Einführung in die Finanzmathematik

Größe: px
Ab Seite anzeigen:

Download "Einführung in die Finanzmathematik"

Transkript

1 Einführung in die Finanzmathematik Skript 1 zur Vorlesung von Prof. Dr. Michael Kohler Fachbereich Mathematik Technische Universität Darmstadt Sommersemester 21 1 Dieses Skript basiert auf Skripten von Prof. Dr. Klaus Ritter (TU Darmstadt) und Dr. Nebojsa Todorovic (Universität des Saarlandes). 1

2 1 Einführung Zentraler Begriff dieser Vorlesung: Option Definition 1 (vorläufig): Eine Option gibt dem Käufer das Recht, ein bestimmtes Finanzgut (Basiswert, underlying) bis zu einem zukünftigen Verfallszeitpunkt T (maturity) zu einem vereinbarten Ausübungspreis (AÜP) K (strike price) zu kaufen oder verkaufen. Fragestellungen: 1. fairer Optionspreis (Bewertung, Valuation) 2. Absicherung des Verkäufers der Options (sog. Stillhalters) (hedging) 3. Ausübungsstrategien des Käufers, sofern mehr als ein Ausübungszeitpunkt möglich ist Geschichtliches Anfang 17. Jhd. in Holland: Optionen auf Tulpen 1637: Zusammenbruch des Tulpenmarktes, Optionen geraten in Verruf 18. Jhd. in London: Organisierter Handel mit Optionen 1973: Gründung der Chicago Board Options Exchange Black-Scholes-Formel (explizite Formel zur Optionsbewertung) 199 in Frankfurt: Eröffnung der deutschen Terminbörse (DTB) 1997: Ökonomie-Nobelpreis für Scholes und Merton (Black 1995 ) 1998: Fusion der DTB mit der SOFFEX (Schweizer Terminbörse) zur EUREX Optionen gehören zu den sogenannten Termingeschäften. Kennzeichnend für Termingeschäfte: Zwischen Vertragsabschluss und -erfüllung liegt eine größere Zeitspanne als zur technischen Abwicklung nötig. Termingeschäfte beziehen sich auf Basisgüter (underlying assets) wie z.b.: Waren (agraische und industrielle Rohstoffe), Edelmetalle, Devisen, Wertpapiere,... Termingeschäfte unterscheiden sich hinsichtlich ihres Verpflichtungsgrades: unbedingt (Fixgeschäfte) bedingt (Optionsgeschäft): Hier hat einer der beiden Vertragspartner ein Wahlrecht. 2

3 Arten der Erfüllung: effektive Lieferung oder Differenzzahlung. Gründe für Termingeschäfte: Absicherung anderer Basisgeschäfte vor Preisschwankungen Spekulation ohne zugrunde liegendes Basisgeschäft Als Derivate bezeichnet man abgeleitete Finanzinstrumente. Beispiele für Fixgeschäfte: Forwards: individuelle Verträge, in der Regel effektive Lieferung, kein Börsenhandel, Erfüllungsrisiko. Futures: standardisiert, börsengehandelt, reduziertes Erfüllungsrisiko. Beispiele für Optionen: Definition 1 (endgültig): a) Eine Option gibt dem Käufer das Recht, ein bestimmtes Finanzgut (Basiswert, underlying) bis zu einem zukünftigen Verfallszeitpunkt T (maturity) zu einem vereinbarten Ausübungspreis (AÜP) K (strike price) zu kaufen oder verkaufen. b) Beim Kaufrecht bzw. Verkaufsrecht wird die Option als Call bzw. Put bezeichnet. c) Bei einer europäischen bzw. amerikanischen Option ist die Ausübung der Option nur zum Zeitpunkt T bzw. jederzeit bis einschließlich zum Zeitpunkt T möglich. d) Der Käufer einer Option befindet sich in einer long position, der Verkäufer in einer short position. Bezeichnung: S t = S(t) sei Wert des Basiswertes zum Zeitpunkt t [,T]. Vorgehen bei einem europäischen Call 1. Fall: S T > K: Kaufe Basiswert und verkaufe ihn sofort am Markt. Realisierter Gewinn: S T K 2. Fall: S T K: Lasse die Option verfallen. Realisierter Gewinn: Auszahlungsfunktion zum Zeitpunkt T: C T = max{,s T K} =: (S T K) + (= max{s T,K} K) Vorgeben bei einem europäischen Put 3

4 1. Fall: S T > K : Realisierter Gewinn: 2. Fall: S T K : Realisierter Gewinn: K S T Auszahlungsfunktion zum Zeitpunkt T: P T = (K S T ) + Bezeichnungen: C T bzw. P T ist payoff-funktion (kurz: payoff) von europäischem Call bzw. Put. Payoff-Funktionen a) Europäischer Call: + (S T K) K S T short position b) Europäischer Put: + (K S T) K K S T short position 4

5 Weitere Beispiele von Optionstypen 1. Strangle: Kaufe Put und Call mit gleichem Verfallszeitpunkt T und AÜP K 1 und K 2,K 2 > K 1. Wert von Strangle zum Zeitpunkt T: (K 1 S T ) + +(S T K 2 ) + payoff K 1 K1 K2 S T Käufer eines Strangles erwartet sehr große Kursschwankungen. 2. Straddle: Strangle mit K 1 = K Bull-Spread: payoff K K 2 1 K1 K2 S T Käufer erwartet steigende Kurse des underlyings. 4. Bear-Spread: payoff K K 2 1 K1 K2 S T Käufer erwartet fallende Kurse des underlyings. 5

6 payoff 1 (K 2 K 1) 2 K 1 K K 2 S T 5. Butterfly Spread: Kaufe Call C 1 und Put P 1 mit AÜP K 1 und K 2 ; Verkaufe Call C 2 und Put P 2 jeweils mit AÜP K und K 1 < K < K 2. payoff= C 1 +P 1 C 2 P 2 = (S T K 1 ) + +(K 2 S T ) + (S T K) + (K S T ) + Käufer erwartet stagnierende Kurse um K und nur geringe Schwankungen. Bemerkungen: i) Einfache Calls oder Puts werden auch als Plain Vanilla Optionen bezeichnet. ii) Beispiele 1-5 entsprechen einer Linearkombination von Plain Vanillas. iii) Optionen, die keine Plain Vanillas sind, werden als exotische Optionen bezeichnet. iv) Bei den exotischen Optionen unterscheidet man pfadabhängige und pfadunabhängige Optionen. Beispiele für exotische Optionen 1. Power Optionen, z. B. europäischer Power-Call,S T K payoff = (S T K) α, für S T > K payoff (alpha=2) K S T α = : Cash-or-Nothing-Option α = 1 : Europäischer Call 6

7 In der Regel ist α = 2 und die Auszahlung limitiert, z. B.,S T K payoff = (S T K) 2,K < S T K +M M 2,K +M < S T 2. Asiatische Optionen oder Average-Optionen payoff = 1 T T S τ dτ K + Vorteil: Schutz des Käufers vor Manipulationen des Kurses kurz vor dem Verfallstag. 2 Modellierung von Bondpreisen / Zinsrechnung Definition 2: Ein Bond ist ein risikoloses, festverzinsliches Wertpapier mit Preis b = B() zum Zeitpunkt t = und deterministischem Preis B(t) für alle Zeiten t. Sei r > die Zinsrate pro Zeiteinheit für eine Spareinlage der Größe K. Dann gilt: Guthaben zum Zeitpunkt t = 1 : K +rk = K (1+r). Werden bereits in t = 1/2 Zinsen der Höhe r/2 gutgeschrieben, so werden diese in der Zeitspanne [1/2, 1] mitverzinst Guthaben zum Zeitpunkt t = 1 : ( K + r 2 K) + ( K + r 2 K) r 2 = K (1+ r 2 )2. Analog: Zinszahlungen in t = i, i = 1,...,n (n N) führen zu einem Guthaben von n K(1+ r n )n in t = 1. Interpretiere Grenzübergang n als Zinszahlung in stetiger Zeit, so ist Guthaben in t = 1 : lim n K(1+ r n )n = K e r 1 (= B(1)) allgemein: B(t) = K e rt,t. Es gilt: Bondpreis B(t) bei stetiger Verzinsung mit konstanter Zinsrate r: B(t) = b e rt für t [,T] (2.1) Bemerkungen: Verallgemeinerung von(2.1) durch nicht-konstante, zeitabhängige, integrierbare Zinsrate r(t) B(t) = b e r(s)ds für t [,T]. ( ) 7

8 ( ) löst DGL B (t) = B(t) r(t) für t [,T] mit Anfangsbedingung B() = b. DGL kann als Integralgleichung geschrieben werden: B(t) = b + B(s)r(s)ds, t [,T]. Diskontierung (Abzinsung): Aktueller (d.h. heutiger) Wert eines Kapitals S(t) zur Zeit t >. Bei stetiger Verzinsung mit konstantem Zinssatz r wird dafür das Kapital angesetzt, dass zur heutigen Zeit (d.h. zur Zeit ) in den Bond investiert werden muss, um zur Zeit t das Kapital S(t) zu erhalten: S() = e r t S(t). Diesen Vorgang nennt man (Ab-)Diskontierung und e rt ist der so genannte Diskontierungsfaktor (zum Zeitpunkt ). 3 Arbitragegrenzen Arbitrage: Möglichkeit, ohne Kapiteleinsatz risikolosen Profit zu erzielen. Beispiel: Aktie S kostet an Frankfurter Börse 11 EURO und in New York 1 $. Wechselkurs sei: 1 $ = 1.2 EURO Arbitrage-Strategie: Kaufe Aktie S in New York und verkaufe sie in Frankfurt: = 8 EURO } {{ } Arbitrage Gewinn! Ziel: Schranken für europäische und amerikanische Optionen unter Annahme der Arbitragefreiheit. Annahmen: r konstant zum gleichen Zinssatz kann Geld geliehen sowie angelegt werden (zu jedem Zeitpunkt t [,T]) Aktie kann ohne Gebühren und in beliebiger Stückelung gekauft und verkauft werden, sowie für jeden beliebigen Zeitraum geliehen werden (was einem Aktienleerverkauf entspricht). Arbitragefreiheit 8

9 Satz 1: Sei C A (t) bzw. P A (t) der Preis eines amerikanischen Calls bzw. Puts auf Aktie S mit AÜP K. Für t [,T] gilt: a) (S t K) + C A (t) S t (3.1) b) (K S t ) + P A (t) K (3.2) Beweis: Offensichtliche Schranken: C A (t),p A (t). a) a 1 ) Zeige: (S t K) + C A (t). Angenommen, es gelte: (S t K) + > C A (t). Strategie: Kaufe Option und übe sie sofort aus. Vermögen zum Zeitpunkt t : C A (t)+s t K > Arbitragefreiheit a 2 ) Zeige: C A (t) S t. Angenommen, es gelte C A (t) > S t. Strategie: Verkaufe Call für C A (t), kaufe Aktie für S t, lege C A (t) S t > an zum risikolosen Zinssatz r. 1. Fall: Käufer des Calls übt Option nicht aus. Vermögen zum Zeitpunkt T: (C A (t) S t ) e r(t t) + S }{{} T > Arbitragefreiheit 2. Fall: Käufer übt Option aus. Vermögen zum Zeitpunkt T: (C A (t) S t ) e r(t t) + }{{} K > Arbitragefreiheit b) analog Anmerkung: Für die Preise von amerikanischen und europäischen Optionen auf den gleichen Basiswert mit gleicher Laufzeit und gleichem AÜP gilt: C A (t) C E (t) und P A (t) P E (t), (3.3) nach der Definition dieser Optionen, wobei C E (t) bzw. P E (t) Preis des europäischen Calls bzw. Puts sind. Satz 2: Sei C E (t) bzw. P E (t) der Preis eines europäischen Calls bzw. Puts auf Aktie S mit AÜP K und Verfallszeitpunkt T. Wird auf den Basiswert keine Dividende gezahlt, dann gilt für t [,T]: a) (S t e r(t t) K) + C E (t) S t (3.4) b) (e r(t t) K S t ) + P E (t) K (3.5) 9

10 Beweis: Offensichtliche Schranken: C E (t),p E (t). a) a 1 ) Zeige: C E (t) S t. Folgt aus (3.3) und (3.1). a 2 ) Zeige: (S t e r(t t) K) + C E (t). Angenommen, es gelte: C E (t) < (S t e r(t t) K) + } {{ } > Strategie: Kaufe Call für C E (t), führe Aktienleerverkauf zum Preis S t durch (d. h. leihe Aktie von einem Partner für eine gewisse Zeit aus, verkaufe sie, kaufe sie später wieder zurück und gebe sie dann an Partner zurück), lege S t C E (t) S t C E (t) e r(t t) K > an zum risikolosen Zinssatz r. VerzinstesVermögenint = T : (S t C E (t))e r(t t) > K (folgtmitannahme) 1. Fall: S T > K (t = T) ÜbeCallaus(zumZeitpunktT),kaufeAktiefürK,gleiche(denintgetätigten) Leerverkauf aus. Insgesamt: (S t C E (t))e r(t t) K > 2. Fall: S T K (t = T) Arbitragefreiheit Option nicht ausüben, kaufe Aktie für S T K, gleiche Leerverkauf aus. Insgesamt: (S t C E (t))e r(t t) S T > K S }{{} T > K K = Arbitragefreiheit K b) analog Bemerkung: Mit (3.1), (3.3) und Satz 2 a) folgt (S t e r(t t) K) + C A (t) S t. Satz 3: Sei C A (t) bzw. C E (t) der Preis eines amerikanischen bzw. europäischen Calls auf Aktie S mit gleichem AÜP K >, gleichem Verfallszeitpunkt T und gleicher Zinsrate r >. Wird auf die Aktie keine Dividende gezahlt, dann ist es nicht sinnvoll, die amerikanische Call Option vor ihrem Verfallszeitpunkt T auszuüben, da C A (t) = C E (t) für alle t [,T]. (3.6) Beweis: Mit (3.3) und (3.4) folgt C A (t) C E (t) (S t e r(t t) K) +. (3.7) Es ist nur vorteilhaft amerikanischen Call auszuüben, wenn S t > K. In diesem Falle sowie mit (3.7) und r > folgt (für t < T): C A (t) (S t e r(t t) K) + > (S t K) + = S t K (3.8) 1

11 Preis der Option ist bis Zeitpunkt T immer größer als die Auszahlung S t K. Ausüben des amerikanischen Calls kann nur im Zeitpunkt T vorteilhaft sein. Zahlungen in T sind beim amerikanischen bzw. europäischen Call gleich. Wegen Voraussetzung der Arbitragefreiheit folgt (3.6). Satz 4 (Put-Call-Parität für europäische Optionen): SeiC E (t)bzw.p E (t)derpreiseineseuropäischencallsbzw.putsaufakties mitgleichem AÜP K und gleichem Verfallszeitpunkt T. Wird auf Aktie S keine Dividende gezahlt, dann gilt: C E (t)+ke r(t t) = P E (t)+s t. Beweis: Strategie linke Seite: Kaufe Call und lege Ke r(t t) Geldeinheiten in Bond an. Vermögen in t = T : { (S T K) + K, S T < K +K = S T, S T K Strategie rechte Seite: Kaufe Put und kaufe Aktie. Vermögen in t = T: { (K S T ) + K, S T < K +S T = S T, S T K Strategien haben in t = T gleiches Vermögen. Strategien müssen in t [, T] gleiches Vermögen besitzen, da sonst Arbitragestrategie möglichwäre( Verkaufe teurereundkaufegünstigerestrategie,legepositivedifferenz an). Satz 5 (Put-Call Beziehung für amerikanische Optionen): Sei C A (t) bzw. P A (t) der Preis eines amerikanischen Calls bzw. Puts auf Aktie S mit gleichem AÜP K >, gleicher Zinsrate r > und gleichem Verfallszeitpunkt T. Wird auf Aktie keine Dividende gezahlt, dann gilt für t [,T]: S t K C A (t) P A (t) S t Ke r(t t). Beweis: Siehe übungen Bemerkung: Schranken für Preis von europäischer bzw. amerikanischer Option wurde unabhängig von mathematischer Modellierung des Aktienkurses hergeleitet. 11

12 4 Das Ein-Perioden-Modell Im Folgenden werden einige grundlegenden Eigenschaften stochastischer Finanzmarktmodelle im einfachst möglichen Modell erläutert. Definition 3. Im Ein-Perioden-Modell sind die Preise S j,t (j {1,...,g},t {,1}) von g Basisgütern zu zwei Handleszeitpunkten gegeben, wobei die Preise zur Zeit fest und bekannt sind, d.h. S j, R (j {1,...,g}), während die Preise S j,1 (j {1,...,g}) zur Zeit 1 relle Zufallsvariablen definiert auf einem gemeinsamen W-Raum (Ω, A, P) sind. Wir setzen S = S 1,. und S 1 = S 1,1.. S g, S g,1 Definition 4. Ein Portfolio ist ein Vektor x = x (1). x (g) R g. Hierbei beschreibt die i-te Komponente die (eventuelle nicht ganze bzw. eventuell auch negative) Anzahl vom Basisgut i im Portfolio. Der Wert des Portfolios zur Zeit t ist x T S t = g x (i) S i,t, dabei ist x T S der deterministische Wert des Portfolios zu Beginn der Handelsperiode und x T S 1 der zufällige Wert am Ende der Handelsperiode. Definition 5. Ein Portfolio x heißt risikofrei, falls falls für eine Konstante c R gilt: x T S 1 = c, d.h. der Wert des Portfolios am Ende der Handelsperiode hängt nicht vom Zufall ab. Ist x ein risikofreies Portfolio mit x T S > und x T S 1 = 1, so heißt B 1 = x T S 12

13 Diskontierungsfaktor im Ein-Perioden-Modell (mit zugehörigem Portfolio x). Beispiel: Wir betrachten einen Finanzmarkt, an dem es eine festverzinsliche Anlage und eine Aktie gibt. Die festverzinsliche Anlage wird mit Zinssatz ρ > verzinst. Die Aktie hat zur Zeit t = den Kurs A R + \{} sowie zur Zeit t = 1 den Kurs { u A mit Wahrscheinlichkeit p, A 1 = d A mit Wahrscheinlichkeit 1 p, wobei p (,1) und < d < u. Im Ein-Perioden-Modell beschreiben wir diesen Markt, indem wir einen W-Raum(Ω, A, P) mit Ω = {ω 1,ω 2 },A = P(Ω) und P({ω 1 }) = 1 P({ω 2 }) = p wählen. Sodann definieren wir A 1 : Ω R durch und setzen Hier ist A 1 (ω 1 ) = u A und A 1 (ω 2 ) = d A S = ( 1 A ) x = und S 1 = ( 1 1+ρ ( 1+ρ ein risikoloses Portfolio mit x T S > und x T S 1 = 1, und der zugehörige Diskontierungsfaktor ist B 1 = 1/(1+ρ). Definition 6. Ein Portfolio x heißt Arbitrage (risikoloser Profit), falls ) A 1 x T S =, x T S 1 und P[x T S 1 > ] >. Ein Modell heißt arbitragefrei, falls keine Arbitrage existiert. ). Bemerkung: Diese Annahme ist in der Praxis plausibel, weil die Existenz einer Arbitrage sofort zu Geldanlagen führen würde, die diese Arbitrage solange ausnützen, bis sich die Preise verändert haben. Fortan vorausgesetzt: Existenz eines risikolosen Portfolios mit B 1 = x T S > und x T S 1 = 1. Lemma 1: Ein Modell ist genau dann arbitragefrei, falls kein Portfolio x existiert mit x T S, x T S 1 und P[x T S 1 > x T S ] >. 13

14 Beweis: Siehe Übungen. Lemma 2: Der Diskontierungsfaktor eines arbitragefreien Modells ist eindeutig bestimmt. Beweis:Seienx 1 undx 2 zwei risikofreiesportfoliomitx T i S > undx T i S 1 = 1(i {1,2}) und Dann gilt für z = x 1 xt 1 S x T 2 S x 2: < x T 1 S < x T 2 S. z T S = und z T S 1 = 1 xt 1 S x T 2 S >. Beispiel (Fortsetzung): Im obigem Beispiel zum Ein-Perioden-Modell gilt: Modell arbitragefrei d < 1+ρ < u Begründung: Im Falle d 1 + ρ bekommen wir eine Arbitrage, indem wir Geld zum Aktienkauf leihen. Denn dann ist x = ( A,1) T wegen x T S = A +A =,x T S 1 = A (1+ρ)+A 1 A (1+ρ)+d A und P[x T S 1 > ] P[A 1 = u A ] = p > eine Arbitrage. ImFalleu 1+ρführtmandenBeweis analog,indemmansich eineaktiezurgeldanlage leiht, also z = (A, 1) T setzt. Ist die Bedingung rechts erfüllt, so kann nicht gleichzeitig x T S = und x T S 1 gelten. Definition 7. Ein Claim (Anrecht, Forderung) ist eine reellwertige Zufallsvariable C. Der zugehörige Hedge (das zugehörige Sicherungsgeschäft) ist ein Portfolio x mit x T S 1 = C. Ein Claim heißt absicherbar, falls ein zugehöriger Hedge existiert. Ein Modell heißt vollständig, falls jeder Claim absicherbar ist. 14

15 Beispiel (Fortsetzung): Das Modell aus obigem Beispiel ist vollständig. Begründung: Betrachte einen Claim C und ein Portfolio x = (x 1,x 2 ) T. Dann gilt: x ist Hedge für C x T S 1 (ω i ) = C(ω i ) (i {1,2}). Also ist x genau dann ein Hedge für C, wenn x = (x 1,x 2 ) T Lösung des linearen Gleichungssystems x 1 (1+ρ)+x 2 u A = C(ω 1 ) x 1 (1+ρ)+x 2 d A = C(ω 2 ) ist. Die Determinante dieses LGS ist (1+ρ) d A (1+ρ) u A = (1+ρ) A (d u), womit das LGS für jeden Claim eindeutig lösbar ist. Speziell: Zu einem europäischem Call mit Basispreis K > und Verfallstermin T = 1, d.h. zu C = (A 1 K) +, erhält man mit Hilfe der Cramerschen Regel den Hedge x 1 = (u A K) + d A (d A K) + u A (1+ρ) A (d u) x 2 = (1+ρ) (d A K) + (1+ρ) (u A K) + (1+ρ) A (d u) = (d A K) + u (u A K) + d, (1+ρ) (u d) = (u A K) + (d A K) +. A (u d) Wegen x 1 und x 2 bedeutet dieser Hedge anschaulich: Leihe Geld und kaufe davon die Aktie. Als nächstes wollen wir uns im obigen Modell mit dem fairen Preis eines Hedge befassen. Lemma 3. Ist C ein Claim mit zugehörigem Hedge x, so ist x T S der einzig sinnvolle Preis für den Claim, da jeder andere Preis für C zu einer Arbitrage führt. Beweis. Wird der Claim C zu einem Preis a > x T S verkauft, so führt folgende Strategie zu einer Arbitrage: 15

16 Verkaufe Claim zum Preis a und kaufe den Hedge x zum Preis x T S. Zum Zeitpunkt Null hat man dann den Gewinn a x T S >, den Claim verkauft und das Portfolio x gekauft. Zum Zeitpunkt 1 gleichen sich die Zahlungen aus Portfolio und Claim aus, man hat aber weiterhin den (verzinsten) Gewinn, was einer Arbitrage entspricht. Wird dagegen der Claim C zu einem Preis a < x T S verkauft, so führt folgende Strategie zu einer Arbitrage: Kaufe Claim zum Preis a und führe Leerverkauf des Hedges x (d.h. erwerbe z = x zum Preis z T S = x T S ) durch. Zum Zeitpunkt Null hat man dann den Gewinn x T S a >, den Claim gekauft und das Portfolio x verkauft. Zum Zeitpunkt 1 gleichen sich die Zahlungen aus Portfolio und Claim aus, man hat aber weiterhin den (verzinsten) Gewinn, was wieder einer Arbitrage entspricht. Bemerkung. Der obige Preis des Claims hängt nicht vom gewähltem Hedge ab, da sonst wieder eine Arbitragemöglichkeit besteht (analog). Definition 8. Ist C ein Claim mit Hedge x, so heißt der faire Preis des Claims C. s(c) = x T S Im Beispiel oben: Der faire Preis des europäischem Calls mit Basispreis K > und Verfallstermin T = 1 ist x T S = x 1 1+x 2 A = (d A K) + u (u A K) + d (1+ρ) (u d) + (u A K) + (d A K) +. (u d) Dieser Preis ist z.b. monoton wachsend in A und monoton fallend in K. 5 Stochastische Modellierung eines Aktienkurses in stetiger Zeit, Teil 1 Vorstellung: Aktienkurs ist nicht deterministisch, sondern ergibt sich durch eine zufällige Störung um einen Bondpreis mit anderer Zinsrate b > r (im allgemeinen). 16

17 Hierzu: Betrachte Logarithmus von Bondpreis (2.1). Für Bondpreis folgt aus (2.1) logb(t) = log(b )+r t, d. h. B(t) ist log-linear. Ansatz für Aktienkurs S(t) : logs(t) = log(s )+ b t+ Zufall (S() = s ) Für Zufall soll gelten: i) keine Tendenz, d. h. E(Zufall) = ii) ist von t abhängig iii) stellt die Summe der Abweichungen log(s(t)) (log(s )+ bt) auf t [,T] dar Definiere: Y(t) := log(s(t)) (log(s )+ bt) Aufgrund des zentralen Grenzwertsatzes ist folgende Modellierung sinnvoll: Y(t) N(,σ 2 t). Dabei heißt σ > die Volatilität und ist ein Indikator für die Größe der Schwankungen des Aktienkurses. Zusätzliche sinnvolle Forderung: 1. Y(t) Y(δ) N(,σ 2 (t δ)) für δ (,t), d. h. Varianz der Zuwächse Y(t) Y(δ) hängt nur von Zeitdifferenz t δ ab. 2. Für t 1 < t 2 t 3 < t 4 sind Y(t 4 ) Y(t 3 ),Y(t 2 ) Y(t 1 ) unabhängig. Definition 9: Sei (Ω,F,P) W-Raum. Eine Menge {(X t,f t )} t I, I geordnete Indexmenge, bestehend aus monoton wachsender Folge {F t } t I von σ-algebren F t F - so genannte Filterung - und einer Folge {X t } t I von R d -wertigen ZVn mit X t F t -messbar, heißt stochastischer Prozess mit Filterung {F t } t I. Kurzschreibweise: {X t } t I oder X t. In diesem Fall verwenden wir F t = F(X s : s t). Bemerkungen: 17

18 i) Im Folgenden: I = [, ) oder I = [,T]. ii) Für festes ω Ω wird Menge X. (ω) := {X t (ω)} t I = {X(t,ω)} t I als Funktion der Zeit t interpretiert und als Pfad oder Realisierung des stochastischen Prozesses bezeichnet. Definition 1: Ein reellwertiger stochastischer Prozess {W t } t mit stetigen Pfaden und den Eigenschaften a) W = P-f.s. (d. h. P({ω Ω : W (ω) = }) = 1) b) für alle s < t gilt: (W t W s ) N(,t s) (stationäre Zuwächse) c) für alle r u s < t gilt: (W t W s ) und (W u W r ) sind unabhängig (unabh. Zuwächse) heißt eindimensionale Brownsche Bewegung. Bemerkungen: 1) d-dimensionale Brownsche Bewegung W(t) = (W 1 (t),...,w d (t)) besteht aus d unabhängigen eindimensionalen Brownschen Bewegungen (BB). 2) {W t } t wird auch Wiener Prozess genannt (nach Norbert Wiener, der als erster BB mathematisch beschrieben hat), deshalb Abkürzung W. 3) Nachweis der Existenz des Wiener Prozesses kann durch Grenzwertbildung bei geeigneten einfachen Prozessen erfolgen. Bisheriger Ansatz für Aktienkurs S(t): log(s(t)) = log(s )+ bt+ Zufall (S() = s ) Mit Brownscher Bewegung {W t } t geeigneter Prozess gefunden um Zufall imlog-linearen Ansatz für Aktienkurse zu modellieren. Neuer Ansatz für Aktienkurs S(t): Wähle für Zufall Brownsche Bewegung mit Volatilität σ log(s(t)) = log(s )+ bt+σw t, also S(t) = s e bt+σw t (5.1) 18

19 Da log(s(t)) N(log(s )+ bt,σ 2 t)-verteilt ist, sagt man S(t) ist lognormal-verteilt. Weitere Eigenschaften von (5.1): Lemma 4: Sei b = b+ 1 2 σ2 und sei S(t) wie in (5.1). Dann gilt Beweis: E(S(t)) = s e bt. E(S(t)) = E(s e bt+σw t ) = E(s e (b 1 2 σ2 )t e σwt ) = s e (b 1 2 σ2 )t E(e σwt ) = s e (b 1 2 σ2 )t 1 2πt = s e (b 1 2 σ2 )t 1 2πt e σ2 t 2 = s e (b 1 2 σ2 )t e 1 2 σ2t e σx e (x )2 2t } {{ } dx (da W t N(,t) nach Def. 1b)) =e x2 +2xσt 2t 2t 1 2πt e (x2 2xσt+σ 2 t 2 ) 2t dx e (x σt)2 2t dx } {{ } =1, da Dichte von N(σt,t) verteilter ZV = s e bt 1 2 σ2t e 1 2 σ2t 1 = s e bt. Beachte: Im Beweis wurde gezeigt: E(e σwt ) = e 1 2 σ2t 1 E(e σwt 1 2 σ2t ) = 1 Mit obigem Lemma folgende Interpretation des Aktienkurses: S(t) = s e ( b+ 1 2 σ2 )t e σwt 1 2 σ2 t } {{ },S() = s. ZV mit EW 1 Aktienkurs ist Produkt aus mittlerem Kurs s e ( b+ 1 2 σ2 )t und einer Zufallsvariablen mit EW 1, die die zufällige Schwankung um mittleren Kurs modelliert. Andere Schreibweise: S(t) = s e (b 1 2 σ2 )t+σw t (5.2) Bezeichnung: Einen stochastischen Prozess der Gestalt (5.2) nennt man geometrische Brownsche Bewegung (gbb) mit Drift b und Volatilität σ. 19

20 6 Steilkurs: Bedingte Erwartungen und Martingale Satz 6. Wahrscheinlichkeitsraum (Ω,A,P). Integrierbare ZV X: (Ω,A,P) (R,B). σ-algebra C A. Dann existiert eine ZV Z : (Ω,A,P) (R,B) mit folgenden Eigenschaften: ( ) Z ist integrierbar und C-B-messbar, ( ) C C XdP = ZdP. C C Z ist eindeutig bis auf die Äquivalenz = Rest C P-f.ü.. Beweis: Folgt aus dem Satz von Radon-Nikodym, vgl. Wahrscheinlichkeitstheorie. Definition 11. Wahrscheinlichkeitsraum (Ω, A, P). Integrierbare ZV X: (Ω, A, P) (R,B).σ-AlgebraC A.DieÄquivalenzklasse (imoberensinne) der ZVnZ: (Ω,A,P) (R,B) mit ( ) und ( ) oder auch ein Repräsentant dieser Äquivalenzklasse heißt bedingte Erwartung von X bei gegebenem C... E(X C). Häufig wird ein Repräsentant dieser Äquivalenzklasse als eine Version von E(X C) bezeichnet. Achtung E(X C) ist Zufallsvariable / messbare Abbildung! E(X C) ist Vergröberung von X. Beispiele a) C = A...E(X C) = X f.s. (beachte: E(X C) ist reellwertig, daher muss X eventuell auf der Nullmenge [ X = ] abgeändert werden). b) C = {,Ω}...E(X C) = EX (da E(X C) C B-messbar ist, muss hier E(X C) konstant sein, und mit Ω E(X C) dp = EX folgt die Behauptung). c) C = {,B,B c,ω} mit < P(B) < 1. 1 XdP =: E(X B), ω B P(B) B (E(X C))(ω) = 1 XdP, ω B c P(B c ) B c E(X B) heißt bedingter Erwartungswert von X unter der Hypothese B. Begründung Die rechte Seite ist C B-messbar und erfüllt: (Re.S.) dp = = X dp 2

21 B (Re.S.) dp = B B C (Re.S.) dp analog = B C X dp B X dp P(B) dp = = B X dp. B X dp P(B) B 1 dp Ω (Re.S.) dp = B (Re.S.) dp + B C (Re.S.) dp s.o. = B X dp + B C x dp = Ω X dp. Aus obiger Rechnung folgt auch, dass die konstanten Funktionswerte von E(X C) auf B bzw. B C eindeutig sind. Satz 7.Wahrscheinlichkeitsraum (Ω,A,P).X,X i integrierbar;σ-algebrac A;c,α 1,2 R. a) C C C E(X C)dP = C X dp b) X = c P-f.s. = E(X C) = c f.s. c) X P-f.s. = E(X C) f.s. d) E(α 1 X 1 +α 2 X 2 C) = α 1 E(X 1 C)+α 2 E(X 2 C) f.s. e) X 1 X 2 P-f.s. = E(X 1 C) E(X 2 C) f.s. f) X C-B-messbar = X = E(X C) f.s. g) X integrierbar, Y C-B-messbar, XY integrierbar = E(XY C) = YE(X C) f.s. h) X,X integrierbar, XE(X C) integrierbar = E(XE(X C) C) = E(X C)E(X C) f.s. i) σ-algebra C 1,2 mit C 1 C 2 A, X integrierbar E(E(X C 1 ) C 2 ) = E(X C 1 ) f.s. E(E(X C 2 ) C 1 ) = E(X C 1 ) f.s. Hier f.s.... Rest C P-f.s. bzw. Rest C1 P-f.s. Beweis: a) Folgt unmittelbar aus der Definition. b) Klar, da die Konstante die Messbarkeits- und Integralbedingungen erfüllt. 21

22 c) C C : E(X C) dp = X dp C C (da X P-f.s.) E(X C) f.s. (da E(X C) dp 1 P[ ] E(X C) < 1 n n [E(X C)< 1 n ] also P[E(X C) < ] = lim P[E(X C) < 1] = lim =.) n n n d) Rechte Seite ist C B-messbar, integrierbar und erfüllt für alle C C: (α C 1E(X 1 C)+α 2 E(X 2 C)) dp = α 1 E(X C 1 C) dp +α 2 C E(X 2 C) dp Definition = α 1 X C 1 dp +α 2 C X 2 dp = C (α 2 X 1 +α 2 X 2 ) dp. e) X 1 X 2 P-f.s. X 2 X 1 P-f.s. c) E(X 2 X 1 C) f.s. d) E(X 2 C) E(X 1 C) f.s. f) Klar, da X C B-messbar ist und die Integralbedingung erfüllt. g) Fall I: X und Y Da Y E(X C) C B-messbar ist, genügt es zu zeigen: (1) Y E(X C) integrierbar (2) C C : Y E(X C) dp = X Y dp C C (1) folgt wegen X und Y aus (2). Nachweis von (2): Fall 1: X und Y = χ B für ein B C. Dann gilt für C C: Y E(X C) dp = E(X C) dp C B C = X dp B C (nach Definition der bedingten Erwartung und B C C) = X χ C B dp = X Y dp C Fall 2: X und Y nichtnegativ einfach. Beh. folgt mit Linearität des Integrals aus Fall 1. 22

23 Fall 3: X und Y Behauptung folgt aus Fall 2, indem man Y von unten durch nichtnegative (und C B-messbare) Funktionen appoximiert, den Satz von der monotonen Konvergenz und das Resultat aus Fall 2 anwendet. Fall II: Allgemeine X und Y. E(X Y C) = E(X + Y + X Y + X + Y +X Y C) d) = E(X + Y + C) E(X Y + C) E(X + Y C)+E(X Y C) f.s. = Y + E(X + C) Y + E(X C) Y E(X + C)+Y E(X C) f.s. (nach Fall 3, wobei alle auftretenden Produkte integrierbar sind, da X Y integrierbar ist ) = (Y + Y ) (E(X + C) E(X C)) d) = Y E(X C) f.s. h) Folgt aus g) mit Y = E(X C). i) i 1 ) E(X C 1 ) ist C 1 B-messbar und damit auch C 2 B-messbar. Mit f) folgt die Behauptung. i 2 ) E(X C 1 ) ist C 1 B-messbar, integrierbar, und es gilt für C C 1 : E(X C 1 ) dp Def. = X dp = E(X C 2 ) dp C C wobei die letzte Gleichheit aus C C 2 und der Definition von E(X C 2 ) folgt. C Definition 12. Wahrscheinlichkeitsraum (Ω, A, P). a) Integrierbare ZV X: (Ω,A,P) (R,B). ZV Y: (Ω,A,P) (Ω,A ). E(X Y) := E(X Y 1 (A ))...bedingte Erwartung von X bei gegeb. Y. } {{ } [kleinste σ-algebra in Ω, bzgl. der Y messbar ist...f(y)( A)] b) Integrierbare ZV X: (Ω,A,P) (R,B). ZVn Y i : (Ω,A,P) (Ω i,a i ) (i I) C( A) sei die kleinste σ-algebra in Ω, bzgl. der alle Y i messbar sind [C = F( i I Y 1 i (A i ))...F(Y i, i I)] E(X (Y i ) i I ) := E(X C)...bedingte Erwartung von X bei gegebenem Y i, i I. 23

24 Bemerkung. Integrierbare ZV X: (Ω,A,P) (R,B). a) σ-algebra C in A (X 1 (B),C) unabhängig = E(X C) = EX f.s. Hierbei heißen (X 1 (B),C) unabhängig, falls für alle Mengen B X 1 (B) und C C gilt: B,C sind unabhängig. b) ZV Y: (Ω,A,P) (Ω,A ) (X,Y) unabhängig E(X Y) = EX f.s. Beweis: a) EX ist als konstante Abbildung C B-messbar, integrierbar und für C C gilt: C X dp = X χ C dp = E(X χ C ) = E(X) E(χ C ) (da X,χ C unabhängig wegen X 1 (B), C unabhängig) = E(X) P(C) = C E(X) dp. b) folgt aus a) mit C = F(Y) = Y 1 (A ) Definition 13. Wahrscheinlichkeitsraum (Ω, A, P). Eine Folge (X n ) n N von integrierbaren ZVn X n : (Ω,A,P) (R,B) heißt bei gegebener monoton wachsender Folge (A n ) n N von σ-algebren A n A mit A n -B-Messbarkeit von X n [wichtiger Fall A n = F(X 1,...,X n ) (n N)] ein Martingal bzgl. (A n ), wenn [d.h. n N n N E(X n+1 A n ) = X n f.s. C A n C X n+1 dp = C X n dp]. Analog für stochastische Prozesse (X t ) t [,T] mit Filterung (F t ) t [,T]. Bemerkung. Ein Martingal (X n ) bzgl. (A n ) ist auch ein Martingal bzgl. (F(X 1,...,X n )). Begründung: Meßbarkeit ist klar.ausf(x 1 ) A 1,F(X 2 ) A 2,...undA 1 A 2... folgt F(X 1,...,X n ) A n, und daher gilt für alle C F(X 1,...X n ): X n+1 dp = X n dp. C C 24

25 Beispiel: Ein Spiel mit zufälligen Gewinnständen X n in R heißt fair, wenn gilt: X n integrierbar, EX 1 = und E(X n+1 X 1,...,X n ) = X n P f.s. für alle n N. Dies ist äquivalent zu EX 1 = und (X n ) n ist Martingal bzgl. F(X 1,...,X n ). Anwendung in der Finanzmathematik: Lemma 5. Ist σ, ist (W t ) t R Wiener Prozess, und ist die zugehörige Filterung (F t ) t R definiert durch F t = F ({ W s : s t }), so ist ( exp ( σ W t 1 2 σ2 t )) t R ein Martingal bzgl. (F t ) t R. Der Aktienkurs S(t) = s e ( b+ 1 2 σ2 )t e σwt 1 2 σ2 t } {{ },S() = s Martingal mit EW 1 ist also Produkt aus mittlerem Kurs s e ( b+ 1 2 σ2 )t und einem Martingal, das die zufällige Schwankung um mittleren Kurs modelliert. Beweis von Lemma 5. Setze X t = exp ( σ W t 1 2 σ2 t ). Sei t > s. Es ist zu zeigen: E(X t F s ) = X s. Mit X t = e σwt σws+σws 1 2 σ2 t = e 1 2 σ2t e σws e σ(wt Ws) folgt: E(X t F s ) = E(e 1 2 σ2t e σws e σ(wt Ws) F s ) = e 1 2 σ2t E(e σws e σ(wt Ws) F s ) = e 1 2 σ2t e σws E(e σ(wt Ws) F s ) (da e σws messbar bzgl. F s = e 1 2 σ2t e σws E(e σ(wt Ws) ) (da unabh. von F s ) = e 1 2 σ2t e σws e 1 2 σ2 (t s) 1 (nach Beweis von Lemma 4) = e σws 1 2 σ2s. 25

26 7 Stochastische Modellierung eines Aktienkurses in stetiger Zeit, Teil 2 Mit geometrischer Brownscher Bewegung (5.2), d.h. mit S(t) = s e (b 1 2 σ2 ) t+σ W t wurde Prozess gefunden, um Aktienkurs bei fester Zinsrate und Volatilität mathematisch zu modellieren. Wünschenswert: Aktienkurs allgemeiner formulieren mit nicht-konstanter, zeitabhängiger, integrierbarer Zinsrate b(t) = b(t) 1 2 σ2 (t) und Volatilität σ(t). Idee: Statt Logarithmus von (5.2) log(s(t)) = log(s )+(b 1 2 σ2 ) t+σw t } {{ } (b 1 2 σ2 )ds schreibe log(s(t)) = log(s )+ (b(s) 1 2 σ2 (s))ds+ σ(s)dw s wobei 1dW s = W t W = W t gelten wird. Nötig: Definition von σ(s)dw s! Berechnung bzw. Definition von σ(s)dw s führt zu dem Begriff des stochastischen Integrals oder auch Itô-Integral. Itô-Integral Zwei (naive) Ideen zur Berechnung von X s (ω)dw s (ω) (t [, )), wobei X s stochastischer Prozess ist. 1. Idee: Berechnung, falls Dichte existiert: X s (ω)dw s (ω) = X s (ω) dw s(ω) ds ds 26

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

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

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

Mehr

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

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

Bewertung von europäischen und amerikanischen Optionen

Bewertung von europäischen und amerikanischen Optionen Bewertung von europäischen und amerikanischen en 1. Vortrag - Einführung Technische Universität Berlin Institut für Mathematik 8. November 2007 Inhaltsverzeichnis 1 Definitionen amerikanische / europäische

Mehr

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

Die Black-Scholes-Gleichung

Die Black-Scholes-Gleichung Die Black-Scholes-Gleichung Franziska Merk 22.06.2012 Outline Optionen 1 Optionen 2 3 Optionen Eine Kaufoption ist ein Recht, eine Aktie zu einem heute (t=0) festgelegten Preis E an einem zukünftigen Zeitpunkt

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

Bewertung von Forwards, Futures und Optionen

Bewertung von Forwards, Futures und Optionen Bewertung von Forwards, Futures und Optionen Olaf Leidinger 24. Juni 2009 Olaf Leidinger Futures und Optionen 2 24. Juni 2009 1 / 19 Überblick 1 Kurze Wiederholung Anleihen, Terminkontrakte 2 Ein einfaches

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

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

Finanz- und Risikomanagement II

Finanz- und Risikomanagement II Finanz- und Risikomanagement II Fakultät Grundlagen März 2009 Fakultät Grundlagen Finanz- und Risikomanagement II Einperiodenmodell Marktmodell Bewertung von Derivaten Binomialbaum Bewertungen im Abhängigkeiten

Mehr

Optionspreisbestimmung nach Cox-Ross-Rubinstein

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

Mehr

Optionen. Vertiefungsstudium Finanzwirtschaft SS 2001 Prof. Dr. Mark Wahrenburg

Optionen. Vertiefungsstudium Finanzwirtschaft SS 2001 Prof. Dr. Mark Wahrenburg Optionen Vertiefungsstudium Finanzwirtschaft SS 2001 Prof. Dr. Mark Wahrenburg 1 Übersicht Der Optionsvertrag Pay Offs / Financial Engineering Wertgrenzen Put-Call-Paritätsbedingung Bewertung von Optionen

Mehr

Optionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009

Optionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009 nach Black-Scholes mit sprüngen 2. Februar 2009 nach Black-Scholes mit sprüngen Inhaltsverzeichnis 1 Einleitung Optionsarten Modellannahmen 2 Aktienmodell Beispiele für e ohne Sprung 3 nach Black-Scholes

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

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

Mehr

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

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung

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

Mehr

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

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

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

Algorithmen und Software für moderne Finanzmathematik. Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern

Algorithmen und Software für moderne Finanzmathematik. Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern Algorithmen und Software für moderne Finanzmathematik Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern Gliederung: Was ist Finanzmathematik? Wie wird man reich? Portfolio-Optimierung

Mehr

Computational Finance

Computational Finance Computational Finance : Simulationsbasierte Optionsbewertung Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring 4 / WiWi-Gebäude

Mehr

SoSe 2004 Mareen Hofmann, Sonja Lange

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

Mehr

Finanzmathematik Vorlesung WS 2010/11

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

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Finanz- und Risikomanagement Seite 1 von 35 Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Finanz- und Risikomanagement Seite 1 von 35 Prof. Dr. Gabriele Gühring, Fakultät Grundlagen Inhaltsverzeichnis: Übungsaufgaben zu Finanz- und Risikomanagement... 3 Aufgabe... 3 Aufgabe... 3 Aufgabe 3... 3 Aufgabe 4... 3 Aufgabe 5... 4 Aufgabe 6... 4 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9...

Mehr

76 10. WEITERE ASPEKTE

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

Mehr

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

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

Mehr

Vorbemerkungen zur Optionsscheinbewertung

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

Mehr

Numerische Methoden der Finanzmathematik

Numerische Methoden der Finanzmathematik Numerische Methoden der Finanzmathematik Lars Grüne Mathematisches Institut Fakultät für Mathematik und Physik Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/

Mehr

Quantitative BWL 2. Teil: Finanzwirtschaft

Quantitative BWL 2. Teil: Finanzwirtschaft Quantitative BWL 2. Teil: Finanzwirtschaft Mag. Tomáš Sedliačik Lehrstuhl für Finanzdienstleistungen Universität Wien 1 Themenübersicht 1. Portfoliotheorie und Portfoliomodelle i. Grundbegriffe: Rendite,

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

Hedging mit Monte Carlo Algorithmen

Hedging mit Monte Carlo Algorithmen Hedging mit Monte Carlo Algorithmen Diplomarbeit von Thomas Höllbacher Fakultät für Mathematik, Physik und Informatik Mathematisches Institut Datum: 30. Oktober 2011 Aufgabenstellung und Betreuung: Prof.

Mehr

Optionspreistheorie von Black & Scholes

Optionspreistheorie von Black & Scholes Optionspreistheorie von Black & Scholes Vortrag zum Seminar Econophysics Maximilian Eichberger 20. November 2007 Zusammenfassung Nach einer kurzen Erläuterung zu den Grundbegriffen und -prinzipien des

Mehr

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2014

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2014 Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2014 Walter Sanddorf-Köhle Foliensatz Nr. 8 1 / 40 Erweiterungen des Binomialmodells Dividendenzahlungen Sei S der Wert einer Aktie

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

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

Mehr

Quantitative Finance

Quantitative Finance Kapitel 11 Quantitative Finance Josef Leydold c 2006 Mathematische Methoden XI Quantitative Finance 1 / 30 Lernziele für den Teil Quantitative Finance Die Welt der stetigen Zinsen (Renditen) Wichtige Finanzprodukte:

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

Numerische Methoden der Finanzmathematik

Numerische Methoden der Finanzmathematik Numerische Methoden der Finanzmathematik Lars Grüne Mathematisches Institut Fakultät für Mathematik und Physik Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/

Mehr

Interdisziplinäres Vertiefungsfach Geld und Finanzierung. Vertiefungskurs I: Optionspreise und Derivate. Klaus Pötzelberger

Interdisziplinäres Vertiefungsfach Geld und Finanzierung. Vertiefungskurs I: Optionspreise und Derivate. Klaus Pötzelberger Interdisziplinäres Vertiefungsfach Geld und Finanzierung Vertiefungskurs I: Optionspreise und Derivate Klaus Pötzelberger Institut für Statistik und Mathematik Option Slide 1 Klaus Pötzelberger Optionspreis

Mehr

Fondsgebundene Lebensversicherungsverträge mit garantierten Auszahlungen

Fondsgebundene Lebensversicherungsverträge mit garantierten Auszahlungen Günther Sieghartsleitner Fondsgebundene Lebensversicherungsverträge mit garantierten Auszahlungen Diplomarbeit Technische Mathematik Studienzweig Operations Research, Statistik, Finanz- und Versicherungsmathematik

Mehr

commodities (Waren/handelbare Rohstoffe, z.b. Edel- u. Industriemetalle, Agrar-Produkte,...)

commodities (Waren/handelbare Rohstoffe, z.b. Edel- u. Industriemetalle, Agrar-Produkte,...) Seydel: Skript Numerische Finanzmathematik, Prolog (Version 2011) 1 ¼º ÈÖÓÐÓ µ Ö Ú Ø A. Übersicht Wesentliche Anlagemärkte sind Aktien Anleihen Rohstoffe equities, stocks bonds commodities (Waren/handelbare

Mehr

DIE DIFFERENTIALGLEICHUNG ZUR BESTIMMUNG DES PREISES VON WäHRUNGSOPTIONEN

DIE DIFFERENTIALGLEICHUNG ZUR BESTIMMUNG DES PREISES VON WäHRUNGSOPTIONEN DIE DIFFERENTIALGLEICHUNG ZUR BESTIMMUNG DES PREISES VON WäHRUNGSOPTIONEN von HANS-JüRG BüTTLER In der vorliegenden Notiz werden zuerst Kennziffern des Wechselkurses, die für die lognormale Verteilung

Mehr

1.8 Der Wert zum Zeitpunkt t der long Position eines zum Zeitpunkt 0 abgeschlossenen

1.8 Der Wert zum Zeitpunkt t der long Position eines zum Zeitpunkt 0 abgeschlossenen 1 Einführung 1.4 Berechnung des Erfüllungspreises eines Forwards mit Hilfe des NAP 1.6 Sichere Wertgleichheit zweier Portfolios zum Zeitpunkt T liefert Wertgleichheit zum Zeitpunkt 0 1.7 Preisbestimmung

Mehr

Blatt 1. 1 Einführung. Programmierpraktikum Computational Finance. WS 2014/ 2015 Prof. Dr. Thomas Gerstner Marco Noll

Blatt 1. 1 Einführung. Programmierpraktikum Computational Finance. WS 2014/ 2015 Prof. Dr. Thomas Gerstner Marco Noll Programmierpraktikum Computational Finance WS 2014/ 2015 Prof. Dr. Thomas Gerstner Marco Noll Programmierpraktikum Computational Finance Blatt 1 1 Einführung Finanzderivate sind Wertpapiere, deren Wert

Mehr

Dünngitter-Binomialbäume zur Bewertung von Multiasset-Optionen

Dünngitter-Binomialbäume zur Bewertung von Multiasset-Optionen Diplomarbeit Dünngitter-Binomialbäume zur Bewertung von Multiasset-Optionen Angefertigt am Institut für Numerische Simulation Vorgelegt der Mathematisch-Naturwissenschaftlichen Fakultät der Rheinischen

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

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

3. Modelle in stetiger Zeit, Black Scholes

3. Modelle in stetiger Zeit, Black Scholes 3. Modelle in stetiger Zeit, Black Scholes Nach einführenden Bemerkungen werden kurz die Brownsche Bewegung und Martingale in stetiger Zeit besprochen. Dann folgen die Entwicklung des stochastischen Integrals

Mehr

Zusammenfassung Finanzmarkttheorie 2

Zusammenfassung Finanzmarkttheorie 2 UNI BERN BWL Zusammenfassung Finanzmarkttheorie 2 FS 2014 bei Prof. Dr. Heinz Zimmermann Zusammenfassung zusammengestellt aus den Folien zur Vorlesung. Zusammenfassung enthält wahrscheinlich noch Typos.

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE im SS 215 Aufgabe 1 (Innerer Wert, Zeitwert, Basiskurs, Aufgeld) Am 13.4.2 kostete eine Kaufoption

Mehr

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

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

Mehr

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

Numerik für nichtlineare Black-Scholes-Gleichungen

Numerik für nichtlineare Black-Scholes-Gleichungen Fakultät für Mathematik, Physik und Informatik Mathematisches Institut Numerik für nichtlineare Black-Scholes-Gleichungen Bachelorarbeit von Markus Schäfer Aufgabenstellung und Betreuung: Prof. Dr. Lars

Mehr

Zur Bewertung von Derivaten Eine Einführung

Zur Bewertung von Derivaten Eine Einführung Zur Bewertung von Derivaten Eine Einführung Dr. Volkert Paulsen 17. September 2009 Im wesentlichen unternimmt man auf Finanzmärkten eine Zweiteilung in Basis- und derivative Finanzgüter. Ein Anteil an

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

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

B.A. Seminar Derivate: Märkte & Produkte

B.A. Seminar Derivate: Märkte & Produkte B.A. Seminar Derivate: Märkte & Produkte B. Nyarko S. Opitz Lehrstuhl für Derivate Sommersemester 2014 B. Nyarko S. Opitz (UHH) B.A. Seminar Derivate: Märkte & Produkte Sommersemester 2014 1 / 23 Organisatorisches

Mehr

Hochschule Rhein-Main. Sommersemester 2015

Hochschule Rhein-Main. Sommersemester 2015 Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 22. Juni 2015 Erinnerung Eine Option ist das Recht (aber nicht die Verpflichtung) ein Produkt S in der Zukunft zu einem heute festgelegten

Mehr

Analytische und numerische Lösung der Black-Scholes-Gleichung für europäische und amerikanische Basket-Optionen

Analytische und numerische Lösung der Black-Scholes-Gleichung für europäische und amerikanische Basket-Optionen Technische Universität Berlin Fakultät für Mathematik und Naturwissenschaften Analytische und numerische Lösung der Black-Scholes-Gleichung für europäische und amerikanische Basket-Optionen Diplomarbeit

Mehr

Finanzmathematik. Jürgen Dippon. 28. März 2011. Vorlesung WS 2010/11

Finanzmathematik. Jürgen Dippon. 28. März 2011. Vorlesung WS 2010/11 Finanzmathematik Vorlesung WS 21/11 Jürgen Dippon 28. März 211 Inhaltsverzeichnis 1 Einführung 3 1.1 Grundbegrie................................... 4 1.2 Put-Call-Parität.................................

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

DIPLOMARBEIT. Vergleich numerischer Berechnungsmethoden für Optionswerte und Handelsstrategien

DIPLOMARBEIT. Vergleich numerischer Berechnungsmethoden für Optionswerte und Handelsstrategien UNIVERSITÄT BAYREUTH FAKULTÄT FÜR MATHEMATIK UND PHYSIK Lehrstuhl für Mathematik V DIPLOMARBEIT Vergleich numerischer Berechnungsmethoden für Optionswerte und Handelsstrategien eingereicht von: Martin

Mehr

Binomialmodell für Optionen

Binomialmodell für Optionen Jörg Lemm Vorlesung Finanzmathematik, WS 08/09 Universität Münster 4.12.2008, 11.12.2008, 18.12.2008 Definition Optionen Der Käufer (Geschäftspartner in der Long-Position) einer (europäischen) Kaufoption

Mehr

Interdisziplinäres Vertiefungsfach Geld und Finanzierung Vertiefungskurs I: Optionspreise und Derivate

Interdisziplinäres Vertiefungsfach Geld und Finanzierung Vertiefungskurs I: Optionspreise und Derivate Interdisziplinäres Vertiefungsfach Geld und Finanzierung Vertiefungskurs I: Optionspreise und Derivate Klaus Pötzelberger Institut für Statistik und Mathematik Wirtschaftsuniversität Wien Inhaltsverzeichnis

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

Optionspreisberechnung (naive Idee)

Optionspreisberechnung (naive Idee) Wiener-Prozess Itô-Formel Stochastische Differenzialgleichung Stochastische Prozesse Itô-Integration Binomialmodell Optionspreisberechnung (naive Idee) Preisberechnung einer Call-Option Put-Call-Parität

Mehr

Einführung in die Optionspreisbewertung

Einführung in die Optionspreisbewertung Einführung in die Optionspreisbewertung Bonn, Juni 2011 MAF BN SS 2011 Huong Nguyen Gliederung Einführung Definition der Parameter Zwei Komponente zur Ermittlung der Optionsprämie Callwert-Kurve Wirkungen

Mehr

Die zufällige Irrfahrt einer Aktie

Die zufällige Irrfahrt einer Aktie Die zufällige Irrfahrt einer Aktie Teilnehmer: Daniela Garske (Herder-Oberschule) Joseph Jung (Pamina-Schulzentrum Herxheim) Martin Laudien (Herder-Oberschule) Kaina Schäfer (Herder-Oberschule) Anja Seegert

Mehr

Termingeschäfte. Bedingte Termingeschäfte. Unbedingte Termingeschäfte, bedingte Ansprüche (contingent claims) unbedingte Ansprüche

Termingeschäfte. Bedingte Termingeschäfte. Unbedingte Termingeschäfte, bedingte Ansprüche (contingent claims) unbedingte Ansprüche Optionen Termingeschäfte Bedingte Termingeschäfte bedingte Ansprüche (contingent claims) Optionen Kreditderivate Unbedingte Termingeschäfte, unbedingte Ansprüche Forwards und Futures Swaps 2 Optionen Der

Mehr

Angewandte Stochastik

Angewandte Stochastik Angewandte Stochastik Dr. C.J. Luchsinger 16 Crash Course Optionen: Pricing & Hedging in diskreter Zeit Literatur Kapitel 16 * Uszczapowski: Kapitel 2, 3, 6 * Pliska: Kapitel 1.4 * Lamberton & Lapeyre:

Mehr

Money out of nothing? Prinzipien und Grundlagen der Finanzmathematik

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

Mehr

Binomialmodell für Optionen

Binomialmodell für Optionen Jörg Lemm Vorlesung Finanzmathematik, WS 06/07 Universität Münster 16.11.2006, 23.11.2006, 30.11.2006 Definition Optionen Der Käufer (Geschäftspartner in der Long-Position) einer (europäischen) Kaufoption

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

Optionen. Univ.- Ass. Dr. Helmut Elsinger Institut für BWL an der Universität Wien. Optionen

Optionen. Univ.- Ass. Dr. Helmut Elsinger Institut für BWL an der Universität Wien. Optionen Univ.- Ass. Dr. Helmut Institut für BWL an der Universität Wien Der Käufer einer Option (long position) hat das Recht, einen bestimmten Basiswert (Aktie, Anleihe, Waren, etc.) an (bis) zu einem bestimmten

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

Jan Kallsen. Mathematical Finance Eine Einführung in die zeitdiskrete Finanzmathematik

Jan Kallsen. Mathematical Finance Eine Einführung in die zeitdiskrete Finanzmathematik Jan Kallsen Mathematical Finance Eine Einführung in die zeitdiskrete Finanzmathematik AU zu Kiel, WS 13/14, Stand 10. Februar 2014 Inhaltsverzeichnis 1 Mathematische Hilfsmittel 4 1.1 Absolutstetigkeit

Mehr

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

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

Mehr

Michael Günther Ansgar Jüngel. Finanzderivate mit MATLAB

Michael Günther Ansgar Jüngel. Finanzderivate mit MATLAB Michael Günther Ansgar Jüngel Finanzderivate mit MATLAB Michael Günther Ansgar Jüngel Finanzderivate mit MATLAB Mathematische Modellierung und numerische Simulation 2., überarbeitete und erweiterte Auflage

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

Derivate. Risikomanagement mit Optionen. Falk Everding

Derivate. Risikomanagement mit Optionen. Falk Everding Derivate Risikomanagement mit Optionen Falk Everding Inhalt Einführung Kassa- und Termingeschäfte Basisgüter bei Optionen Handelsplätze von Optionen Optionsarten Funktionsweisen von Optionen Ausstattungsmerkmale

Mehr

Test 1 (zu den Kapiteln 1 bis 6)

Test 1 (zu den Kapiteln 1 bis 6) Test 1 1 Test 1 (zu den Kapiteln 1 bis 6) Bearbeitungszeit: 90 Minuten Aufgabe T1.1: Bekanntmachung EUR 1.000.000.000,- Anleihe mit variablem Zinssatz der Fix AG von 2003/2013, Serie 111 Zinsperiode: 12.10.2006

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

DIPLOMARBEIT. Konstruktion B Spline basierter monotoner Mehrgitterverfahren zur Bewertung Amerikanischer Optionen

DIPLOMARBEIT. Konstruktion B Spline basierter monotoner Mehrgitterverfahren zur Bewertung Amerikanischer Optionen DIPLOMARBEIT Konstruktion B Spline basierter monotoner Mehrgitterverfahren zur Bewertung Amerikanischer Optionen Angefertigt am Institut für Angewandte Mathematik Vorgelegt der Mathematisch Naturwissenschaftlichen

Mehr

Zinssätze. Georg Wehowar. 4. Dezember 2007

Zinssätze. Georg Wehowar. 4. Dezember 2007 4. Dezember 2007 Grundlagen der Zinsrechnung Verschiedene Anleihen Forward Rate Agreement Forward Zinsen Allgemeines Allgemeine Grundlagen K 0... Anfangskapital K t... Kapital nach einer Zeitspanne t Z

Mehr

Nicht-lineare Finanzprodukte

Nicht-lineare Finanzprodukte Kapitel 3 Nicht-lineare Finanzprodukte Im diesem Abschnitt der sogenannten nicht-linearen Produkte wird zur Vereinfachung von einer konstanten und deterministischen Zinskurve ausgegangen. 1 3.1 Aktienoptionen

Mehr

Bewertung von Barrier Optionen mit der Finite-Differenzen-Methode

Bewertung von Barrier Optionen mit der Finite-Differenzen-Methode Bewertung von Barrier Optionen mit der Finite-Differenzen-Methode Diplomarbeit vorgelegt von Ming Liao Universität Bielefeld Fakultät für Wirtschaftswissenschaften 9. Juni 2011 Themensteller: Prof. Dr.

Mehr

Minimale Preisbewegung: 1 Punkt, entsprechend einem Wert von 10 Franken März, Juni, September, Dezember

Minimale Preisbewegung: 1 Punkt, entsprechend einem Wert von 10 Franken März, Juni, September, Dezember Exkurs 5 Derivate Logistik Exkurs Anlage in Derivaten Derivate (lat. derivare = ableiten) sind entwickelt worden, um Risiken an den Waren- und Finanzmärkten kalkulierbar und übertragbar zu machen. Es sind

Mehr

Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken

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

Mehr

Target Volatility & Risk Control Indizes. Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz)

Target Volatility & Risk Control Indizes. Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz) Target Volatility & Risk Control Indizes Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz) Agenda Einleitung/Motivation Der Risk Control Mechanismus Exkurs: Varianz- und Volatilitätsschätzer

Mehr

Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen)

Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen) Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen) Peter Albrecht (Mannheim) Die Prüfung des Jahres 2004 im Bereich Finanzmathematik (Grundwissen) wurde am 09. Oktober 2004 mit diesmal

Mehr

Diskrete Stochastik der Finanzmärkte. Einführung und Anwendungsbeispiel

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

Mehr

Einfache Derivate. von Christian Laubichler im Rahmen des Proseminars Bakkalaureat TM (Datensicherheit und Versicherungsmathematik) WS 2008/09

Einfache Derivate. von Christian Laubichler im Rahmen des Proseminars Bakkalaureat TM (Datensicherheit und Versicherungsmathematik) WS 2008/09 Einfache Derivate von Christian Laubichler im Rahmen des Proseminars Bakkalaureat TM (Datensicherheit und Versicherungsmathematik) WS 2008/09 14 Jänner 2009 1 Inhaltsverzeichnis 1 Einleitung 2 2 Begriffsbestimmung

Mehr

Musterlösung Übung 3

Musterlösung Übung 3 Musterlösung Übung 3 http://www.hoadley.net/options/ http://www.eeh.ee.ethz.ch/en/power/power-systems-laboratory/services 1. Optionsbewertung nach Black / Scholes a) Bewerten Sie eine Call-Option mit den

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

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

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

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Musterlösung Übung 2

Musterlösung Übung 2 Musterlösung Übung 2 http://www.hoadley.net/options/ http://www.eeh.ee.ethz.ch/en/power/power-systems-laboratory/services 1. Optionsbewertung nach Black / Scholes a) Bewerten Sie eine Call-Option mit den

Mehr

Zufällige Wetten: Vom Glücksspiel zum modernen Risikomanagement

Zufällige Wetten: Vom Glücksspiel zum modernen Risikomanagement Zufällige Wetten: Vom Glücksspiel zum modernen Risikomanagement Teilnehmer: Lukas Thum Yu Wang Luciana Plocki Johanna Ridder Felix Tschierschke Thu Hien Nguyen Janin Rekittke Johanna Lindberg Gruppenleiter:

Mehr