitragefreiheit liefert S 0 + P = K/(1 + r) + C. Denn wäre z.b. S 0 +P < K/(1+r)+C, so würde die folgende kombinierte Strategie risikolosen Profit ergeben: Kaufe das Basisgut und die Put-Option, gebe einen Bon über K/(1 + r) aus und verkaufe einen Call. (Dies ist ein allgemeines Prinzip: Strategien mit identischem Gewinn müssen identische Kosten haben.) 7

8 2 Ein-Perioden-Modellierung 2.1 Erinnerung: Grundbegriffe der Wahrscheinlichkeitstheorie Wahrscheinlichkeitsraum Ein Wahrscheinlichkeitraum ist ein Tupel (Ω, A, P ), sodaß 1. Ω (Grundraum), 2. A P(Ω) 5 ist eine σ-algebra, d.h. (a) Ω A, (b) A A Ω \ A A, (c) A i A, i N i N A i A, 3. P : A [0, 1] Wahrscheinlichkeitsmaß, d.h. (a) P (Ω) = 1, (b) Für alle A i A, i N paarweise disjunkt ist P ( i N A i) = i N P (A i). Wichtige Spezialfälle: diskreter Wahrscheinlichkeitsraum: Ω höchstens abzählbar und A = P(Ω), Absolutstetige Maße: Ω = R n, A σ-algebra der Borel-Mengen 6, f : R n [0, [ integrierbar mit R f(x) dx = 1; definiere WahrscheinlichkeitMaßP n durch P (A) = f(x) dx, A A. Eine Zufallsvariable X ist eine Abbildung X : Ω R mit A {X c} A, c R. Zufallsvektor: Vektor von Zufallsvariablen auf einem gemeinsamen Wahrscheinlichkeitsraum. Konvention: Wir schreiben X = Y, X Y, X > Y usw. für Zufallsvariablen X und Y auf gemeinsamem Wahrscheinlichkeitsraum, falls die entsprechende Relation fast sicher gilt 7. Im folgenden legen wir ohne besondere Erwähnung stets einen Wahrscheinlichkeitsraum (Ω, A, P ) zugrunde. 5 P(Ω) ist die Potenzmenge von Ω 6 D.h., die kleinste σ Algebra, die alle offenen Kugeln als Elemente enthält. Insbesondere sind auch alle abgeschlossenen Mengen enthalten. 7 D.h., es existiert eine Menge Ω 0 A mit P (Ω 0) = 1 und für alle ω Ω gilt X(ω) = Y (ω) (analog >, <, etc.). 8

9 2.2 Definitionen und Beispiele Definition 1. Ein-Perioden-Modell: Preise von g Basisgütern zu zwei Handelszeitpunkten S j,t, j = 1,..., g, t = 0, 1, wobei fest und bekannt, Zufallsvektor. S 0 = S 1 = S 1,0. S g,0 R g S 1,1. S g,1 Hiermit liegt das einfachste stochastische Finanzmarktmodell vor. Definition 2. Portfolio (Wertpapierbestand) 8 Dessen Wert zur Zeit t Portfolio x heißt risikofrei, falls x S t = Für ein risikofreies Portfolio x heißt der zugehörige Diskontierungsfaktor. x R g. g x i S i,t. j=1 x S 0 > 0 x S 1 = 1. B 1 = x S 0. Beispiel 1. Eine festverzinsliche Anlage und eine Aktie mit zwei möglichen Kursen A 1 zur Zeit t = 1. Anfangskurs A 0 > 0 sowie { u A 0 mit Wahrscheinlichkeit p, A 1 = d A 0 mit Wahrscheinlichkeit 1 p für p ]0, 1[ und 0 < d < u. Festverzinsliche Anlage zum Zinssatz ρ > 0. Formal: Wahrscheinlichkeitsraum (Ω, A, P ) mit Ω = {ω 1, ω 2 }, A = P(Ω), P ({ω 1 }) = p, 8 Beachte: x j N 0 zugelassen und x S 1 Zufallsvariable. 9

10 ferner A 1 (ω 1 ) = u A 0 und A 1 (ω 2 ) = d A 0 sowie ( ) ( ) ρ S 0 =, S 1 =. Risikofreies Portfolio A 0 x = ( 1 1+ρ 0 mit Diskontierungsfaktor B 1 = 1/(1 + ρ). Definition 3. Portfolio x heißt Arbitrage (risikoloser Profit), falls x S 0 0 x S 1 0 P ({x S 1 > x S 0 }) > 0. Modell heißt arbitragefrei, falls keine Arbitrage existiert. Fortan vorausgesetzt: Existenz eines risikofreien Portfolios. Lemma 1. Das Modell ist arbitragefrei genau dann, wenn keine Arbitrage x mit x S 0 = 0 existiert. Beweis. Sei x Arbitrage mit x S 0 < 0. Setze z = x + λ y, wobei y risikofrei und λ R. Also z S t = x S t + λ y S t. ) A 1 Wähle Hiermit so daß λ = x S 0 y S 0 > 0. z S 0 = 0, z S 1 = x S 1 + λ > 0, P ({z S 1 > z S 0 }) = 1. Lemma 2. Der Diskontierungsfaktor eines arbitragefreien Modells ist eindeutig bestimmt, d.h. zwei risikofreie Portfolios haben stets denselben Diskontierungsfaktor. Beweis. "Ubung. Beispiel 2. Fortsetzung von Beispiel 1. Es gilt Modell arbitragefrei d < 1 + ρ < u. 10

11 Beweis: 1. Fall d 1 + ρ. Leihe Geld zum Aktienkauf. Formal ( ) A0 x =. 1 Dies definiert eine Arbitrage, da x S 0 = A 0 +A 0 = 0, x S 1 = A 0 (1+ρ)+A 1 A 0 (d (1+ρ)) 0 und P ({x S 1 > 0}) P ({ω 1 }) = p > Fall u 1+ρ. Leihe Aktie zur Geldanlage. Arbitrage x = (A 0, 1). Nachweis wie oben. Sei x Arbitrage mit x S 0 = 0, d.h. x 2 = x 1 /A 0. Dann und somit x S 1 = x 1 (1 + ρ A 1 /A 0 ), x 1 > 0 x S 1 (ω 1 ) < 0, x 1 < 0 x S 1 (ω 2 ) < 0, x 1 = 0 x S 1 = 0. Definition 4. Claim (Anrecht, Forderung) 9 ist reellwertige Zufallsvariable C. Zugehöriger Hedge (Sicherungsgeschäft) 10 ist Portfolio x mit x S 1 = C. Claim heißt absicherbar, falls ein zugehöriger Hedge existiert. Modell heißt vollständig, falls jeder Claim absicherbar ist. Beispiel 3. Das Modell aus Beispiel 1 ist vollständig. Betrachte Claim C und Portfolio x. Dann x Hedge für C x S 1 (ω i ) = C(ω i ), i = 1, 2. Also ist ein Hedge durch das lineare Gleichungssystem x 1 (1 + ρ) + x 2 u A 0 = C(ω 1 ) x 1 (1 + ρ) + x 2 d A 0 = C(ω 2 ) charakterisiert. Als eindeutige Lösung erhält man x 1 = u C(ω 2) d C(ω 1 ) (1 + ρ) (u d) x 2 = C(ω 1) C(ω 2 ). A 0 (u d) 9 Inhaber erhält Auszahlung C zur Zeit t = Verkäufer des Claims sichert sich gegen zufällige Entwicklung ab. 11

12 Speziell: Europäischer Call mit Basispreis K und Verfallstermin T = 1, d.h., C = (A 1 K) +. Zugehöriger Hedge Beachte x 1 = u (d A 0 K) + d (u A 0 K) + (1 + ρ) (u d) x 2 = (u A 0 K) + (d A 0 K) +. A 0 (u d) x 1 0 x 2, also Aufnahme von Geld und Kauf der Aktie. 2.3 Bewertung von absicherbaren Claims Gegeben: arbitragefreies Modell (S 0, S 1 ) und Claim C mit Hedge x. Frage: fairer Preis von C zur Zeit t = 0? Definition mit dem Prinzip der Arbitragefreiheit. Dazu: Claim als neues Basisgut mit Preis C zur Zeit t = 1. Erweitertes Modell auf demselben Wahrscheinlichkeitsraum ( ) ( ) a C S 0 =, S 1 =. S 0 Definition des Preises a des Claims zur Zeit t = 0, so daß die Arbitragefreiheit erhalten bleibt. S 1 Satz 1. (S 0, S 1 ) arbitragefrei a = x S 0. Beweis. 1. Fall: a < x S 0. Arbitrage durch Kauf des Claim, Verkauf des Hedge x und risikofreie Anlage der Differenz. Formale Rechnung: Es existiert Portfolio y mit y S 0 = 1 und y S 1 = 1/B 1. Definiere Dann und z = ( ) 1 + (x S x 0 a) ( ) 0. y z S 0 = a x S 0 + (x S 0 a) 1 = 0 z S 1 = C x S 1 + x S 0 a B 1 2. Fall: a > x S 0. Analog. = x S 0 a B 1 > 0. 12

13 3. Fall: a = x S 0. Betrachte beliebiges Portfolio z = Modell. Es gilt sowie z S 0 = z 0 a + y S 0 = (z 0 x + y ) S 0 z S 1 = z 0 C + y S 1 = (z 0 x + y ) S 1. ( ) z0 im erweiterten y Fazit: Falls z Arbitrage im erweiterten Modell, so ist z 0 x + y Arbitrage im ursprünglichen Modell. Definition 5. In obiger Situation: fairer Preis s(c) des Claim C: s(c) = x S 0. Bemerkung 1. Fairer Preis hängt nicht vom gewählten Hedge ab, sonst Arbitragemöglichkeit. 2.4 Steilkurs: Absolutstetigkeit und Dichten Erinnerung: Der Erwartungswert ist linear. Für jede Zufallsvariable X 0 gilt E(X) 0 sowie E(X) = 0 X = 0. Der Erwartungswert eines Zufallsvektors ist komponentenweise definiert. Definiere N P = {A A : P (A) = 0}. Schreibweise für Erwartungswerte bzgl. P E P (X) = X dp = Ω X dp. Definition 6. Sei Q Wahrscheinlichkeitsmaß auf (Ω, A). Q absolut stetig bzgl. P (in Zeichen Q P ), falls N P N Q. Q äquivalent zu P (in Zeichen Q P ), falls N P = N Q. Sei L Zufallsvariable mit L 0 und LdP = 1. Durch Q(A) = L dp = 1 A L dp, A A, A wird ein Wahrscheinlichkeitsmaß auf (Ω, A) definiert. Definition 7. In obiger Situation heißt L eine P -Dichte von Q (in Zeichen: L = dq dp ). Beispiele in den Fällen Ω endlich, abzählbar und 11 Ω = R d. Eigenschaften: 11 Nicht notwendig P (Ω) = 1. 13

14 i) Q P, Ausblick: Satz von Radon-Nikodym, ii) Q P P ({L > 0}) = 1, iii) L, L P -Dichten von Q P ({L = L }) = 1. iv) Sei X Zufallsvariable. Falls X 0 X dq = X dq dp dp. Stets und ggf. gilt X Q-integrierbar X dq dp P -integrierbar X dq = X dq dp dp. 2.5 Das äquivalente risikoneutrale Wahrscheinlichkeitsmaß Gegeben: Ein-Perioden-Modell (S 0, S 1 ) auf (Ω, A, P ). Welche Rolle spielt das Maß P bei der Bestimmung des fairen Preises? Ziel: fairer Preis als Erwartungswert. Definition 8. Zufallsvariable Z heißt zulässig (bezüglich P ), falls Z > 0, und Z ist beschränkt, 2. E P ( ZS 1 ) < für die euklidische 13 Norm auf R g. Proposition 1. (S 0, S 1 ) arbitragefrei Z zulässig : S 0 = E(Z S 1 ). Beweis. Sei Z zulässig mit S 0 = E(Z S 1 ) und x Arbitrage mit x S 0 = 0. Dann 0 = x S 0 = E(Z x S 1 ) > 0, da Z x S 1 0 und P ({Z x S 1 > 0}) = P ({x S 1 > 0}) > 0. Widerspruch. Betrachte Z = {E(Z S 1 ) : Z zulässig} sowie Z = S Im Spezialfall Ω endlich: Z > Tatsächlich kann man hier E( ZS 1 ) < für eine beliebige Norm auf R g fordern, da auf dem R g alle Normen äquivalent sind. 14

15 Dann: Z zulässig, also Z. Ferner: Z konvex(er Kegel), da {Z : Z zulässig} konvex und Z E(Z S 1 ) linear. Annahme 1: Verwende Satz A.1: S 0 Z. sowie x R g \ {0} β R z Z : x S 0 β x z x S 0 < β z Z : β < x z. Behauptung 1: x ist Arbitrage. Setze Z n = 1 n Z für n N. Dann: Z n zulässig, und z n := E(Z n S 1 ) = 1 n E(Z S 1) 0. Also gilt β 0 und somit x S 0 0. Annahme 1a): P ({x S 1 < 0}) > 0. Dann P ({x S 1 /(1+ S 1 ) < δ}) = ε > 0 für passende δ, ε > 0. Setze Z n = n 1 + S {x S 1 <0} S 1 1 {x S 1 0}, z n = E( Z n S 1 ). Dann: Z n zulässig und ( x z n = x E( Z ( x S 1 ) + ) ( (x S 1 ) + ) n S 1 ) = n E +E, 1 + S S 1 } {{ } δ ε so daß lim n x z n =, im Widerspruch zu x z n β. Also ist Annahme 1a) widerlegt, es gilt folglich x S 1 0. Annahme 1b): x S 0 = 0 = x S 1. Dann gilt für alle z Z mit geeignetem zulässigem Z x z = E(x ZS 1 ) = 0 = β = x S 0. Widerspruch. Damit ist Annahme 1 b) widerlegt, es gilt also x S 0 < 0 oder P ({x S 1 > 0}) > 0, und damit folgt Behauptung 1. Diese widerspricht aber der Voraussetzung, folglich ist Annahme 1 falsch. 15

16 Beispiel 4. Festverzinsliches Wertpapier plus Aktie, siehe Beispiel 1. Hier ( ) ( ) ( ) ρ 1 + ρ S 0 = E(Z S 1 ) = p Z(ω A 1 ) +(1 p) Z(ω 0 ua 2 ), 0 da 0 so daß S 0 = E(Z S 1 ) äquivalent ist zu p Z(ω 1 ) + (1 p) Z(ω 2 ) = ρ, p u Z(ω 1 ) + (1 p) d Z(ω 2 ) = 1. Die Determinante ist hier gegeben durch Man erhält als eindeutige Lösung Z(ω 1 ) = Z(ω 2 ) = p (1 p) (d u) < 0. 1 p(u d) ( 1 d 1 (1 p)(u d) ), 1 + ρ ( u 1 + ρ 1 Also: Positivität von Z äquivalent zur Arbitragefreiheit des Modells, siehe Beispiel 2 (und Proposition 1). ). Im folgenden: Q weiteres Wahrscheinlichkeitsmaß auf (Ω, A). Bemerkung 2. Falls Q P, so gehören zu P und Q offenbar dieselben risikofreien Portfolios, Arbitragen und Hedges. Also besitzt ein absicherbarer Claim bzgl. P und Q denselben Preis. 16

17 Satz 2. Äquivalent sind (i) (S 0, S 1 ) arbitragefrei, (ii) Q W maß B > 0 : Q P E Q ( S 1 ) < S 0 = E Q (B S 1 ). Beweis. (i) (ii) Sei Z gemäß Proposition 1 gewählt, und sei x risikofrei. Also B 1 = x S 0 = E P (Z x S 1 ) = E P (Z), d.h. E P (Z) ]0, [. Definiere B = B 1 und Q(A) = 1 Z dp. B Dann gilt A P Q, E Q ( S 1 ) = 1 B E P (Z S 1 ) <, E Q (S 1 ) = 1 B E P (Z S 1 ) = 1 B S 0. (ii) (i) Es gilt für jedes Portfolio x x S 0 = E Q (B x S 1 ). Aus x S 0 = 0 und x S 1 0 folgt wegen B > 0, daß x S 1 = 0. Somit existiert keine Q-Arbitrage und, gemäß Bemerkung 2, auch keine P -Arbitrage. Definition 9. Jedes Wahrscheinlichkeitsmaß Q gemäß Satz 2 heißt äquivalentes risikoneutrales Wahrscheinlichkeitsmaß. Bemerkung 3. Das äquivalente risikoneutrale Wahrscheinlichkeitsmaß ist i.a. nicht eindeutig bestimmt. Vgl. jedoch Satz 4. Der Faktor B ist stets der eindeutig bestimmte Diskontierungsfaktor B 1. Beweis. Sei Q beliebiges äquivalentes risikoneutrales Wahrscheinlichkeitsmaß und B gemäß (ii) gewählt. Sei x risikofrei. Dann B = E Q (Bx S 1 ) = x S 0 = B 1. Jetzt: Arbitragefreiheit des erweiterten Modells, fairer Preis eines Claims mittels äquivalentem risikoneutralen Wahrscheinlichkeitsmaß ohne explizite Angabe eines Hedges. 17

18 Satz 3. Gegeben: Arbitragefreies Modell (S 0, S 1 ) mit Diskontierungsfaktor B 1 und äquivalentem risikoneutralen Wahrscheinlichkeitsmaß Q sowie absicherbarer Claim C. Dann (( ) ( )) a C, arbitragefrei a = E Q (B 1 C). S 0 S 1 Beweis. Sei x Hedge für C. Dann. Wende Satz 1 an. x S 0 = E Q (x B 1 S 1 ) = E Q (B 1 C). Fazit: In obiger Situation Bewertung durch 1. Diskontieren, 2. Erwartungswertbildung, jedoch nicht bzgl. P sondern bzgl. Q. Bemerkung 4. Bestimmung eines äquivalenten risikoneutralen Wahrscheinlichkeitsmaßes: Ansatz gemäß Beweis von Satz 2 und Bemerkung 3 dq dp = Z B 1, Bestimmung von Z gemäß Proposition 1? Beachte, daß der Beweis dieser Proposition nicht-konstruktiv geführt wird (Trennungssatz). Speziell Ω = {ω 1,..., ω n } endlich mit Ω = n. Dann Q({ω i }) = Z(ω i) B 1 P ({ω i }). Dies führt auf ein lineares Gleichungssystem sowie und n Q({ω i }) S 1 (ω i ) = 1/B 1 S 0 i=1 i = 1,..., n : Q({ω i }) = 0 P ({ω i }) = 0 n Q({ω i }) = 1 i = 1,..., n : Q({ω i }) 0. i=1 Man erhält ein lineares Ungleichungssystem, falls obda P ({ω i }) > 0 für alle i = 1,..., n. 18

19 Beispiel 5. Festverzinsliches Wertpapier plus Aktie. Gelte d < 1 + ρ < u, d.h. Arbitragefreiheit gemäß Beispiel 2. Beispiel 4 liefert ( Z(ω 1 ) = 1 d ), Z(ω 2 ) = 1 p(u d) 1 (1 p)(u d) Beispiel 1 zeigt B 1 = 1/(1 + ρ). Also 1 + ρ ( u 1 + ρ 1 ). q := Q({ω 1 }) = 1 + ρ d u d = 1 Q({ω 2 }) ]0, 1[, und es gilt Q P für jedes Wahrscheinlichkeitsmaß P auf (Ω, P(Ω)). Gemäß Beispiel 3 ist das Modell vollständig. Für jeden Claim C ergibt sich s(c) = E Q (B 1 C) = 1 u d ((1 B 1 d) C(ω 1 ) + (B 1 u 1) C(ω 2 ) ). Ein numerisches Beispiel. Gelte A 0 = 1, ρ = 0.05, u = 2, d = 0.5 sowie C(ω 1 ) = 3, C(ω 2 ) = 1 5. Dann B 1 = 20 21, q = = und s(c) = B 1 (3 q (1 q)) = = Annahme: Verkaufspreis 1, etwa bei irrtümlicher Bewertung bzgl. P mit p = 17/56 = Dann: Kauf des Claim, Verkauf des Hedge ( ) 44/63 x =, 28/15 siehe Beispiel 3. Nettogewinn x 1 + x 2 1 = s(c) 1 = =

20 Bemerkung 5. In Beispiel 5 hängt der faire Preis (und das äquivalente Martingalmaß) nicht vom Wahrscheinlichkeitsmaß P, d.h. vom Parameter p ]0, 1[ ab. Bullen und Bären, die Kurssteigerungen mit großer bzw. kleiner Wahrscheinlichkeit erwarten, können sich allein unter Verwendung des Prinzip der Arbitragefreiheit auf einen fairen Preis einigen. Dies erklärt auch das Attribut risikoneutral. Man beachte jedoch, daß dieser Preis von den Parametern u, d und ρ abhängt. Ein Hedge ergibt sich als Lösung eines linearen Gleichungssystems ohne Berücksichtigung von Wahrscheinlichkeiten. Deshalb überrascht es nicht, daß der faire Preis nicht von den Wahrscheinlichkeiten abhängt. Satz 4. Arbitragefreiheit und Vollständigkeit sichern die Eindeutigkeit des äquivalenten risikoneutrales Wahrscheinlichkeitsmaßes. Beweis. Gelte Q i P und S 0 = E Qi (B 1 S 1 ) für i = 1, 2. Für jedes A A existiert x R g mit x S 1 = 1 A. Also so daß Q 1 (A) = Q 2 (A), da B 1 > 0. x S 0 = E Qi (B 1 x S 1 ) = B 1 Q i (A), Satz 5. Gegeben: arbitragefreies Ein-Perioden-Modell mit endlichem Grundraum Ω. Aus der Eindeutigkeit des äquivalenten risikofreien Wahrscheinlichkeitsmaßes folgt die Vollständigkeit. Beweis. Gelte obda P ({ω}) > 0 für alle ω Ω. Betrachte M := L 2 (Ω, A, P ), den Raum aller quadratisch integrierbaren Zufallsvariablen bzgl. P. Da Ω endlich ist, folgt M = R Ω, und dies ist die Menge aller Claims. Die Menge aller absicherbaren Claims ist gegeben durch S 1 = span{s 1,1,, S g,1 } M. Die Existenz eines risikofreien Portfolios sichert 1 S 1. Ferner S 1 = {U M : E P (U Z) = 0 für alle Z S 1 } 20

21 und M = S 1 S 1. Die Vollständigkeit des Modells ist äquivalent zu M = S 1. Annahme: S 1 = M. Dann existiert U S 1 \ {0}. Sei Q ein äquivalentes risikoneutrales Wahrscheinlichkeitsmaß und Da Ω endlich ist, existiert ε > 0 mit Also: Definiere Q durch dq dp L = dq dp > 0. L := L + ε U > 0. L L E P (L ) = E P (L) +ε E } {{ } P (U 1) = 1. } {{ } 1 0 = L, so daß Q P und Q Q. Schließlich E Q (B 1 S 1 ) = E P ((L + εu) B 1 S 1 ) = E P (LB 1 S 1 ) + εb 1 E P (U S 1 )) } {{ } 0 = E Q (B 1 S 1 ) = S 0, im Widerspruch zur Eindeutigkeit des äquivalenten risikoneutralen Wahrscheinlichkeitsmaß. Beispiel 6. Festverzinsliches Wertpapier plus g 1 Aktien, g > ρ S 0 = 1..., S 1 = A 1..., Ω = {ω 1, ω 2 } 2, A = P(Ω). 1 A g 1 Diskontierungsfaktor: B 1 = 1/(1 + ρ), P (A i = u i ) = p i = 1 P (A i = d i ) (0, 1), und A i unabhängig (also P (A 1 = ε 1 A g 1 = ε g 1 ) = i<g P (A i = ε i ), ε i {d i, u i } ). Nach Hausübung 2.2 ist dies Modell nicht vollständig. Bemerkung 6. Notwendig für die Vollständigkeit eines Modells mit Ω <, und damit für die Festsetzung fairer Preise für beliebige Claims gemäß Definition 5, ist g {ω Ω : P ({ω}) > 0}, 21

22 d.h. es gibt höchstens so viele Kursverläufe wie Finanzgüter. (Siehe Hausübung 2.1 c).) Die natürliche Annahme, daß es mindestens 2 g mögliche Kursverläufe gibt, ist damit also nicht vereinbar. Vgl. Beispiel 6 sowie Übungsaufgabe 1H2; dort zwei sich synchron bewegende Aktien. 2.6 Unvollständige Modelle Literatur: Musiela, Rutkowski, Chap. 4), Föllmer, Schied, Chap. 1.3 Definition 10. Sei (S 0, S 1 ) ein arbitragefreies Modell und C ein Claim. Ein Preis a für C heißt arbitragefrei, falls das erweiterte Modell (a, S 0 ), (C, S 1 ) arbitragefrei ist. Satz 6. Sei (S 0, S 1 ) ein Modell über (Ω, A, P ) mit Diskontierungsfaktor B, sodaß die Menge P der ärwm nichtleer sei. Sei C eine Option mit C 0; dann ist die Menge der arbitragefreien Preise für C gleich { } (C) = E Q (BC) : Q P, E Q (C) <. Falls (C), so gilt ˆπ(C) := inf p p = inf E Q(BC), π(c) := sup (C) Q P p p = sup E Q (BC). (C) Q P Beweis. Die erste Behauptung folgt leicht aus Satz 2. Daraus folgt auch sofort die Behauptung für ˆπ(C). Falls E Q (C) < für alle Q P, ist auch die zweite kein Problem; nehmen wir also an, es gäbe ein Q mit E Q (C) =, dann haben wir zu zeigen, daß (C) unbeschränkt ist. Nehmen wir im Gegenteil an, daß π(c) <, und betrachten eine reelle Zahl π > ˆπ(C). Dann existiert zu π ein Arbitrage Portfolio x = (x g+1, x) R g+1, sodaß x (π, S 0 ) = 0 und x (C, S 1 ) 0 und mit positiver Wahrscheinlichkeit > 0. Wäre x g+1 < 0, so würde folgen C x S 1 } x {{ d+1 =: V x S 1 } x d+1 (wobei die euklidische Norm bezeichne), und da E Q S 1 <, folgt E Q (C) <, Widerspruch. Also muß x g+1 > 0 sein, also C V. Definiere C n := min{c, (n + V + )}, n N. Dann gilt C n V P f.s. und P (C n > V ) = P (C > V ) > 0, also ist x S 0 + x d+1 C n P fast sicher 0 und mit positiver Wahrscheinlichkeit > 0. Also ist π kein arbitragefreier Preis für C n. Nun ist C n aber eine monotone Folge von Zufallsvariablen mit C n < V + n, und daher gilt für n hinreichend groß Satz von der monotonen Konvergenz, siehe Bauer, Satz

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

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

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

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

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

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

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

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

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

Ruinwahrscheinlichkeiten im Glücksspiel

Ruinwahrscheinlichkeiten im Glücksspiel Ruinwahrscheinlichkeiten im Glücksspiel Wilhelm Stannat Fachbereich Mathematik TU Darmstadt February 24, 2007 Stochastik = Wahrscheinlichkeitstheorie + Statistik Wahrscheinlichkeitstheorie = Mathematische

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

Korrigenda Handbuch der Bewertung

Korrigenda Handbuch der Bewertung Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

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

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

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

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

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

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

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

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

Kapitalerhöhung - Verbuchung

Kapitalerhöhung - Verbuchung Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.

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

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

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

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

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

Aktien, D Derivate, A Arbitrage Kursverläufe des DAX: Tagesgang 5.1.2011-1a -

Aktien, D Derivate, A Arbitrage Kursverläufe des DAX: Tagesgang 5.1.2011-1a - : Eine Einführung in die moderne Finanzmathematik Prof. Dr. Dietmar Pfeifer Institut für Mathematik chwerpunkt Versicherungs- und Finanzmathematik Kursverläufe des DA: agesgang 5.1.2011-1a - Kursverläufe

Mehr

Vertical-Spreads Iron Condor Erfolgsaussichten

Vertical-Spreads Iron Condor Erfolgsaussichten www.mumorex.ch 08.03.2015 1 Eigenschaften Erwartung Preis Long Calls Long Puts Kombination mit Aktien Vertical-Spreads Iron Condor Erfolgsaussichten www.mumorex.ch 08.03.2015 2 www.mumorex.ch 08.03.2015

Mehr

Aufgaben Brealey/Myers [2003], Kapitel 21

Aufgaben Brealey/Myers [2003], Kapitel 21 Quiz: 1, 2, 4, 6, 7, 10 Practice Questions: 1, 3, 5, 6, 7, 10, 12, 13 Folie 0 Lösung Quiz 7: a. Das Optionsdelta ergibt sich wie folgt: Spanne der möglichen Optionspreise Spanne der möglichen Aktienkurs

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

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

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

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

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

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

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

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

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

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

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

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

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

Flonia Lengu. Termingeschäfte: Futures und Optionen/Forwards/Futures: Terminkauf und -verkauf

Flonia Lengu. Termingeschäfte: Futures und Optionen/Forwards/Futures: Terminkauf und -verkauf Flonia Lengu Termingeschäfte: Futures und Optionen/Forwards/Futures: Terminkauf und -verkauf Gliederung 1. Einführung in derivative Finanzinstrumente 2. Futures und Optionen 3. Terminkauf und verkauf von

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

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

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

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

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition

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

Seminar Finanzmathematik

Seminar Finanzmathematik Seminar Finanzmathematik Simulationen zur Black-Scholes Formel von Christian Schmitz Übersicht Zufallszahlen am Computer Optionspreis als Erwartungswert Aktienkurse simulieren Black-Scholes Formel Theorie

Mehr

Financial Engineering....eine Einführung

Financial Engineering....eine Einführung Financial Engineering...eine Einführung Aufgabe 1: Lösung Überlegen Sie sich, wie man eine Floating Rate Note, die EURIBOR + 37 bp zahlt in einen Bond und einen Standard-Swap (der EURIBOR zahlt) zerlegen

Mehr

Notationen. Burkhard Weiss Futures & Optionen Folie 2

Notationen. 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

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

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

Seminar Finanzmathematik

Seminar Finanzmathematik Seminar Finanzmathematik Simulationen zur Black-Scholes Formel Seite 1 von 24 Zufallszahlen am Computer 3 Gleichverteilte Zufallszahlen 3 Weitere Verteilungen 3 Quadratische Verteilung 4 Normalverteilung

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

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

Prof. Dr. Arnd Wiedemann Methodische Grundlagen des Controlling und Risikomanagements

Prof. Dr. Arnd Wiedemann Methodische Grundlagen des Controlling und Risikomanagements Prof. Dr. Arnd Wiedemann Methodische Grundlagen des Controlling und Risikomanagements Prof. Dr. Arnd Wiedemann Methoden CRM / WS 12-13 1 Agenda Teil A: Teil B: Teil C: Finanzmathematisches Basiswissen

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

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

Veranlagen Wertpapiere und Kapitalmarkt

Veranlagen Wertpapiere und Kapitalmarkt Ansparen Veranlagen Wertpapiere und und veranlagen Kapitalmarkt 2 2 In jeder Lebensphase, ob in der Jugend oder im Alter, haben Menschen Wünsche, die Geld kosten. Wenn Sie Schritt für Schritt ein kleines

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Finanzmathematik... was ist das?

Finanzmathematik... was ist das? Finanzmathematik... was ist das? The core of the subject matter of mathematical finance concerns questions of pricing of financial derivatives such as options and hedging covering oneself against all eventualities.

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

Investition und Finanzierung

Investition und Finanzierung Tutorium Investition und Finanzierung Sommersemester 2014 Investition und Finanzierung Tutorium Folie 1 Inhaltliche Gliederung des 3. Tutorium Investition und Finanzierung Tutorium Folie 2 Aufgabe 1: Zwischenform

Mehr

VALUATION Übung 5 Terminverträge und Optionen. Adrian Michel Universität Bern

VALUATION Übung 5 Terminverträge und Optionen. Adrian Michel Universität Bern VALUATION Übung 5 Terminverträge und Optionen Adrian Michel Universität Bern Aufgabe Tom & Jerry Aufgabe > Terminpreis Tom F Tom ( + R) = 955'000 ( + 0.06) = 99'87. 84 T = S CHF > Monatliche Miete Jerry

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Numerische Mathematik I 4. Nichtlineare Gleichungen und Gleichungssysteme 4.1 Wo treten nichtlineare Gleichungen auf?

Numerische Mathematik I 4. Nichtlineare Gleichungen und Gleichungssysteme 4.1 Wo treten nichtlineare Gleichungen auf? Numerische Mathematik I 4. Nichtlineare Gleichungen und Gleichungssysteme 4.1 Wo treten nichtlineare Gleichungen auf? Andreas Rieder UNIVERSITÄT KARLSRUHE (TH) Institut für Wissenschaftliches Rechnen und

Mehr

Tutorium zur Mathematik (WS 2004/2005) - Finanzmathematik Seite 1

Tutorium zur Mathematik (WS 2004/2005) - Finanzmathematik Seite 1 Tutorium zur Mathematik WS 2004/2005) - Finanzmathematik Seite 1 Finanzmathematik 1.1 Prozentrechnung K Grundwert Basis, Bezugsgröße) p Prozentfuß i Prozentsatz i = p 100 ) Z Prozentwert Z = K i bzw. Z

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Private Banking. Region Ost. Risikomanagement und Ertragsverbesserung durch Termingeschäfte

Private Banking. Region Ost. Risikomanagement und Ertragsverbesserung durch Termingeschäfte Private Banking Region Ost Risikomanagement und Ertragsverbesserung durch Termingeschäfte Ihre Ansprechpartner Deutsche Bank AG Betreuungscenter Derivate Region Ost Vermögensverwaltung Unter den Linden

Mehr

Vorlesung Finanzmathematik (TM/SRM/SM/MM) Block : Ausgewählte Aufgaben Investitionsrechnung und festverzinsliche Wertpapiere

Vorlesung Finanzmathematik (TM/SRM/SM/MM) Block : Ausgewählte Aufgaben Investitionsrechnung und festverzinsliche Wertpapiere Hochschule Ostfalia Fakultät Verkehr Sport Tourismus Medien apl. Professor Dr. H. Löwe Sommersemester 20 Vorlesung Finanzmathematik (TM/SRM/SM/MM) Block : Ausgewählte Aufgaben Investitionsrechnung und

Mehr

Investition und Finanzierung. Finanzierung Teil 2

Investition und Finanzierung. Finanzierung Teil 2 Fernstudium Guide Online Vorlesung Wirtschaftswissenschaft Investition und Finanzierung Finanzierung Teil 2 Version vom 24.06.2014 Änderung S. 29 ZM_1-ZM_0

Mehr

Ein Cap ist eine vertragliche Vereinbarung, bei der der kaufenden Partei gegen Zahlung einer Prämie eine Zinsobergrenze garantiert wird.

Ein Cap ist eine vertragliche Vereinbarung, bei der der kaufenden Partei gegen Zahlung einer Prämie eine Zinsobergrenze garantiert wird. Zinsoptionen Eine Option ist eine Vereinbarung zwischen zwei Vertragsparteien, bei der die kaufende Partei das Recht hat, ein bestimmtes Produkt während eines definierten Zeitraums zu einem vorher bestimmten

Mehr

Hochschule Rhein-Main. Sommersemester 2015

Hochschule Rhein-Main. Sommersemester 2015 Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 29. Juni 2015 Erinnerung Bewertung eines Bonds mit Kupon k, Nominal N, Laufzeit t n: n Π(t) = N k δ(t i 1, t i ) P (t, t i ) + N P (t,

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0. 1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:

Mehr

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel. Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Finanzwirtschaft. Teil II: Bewertung. Zinssätze und Renten

Finanzwirtschaft. Teil II: Bewertung. Zinssätze und Renten Zinssätze und Renten 1 Finanzwirtschaft Teil II: Bewertung Zinssätze und Renten Agenda Zinssätze und Renten 2 Effektivzinsen Spot-Zinsen Forward-Zinsen Bewertung Kennziffern Zusammenfassung Zinssätze und

Mehr

Kapitalerhöhung - Verbuchung

Kapitalerhöhung - Verbuchung Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.

Mehr

Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de)

Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de) Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de) Aufgabe 1 Betrachten Sie die Cashflows der Abbildung 1 (Auf- und Abwärtsbewegungen finden mit gleicher Wahrscheinlichkeit statt). 1 Nehmen Sie an, dass

Mehr

Im weiteren werden die folgenden Bezeichnungen benutzt: Zinsrechnung

Im weiteren werden die folgenden Bezeichnungen benutzt: Zinsrechnung 4.2 Grundbegriffe der Finanzmathematik Im weiteren werden die folgenden Bezeichnungen benutzt: K 0 Anfangskapital p Zinsfuß pro Zeiteinheit (in %) d = p Zinssatz pro Zeiteinheit 100 q = 1+d Aufzinsungsfaktor

Mehr

Manager. von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen. Spielanleitung

Manager. von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen. Spielanleitung Manager von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen Spielanleitung Manager Ein rasantes Wirtschaftsspiel für 3 bis 6 Spieler. Das Glück Ihrer Firma liegt in Ihren Händen! Bestehen Sie gegen

Mehr

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002) 6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden

Mehr

Übung 2 Erfolgsrechnung

Übung 2 Erfolgsrechnung Controlling in deutschen Unternehmen Übung 2 Erfolgsrechnung Dipl.-Kfm. Florian Böckling, MBA Dipl.-Kfm. Franz Zinser, MBA Lehrstuhl für Controlling Prof. Dr. Louis Velthuis Johannes Gutenberg-Universität

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

Mehr