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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 2 Das Marktmodell 2.1 Ein allgemeines Finanzmarktmodell 2.2 Aufsteigende Systeme von σ-algebren und adaptierte Prozesse 2.3 Elementare Handelsstrategien im Finanzmarktmodell 2.4 Die σ-algebra der previsiblen Mengen und previsible Prozesse 2.5 Elementare Handelsstrategien sind previsibel 2.6 Claims und Derivate 2.7 Arbitragefreiheit eines Finanzmarktmodells 2.8 Absicherbare Claims Unser Hauptziel wird sein, arbitragefreie Preise für Optionen zu bestimmen und den Zusammenhang mit absichernden, selbstfinanzierenden Handelsstrategien aufzuzeigen. Im Gegensatz zu Forwards sind Preisbestimmungen bei Optionen jedoch nur möglich, wenn das zugehörige Finanzmarktmodell spezifiziert wird. Wir betrachten einen Finanzmarkt an dem (g + 1)-viele Wertpapiere gehandelt werden. Die möglichen Handelszeitpunkte seien durch ein Intervall [0, T ] gegeben. Man spricht von einem Finanzmarktmodell mit stetiger Zeit. Zum Zeitpunkt 0 seien alle Kurse dieser g + 1 Wertpapiere bekannt, wir bezeichnen sie mit S 0 = (S0 0, S1 0,..., Sg 0 ). Die unbekannten Kurse zu einem späteren Zeitpunkt t ]0, T ] werden mit S t = (St 0,..., Sg t ) bezeichnet. Da die Kurse zu einem späteren Zeitpunkt unbekannt sind, modellieren wir sie als Zufallsvariable über einem W-Raum (Ω, A, P ). Es beschreibt St i den Preis des i-ten Finanzguts zum Zeitpunkt t. Die g + 1 Finanzgüter werden in der Regel als Basisgüter aufgefasst. Die arbitragefreien Preise für daraus abgeleitete Derivate, z. B. Puts und Calls auf diese Basisgüter, sollen mit Hilfe der Preise der Basisgüter ermittelt werden. 2.1 Ein allgemeines Finanzmarktmodell Es sei (Ω, A, P ) ein W-Raum und (A t ) t [0,T ] ein aufsteigendes System von σ- Algebren mit A t A und (1) A 0 A 0 P (A 0 ) = 0 oder P (A 0 ) = 1; (2) S t : Ω R g+1 sind A t -messbar für t [0, T ]; (3) (S i t ) t [0,T ] sind stetige Semimartingale für i = 0,..., g; (4) St 0 (ω) > 0 für alle t [0, T ], ω Ω. C1(WS08/09) [2] 1

2 Finanzmathematik I Die 0-te Anlage spielt eine gewisse Sonderrolle. Sie ist der Vergleichsmaßstab (Numéraire) für die anderen Finanzgüter. So wird meistens der DAX 30 als Vergleichsmaßstab gewählt, wenn man eine Aussage über die Performance einer speziellen Aktie des DAX 30 machen will. Häufig jedoch handelt es sich bei der 0-ten Anlage um eine festverzinsliche Anlage oder Staatsanleihe, die man als vollkommen risikolos annimmt. Man nimmt dann für den Werteverlauf der 0-ten Anlage S 0 t = S0 0 ert, t [0, T ] an, wobei r der feste und risikolose, kontinuierliche Zinssatz ist. Etwas allgemeiner ist der Ansatz S 0 t = S0 0 e t 0 r(s)ds mit einer über [0, T ] integrierbaren, reellwertigen Funktion r. Die Informationen, die bis zum Zeitpunkt t zur Verfügung stehen, sollen durch die σ- Algebra A t beschrieben werden. A t beschreibt dann das System der Ereignisse die bis zum Zeitpunkt t beobachtbar sind. Daher ist es plausibel anzunehmen, dass gilt: (A) A s A t für s t. Da uns insbesondere zum Zeitpunkt t die Preise der Finanzgüter S s für s t zur Verfügung stehen, fordern wir die A t Messbarkeit von S s für s t. Erfüllen die A s die Bedingung (A), so reicht es aus, S t als A t -messbar vorauszusetzen. Setzt man A S t := σ(s s : s t) := A σ ( s t S 1 s (B g+1 )), so ist also A S t die kleinste σ-algebra bzgl. derer alle S s für s t messbar sind. Es ist A s t = (S s) 1 s t ((Bg+1 ) [0,t] ); siehe Übungsaufgabe 12. Die A t-messbarkeit von S t für alle t [0, T ] ist dann äquivalent zu A S t A t. Wählt man A t := A S t, so ist A 0 = {, Ω} und somit sind Bedingungen (1) und (2) automatisch erfüllt. 2.2 Aufsteigende Systeme von σ-algebren und adaptierte Prozesse Sei A eine σ-algebra über Ω und I R. (i) (ii) Dann heißt (A t ) t I ein aufsteigendes System von σ-algebren oder eine Filtration, wenn alle A t A σ-algebren sind mit s, t I und s < t A s A t. Seien X t : Ω R g+1 für t I Abbildungen. Dann heißt (X t ) t I zu (A t ) t I adaptiert, wenn X t A t, B(R g+1 )-messbar für jedes t I ist. In unserem Finanzmarktmodell ist also (S t ) t [0,T ] eine zu (A t ) t [0,T ] adaptiertes System von Zufallsvariablen S t : Ω R g+1. Oftmals wird der Preisprozess in der folgenden Form modelliert und für i = 1,..., g S 0 t = S0 0 ert St i = Si 0 exp(µ it + n j=1 [σ ijb j t 1/2σ2 ijt]), t [0, T ]. [2] 2 C1(WS08/09)

3 Das Marktmodell Die Aktienkurse sind also ein Produkt aus dem mittleren Kurs S0 i exp(µ it) und einem Martingal exp( n j=1 [σ ijb j t 1/2σ2 ijt]), t [0, T ] mit Erwartungswert 1. Hierbei tauchen folgende neuen Begriffe auf: 1) (Bt 1,..., Bn t ) t [0, [ ist eine Brownsche Bewegung, auch Wiener-Prozess genannt. 2) der Martingalbegriff; hierbei heißt (X t ) t [0, [ Martingal bzgl. (A t ) t [0, [, wenn E(X t A s ) = X s für s < t ist. 3) Hierbei ist E(X t A s ) der bedingte Erwartungswert von X t gegeben A s. Wir werden daher im nächsten Paragrafen zunächst auf bedingte Erwartungswerte, und dann im übernächsten Paragrafen auf Martingale eingehen. Im 5 betrachten wir spezielle stochastische Prozesse, insbesondere die Brownsche Bewegung. Im Folgenden soll klar gemacht werden, dass wir sowohl für den Begriff einer selbstfinanzierenden Handelsstrategie als auch für die Definition des Gewinnprozesses einen neuen Integralbegriff, das Ito-Integral benötigen. Diesen werden wir im 6 behandeln. Der Investor hat zu jedem Zeitpunkt t die Möglichkeit sein Portfolio zusammenzustellen. Es soll H t = (Ht 0,..., Hg+1 t ) das Portfolio zum Zeitpunkt t beschreiben. Ht i : Ω R gibt also an, wieviele Anteile des i-ten Finanzguts man zur Zeit t hält. Man stellt sich im einfachsten Fall vor, dass man nur zu festen Zeiten 0 = t 0 < t 1... < t n 1 sein Portfolio neu zusammenstellt. Man gelangt hiermit zum Begriff der elementeren Handelsstrategie. 2.3 Elementare Handelsstrategien im Finanzmarktmodell H = (H t ) t [0,T ] heißt elementare Handelsstrategie (bzgl. der Filtration (A t ) t [0,T ] ), wenn gilt: (α) Es existiert eine Zerlegung 0 = t 0 < t 1 <... < t n = T der Zeitparametermenge und (β) es existieren Funktionen h i für i = 0,..., n 1 (γ) mit h i : Ω R g+1 sind A ti, B g+1 -messbar H 0 = h 0 und H t = h i für t i < t t i+1 für i = 0,..., n 1. Also ist H t = 1 {0} (t)h 0 + n 1 i=0 1 ]ti,t i+1 ](t)h i. Entsprechend definiert man den Begriff der elementaren Handelsstrategie (H t ) t [0, [ bzgl. einer Filtration (A t ) t 0. Man streicht in (α) nur die Bedingung t n = T. Die Vorstellung ist hierbei die Folgende: Man startet mit dem Portfolio H 0 = h 0 zum Zeitpunkt 0, und hält dieses Portfolio bis einschließlich des Zeitpunkts t 1, man schichtet unmittelbar nach dem Zeitpunkt t 1 in das Portfolio h 1 um, und hält dieses Portfolio wieder bis einschließlich des Zeitpunkts t 2, C1(WS08/09) [2] 3

4 Finanzmathematik I unmittelbar danach schichtet man das Portfolio wiederum um. Die letzte Umstellung des Portfolios erfolgt unmittelbar nach dem Zeitpunkt t n 1. h 0 h 1 h 2 h n 1 0 = t 0 t 1 t 2 t 3 t n 1 t n = T Die Messbarkeitsannahmen sind hier entscheidend. Bei der Zusammenstellung des Portfolios zum Zeitpunkt 0 steht nur die Information A 0 zur Verfügung. Bei der Umschichtung des Portfolios unmittelbar nach den Zeitpunkten t 1,..., t n 1 stehen immer nur die Informationen A t1,..., A tn 1 zur Verfügung. Es muss also h i A ti -messbar sein. Ist z. B. A t = A S t, so ist h i = f((s s ) s ti ) mit einer Borel-messbaren Funktion f, und hängt also nur von den Kursen bis zum Zeitpunkt t i ab. (Zur Darstellung von h i = f((s s ) s ti ) siehe 3.15 und beachte, dass h i (A S t i =)Y 1 (C), B g+1 -messbar ist mit Y := (S s ) s ti und C := (B g+1 ) [0,t i] ). Der in 2.3 definierte Prozess (H t ) t [0,T ] ist nach 2.5 previsibel im Sinne der Definition 2.4 (ii). 2.4 Die σ-algebra der previsiblen Mengen und previsible Prozesse Es sei (A t ) t [0,T ] eine Filtration. Es heißt (i) P T 0 = A σ({]s, t] A s : 0 s < t T, A s A s }) die σ-algebra der previsiblen (vorhersehbaren) Mengen über ]0, T ] Ω. (ii) X t : Ω R g+1, t [0, T ], heißt previsibel, wenn ]0, T ] Ω (t, ω) X t (ω) P T 0, B(Rg+1 )-messbar und X 0 A 0, B(R g+1 )-messbar ist. Betrachten wir nun elementare Handelsstrategien im Sinne der Definition 2.3, so gilt: 2.5 Elementare Handelsstrategien sind previsibel Sei H = (H t ) t [0,T ] eine elementare Handelsstrategie bzgl. der Filtration (A t ) t [0,T ], dann ist H previsibel. Beweis. Übungsaufgabe 10. Der Begriff der elementaren Handelsstrategie ist für ein sogenanntes zeitdiskretes Modell ausreichend. Bei einem solchen n-perioden-modell liegen die Handelszeitpunkte 0 = t 0 < t 1... < t n 1 im Voraus fest und der Endzeitpunkt ist durch t n = T gegeben. Im zeitstetigen Modell wird man statt solcher elementaren Handelsstrategien previsible Prozesse (H t ) t [0,T ] zulassen, die gewissen Integrierbarkeitsbedingungen genügen sollen. [2] 4 C1(WS08/09)

5 Das Marktmodell Wir betrachten zunächst eine einzige Anlage mit der Kursentwicklung (S t ) t [0,T ]. Wir wollen nun den Gewinn oder Verlust bestimmen zu dem unsere elementare Handelsstrategie (H t ) t [0,T ], mit H t : Ω R, führt. Unmittelbar nach dem Zeitpunkt t i für i = 0,..., n 1 investieren wir h i S ti und besitzen zum Zeitpunkt t i+1 den Geldbetrag h i S ti+1. Unser Gewinn in der Zeitperiode ]t i, t i+1 ] ist also h i (S ti+1 S ti ). Der Gesamtgewinn bis zum Zeitpunkt T ist daher G T (ω) := n 1 i=0 h i (ω)(s ti+1 (ω) S ti (ω)) = n 1 Es lässt sich G T (ω) auffassen als Riemann-Stieltjes Integral T G T (ω) = H t (ω)s(dt, ω), welches man sich punktweise für jedes ω Ω erklärt denkt. 0 i=0 H ξi (ω)(s ti+1 (ω) S ti (ω)) mit ξ i ]t i, t i+1 ]. Sind nun wieder (g + 1)-Anlagen wie in 2.1 gegeben, so ist der Wert (Value) der Handelsstrategie H = (H t ) t [0,T ] zum Zeitpunkt t gegeben durch (mit H t = (H 0 t,..., Hg t ) ) V H t := g H j t Sj t. j=0 Es berechnet sich der Gesamtgewinn einer elementaren Handelsstrategie bis zum Zeitpunkt T durch also durch das Integral g n 1 j=0 i=0 h j i (ω)(sj t i+1 (ω) S j t i (ω)) g T T H j t Sj (dt, ω) =: j=0 0 0 H t (ω)s(dt, ω). Eine Handelsstrategie H = (H t ) t [0,T ] nennt man selbstfinanzierend, wenn außer der Anfangsinvestition V0 H kein weiteres Kapitel investiert oder herausgezogen wird. Zu den Handelszeitpunkten t 1,..., t n 1 wird also weder Geld hinzugefügt noch herausgezogen, es wird das Portfolio nur wertneutral umgeschichtet. Zu einem Zeitpunkt t ]0, T ] ist der Wert Vt H dann gegeben durch V0 H plus dem Gewinn bzw. Verlust t 0 H s(ω)s(ds, ω). Daher nennt man H = (H t ) t [0,T ] selbstfinanzierend, wenn Vt H (ω) = V0 H + t 0 H s(ω)s(ds, ω) für alle t [0, T ] ist. Denken wir an die Optionen des 1, z.b. Calls and Puts, so zahlte der Käufer zum Zeitpunkt 0 einen Optionspreis. Der Verkäufer der Optionen benutzt dann den Optionspreis, um sich eine selbstfinanzierende Handelsstrategie mit diesem Anfangsinvestment so auszusuchen, dass zum Zeitpunkt T die Option dupliziert wird. Auch hier taucht also schon der Begriff der selbstfinanzierenden Handelsstrategie auf. Nun reicht aber der Begriff der elementaren Handelsstrategie nicht aus, um die an den Finanzmärkten üblichen Strategien zu Portfolioanpassungen darzustellen, da diese Anpassungen von den Preisprozessen C1(WS08/09) [2] 5

6 Finanzmathematik I S t abhängen und somit i.a. zu zufallsabhängigen Zeitpunkten stattfinden, und nicht nur zu den a priori vorgegebenen Zeitpunkten t 1,..., t n 1. Diese Überlegung führt zu der Frage, wie man ein geeignetes mathematisches Konzept der Handelsstrategie findet, welches 1) reale Handelsstrategien umfasst, 2) den Gewinn einer selbstfinanzierenden Handelsstrategie zur Zeit t in Form eines geeigneten Integrals t 0 H sds s beschreibt, 3) so dass insbesondere diese Handelsstrategien bzgl. der interessierenden Preisprozesse (S t ) t [0,T ] integrierbar sind.. Besitzt H stetige Pfade, d. h. ist [0, T ] t H t (ω) stetig für alle ω Ω und ist [0, T ] t S t (ω) von beschränkter Variation für alle ω Ω, so kann man t 0 H s(ω)s(ds, ω) für jedes ω Ω als Riemann-Stieltjes Integral definieren. Jedoch sind die üblichen Preisprozesse (S t ) t [0,T ] in zeitstetigen Finanzmarktmodellen nicht von beschränkter Variation, da diese Preisprozesse häufig von Brownschen Bewegungen abgeleitet sind. Die Pfade einer Brownschen Bewegung sind P -f.s. nicht von beschränkter Variation, daher kann das interessierende Integral t 0 H sds s nicht pfadweise für jedes ω Ω gebildet werden. Dies führt zur Bildung des Ito-Integrals. Unser Ziel ist die Bewertung von Claims bzw. Derivaten. Hierzu definieren wir: 2.6 Claims und Derivate In dem Finanzmarktmodell 2.1 heißt jede A T -messbare Abbildung C : Ω R ein Claim. Ist C sogar A S T := σ(s t : t [0, T ]) messbar, so nennt man C ein Derivat. Eine Abbildung C : Ω R ist nach 3.15 genau dann ein Derivat, wenn es eine Abbildung gibt, die Borel-messbar ist mit f : (R g+1 ) [0,T ] R C = f (S t ) t [0,T ], d.h. mit C(ω) = f((s t (ω)) t [0,T ] ) für alle ω Ω. Daher Käufer des Derivats erhält also zum Zeitpunkt die Auszahlung C(ω) = f((s t (ω)) t [0,T ] ) mit vereinbarter Funktion f. Offensichtlich sind ein Call C(ω) = (S T (ω) K) + und ein Put P (ω) = (K S T (ω)) + Beispiele für Derivate. Es handelt sich hierbei um spezielle Derivate, da diese Claims sogar von der Gestalt C(ω) = f(s T (ω)) sind, also nur vom Endkurs abhängen. Der Up-and-in europäische Call ist ein Beispiel für ein Derivat (siehe 1.15), welches vom gesamten Pfad (S t (ω)) t [0,T ] abhängt. Die Tauschoption (siehe 1.16) ist ein Beispiel für ein Derivat, welches von zwei Finanzgütern mit der Preisentwicklung (S t ) t [0,T ] = (St 1, S2 t ) t [0,T ] abhängt. [2] 6 C1(WS08/09)

7 Das Marktmodell Ziel ist nun die Bewertung von Derivaten in arbitragefreien Finanzmarktmodellen. Man nennt eine Handelsstrategie H regulär, wenn es ein c R gibt mit Vt H c für alle t [0, T ]. Hiermit definiert man 2.7 Arbitragefreiheit eines Finanzmarktmodells Das Finanzmarktmodell heißt arbitragefrei, wenn für jede reguläre, selbstfinanzierende Handelsstrategie H = (H t ) t [0,T ] gilt V H 0 = 0 und V H T 0 P -f.s. V H T = 0 P -f.s. In dieser Definition und in der folgenden benötigen wir den Begriff der selbstfinanzierenden Handelsstrategie und damit das Ito-Integral. Ein Derivat ist besonders einfach zu bewerten, wenn es absicherbar ist. 2.8 Absicherbare Claims Wir betrachten ein arbitragefreies Finanzmarktmodell. Ein nach unten beschränkter Claim C heißt absicherbar, wenn es eine reguläre, selbstfinanzierende Handelsstrategie H = (H t ) t [0,T ] gibt mit V H T = C P -f.s. In diesem Fall sieht man V H 0 als den fairen Preis des Claims an. Der Verkäufer des Claims wählt die selbstfinanzierende Handelsstrategie und investiert zum Zeitpunkt 0 den Optionspreis V0 H. Danach schichtet der Verkäufer sein Portfolio gemäß der selbstfinanzierenden Handelsstrategie H um, und besitzt zum Endzeitpunkt T den Geldbetrag VT H. Daher kann er den Claim wegen V T H = C auszahlen. Da sich der Preis für absicherbare Claims eindeutig bestimmen lässt, sind Finanzmarktmodelle in denen eine genügend große Klasse von Claims absicherbar sind, von besonderem Interesse. Solche Finanzmarktmodelle heißen vollständig. Preise für absicherbare Claims lassen sich mit Hilfe von sogenannten risikoneutralen W-Maßen berechnen, auch wenn man die absicherbaren Handelsstrategien nicht kennt. Ein zu P äquivalentes W-Maß Q heißt risikoneutral, wenn (S t,d ) t [0,T ] mit S t,d := 1 S St 0 t ein Martingal bzgl. Q bildet. Die Existenz eines risikoneutralen W-Maßes zieht die Arbitragefreiheit nach sich. Die Umkehrung gilt nur unter gewissen zusätzlichen Bedingungen. Ist C ein absicherbarer Claim und Q ein zu P äquivalentes risikoneutrales W-Maß, so ist der Preis für den Claim C gegeben durch S0 0 C dq, ST 0 wenn C bzgl. Q integrierbar ist. Ist S 0 t = ert, so ist daher der Preis des Claims gegeben durch e rt C(ω)Q(dω). C1(WS08/09) [2] 7

8 Finanzmathematik I Bevor wir zur Bewertung von Claims kommen, benötigen wir also Kenntnisse über 1) bedingte Erwartungswerte (siehe 3), 2) Martingale (siehe 4), 3) die Brownsche Bewegung (siehe 5), 4) das Ito-Integral (siehe 6), 5) das lokale Ito-Integral (siehe 7), 6) die Integration bzgl. stetiger Semimartingale (siehe 8 und beachte 2.1(3)), 7) den Kalkül des Ito-Integrals (siehe 9). Mit diesem Rüstzeug versehen, werden wir dann im 10 ein sehr spezielles Finanzmarktmodell betrachten, das sogenannte Black-Scholes-Modell. In diesem Modell werden wir unter anderem die berühmte Black-Scholes-Formel für den Preis eines Calls und Puts herleiten. Scholes und Merton erhielten hierfür den Nobelpreis; Black war zum Zeitpunkt der Nobelpreisverleihung schon tot. Im 11 betrachten wir ein allgemeineres Modell und lineare stochastische Differentialgleichungen. Bis 6 einschließlich werden wir vermutlich in diesem Wintersemester kommen. Für 7 11 werden wir das Sommersemester benötigen. [2] 8 C1(WS08/09)

Das Black-Scholes Modell

Das Black-Scholes Modell Vathani Arumugathas Das Black-Scholes Modell 1 Das Black-Scholes Modell Vathani Arumugathas Seminar zu Finanzmarktmodellen in der Lebensversicherung, Universität zu Köln 10. Juni 016 Inhaltsverzeichnis

Mehr

8 Die quadratische Variation, und die Integration bzgl. stetiger Semimartingale

8 Die quadratische Variation, und die Integration bzgl. stetiger Semimartingale 8 Die quadratische Variation, und die Integration bzgl. stetiger Semimartingale 8.1 Der quadratische Variationsprozess eines stetigen, lokalen Martingals 8.3 Die quadratische Variation einer reellen Brownschen

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

Inhaltsverzeichnis. Teil I

Inhaltsverzeichnis. Teil I Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung

Mehr

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte

Mehr

KAPITEL 1. Martingale

KAPITEL 1. Martingale KAPITEL 1 Martingale 1.1. Stochastische Prozesse Sei (Ω, F, P) ein Wahrscheinlichkeitsraum. Das heißt, Ω ist eine Menge, F ist eine σ-algebra auf Ω, und P ein Wahrscheinlichkeitsmaß auf (Ω, F ). Zuerst

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 studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und

Mehr

Kapitel 6 Martingale

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

Mehr

Vollständige Märkte. Mathias Krämer Mathematisches Institut - Universität zu Köln

Vollständige Märkte. Mathias Krämer Mathematisches Institut - Universität zu Köln Vollständige Märkte Mathias Krämer Mathematisches Institut - Universität zu Köln 13.05.2016 Gliederung Vorstellung Grundlagen Grundlegende Denitionen Preise von bedingten Claims Bedingte Claims Preise

Mehr

Itô-Integation. M. Gruber Zusammenfassung

Itô-Integation. M. Gruber Zusammenfassung Itô-Integation M. Gruber 15. 5 215 Zusammenfassung Itô-Integral für elementare Integranden, Martingaleigenschaft des Itô-Integrals, Itô-Isometrie, Quadratische Variation des Itô-Integrals, Itô-Integration

Mehr

Einführung in die Diskrete Finanzmathematik

Einführung in die Diskrete Finanzmathematik Jürgen Kremer Einführung in die Diskrete Finanzmathematik Mit 37 Abbildungen /IS 4y Springer Ein-Perioden- Wertpapiermärkte 1 1.1 Portfolios 5 1.2 Optionen und Forward-Kontrakte 8 1.2.1 Optionen 8 1.2.2

Mehr

3 Bedingte Erwartungswerte

3 Bedingte Erwartungswerte 3 Bedingte Erwartungswerte 3.3 Existenz und Eindeutigkeit des bedingten Erwartungswertes E A 0(X) 3.6 Konvexitätsungleichung für bedingte Erwartungswerte 3.9 Konvergenzsätze von Levi, Fatou und Lebesgue

Mehr

Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik

Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik Univ. Leipzig Mathematisches Institut Vertretung Professur Stochastische Prozesse Max v. Renesse email: mrenesse@math.tu-berlin.de Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik

Mehr

Optionspreistheorie Seminar Stochastische Unternehmensmodelle

Optionspreistheorie Seminar Stochastische Unternehmensmodelle Seminar Stochastische Unternehmensmodelle Lukasz Galecki Mathematisches Institut Universität zu Köln 1. Juni 2015 1 / 30 Inhaltsverzeichnis 1 Was ist eine Option? Definition einer Option Übersicht über

Mehr

Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten

Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten Springer-Lehrbuch Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten Bearbeitet von Jürgen Kremer 1. Auflage 2011. Taschenbuch. xvi, 471 S. Paperback ISBN 978 3 642 20867 6 Format (B x

Mehr

Wie Derivate die Finanzwelt veränderten

Wie Derivate die Finanzwelt veränderten Franz Reiter 16. Dezember 2016 Aufbau Grundlagen Exotische Optionen Capital Asset Pricing Model Black-Scholes-Formel Derivat Derivat ist ausgestelltes Recht zum Kauf bzw. Verkauf von bestimmten Basiswerten

Mehr

Brownsche Bewegung: Eine Einführung

Brownsche Bewegung: Eine Einführung Brownsche Bewegung: Eine Einführung Batu Güneysu Institut für Mathematik Humboldt-Universität zu Berlin Greifswald, 18.04.2018 Batu Güneysu Brownsche Bewegung: Eine Einführung 1 / 14 Wir fixieren m N und

Mehr

Inhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74

Inhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74 1 Ein-Perioden-Wertpapiermärkte........................... 1 1.1 Portfolios............................................... 5 1.2 Optionen und Forward-Kontrakte......................... 8 1.2.1 Optionen.........................................

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

Bewertung von exotischen Optionen im CRR-Modell

Bewertung von exotischen Optionen im CRR-Modell Seminararbeit Bewertung von exotischen Optionen im CRR-Modell Stefanie Tiemann 08.06.2010 Inhaltsverzeichnis Einführung 1 1 Asiatische Optionen 3 2 Lookback Optionen 7 3 zweiseitige knock-out Barriere

Mehr

1 Bedingte Erwartungswerte

1 Bedingte Erwartungswerte Die folgenden Regeln sind das alltägliche Handwerkszeug für den Umgang mit bedingten Erwartungen und werden in diesem Abschnitt, allerdings ohne Beweise, zitiert. Es ist durchaus eine lohnenswerte Übung,

Mehr

Das Black-Scholes-Merton Modell

Das Black-Scholes-Merton Modell Agenda Lehrstuhl für Volkswirtschaftstheorie Westfälische Wilhelms-Universität Münster May 12, 2006 Teil I Agenda 2 Zur Erinnerung Das Lemma von Ito Die vereinfachten Annahmen an den Finanzmarkt Teil II

Mehr

Einführung in die Diskrete Finanzmathematik

Einführung in die Diskrete Finanzmathematik Springer-Lehrbuch Einführung in die Diskrete Finanzmathematik Bearbeitet von Jürgen Kremer 1. Auflage 2005. Taschenbuch. XVI, 500 S. Paperback ISBN 978 3 540 25394 5 Format (B x L): 15,5 x 23,5 cm Gewicht:

Mehr

6 Das stochastische Integral

6 Das stochastische Integral 6 Das stochastische Integral 6.2 Elementare Handelsstrategien erzeugen die σ-algebra der previsiblen Mengen 6.3 Previsible Prozesse sind adaptiert und progressiv messbar 6.4 P 0 wird von den linksseitig

Mehr

Hawkes Prozesse Grundlagen

Hawkes Prozesse Grundlagen Hawkes Prozesse Grundlagen Im Folgenden sei (Ω, F, F, P) eine stochastische Basis. Das heißt F = (F t ) t ist eine rechtsstetige Filtration mit F t F für alle t und P ein Wahrscheinlichkeitsmaß auf dem

Mehr

4 Gleichgradige Integrierbarkeit, Stoppzeiten und Martingale

4 Gleichgradige Integrierbarkeit, Stoppzeiten und Martingale 4 Gleichgradige Integrierbarkeit, Stoppzeiten und Martingale 4.2 Filtrationen und kanonische Filtrationen 4.3 Supermartingale, Martingale bzw. Submartingale bzgl. der Filtrationen (A t ) t I 4.4 Gleichgradig

Mehr

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

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

Mehr

Stochastische Analysis

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

Mehr

Kapitel 4. Stochastische Grundlagen. 4.1 Filtrationen und Stoppzeiten

Kapitel 4. Stochastische Grundlagen. 4.1 Filtrationen und Stoppzeiten Kapitel 4 Stochastische Grundlagen An dieser Stelle möchte ich auf einige stochastische Grundlagen eingehen, die bisher im Kapitel 3 Anwendung gefunden haben und im Folgenden Anwendung finden werden. Grundproblem

Mehr

Seminar: Finanzmathematik. Portfoliooptimierung im vollständigen Finanzmarktmodell. Katharina Hasow

Seminar: Finanzmathematik. Portfoliooptimierung im vollständigen Finanzmarktmodell. Katharina Hasow Seminar: Finanzmathematik Portfoliooptimierung im vollständigen Finanzmarktmodell Katharina Hasow 11. Mai 2010 1 Inhaltsverzeichnis 1 Einführung 1 1.1 Nutzenfunktion............................ 1 1.2 Formulierung

Mehr

Stochastische Prozesse

Stochastische Prozesse Albert-Ludwigs-Universität Freiburg Vorlesungsskript Stochastische Prozesse apl. Prof. Dr. Stefan Tappe Wintersemester 2017/18 Abteilung für Mathematische Stochastik Inhaltsverzeichnis 1 Grundlegende

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

Stochastische Integration Stochastische Differentialgleichungen Stochastische Partielle Differentialgleichungen. Dominic Breit

Stochastische Integration Stochastische Differentialgleichungen Stochastische Partielle Differentialgleichungen. Dominic Breit Dominic Breit 14.12.213 Outline 1 Stochastische Integration 2 3 Brwonsche Bewegung (1) Eine Brownsche Bewegung W = (W t ) t [,T ] über einem Wahrscheinlichkeitsraum (Ω, F, P) ist ein zeitstetiger stochastischer

Mehr

Schwache Lösungen von SDEs und das lokale Martingalproblem

Schwache Lösungen von SDEs und das lokale Martingalproblem Inhalt Schwache Lösungen von SDEs und das lokale Martingalproblem Christin Strampe February 16, 211 Christin Strampe () SDEs und das lokale Martingalproblem February 16, 211 1 / 24 Inhalt Motivation Schwache

Mehr

Stochastik I. Vorlesungsmitschrift

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

Mehr

10 Das Black-Scholes Modell

10 Das Black-Scholes Modell 10 Das Black-Scholes Modell 10.3 Der Aktienpreisprozess im Black-Scholes Modell ist ein Semimartingal 10.4 Handelsstrategien 10.5 Der Gewinnprozess 10.9 Existenz eines äquivalenten Martingalmaßes im Black-Scholes

Mehr

Die Stochastische Integralgleichung X(t) = a + t

Die Stochastische Integralgleichung X(t) = a + t Die Stochastische Integralgleichung X(t) = a + µ(s, X(s))ds + σ(s, X(s))dW (s) Simon Keller 4.12.26 1 Mathematische Grundlagen und Herleitung 1.1 Normalverteilung Eine normalverteilte Zufallsvariable X

Mehr

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016 Übungen zu bedingten Erwartungswerten Tutorium Stochastische Prozesse 13. Dezember 2016 Bedingter Erwartungswert Definition Sei X eine reellwertige Zufallsvariable auf (Ω, A, P), so dass E[ X ]

Mehr

Seminar: Finanzmathematik. Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr

Seminar: Finanzmathematik. Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr Seminar: Finanzmathematik Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr Deniz Atug 4. April 2010 Zusammenfassung Die vorliegende Arbeit gibt eine Einführung in

Mehr

Skript zur Vorlesung Stochastische Finanzmarktmodelle Teil 2: Diskrete Zeit

Skript zur Vorlesung Stochastische Finanzmarktmodelle Teil 2: Diskrete Zeit Skript zur Vorlesung Stochastische Finanzmarktmodelle Teil 2: Diskrete Zeit Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Stand: 5. Februar 2018 Inhaltsverzeichnis 1 Organisatorisches und Einleitung

Mehr

Finanzmathematik in diskreter Zeit

Finanzmathematik in diskreter Zeit Finanzmathematik in diskreter Zeit Version vom: 27. Mai 2017 Prof. Dr. Thorsten Schmidt 1 1 Universität Freiburg. www.stochastik.uni-freiburg.de/schmidt Vorwort Dieses Skriptum ist aus einer Vorlesung

Mehr

Stoppzeiten und Charakteristische Funktionen. Tutorium Stochastische Prozesse 15. November 2016

Stoppzeiten und Charakteristische Funktionen. Tutorium Stochastische Prozesse 15. November 2016 Stoppzeiten und Charakteristische Funktionen Tutorium Stochastische Prozesse 15. November 2016 Inhalte des heutigen Tutoriums Im heutigen Tutorium besprechen wir: (1) Eindeutigkeit von Maßen ohne schnittstabilen

Mehr

3. Übungsblatt - Lösungsskizzen. so, dass f tatsächlich eine Wahrscheinlichkeitsdichte

3. Übungsblatt - Lösungsskizzen. so, dass f tatsächlich eine Wahrscheinlichkeitsdichte Einführung in die Wahrscheinlichkeitstheorie und Statistik Prof. Dr. Jan Johannes Sandra Schluttenhofer Wintersemester 208/9 3. Übungsblatt - Lösungsskizzen Aufgabe 9 Stetige Verteilungen, 4 =.5 +.5 +

Mehr

Prof. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München

Prof. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München Finanzmärkte und Mathematik tik Prof. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München Inhalt Bewertung von Finanzprodukten Welche mathematischen Modelle werden verwendet?

Mehr

Übungen zur Vorlesung Finanzmathematik. Wintersemester 2014/15

Übungen zur Vorlesung Finanzmathematik. Wintersemester 2014/15 Übungen zur Vorlesung Finanzmathematik Wintersemester 2014/15 PD Dr. V. Paulsen Blatt 7 25.11.2014 Aufgabe 1: Ruinwahrscheinlichkeit beim Roulette Sei S n = n X i, n N 0 eine Irrfahrt in Z, die aus dem

Mehr

9 Die Ito-Formel und ihre Anwendungen

9 Die Ito-Formel und ihre Anwendungen 9 Die Ito-Formel und ihre Anwendungen 9.1 Die eindimensionale Ito-Formel 9. Die Formel der partiellen Integration 9.3 Die quadratische Variaton eines stetigen Semimartingals 9.4 Die eindimensionale Ito-Formel

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

Humboldt Universiät zu Berlin 25. Januar 2017 Institut für Mathematik Prof. Dr. Dirk Becherer. Übungen zur Vorlesung Stochastische Finanzmathematik I

Humboldt Universiät zu Berlin 25. Januar 2017 Institut für Mathematik Prof. Dr. Dirk Becherer. Übungen zur Vorlesung Stochastische Finanzmathematik I Humboldt Universiät zu Berlin 25. Januar 2017 Serie 1 1) Gegeben sei ein Finanzmarkt bestehend aus einer risikofreien Anlage und zwei Aktien. Die risikofreie Anlage habe einen Zinssatz von 0.4, d.h. π

Mehr

Marcus Wrede. Bewertung von Derivaten in zeitdiskreten Finanzmarktmodellen

Marcus Wrede. Bewertung von Derivaten in zeitdiskreten Finanzmarktmodellen Marcus Wrede Bewertung von Derivaten in zeitdiskreten Finanzmarktmodellen 2003 Angewandte Mathematik Bewertung von Derivaten in zeitdiskreten Finanzmarktmodellen Inauguraldissertation zur Erlangung des

Mehr

7. Die Brownsche Bewegung

7. Die Brownsche Bewegung 7. DIE BROWNSCHE BEWEGUNG 7 5 5 50 00 50 200 250 0 5 20 Abbildung 7.: Pfad einer Brownschen Bewegung 7. Die Brownsche Bewegung Definition 7.. Ein cadlag stochastischer Prozess {W t } mit W 0 = 0, unabhängigen

Mehr

FINANZMATHEMATIK. Toker Claudia, Hackner Denise

FINANZMATHEMATIK. Toker Claudia, Hackner Denise FINANZMATHEMATIK Toker Claudia, Hackner Denise AKTIEN Aktien Ökonomische Grundlagen Graphische Darstellung von Aktienkursverläufen Aktienkurs und Aktienindex Die Rendite einer Aktie Statistik der Aktienmärkte

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

PROSEMINAR WINTERSEMESTER 2004/05

PROSEMINAR WINTERSEMESTER 2004/05 . Ein Finanzmarktmoell Stochastische Finanzmärkte PROSEMINAR Manfre Schäl, Inst. f. Angewante Mathematik, Univ. Bonn. WINTERSEMESTER 24/5 Es weren einperioige Moelle zugrunegelegt (also mit einem Zeithorizont

Mehr

Stochastische Finanzmathematik I

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

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 9 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 40: Es sei (X t ) t 0 ein

Mehr

Risikoneutrale Wahrscheinlichkeit

Risikoneutrale Wahrscheinlichkeit Risikoneutrale Wahrscheinlichkeit M. Gruber 11. 6 214 Rev.3 Zusammenfassung Diskontierter Aktienpreisprozess, Risiko-Marktpreis, Risikoneutralität; Verschiebung des Erwartungswerts einer Zufallsvariablen,

Mehr

Finanzmathematik. Inhalt: Martin Keller-Ressel Satz: Martin Haubold 17. November 2014

Finanzmathematik. Inhalt: Martin Keller-Ressel Satz: Martin Haubold 17. November 2014 Finanzmathematik Inhalt: Martin Keller-Ressel Satz: Martin Haubold 17. November 2014 Inhaltsverzeichnis 0 Einführung und Motivation 1 0.1 Zentrale Fragestellungen der Finanzmathematik.............. 1 0.2

Mehr

2 Martingale in stetiger Zeit

2 Martingale in stetiger Zeit 2 Martingale in stetiger Zeit Ziel dieses Abschnitts ist es die wichtigsten Resultate für Martingale aus diskreter Zeit in stetige Zeit zu übertragen. Wie zu erwarten ist treten in stetiger Zeit einige

Mehr

Lösungen zur 1. Klausur Diskrete Stochastische Finanzmathematik ( , SoSe 2014) am , Zeit: 10-12, Raum: W

Lösungen zur 1. Klausur Diskrete Stochastische Finanzmathematik ( , SoSe 2014) am , Zeit: 10-12, Raum: W Prof. Dr. Dietmar Pfeifer Institut für Mathematik Lösungen zur. Klausur Diskrete Stochastische Finanzmathematik (5..862, SoSe 24 am 5.8.24, Zeit: - 2, Raum: W--6 Name:... Matr.-Nr.:... Geb.-Datum:... Studiengang:...

Mehr

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ)

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ) TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig 9..04 Lösungsvorschläge zum 3. Aufgabenblatt der Vorlesung,,Einführung in die Finanzmathematik Gruppenübungen Aufgabe : Es sei Ω = {, +} n,

Mehr

Messbare Vektorräume

Messbare Vektorräume Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer

Mehr

Reelle Zufallsvariablen

Reelle Zufallsvariablen Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen

Mehr

Stochastik-Praktikum

Stochastik-Praktikum Stochastik-Praktikum Simulation stochastischer Prozesse Peter Frentrup Humboldt-Universität zu Berlin 27. November 2017 (Humboldt-Universität zu Berlin) Zufallszahlen und Monte Carlo 27. November 2017

Mehr

7. Die Brownsche Bewegung

7. Die Brownsche Bewegung 7. DIE BROWNSCHE BEWEGUNG 2 5 5 50 00 50 200 250 0 5 20 Abbildung 7.: Pfad einer Brownschen Bewegung 7. Die Brownsche Bewegung Definition 7.. Ein cadlag stochastischer Prozess {W t } mit W 0 = 0, unabhängigen

Mehr

Ein Dualitätsansatz zur Bewertung von amerikanischen Optionen

Ein Dualitätsansatz zur Bewertung von amerikanischen Optionen Fachbereich 10 (Mathematik und Informatik) Ein Dualitätsansatz zur Bewertung von amerikanischen Optionen Diplomarbeit in Finanzmathematik bei Herrn PD Dr. Volkert Paulsen am Institut für Mathematische

Mehr

Kalibrierung eines ökonomischen Szenariengenerators. Albert Meeser und Wiebke Burdag

Kalibrierung eines ökonomischen Szenariengenerators. Albert Meeser und Wiebke Burdag Kalibrierung eines ökonomischen Szenariengenerators Albert Meeser und Wiebke Burdag Übersicht Einführung Vasicek Modell Black Scholes mit Vasicek Optimierungsalgorithmen Implementierung Ergebnisse der

Mehr

Konvergenz gegen einen Prozess mit unabhängigen Zuwächsen - Anwendungen

Konvergenz gegen einen Prozess mit unabhängigen Zuwächsen - Anwendungen Konvergenz gegen einen rozess mit unabhängigen Zuwächsen - Anwendungen Saskia F. Glaffig 20.07.17 "Wiederholung" Definition (vgl. Jacod, Shiryaev, I.3.26: oissonprozess). Ein erweiterter oissonprozess

Mehr

Analysis III, WS 2011/2012 Montag $Id: masse.tex,v /10/31 15:48:07 hk Exp $

Analysis III, WS 2011/2012 Montag $Id: masse.tex,v /10/31 15:48:07 hk Exp $ $Id: masse.tex,v 1.8 2011/10/31 15:48:07 hk Exp $ 2 Maßräume 2.2 Meßbare Abbildungen Der nächste Grundbegriff sind die meßbaren Abbildungen. Erinnern Sie sich daran das wir eigentlich einen Integralbegriff

Mehr

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten

Mehr

Klausur zur Einführung in die Wahrscheinlichkeitstheorie und Statistik

Klausur zur Einführung in die Wahrscheinlichkeitstheorie und Statistik Klausur zur Einführung in die Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank 27. Juli 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen

Mehr

Einführung und Grundlagen

Einführung und Grundlagen Kapitel 1 Einführung und Grundlagen Generelle Notation: Ω, A, P sei ein W-Raum im Hintergrund nie weiter spezifiziert Die betrachteten Zufallsvariablen seien auf Ω definiert, zb X : Ω, A M, A, wobei M,

Mehr

Existenz von Gleichgewichtspreisen in zeitstetigen Finanzmarktmodellen. Kai Knipping, Matrikel:

Existenz von Gleichgewichtspreisen in zeitstetigen Finanzmarktmodellen. Kai Knipping, Matrikel: Existenz von Gleichgewichtspreisen in zeitstetigen Finanzmarktmodellen Kai Knipping, Matrikel: 34393 13.7.21 1 Contents 1 Das Modell 3 1.1 Annahmen............................... 3 1.2 Der Finanzmarkt...........................

Mehr

2 Halbgruppen von Übergangswahrscheinlichkeiten. Markov-Prozesse

2 Halbgruppen von Übergangswahrscheinlichkeiten. Markov-Prozesse 2 Halbgruppen von Übergangswahrscheinlichkeiten Markov-Prozesse Im Folgenden sei (X, B) ein (polnischer) Messraum und T = [0, ) oder T = N 0 Definition 21 Eine Familie (P t ) t T von (X, B) mit Übergangswahrscheinlichkeiten

Mehr

Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen

Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen IGEL Verlag Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen 1.Auflage 2009 ISBN: 978 3 86815 358

Mehr

Abgabetermin: 5. Mai 2017, Uhr

Abgabetermin: 5. Mai 2017, Uhr Übungsblatt Nr. 1 26. April 2017 1. Sei F k, k K, eine Familie von σ-algebren, wobei K eine beliebige Menge ist. Zeigen Sie, daß F d = k K F k ebenfalls eine σ-algebra ist! Beweisen Sie, daß die Vereinigung

Mehr

Stochastik Wiederholung von Teil 1

Stochastik Wiederholung von Teil 1 Stochastik Wiederholung von Teil 1 Andrej Depperschmidt Sommersemester 2016 Wahrscheinlichkeitsraum Definition Das Tripple (Ω, A, P) heißt Wahrscheinlichkeitsraum, falls gilt: (i) A ist eine σ-algebra,

Mehr

11 Stochastisches Integral und Itô-Formel

11 Stochastisches Integral und Itô-Formel 11 Stochastisches Integral und Itô-Formel Im diskreten Finanzmodell bei selbstfinanzierender Strategie ϑ = {ϑ n n=,...,n mit Anfangswert V gilt : Ṽ n ϑ = V + n ϑ T j S j. j=1 Dieser diskontierte Wertprozess

Mehr

Monte-Carlo-Methoden für amerikanische Optionen

Monte-Carlo-Methoden für amerikanische Optionen Stefan Kremsner Monte-Carlo-Methoden für amerikanische Optionen Longstaff-Schwartz, Dualität und Policy-Iteration MASTERARBEIT zur Erlangung des akademischen Grades Diplom-Ingenieur Masterstudium Finanz-

Mehr

Scheinklausur zur Vorlesung Stochastik II

Scheinklausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:

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

Seminar Bewertungsmethoden in der Personenversicherungsmathematik

Seminar Bewertungsmethoden in der Personenversicherungsmathematik Seminar Bewertungsmethoden in der Personenversicherungsmathematik Zinsratentheorie in der Versicherung II Vitali Müller Mathematisches Institut der Universität zu Köln Sommersemester 2010 Betreuung: Prof

Mehr

Vorlesungsskript Stochastische Analysis mit Finanzmathematik

Vorlesungsskript Stochastische Analysis mit Finanzmathematik Vorlesungsskript Stochastische Analysis mit Finanzmathematik Christoph Kühn Wintersemester 4/5 letzte Aktualisierung:. April 17 1 Inhaltsverzeichnis 1 Eine Motivation 1 Allgemeine Theorie stochastischer

Mehr

Derivate und Bewertung

Derivate und Bewertung . Dr. Daniel Sommer Marie-Curie-Str. 3 6439 Frankfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 25/6 Klausur Derivate und Bewertung Wintersemester 25/6 Aufgabe : Statische Optionsstrategien

Mehr

Short Rate Modelle. Simon Dettmer Betreut von: Dr. Zoran Nikolić & Dr. Tamino Meyhöfer

Short Rate Modelle. Simon Dettmer Betreut von: Dr. Zoran Nikolić & Dr. Tamino Meyhöfer Seminar: Finanzmarktmodelle in der Lebensversicherung Universität zu Köln SS 2016 Short Rate Modelle Simon Dettmer 17.06.2016 Betreut von: Dr. Zoran Nikolić & Dr. Tamino Meyhöfer Motivation: Prämienberechnung

Mehr

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W. 8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A

Mehr

Vorlesungsskript Stochastische Analysis mit Finanzmathematik

Vorlesungsskript Stochastische Analysis mit Finanzmathematik Vorlesungsskript Stochastische Analysis mit Finanzmathematik Christoph Kühn Wintersemester 4/5 letzte Aktualisierung: 1. Dezember 17 1 Inhaltsverzeichnis 1 Eine Motivation 1 Allgemeines zu stochastischen

Mehr

Die Bewertung von amerikanischen Basketoptionen

Die Bewertung von amerikanischen Basketoptionen Die Bewertung von amerikanischen Basketoptionen Seminararbeit von Henning Katerkamp 0. April 010 1 Inhaltsverzeichnis 1 Einführung 3 Bewertung des Perpetual Put mit der sogenannten Beibel/Lerche - Methode

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

Jan Kallsen. Einführung in die zeitdiskrete Finanzmathematik

Jan Kallsen. Einführung in die zeitdiskrete Finanzmathematik Jan Kallsen Einführung in die zeitdiskrete Finanzmathematik 22. Juli 2005 Inhaltsverzeichnis 0 Mathematische Hilfsmittel 3 0.1 Absolutstetigkeit und Äquivalenz....................... 3 0.2 Bedingte Erwartung..............................

Mehr

Erwartungswert und Varianz von Zufallsvariablen

Erwartungswert und Varianz von Zufallsvariablen Kapitel 7 Erwartungswert und Varianz von Zufallsvariablen Im Folgenden sei (Ω, A, P ) ein Wahrscheinlichkeitsraum. Der Erwartungswert von X ist ein Lebesgue-Integral (allerdings allgemeiner als in Analysis

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

Aufgaben zu Kapitel 0

Aufgaben zu Kapitel 0 Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.

Mehr

Brownsche Bewegung. M. Gruber. 20. März 2015, Rev.1. Zusammenfassung

Brownsche Bewegung. M. Gruber. 20. März 2015, Rev.1. Zusammenfassung Brownsche Bewegung M. Gruber 20. März 2015, Rev.1 Zusammenfassung Stochastische Prozesse, Pfade; Definition der Brownschen Bewegung; Eigenschaften der Brownschen Bewegung: Kovarianz, Stationarität, Selbstähnlichkeit;

Mehr

Kapitel 6. Irrfahrten und Bernoullischemata

Kapitel 6. Irrfahrten und Bernoullischemata Kapitel 6 Irrfahrten und Bernoullischemata Ausgangspunkt dieses Kapitels ist das in den Abschnitten 2.5 und 3.3 vorgestellte mathematische Modell des mehrmals Werfens einer Münze. Die dort definierten

Mehr

Brownsche Bewegung. M. Gruber. 19. März Zusammenfassung

Brownsche Bewegung. M. Gruber. 19. März Zusammenfassung Brownsche Bewegung M. Gruber 19. März 2014 Zusammenfassung Stochastische Prozesse, Pfade; Brownsche Bewegung; Eigenschaften der Brownschen Bewegung: Kovarianz, Stationarität, Selbstähnlichkeit, quadratische

Mehr

A. Maß- und Integrationstheorie

A. Maß- und Integrationstheorie A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei

Mehr

3 Markov-Eigenschaft der Brownschen Bewegung

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

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr