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

Größe: px
Ab Seite anzeigen:

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

Transkript

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

2

3 Dieses Skript gibt den Inhalt der Vorlesung Finanzmathematik I: Eine Einführung in diskreter Zeit wieder und basiert auf dem Buch Stochastic Finance von Hans Föllmer und Alexander Schied erschienen im De Gruyter Verlag.

4

5 Inhaltsverzeichnis Teil I Arbitragetheorie in diskreter Zeit 1 Arbitragetheorie in einer Periode Grundlagen und das Fundamental Theorem of Asset Pricing Eventualforderungen (Contingent Claims) Vollständigkeit von Marktmodellen Arbitragetheorie im Mehrperiodemodell Grundlagen Mehrperiodemodelle Arbitrage und Fundamental Theorem of Asset Pricing Europäische contingent Claims Vollständige Märkte Das Binomialmodell (Cox-Ross-Rubinstein-Modell) Amerikanische Contingent Claims Grundlagen Bewertung und Hedging in vollständigen Märkten Arbitragefreie Preise und Replizierbarkeit in generellen Märkten Teil II Risikomaße 4 Grundlagen Risikomaße Konvexe Risikomaße Risikomaße und Akzeptanzmengen Robuste Darstellung von konvexen Risikomaßen Endlich additive Mengenfunktionen Robuste Darstellung Konvexe Risikomaße auf L

6 VIII Inhaltsverzeichnis 4.4 Portfoliooptimierung und Bewertung mittels Risikomaßen (CAPM) Appendix A A.1 Grundlagen der Wahrscheinlichkeitstheorie A.1.1 Der Wahrscheinlichkeitsraum A.1.2 Unabhängigkeit A.1.3 Der Satz von Radon-Nikodym, Dichten A.1.4 Die bedingte Erwartung A.2 Martingale A.3 Konvergenz von zufälligen Folgen Appendix B B.1 Geometrische Charakterisierung von arbitragefreien Marktmodellen B.1.1 Grundlagen B.1.2 Anwendung Appendix C C.1 Grundlagen der Funktionalanalysis C.1.1 Normierte Vektorräume, Banachräume, Hilberträume C.1.2 Beispiele normierter Vektorräume, Banachräume, Hilberträume C.1.3 Trennung in endlichdimensionalen Vektorräumen C.1.4 Trennungssätze von Hahn-Banach

7 Teil I Arbitragetheorie in diskreter Zeit

8

9 1 Arbitragetheorie in einer Periode 1.1 Grundlagen und das Fundamental Theorem of Asset Pricing Marktmodell und Arbitrage. Für ein Marktmodell in einer Periode (Einperiodenmodell) sind gegeben: (i) d + 1 Wertpapiere (Assets), d N, (ii) zwei Zeitpunkte: t = 0 (heute) und t = 1 (Zukunft). Zum Zeitpunkt t = 0 sind die Preise (z.b. in EUR) der Wertpapiere bekannt: π i 0 für i = 0,..., d. Zum Zeitpunkt t = 1 sind die Kursentwicklungen bzw. Preise hingegen unsicher. Die zukünftigen Kurse modellieren wir als Zufallsvariablen auf einem geeigneten Wahrscheinlichkeitsraum (Ω, F, P): S i : Ω [0, ), i = 0, 1,..., d. S i (ω) ist dann der Preis des i-ten Assets zum Zeitpunkt t = 1 bei gegebenem Szenario ω Ω. Das 0-te Wertpapier spielt eine besondere Rolle und modelliert ein Bankkonto (Bond). Wir setzen π 0 = 1 und S 0 = S 0 (ω) = 1 + r, wobei r > 1, r R, den Zinssatz modelliert. 1 Euro Startkapital auf meinem Bankkonto zum Zeitpunkt t = 0 entwickelt sich also mit dem deterministischen Zinssatz r zu (1 + r) Euros zum Zeitpunkt t = 1 (für das Bankkonto ist somit die Wertentwicklung zum Zeitpunkt t = 1 schon zum Zeitpunkt t = 0 bekannt). S 0 wird auch als riskfree Asset und S 1,..., S d als risky Assets bezeichnet.

10 4 1 Arbitragetheorie in einer Periode Notation 1.1 Wir notieren π := ( π 1,..., π d) R d +, π := ( π 0, π 1,..., π d) (= (π 0, π)) R d+1 +, S := ( S 1,..., S d), S := ( S 0, S 1,..., S d) (= (S 0, S)). Definition 1.2 Ein Portfolio oder auch Strategie ist ein Vektor ξ = ( ξ 0, ξ ) = ( ξ 0, ξ 1,..., ξ d) R d+1, wobei ξ i die Anzahl des i-ten Assets im Portfolio ist (insbesondere entspricht ξ 0 dem Geld auf der Bank). Der Anfangswert (Preis) eines Portfolios zur Zeit t = 0 wird gegeben durch V 0 = ξ π = d ξ i π i i=0 und der Endwert desselben Portfolios zur Zeit t = 1 durch V 1 = ξ S = d ξ i S i. Bemerkung 1.3 In der Definition unseres Marktmodells sind folgende Annahmen impliziert: i=0 (a) ξ i < 0 möglich, das heißt short selling ist erlaubt. (b) Keine Transaktionskosten. (c) Kein Unterschied zwischen Kauf-/Verkaufspreis (kein Bid/Ask-Spread). (d) Liquidität: alle Assets sind in beliebig großer Zahl verfügbar/verkäuflich, zudem beliebig stückelbar. Definition 1.4 Die diskontierten Preise definieren wir durch X i := Si 1 + r, i = 0,..., d und die diskontierten Wertveränderungen durch Weiter definieren wir: Y i := X i π i = Si 1 + r πi, i = 1,..., d.

11 1.1 Grundlagen und das Fundamental Theorem of Asset Pricing 5 X := (X 0, X) := (1, X 1,..., X d ) und Bemerkung 1.5 Y := ( Y 1,..., Y d). (a) Wir betrachten diskontierte Preise, um Preise in t = 1 mit Preisen in t = 0 vergleichen zu können: 1 Euro heute ist mehr wert als 1 Euro zum Zeitpunkt t = 1 (unter der Annahme positiver Zinsen r > 0). Deshalb betrachten wir Preise nicht in der Einheit Währung sondern in der Einheit Bond (1 Bond heute ist 1 Bond in t = 1). Für die diskontierten Preise verwenden wir daher den Bond als Numéraire. (b) Alternativ könnte jedes andere strikt positive Wertpapier (bzw. Portfolio) als Numéraire verwendet werden (das heißt, alle Preise werden in Einheiten dieses Numéraire ausgedrückt). Definition 1.6 Ein Portfolio ξ R d+1 heißt Arbitragemöglichkeit oder einfach Arbitrage, falls V 0 = ξ π 0, V 1 = ξ S 0, P f.s., und P ( ξ ) S > 0 > 0. Ein Marktmodell ( π, S) nennen wir arbitragefrei, falls es keine Arbitrage zulässt. Bemerkung 1.7 (i) Unter einer Arbitragemöglichkeit versteht man also die Möglichkeit, einen risikofreien Gewinn zu erzielen. Wir gehen davon aus, dass in effizienten Märkten Arbitragemöglichkeiten nicht realisierbar sind. Diese Arbitragefreiheit wird im Folgenden unsere Schlüsselannahme zur Bewertung von Finanzprodunkten sein. (ii) Ist ein Marktmodell arbitragefrei, so gilt S i = 0 P f.s. falls π i = 0, weshalb wir im Folgenden o. B. d. A. (kurz für ohne Beschränkung der Allgemeinheit) π i > 0 voraussetzen können. (iii) In der Definition von Arbitrage spielt P nur bei der Festlegung der Nullmengen eine Rolle. Daher gilt: ist Q ein zu P äquivalentes Wahrscheinlichkeitsmaß, so ist ξ eine Arbitragemöglichkeit bezüglich P genau dann, wenn ξ eine Arbitragemöglichkeit bezüglich Q ist. Lemma 1.8 Es sind äquivalent: (a) Es existiert eine Arbitragemöglichkeit. (b) Es existiert ξ R d+1, so dass ξ π 0, ξ X 0 P f.s. und P ( ξ X > 0 ) > 0, wobei X := ( X 0,..., X d).

12 6 1 Arbitragetheorie in einer Periode (c) Es existiert ξ R d mit das heißt ξ Y 0 P f.s. und P (ξ Y > 0) > 0, ξ S (1 + r) ξ π P f.s. und P (ξ S > (1 + r) π) > 0. Beweis: Übung. Fundamental Theorem of Asset Pricing. Nun kommen wir zum Hauptsatz des Kapitels. Zunächst führen wir folgende Definition ein: Definition 1.9 Ein Wahrscheinlichkeitsmaß P auf (Ω, F) heißt risikoneutrales Maß oder Martingalmaß, falls [ ] S π i i = E P, für alle i = 0,..., d. 1 + r Wir notieren mit P := {P P P, P ist Martingalmaß} die Menge der äquivalenten Martingalmaße. Theorem 1.10 (FTAP - Fundamental Theorem of Asset Pricing) Ein Markt ist arbitragefrei genau dann, wenn P. In diesem Fall existiert sogar ein P P mit beschränkter Radon-Nikodym- Dichte dp dp. Beweis: Angenommen es gelte P. Sei P P und ξ R d+1 eine Strategie, so dass ξ X 0 P f.s. und P ( ξ X > 0 ) > 0. Dann gilt 0 < E P [ ξ X] = ξ EP ξ kann also keine Arbitragemöglichkeit sein. Nun die andere Richtung der Äquivalenz. [ X] Def. 1.9 = ξ π, (i) Ohne Beschränkung der Allgemeinheit können wir E P [ Y ] < annehmen, das heißt E P [ Y i ] < für alle i = 1,..., d, denn falls E [ Y ] = ist, betrachte P gegeben durch d P dp = 1 1+ Y c, 1 wobei c := E P[ 1. Dann gilt 1+ Y ]

13 1.1 Grundlagen und das Fundamental Theorem of Asset Pricing 7 [ ] d P E P = 1, dp d P dp > 0 und d P dp < c. Damit erhalten wir [ ] d P E P [ Y ] = E P dp Y [ ] 1 = E P 1 + Y Y c c <. Mit Bemerkung 1.7 folgt nun: Der Markt ist arbitragefrei unter P genau dann, wenn er unter P arbitragefrei ist. Weiterhin, angenommen es gibt ein P P mit beschränkter Dichte dp. d P Dann ist auch dp dp = dp d P d P dp beschränkt. (ii) Sei also E P [ Y ] <. Wir definieren: und Q := { Q Q Wahrscheinlichkeitsmaß, Q P, C := {E Q [Y ] Q Q}, 1 } dq dp beschränkt wobei E Q [Y ] gerade der Vektor E Q [Y ] := ( E Q [ Y 1 ],..., E Q [ Y d ]) ist. Es gibt ein äquivalentes Martingalmaß P P Q genau dann, wenn 0 C. Angenommen 0 / C. Es gilt offensichtlich, dass P Q und somit C. Weiter ist C konvex, denn sei 0 < α < 1 und E Q1 [Y ], E Q2 [Y ] C, dann gilt αe Q1 [Y ] + (1 α) E Q2 [Y ] = E Qα [Y ] C, mit Q α = αq 1 + (1 α) Q 2 Q. Aus dem Trennungssatz in endlicher Dimension (siehe Satz C.15) folgt nun die Existenz eines ξ R d mit Aus (1.2) folgt ξ E Q [Y ] 0 für alle Q Q, (1.1) ξ E Q 0 [Y ] > 0 für mindestens ein Q 0 Q. (1.2) 1 [ E ] dq [ Q Y i = E dq dp P Y i] beschränkt [ c E dp P Y i ] [ <, wobei c R. Da Y integrierbar unter P ist folgt nun, dass E ] Q Y i wohldefiniert ist.

14 8 1 Arbitragetheorie in einer Periode Da P Q 0, folgt nun Q 0 (ξ Y > 0) > 0. P (ξ Y > 0) > 0. Bleibt also nur noch zu zeigen, dass ξ Y 0 P f.s.. Dazu definieren wir ϕ n := ( 1 1 ) 1 A + 1 n n 1 A C, wobei n = 2, 3, 4,... und A := {ξ Y < 0} und A C = Ω \ A die zu A komplementäre Menge ist. Weiter definieren wir Wahrscheinlichkeitsmaße Q n P durch dq n dp = ϕ n, für n = 2, 3, 4,.... E P [ϕ n ] Dann gilt 0 < dqn dp 1 und damit Qn Q. Aus (1.1) folgt nun ξ E Q n [Y ] = E Q n [ξ Y ] = E P [ξ Y ϕ n ] E P [ϕ n ] 0 und damit [ ] lim E P [ξ Y ϕ n ] = E P ξ Y lim ϕ n n n = E P [ξ Y 1 A ] 0, wobei in der ersten Gleichung der Satz der dominierten Konvergenz angewandt wurde. Also P (A) = 0 und somit ξ Y 0 P f.s.. Mit Lemma 1.8 folgt nun, dass ξ eine Arbitragemöglichkeit ist. Dies ist aber ein Widerspruch zur Annahme, dass das Marktmodell arbitragefrei ist. Das heißt 0 C.

15 1.1 Grundlagen und das Fundamental Theorem of Asset Pricing 9 Korollar 1.11 Sei lediglich S = (S 0,..., S d ) gegeben. (a) Die Menge aller möglichen abritragefreien Preise ist gegeben durch: Π := { E Q [ X] Q Q }, wobei Q := {Q Wahrscheinlichkeitsmaß Q P, dq dp beschränkt}. (b) Die Menge Π ist konvex und nicht-leer. Beweis: (a) Folgt direkt aus dem Theorem 1.10 (FTAP). (b) Q ist konvex und nicht-leer und somit auch Π, weil die Abbildung Q Q E Q [ X] Π affin ist. Beispiel 1.12 Sei (Ω, F, P) ein Wahrscheinlichkeitsraum mit Ω = {ω 1,..., ω n }, F = P(Ω) (Potenzmenge) und P(ω i ) =: p i > 0. Wir betrachten einen Markt bestehend aus einem Bond und aus einem risky Asset Dabei sei: S 1 (ω 1 ) =: s 1,..., S 1 (ω n ) =: s n. Wann ist dieses Modell arbitragefrei? Ein Wahrscheinlichkeitsmaß P P ist hier gegeben durch einen Vektor ( p 1,..., p n ) mit p i > 0, i = 1,..., n, und n i=1 p i = 1 (es gilt dann P(ω i ) = p i, i = 1,..., n). Laut Korollar 1.11 ist der Markt arbitragefrei genau dann, wenn { n π 1 (1 + r) s i p i p i > 0, i=1 } n p i = 1. Also existiert ein äquivalentes Martingalmaß P genau dann, wenn p i := P (ω i ) folgende Bedingungen erfüllt: i=1

16 10 1 Arbitragetheorie in einer Periode (i) p i > 0, p p n = 1, (ii) π 1 (1 + r) = s 1 p s n p n. Falls eine Lösung von (i) und (ii) existiert, dann ist sie für n = 2 eindeutig und für n > 2 gibt es unendlich viele Lösungen. Replizierbare Auszahlungsprofile und das Gesetz eines eindeutigen Preises Definition 1.13 Der lineare Vektorraum von Zufallsvariablen V := { ξ S ξ R d+1 } wird die Menge der replizierbaren Auszahlungsprofile (attainable payoffs) genannt (Payoffs die durch ein Portfolio generiert werden können). Im Allgemeinen existiert für V V kein eindeutiges generierendes Portfolio. Es gilt jedoch die folgende Proposition: Proposition 1.14 (Law of one price) Sei das Marktmodell arbitragefrei und V V mit V = ξ S = η S P f.s. für ξ η R d+1. Dann gilt ξ π = η π und π(v ) := ξ π ist der eindeutige arbitragefreie Preis von V. Beweis: Wähle P P 2. Dann gilt: ξ π = ξ E P [ X] = E P [ ξ X] = E P [ η X] = η E P [ X] = η π Alle anderen Preise würden offensichtlich eine Arbitragemöglichkeit ergeben. Renditen Definition 1.15 Der Markt sei arbitragefrei und V V mit π(v ) 0. Dann definieren wir die Rendite (Return) von V durch: Insbesondere gilt, falls: R(V ) := V π(v ). π(v ) 2 Da der Markt arbitragefrei ist, gilt laut Theorem 1.10 (FTAP) P.

17 1.1 Grundlagen und das Fundamental Theorem of Asset Pricing 11 (i) V = S 0, so folgt R(V ) = R(S 0 ) = S0 π(s 0 ) π(s 0 ) = r = r. 1 (ii) V = n k=1 α kv k, 0 V k V, so folgt wobei β k = α kπ(v k ) π(v ). R(V ) = V π(v ) π(v ) n k=1 = α kv k n k=1 α kπ(v k ) n k=1 α kπ(v k ) = = (iii) V = ξ S, so folgt aus (ii) n k=1 α k π(v k ) π(v k ) n β k R(V k ), k=1 R(V ) = d i=0 Vk π(v k ) α k π(v k ) ξ i π i ξ π R(Si ). Proposition 1.16 Sei der Markt arbitragefrei und sei V V mit π(v ) 0. Dann gilt: (a) Für P P ist E P [R(V )] = r (unter einem äquivalenten Martingalmaß P besitzt jedes Portfolio den risikofreien Zinssatz r als erwartete Rendite!). (b) Für Q P, P P mit E P [ S ] < ist ( ) dp E Q [R(V )] = r cov Q dq, R(V ), Beweis: wobei wir mit cov Q die Kovarianz bezüglich Q notieren.

18 12 1 Arbitragetheorie in einer Periode (a) Da E P [V ] = π(v )(1 + r), gilt: E P [R(V )] = E P [V ] π(v ) = r. π(v ) (b) Sei ϕ = dp dq. Dann gilt: cov Q (ϕ, R(V )) = E Q [ϕ R(V )] E Q [ϕ ] E Q [R(V )] } {{ } =1 = E P [R(V )] E Q [R(V )]. Mit (a) folgt nun die Behauptung. Bemerkung 1.17 (Redundante Marktmodelle) Das Marktmodell sei arbitragefrei und ξ R d+1, so dass ξ S = 0 P f.s.. Falls ξ 0, existiert i {0,..., d}, so dass ξ i 0 und S i = 1 ξ i ξ k S k, k=0 k i π i = 1 ξ i ξ k π k. k=0 k i Das Wertpapier S i ist somit redundant (kann durch die übrigen Wertpapiere dargestellt werden) und kann weggelassen werden. O. B. d. A. nehmen wir deshalb im Folgenden an: Wenn ξ S = 0 P f.s., dann gilt ξ = 0. (1.3) Falls (1.3) gilt, heißt das Marktmodell nicht-redundant. Bemerkung 1.18 (Numéraire) Die Definition von Arbitrage ist unabhängig von der Wahl des Numéraires. Daher können wir analoge Ergebnisse des Theorems 1.10 (FTAP) für einen beliebigen Numéraire herleiten. Nehmen wir zum Beispiel an π 1 > 0, S 1 > 0 P f.s., können wir das erste Wertpapier als Numéraire, das heißt als Preiseinheit, verwenden. Definition. P P ist ein äquivalentes Martingalmaß bezüglich dem Numéraire S 1, falls: π i [ ] S i π 1 = E P S 1, i = 0,..., d. Sei P := { P äquivalentes Martingalmaß bzgl. Numéraire S 1 }. Dann gilt:

19 (a) P = { P } d P dp = S1 E P [S 1 ], P P. (b) P P =, falls S 1 P f.s. nicht-konstant. 1.2 Eventualforderungen (Contingent Claims) 13 Beweis: Übung. 1.2 Eventualforderungen (Contingent Claims) Definition 1.19 Ein Contingent Claim (oder Claim) ist eine Zufallsvariable C auf (Ω, F, P), so dass 0 C < P f.s.. Ein Derivat ist ein Contingent Claim C welcher σ(s 0,..., S d )-messbar ist, d.h. C = f(s 0,..., S d ), für eine messbare Funktion f : R d+1 R +. Bemerkung 1.20 (a) Ein Contingent Claim ist ein Finanzprodukt, bei dem der Verkäufer des Claims sich zur Zahlung von C = C(ω) (Payoff) an den Käufer zum Zeitpunkt t = 1 verpflichtet. (b) An Finanzmärkten existieren auch Claims/Derivate mit möglichen negativen Payoffs (Kombination von long/short-positionen in Derivate mit nicht negativen Payoffs). Beispiel 1.21 (Ein paar Derivate) (a) FORWARD Ein Vertrag in dem zum Zeitpunkt t = 0 ein fester Preis K (forward price) für ein bestimmtes Wertpapier S i zum Zeitpunkt t = 1 vereinbart wird. Payoff: C(ω) = S i (ω) K. (b) CALL OPTION Ein Vertrag, der dem Käufer der Call Option die Möglichkeit (Option), aber nicht die Verpflichtung gibt, ein Wertpapier S i zu einem festen Preis K (strike price) zum Zeitpunkt t = 1 zu kaufen. Payoff: C(ω) = ( S i (ω) K) + := max{s i K, 0}. } {{ } Basiswert

20 14 1 Arbitragetheorie in einer Periode (c) PUT OPTION Ein Vertrag, der dem Käufer der Put Option die Möglichkeit aber nicht die Verpflichtung gibt, ein Wertpapier S i zu einem festen Preis K (strike price) zum Zeitpunkt t = 1 zu verkaufen. Zum Zeitpunkt t = 1 gilt: S i K = (S i K) + (K S i ) +. Unter der Arbitragefreiheit muss dann auch die Gleichheit für die Preise zum Zeitpunkt t = 0 gelten: π i K = π(call) π(p ut). 1 + r Daraus folgt die sogenannte Put-Call-Parität: π(call) = π(p ut) + π i K 1 + r. (d) BASKET-OPTION Optionen/Derivate auf ein Portfolio von Wertpapieren mit V (ω) = ξ S(ω) als Basiswert. Zum Beispiel: Call: (V K) + Put: (K V ) +.

21 1.2 Eventualforderungen (Contingent Claims) 15 (e) STRADDLE Eine Absicherung dagegen, dass sich ein Portfoliowert V = ξ S von seinem Anfangswert π(v ) weg bewegt, egal in welche Richtung: C = (V π(v )) + + (π(v ) V ) + (= Call + P ut ) = V π(v ). Definition 1.22 (arbitragefreie Preise eines Claims) π C 0 ist ein arbitragefreier Preis für einen Claim C, falls der erweiterte Markt (π 0,..., π d, π d+1 = π C ), (S 0,..., S d, S d+1 = C) (1.4) arbitragefrei ist. Wir notieren die Menge aller arbitragefreien Preise von C mit Π(C). Proposition 1.23 Sei C ein Claim in einem arbitragefreien Markt ( π, S). Dann ist die Menge Π(C) aller arbitragefreien Preise für C gegeben durch: { [ ] } C Π(C) = E P P P äquivalentes Martingalmaß mit E P [C] < 1 + r Π(C) ist ein nicht-leeres Intervall. Beweis: Sei π C Π(C). Laut Theorem 1.10 (FTAP) existiert ein äquivalentes Martingalmaß P für unseren erweiterten Markt (1.4), d.h. [ ] S P i P und E P = π i für alle i = 0,..., d r Insbesondere ist dann wegen

22 16 1 Arbitragetheorie in einer Periode E P [ ] C = π C 1 + r P P und E P [ C ] = E P [C] = (1 + r)π C <. [ ] Sei nun π C := E P für ein P P. Dann ist P auch ein äquivalentes C 1+r Martingalmaß für den erweiterten Markt (1.4). Laut Theorem 1.10 (FTAP) ist dann π C Π(C). Wir zeigen nun, dass Π(C) ein nicht-leeres Interval ist. (i) Zunächst zeigen wir, dass Π(C) konvex ist: für P 1, P 2 P mit E P 1,P [C] < und λ [0, 1] gilt: 2 [ ] [ ] [ ] C C C λe P 1 + (1 λ)e P 1 + r 2 = E P Π(C), 1 + r 1 + r wobei P := λp 1 + (1 λ)p 2 P und E P [C] <. (ii) Nun zeigen wir, dass Π(C) nicht-leer ist. Sei P P definiert durch Dann gilt: d P dp = C 1 [ E P 1 1+C [ ] E P[C] 1 = E P 1 + C C 1 [ E P ]. 1 1+C ] <. Laut Theorem 1.10 (FTAP) existiert ein äquivalentes Martingalmaß P P mit dp dp beschränkt, d.h. k, für eine Konstante k > 0, so d P d P dass ] E P [C] = E P [C dp K dp E P[C] <. [ ] Somit gilt π C = E P Π(C). C 1+r Definition 1.24 Die untere bzw. obere Arbitragegrenze eines Claims C ist definiert als π inf (C) := inf Π(C) [0, ) bzw. π sup (C) := sup Π(C) [0, ]. Theorem 1.25 (Dualitätsrelationen für Arbitragegrenzen) In einem arbitragefreien Marktmodell sind die Arbitragegrenzen eines Claims C gegeben durch

23 1.2 Eventualforderungen (Contingent Claims) 17 (a) (b) π inf (C) = inf P P E P = max π sup (C) = sup [ C ] 1 + r { m [0, ) ξ R d mit m + ξ Y E P P P = min [ C ] 1 + r { m [0, ) ξ R d mit m + ξ Y C } 1 + r P f.s.. C } 1 + r P f.s.. Beweis: Wir beweisen nur (b), der Fall (a) wird analog bewiesen. Zunächst zeigen wir, dass π sup (C) inf M, wobei { M := m [0, ] ξ R d mit m + ξ Y C } 1 + r P f.s.. Sei m M und P P. Dann folgt und damit E P inf M sup E P P P [ ] P C P E P [m + ξ Y ] = m 1 + r [ ] C 1 + r Nun zeigen wir inf M π sup (C). 1. Der Fall π sup (C) = ist trivial. sup E P P P E P [C]< [ ] C = π sup (C). 1 + r 2. Sei π sup (C) < und m > π sup (C). Aus Proposition 1.23 folgt die Existenz einer Arbitragemöglichkeit im erweiterten Markt mit π d+1 = m und S d+1 = C. Also existiert ein ( ξ, ξ d+1 ) R d+1, so dass ( ) C ξ Y + ξ d r m 0 P f.s. und ( ( ) C P ξ Y + ξ d r m ) > 0 > 0 P f.s..

24 18 1 Arbitragetheorie in einer Periode Da das ursprüngliche Marktmodell (π, S) arbitragefrei ist, ist ξ d+1 0. Desweiteren gilt für P P mit E P [C] < [ ( )] ( [ ] ) C C E P ξ Y + ξ d r m = ξ d+1 E P m r Da m > π sup (C) gilt aber E P [ ] C m < r Und damit ξ d+1 < 0. Daraus folgt für η := ξ ξ d+1 also m M. Es folgt nun m + η Y C 1 + r P f.s., inf M π sup (C). Zuletzt zeigen wir, dass { inf M = min m [0, ) ξ R d mit m + ξ Y C } 1 + r P f.s.. Ohne Beschränkung der Allgemeinheit sei inf M < und das Marktmodell nicht redundant (Bemerkung 1.17). Sei (m n ) n N M mit lim m n = inf M = π sup (C) n und wähle für alle n N ein ξ n R d, so dass m n + ξ n Y C 1 + r P f.s.. 1. Fall: (ξ n ) n N beschränkt (d.h. es existiert k > 0, so dass ξ n < k für alle n N). k Dann existiert eine konvergente Teilfolge ξ nk ξ R d, so dass das heißt π sup (C) + ξ Y = lim (m n k + ξ nk Y ) C k 1 + r P f.s., π sup (C) M.

25 1.2 Eventualforderungen (Contingent Claims) Fall: (ξ n ) n N nicht beschränkt. Es existiert also eine Teilfolge ξ nk, so dass lim k ξ n k =. Definiere η k := ξ n k ξ nk, k N. Offensichtlich gilt η k = 1 für alle k N. Die Folge (η k ) k N ist also beschränkt. l Es existiert also eine konvergente Teilfolge η kl η mit η = 1. Dann gilt ( ) mnkl lim l ξ nkl + η C 1 k l Y = η Y lim l 1 + r ξ nkl = 0, P f.s. Da das Martkmodell arbitragefrei ist, folgt η Y = 0 P f.s. Außerdem ist das Marktmodell nicht redundant, was η = 0 impliziert. Dies steht im Widerspruch zu η = 1. Demnach ist nur der erste Fall möglich. Definition 1.26 Sei C ein Claim. Ein Portfolio ξ R d+1 heißt Sub- bzw. Superhedge von C, falls ξ S C bzw. ξ S C P f.s.. Wir nennen ξ π Sub- bzw. Superhedgingpreis von C. Gilt sogar ξ S = C P f.s., dann heißt der Claim C replizierbar (oder attainable), d.h. C V aus Definition Wir nennen ξ Hedge, oder replizierendes Portfolio von C. Bemerkung 1.27 (a) Sei ξ ein Superhedge von C. Für den Claimpreis π C = ξ π (Superhedgingpreis) kann sich der Verkäufer des Claims mittels Kauf des Superhedgeportfolios gegen jegliche Claimforderung zum Zeitpunkt t = 1 absichern. (b) Analog bietet für einen Subhedge ξ der Claimpreis π C = ξ π (Subhedgingpreis) dem Käufer die Möglichkeit den Claimpreis durch Verkauf des Subhedgeportfolios zu decken. (c) Ist C replizierbar durch ein Portfolio ξ, so ist der Preis ξ π des replizierenden Portfolio sowohl (maximaler) Subhedgingpreis wie auch (minimaler) Superhedgingpreis. Interpretation von (a) und (b) in Theorem 1.25 zu (b): Ist ξ ein Superhedge von C, so erfüllen m := ξ π und η = ξ

26 20 1 Arbitragetheorie in einer Periode denn es gilt m + η Y C 1 + r P f.s., genau dann, wenn ξ S 1 + r C 1 + r ξ π }{{} =m + ξ S 1 + r ξ π } {{ } =η Y Sei umgekehrt m [0, ) und η R d, so dass C 1 + r. m + η Y C 1 + r P f.s.. Dann ist ξ = (m η π, η) ein Superhedge von C mit ξ π = m. π sup (C) in (b) ist also der minimale Superhedingpreis. zu (a): Analog ist π inf (C) in (a) der maximale Subhedgingpreis. Korollar 1.28 Das Marktmodell sei arbitragefrei, weiterhin sei C ein Claim. (a) C ist replizierbar genau dann, wenn ein eindeutiger arbitragefreier Preis π C existiert, d.h. Π(C) = 1. (b) Ist C nicht replizierbar, so gilt und Beweis: (a) Ist C replizierbar, so gilt π inf (C) π inf (C) < π sup (C) Π(C) = (π inf (C), π sup (C)). T hm P rop = π sup (C) Π(C), d.h. Π(C) = 1. Die Umkehrung folgt aus (b). (b) Aus Proposition 1.23 folgt, dass Π(C) ein nicht-leeres Intervall ist. Wir zeigen nun π inf (C), π sup (C) / Π(C).

27 1.2 Eventualforderungen (Contingent Claims) 21 Aus Theorem 1.25 folgt die Existenz eines ξ R d, so dass π inf (C) + ξ Y C 1 + r P f.s.. (1.5) Wir betrachten nun den erweiterten Markt ( (π, π inf (C)), (S, C) ) und das Portfolio (ξ π π inf (C), ξ, 1) R d+2. Für t = 0 gilt dann Und für t = 1 erhalten wir ξ π π inf (C) ξ π + π inf (C) = 0. (ξ π π inf (C))(1 + r) ξ S + C (1.5) 0 P f.s. und P((ξ π π inf (C))(1 + r) ξ S + C > 0) > 0 P f.s., da C nicht replizierbar ist. Es existiert also eine Arbitragemöglichkeit im erweiterten Markt. Damit gilt π inf (C) / Π(C). Für π sup (C) / Π(C) folgt der Bewewis analog. Bemerkung 1.29 Aus Korollar 1.28 folgt: (i) Ist C replizierbar durch ein Portfolio ξ, so ist der maximale Subhedgingpreis π inf (C) und der minimale Superhedgingpreis π sup (C) gegeben durch den eindeutigen arbitragefreien Claimpreis ξ π. (ii) Ist C nicht replizierbar, sind Sub- bzw. Superhedgingpreise nicht arbitragefrei! Beispiel 1.30 (Universal arbitrage bounds for put and call options) Wir betrachten im Folgenden ein arbitragefreies Marktmodell, sowie Put und Call Optionen auf dem i-ten Wertpapier mit Strike K. C Call := (S i K) +, C P ut := (K S i ) +. Offensichtlich gilt C Call S i, so dass [ ] C Call E P π i für alle P P, i = 0,..., d. (1.6) 1 + r

28 22 1 Arbitragetheorie in einer Periode Andererseits erhalten wir aus der Jensenschen Ungleichung, dass E P [ ] C Call 1 + r = ( [ S i E P 1 + r ( π i K 1 + r ] ) + K 1 + r ) +, (1.7) für i = 0,..., d. Aus (1.6) und (1.7) erhalten wir die folgenden Arbitragegrenzen für eine Call Option: ( π i K ) + π inf(c Call ) π sup(c Call ) π i, 1 + r für i = 0,..., d. Für C P ut ergibt sich analog ( ) + K 1 + r πi π inf(c P ut ) π sup(c P ut ) K 1 + r für i = 0,..., d. Für r 0 gilt weiterhin (π i K) + π inf (C Call ) für i = 0,..., d. Dabei wird (π i K) + intrinsic value gennant, und es folgt, dass für einen arbitragefreien Preis π Call der Time Value π Call (π i K) + einer Call Option positiv ist. Für Put Optionen ist der intrinsic value (K π i ) + nur für r 0 eine untere Schranke. Man sagt im Fall intrinsic value > 0: π i = K: sonst: Option is in the money Option is at the money Option ist out of the money 1.3 Vollständigkeit von Marktmodellen Definition 1.31 Ein Marktmodell heißt vollständig ( complete), falls jeder Claim replizierbar ist. Theorem 1.32 (Second FTAP) Ein Marktmodell ist arbitragefrei und vollständig genau dann, wenn d.h. es existiert genau ein P P. P = 1,

29 1.3 Vollständigkeit von Marktmodellen 23 Beweis: Angenommen das Marktmodell ist arbitragefrei und vollständig. Aus der Vollständigkeit des Marktmodells folgt, dass für alle A F die Indikatorfunktion 1 A ein replizierbarer Claim ist. Korollar 1.28 (a) impliziert nun, dass P (A) = E P [1 A ] unabhängig von der Wahl von P P ist, da das Marktmodell arbitragefrei ist. Damit ist P = 1. Angenommen P = {P }. C sei ein Claim und Π(C) = { [ ] } C E P P P, E P [C] < 1 + r die nicht-leere Menge der arbitragefreien Preise (Prop.1.23). Da P = 1 folgt Π(C) = 1. Mit Korollar 1.28 (a) folgt nun, dass C replizierbar ist. Proposition 1.33 Ist das Marktmodell vollständig, so gilt L 0 (Ω, F, P) = span(s 0,..., S d ) := { ξ S ξ R d+1} = V. Insbesondere ist F = σ(s 0,..., S d ) modulo P-Nullmengen. Weiterhin existiert eine Partition von Ω in höchstens (d + 1) Atome in (Ω, F, P). Ist das Modell zusätzlich arbitragefrei, also P = {P }, gilt weiterhin Bemerkung 1.34 L 0 (Ω, F, P) = L 1 (Ω, F, P ). (a) Zur Erinnerung: Ein Atom aus (Ω, F, P) ist ein A F, so dass P(A) > 0 und für alle B F mit B A gilt P(B) = 0 oder P(B) = P(A). (b) Proposition 1.33 besagt also, dass vollständige Einperiodenmodelle endliche Wahrscheinlichkeitsräume implizieren. Vollständige Modelle in diskreter Zeit sind also sehr limitiert! Beweis: Offensichtlich gilt L 0 (Ω, F, P) ( falls P P ) L 1 (Ω, F, P ) V. Sei das Modell vollständig und Z L 0 (Ω, F, P). Dann sind die Claims Z := min{0, Z} und Z + := max{0, Z} replizierbar und somit in V. Da Z = Z + Z, ist Z auch in V und damit dim L 0 (Ω, F, P) d + 1. Falls das Marktmodell nicht-redundant ist, gilt insbesondere dim L 0 (Ω, F, P) = d + 1. Ist das Modell zusätzlich arbitragefrei, also P = {P }, ist L 0 (Ω, F, P) = L 1 (Ω, σ(s 0,..., S d ), P) = V. Wir benötigen das folgende Hilfslemma: Für p [0, ] gilt

30 24 1 Arbitragetheorie in einer Periode dim L p (Ω, F, P) = sup { n N Partition A 1,..., A n von Ω mit A i F und P(A i ) > 0 }. Beweis des Hilfslemmas: Sei A 1,..., A n eine Partition mit P(A i ) > 0. Dann sind 1 A 1,..., 1 A n linear unabhängig in L p (Ω, F, P) und somit ist dim L p (Ω, F, P) n. Sei n 0 := sup { n N Partition A 1,..., A n von Ω mit A i F und P(A i ) > 0 } und o.b.d.a. n 0 <. Sei A 1,..., A n0 eine entsprechende Partition. Dann ist A i ein Atom, i = 1,..., n 0, nach der Definition von n 0, und somit ist Z L p (Ω, F, P) P-f.s. konstant auf A i, i = 1,..., n 0. Dann hat Z die Form n 0 Z = z i 1 A i i=1 mit z i := Z(ω), ω A i. Also bilden 1 A 1,..., 1 A n 0 eine Basis von L p (Ω, F, P) und es gilt dim L p (Ω, F, P) = n 0. Somit sind das Hilfslemma und damit auch die Proposition gezeigt.

31 2 Arbitragetheorie im Mehrperiodemodell Im Folgenden wollen wir die dynamische Erweiterung des Einperiodenmodells für Finanzmärkte auf mehrere Zeitschritte t = 0,..., T betrachten. Dieses erweiterte Modell erlaubt dann dynamische Portfolioumschichtungen zu Zeitpunkten t = 0, 1,..., T. 2.1 Grundlagen Mehrperiodemodelle Im Folgenden sei wie zuvor (Ω, F, P) der zugrunde liegende Wahrscheinlichkeitsraum.

32 26 2 Arbitragetheorie im Mehrperiodemodell Definition 2.1 Sei (E, E) ein messbarer Raum. Ein stochastischer Prozess X = (X t ) t {0,1,...,T } mit Werten in (E, E) ist eine Familie von Zufallsvariablen X t, t = 0, 1,..., T, mit Werten in (E, E), also messbare Abbildungen X t : (Ω, F) (E, E). Definition 2.2 Eine Familie (F t ) t {0,1,...,T } von σ-algebren F t F, auf (Ω, F) heißt Filtration, falls das heißt: F 0 F 1... F T F. Bemerkung 2.3 F s F t für alle s < t, (i) Im Folgenden gelte stets F 0 := {, Ω} und F T = F. (ii) Den filtrierten Wahrscheinlichkeitsraum notieren wir im Folgenden mit ( ) Ω, (F t ) t {0,1,...,T }, F, P. (iii) Für alle t = 0, 1,..., T modelliert F t die bis zum Zeitpunkt t beobachtbaren Ereignisse bzw. die verfügbaren Informationen am Markt zum Zeitpunkt t. Definition 2.4 Sei (X t ) t=0,...,t ein stochastischer Prozess auf ( ) Ω, (F t ) t {0,1,...,T }, F, P. Der Prozess heißt (a) adaptiert, falls für alle t = 0,..., T die Zufallsvariable X t (ω) F t -messbar ist. (b) vorhersehbar oder previsibel (predictable), falls für alle t = 1,..., T die Zufallsvariable X t (ω) F t 1 -messbar ist. 1 Kommen wir nun zu der Spezifikation unseres Marktmodells in mehreren Perioden (Mehrperiodenmodell). Wie zuvor sind d + 1 Wertpapiere (Assets) gegeben, die notiert sind durch S i = ( St i ), i = 0,..., d, t=0,...,t wobei nun S i 0 ein positiver adaptierter Prozess ist für alle i = 0,..., d. Wir notieren weiterhin: S := ( S 0, S ) := ( ) St 0, St 1,..., St d 2 t=0,...,t 1 In dieser Definition ist (b) stärker als (a). Das heißt, jeder previsibler Prozess ist adaptiert, jedoch ist ein adaptierter Prozess nicht zwingend previsibel. 2 S ist ein R d+1 -wertiger stochastischer Prozess und S ist ein R d -wertiger stochastischer Prozess.

33 2.1 Grundlagen Mehrperiodemodelle 27 Definition 2.5 Eine Strategie oder Portfolio ξ = ( ξt ) t=1,...,t ist ein ( R d+1, B ( R d+1)) -wertiger, previsibler Prozess. Wir notieren ξ := ( ξ 0, ξ ) := ( ξt 0, ξt 1,..., ξt d ) t=1,...,t. Bemerkung 2.6 Der Wert ξ i t einer Strategie ξ entspricht der Anzahl des i-ten Wertpapieres S i im Portfolio während der t-ten Handelsperiode von t 1 bis t. ξ t wird also auf Grund der zur Zeit t 1 verfügbaren Information bestimmt und ist damit F t 1 -messbar, also previsibel. Der einer Strategie ξ zugeordnete Portfoliowert zur Zeit t 1 ist also der sich bis zur Zeit t zum Wert ξ t S t 1 = ξ t S t = d ξts i t 1, i i=0 d ξts i t i entwickelt. Zum Zeitpunkt t kann dann die Neustrukturierung des Portfolios von ξ t nach ξ t+1 erfolgen. i=0 Definition 2.7 Eine Strategie ξ = ( ξt )t=1,...,t heißt selbstfinanzierend, falls ξ t S t = ξ t+1 S t, für alle t = 1,..., T 1. Bemerkung 2.8 Für eine selbstfinanzierende Strategie ξ gilt ξ t+1 S t+1 ξ t S t = ξ t+1 ( St+1 S t ). (2.1) Das heißt, die Wertveränderung des Portfolios resultiert lediglich aus der Wertveränderung (Marktfluktuation) der Wertpapierpreise und nicht aus

34 28 2 Arbitragetheorie im Mehrperiodemodell zusätzlichen Zu- oder Abflüssen von Kapital. Durch Summierung in (2.1) erhalten wir für alle t = 1,..., T ξ t S t = ξ 1 S 0 + t ξ k ( Sk S ) k 1. k=1 ξ 1 S 0 ist also das nötige Startkapital zum Kauf des Portfolios ξ, welches sich dann bis zum Zeitpunkt t entsprechend der Wertveränderung der Wertpapiere entwickelt. Annahme 2.9 Im Folgenden nehmen wir an, dass S 0 t > 0 P f.s. für alle t = 0,..., T und verwenden S 0 als Numéraire. Bemerkung 2.10 Typischerweise modelliert S 0 ein (lokal) risikofreies Wertpapier (Bond, Bankkonto): S und S 0 t = wobei (r k ) k=1,...,t ein previsibler Prozess ist. Verzinsung von x Euro auf dem Bankkonto: t (1 + r k ), k=1 Der Zinssatz r t ist im Mehrperiodenmodell i.a. zwar stochastisch, aber schon zu Anfang t 1 der Periode [t 1, t] bekannt (previsibel), in diesem Sinne also lokal risikofrei. Definition 2.11 Die diskontierten Preisprozesse notieren wir mit Xt i := Si t St 0, t = 0,..., T, i = 0,..., d und den diskontierten Portfoliowertprozess zu einer Strategie ξ mit V ξ 0 := ξ 1 X 0 und V ξ t := ξ t X t für alle t = 1,..., T, ( wobei X = Xt )t=0,...,t := ( ) Xt 0, Xt 1,..., Xt d t=0,...,t. Wie üblich notieren wir X = (X t ) t=1,...,t := (Xt 1,..., Xt d ) t=0,...,t, also

35 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 29 X = (X 0, X). Der diskontierte Gewinnprozess (Wertveränderungsprozess, gains-process) zu einer Strategie ξ ist definiert als G 0 := 0 und G t := t ξ k (X k X k 1 ) für alle t = 1,..., T, k=1 wobei (X k X k 1 ) = ( X 1 k X1 k 1,..., Xd k Xd k 1) =: Yk. Proposition 2.12 Sei ξ eine Strategie. Dann sind äquivalent: (a) ξ ist selbsfinanzierend. (b) ξ t X t = ξ t+1 X t für alle t = 1,..., T 1. (c) V t = V 0 + G t = ξ 1 X 0 + t k=1 ξ k (X k X k 1 ) für alle t = 1,..., T. Beweis: Übung. Bemerkung 2.13 (i) Ist ξ selbstfinanzierend, dann gilt für die Investition in den Numéraire ξ 0 t+1 ξ 0 t Prop = (ξ t+1 ξ t ) X t für t = 1,..., T 1. Da ξ 0 1 = V 0 ξ 1 X 0, ist jede selbstfinanzierende Strategie ξ eindeutig gegeben durch das Startkapital V 0 und die Strategie ξ in den Wertpapieren S 1,..., S d. Umgekehrt existiert zu jedem Startkapital V 0 und jeder Strategie ξ eine eindeutige selbsfinanzierende Strategie ξ. (ii) Analog zu Einperiodenmodellen heißt ein Mehrperiodenmodell nichtredundant, falls: ξ t (X t X t 1 ) = 0 P-f.s. ξ t = 0 P-f.s. für alle t {1,..., T } und ξ t L 0 (Ω, F t 1, P, R d ). 2.2 Arbitrage und Fundamental Theorem of Asset Pricing Definition 2.14 Eine Arbitragemöglichkeit ist eine selbstfinanzierende Strategie ξ mit V ξ 0 0 P f.s., V ξ T 0 P f.s. und P [ V ξ T > 0 ] > 0.

36 30 2 Arbitragetheorie im Mehrperiodemodell Proposition 2.15 Ein Modell besitzt eine Arbitragemöglichkeit genau dann, wenn es t {1,..., T } und η L 0 ( Ω, F t 1, P; R d)3 gibt, so dass η (X t X t 1 ) 0 P f.s. und P (η (X t X t 1 ) > 0) > 0. Ein Mehrperiodenmodell ist also arbitragefrei genau dann, wenn die jeweiligen Einperiodenmodelle (mit stochastischen Anfangsbedingungen) arbitragefrei sind. Beweis: Sei ( ξ 0, ξ ) eine Arbitrage und { ( ) } t := min k V ξ k 0 P f.s. und P V ξ k > 0 > 0. Dann gilt t T und entweder V ξ t 1 = 0 P f.s. oder P [ V ξ t 1 < 0 ] > 0. Betrachten wir zunächst den Fall V ξ t 1 = 0 P f.s.. Mit η := ξ t gilt dann η (X t X t 1 ) = V ξ t V ξ t 1 = V ξ t 0 P f.s. und P (η (X t X t 1 ) > 0) > 0. ( ) Betrachten wir nun den Fall P V ξ t 1 < 0 > 0. Sei η := ξ t 1 { V ξ. Dann t 1 <0} ist η F t 1 -messbar und ( ) η (X t X t 1 ) = V ξ t V ξ t 1 1 { V ξ. t 1 <0} Weiter gilt ( ) V ξ t V ξ t 1 1 { V ξ V ξ t 1 <0} t 1 1{ V ξ 0 t 1 <0} P f.s. und ( ( ) ) P V ξ t V ξ t 1 1 { V ξ > 0 > 0. t 1 <0} Beweisen wir nun die Rückrichtung. Für gegebene η und t definieren wir { η, falls t = s ξ s := 0, sonst 3 Das heißt mit Werten in R d.

37 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 31 und betrachten die eindeutige selbstfinanzierende Strategie ξ = ( ξ 0, ξ ) mit V 0 = 0 (Bemerkung 2.13 (i)). Dann ist V ξ T = V ξ T 0 + ξ k (X k X k 1 ) = η (X t X t 1 ) 0 k=1 P f.s. und ( ) P V ξ T > 0 > 0. ξ ist also eine Arbitragestrategie. Im Folgenden werden wir uns Martingalmaßen im Mehrperiodenmodell zuwenden: Definition 2.16 Ein stochastischer Prozess M = (M t ) ( ) t=0,...,t auf einem filtrierten Wahrscheinlichkeitsraum Ω, (F t ) t=0,...,t, F, Q heißt Martingal, falls (a) M adaptiert an (F t ) t=0,...,t, (b) M t L 1 (Ω, F, P) für alle t = 0,..., T, (c) E Q [M t F s ] = M s für 0 s t T. Es ist leicht zu zeigen (Turmeigenschaft der bedingten Erwartung), dass (c) äquivalent ist zu (c ) E[M t+1 F t ] = M t für alle t = 0,..., T 1. Martingalmaße entsprechen der mathematischen Formulierung eines faire game : zu jedem Zeitpunkt ist die bedingte Erwartung des zukünftigen Gewinns gleich Null. Beispiel 2.17 (Fairer Münzwurf). (X i ) i=1,...,t sei eine Folge von unabhängigen Zufallsvariablen mit P (X i = 1) = P (X i = 1) = 1 2. Die Filtration (F n ) n=1,...,t sei gegeben durch F n := σ (X 1,..., X n ). Definiere M t := t i=1 X i. Dann ist (M t ) t=1,...,t ein Martingal, denn M t ist F t -messbar für alle t = 1,..., T, also adaptiert.

38 32 2 Arbitragetheorie im Mehrperiodemodell E [ M t ] t i=1 E [ X i ] = t < für alle t = 1,..., T. E [M t F t 1 ] = E [M t 1 + X t F t 1 ] = M t 1 + E [X t ] E[Xt]=0 = M t 1. Definition 2.18 Ein Wahrscheinlichkeitsmaß Q auf (Ω, F) heißt Martingalmaß (oder risikoneutrales Maß), falls die diskontierten Preisprozesse X i, i = 1,..., d, Q-Martingale bzgl. (F t ) t=0,...,t sind. Wie zuvor notiert P die Menge der zu P äqivalenten Martingalmaße. Theorem 2.19 Folgende Aussagen sind äquivalent: (a) Q ist ein Martingalmaß. (b) Für alle selbstfinanzierende Strategien ξ = ( ξ 0, ξ ) mit ξ beschränkt ist V = (V t ) t=0,...,t ein Q-Martingal. (c) Für alle selbstfinanzierende Strategien ξ [ ] mit E Q V T < ist V ein Q-Martingal, wobei V := max { V, 0}. (d) Für alle selbstfinanzierende Strategien ξ mit V T 0 Q f.s. ist E Q [V T ] = V 0. 4 Beweis: (a) (b): Sei Q ein Martingalmaß und ξ selbstfinanzierend mit ξ i < c für eine Konstante c > 0, für alle i = 1,..., d. Dann gilt: V t = ξ t X t ist F t -messbar, t = 0,..., T und V t V 0 + c t X k + X k 1. 5 k=1 Da X k L 1 (Q) für alle k = 1,..., T, ist auch V t L 1 (Q) für alle t. Für 0 t T 1 ist V t ist also ein Q-Martingal. (b) (c): Sei E Q [V t+1 F t ] = E Q [V t + ξ t+1 (X t+1 X t ) F t ] = V t + ξ t+1 E Q [X t+1 X t F t ] Q P = V t. ξ (a) t := ξ t 1 { ξt a} für a > 0 und t = 1,..., T. 4 E Q [V T ] wohldefiniert, da nach Voraussetzung V T 0 Q f.s.. 5 Da V t = V 0 + t k=1 ξ k (X k X k 1 ), mittels Dreiecksungleichung und wegen ξ i < c.

39 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 33 Nach (b) gilt dann E Q [ ξ (a) t (X t X t 1 ) F t 1 ] = 0, für alle t = 1,..., T. Wir führen den Beweis per Rückwärtsinduktion und betrachten zunächst den Zeitpunkt T. Da nach Annahme E Q [V T ] <, ist E Q[V T F T 1 ] wohldefiniert und es gilt: E Q [V T F T 1 ] 1 { ξt a} = E Q [ VT 1 { ξt a} F T 1 ] EQ [ ξ (a) T (X T X T 1 ) F T 1 ] Für a erhalten wir = E Q [ V T 1 { ξt a} ξ (a) T (X T X T 1 ) F T 1 ] = E Q [ VT 1 1 { ξt a} F T 1 ] = V T 1 1 { ξt a}. E Q [V T F T 1 ] = V T 1 Q-f.s.. Nehmen wir nun an, es gelte E Q [Vt ] < und E Q [V t F t 1 ] = V t 1 für t {1,..., T }. Dann gilt mit der Jensenschen Ungleichung [ ] [ E Q V t 1 = EQ E Q [V t F t 1 ] ] [ ] E Q V t <, also ist E Q [V t 1 F t 2 ] wohldefiniert und analog wie oben mit t 1 anstatt T folgt E Q [V t 1 F t 2 ] = V t 2 Q-f.s.. Durch Rückwärtsinduktion erhalten wir somit für alle t = 1,..., T [ ] E Q V t < und E Q [V t F t 1 ] = V t. (2.2) Da F 0 = {, Ω}, ist V 0, der Startwert des Portfolios, konstant und es gilt E Q [V t ] = E Q [V t F 0 ] (2.2) = V 0, und somit V t L 1 (Q) für alle t = 0,..., T. Folglich ist V ein Q-Martingal. (c) (d): Für alle Q-Martingale M gilt M 0 = E Q [M F 0 ], für alle t = 1,..., T

40 34 2 Arbitragetheorie im Mehrperiodemodell und wegen F 0 = {, Ω}, ist M 0 = E Q [M T F 0 ] = E Q [M T ]. Da V T 0 Q-f.s., ist nach Voraussetzung in (c) V ein Q-Martingal, also E[V T ] = V 0. (d) (a): Seien i {0,..., d} und t {1,..., T } gegeben. Wir zeigen zunächst X i t L 1 (Q). Wir definieren ξ i s := 1 {s t}, ξ j s := 0, für alle j i und alle 1 s T. Nach Bemerkung 2.13 existiert ein eindeutiger previsibler Prozess ξ 0, so dass (ξ 0, ξ) selbstfinanzierendes Portfolio mit Startkapital V 0 = X i 0 ist. Es gilt: V T = V 0 + T ξ s (X s X s 1 ) = Xt i 0. s=1 Also wegen (d) gilt und E Q [X i t] = E Q [V T ] = V 0 = X i 0 (2.3) X i t L 1 (Q), für alle i = 1,..., d und alle t = 0,..., T. Als nächstes zeigen wir die Martingaleigenschaft von X i unter Q: E Q [X i t1 A ] = E Q [X i t 11 A ] für alle A F t 1 und t {1,..., T }. Definiere nun ξ durch: { ξ j s := 0, falls j j ξ i s := 1 {s<t} + 1 {s=t} 1 A c, sonst Laut Bemerkung 2.13 existiert ein eindeutiger previsibler Prozess ξ 0, so dass (ξ 0, ξ) selbstfinanzierend mit Startkapital V 0 = X i 0 ist. Dann gilt Somit folgt wegen (d) Andererseits folgt aus (2.3) V T = V 0 + T ξ s (X s X s 1 ) s=1 = X i t 11 A + X i t1 A c 0. X i 0 = V 0 = E Q [V T ] = E Q [X i t1 A ] + E Q [X i t 11 A c]. (2.4)

41 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 35 Aus (2.4) und (2.5) folgt dann X i 0 = E Q [X i t]. (2.5) E Q [X i t1 A ] = E Q [X i t 11 A ]. Theorem 2.20 (FTAP Mehrperiodenmodell) Das Marktmodell ist arbitragefrei genau dann, wenn P =. In diesem Fall existiert ein äquivalentes Martingalmaß P P mit beschränkter Dichte dp dp. Beweis: Sei P P und ξ eine Arbitragemöglichkeit, d.h. für die Strategie ξ gilt: (i) V 0 0, (ii) V T 0, (iii) P (V T > 0) > 0, da P P. Daraus folgt 0 V 0 Thm = (d) E P [V T ] > 0, was offensichtlich ein Widerspruch ist. Also muss der Markt arbitragefrei sein. Um die andere Richtung zu zeigen, betrachten wir, laut Proposition 2.15 zunächst die Situation in den einperiodigen Submodellen. Die Fortsetzung des Beweises folgt später. FTAP im Einperiodenmodell mit stochastischen Anfangsbedingungen Wir betrachten einperiodige Submodelle auf einem filtrierten Wahrscheinlichkeitsraum (Ω, (F t ) t=0,1, F, P). (i) Wir nehmen an, dass in dieser Untersektion F 0 eine generelle σ-algebra und im Allgemeinen nicht die triviale σ-algebra {, Ω} ist (stochastische Anfangsbedingungen). (ii) Ansonsten gelten die Annahmen und Definitionen wie im generellen Mehrperiodemodellen. Dann folgt aus Proposition 2.15, dass eine Arbitragemöglichkeit genau dann existiert, wenn es eine Strategie ξ = (ξ 0, ξ) L 0 (Ω, F 0, P; R d+1 ) gibt, so dass ξ Y := ξ (X 1 X 0 ) 0 P f.s. und P(ξ Y > 0) > 0.

42 36 2 Arbitragetheorie im Mehrperiodemodell Notation 2.21 Wir definieren folgende Mengen: K := {ξ Y ξ L 0 (Ω, F 0, P; R d )}, L p + := L p +(Ω, F 0, P) = {Z L p Z 0 P f.s.}, wobei p [0, + ], L p := L p (Ω, F 0, P) = {Z L p Z 0 P f.s.}, wobei p [0, + ], K L 0 + := {Z L 0 Z = ξ Y U für ξ Y K, U L 0 +}. Mit dieser Notation gilt: Der Markt ist arbitragefrei K L 0 + } {{ } alle positive Gewinnprofile = {0}. Theorem 2.22 (Fundamental Theorem of Asset Pricing) Es sind äguivalent: (a) K L 0 + = {0}. (b) (K L 0 +) L 0 + = {0}. (c) Es gilbt P P mit beschränkter Dichte dp dp. (d) P. Problem im Beweis: C := {E Q [Y F 0 ] Q P, E Q [ Y ] < } L 0 (Ω, F 0, P; R d ), d.h. ein Trennungsargument in R d ist im Allgemeinen nicht möglich, es sei denn F 0 = {, Ω}. Für den Beweis von Theorem 2.22 benötigen wir zunächst einige Ergebnisse. Theorem 2.23 (Essentielles Supremum) Sei Φ eine Menge von Zufallsvariablen auf einem Wahrscheinlichkeitsraum (Ω, F, P). Dann existiert eine numerische Zufallsvariable X : Ω R {+ } mit folgenden Eigenschaften: (a) Für alle Y Φ gilt Y X P f.s.. (b) Für alle Z mit Y Z P f.s. für alle Y Φ gilt: Z X P f.s.. Weiterhin gibt es eine abzählbare Teilmenge Ψ Φ, so dass X = sup Y Ψ Y P f.s.. Wir nennen X das essentielle Supremum von Φ und schreiben:

43 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 37 Mit ess sup Φ := ess sup Y := X. Y Φ ess inf Φ := ess inf Y Φ Y := ess sup( Y ) Y Φ bezeichnen wir das essentielle Infimum von Φ. Für eine Zufallsvariable X definieren wir: ess sup X : = inf{c R {+ } P(X c) = 1} = sup{c R {+ } P(X > c) = 0} und ess inf X := ess sup( X). Theorem 2.24 (Halmos-Savage) Sei Q eine Menge von Wahrscheinlichkeitsmaßen, die alle bezüglich P absolut stetig sind. Falls Q P 6, so gibt es eine abzählbare Teilmenge Q Q mit Q P, für alle Q Q. Beweis: Sei { } I(ω) := ess sup 1 { dq >0}(ω) Q Q 1 dp und A := {I < 1} = {I = 0}. Angenommen P(A) > 0, dann gibt es Q Q mit Q(A) > 0 (da Q P). Außerdem gilt ({ } ) d Q P dp > 0 A > 0. Also P({I = 1} A) > 0, was offensichtlich ein Widerspruch ist. Deshalb muss wegen P(A) = 0 gelten P(I = 1) = 1. Weiterhin existiert nach Theorem 2.23 eine abzählbare Teilmenge Q Q mit I = sup 1 { dq Q Q dp >0} P f.s.. Dann gilt Q P, denn aus Q(B) = 0, für ein B F, für alle Q Q folgt: I 1 B = 0 P f.s., also P(B) = 0. 6 Q Q, Q(A) = 0 P(A) = 0, A F.

44 38 2 Arbitragetheorie im Mehrperiodemodell Theorem 2.25 (Kreps-Yan) Sei C L 1 ein abgeschlossener, konvexer Kegel 7 mit L C und C L 1 + = {0}. Dann existiert ein Z L mit Z > 0 P f.s. und E[W Z] 0, für alle W C. Beweis: (i) Sei F L 1 + mit P(F > 0) > 0. Wir zeigen, es gibt Z L mit Z 1 P f.s. und E[F Z] > 0. Sei dazu B := {F }. Dann ist B konvex und kompakt. Außerdem gilt wegen F C: C B =. Laut dem Trennungssatz in Banachräumen (siehe Theorem C.21) existiert ein lineares stetiges Funktional l : L 1 R mit sup l(y ) < l(f ). (2.6) Y C Da 0 C, folgt 0 sup l(y ) < l(f ). Außerdem ist l von der Form Y C l(x) = E[ZX] für alle X L 1 und für ein geeignetes Z L (siehe Lemma C.11). Wir können o.b.d.a. annehmen, dass Ansonsten betrachten wir Z := Z := ess sup Z 1. Z Z. (ii) Wir zeigen, dass Z aus (i) folgende Eigenschaften hat: 1) E[ZY ] 0, für alle Y C, 2) Z 0 P f.s.. Zu 1): Angenommen es gibt ein Y C, so dass E[ZY ] > 0. Dann gilt für t > 0: 0 < te[zy ] = E[ }{{} ty Z] C 7 C ist ein Kegel x C, t 0 ist t x C.

45 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 39 = l(ty ) = tl(y ) (2.6) E[F Z] = l(f ). (2.7) Da t beliebig war, folgt aus (2.7) l(f ) =, was ein Widerpruch ist. Deswegen gilt E[ZY ] 0 für alle Y C. Zu 2): Da L C, ist für alle A F, 1 A C. Aus 1) folgt: l( 1 A ) = E[1 A Z] 0, für alle A F. Mit A := {Z < 0} folgt P(Z < 0) = 0. (iii) Die in (i) zu jedem F L 1 +\{0} gefundenen Z F definieren nach (ii) ein Wahrscheinlichkeitsmaß Q F, so dass Q F P mit Radon-Nikodym Dichte dq F dp = ZF E[Z F ]. Wir betrachten Q := {Q F F L 1 +\{0}}. Dann ist Q P, denn für alle A F mit P(A) > 0 gilt 1 A L 1 + und damit Q 1 A Q und Q 1 A (A) > 0. Laut Theorem 2.24 existiert eine abzählbare Teilmenge Q P. Sei nun Q := {Q F1, Q F2,...}, Z i := Z Fi, i N, und Q Q mit Z := i N Z i 2 i 1 P f.s.. Dann ist Z L 8 und P(Z > 0) = 1, denn für A := {Z = 0} F gilt 1 A Z = 0, und damit 1 A Z i = 0 P f.s. für alle i N. Das bedeutet aber Q Fi (A) = 0 für alle i N und damit Außerdem gilt für alle W C P(A) = 0. E[Z W ] dominierte 1 = Konvergenz 2 i E[Z iw ] (ii),1) 0. i N 8 weil 0 Z i 1, P f.s.

46 40 2 Arbitragetheorie im Mehrperiodemodell Beweis: (von Theorem 2.22) (c) (d): Klar. (d) (a): Wie in Theorem (a) (b): Sei K L 0 + = {0}. Für Z = ξ Y U (K L 0 +) L 0 + gilt: also 0 ξ Y U P f.s. ξ Y U 0 P f.s.. Damit ist ξ Y K L 0 +, also ξ Y = 0 laut Annahme, und damit U = 0, und schließlich Z = 0 P f.s.. (b) (a): offensichtlich, da K K L 0 +. (b) (c): (i) Ohne Beschränkung der Allgemeinheit nehmen wir E P [ X t ] < für t = 0, 1 an. Ansonsten gehen wir über zum Maß P P definiert durch d P dp = X 0 + X E[ 1+ X ]. 0 + X 1 Der Markt ist arbitragefrei unter P genau dann, wenn er arbitragefrei unter P ist. (ii) Angenommen C = (K L 0 +) L 1 ist abgeschlossen in (L 1, 1 ). C ist offensichtlich ein konvexer Kegel mit L C und C L 1 + = {0} (nach }{{} L 0 + (b)). Nach Theorem 2.25 (Kreps-Yan) gibt es Z L mit Z > 0 P f.s. und E[ZW ] 0, für alle W C. Wir definieren P P durch dp dp = Z E[Z] L (also beschränkte Radon-Nykodym Dichte) und zeigen, dass P P. Für alle ξ L (Ω, F 0, P; R d ) und für alle t R ist tξ Y C. Dann gilt aber: te[ξ Y Z] = E[tξ Y Z] 0, } {{ } C

47 2.2 Arbitrage und Fundamental Theorem of Asset Pricing 41 für alle t R, also Außerdem gilt E[ξ Y Z] = 0. E[ξ Y Z] = E[ξE[Y Z F 0 ]] = 0. Da ξ L (Ω, F 0, P; R d ) beliebig war, folgt E[Y Z F 0 ] = 0 P f.s.. Also gilt: E P [Y i F 0 ] = E P[Y i Z F 0 ] E P [Z F 0 ] für alle i = 1,..., d. Somit ist P P. = 0 P f.s., (iii) Es bleibt noch zu zeigen, dass C in (L 1, 1 ) abgeschlossen ist. Siehe dazu Korollar 2.29 später. Lemma 2.26 Sei (ξ n ) n N L 0 (Ω, F, P; R d ) eine Folge mit lim inf n ξ n < P f.s.. Dann existiert ein ξ L 0 (Ω, F, P; R d ) und eine Folge strikt monoton wachsender F 0 -messbarer Zufallsvariablen σ m : Ω N, m N, so dass gilt ξ σm(ω)(ω) ξ(ω) P f.s.. Beweis: Sei Λ(ω) := lim inf n ξ n(ω). Wir definieren σ 0 1(ω) : = 1 und rekursiv { { } σk+1(ω) 0 : = min n N n > σk 0(ω), ξ n(ω) Λ(ω) 1 k+1, falls Λ(ω) < k + 1, sonst. Weiter definieren wir rekursiv für i = 1,..., d und σ i 1(ω) : = 1 ξ i := lim inf n ξi σm i 1

48 42 2 Arbitragetheorie im Mehrperiodemodell σ i k+1(ω) : = { { min k + 1 σ i 1 n (ω) σ i 1 (ω) > σk i (ω), ξi σ i 1 n für k = 1, 2,.... Dann sind σ i k, i = 0,..., d und k N, F 0-messbar (Übung) und σ i k < σ i k+1, n } (ω) ξ i (ω) 1 k+1, falls ξ i (ω) <, sonst, für alle i = 0,..., d, k N. Die Folge σ m := σm d ergibt dann die gewünschte Folge von Zufallsindizes. Lemma 2.27 Falls K L 0 + = {0} 1, dann ist K L 0 + abgeschlossen in L 0. Beweis: Sei W n (K L 0 n +), so dass W n W L 0 in Wahrscheinlichkeit. Dann existiert eine Teilfolge, die wir o.b.d.a. wieder mit (W n ) n N bezeichnen, so dass W n W L 0 P f.s.. n Seien ξ n L 0 (Ω, F 0, P; R d ), U n L 0 +, so dass W n = ξ n Y U n. Wir zeigen Sei dazu A := lim inf ξ n < n { } ω Ω lim inf ξ n = n P f.s.. und setze Dann ist η n := ξ n ξ n 1 { ξ n >0}, n N. lim inf n η n 1. Aus Lemma 2.26 folgt die Existenz einer Folge von F 0 -messbaren Zuvallsvariablen σ 1 < σ 2 <... und einem η L 0 (Ω, F 0, P; R d ), so dass Wir erhalten η σn η P f.s.. n 0 1 A U σn ξ σn 1 { ξ σn >0} = 1 A (η σn Y n 0 auf A P f.s. { }} { W σn ξ σn 1 { ξ n >0} ) n 1 A η }{{} F 0-messbar Y P f.s.. 1 d.h. das Marktmodell ist arbitragefrei.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

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

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

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

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

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

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

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

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

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

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

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

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

Professionelle Seminare im Bereich MS-Office

Professionelle Seminare im Bereich MS-Office Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion

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

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

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

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 1 3.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind

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

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

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

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

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

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

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

6.2 Perfekte Sicherheit

6.2 Perfekte Sicherheit 04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da

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

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

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

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

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

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei

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

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

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

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

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

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

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

Vorlesung. Finanzmathematik I. Steffen Dereich und Marcel Ortgiese. Westfälische Wilhelms-Universität Münster WS2013/14. Version: 31.01. Vorlesung Finanzmathematik I Steffen Dereich und Marcel Ortgiese Westfälische Wilhelms-Universität Münster WS2013/14 Version: 31.01.2014 Inhaltsverzeichnis 1. Einführung 1 1.1. Das Finanzmarktmodell...........................

Mehr

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren: 4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

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

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

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

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

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

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

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

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

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

Beispiellösungen zu Blatt 111

Beispiellösungen zu Blatt 111 µ κ Mathematisches Institut Georg-August-Universität Göttingen Beispiellösungen zu Blatt 111 Aufgabe 1 Ludwigshafen hat einen Bahnhof in Dreiecksform. Markus, Sabine und Wilhelm beobachten den Zugverkehr

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

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

3.2 Spiegelungen an zwei Spiegeln

3.2 Spiegelungen an zwei Spiegeln 3 Die Theorie des Spiegelbuches 45 sehen, wenn die Person uns direkt gegenüber steht. Denn dann hat sie eine Drehung um die senkrechte Achse gemacht und dabei links und rechts vertauscht. 3.2 Spiegelungen

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

Quantilsschätzung als Werkzeug zur VaR-Berechnung Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

SS 2014 Torsten Schreiber

SS 2014 Torsten Schreiber SS 2014 Torsten Schreiber 204 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Bei der Rentenrechnung geht es um aus einem angesparten Kapital bzw. um um das Kapital aufzubauen, die innerhalb

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

Orderarten im Wertpapierhandel

Orderarten im Wertpapierhandel Orderarten im Wertpapierhandel Varianten bei einer Wertpapierkauforder 1. Billigst Sie möchten Ihre Order so schnell wie möglich durchführen. Damit kaufen Sie das Wertpapier zum nächstmöglichen Kurs. Kurs

Mehr

Vorlesung. Informationsökonomik und die Theorie der Firma

Vorlesung. Informationsökonomik und die Theorie der Firma Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007

Mehr

Betreuer: Lars Grüne. Dornbirn, 12. März 2015

Betreuer: Lars Grüne. Dornbirn, 12. März 2015 Betreuer: Lars Grüne Universität Bayreuth Dornbirn, 12. März 2015 Motivation Hedging im diskretisierten Black-Scholes-Modell: Portfolio (solid), Bank (dashed) 110 120 130 140 150 160 170 Portfolio (solid),

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