Sunteți pe pagina 1din 74

CUPRINS

Capitolul I

Introducere ..................................................................................................................3

Capitolul II

II. 1. Notiuni elementare ale Teoriei Probabilitatilor..............................................................4


II. 1.1 Probabilitati conditionate.............................................................................................................5

II. 1.2 Independenta................................................................................................................................6

II. 1.3 Functii masurabile independente.................................................................................................7

II. 1.4 Formula de transport....................................................................................................................8

II. 1.5 Caracteristici ale repartitiilor.......................................................................................................8

II. 1.6 Medii conditionate.......................................................................................................................9


II. 2. Teoria
Martingalelor..........................................................................................................................11

II. 2.1 Timpi de


stopare.........................................................................................................................13

II. 3. Procese
stocastice...............................................................................................................................18

II.3.1 Miscarea
browniana..................................................................................................................19

II.3.2 Variabile aleatoare


gaussiene....................................................................................................20

II. 3.3 Integrale stocastice si formula


Itô............................................................................................28

II. 3.4 Calcul


Itô.................................................................................................................................3
3

1
Capitolul III

III.1. Piete
financiare...............................................................................................................................37

III.2. Despre
optiuni................................................................................................................................51

III.3.Modelul Black –
Scholes.............................................................................................................53

III.3.1 Strategii de autofinantare – construirea unui portofoliu replicativ......................................56

Capitolul IV

4.1 Transformata
Fourier................................................................................................................61

4.2 Inversarea transformatei


Fourier..............................................................................................63

4.3 Operatorul
caldurii...................................................................................................................65

4.4 Despre unicitatea solutiei ecuatiei


caldurii............................................................................68

4.5 Rezolvarea ecuatiei Black –


Scholes......................................................................................71

BIBLIOGRAFIE ...........................................................................................................79

2
Capitolul I
Introducere

Prezenta lucrare abordeaza o ramura relativ noua a matematicii si anume modelele


matematice financiare. Mai precis, lucrarea va trata Modelul lui Black-Scholes de calculare a
pretului unei optiuni. Desi modelul a aparut recent, la inceputul anilor 1970, uneltele matematice
folosite sunt vechi, de sute de ani.

Astfel, capitolul II incepe prin a ne prezenta cadrul matematic al notiunilor de baza ce le


vom folosi pe parcursul lucrarii. Am inceput printr-un capitol de teorie fundamentala a
probabilitatilor in care am definit campul de probabilitate, probabilitatea si am mers pana la
mediile conditionate, care au facut trecerea spre urmatorul subcapitol: cel legat de teoria
martingalelor. Acest capitol defineste evident notiunea de martingal, proprietatile cele mai
importante, continuand cu timpi de stopare si inegalitatile lui DOOB.

Capitolul legat de procesele stocastice ne introduce miscarea Browniana, definita cu


ajutorul variabilelor aleatoare gaussiene, si integralele stocastice care se incheie cu formula si
calculul lui Itô, calcul esential ce va fi folosit la modelul Black-Scholes.

Capitolul III debuteaza cu o descriere amanuntita a pietelor financiare, defineste optiunea


si proprietatile sale si continua cu prezentarea modelului Black-Scholes cand piata financiara este
alcatuita din bond si stoc, iar activul conditionat este asociat optiunii de cumparare. In incercarea
de a construi un portofoliu replicativ, vom gasi formule pentru a si b (numarul de unitati de stoc,
respective bond) care ne vor conduce la obtinerea faimoasei formule a lui Black-Scholes de
calculare a pretului unei optiuni.

3
Poate cel mai consistent capitol, capitolul IV trateaza una din modalitatile de rezolvare a
formulei Black-Scholes, prin ecuatia caldurii. Desi, la o prima vedere, nu se poate observa nici o
legatura intre formula gasita in capitolul III si ecuatia difuziei, finalul lucrarii ne va infatisa
“ecuatia cu derivate partiale a lui Black-Scholes” .

Capitolul II

II. 1. Notiuni elementare ale Teoriei Probabilitatilor

Cadrul matematic in care se dezvolta teoria probabilitatilor este cel al teoriei masurii;
notiunea fundamentala a teoriei probabilitatilor, asa numitul camp de probabilitate, nu este
altceva decat un spatiu cu masura cu masa totala egala cu 1 (altfel scris : P(Ω) = 1, cum vom
vedea mai departe). Problemele ce au determinat dezvoltarea teoriei probabilitatilor provin dintr-
o interpretare intuitiva a unui spatiu cu masura, anume cea de “fenomen intamplator” , relativ la
care se considera anumite evenimente, fiecare avand o probabilitate.

Astfel, putem spune ca teoria probabilitatilor se ocupa cu studiul modelelor matematice


ce descriu experimente aleatoare, adica experimente ale caror rezultate sunt intamplatoare.

In acest capitol vom defini o serie de notiuni fundamentale ale teoriei probabilitatilor care
ne vor ajuta pe parcursul acestei lucrari in definirea si intelegerea altor notiuni.

Sa consideram multimea Ω ≠∅ si P (Ω) ∶= { A| A ⊂ Ω}

Definitie: O familie K ⊂ P (Ω) se numeste corp borelian (de parti) sau σ – algebra daca are
proprietatile :

1. Ω ∈ K

2. Daca A ∈ K atunci CA ∈ K, unde CA = Ω \ A = {w ∈ Ω| w ∉A }

3. Daca (An)n ⊂ K , atunci ∪(An) ∈ K.

Definitie: Se numeste spatiu cu masura/camp de evenimente o pereche (Ω, K) , unde Ω este o


multime amorfa,iar K ⊂ P (Ω) este un corp borelian.

4
A ⊂ K se numeste masurabila sau eveniment.

Obs : Campul de probabilitate este un caz particular al spatiului cu masura.

Sa consideram o structura de spatiu (Ω, K) ca ma sus.

Definitie: O functie P : K → R+ se numeste probabilitate daca:

• P(Ω) = 1 ⇔ Probabilitatea spatiului total este 1.

• P( nAn ) = nP(An) , (∀) An ∈ K, (∀) Ai ∩ Aj = ∅ , i≠j , n ∈ N* .

Obs: Tripletul (Ω, K, P) se numeste camp de probabilitate.

Proprietati ale probabilitatilor:

1. P (∅) = 0

2. P (i=1nAi ) = i=1nP(Ai) , (∀) Ai ∈ K , (∀) Ai ∩ Aj = ∅ , i≠j , n ∈ N*

3. A ⊂ B, A,B ∈ K ⇒ P (B\A) = P(B) – P(A) (proprietatea de substractivitate)

4. A ⊂ B, A,B ∈ K ⇒ P(A) ≤ P(B) (proprietatea de monotonie)

5. P (∁ A) = 1- P(A) , (∀)A∈ K

6. P(A) ⊂ [0,1] , atunci cand A il parcurge pe K

7. P (A∪B) = P(A) + P(B) – P(A ∩ B) , A,B ∈ K

II. 1.1 Probabilitati conditionate

Definitie: Fie (Ω, K, P) un camp de probabilitate si fie A∈ K a.i. P(A) > 0 . Atunci definim si
notam “probabilitatea lui B conditionata de A” astfel:

PA(B) ∶= P(A∩B)P(A)

Propozitie: PA are proprietatile:

1. PA : K⟶[0,1] este probabilitate pe spatiul cu masura definit mai sus, (Ω, K)

5
2. ( PA )B ∶= P(A ∩ B) , daca B ∈ K si P(A ∩ B) > 0

3. P( A1 ∩ A2 ∩… ∩ An ) = P( A1 ) ∙ PA1 (A2 ) ∙ PA1∩A2 (A3 ) ∙ Pi=1n-1Ai( An) ,


daca Ai ∈ K, n ∈ N* si P (i=1n-1 Ai ) > 0

4. Fie (An)n o partitie a lui Ω cu P (An) > 0 . Atunci, (∀)B∈ K , vom avea:
P(B) = n=1∞PAn (B) ∙ P(An) ( formula probabilitatii totale)

5. In ipotezele de la punctul 4. si presupunand in plus ca P(B) > 0 are loc :

PB(An ) = PAn (B ) ∙ P(An) ∙ 1i=1∞PAi (B ) ∙ P(Ai) (Formula lui Bayes)

II. 1.2 Independenta

Fie (Ω, K, P) un camp de probabilitate si (Fi)i∈I o familie de corpuri boreliene din K, I ⊂N.

Definitie: Fi se numesc independente daca (∀) J⊂I finita si (∀) Ai ∈ Fi , i ∈ J ⇒

P (i=1n Ai ) = i=1nP(Ai) .

Definitii: 1.Fie (E,E) si (F,F) spatii cu masura. Functia f: E⟶ F se numeste masurabila daca:
(∀) B ∈ F ⇒ f-1( B) ∈ E .

2. Fie (Ω, K) camp de evenimente si f: Ω⟶ R. Daca f este o functie masurabila ( f :


(Ω,K )⟶ ( R, BR ) ), f se numeste variabila aleatoare.

Teorema: Fie (Ω, K, P) si f: Ω⟶ F , unde (F,F) – spatiu cu masura. Presupunem ca f este


masurabila si fie P ° f-1 : K⟶[0,1] , definita prin (P ° f-1) (A) ≝ P(f-1(A)) , A ∈ K.

Atunci, P ° f-1 este o probabilitate pe (F,F) si se numeste repartitia lui f.

Obs: Deoarece in teoria probabilitatilor suntem interesati nu in valorile pe care le poate lua o
variabila aleatoare ci in probabilitatea evenimentului, rezulta rolul important pe care il joaca
repartitia unei variabile aleatoare.

6
II. 1.3 Functii masurabile independente

Definitie: Fie (Ω, K, P) un camp de probabilitate si (Fi, Li) un spatiu cu masura , fi: Ω⟶Fi
masurabile. ( fi)i∈I se numesc independente daca ( B (fi)i∈I ) sunt independente. Altfel spus :

( fi)i∈I independente ⇔ [(∀) J⊂I finita si (∀) Bi ∈ Li , i ∈ J ⇒ P (i∈Jfi-1 (Bi )) = i∈JP(fi-1


(Bi )) ] ⇔ P (i∈Ifi-1 (Bi )) = i∈IP(fi-1 (Bi )) , (∀) Bi ∈ Li , i ∈ I , unde B (fi) = (fi-1 (Li))
= {(fi-1 (B) | B ∈ Li) }.

Obs: Oricarei variabile aleatoare i se asociaza un corp borelian B(f) = f-1(L), unde (F, L) este un
spatiu cu masura despre ale carui evenimente se spune ca nu depind decat de f , aceasta
semnificand faptul ca pentru a stii daca un astfel de eveniment s-a realizat este suficient sa
cunoastem pe f (ω) , ω ∈ Ω si nu rezultatul ω al evenimentului.

II. 1.4 Formula de transport

Teorema: Fie (Ω, K, P) un camp de probabilitate si (E,E) un spatiu cu masura. Consideram


urmatoarea diagrama :

Ω fEφR , cu f,φ masurabile.

Atunci, cf. formulei de transport, avem:

Ωφ°fdP = Eφ dP°f-1

In sensul ca existenta unui membru implica existenta celuilalt si egalitatea lor.

II. 1.5 Caracteristici ale repartitiilor

Fie F o repartitie, adica o probabilitate si f o variabila aleatoare reala. Atunci:

Definitii: 1. Se numeste moment de ordin n al repartitiei F si se noteaza cu

7
Mn(F) ≝ xn dF(x).

cu conditia ca membrul drept sa existe si sa fie finit.

Obs: Momentul de ordin 1 se numeste media lui F si se noteaza M(F) .

2.Dispersia (sau variatia) lui F se defineste prin :

D(F) ≝[ x- M(F)]2dF(x) = M2(F) – [M(F)] 2, daca M(F) < ∞.

Din formula de transport rezulta ca sunt valabile urmatoarele:

• Mn(F) = Exn dP°f-1(x) = ΩfndP

• D(F) = E[ x-M(F) ]2 dP°f-1(x) = Ω[f -M(F)]2dP

Obs: In aplicatii se gandeste ca valoarea medie a unei variabile aleatoare reale ca un centru in
jurul caruia variabilele aleatoare se repartizeaza.

Dispersia unei variabile aleatoare f masoara gradul de imprastiere a valorii lui f fata de M(F).

II. 1.6 Medii conditionate

Lema: Fie (Ω, K, P) un camp de probabilitate si F ⊂ K un corp borelian, f – variabila aleatoare


F -masurabila si fie campul de probabilitate (Ω, K, P| F) . Atunci: fdP|ℱ = fdP.

Propozitie: Fie (Ω, K, P) un camp de probabilitate si f: Ω⟶ R o variabila aleatoare integrabila


si F ⊂ K un corp borelian.

Atunci: a) (∃ ) var. aleat. g: Ω⟶ R a.i. :

1. g este F -masurabila si integrabila

2. AfdP = AgdP , unde A ∈ F.

b) daca (∃ )g1 var. aleat. care satisface 1. si 2. , atunci g=g1 a.p.t.

Definitie: Daca (Ω, K, P) este un camp de probabilitate, F ⊂ K un corp borelian iar f este o
variabila aleatoare integrabila, atunci:

g de mai sus (facand abstractie de a.p.t. ) va fi notat cu M (f | F) si se numeste valoarea


medie conditionata a lui f de F. Mai mult, are proprietatile :

• Este F -masurabila si integrabila

8
• AM (f | F)dP = AfdP, unde A ∈ F.

Proprietati ale mediei conditionate:

a) α1 , α2 = ct. ⇒ M(α1f1 + α2f2| F) = α1 M (f1 | F) + α2 M (f2 | F) a.p.t.

b) f1 ≥ f2 ⇒ M (f1 | F) ≥ M (f2 | F) a.p.t.

c) Pt 0 ≤ f1≤f2≤ .... ≤ fn≤ .... si limita sirului (fn) integrabila ⇔ ∃ lim fn ⇒ M ( lim
fn | F) = lim M (fn | F) a.p.t.

d) Fie g F -masurabila si f , g f integrabile ⇒ M (g f | F) = gM (f | F)

e) Daca f F -masurabila ⇒ M (f | F) = f.

f) Daca F1 ⊃ F2 ⇒ M( M (f | F1)| F2) = M (f | F2) .

In urmatorul capitol vom defini notiunea de “martingal“ si vom vedea proprietatile acestuia.

2. Teoria Martingalelor

Teoria Martingalelor a aparut initial in Franta secolului XVIII cand facea referire la o
serie de strategii pentru jocurile de noroc. Cel mai simplu joc de noroc era considerat cel in care
un participant era declarat castigator daca dupa aruncarea monedei se obtinea “cap” si pierdea

9
daca, evident, aparea “pajura”. Strategia jucatorului consta in dublarea mizei dupa fiecare joc
pierdut , astfel ca la primul castig isi ca recupera pierderea si va avea si profit. Tinand cont de
cresterea functiei exponentiale ar trebui ca jucatorul sa detina o suma mare de bani ( de asemenea
si timp) pentru a putea continua jocul pana la momentul de castig (care nu este un moment
previzibil, ci un eveniment aleator).

In prezent , Teoria Martingalelor nu mai are nici o legatura cu baza de la care a pornit, ea
a devenit o unealta principala in studiul proceselor aleatoare.

Conceptul de martingal in Teoria probabilitatii a fost adus de Paul Pierre Lévy, iar un
foarte important participant in dezvoltarea acestei teorii a fost Joseph Leo Doob.

Scopul acestui capitol este de a ne prezenta bazele acestei teorii si cele mai simple
proprietati ale martingalelor. O parte din aceste definitii le vom intalni si in capitolul legat de
procesele stocastice unde le vom aprofunda prin punerea in evidenta a legaturii dintre martingale
si miscarea browniana.

De asemenea, notiunea de martingal va fi folosita preponderent in descrierea pietelor


finanicare de tip arbitraj.

Fie (Ω, F, P) un camp de probabilitate si ( Fn )n≥0 un sir crescator de corpuri boreliene


in F. (⇔F0 ⊂ F1⊂ ... ⊂ Fn⊂ ... ⊂ F )

Definitie: Sirul ( Fn )n≥0 se numeste filtrare sau baza stocastica.

Sa consideram un sir de variabile aleatoare ( Xn )n≥0 , unde Xn : (Ω, F, P) ⟶ R .

Definitie: Spunem ca un sir ( Xn )n≥0 de variabile aleatoare este adaptat la filtrarea ( Fn )


n≥0 daca : (∀) n, Xn este Fn - masurabil.

Definitie: Vom spune ca un sir adaptat de variabile reale ( Xn )n≥0 este :

1. Martingal daca E [Xn+1|Fn] = Xn , (∀)n≥0 .


2. Submartingal daca E [Xn+1|Fn] ≤ Xn , (∀)n≥0.
3. Supermartingal daca E [Xn+1|Fn] ≥Xn , (∀)n≥0.

10
Vom da in continuare cateva proprietati ale martingalelor:

1) ( Xn )n≥0 este un martingal daca si numai daca E [Xn+j|Fn] = Xn , (∀)j≥0.


2) Daca ( Xn )n≥0 este un martingal , atunci (∀)n avem E(Xn) = E(X0)
3) Suma a doua martingale este tot un martingal
4) Proprietatile de mai sus sunt valabile si pentru submartingale si supermartingale.

Definitie: Un sir adaptat ( Xn )n≥0 de variabile aleatoare este previzibil daca (∀)n≥1, Xn
este Fn-1 - masurabil.

Propozitie: Fie ( Mn )n≥0 un martingal si fie ( Hn )n≥0 un sir previzibil in raport cu filtrarea (
Fn )n≥0 . Consideram ΔMn = Mn - Mn-1.

Atunci, sirul ( Xn )n≥0 definit prin : X0 = H0M0

Xn = H0M0 + H1ΔM1 + ...+ HnΔMn , n≥1

este un martingal in raport cu ( Fn )n≥0.

Propozitie: Un sir adaptat de variabile reale ( Mn )n≥0 este un martingal daca si numai daca
pentru toate sirurile previzibile ( Hn )n≥0 avem egalitatea:

E (n≥1 HnΔMn ) = 0 .

In continuare vom folosi urmatoarea definitie pentru martingale, care nu este altceva decat o
extensie a celei prezentate la inceputul acestui capitol:

Definitie: Un sir de variabile ( Xn )n≥0 este Fn- martingal daca:

a) (∀) n , Xn este adaptat (⇔Xn este Fn- masurabil) si integrabil


b) (∀) n , E [Xn+1|Fn] = Xn ⇔ (∀) m < n , E [Xn|Fm] = Xm ⇔

⇔ (∀) A ∈ Fm, AXndP = AXmdP.

11
II. 2.1 Timpi de stopare

Notiunea de timp de stopare ne va fi utila in cazul pietelor financiare discrete. Timpul de


stopare modeleaza un timp aleator care depinde evident de un proces aleator. Formal, vom
defini astfel:

Definitie: Se numeste timp de stopare (sau optionala) in raport cu filtrarea ( Ft )t≥0 , o


variabila aleatoare τ ∈ R+∪{+∞}, pentru care:

(∀) t≥0 , { τ < t}∈Ft.

Obs: Fiecarui timp de stopare i se poate asocia un corp borelian notat Fτ definit prin:

Fτ = { A ∈ F , (∀) t≥0 , A ∩{ τ ≤t }∈Ft}

Acest corp borelian se interpreteaza ca reprezentand evenimentele (strict) anterioare lui τ.

Propozitie: (proprietati ale timpilor de stopare)

• Orice constanta nenegativa este un timp de stopare


• Daca S este un timp de stopare atunci S este FS - masurabil.
• Daca S este un timp de stopare si avem un sir adaptat ( Xt )t≥0 de variabile aleatoare
atunci XS este FS – masurabil
• Daca S si T sunt timpi de stopare astfel incat S ≤ T a.p. atunci FS⊂ FT
• Daca S si T sunt timpi de stopare atunci si max{S,T}, min{ S,T } si (S+T) este tot un timp
de stopare.

Propozitie: (stoparea martingalelor)

Daca ( Xn )n≥0 este un Fn- martingal si S un timp de stopare. Atunci (XnS)n este Fn-
martingal , unde:

XnS ≝ XS⋀n

12
si se interpreteaza ca fiind procesul stopat la momentul S.

Teorema de stopare :

Daca ( Mt )t≥0 este un Ft- martingal si avem τ1, τ2 timpi de stopare astfel incat τ1≤
τ2≤ m (adica sunt optionale marginite) , unde m este o constanta reala finita, atunci Mτ2este
integrabila si:

E[Mτ2| Fτ1] = Mτ1 P a.s.

Obs: Acest rezultat ne arata ca daca τ este un timp de stopare finit, atunci E(Mτ) = E(M0) .
(pentru demonstratie e de ajuns sa aplicam teorema de mai sus in care consideram τ1=0 si τ2 =
τ)

Vom da in continuare enuntul unei teoreme ce o vom folosi in demonstratiile rezultatelor


ce vor urma.

Teorema : Daca (xn , Fn, n ∈ N ) este un submartingal si τ este un timp de stopare cu P{ τ≤ N}=
= 1 , unde N ∈ N, atunci :

x0 dP ≤ xτ dP ≤xN dP .

Dupa cum am mentionat in introducerea acestui capitol, DOOB este unul dintre cei mai
importanti partincipanti in dezvoltarea teoriei martingalelor. Sa prezentam, sub forma unor teoreme, o
serie de rezultate obtinute de acesta.

Teorema : (Inegalitatile maximale ale lui DOOB)

Sa presupunem ca T = {0,1,...,N} si x = (xn)0≤n≤N este un submartingal. Fie λ∈ (0,∞)


. Atunci au loc urmatoarele inegalitati:

(1): λ P{ maxn∈T xn> λ } ≤ {maxn∈T xn>λ}xN dP ≤ xN+ dP

(2): λ P{ minn∈T xn<- λ } ≤ {minn∈T xn≥-λ}xN dP -x0 dP≤ xN+ dP- x0 dP

Demonstratie:

13
Introducem urmatoarea optionala :

τ(ω) = min(min{n| xn(ω) > λ}, N)

Si reprezinta minimum dintre prima intrare in (λ,∞) si N.

Avem τ≤ N si aplicand teorema anterioara obtinem:

xN dP ≥ xτ dP = {maxn∈T xn>λ}xτ dP + {maxn∈T xn≤λ}xτ dP ≥ λ P{ maxn∈T


xn> λ } + +{maxn∈T xn≤λ}xN dP

Am folosit faptul ca pe multimea { maxn xn> λ } avem xτ> λ, iar pe complementara ei avem
τ= N.

Retinand primul si ultimul membru din sirul de inegalitati de mai sus, se obtine prima inegalitate din (1).

Pentru punctul (2) vom proceda analog. Pentru prima parte a inegalitatii vom considera prima intrare in
intervalul (-∞,-λ) si o minimalizam cu N. Fie σ optionala in cauza, unde 0 ≤ σ.

Aplicam din nou aceeasi teorema si obtinem:

x0 dP ≤ xσ dP = {minn∈T xn<-λ}xσ dP + {minn∈T xn≥-λ}xσ dP ≤ - λ P{ minn∈T


xn<- λ }+ +{minn∈T xn≥-λ}xN dP

Si trecand membrii de-o parte si de alta a inegalitatii vom obtine rezultatul dorit.

q.e.d.

Obs: Variantele celor doua inegalitati din teorema de mai sus, in cazul in care avem
x = (xn)0≤n≤N supermartingal, sunt urmatoarele:

(1): λ P{ maxn∈T xn> λ } ≤ x0 dP-{maxn∈T xn≤λ}xN dP ≤ x0 dP+xN- dP

(2): λ P{ minn∈T xn<- λ } ≤ {minn∈T xn<-λ}xN dP ≤ xN- dP

Teorema : (Inegalitatea DOOB a normelor)

14
Sa consideram un camp de probabilitate filtrat (Ω, F, P, Ft, t ∈ 0,N, N ∈ N*) si fie x =
=(xt)t∈N un submartingal nenegativ astfel incat xt ∈ Lp(Ω, F, P), (∀) t ∈ T. Presupunem p > 1
si definim q prin relatia : 1p + 1q = 1. Atunci :

supt∈Txtp≤ q supxtp

Reamintim:

1. (∀) 1< p < ∞ consideram spatiul linear normat Lp unde au loc:

pentru X ∈Lp variabila aleatoare avem Xp = E [ Xp] 1/p si XpdP < ∞.

2. Fie X, Y doua variabile aleatoare nenegative, pe campul de probabilitate (Ω, F, P), astfel incat:

t P({X≥t}) ≤ {X≥t}YdP,

pentru orice t > 0. Fie p > 1, q > 1, cu 1p + 1q = 1. Atunci are loc urmatoarea inegalitate:

Xp ≤ qYp .

Demonstratie teorema:

Fie T = {1,2,...,N}.

Remarcam ca daca x = (xn)n∈T este un supermartingal ⇒ (xnp)n∈T ramane tot submartingal.


Deci:

supt∈Txtp= xNp

Si avem de demonstrat ca :

max0≤n≤N xnp ≤ qxNp (*)

Se stie ca daca t > 0, avem urmatorul rezultat:

t P({max0≤n≤N xn≥t}) ≤ {max0≤n≤N xn≥t}xNdP

Inegalitatea (*) reiese din folosirea punctului (2) din sectiunea “Reamintim”.

15
q.e.d.

Teorema : (DOOB – a doua inegalitate a normelor)

Fie un camp de probabilitate filtrat (Ω, F, P, Ft, t ∈ [0,T]) si M = (Mt)t∈[0,T] un


martingal cu traiectoria continua. Presupunem ca Mt∈ L2. Atunci:

E(sup0≤t≤T|Mt|2) ≤ 4E (|MT|2).

3. Procese stocastice

Pana acum am avut ocazia de a vedea importanta notiunii de martingal, studiat in timp
discret. Vom vedea acum studiul acestuia, ca si a altor notiuni matematice, dar in timp continuu.
In particular, vom introduce elemente ce ne vor permite construirea unor modele ce ne vor arata
evolutia activelor financiare si calculul pretului optiunilor.

Calculul in timp continuu este mai delicat decat cel in timp discret, dar baza de la care se
porneste nu difera prea mult.

De ce avem nevoie de studiul acestor modele in timp continuu? In primul rand pentru ca
acestea ne duc la metode de calcul mult mai explicite si rezultate mai concrete. In parctica, cel
mai utilizat model in timp continuu este cel dezvoltat de Black si Scholes, care ne ofera o

16
formula simpla pentru calculul pretului unei optiuni (despre care vom vorbi mai pe larg in
capitolele urmatoare).

Dupa cum am mentionat si in introducere, legatura dintre procese stocastice si finante


dateaza din 1901 cand Bachelier, in lucrarea sa intitulata “Teoria Speculatiei”, vorbeste despre
miscarea browniana si metode de calcul pentru pretul unei optiuni.

In acest capitol vom da o serie de elemente matematice necesare pentru intelegerea


modelelor in timp continuu.Vom descrie miscarea browniana , care este o notiune de importanta
majora in explicarea modelului Black si Scholes si care sta la baza constructiei majoritatii
modelelor legate de activele financiare. Vom aduce aminte de martingale si vom vedea ce se
intampla cu ele in cazul timpului continuu si legatura dintre ele si miscarea browniana.Ultima
parte a acestui capitol o vom dedica integralei stocastice Itô (constructie si calcul).

Definitie: Se numeste proces stocastic in timp continuu si cu valori intr-un spatiu cu masura
(E,E), o familie ( Xt )t∈R+ de variabile aleatoare definite pe un camp de probabilitate (Ω, F,
P), numit si spatiu de baza, cu valori in (E,E), care se mai numeste si spatiul starilor.

Consideram t ∈ T, unde T este o multime de timpi.

Procesul definit mai sus mai poate fi vazut astfel:

fie ( xt )t∈T ∈ Ω, familie de aplicatii , xt : Ω → E a. i. (∀) t∈T ⇒ ( xt ) variabila


aleatoare

Atunci pentru un ω ∈ Ω fixat, aplicatia t → xt (ω) se numeste traiectoria procesului.

Definitie: Vom spune ca un proces ( Xt )t≥0 este adaptat unei baze stocastice ( Ft )t≥0, daca
aplicatia ( Xt )t este Ft masurabila, pentru orice t.

Se mai spune ca ( Xt )t este Ft - adaptat.

II.3.1 Miscarea browniana

17
Procesul de miscare browniana ocupa locul central in cazul proceselor stocastice. Dupa
cum am mentionat si in introducere, Bachelier si Einstein sunt primii care au reusit sa arate ca
legea statistica a miscarii haotice a unei particule este cea corespunzatoare procesului de miscare
browniana.

Fie (Ω, F, P) un camp de probabilitate si procesul stocastic B = ( Bt )t≥0, unde Bt : Ω → R


sunt variabile aleatoare.

Definitie: B se numeste miscare browniana standard daca:

1. B0 = 0 aproape sigur
2. B are cresteri independente ⇔ daca 0 ≤ t1< t2<... < tn < ∞ sunt momente de timp,
atunci

Bt2 - Bt1, Bt3 - Bt2, ... , Btn - Btn-1

sunt independente, (∀) n∈ N.

3. Daca 0 ≤ s< t < ∞, atunci cresterea Bt - Bs are repartitia normala γ0,t-s


4. Aproape toate traiectoriile lui B sunt continue ⇔ (∀) ω ∈ Ω cu P({ω }) = 1,

t →Bt(ω) : (0, ∞) → R este continua.

Teorema: Daca ( Bt )t≥0, este o miscare browniana, atunci Bt - B0 este o variabila aleatoare
gaussiana de medie rt si varianta σ2r, unde r si σ sunt constante reale.

Teorema: Daca ( Bt )t≥0, este o miscare browniana si avem momentele de timp 0 ≤ t1<
t2<... < tn atunci (Bt1, Bt2, ... , Btn) este un vector gaussian.

Teoremele de mai sus caracterizeaza miscarea browniana in raport cu variabilele aleatoare


gaussiene. Sa vedem cate ceva despre acestea:

18
II.3.2 Variabile aleatoare gaussiene

Fie (Ω, F, P) un camp de probabilitate si vectorul aleator n-dimensional V : Ω → Rn, unde V e


de forma:

V = V1V2⋮Vn

si Vi: Ω → R, variabile aleatoare cu Vi = pri ° V.

Daca Vi sunt integrabile ⇔ Vi ∈ L2(Ω, F, P) vom introduce valoarea medie a avectorului definit
mai sus:

μ = E (V) = μ1μ2⋮μn, unde μi = E (Vi)

Definim matricea de covarianta (corelatie) astfel :

cov V = σ = (σij) 1≤i,j≤n

σ = σ11⋯σ1n⋮⋱⋮σn1⋯σnn,

unde:

σij = E [(Vi - μi)( Vj - μj)]

Matricea de covarianta σ este pozitiv definita si simetrica.

Definitie: Spunem ca un vector aleator V, ca cel definit mai sus, este de repartitie normala d-
dimensionala , daca densitatea lui este data de:

19
ρ(x)= 1(2π)ddetσ e-12(x-μ)Tσ-1(x-μ) ,

unde notam cu ρ densitatea si γd≝ ρdx, oricare ar fi x∈ Rd.

Propozitie: ( de caracterizare a variabilelor aleatoare gaussiene)

Fie (Ω, F, P) un camp de probabilitate si vectorul aleator d-dimensional

V = V1V2⋮Vd

Spunem ca V are repartitia normala d-dimensionala , daca si numai daca combinatia liniara
θ1V1 + θ2V2+ ... + θdVd are repartitia normala 1 –dimensionala.

Cu alte cuvinte:

V ~ γd ⇔ ∀ θ1, θ2, ..., θd ∈ R , i=1dθiVi ~ γ1

Demonstratie: Vom demonstra doar una din implicatii:

“⇒” Sa presupunem ca pentru orice θ, combinatia liniara definita prin :

Zθ = θ1V1 + θ2V2+ ... + θdVd

este repartizata normal unidimensional ⟺ Zθ ~ γ1

Pentru μ media si σ matricea de covarianta a lui V, vom verifica ca:

E[Zθ ] = i=1dθiE(Vi) = i=1dθiμi = θT μ

D[Zθ ] = E [(Zθ - θT μ)2] = E ([θT (V – μ)]2) = E (i,j=1d(Vi - μi)( Vj - μj)θiθj =

= i,j =1dσijθiθj = θTσθ

Retinem astfel ca :

20
E[Zθ ] = θT μ

D[Zθ ] = Var[Zθ ] = θTσθ

Reamintim:

Daca X variabila aleatoare gaussiana de medie μ si dispersie σ2, atunci functia caracteristica are
forma :

E [ exp (itX)] = 1σ2π-∞+∞eitxe(x-μ)2/2 σ2dx = eitμe-t2σ2/2

Prelucrand formula de mai sus ajungem la forma functiei caracteristice pentru o variabila
aleatoare cu repartitia normala d-dimensionala de medie μ si matricea de covarianta σ :

E [ exp (iθTV)] = exp (iθTμ - 12θTσθ)

Revenind la demonstratia teoremei, daca inlocuim in egalitatea de mai sus cu formulele gasite
pentru E[Zθ ] si D[Zθ ] si consideram pe t = 1 obtinem :

E [ exp (iθTV)] = E(eiZθ ) = exp (iθTμ - 12θTσθ)

Si astfel am demonstrat ca V ~ γd.

Un calcul mai riguros vom da in cele ce urmeaza, folosind forma functiei caracteristice :

φZθ (t) = ΩeitZθ (ω)dP(ω) = ΩeitθTV(ω) dP(ω) = RneitθTx dP°V-1(x) =

= c eitθTxe- 12(x-μ)T σ-1(x-μ)dx = c eitθT(x-μ)- 12xTσxdx =

21
= eitθTμ c eitθTx- 12xTσx dx = eitθTμφγd(0,σ)(t,θ) = eitθTμe-(tθ)Tσ(tθ)/2

si luand in considerare ca t e scalar, obtinem :

φZθ (t) = eit(θTμ)e- 12 t2(θTσθ)

Iar daca facem t = 1 avem ceea ce trebuia demonstrat.

q.e.d.

Definitie : Fie (Ω, F, P) un camp de probabilitate si o familie de variabile aleatoare X = ( Xt )


t∈[0,∞), unde Xt : Ω → R.

X se numeste proces gaussian daca (∀) n ∈ N si (∀) 0 ≤ t1< t2<... < tn < ∞,
vectorul aleator V = (Xt1, Xt2, ... , Xtn) are repartitia normala γn.

Corolar : X este proces gaussian daca si numai daca (∀)θ1, θ2, ..., θd ∈ R, n ∈ N* si 0 ≤ t1<
<t2<... < tn < ∞ momente de timp avem ca :

i=1nθiXti ~ γ1

Observatie:

Daca X = ( Xt )t∈[0,∞) este o familie de variabile aleatoare de patrat integrabil pe un


camp de probabilitate (Ω, F, P) ⟺ Xt∈ L2(Ω, F, P) introducem functiile :

Functia medie : E [Xt] = μt, μ = ( μt )t∈R

si

Functia de covarianta a lui X : f : R+×R+→ R

f(s,t) = Cov (Xs, Xt) = E [(Xs - μs)(Xt - μt )] , s≠t

22
Putem calcula cu usurinta functia covarianta pentru o miscare Browniana daca luam in
considerare ca :

(∀) s ≤ t si B = ( Bt )t≥0 o miscare Browniana :

Cov (Bs, Bt) = E [(Bt-Bs + Bs) Bs] = E[Bs2] = s

In general avem ca :

Cov (Bs, Bt) = min (s,t) , 0 ≤ s,t < ∞

Sa vedem ce alte proprietati ale miscarii Browniene se pot deduce plecand de la formula de
covarianta :

Teorema: Daca un proces gaussian X = ( Xt )t∈[0,T) are E (Xt) = 0, pentru 0 ≤ t < T si


daca

Cov (Xs, Xt) = min (s,t), 0 ≤ s,t < T,

atunci procesul Xt are cresteri independente.

Mai mult, daca procesul are traiectorii continue si X0 = 0 atunci este o miscare Browniana
standard pe [0, T).

Demonstratie:

Pentru prima afirmatie este in de-ajuns sa aratam ca vectorul aleator de procese crescatoare

(Xt2 - Xt1, Xt3 - Xt2, ...., Xtn - Xtn-1)

are o matrice diagonala de covarianta.

23
Pentru a arata ca elementele ce nu se afla pe diagonala sunt nule este de ajuns sa prelucram
formula :

E [(Xti - Xti-1)( Xtj - Xtj-1)] , pentru i < j

si obtinem :

E [Xti , Xtj] - E [Xti , Xtj-1] - E [Xti-1 , Xtj] + E [Xti-1 , Xtj-1] =

= ti - ti - ti-1+ ti-1 = 0

Sa dam un calcul concret:

Fie t1 < t2 < t3 ,

Cov (Xt2 - Xt1, Xt3 - Xt2) = E [(Xt2 - Xt1)( Xt3 - Xt2)] =

= E(Xt2 , Xt3) – E( Xt2 2) – E(Xt1, Xt3) + E(Xt1 , Xt2) =

= f (t2, t3) - f (t2, t2) - f (t1, t3) + f (t1, t2)=

= t2 - t2 + t1 - t1 = 0.

A doua afirmatie iese imediat luand in considerare definitia miscarii Browniene.

q.e.d.

Definitie: Se numeste Ft - miscare Browniana un proces stocastic cu valori reale si traiectorii


continue care verifica:

1. (∀) t ≥ 0, Xt este Ft – masurabila


2. Daca s ≤ t , Xt - Xs este independenta de multimea Fs
3. Daca s ≤ t, legea Xt - Xs este identica cu cea pentru Xt-s - X0

Sa dam niste exemple de martingale ce se pot construi plecand de la miscarea Browniana:

Propozitie: Daca ( Xt )t≥0, este o Ft - miscare browniana standard , atunci:

24
1. Xt este un Ft – martingal
2. Xt 2 - t este un Ft – martingal
3. exp(σXt –( σ2/2)t ) este un Ft – martingal

Demonstratie:

Daca s ≤ t atunci Xt - Xs este independenta de multimea Fs . Adica:

E (Xt - Xs | Fs) = E (Xt - Xs)

Dar o miscare browniana standard este centrata, deci :

E (Xt - Xs) = 0

Am demonstrat astfel primul punct. Pentru punctul 2 sa observam ca :

E (Xt 2 - Xs 2| Fs) = E ((Xt - Xs)2 + 2Xs(Xt - Xs) | Fs)

= E ((Xt - Xs)2| Fs) + 2XsE(Xt - Xs) | Fs),

dar cum ( Xt )t≥0 este un martingal E(Xt - Xs | Fs) = 0 si deci:

E (Xt 2 - Xs 2| Fs) = E ((Xt - Xs)2| Fs).

Tinand cont de proprietatile miscarii browniene (cresterile independente) putem afirma ca:

E ((Xt - Xs)2| Fs) = E (Xt-s 2)

= t – s.

Ultima egalitate reiese din faptul ca Xt are legea gaussiana centrata de varianta t. Am demonstrat
astfel ca :

E (Xt 2 - t| Fs) = Xs 2 – s , pentru s < t.

25
Pentru a demonstra ultimul punct sa ne aducem aminte ca daca g este o variabila gaussiana
centrata, atunci :

E (eλg) = -∞+∞eλxe-x22dx2π = eλ22 .

Mai mult, daca s < t :

E(eσXt -σ2t/2| Fs) = eσXs-σ2t/2E(eσ(Xt - Xs)| Fs)

caci Xs este Fs - masurabila, si cum Xt - Xs este independenta de Fs, vom avea:

E(eσ(Xt - Xs)| Fs) = E(eσ(Xt - Xs))

= E(eσXt-s )

= E(eσg t-s)

= eσ2(t-s)2 .

q.e.d.

II. 3.3 Integrale stocastice si formula Itô

Dupa cum am mai spus, modelele utilizate in descrierea activelor financiare se bazeaza
pe miscarea Browniana. Una dintre cele mai importante proprietati ale acesteia este ca daca Xt
este o miscare Browniana , nu exista t∈R+ astfel incat dXtdt sa aiba sens. Altfel spus, nu putem
defini integrala astfel:

0tf(s)dXs = 0tf(s)dXsds ds

Totusi putem da un sens precis acestui tip de integrala in raport cu miscarea Browniana
pe care o vom numi “integrala stocastica”

26
Fie ( Wt )t≥0 o Ft - miscare Browniana standard pe un spatiu de probabilitate filtrat (Ω,
F, P, ( Ft)t≥0) .

Vom da un sens urmatoarei integrale : 0tf(s,ω)dWs , unde:

f(s,ω) - clasa de procese adaptate filtrarii( Ft)t≥0

Fie T > 0, T ∈R

Definitie: ( Ht )0≤t≤T se numeste proces elementar daca:

Ht(ω) = i=1pϕi(ω)1[ti-1,ti](t)

unde 0 = t0 < t1< t2<... < tp = T si ϕi este Fti-1 - masurabila si finita.

Atunci, integrala stocastica a unui proces elementar H este procesul continuu ( I ( Ht ))0≤t≤T
definit prin:

I ( Ht ) = 1≤i≤kϕi (Wti - Wti-1) + ϕk+1(Wt - Wtk).

Sa remarcam ca I ( Ht ) se mai poate scrie:

I ( Ht ) = 1≤i≤pϕi (Wti⋀t - Wti-1⋀t),

ceea ce ne arata continuitatea functiei t → I ( Ht ).

De acum inainte vom nota astfel :

0tHs dWs = I ( Ht )

Vom da in continuare cateva rezultate importante legate de integralele stocastice:

27
Propozitie: Daca ( Ht )0≤t≤T este un proces elementar atunci:

• 0tHs dWs este Ft - martingal continuu,


• E ( (0tHs dWs)2) = E (0tHs2 ds),
• E ( supt≤T0tHs dWs2) ≤ 4E(0THs2 ds).

Demonstratie:

Pentru demonstrarea acestei propozitii vom utiliza procesele in timp discret. Astfel,
pentru a demonstra primul punct adica pentru a vedea ca (0tHs dWs) este un martingal este de
ajuns sa aratam ca:

E(0tHu dWu | Fs) = 0uHu dWu , ∀ s < t

Pentru al doilea punct se tine cont de faptul ca :

E (Mn2) = E ( (i=1nϕi (Xi - Xi-1)2) =

= i=1nj=1nE(ϕiϕj(Xi - Xi-1) (Xj - Xj-1)).

Ultima afirmatie este o consecinta a inegalitatii lui Doob aplicata martingalului continuu (0tHs
dWs) t≥0

Pana acum am definit si dat proprietati ale integralei stocastice pentru procese elementare. Sa
vedem acum aceste integrale pentru o clasa de procese adaptate:

Definim :

H = { ( Ht )0≤t≤T , procese ( Ft )t≥0 - adaptate, E(0THs2 ds) < +∞}.

28
Propozitie: Fie ( Wt )t≥0 un Ft - brownian. Atunci exista o unica aplicatie liniara J care
depinde de H pe spatiul Ft – martingalelor continue definite pe [ 0, T ], astfel incat:

1) Daca ( Ht )t≤T este un proces elementar, P a.s. pentru 0≤t≤T, atunci :

J(Ht) = I(Ht)

2) Daca t≤T , E (J(H)t 2) = E(0tHs2 ds).

Aceasta aplicatie liniara este unica in sensul ca daca am J si J' doua prelungiri liniare care verifica
proprietatile de mai sus , atunci :

P a.s , ∀ 0≤t≤T, J(Ht) = J'(Ht)

Notatie: daca H ∈ H, 0tHs dWs = J(Ht).

In plus, aceasta integrala stocastica verifica proprietatile urmatoare:

Propozitie: Daca ( Ht )0≤t≤T ∈ H atunci :

1) Avem urmatoarea inegalitate:

E ( supt≤T0tHs dWs2) ≤ 4E(0THs2 ds)

2) Daca τ este un Ft – timp de stopare :

P a.s. 0τHs dWs = 0T1{s≤τ}Hs dWs.

Vom avea nevoie de un rezultat care ne va permite sa relaxam ipoteza de integrabilitate pusa
asupra lui (Hs). Consideram urmatoarea multime :

H = { ( Hs )0≤s≤T , procese ( Ft )t≥0 - adaptate, 0THs2 ds) < +∞ P a.s. }.

Urmatoarea propozitie ne va permite sa prelungim integrala stocastica de la H la H :

29
Propozitie: Exista o unica aplicatie liniara J definita pe H si cu valori in spatiul vectorial al
proceselor continue definite pe [ 0, T ], astfel incat:

1.) Proprietatea de prelungire: Daca ( Ht )t≤T este un proces elementar, P a.s. ∀ 0≤t≤T,
atunci :

J (Hn)t = I(Ht)

2) Proprietatea de continuitate : Daca (Hn)n≥0 este un sir de procese din H astfel incat
0THns2 ds tinde catre 0 in probabilitate, atunci supt≤TJ (Hn)t tinde catre 0 in
probabilitate.

Notatie: 0tHs dWs = J(Ht).

Observatie: Este important de remarcat ca in acest caz (0tHs dWs) nu este (necesar) un
martingal.

In continuare vom rezuma conditiile de existenta ale integralei stocastice in raport cu o miscare
browniana si ipoteza care ne permite sa afirmam ca este vorba de un martingal :

Fie ( Wt )t≥0 o Ft – miscare brownian si ( Ht )0≤t≤T un proces ( Ft )t≥0 – adaptat. Putem


defini integrala stocastica (0tHs dWs) 0≤t≤T ,unde0THs2 ds< +∞ P a.s.

Procesul (0tHs dWs) 0≤t≤T este un martingal daca E (0THs2 ds) < +∞ . Totusi aceasta
conditie nu e necesara. In final, sa tinem minte urmatoarea egalitate:

E [ (0THs dWs)2] = E (0THs2 ds).

II. 3.4 Calcul Itô

30
In continuare vom introduce un calcul diferential pentru integralele stocastice. Il vom
numi “calculul lui Itô “ si acesta ne va conduce la obtinerea “ formulei lui Itô “. Sa incepem prin
a defini clasa de procese pentru care putem aplica formula lui Itô.

Definitie: Fie (Ω , F, (Ft)t≥0, P) un camp de probabilitate filtrat si ( Wt )t≥0 o Ft - miscare


Browniana. Numim proces Itô, un proces ( Xt )0≤t≤T cu valori reale, astfel incat:

P a.s. ∀ t≤T Xt = X0 + 0tKs ds + 0tHs dWs,

unde:

– X0 este F0- masurabila


– ( Kt )0≤t≤T si ( Ht )0≤t≤T sunt procese Ft- adaptate
– 0T Ksds < +∞ P a.s.
– 0T Hs2ds < +∞ P a.s.

Propozitie: Fie ( Mt )0≤t≤T un martingal continuu astfel incat:

Mt = 0tKs ds cu P a.s. , 0T Ksds < +∞ ,

atunci:

P a.s. ∀ t≤T , Mt = 0.

Tragem urmatoarele concluzii:

• Descompunerea unui proces Itô este unica. Asta inseamna ca daca:

Xt = X0 + 0tKs ds + 0tHs dWs = X0' + 0t Ks'ds + 0t Hs'dWs

atunci:

X0= X0' dP a.s. , Hs=Hs' ds ⊗ dP a.p.t. Ks=Ks' ds ⊗ dP a.p.t.

Nota: a.p.t. =”aproape peste tot”

31
• Daca ( Xt )0≤t≤T este un martingal de forma X0 + 0tKs ds + 0tHs dWs, atunci Kt= 0
dt ⊗ dP a.p.t.

Teorema: Fie ( Xt )0≤t≤T un proces Itô:

Xt = X0 + 0tKs ds + 0tHs dWs,

si f ∈ C2(R), f: R→R. Atunci:

f (Xt) = f (X0) + 0t f'(Xs)dXs + 120t f''(Xs)d<X,X>s ,

unde <X,X>t = 0tHs2 ds,

si:

0t f'(Xs)dXs= 0t f'(Xs)Ksds + 0t f'(Xs)HsdWs

De asemenea, daca (t,x) → f(t,x) este o functie de doua ori diferentabila in x si o data
diferentiabila in t, atunci derivatele vor fi continue in (t,x) (altfel spus: f e de clasa C1,2), vom
avea:

f (t,Xt) = f (0,X0) + 0t f's(s,Xs)ds +0t f'x(s,Xs)dXs + 120t f''xx(s,Xs)d<X,X>s ,

unde:

• f's reprezinta derivata lui f in raport cu prima variabila : dfdt


• f'x = dfdXt
• f''xx=d2fdXt2

Propozitie (Formula de integrare prin parti):

Fie Xt si Yt doua procese Itô , Xt = X0 + 0tKs ds + 0tHs dWs si Yt = Y0 + 0t Ks'ds + 0t


Hs'dWs. Atunci:

XtYt =X0Y0+0tXs dYs+0tYs dXs+<X,Y>t .

Conventie: <X,Y>t = 0tHsHs' ds.

32
Teorema: Fie σ , μ doua numere reale, ( Wt )t≥0 o miscare Browniana si T un numar real,
strict pozitiv. Atunci, exista si este unic un proces Itô : ( St )0≤t≤T care verifica:

∀ t≤T, St = x0+0tSs(μds+σdWs).

Acest proces este dat de:

St = x0exp((μ-σ22)t + σWt).

Procesul St pe care tocmai l-am explicitat ne va folosi ca model standard pentru


calcularea pretului unui activ financiar. Astfel, in urmatorul capitol vom introduce “modelul
Black – Scholes” .

Capitolul III

33
III.1. Piete financiare

Sa consideram o multime Ω finita inzestrata cu σ – algebra partilor ei, notata cu F. Fie S =


(Sn)n∈T un proces cu valori in Rd+1, definit pe Ω cu d ∈ N* si T = {0,1,2..., N}, unde N ∈ N*.
Procesul S se va reprezenta si sub forma S=( S0, S1, ..., Sd), cu toate componentele procese reale de
forma Si = ((Sni)n∈T) pentru i = 0,1,...,d, deci Sn = (Sn0, Sn1,..., Snd) pentru n∈T. Vom
presupune Sni(ω) > 0, pentru orice i∈{0,1,2..., d}, n∈T si ω∈ Ω. Se mai face urmatoarea
ipoteza: S0i = si, unde si sunt constante reale strict pozitive, pentru i = 0,1,...,d.

Definitie: Vom spune ca (Ω, S) formeaza o piata financiara cu orizontul de timp N si cu d + 1


active financiare.

Definitia va fi motivata de interpretarile de mai jos:

Multimea T reprezinta timpul in care este analizata o piata financiara, masurat intr-o unitate de
timp stabilita; la bursa, spre exemplu, unitatea de timp este ziua. Ω reprezinta multimea tuturor
evolutiilor posibile pentru piata financiara. Procesul S reprezinta evolutia in timp a preturilor a d
+ 1 active finaciare care se comercializeaza pe piata. In acest sens Sni reprezinta costul unitatii
din activul i la momentul n. Activul 0, cu evolutia pretului S0 , se numeste bond. Sn0,
reprezinta valoarea la momentul n , a unei unitati dintr-un depozit considerat ferm, cu o evolutie
determinata, nesupusa riscului. Vom presupune S00 = 1 si Sn0 = ( 1+ r) n, constant in raport
cu ω, unde r > 0, reprezinta dobanda zilnica pentru depozitele garantate de stat. Preturile
celorlalte active, S1, ..., Sd, sunt supuse riscului unor evolutii aleatoare datorate mecanismelor
pietii. Aceste active se numesc stocuri si pot fi actiuni, obligatiuni, valuta, marfuri (cafea,
ciment, grau, otel, etc...), active derivate. Constantele si, i = 0,1,...,d reprezinta preturile initiale
ale activelor cu risc.

Definim Fn = σ(Sk | k = 0,1,...,n), adica σ – algebra care detine informatia asupra evolutiei
preturilor pana la momentul n. F0 este formata doar din multimea vida si spatiul total, deoarece
S0 este constant in raport cu ω.

34
Nu este nevoie sa consideram o probabilitate pe F, deoarece analiza care urmeaza, va pune in
evidenta niste probabilitati intriseci modelului. Multimea Ω este interesanta doar in raport cu S si
din acest motiv am putea presupune FN= F. Vom face aceasta ipoteza ceva mai tarziu.

Definitie: Vom numi strategie financiara sau proces de portofolii, un proces definit pe Ω cu
valori in Rd+1 de forma Φ = (Φn)n∈T, pe care il presupunem previzibil (adica Φn este
masurabila in raport cu Fn-1, pentru n = 1,2..., N).

Strategia se va reprezenta si sub forma Φ =( Φ0, Φ1, ..., Φd), unde componentele sunt procese
previzibile reale de forma Φi = ((Φni)n∈T), i = 0,1,...,d, deci Φn = (Φn0, Φn1,..., Φnd) pentru
orice n∈T. Vom interpreta Φni ca numarul de unitati din activul i detinut de un investitor la
momentul de timp n, iar vectorul Φn va fi portofoliul investitorului la timpul n. Componentele
lui iau valori in R. Daca Φn0 < 0 , inseamna ca investitorul a imprumutat Φn0 de pe piata
activelor fara risc, iar daca Φni < 0, pentru i ≥1, inseamna ca investitorul are datorii exprimate
in active cu risc (ca urmare a faptului ca a vandut fara acoperire). Faptul ca Φn este Fn-1 -
masurabila inseamna ca investitorul isi stabileste compozitia portofoliuluipe care il scoate pe
piata la timpul n, dupa ce a inregistrat preturile la timpul n-1.

Principala problema a acestei teorii este alegerea unei strategii care sa satisfaca anumite conditii.

Fiecarei strategii Φ i se asociaza un proces de valori reale, V(Φ) numit valoarea portofoliului Φ,
definit astfel:

Vn (Φ) = ΦnSn, n∈T

unde membrul drept inseamna produsul scalar al celor doi vectori din Rd+1:

Vn (Φ)( ω) = i=0i=dΦni( ω) Sni( ω) , ω∈ Ω.

Procesul V(Φ) este adaptat.

Definitie: Strategia Φ se numeste autofinantare, sau autofinantata, daca

Φn-1 Sn-1 = Φn Sn-1, pentru 1,2..., N

35
Semnificatia acestei conditii este urmatoarea: configuratia si portofoliul din ziua a n -a se
stabileste in ziua n-1, la preturile din aceasta zi si utilizand doar resursele portofoliului din
aceasta zi.

In acest capitol vom folosi doar strategii autofinantate.

Propozitie: Daca se da un proces d- dimensional previzibil (Φn1,..., Φnd)n∈T si un numar


real v ∈R, exista un unic proces previzibil (Φn0)n∈T,astfel incat ( Φ0, Φ1, ..., Φd) sa fie o

strategie autofinantata cu V0 ( ) = v.

Demonstratie: (Φ00, Φ10,..., ΦN0) sunt necunoscute in urmatorul sistem de N + 1 ecuatii


liniare:

v = i=0i=dΦ0iS0i

v = i=0i=dΦ1iS0i

i=0i=dΦ1iS1i = i=0i=dΦ2iS1i

...................

i=0i=dΦN-1iSN-1i = i=0i=dΦNiSN-1i

a carui matrice principala are zerouri deasupra diagonalei principale si are determinantul egal cu

n=1n=N-1Sn0 0. Se observa deasemenea, ca necunoscutele se pot determina succesiv din

ecuatiile de mai sus si (Φn0)n∈T este previzibil.

Comentarii: Interpretarea acestei propozitii este urmatoarea: oricare ar fi strategiile ( Φ1, ..., Φd)
aplicate stocurilor, autofinantarea se poate realiza printr-o manevrare determinata a strategiei Φ0
a bondului.

36
In continuare introducem urmatoarea notatie: daca X = ( Xn )n∈T este un proces real sau
vectorial, notam cu ∆Xn = Xn - Xn-1, pentru n = 1,2,...,N si ∆X0 = X0.

q.e.d.

Propozitie: Strategia autofinantata, daca si numai daca

Vn ( ) = V0 ( ) + i=1nΦi∆Si, n = 1,2,...,N .

Demonstratie: autofinantata inseamna Φi-1 Si-1 = Φi Si-1 pentru i = 1,2,...,N. Aceasta

implica Φi Si - Φi-1 Si-1 = Φi ∆Si sau Vi ( ) - Vi-1 ( ) = Φi ∆Si, pentru i = 1,2,...,N.

Daca se scriu aceste ultime relatii pentru i = 1,2,...,n si se aduna membru cu membru, se obtine
relatia din enuntul propozitiei.

Calculele sunt reversibile.

q.e.d.

Comentarii: Se observa ca in formula stabilita mai sus, termenul Φi ∆Si = Φi Si - Φi-1 Si-1
are semnificatia “profitului” pe care investitorul il realizeaza cumparand activele cu preturile Si-
1 si vanzandu-le apoi cu preturile Si , la momentul i.

Rezultatul propozitiei poate fi interpretat in felul urmator: averea investitorului (sau valoarea
portofoliului) la timpul n, consta in averea lui initiala adunata cu suma “profiturilor” realizate in
cele n etape de desfasurare a tranzactiilor.

37
Definitie: Fie piata financiara (Ω, S) cu d + 1 active si orizont de timp N. Notam :

Sni = 1Sn0 Sni , i = 0,1,...,d si n∈T .

Procesul d + 1 dimensional:

S = ( Sn0, Sn1,..., Snd )n∈T

se numeste procesul preturilor actualizate.

Comentarii: Factorul 1Sn0 se numeste coeficient de actualizare (de la timpul n la timpul 0). El
reprezinta suma de bani care trebuie investita in activul fara risc, adica in bond, pentru a dispune
la momentul n de o unitate monetara. O interpretare analoaga se poate da si lui Sni. Se observa
ca procesul real ( Sn0 )n∈T este constant egal cu 1.

Daca Ф este o strategie, introducem procesul real al valorii actualizate a lui Ф astfel:

Vn ( ) = Φn Sn = 1Sn0Vn ( ) , n∈T

Observam ca V0 ( ) = V0 ( ).

Propozitie: Strategia este autofinantata daca si numai daca:

Vn ( ) = V0 ( ) + i=1nΦi∆Si , n∈T

Demonstratie: Daca se amplifica relatia prin care am definit autofinantarea cu factorul scalar
(Sn-10)-1, se obtine:

Φn-1 Sn-1 = Φn Sn-1, n∈T

38
care este echivalenta cu prima. Mai departe demonstratia este identica cu cea de la propozitia
anterioara.

Definitie: a.) Strategia Ф se numeste admisibila daca este autofinantata si Vn ( ) ≥ 0, pentru

orice n∈T.

b.) Strategia Ф se numeste arbitraj daca este admisibila si V0 ( ) = 0, dar VN ( )≠0.

c.) Piata financiara (Ω, F) se numeste viabila daca nu admite strategii de tip arbitraj.

Comentarii: La punctul a.) se formuleaza cerinta ca investitorul sa nu ramana cu datorii la nici


un moment n al tranzactiilor.

Notiunea de arbitraj de la punctul b.) inseamna posibilitatea realizarii unui profit neinvestind
nimic. O astfel de piata nu este corecta, si la c.) se defineste notiunea de piata viabila (sau
corecta) prin absenta strategiilor de tip arbitraj.

Teorema: Piata (Ω, F) este viabila, daca si numai daca exista o probabilitate P pe (Ω, F), cu
P({ω}) > 0 pentru orice ω∈ Ω si astfel incat ( Sn1 )n∈T, ( Sn2 )n∈T,..., ( Snd )n∈T sa fie
martingale in raport cu P.

Demonstratia se va baza pe doua leme.

Lema 1: Fie P o probabilitate pe (Ω, F). Urmatoarele proprietati sunt echivalente:

1. ( Sni )n∈T este martingal in raport cu P, pentru i = 1,2,...,d (sau S este martingal d + 1
dimensional)
2. ( Vn ( ))n∈T este martingal in raport cu P, oricare ar fi strategia Ф de autofinantare

39
3. V0 ( ) = 0 ⇒ VN ( )dP = 0, oricare ar fi strategia Ф de autofinantare.

Demonstratie: 1.) ⇒2.) deoarece procesul ( Vn ( ))n∈T este transformatul unui martingal

vectorial d-dimensional .

2.) ⇒3.) este triviala

3.) ⇒1.) se demonstreaza astfel : Fie A ∈ Fn-1 si i fixat in multimea {1,2,...,d}.

Trebuie sa demosnstram ca

A(Sn i- Sn-1i)dP = 0

Sa consideram strategia definita astfel: Φni = 1A si Φjm = 0, daca m = 1,..., i-1 , i+1 ,...., d si j
arbitrar ( in T), sau daca m = i si j ≠ n . Folosind una din propozitiile anterioare avem ca exista o

strategie Φ0 , astfel incat Φ =( Φ0, Φ1, ..., Φd), sa fie autofinantata si cu V0 ( ) = 0 .

Impoteza de la 3.) implica:

0 = VN ( )dP = j=1NΦj∆Sj dP = j=1Nm=0dΦjm∆Sjm dP =

= A(Sn i- Sn-1i)dP.

q.e.d.

Lema 2: Daca exista o strategie autofinantata Ф, cu V0 ( ) = 0, VN ( )≥ 0, dar VN ( )≠ 0,

atunci exista o strategie admisibila Ψ, cu V0 (Ψ) = 0 si VN(Ψ)≠ 0.

Demonstratie:

40
Daca Ф nu este autofinantata , exista n cu 0 < n < N, astfel incat {VN ( )< 0} sa fie

nevida. Fie k cel mai mare moment de timp cu aceasta proprietate. Multimea nevi da A = {Vk (

)< 0} ∈ Fk.

Construim urmatoarea strategie : Ψji = 0, pentru i = 1,2,...,d si j = 1,2,...,k, Ψji = 1AΦji ,


pentru i = 1,2,...,d si j = k + 1 , ..., N. Aplicand una din propozitiile anterioare , exista un unic
proces previzibil real Ψ0, astfel incat Ψ = (Ψ0, Ψ1,..., Ψd) sa fie autofinantata cu V0 (Ψ) = 0.

Afirmam ca Ψ este admisibila. Pentru n ≤ k, vom arata prin inductie ca Vn (Ψ)= 0:

intr-adevar , V0 (Ψ) = 0 si daca Vn-1 (Ψ) = 0, avem

Vn (Ψ) = Vn-1 (Ψ) + Ψn∆Sn = Ψn0 (Sn 0- Sn-10) + Ψn1 (Sn 1- Sn-11) + ...

Observam ca toti termenii din dreapta ultimei egalitati sunt nuli deoarece Sj 0 = 1 (pentru orice
j), iar ceilalti termeni dunt nuli din definitia lui Ψ.

Daca n > k, avem

Vn (Ψ) = Vk(Ψ) + j=k+1nΨj∆Sj =

= 1Aj=k+1nФj∆Sj = 1A (Vn ( ) - Vk ( ) ).

Pentru ω∉ A, termenul din dreapta ultimei egalitati de mai sus este nul, iar daca ω∈ A, rezulta

Vn ( )(ω) ≥ 0 > Vk ( )(ω). De aici rezulta Vn (Ψ)(ω) ≥ 0, oricare ar fi ω∈ Ω, in particular

VN (Ψ)(ω) ≥ 0; pe de alta parte, daca ω∈ A avem VN (Ψ)(ω) = VN ( )(ω) -Vk ( )(ω) > 0.

Strategia Ψ are proprietatile din enuntul propozitiei.

41
Demonstratie teorema: Demonstram mai intai implicatia “daca” . Fie Ф un arbitraj si P
probabilitatea din ipoteza. Aplicand prima Lema avem ca :

VN (Ф)dP = 0

Dar VN ( )≥ 0, deoarece Ф este admisibila. Pentru orice ω∈ Ω, va rezulta VN ( )(ω) = 0

(deoarece P({ω} > 0 ) oricare ar fi ω∈ Ω ).

S-a obtinut o contradictie deoarece Ф s-a presupus arbitraj.

Reciproc, sa presupunem ca nu exista arbitraje. Fie

F = XX:Ω→R

E = VN (Ф)Ф strategie autofinantata cu V0 (Ф) = 0

K = { X | X ∈ F, X ≥ 0, ω∈ ΩX(ω) = 1 }

Multimea F este un spatiu liniar finit dimensional, iar E este un subspatiu al lui ( daca Ф strategie

autofinantata cu V0 ( ) = 0, rezulta ca –Ф este autodinantata cu V0 (- ) = 0 si VN (- ) =

- VN ( ), etc...).

Multimea K este o submultime a lui F, convexa si compacta a carei intersectie cu E este vida.

Intr-adevar, daca ar exista un X ∈ K si o strategie autofinantata Ф cu V0 ( ) = 0, astfel incat

VN ( ) = X, din Lema 2 ar rezulta ca exista arbitraje, contrar ipotezei.

Aplicand teorema Hahn-Banach, exista o functionala liniara L, definita pe F, astefl incat L(x) =
0, pentru orice x ∈ E, si L(y) > 0, pentru orice y ∈ K.
42
Daca 1Ω este functia constanta pe Ω, egala cu 1, putem presupune ca L(1Ω) = 1 ( observand ca c
= L(1Ω) > 0 deoarece (cardinal Ω)-11Ω ∈ K si apoi inlocuind L cu c-1L).

Definim P({ω}) = L(1{ω}) pentru orice ω∈ Ω. Avem P({ω} > 0 si o extindem prin aditivitate
pe F. Pentru orice X ∈ F, avem:

XdP = ω∈ ΩX(ω) P({ω}) = ω∈ ΩX(ω) L(1{ω}) = L(X)

Alegand X = 1Ω se vede ca P este o probabilitate ( de fapt, mai sus am redemonstrat teorema lui
Riesz de reprezentare a unei functionale liniare si pozitive ca o integrala, intr-un caz trivial)

Ramane de aratat ca S1, ..., Sd sunt martingale in raport cu P. Fie Ф o strategie de autofinantare ,

cu V0 ( ) = 0. Avem:

VN (Ф)dP = L(VN ( ))= 0

deoarece L este nula pe E. Demonstratia se termina aplicand Lema 1.

q.e.d

Corolar : O piata (Ω, S) este viabila, daca si numai daca exisata o probabilitate P care incarca
punctele lui Ω, in raport cu care orice strategie autofinantata are valoarea medie finala
(actualizata) egala cu valoarea initiala.

Demonstratie: Pe langa teorema de mai sus se foloseste Lema1.

Comentarii: Corolarul de mai sus se poate citi in felul urmator: intr-o piata in care preturile
actualizate ale activelor sunt martingale, orice strategie autofinantata conduce la o valoare finala
actualizata egala in medie cu investitia initiala.

In continuare vom presupune data o piata (Ω, S) si ( Fn)n∈{0, 1,…,N} filtratia asociata cu FN
= F.

43
Definitie:

O functie h: Ω →R+ masurabila, se numeste activ conditional sau activ derivat.

( in limba engleza denumirea consacrata este de “contingent claim”)

Din cauza ipotezei ce precede definitia, un activ conditional este de forma:

h = φ(S0, S1,..., SN), unde φ: Rd+1 ×Rd+1×…×Rd+1→R+ si φ e masurabila.

Daca d = 1 si S1 = S, iar h = (SN-K)+ unde K este o constanta strict pozitiva , activul


conditionat se numeste optiune de cumparare ( “call option”) de tip european. Activul
conditionat (K-SN)+ se numeste optiune de vanzare ( “put option”) de tip european.

Interpretari matematice

Sa presupunem ca un investitor doreste sa se asigure ca la momentul N va putea cumpara


un activ la un pret convenabil. El face un contract ( prin bursa de obicei) cu o firma care se
obliga ca la acel moment sa-i vanda o anumita cantitate din activul respectiv la pretul K (numit
“pret de exercitiu” ) stabilit de comun acord de ambele parti. Daca la momentul de timp N pretul
pe piata activului satisface conditia SN>K, cumparatorul isi exercita dreptul de cumparare,
deaorece vinde imediat marfa cumparata si are un profit de (SN-K) (socotit pe unitatea de activ).
Daca SN≤K, investitorul renunta la exercitarea pretului de cumparare, deoarece pe piata el poate
cumpara la un pret mai mic marfa care il intereseaza. Se poate spuna ca investitorul are in final
profitul (SN-K)+.

In cele ce urmeaza vom vedea care este costul acestei optiuni de cumparare, sau care este prima
pe care trebuie sa o plateasca investitorul la momentul 0 cand se semneaza contractul, pentru ca
tranzactia sa fie echitabila pentru ambele parti.

In prima varianta, el are un profit si vanzatorul pierde pentru ca contractul il obliga sa-i vand
investitorului cantitatea stipulata in contract sub pretul pietii, iar in varianta a doua investitorul

44
nu-si exercita dreptul de cumparare datorita fluctuatiei pietii in celalalt sens si pierde prima
achitata la momentul 0.

O discutie similara se poate face in cazul optiunii de vanzare, rolurile fiind schimbate: cel care
vinde plateste prima si are profitul (K-SN)+ la mometul N de scadenta al contractului.

Tema optiunilor o vom discuta mai pe larg in unul din capitolele urmatoare.

Definitie: Un activ conditionat h se numeste simulabil, daca exista o strategie admisibila Ф,

astfel incat VN ( ) = h.

Definitie: Piata (Ω, S) este completa daca orice activ conditionat este simulabil.

Propozitie: Fie (Ω, S) o piata viabila si h un activ conditionat. Presupunem ca este o strategie Ф

autofinantata, cu VN ( ) = h. In acest caz Ф este si admisibila (deci il simuleaza pe h ).

Demonstratie: Daca P este o probabilitate sub care S este martingal, din Lema1 avem ca
(Vn(Ф)) n este P martingal. Deci

Vn(Ф) = E (Vn(Ф) | Fn) sau Vn ( ) = Sn0SN0 E( h | Fn) ≥ 0,

pentru orice n, unde am tinut cont de pozitivitatea lui h, si de strict pozitivitate si caracterul
deterministic al bondului. Rezulta ca Ф este admisibila, deci il simuleaza pe h.

q.e.d.

Teorema: Fie (Ω, S) o piata viabila. Piata este completa daca si numai daca probabilitatea P
care incarca punctele si sub care S este martingal, este unica.

Demonstratie: Demonstram mai ibtai implicatia “numai daca”.

45
Fie h un activ conditional si Ф este o strategie simulatoare. Daca P1 si P2 sunt doua probabilitati
sub care S este martingal, se stie din Lema1 ca sub aceste probabilitati si V(Ф) este martingal
(real). Deci:

Vn(Ф)dP1 = V0 (Ф)dP1 = V0 ( ) = VN(Ф)dP2

Adica

hdP1 = hdP2

Implicatia este demonstrata daca se tine seama de caracterul arbitrar al lui h.

Implicatia “daca” se face tot prin reducere la absurd. Presupunem ca exista un activ conditional h
nesimulabil. Sa introducem:

E = { f | f = u0 + n=1NФn∆Sn, cu Ф = ( Φ0, Φ1, ..., Φd) previzibil si u0∈ R}

Avem E ⊂ F = RΩ, F este spatiu liniar iar E este subspatiu al lui F strict inclus in F, deoarece

hSN0 ∉ E.

( altfel, tinand cont de propozitiile anterioare, h ar fi simulabil).

Spatiul vectorial F devine Hilbert cu produsul scalar

f,g = f(ω)g(ω)dP(ω) = ω∈ Ωf(ω) g(ω)P({ω })

Si putem reprezenta pe F sub forma:

F = E ⨂ E⊥

Unde E⊥ este ortogonalul lui E si exista X ≠ 0, X ∈E⊥. Sa notam cu P* probabilitatea de


densitate

1 + X2X∞, unde X∞ = supω∈ Ω | X(ω) |

In raport cu P. Au loc urmatoarele proprietati: P ≠ P*, P*(Ω) = 1 (pentru ca constantele sunt in E


si

46
XdP = X,1 = 0 ) ,

Iar

P*({ω }) = (1 + X(ω)2X∞) P({ω }) ≥ P({ω })2 >0

pentru orice ω∈ Ω.

Vom arata ca S este P* martingal. In acest scop fie Ф o strategie autofinantata cu V0 ( ) = 0.

Daca:

VN(Ф)dP* = 0

Aplicand Lema1, va rezulta ca S este martingal sub P*. Intr-adevar, avem

VN(Ф)dP* =VN(Ф)dP +12X∞X n=1NΦn∆SndP = 0,

Ambele integrale in raport cu P fiind nule : prima , deoarece S este P martingal si se aplica
Lema1, a doua deoarece factorul suma este in E, deci este ortogonal pe X.

Teorema este demonstrata.

q.e.d.

Comentarii:

Fie (Ω, S) o piata viabila si completa si h un activ conditional, Ф strategie simulatoare si


P probabilitate (unica) sub care V(Ф) este martingal.

Avem:

Vn(Ф) = E( VN(Ф)| Fn),

47
sau

Vn(Ф) = Sn0 E(hSN0| Fn), pentru orice n = 0,1,...,N

in particular

V0(Ф) = hSN0dP.

Un investitor , care doreste ca in urma unor tranzactii comerciale (facute eventual prin
bursa de marfuri) sa-si asigure un beneficiu final egal cu h, are aceasta posibilitate pe o piata
viabila si completa, investind initial valoarea

hSN0dP

si adoptand o strategie simulatoare care la fiecare moment de timp n are valoarea

Sn0 E(hSN0| Fn).

Urmand o astfel de strategie investitorul poate “sa se acopere complet”.

III.2. Despre optiuni

Optiunea este definita in general ca fiind “ un contract intre doua parti, in cadrul caruia o
parte are dreptul si nu obligatia de a face ceva, de obicei de a cumpara sau vinde o anumita
cantitate dintr-un activ financiar, la o anumita data si un pret fixat in avans.

O descriere mai in detaliu a optiunilor se face pornind de la urmatoarele elemente:

• Natura/tipul optiunii: sunt doua mari categorii si anume “optiune de cumparare” (call
option) si optiune de vanzare (put option)
• Natura activului financiar: obligatiuni, actiuni, devize etc.
• Cantitatea din activul respectiv ce urmeaza a fi cumparata/vanduta

48
• Data expirarii contractului, care limiteaza durata de viata a optiunii (aici se face
diferenta intre optiunile de tip european si cele de tip american: optiunile din prima
categorie nu pot fi exercitate inainte de data prevazuta in contract)
• Pretul de exercitare al optiunii: care este pretul (fixat in avans) la care se va face
tranzactia in cazul exercitarii contractului

Chiar si optiunea are un pret care poarta numele de prima.

Daca optiunea este cotata la o piata organizata, prima sau pretul optiunii, va fii dat de acea piata.

In apsenta unei cotatii se pune problema calculului primei, si de asemenea, pentru o optiune, care
este cotata la piata, ar fi interesant sa beneficiem de o formula sau un model care sa detecteze
eventualele anomalii ale pietii.

Sa analizam, din prisma celor scrise mai sus, optiunile de tip european, mai exact call option sau
optiunea de cumparare. Consideram urmatorul scenariu (analog celui dintr-un capitol anterior) :
optiunea este o actiune, cu data de expirare T, cu pretul stabilit la un moment de timp t: St . Fie
K pretul de exercitiu. Este clar ca la momentul T, daca pretul K este mai mare ca ST ,
detinatorul actiunii nu este interesat sa-si exercite dreptul. In cazul in care ST > K, exercitarea
optiunii ii va permite detinatorului sa realizeze un profit egal cu ST - K.

Observam astfel ca la data expirarii contractului valoarea optiunii de cumparare este data de :

( ST - K)+ = max ( ST - K, 0)

Pentru optiunile de vanzare, in cazul exercitarii lor, se pune problema de a fi in masura


funrnizarii unei actiuni la pretul K, si in consecinta sa poti produce, la momentul de expirare T,
un profit de ( ST - K). In momentul vanzarii optiunii, cursul ST este necunoscut si astfel apare
intrebarea:

“Cum avaluam la momentul t = 0 un profit ( ST - K)+ disponibil la momentul T? “

Astfel, am prezentat “problema pretului unei optiuni”.

Raspunsul la intrebarea de mai sus pleaca de la ipoteza ca intr-o piata suficient de fluida nu
exista arbitraje, adica este imposibil sa realizezi un castig fara a risca. In termeni matematici, am
discutat despre notiunea de piete viabile si e tip arbitraj in capitolul anterior.

49
De asemenea, vrem sa vedem care este legatura intre optiunile de vanzare si cumparare de tip
european, care au aceeasi data de expirare T si acelasi pret de exercitiu K, pentru o actiune cotata
la pretul St la momentul t. In calculele noastre vom considera o rata constanta r.

Sa notam prin Ct si Pt pretul unei optiuni de cumparare, respectiv de vanzare la momentul t.

Daca mentinem ideea unei piete fara arbitraje, vom avea urmatoarea relatie: “relatia de paritate
call-put”

Ct - Pt = St - Ke-r(T-t) , t < T.

Dupa cum am mai mentionat, pretul unei optiuni sau prima poate fi estimat prin modele
matematice, unul din cele mai cunoscute fiind cel dezvoltat de Black si Scholes.

Modelul analizeaza relatia dintre pretul de exercitiu ( fixat) si cel de exercitare al optiunii. Este
utilizat in incercarea de a determina daca o anumita optiune se tranzactioneaza la un pret corect
(un pret care se formeaza dupa o judecata rationala).

III.3.Modelul Black – Scholes

Modelul propus de Black si Scholes pentru a descrie evolutia costului unei optiuni, este un
model in timp continuu care lucreaza cu doua active financiare :

• β = ( βt)t∈[0,T] se numeste bond (activ fara risc)


• St se numeste stoc (activ cu risc) si care da pretul obiectului contractului la un moment
t∈[0,T]

Fie urmatorul scenariu:

Daca depunem capitalul A la o banca ce ofera dobanda de r%, unde r este o constanta reala, sa
calculam capitalul dupa diverse perioade de timp.

t (ani) Capitalul

50
0 A

1 A + A∙r = A (1 + r)

2 A(1+r)2

n A(1+r)n

Calculele de mai sus sunt in cazul unei dobanzi anuale. Dar daca avem:

– Dobanda semestriala, atunci capitalul A depus la mometul t = 0, devine : A(1+r2)2n


– Dobanda trimestriala : A(1+r4)4n

Putem astfel calcula dobanda instantanee:

limk→∞A(1+rk)kn=Aern

Daca am depus intr-un bond acesti bani, atunci consider A = 1 (unitatea) si fac urmatoarea
notatie:

βt =ert , t∈[0,T]

Obs: Consideram bondul la momentul t = 0, β0 = 1.

Pentru un capital depus, egalitatea de mai sus, se va rescrie astfel, folosind ecuatiile diferentiale:

dβt =rertdt=rβtdt

Retinem : dβt=rβtdt

Sa reamintim exemplul dat in capitolul legat de pietele financiare:

Sa presupunem ca un investitor doreste sa se asigure ca la momentul N va putea cumpara un


activ la un pret convenabil. El face un contract ( prin bursa de obicei) cu o firma care se obliga ca
la acel moment sa-i vanda o anumita cantitate din activul respectiv la pretul K (numit “pret de
exercitiu” ) stabilit de comun acord de ambele parti. Daca la momentul de timp N pretul pe piata
activului satisface conditia SN>K, cumparatorul isi exercita dreptul de cumparare, deaorece
vinde imediat marfa cumparata si are un profit de (SN-K) (socotit pe unitatea de activ). Daca
SN≤K, investitorul renunta la exercitarea pretului de cumparare, deoarece pe piata el poate

51
cumpara la un pret mai mic marfa care il intereseaza. Se poate spuna ca investitorul are in final
profitul (SN-K)+.

In cele ce urmeaza vom vedea care este costul acestei optiuni de cumparare, sau care este prima
pe care trebuie sa o plateasca investitorul la momentul 0 cand se semneaza contractul, pentru ca
tranzactia sa fie echitabila pentru ambele parti.

In prima varianta, el are un profit si vanzatorul pierde pentru ca contractul il obliga sa-i vand
investitorului cantitatea stipulata in contract sub pretul pietii, iar in varianta a doua investitorul
nu-si exercita dreptul de cumparare datorita fluctuatiei pietii in celalalt sens si pierde prima
achitata la momentul 0.

O discutie similara se poate face in cazul optiunii de vanzare, rolurile fiind schimbate: cel care
vinde plateste prima si are profitul (K-SN)+ la mometul N de scadenta al contractului.

Reamintim ca St reprezinta pretul activului cu risc la un moment t∈[0,T], unde T este data de
expirare a contractului ( mai pe larg descrisa in capitolul legat de optiuni). In cazul de mai sus N
= T.

Vom presupune ca variatia costului activului este reglat de urmatoarea ecuatie diferentiala
stocastica:

dSt=μStdt+σStdWt, S0 = s

unde μ ,σ sunt constante reale si (Wt)t≥0 este o miscare Browniana standard.

Formula de mai sus este valabila daca si numai daca St are urmatoarele proprietati:

Teorema: Fie ( Xt)t∈[0,T] un proces continuu cu cresteri independente si stationare.Adica:

a) Continuitate: P a.s. t → Xt(ω):[0,T] → R continue


b) Cresteri independente: (∀) 0 = t0 < t1 < ... < tn ≤ T ,

X t1-X t0, X t2-X t1, ... , X tn-X tn-1 independente, (∀) n ∈ N*

c) Daca s < t ⇒ Xt - Xs ~ Xt-s - X0.

52
Atunci, (∃)μ ,σ ∈ R astfel incat Xt ~ γ (μt, σ2t).

Daca μ = 0 si σ2 = 1, atunci ( Xt) este miscare Browniana standard. (( Xt)t∈[0,T] =


(Wt)t≥0)

Putem scrie sistemele:

dβt=rβtdt ,β0 = 1dSt=μStdt+σStdWt ,S0 = s ⇔ βt=ert , t∈[0,T]St=se(μ-


σ22)t+σWt unde r > 0, μ ,σ ∈ R .

⇔ βt=1 +0tersdsSt=s+μ0tSsds+σ0tSsdWs

Obs: Sub aceasta forma de vede ca St este un proces Itô.

III.3.1 Strategii de autofinantare – construirea unui portofoliu replicativ

O strategie era definita ca fiind un proces ϕ = (ϕt)0≤t≤T = (bt,at)t∈[0,T] unde a =


(at)t∈[0,T] reprezinta numarul de unitati de stoc, iar b = (bt)t∈[0,T] este numarul de
unitati de bond. Tinand cont de exemplul prezentat mai sus, la un moment t , valoarea
portofoliului este data de :

Vt(ϕ)= atSt+btβt,

Iar V0(ϕ) reprezinta valoarea investita initial.

53
In cazul modelului prezentat in timp discret, am caracterizat strategiile de autofinantare
prin relatia:

Vn+1(ϕ)-Vn(ϕ)= ϕn+1∙(Sn+1-Sn)

Transpunem aceasta egalitate pentru cazul modelului in timp continuu si obtinem


urmatoarea conditie de autofinantare:

dVt(ϕ)= atdSt+btdβt,

Intrebarea este: ce strategie sa aplic astfel incat :


VT(ϕ)= (ST-K)+=h(ST) ,

aceasta fiind conditia pentru un “portofoliu replicativ” .


Reamintim :

VT(ϕ) = valoarea portofoliului la momentul T, unde T = data de expirare a contractului

ST = pretul activului la momentul T

K= pretul de exercitiu

(ST-K)+ = profitul in cazul realizarii contractului

Consideram ca Vt(ϕ)=f(t, St), unde f∈C1,2([0,T]) si St este un proces Itô.


Plecand de la presupunerea de mai sus si folosind conditiile de autofianantare, vom
obtine formule pentru bt si at, in functie de f si derivatele sale.

Vom scrie strategia de autofinantare in doua feluri:

dVt= atdSt+btdβt=at(μStdt+σStdWt )+bt(rβtdt)=

54
=(atμSt+btrβt)dt +atσSt dWt .

Vt(ϕ)=f(t, St)=f(0, S0) + 0tf1'(s,Ss)ds+0tf2'(s,Ss)dSs+120tf22''(s,Ss)d<S,S>s

Reamintim ca:
S0=s

d<S,S>t=σ2St2dt

Formula anterioara a fost scrisa cu ajutorul formulei lui Itô aplicata lui St, care am vazut
ca este un proces Itô.

dVt=d f(t, St)= f1'(t,St)dt+f2'(t,St)dSt+12f22''(t,St)σ2St2dt=


=[f1'(t,St)+ μStf2'(t,St)+ 12f22''(t,St) σ2St2]dt+f2'(t,St) σStdWt .

Cand egalam coeficientii lui dWt din cele doua formule, obtinem expresia pentru at:

f2'(t,St) σSt=atσSt
at=f2'(t,St)

Pentru a afla pe bt este de ajuns sa egalam coeficientii lui dt din fiecare formula si vom
obtine:

μStf2'(t,St)+ btrβt=f1'(t,St) + μStf2'(t,St)+ 12f22''(t,St) σ2St2

bt= 1rβt[f1'(t,St)+σ2St22f22''(t,St)]

Deci ecuatiile strategiei vor fi :

at=f2'(t,St)
bt= 1rβt[f1'(t,St)+σ2St22f22''(t,St)]

55
Dar cine este f(t, x)?

Sa-l scriem pe Vt in doua feluri :

Vt=f(t, St)
Vt= atSt+btβt

f(t, St)= f2'(t,St)St+1rβtβt[f1'(t,St)+ σ2St22f22''(t,St)]


sau

f1'(t,St)=- σ2St22f22''(t,St)- Strf2'(t,St)+rf(t, St)

Daca renuntam la βt din ultimul termen si inlocuiesc St cu x, vom obtine “ecuatia cu


derivate partiale a lui Black si Sholes”

f1'(t,x)=- σ2x22f22''(t,x)- xrf2'(t,x)+rf(t, x)


Cu conditia:
f(T, x)=h(x)=h(St)= (x-K)+ ,∀x∈R.

Vom avea deci urmatoarea problema Cauchy :


f1'(t,x)=- σ2x22f22''(t,x)- xrf2'(t,x)+rf(t, x)f(T, x)=h(x)

Prin rezolvarea ecuatiei diferentiale a lor Black si Scholes obtinem o functie f(t, x) astfel
incat f(t, St) sa reprezinte costul unei optiuni de cumparare de tip european.

Solutia unica a problemei Cauchy de mai sus este :

f(t, x)=xϕ[logxK+(σ22+r)τστ]-Ke-rτϕ[logxK+(r-σ22)τστ],

unde τ=T-t si reprezinta timpul ramas pana la expirarea contractului, iar

ϕ(x)=12π-∞xe-t22dt (integrala Gaussiana).

56
Poate cel mai important rezultat al acestei formule ar fi ca ea ne indica clar cum
sa ne construim portofoliul replicativ.

Obs: Reamintim conditia pentru un portofoliu replicativ: Vt=h(ST)

Revenind, stim ca:


at=f2'(t,St)
iar f este acum cunoscut, deci putem calcula at.

Cand diferentiem formula Black – Sholes in raport cu activul S obtinem ca numarul de


unitati de stoc din portofoliul de autofinantare este:

at=fx'(t,St) = ϕ[logStK+(σ22+r)τστ]

In ceea ce priveste numarul de unitati de bond, avem:

Vt= atSt+btβt ⟹ bt=-1βtKe-rτϕ[logStK+(r-σ22)τστ]


Obs: btβt < 0 deoarece intotdeauna ne imprumutam din bond.
Mai mult : btβ <K.

Am vazut care este solutia ecuatiei partiale diferentiale Black – Scholes, sa dam cateva
idei legate de cum obtinem aceasta solutie.

Capitolul IV

57
Rezolvarea ecuatiei Black-Scholes

Ecuatia difuziei este elementul principal in obtinerea solutiei formulei Black – Scholes.
Ea este una din cele mai simple ecuatii cu derivate partiale:
dudt=λd2udx2

Ecuatia a devenit initial cunoscuta prin anul 1822, multumita lui Fourier si a studiului sau
asupra caldurii (de aceea o mai putem gasi si sub numele de “ecuatia caldurii”)

Problema arata astfel:

Care este functia u(t,x) care verifica:

t≥0,

(1) dudt=λd2udx2 sau ut=λuxx , λ>0

Cu conditia initiala : (2) u(0,x)= f(x) ?

4.1 Transformata Fourier

In rezolvare se foloseste formula transformatei Fourier :

fie ϕ o functie si θ∈R,

ϕ(x)⟶ϕ(θ)=-∞+∞eiθxϕ(x)dx

Daca aplicam transformata unei functii de doua variabile (timp si spatiu) , obtinem:

g(t,x) ⟶g(t,θ) =-∞+∞eiθxg(t,x)dx

Daca u satisface (1) , aplic transformata Fourier ambilor membrii :

58
ut(t,θ)= -∞+∞eiθxut(t,θ)dx= λ-∞+∞eiθxuxx(t,x)dx

-∞+∞eiθxut(t,x)dx=ddt-∞+∞eiθxu(t,x)dx=ut(t,θ)

-∞+∞eiθxuxx(t,x)dx=d2dx2 -∞+∞eiθxu(t,x)dx=uxx(t,θ)

-∞+∞eiθxuxx(t,x)dx=eiθxux(t,x)|-∞+∞-iθ-∞+∞eiθxux(t,x)dx=i2θ2-
∞+∞eiθxu(t,x)dx=-θ2ut(t,θ)

Deci (1) se transforma in :

ut(t,θ)=- λθ2u(t,θ)

cu conditia initiala : u(0,θ)= -∞+∞eiθxu(0,x)dx=-∞+∞eiθxf(x)dx=f(θ)

⟹(3)ut(t,θ)=- λθ2u(t,θ)u(0,θ)= f(θ)

Sa vedem solutia pentru (3) :

d lnudt=- λθ2

lnu=- λθ2t+g(θ)

u=h(θ) e- λθ2t

Cu conditiile initiale: u(0,θ)= h(θ) =f(θ)

Deci solutia lui (3) este :

(4) u(t,θ)= f(θ) e- λθ2t .

59
4.2 Inversarea transformatei Fourier

Din fericire, transformata Fourier este o functie usor de inversat. Pentru asta am nevoie
de 2 fapte:

1) Daca

γ(x)=ψ*ϕ(x)=-∞+∞ψ(x-y)ϕ(y)dy=-∞+∞ψ(y)ϕ(x-y)dy.

atunci

γ(θ)= ψ(θ)ϕ(θ) .

2) Transformata Fourier a unei densitati normale de medie 0 si varianta 2 λt este e-


λθ2t.

Daca

φγ0,1(θ)=-∞+∞eiθx12πσe-x22σdx=e-12σθ2

se obtine:

e-2 λtθ22=-∞+∞eiθx12π∙2 λte-x22∙2 λtdx=φγ(0,2 λt)(θ)

Deci ecuatia (4) devine :

u(t,θ)= f(θ) φγ(0,2 λt)(θ)

60
Folosim din nou primul punct si avem:

u(t,x)=(f*ργ(0,2 λt))(t,x)= -∞+∞f(x-y)12π∙2 λte-y22∙2 λtdy=-∞+∞f(y)12π λte-(x-


y)24 λtdy

Acum ca am gasit o solutie sa vedem ca verifica conditiile (1) si (2):

functia definita prin:

(5) k(λ; t,x)= 12π λte-x24λt

reprezinta densitatea unei variabile aleatoare Gaussiene de medie 0 si varianta 2 λt, notata prin
ργ(0,2 λt)(x).

Dar, datorita rolului pe care il are in cadrul ecuatiilor cu derivate partiale , se mai numeste si
“nucleul caldurii” si atunci are loc :

(6) (Ktf)(x)= -∞+∞f(y)k(λ; t,x-y)dy=-∞+∞f(x-y)k(λ; t,y)dy=(f*k(λ; t,⋅))(x)

Unde Kt se numeste “operatorul caldurii”.

4.3 Operatorul caldurii

Teorema:

Fie f:R⟶R continua ce verifica :

(7) f(x)≤Aexp(Bxρ),

unde A, B , ρ constante si ρ < 2 si fie :

(8) u(t,x)= (Ktf)(x)= -∞+∞f(y)k(λ; t,x-y)dy , t>0, x∈R

61
Atunci, u∈C1,2((0,∞)×R) si

dudt=λd2udx2

Mai mult, u se poate extinde prin continuitate pe [0,∞)×R astfel incat:

(9) u(0,x)= f(x), ∀ x∈R.

Demonstratie:

Pentru inceput sa verificam ca nucleul caldurii k(λ; t,x) este o solutie pentru ecuatia difuziei.
Mai intai diferentiem functia log k(λ; t,x) si obtinem:

kt(λ; t,x) k(λ; t,x) =-12t+x24λt2

kx(λ; t,x) k(λ; t,x) =-x2λt

Cum kx(λ; t,x)= -x2λt k(λ; t,x) ⇒ kxx(λ; t,x)=( -12λt+x24λ2t2) k(λ; t,x)

de unde:

kxx(λ; t,x)=1λkt(λ; t,x) ⇔ λkxx(λ; t,x)= kt(λ; t,x).

In continuare sa vedem ca (f* k(λ; t,∙)) verifica ecuatia caldurii.

Ideea e sa aratam ca exista o interschimbare de integrale de forma:

ddt=ddt si d2dx2 = d2dx2

Sa aratam ca (f*kt)= (f*k)t :

f(y)kt(λ; t,x-y)=f(y) limh⟶0k(λ; t+h,x-y)-k(λ; t,x-y)h=limh⟶0[f(y)kt(λ; t+θh,x-y)]

, 0<θ<1

Cand integram in raport cu y, permut integrala cu limh⟶∞ si punem conditia ca F(θh,λ; t,x,y)
sa fie dominata de o functie integrabila in raport cu y.

f(y)kt(λ; t+θh,x-y)=f(y)[-12(t+θh)+(x-y)24λ(t+θh)2∙12πλ(t+θh)e-(x-y)24λ(t+θh)≤
AeByρ 1t+(x-y)2λt2∙12πλt∙e-(x-y)28λt

, t2<t+θh<2t

62
⇒ AeByρ-(x-y)28λt=eCyρ-(x-y)2D=e-y2D[Cyρ-y-x2y2+2xy+1]≤e-y2∙2D

-∞+∞f(y)limh⟶0k(λ; t+h,x-y)-k(λ; t,x-y)hdy=limh⟶01h-∞+∞f(y)[k(λ; t+h,x-y)-k(λ;


t,x-y)]dy=limh⟶01h(f*k)(λ; t+h,x-y)-(f*k)(λ; t,x-y)=(f*k)t(λ; t,x-y)

Am demonstrat ca (f*kt)= (f*k)t.

Analog , (f*kxx)= (f*k)xx:

kt=λkxx⇒ f*kt=λ f*kxx⇒(f*k)t=λ(f*k)xx

Mai ramane de aratat ca u poate fi extinsa pe [0,∞)×R .

Sa consideram variabila aleatoare Z astfel incat Z ∼ N (0,1), atunci (2λt Z+x) ∼ N (x, 2λt).
Astfel, extensia lui u pe care o cautam , se mai poate scrie:

u(t,x)= -∞+∞f(y)k(λ; t,x-y)dy=-∞+∞f(y) 12π∙2λt∙e-(y-x)22∙2λtdy=-∞+∞f(y) ρ(2λt


Z+x)(y)dy=-∞+∞f(y) d(ρ(2λt Z+x)∙m)(y)=E(f(2λt Z+x))=-∞+∞f(2λt Z(ω)+x)dP(ω)

Dar f(2λt Z(ω)+x)≤ Ae B(2λt Z(ω)+|x|)ρ≤Ae B(|Z|+|x|)ρ, pentru 0≤t≤12λ.

Teorema de convergenta dominanta si continuitatea lui f, dau urmatorul rezultat:

limt⟶0Ef(2λt Z+x)=Elimt⟶0f(2λt Z+x)=f(x)

Astfel, functia

u(t,x)= Kt(f)(x)= -∞+∞f(y)k(λ; t,x-y)dy, t>0

Poate fi extinsa la o functie continua pe [0,∞)×R, daca luam u(0,x)= f(x).

4.4 Despre unicitatea solutiei ecuatiei caldurii

63
Una din proprietatile ecuatiei caldurii ar fi ca problema u(t,x) nu are o solutie unica, indiferent
de data initiala f. In schimb, se poate specifica o solutie unica cu ajutorul unei teoreme de
unicitate. Pentru asta vom avea nevoie de:

Principiul de maxim pentru functiile armonice:

Fie u:Rd→R care satisface :

(1) Δu=0 pe x∈D⊂Rd , unde D e un domeniu marginit,

Atunci maxx∈Du(x)=maxx∈∂Du(x) .

Cum rezulta o teorema de unicitate din acest princpiu? Punem conditia:

(2) u|∂D=h(x)

Daca am u si v , doua solutii ale lui (1) si (2) ⇒ u - v=w satisface conditiile :

Δw=0 pentru x∈D si w|∂D=0 ⇒ u - v≤0, ∀ x∈D.

Analog, v - u≤0, ∀ x∈D ⇒ u = v pe D.

Pentru ecuatia difuziei, cel mai simplu si natural domeniu este “space-time slab” definit astfel :

D=(t,x)0<t<T, A<x<B

Fie ∂0D=∂D\(t,x)t=T, A<x<B, unde ∂0D se numeste “frontiera parabolica”.

Teorema : Fie D un dreptunghi timp-spatiu si u∈C1,2(D)∩C(D). Daca

(3) ut(t,x)≤uxx(t,x), ∀(t,x) ∈ D

atunci maximul este atins pe frontiera parabolica,adica:

(4) max(t,x)∈Du(t,x)=max(t,x)∈∂0Du(t,x).

Demonstratie:

Fie δ>0 si v(t,x) =u(t,x)- δt

64
Atunci din (3) ⇒ (5) vt(t,x) =ut(t,x)- δt≤uxx(t,x)-δ<vxx(t,x), ∀(t,x) ∈ D

Daca demonstram ca

max(t,x)∈Dv(t,x)=max(t,x)∈∂0Dv(t,x)

atunci max(t,x)∈Du(t,x)- δt=max(t,x)∈Du(t,x)- δt=max(t,x)∈∂0Du(t,x)-


δt≤max(t,x)∈∂0Du(t,x)

si tinand cont de faptul ca δ e arbitrar, am terminat.

Aleg 0 < ϵ<T si consider

D(ϵ)= (t,x)0<t<T-ϵ , A<x<B

Daca max(t,x)∈D(ϵ)v(t,x) este atins intr-un punct (t0,x0) ∈ Int D(ϵ) atunci vxx(t0,x0)≤0
deoarece functia x→ v(t0,x): [A, B] are un x0 ca punct de maxim.

Analog, vt(t0,x0)=0 pentru ca t→ v(t,x0): [0, T-ϵ] are in t0 un punct de extrem, deci

vxx(t0,x0)≤ vt(t0,x0)

si se contrazice astfel realatia (5).

Deci max(t,x)∈D(ϵ)v(t,x) se realizeaza pe ∂D(ϵ). Daca acest maxim s-ar realiza intr-un punct
(T-ϵ, x0) cu A<x0<B, atunci , din nou:

vxx(T-ϵ,x0)≤ 0

dar

vt(T-ϵ,x0)≥ 0

pentru ca altfel ar exista ϵ'>ϵ astfel incat vt(T-ϵ',x0)≥ vt(T-ϵ,x0) si atunci maximul s-ar
realiza in interiorul lui D(ϵ).

Deoarece u(t,x) este continua pe multimea compacta D, functiile :

65
ϵ→max(t,x)∈D(ϵ)v(t,x)

Si

ϵ→max(t,x)∈∂0D(ϵ)v(t,x)

sunt continue , ∀ ϵ∈[0,T] .

Cand facem pe ϵ→0 obtinem :

max(t,x)∈Du(t,x)=max(t,x)∈∂0Du(t,x)

ceea ce incheie demonstratia.

Avem acum toate datele necesare pentru a enunta o teorema de unicitate pentru ecuatia caldurii:

Teorema de unicitate:

Fie u∈C1,2((0,∞)×R)∩C([0,∞)×R). Presupunem ca ∃ C, B constante astfel incat:

u(t,x)≤CeBx2, pentru (t,x)∈ [0,∞)×R.

Daca u satisface ecuatiile

ut(t,x)≤uxx(t,x) , ∀(t,x)∈ (0,∞)×R

si daca

u(0,x)≤0, ∀x∈ R

atunci :

u(t,x)≤0, ∀(t,x)∈ [0,∞)×R.

4.5 Rezolvarea ecuatiei Black – Scholes

66
Sa vedem acum cum putem rezolva ecuatia Black-Scholes folosindu-ne de ecuatia caldurii.

Propozitie: Fie sistemul de ecuatii :

ut=uxxu(0,x)=f(x)

Definim u prin : u(t,x)=eαt+βx u(t,x). Atunci u satisface ecuatiile:

(1) ut=uxx+2βux+(β2-α) u
(2) u(0,x)=e-βx f(x)

Demonstratie:

ut=αeαt+βxut+eαt+βxut

ux=βeαt+βxux+eαt+βxut

uxx=β2eαt+βxu+ βeαt+βxux+ βeαt+βxux+eαt+βxuxx

Atunci ecuatia ut=uxx ne spune :

ut=uxx+2 βux+(β2-α) u

Teorema: O solutie pentru ecuatia :

(3) vt=avxx+bvx+cv, a, b, c constante si a>0 si cu conditia initiala

(4) v(0,x)=ψ(x), undeψ(x)≤AeBxρ, A,B constante si ρ<2

este data de :

v(t,x)=e-tb2-4ac4a-xb2a-∞+∞kt(xa-s)esb2aψ(sa)ds

, t≥0,x∈R.

Demonstratie:

67
Introduc o noua variabila y=xρ si v(t,x)=w( t,y) si atunci avem:

vt=wt

vx=wyρ

vxx=wyyρ2

Cand inlocuim in ecuatia de inceput, avem ca:

wt( t,y)= ρ2awyy( t,y)+ ρbwy( t,y)+cw( t,y)

cu data initiala:

w(0,y)= ψ(yρ)

Luam :

ρ2a=1 si obtinem : ρ=1a⇒x=a y

Sa rescriem si conditia initiala:

w(0,y)=v(0,x)= ψ(x)= ψ(a y)= ψ(yρ)

Astfel, realatia (3) devine:

(1) wt( t,y)= wyy( t,y)+ bawy( t,y)+cw( t,y) cu conditia


(2) w(0,y)= ψ(a y)

Din propozitie stim ca daca 2 β=ba si β2-α=c⇔ β=b2a si α=b2-4ac4a atunci:

w( t,y)=e-αt-βyu( t,y)

Dar ut=uyy si u(0,y)= eβyw( 0,y)=eb2ay ψ(a y),

deci

w( t,y)=e-b2-4ac4a -b2ay-∞+∞esb2aψ(sa)k(1;t,y-s)ds

Reamintim ca y=xρ si x=ay si formula o putem rescrie :

68
v( t,x)=w( t,y)=w( t,xa)= e-tb2-4ac4a -b2ax-∞+∞esb2aψ(sa)k(1;t,xa-s)ds

Cu v(0,x)=w( 0,xa)= ψ(a∙xa)= ψ(x).

Teorema: (Unicitatea solutiei)

Fie v∈C1,2((0,T]×R)∩C([0,T]×R). Daca v satisface:

vt=avxx+bvx+cv, ∀t∈(0,T] si x∈R

Cu conditia:

v(0,x)=0, ∀x∈R

Si

v(t,x)≤AeBx2, A, B constante

Atunci:

v(t,x)=0, ∀(t,x)∈ [0,T]×R

Demonstratie:

Stim din teorema anterioara ca :

v( t,x)=w( t,y)=w( t,xa)= e-αt-βyu( t,xa)

Deci:

u(t,x)= eα0t+β0xv( t,γ0x), cu α0,β0,γ0 constante

Satisface ecuatia initiala a caldurii : ut=uxx, dar si conditia initiala u(0,x)=0, ∀x∈R si ∀ A0,
B0 constante avem :

u(t,x)≤A0eB0x2, ∀t∈[0,T] si x∈R

Din unicitatea solutiei ecuatiei caldurii avem u(t,x)=0⇒ v( t,x)=0.

69
Sa ne reamintim ca ecuatia cu derivate partiale Black-Scholes se mai scrie:

(3) ft(t,x)=-12σ2x2fxx(t,x)-rxfx(t,x)+rf(t,x)

Cu conditia terminala: f(T,x)=(x-K)+ , ∀x∈R.

Vom face urmatoarele schimbari de variabila:

y=logx si τ=T-t

Cand scriem ca f(t,x)=g(τ,y) obtinem :

g(τ,y)= f(T,x)=(ey-K)+

ft'=-gτ

fx'=gy'∙1x

fxx'=gyy'∙1x2-gy'∙1x2

Si inlocuind in (7) obtinem o noua valoare pentru g:

(4) -gτ=-12σ2x2[gyy-gy'] -rgy'+rg

Sau

gτ=σ22gyy+(r-σ22)gy- rg

Cu
g(0,y)=(ey-K)+

Aceasta problema are fix forma din Teorema anterioara, de unicitate a solutiei. Identificam
coeficientii si obtinem:

a=σ22; b= r-σ22; c=- r

⟹ g(τ,y)= e-τb2-4ac4a-yb2a-∞+∞kτ(ya-s)esb2a(esa-K)+ds

Fac schimbarea de variabila : ya-s=u⇒ya-u=s

sa>logK⇔y-ua>logK⇒u<1a(y-logK). Notam : α= 1a(y-logK).

Mai avem ca: esa-K=e(ya-u)a-K=e(y-ua)-K

70
Se obtine:

I=-∞αkτ(u)eb2a(ya-u)(e(y-ua)-K)du=ey+b2ay-∞αkτ(u)e-(b2a+a)u-Ke-b2ay-
∞αkτ(u)e-b2audu

⇒-∞αkτ(u)e-βudu=12π∙2τ-∞αe-u24τ-βudu=12πτ-∞αe-12(u22τ+2u2τ(β2τ)+β22τ)
+β2τdu=eβ2τ2π∙2τ-∞αe-12(u2τ+β2τ)2du=eβ2τϕ(α2τ+β2τ)

g(τ,y)= e-τb2-4ac4axe(b2a+a)2τϕ(1a(logxK)2τ+(b2a+a)2τ)-Ke-τb2-4ac4a∙eb2aτ
ϕ1a(logxK)2τ+b2a2τ==xe-τb24a-c-b24a-b-aϕlogxK2aτ+b2τ2a+2aτ-
KeτcϕlogxK2aτ+b2a2τ==xϕlogxK2aτ+bτ2τ+2aτ-KeτcϕlogxK+bτ2aτ

⟹ft,x= xϕlogxK+r+σ22τστ-Ke-τrϕlogxK+r-σ22τστ

Acum ca am gasit solutia pentru formula Black – Scholes sa verificam ca ea este unica:

Teorema (de unicitate):

Fie f∈C1,2((0,T]×0,∞)∩C([0,T]×0,∞) care satisface ecuatia :

ft(t,x)=-12σ2x2fxx(t,x)-rxfx(t,x)+rf(t,x)

∀(t,x)∈ (0,T]×0,∞

Si conditia terminala: fT,x=0, x>0.

Daca exista A si B astfel incat :

(5) ft,x≤AeBlog21+x, (t,x)∈ [0,T]×0,∞

Atunci f este identic nula.

Demonstratie:

71
Demonstratia se rezuma la a verifica o parte din pasii pe care i-am parcurs pana acum , in
incercarea de a da o solutie pentru formula Black – Scholes.

Astfel: stim ca exista o solutie a lui ft,x care poate fi scrisa in functie de g(τ,y).

ft,x= g(τ,y), unde τ=T-t si y=logx si g satisface o ecuatie cu coeficienti constanti.

Plecand de la presupunerea ca daca fT,x=0, ∀x>0 avem g(0,y) =0, ∀y∈ R.

Deoarece f satisface (9) ⟹∃A0,B0 astfel incat :

g(τ,y)=ft,x≤AeBlog21+x≤A0eB0log2x=A0eB0y2

∀τ∈[0,T] si y∈ R.

Din teorema de unicitate a solutiei ecuatiei caldurii cu coeficienti constanti observam ca


g(τ,y)=0, τ∈[0,T] si y∈ R⇒ ft,x=0.

Fischer Black si Myron Scholes au publicat in anul 1973 cartea intitulata “The Pricing of
Options and Corporate Liabilities”, lucrare care descrie modelul discutat in prezenta lucrare .
Myron Scholes, impreuna cu Robert Cox Merton – un alt economist american, au primit in anul
1997 premiul Nobel in Economie, pentru munca depusa in domeniul financiar. Desi Fischer
Black a decedat in anul 1995, a fost mentionat ca si colaborator.

72
BIBLIOGRAFIE

1. Licea,G. "Procese şi aplicaţii", Ed. Universităţii din Bucureşti (2003)

2. Cuculescu, Ioan “Teoria Probabilitatilor”, Ed. All, Bucuresti (1998)

3. Lamberton D. , Lapeyre B. “Introduction au calcul stochastique appliqué à la


finance”, Ed. Ellipses, Paris (1997)

4. Steele, J. M. “Stochastic Calculus and Financial Applications”, Ed. Springer, New


York, (2001)

5. Wikipedia – enciclopedia libera : http://en.wikipedia.org/wiki/Black-Scholes

73
74