Documente Academic
Documente Profesional
Documente Cultură
Tese apresentada ao Departamento de Engenharia de Telecomunicaes e Controle da Escola Politcnica da Universidade de So Paulo para a obteno do ttulo de Doutor
em Engenharia.
So Paulo, 2006
Assinatura do autor____________________________________
FICHA CATALOGRFICA
Agradecimentos
(em ordem alfabtica)
Resumo
Nesta tese abordamos o problema do hedging de mnima varincia de derivativos em mercados incompletos usando a teoria de controle timo estocstico
com critrio quadrtico de otimizao.
Desenvolvemos um modelo geral de apreamento e hedging de derivativos
em mercados incompletos, a tempo discreto, que capaz de acomodar qualquer
tipo de payoff com caracterstica europia que dependa de n ativos de risco.
Nesse modelo, o mercado pode apresentar diferentes modos de operao, o que
foi formalizado matematicamente por meio de uma cadeia de Markov.
Tambm desenvolvemos um modelo geral de apreamento e hedging de derivativos em mercados incompletos, a tempo discreto e espao de estados contnuo,
que capaz de acomodar qualquer tipo de payoff com caracterstica europia
que dependa de um ativo de risco cujos retornos sejam representados por um
processo de difuso com saltos.
Desenvolvemos, ainda, expresses analticas fechadas para o apreamento e
hedging de uma opo de compra europia vanilla em duas situaes: (1) quando
os retornos do ativo de risco so representados por um processo de difuso com
saltos, e (2) quando os retornos do ativo de risco so representados por um
processo de Wiener.
Por fim, realizamos simulaes numricas para o controle (hedging) de uma
opo de compra europia vanilla quando os retornos do ativo de risco so
representados por um processo de Wiener, e comparamos os resultados obtidos
com a estratgia de controle derivada do modelo de Black & Scholes.
Abstract
In this thesis we approach the mean-variance hedging problem of derivatives
in incomplete markets employing the theory of stochastic optimal control with
quadratic optimization criteria.
We developed a general derivatives pricing and hedging model in incomplete
markets, in discrete time, capable of accommodating any type of European
payoff contingent on n risky assets. In this model, the market may exhibit
different operating modes, which were mathematically formalized by means of
a Markov chain.
We also developed a general derivatives pricing and hedging model in incomplete markets, in discrete time and continuous state space, capable of accommodating any type of European payoff contingent on one risky asset whose
returns are described by a jump diffusion process.
Even further, we developed closed-form analytical expressions for the pricing
and hedging of a European vanilla call option in two situations: (1) when the
risky asset returns are described by a jump diffusion process, and (2) when the
risky asset returns are described by a Wiener process.
Finally, we simulated the control (hedging) of a European vanilla call option
when the risky asset returns are described by a Wiener process, and compared
the results to those obtained with the control strategy derived from the Black
& Scholes model.
Sumrio
1 Introduo
1.1 Motivao Para a Tese .
1.2 Objetivo da Tese . . . .
1.3 Estrutura da Tese . . .
1.4 Contribuies Originais
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Reviso Bibliogrfica
2.1 Conceitos Bsicos . . . . . . . . .
2.2 Estratgias de Controle (Hedging)
Tempo Contnuo . . . . . . . . .
2.3 Estratgias de Controle (Hedging)
Tempo Discreto . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . .
com Critrios
. . . . . . . .
com Critrios
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . .
Quadrticos em
. . . . . . . . . .
Quadrticos em
. . . . . . . . . .
9
9
10
10
11
13
13
15
18
19
19
20
22
23
26
28
29
29
31
33
33
36
40
5 Aplicao
42
5.1 Opo de Compra Europia Vanilla com Jumps . . . . . . . . . . 42
5.2 Opo de Compra Europia Vanilla sem Jumps . . . . . . . . . . 46
6 Simulaes Numricas
49
6.1 Estrutura das Simulaes . . . . . . . . . . . . . . . . . . . . . . 49
6.2 Resultados das Simulaes . . . . . . . . . . . . . . . . . . . . . . 52
6.3 Discusso dos Resultados . . . . . . . . . . . . . . . . . . . . . . 65
75
Captulo 1
Introduo
Neste captulo, inicialmente apresentamos o problema que serviu de motivao
para esta tese e, em seguida, descrevemos qual o objetivo a ser atingido. Na
sequncia, descrevemos a forma como esta tese est estruturada, discorrendo
brevemente sobre o contedo de cada captulo. Por fim, apontamos de forma
objetiva quais so as contribuies originais contidas neste trabalho.
1.1
mente. Assim, por sua importncia, esse problema prov a motivao para esta
tese. No item a seguir, explicamos com mais detalhes como esse problema ser
abordado.
1.2
Objetivo da Tese
O objetivo desta tese explorar e resolver o problema descrito acima. A abordagem adotada a de se determinar o hedging de mnima varincia de um contrato
derivativo no-replicvel usando mtodos de programao dinmica estocstica
em tempo discreto, com espao de estados contnuo. Entende-se por hedging
de mnima varincia aquele que busca minimizar o valor esperado do desvio
quadrtico entre o valor do portflio gerado pela estratgia de hedging e o valor de mercado H(T, S(T )) do contrato derivativo no-replicvel (i.e., contrato
derivativo para o qual no h estratgia replicante).
Conforme a descrio a ser apresentada no Captulo 2, muito j se explorou
com relao ao problema de hedging de mnima varincia em tempo e estado
contnuo, incluindo-se a modelos em que os retornos dos ativos base apresentam volatilidade estocstica e/ou descontinuidades, tambm chamadas de saltos.
Poucos trabalhos abordaram esse problema em tempo e espao de estados discretos. No foram encontrados na literatura trabalhos explorando o caso em que
o domnio do tempo discreto e o espao de estados contnuo. Entretanto,
essa a situao que mais se aproxima de um modelo apropriado para descrever
o problema real de hedging de um contrato derivativo.
De fato, os processos de tomada de deciso de investimento (rebalanceamento de portflio) ocorrem em instantes de tempo determinados que assumem
valores num domnio discreto. Portanto, modelar o tempo como uma varivel
pertencente a um domnio discreto uma deciso correta. Os preos dos ativos,
por sua vez, tambm assumem valores num domnio discreto, pois so quantizados, i.e., eles podem assumir apenas determinados valores compatveis com
os chamados ticks de mercado, que so definidos como o mdulo da mnima
variao
de preo entre duas cotaes diferentes (o preo de uma ao jamais
ser 150, por exemplo). Porm, embora os preos dos ativos sejam quantizados, os ticks de mercado so em geral pequenos o suficiente para permitir que
esses preos assumam muitos valores diferentes, fazendo com que um espao de
estados contnuo seja o melhor modelo para descrev-los. Portanto, modelar os
preos por processos estocsticos que assumam valores sobre um continuum
uma deciso correta.
Assim, nesta tese exploramos o problema de hedging de mnima varincia
por meio de modelos que descrevam mais adequadamente as condies e prticas
reais envolvidas no mercado financeiro. So empregados modelos com dinmicas
contendo parmetros estocsticos e descontinuidades (saltos).
1.3
Estrutura da Tese
10
obtidos na tese.
No Captulo 2, apresentamos uma breve reviso terica da literatura sobre
o controle timo de um portflio que busque replicar o valor de um contrato
derivativo, i.e., de um portflio que busque ser o melhor hedging para um
derivativo.
No Captulo 3, apresentamos resultados gerais para o apreamento e hedging de um derivativo qualquer com caracterstica europia (i.e., que apenas
pode ser exercido no seu vencimento) cujo payoff dependa de n ativos de risco,
num modelo de mercado que opere em tempo discreto, em diferentes modos,
que so representados por uma cadeia de Markov, e que contenha n ativos de
risco e um outro livre de risco. Essa abordagem tambm se aplica ao caso de
derivativos com payoff dependente da trajetria. Apenas os derivativos com
caracterstica americana (i.e., que podem ser exercidos a qualquer momento at
seu vencimento) esto excludos dessa abordagem.
Ainda no Captulo 3, efetuamos simplificaes no modelo geral. Mais especificamente, inicialmente adotamos um modelo de mercado que opere em apenas
um modo (i.e., eliminamos a cadeia de Markov) e que contenha n ativos de risco
e um outro livre de risco. Esta simplificao leva o nosso modelo a resultados
que coincidem com os obtidos por A. ern [5]. Em seguida, restringimos nosso
modelo ao caso em que o mercado opere em um nico modo e que contenha
apenas um ativo de risco e um outro livre de risco.
No Captulo 4, apresentamos resultados gerais para o apreamento e hedging
de um derivativo qualquer com caracterstica europia cujo payoff dependa de
apenas um ativo de risco. O modelo assumido aqui o de um mercado que opere
em tempo discreto e em apenas um modo, num espao de estados contnuo. O
processo que descreve a dinmica dos retornos do ativo de risco um processo
de difuso com saltos (jump diffusion process) e com parmetros constantes
(constant investment opportunity set).
No Captulo 5, aplicamos os resultados gerais obtidos no Captulo 4 para o
caso de uma opo vanilla de compra europia, obtendo expresses explcitas
fechadas para o preo desta opo e para o controle necessrio execuo do
hedging desse derivativo. Em seguida, esses resultados so simplificados ao caso
em que o processo que descreve a dinmica dos retornos do ativo de risco um
movimento browniano (i.e., um processo de Wiener) com parmetros constantes.
No Captulo 6, so apresentados os resultados de simulaes numricas feitas
para o hedging de uma opo vanilla de compra europia quando os retornos do
ativo de risco so descritos por um movimento browniano.
No Captulo 7 so apresentadas as concluses desta tese, bem como algumas
oportunidades futuras de pesquisa que derivam diretamente do que foi pesquisado e apresentado aqui.
Por fim, os apndices contm lemas e teoremas auxiliares, sua demonstrao,
bem como as demonstraes dos lemas, teoremas e corolrios apresentados no
corpo da tese.
1.4
Contribuies Originais
11
12
Captulo 2
Reviso Bibliogrfica
Neste captulo fazemos uma breve reviso bibliogrfica do assunto de hedging
de mnima varincia. No Item 2.1, apresentamos os conceitos bsicos necessrios para se compreender a formalizao matemtica do problema. No Item
2.2, apresentamos resumidamente o que j se desenvolveu sobre apreamento e
hedging de derivativos em mercados incompletos, em tempo contnuo, usando-se
critrios quadrticos como medida de risco. No Item 2.3, repetimos o que foi
feito no item anterior, considerando, agora, o caso em que o tempo discreto.
2.1
Conceitos Bsicos
13
onde V0 = C0 o valor inicial investido no portflio, i.e., o valor inicial requerido para se iniciar a estratgia. Notemos que uma estratgia auto-financivel
completamente determinada por V0 e u. De fato, sendo a estratgia autofinancivel, a partir de V0 e u possvel se obter Vt para qualquer t; e, a partir
de Vt e ut se obtm u0,t .
Consideremos um derivativo H e suponhamos que exista uma estratgia
auto-financivel (V0 , u) cujo valor terminal VT seja igual a HT com probabilidade 1. Se nosso modelo do mercado financeiro no permitir arbitragem,
evidente que o preo de H no instante de tempo t = 0, H0 , deve ser dado por
V0 , e que u fornece uma estratgia de hedging com relao a H. Adicionalmente,
pode-se provar que esta estratgia auto-financivel (V0 , u) nica [21]. Esta foi
a idia bsica que levou ao modelo de Black & Scholes [3] para apreamento de
opes. A estrutura matemtica desse problema e suas conexes com a teoria
de martingales [34, 25, 26] foram subseqentemente desenvolvidas e esclarecidas
por J. M. Harrison e D. M. Kreps; uma descrio detalhada pode ser encontrada
no artigo de J. M. Harrison e S. R. Pliska [14]. De acordo com a terminologia
empregada por eles, um derivativo financeiro H realizvel se existir uma estratgia auto-financivel com VT = HT P a.s.. Conforme a Equao (2.1), isso
significa que HT pode ser escrito como:
Z
HT = H0 +
uH
s dXs ,
(2.2)
caso, se ainda insistirmos em uma abordagem de apreamento e hedging que independa das preferncias dos agentes econmicos, podemos estudar o intervalo
de possveis preos para o derivativo H que so consistentes com ausncia de
arbitragem em um mercado que possua o ativo de risco, o ativo livre de risco, e
o derivativo H como instrumentos financeiros negociados. Uma abordagem alternativa introduzir critrios subjetivos de acordo com os quais so escolhidas
estratgias e os preos dos derivativos so calculados.
Se considerarmos um mercado completo, ou seja, um mercado em que para
qualquer instrumento financeiro h uma estratgia que reproduza perfeitamente
os seus retornos (chamada estratgia replicante), uma instituio que venda um
derivativo qualquer pode eliminar totalmente o seu risco financeiro simplesmente
construindo essa estratgia replicante. Por outro lado, se considerarmos um
mercado incompleto, onde h instrumentos financeiros para os quais no existe
uma estratgia replicante, a reduo de risco financeiro pode apenas ocorrer de
forma parcial.
Nesse caso, uma estratgia de reduo de risco possvel conhecida como
hedging de mnima varincia, que tem como critrio de otimizao minimizar
o valor esperado do desvio quadrtico entre o valor do portflio gerado pela
estratgia de hedging e o valor de mercado H(T, S(T )) do contrato derivativo
para o qual no h estratgia replicante.
No item a seguir, apresentamos uma breve reviso da literatura acerca de
apreamento e hedging de derivativos em mercados incompletos por meio de
critrios quadrticos.
2.2
Para um derivativo financeiro no-realizvel, impossvel, por definio, encontrar uma estratgia auto financivel com valor terminal VT = HT . Uma
primeira abordagem possvel na busca de uma estratgia de hedging para o derivativo insistir na condio terminal VT = HT . Como permitido a u0 ser
um processo adaptado, esta condio terminal VT = HT pode sempre ser atingida pela escolha de u0,T . Contudo, como estas estratgias no so, em geral,
auto-financiveis, uma boa estratgia pode ser entendida como aquela que tenha um processo de custos acumulados C pequeno. O emprego de um critrio
quadrtico para medir o risco de uma estratgia foi primeiramente proposto
por H. Flmer e D. Sondermann [11] para o caso em que X um martingale. M. Schweizer [28] estendeu esse modelo para o caso geral em que X um
semi-martingale. As estratgias derivadas desta abordagem so chamadas de
estratgias de mnimo risco local.
Sob algumas hipteses tcnicas [31], estratgias de mnimo risco local podem
ser caracterizadas pela seguinte propriedade: seu processo de custos acumulados
C deve ser um martingale (de forma que, ainda que a estratgia no seja autofinancivel em todos os instantes de tempo, ela permanea auto-financivel em
mdia) ortogonal componente do processo de X que tambm um martingale
(esta componente de X que um martingale usualmente chamada de M ).
Aplicando esses conceitos ao derivativo H, obtm-se que existe uma estratgia
de mnimo risco local para H se, e somente se, H admitir uma decomposio
15
da forma:
Z
HT = H0 +
T
H
uH
s dXs + LT
P a.s.,
(2.3)
onde LH
T um martingale ortogonal a M .
A decomposio indicada pela Equao (2.3) tem sido chamada de decomposio de Fllmer-Schweizer de H. Ela pode ser vista como uma generalizao
para o caso semi-martingale da decomposio clssica de Galtchouk-KunitaWatanabe da teoria de martingales. Sua importncia em finanas matemticas
reside no fato de ela prover diretamente a estratgia de mnimo risco local para
H. A componente u relacionada ao ativo base X dada pelo integrando uH ,
e u0 determinado pela imposio de que o processo de custos acumulados C
coincida com H0 + LH .
Notemos que o caso especial de um derivativo realizvel, representado pela
Equao (2.2), simplesmente corresponde ausncia do termo ortogonal LH
T
na decomposio indicada na Equao (2.3). Em casos particulares, possvel
encontrar construes mais explcitas para a decomposio indicada na Equao
(2.3). No caso de o domnio do tempo ser discreto e finito, uH e LH podem ser
computados recursivamente de trs-para-frente no tempo. Se X for um processo
contnuo, a decomposio de Fllmer-Schweizer sob a medida de probabilidade
P pode ser obtida como uma decomposio de Galtchouk-Kunita-Watanabe
computada sob a chamada medida mnima de martingale P .
Uma desvantagem da abordagem descrita acima se deve ao fato de que
necessrio trabalhar com estratgias no auto-financiveis. Se preferirmos evitar custos intermedirios, ou fluxos de caixa no planejados ao longo do tempo,
uma segunda abordagem na busca de uma estratgia de hedging para o derivativo consiste em insistir na restrio de que essa estratgia seja auto-financivel
(Equao (2.1)). Os possveis resultados de estratgias como essa so da forma
V0 +GT (u), onde V0 R um investimento inicial e u pertence ao conjunto de
todos os integrandos permitidos na Equao (2.1). Por definio, um derivativo
no-realizvel H no pode ser expresso dessa forma e, portanto, parece natural
procurar por uma melhor aproximao de HT pelo valor terminal V0 + GT (u),
gerado por algum par (V0 , u).
O uso de um critrio quadrtico para medir a qualidade dessa aproximao
foi proposto por N. Bouleau e D. Lamberton [4] para o caso em que X simultaneamente um martingale e uma funo de um processo markoviano. Casos mais
gerais de X foram tratados por D. Duffie e H. Richardson [9] e por M. Schl
[27], entre outros. As estratgias derivadas dessa abordagem so chamadas de
estratgias timas de mnima varincia. Uma soluo geral e completa para o
problema foi finalmente obtida por T. Rheinlnder e M. Schweizer [24] e por C.
Gourieroux, J. P. Laurent e H. Pahm [13].
T. Rheinlnder e M. Schweizer [24] descrevem a estrutura das projees
2
L2 (P ) que mapeiam uma varivel aleatria
R F -mensurvel H L (P ) no espao
GT () das integrais estocsticas G(u) = udX, e provem o integrando uH
resultante desta projeo na forma de uma recurso. Esses conceitos provem
os meios para se encontrarem as estratgias de hedging de mnima varincia
mencionadas anteriormente, e generalizam resultados obtidos anteriormente que
impunham restries bastante severas em X.
C. Gourieroux, J. P. Laurent e H. Pahm [13] consideram o problema de
hedging de mnima varincia para a situao em que o processo que descreve o
16
2.3
18
Captulo 3
3.1
Modelo Geral
19
estabelecendo a dinmica, i.e., a equao de estados, do valor do portflio autofinancivel contendo os n + 1 ativos base. No Item seguinte, 3.1.3, formulamos
o problema de controle timo estocstico que descreve o hedging de mnima
varincia para o derivativo no-realizvel. Por fim, no Teorema 3.1 apresentamos
a soluo desse problema de controle timo estocstico.
3.1.1
Definies
S( 1),1 ( )
..
S( 1) ( ) =
(3.1)
.
.
S( 1),n ( )
l (, , ( 1)), indicado simplificadamente por l ( ) ou por ( 1),l ( ),
conforme apropriado, uma varivel aleatria F -mensurvel que representa os
dividendos pagos no instante , dado que no instante de tempo 1 o mercado
encontra-se no modo de operao ( 1), para o detentor de uma unidade do
l-simo ativo de risco durante o intervalo de tempo entre os instantes 1 e .
( 1) ( ) um vetor n1 cujos elementos so os ( 1),l ( +1), l = 1, . . . , n.
Assim:
( 1),1 ( )
..
( 1) ( ) =
(3.2)
.
.
( 1),n ( )
ul (, S( ), ( )), l = 0, . . . , n, indicado simplificadamente por ul ( ), uma
varivel F -mensurvel que representa a deciso de controle tomada no instante
de tempo . Em outras palavras, ul ( ) corresponde quantidade de recursos financeiros investida no l-simo ativo base (de valor Sl ( )) do portflio no
instante de tempo .
u( ) um vetor cujos elementos so os ul ( ), l = 1, . . . , n. Assim:
u1 ( )
..
u( ) =
(3.3)
.
.
un ( )
A seqncia {u0 ( ), u( )} =1, ,T chamada de poltica de controle. A
poltica tima de controle chamada de estratgia de hedging.
21
3.1.2
S1 ( )
..
(3.4)
S( ) =
.
.
Sn ( )
Suponhamos que, no instante de tempo , o mercado encontre-se num modo
de operao ( ) conhecido. Os preos dos n ativos de risco no instante de
tempo + 1, dado que no instante de tempo o mercado encontra-se no modo
de operao ( ), so variveis aleatrias que descrevemos pelo vetor S( ) ( +1):
S( ),1 ( + 1)
..
S( ) ( + 1) =
.
.
S( ),n ( + 1)
(3.5)
22
X( ) ( + 1) =
(3.9)
S( ) ( + 1) + ( ) ( + 1)
S( )
,
S( ),0 ( + 1)
S0 ( )
(3.10)
V ( + 1) = a( ) ( )V ( ) + S( ),0 ( + 1)X(
) ( + 1)u( ).
(3.11)
G( + 1) =
V ( + 1)
V ( )
=
S( ),0 ( + 1) S0 ( )
a( ) ( )V ( ) + S( ),0 ( + 1)X(
) ( + 1)u( )
S( ),0 ( + 1)
V ( )
=
S0 ( )
a( ) ( )
S( ),0 ( + 1)
V ( )
V ( ) +
X(
.
) ( + 1)u( )
S( ),0 ( + 1)
S( ),0 ( + 1)
S0 ( )
(3.12)
Usando S( ),0 ( + 1) = S0 ( )a( ) ( ), obtemos:
G( + 1) = X(
) ( + 1)u( ).
3.1.3
(3.13)
(3.14)
(3.15)
A soluo desse problema feita em duas etapas. Primeiramente, consideramos o seguinte problema de controle timo estocstico:
J(V ( = 0), ( = 0), = 0) = J(V (0), (0), 0) =
2
inf
E P V (T ) H(T ) (T ) |F . (3.17)
{u(0),...,u(T 1)}u
u
( ) =
Hj ( + 1)
V ( )
kj ( + 1)X( ) ( + 1)
S0 ( ) S( ),0 ( + 1)
j
H( +1) ( + 1)
V ( )
1
P
M(
E
k
(
+
1)X
(
+
1)
,
( +1)
( )
)
S0 ( )
S( ),0 ( + 1)
(3.18)
1
M(
)
p( ),j EP
2
J(V ( ), ( ), ) = k( ) ( ) V ( ) H( ) ( ) + ( ) ( ),
24
(3.19)
onde, para ( ) = 1, . . . , N , = T 1, . . . , 0:
h
k( ) ( ) = a( ) ( )2 EP k( +1) ( + 1)
1
EP k( +1) ( + 1) X(
) ( + 1) M( )
i
EP k( +1) ( + 1) X( ) ( + 1) , (3.20)
H( ) ( ) =
EP
1
k( ) ( )
a( ) ( )2
h
i
h
iH
( +1) ( + 1)
+ 1)X( ) ( + 1)
, (3.21)
a( ) ( )
( ) ( ) = EP k( +1) ( + 1)
n
o
(3.23)
h
n
oi1
, (3.24)
EP k( +1) ( + 1)X( ) ( + 1)
S0 ( )
S( ),0 ( + 1)
e as condies finais so:
k(T ) (T ) = 1,
(T ) (T ) = 0.
(3.25)
25
(3.26)
Teorema 3.3. Nas condies dos Teoremas 3.1 e 3.2, o erro quadrtico de
hedging esperado em = 0, (0) (0), dado por
(0) (0) = J0,T ((0), 0).
(3.27)
3.1.4
EP
H( +1) ( + 1)
P Q
m +1, (( + 1))
,
a( ) ( )
(3.28)
onde:
Q
mP
+1, (( + 1)) =
A
,
B
(3.29)
A = k( +1) ( + 1)
h
i
1
EP k( +1) ( + 1)X(
) ( + 1) M( ) k( +1) ( + 1)X( ) ( + 1), (3.30)
B = EP k( +1) ( + 1)
h
i
h
i
1
P
EP k( +1) ( + 1)X(
(
+
1)
M
E
k
(
+
1)X
(
+
1)
,
( +1)
( )
)
( )
(3.31)
M( )
n
o
(3.32)
H
(
+
1)
( +1)
Q
H( ) ( ) = EP mP
((
+
1))
.
(3.33)
S( ),0 ( +1)
+1,
S0 ( )
26
Portanto:
H( ) ( )
= EP
S0 ( )
H( +1) ( + 1)
P Q
m +1, (( + 1))
.
S( ),0 ( + 1)
(3.34)
Q
P Q
Notemos que EP {mP
+1, (( + 1))} = 1, e que m +1, (( + 1)) F +1 Q
mensurvel. Portanto, a Equao mP
+1, (( + 1)) pode ser interpretada como
uma mudana de medida de probabilidade da medida P para a medida Q (i.e.,
a derivada de Radon-Nikodm, dQ
dP ,da medida Q com relao medida P ), e a
Equao (3.34) pode ser rescrita simplesmente como:
H( ) ( )
H( +1) ( + 1)
= EQ
.
(3.35)
S0 ( )
S( ),0 ( + 1)
( +1)
( )
+1)
)
informaes F , i.e., EQ { S(
} = S(
. Portanto, a medida Q
0 ( )
( ),0 ( +1)
uma medida de martingale.
Tambm interessante notar que, com relao a essa medida, o processo que
)
representa os preos descontados dos ativos, SS(
, bem como o processo que re0 ( )
)
presenta o valor descontado do portflio SV0(
( ) , comportam-se como martingales,
pois o processo de ganhos descontado dos ativos de risco, X( ) ( + 1) (Equao (3.10)), bem como o processo de ganhos descontado do portflio, G( + 1)
(Equao (3.13)), possuem esperana nula. De fato, para X( ) ( + 1) temos:
EQ
n
o
n
o
A
P Q
P
,
X( ) ( + 1) = E m +1, (( + 1)) X( ) ( + 1) = E
B
(3.36)
onde:
n
o
A = EP k( +1) ( + 1)X(
) ( + 1)
n
o
1
EP k( +1) ( + 1)X(
(
+
1)
M(
)
)
n
o
P
B = EP k( +1) ( + 1)
1
P
EP k( +1) ( + 1)X(
(
+
1)
M
E
k
(
+
1)X
(
+
1)
.
(
+1)
(
)
)
( )
(3.38)
Usando a Equao (3.32), obtemos:
n
o
EQ X(
) ( + 1) = 0.
27
(3.39)
(
+
1)u(
)
=
EQ {G( + 1)} = EQ X(
)
o
n
Q
EP mP
+1, (( + 1))X( ) ( + 1)u( ) . (3.40)
Como u( ) F -mensurvel, obtemos:
o
n
Q
EQ {G( + 1)} = EP mP
+1, (( + 1))X( ) ( + 1) u( ) =
o
n
EQ X(
) ( + 1) u( ) = 0. (3.41)
Essa medida de martingale Q que emerge da soluo do problema de controle timo chamada de variance optimal measure, e suas propriedades foram
estudadas e demonstradas por M. Schweizer [30].
Q
A mudana de medida de probabilidade mP
+1, (( + 1)) no necessariamente estritamente positiva para quaisquer valores de k( +1) ( + 1) e de
X( ) ( + 1), ou seja, Q uma medida com sinal e no necessariamente equivalente medida P . Entretanto, como estamos admitindo um mercado livre de
Q
arbitragem, mP
+1, (( + 1)) uma mudana de medida de bem-definida, o que
assegura que o operador matemtico esperana condicional seja bem-definido
com relao medida de martingale Q.
3.1.5
Clculo de H( )
EP
H( +1) ( + 1)
P Q
m +1, (( + 1))
.
a( ) ( )
(3.42)
Ento:
H
(T
)
(T
)
(T )
(T )
P Q
P
Q
H( ) ( ) = E mT , T 1
= E
,
TQ
1
a
(j)
a
(j)
(j)
(j)
j=
(3.43)
j=
Q
onde mP
T , , dado por:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j ((j + 1)),
(3.44)
j=
3.1.6
3.2
u
( ) = M
EP
H( + 1)
V ( )
,
k( + 1)X( + 1)
S0 ( ) S0 ( + 1)
2
J(V ( ), ) = k( ) (V ( ) H( )) + ( ),
(3.45)
(3.46)
onde, para = T 1, . . . , 0:
h
k( ) = a( )2 EP {k( + 1)} EP (k ( + 1) X ( + 1)) M 1
i
EP (k ( + 1) X( + 1)) , (3.47)
29
H( ) =
1
k( )
a( )2
EP
k ( + 1) EP [k( + 1)X ( + 1)]
M
H( + 1)
k( + 1)X( + 1)
a( )
, (3.48)
( ) = EP k( + 1) (a( )H( ) + S0 ( + 1)X ( + 1)u( )
2
H( + 1)) + EP (( + 1)) 0, (3.49)
M = EP {k( + 1)X( + 1)X ( + 1)} ,
(3.50)
1
u( ) = EP {k( + 1)X( + 1)X ( + 1)}
H( + 1)
H( )
P
, (3.51)
E k( + 1)X( + 1)
S0 ( ) S0 ( + 1)
e as condies finais so:
k(T ) = 1,
(T ) = 0.
(3.52)
H(T
)
H(T
)
P
Q
Q
P
H( ) = E mT , T 1
= E
,
(3.54)
TQ
1
a(j)
a(j)
j=
j=
Q
onde mP
T , , dado por:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j ,
(3.55)
j=
30
3.3
Este modelo pode ser obtido a partir do modelo anterior simplesmente eliminandose a notao vetorial e adotando-se a notao escalar, j que h apenas um ativo
de risco bsico disponvel no mercado.
Portanto, num modelo em que o mercado opere em apenas um modo, e
havendo apenas um ativo de risco bsico, os Teoremas 3.1, 3.2 e 3.4 podem ser
rescritos como:
Corolrio 3.8. Para cada = T , . . . , 0, a estratgia tima de controle do
portflio u
( ) e a funo objetivo tima J(V ( ), ) so dadas por:
o
n
H( +1)
V ( )
EP k( + 1)X( + 1)
S0 ( ) S0 ( +1)
n
o
,
(3.56)
u
( ) =
2
EP k( + 1) (X( + 1))
2
J (V ( ), ) = k( ) (V ( ) H( )) + ( ),
(3.57)
onde, para = T 1, . . . , 0:
2
P
{k(
+
1)X(
+
1)}
E
2
n
o ,
k( ) = a ( ) EP {k( + 1)}
2
P
E k( + 1) (X( + 1))
H( ) = EP
k( + 1)
Q
mP
+1, =
Q H( + 1)
mP
,
+1,
a( )
EP {k( + 1)}
(3.58)
(3.59)
+ 1)X( + 1)
(3.60)
( ) = EP (( + 1))+
n
o
2
EP k( + 1) (a( )H( ) + S( + 1)X( + 1)u( ) H( + 1)) 0,
(3.61)
n
o
H( +1)
)
EP k( + 1)X( + 1) SH(
S0 ( +1)
0 ( )
n
o
u( ) =
,
2
EP k( + 1) (X( + 1))
(3.62)
(T ) = 0,
31
(3.63)
Corolrio 3.9. Seja J(V (0), (0), 0) tal como definido no Corolrio 3.8. O
valor de V (0) que minimiza J(V (0), (0), 0), denominado por V (0), dado
por:
V (0) = H(0).
(3.64)
Prova: ver Apndice A
Corolrio 3.10. Para o modelo com um Ativo de Risco sem Cadeia de Markov,
H( 1) ( 1), tal como definido na Equao (3.42) do Teorema 3.4, escreve-se
como:
H(T )
P Q H(T )
P
Q
H( ) = E mT , T 1
= E
,
(3.65)
TQ
1
a(j)
a(j)
j=
j=
Q
onde mP
T , , dado por:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j ,
(3.66)
j=
32
Captulo 4
4.1
Conceitos Preliminares
33
lim
ut,u<t
S(u)
S(t+) =
lim
ut,u>t
S(u)
(4.1)
(4.2)
Q(t) =
N P (t)
P
eYi 1 ,
(4.3)
i=1
E P {Q(t)} = E P
P
(t)
NX
YiP
e 1
=
i=1
(t)
NX
P
EP EP
eYi 1 |N (t) = k
=
i=1
(
( k
))
( k
)
n Po
X P
X
P
P
Yi
P
P
Yi
E
E
e 1
=E
E
e
1
. (4.5)
i=1
i=1
(4.6)
34
E {Q(t)} = E
( k
X
YiP (1) 1
o
n
=
= E P k YiP (1) 1
i=1
k
k P (1) 1 et P t
X
Yi
k
P t
=
k!
k!
k=0
k=0
k
k1
X
X
k P t
P t
t
t P
YiP (1) 1 e
= YiP (1) 1 e t
=
k!
(k 1)!
k=1
k=1
s
X
P t
P
P
t P
YiP (1) 1 e t
= YiP (1) 1 e t P te t =
s!
s=0
|
{z
}
X
k
= YiP (1) 1 et
e P t
Portanto:
YiP (1) 1 P t. (4.7)
E P {Q(t)} = YiP (1) 1 P t.
(4.8)
YiP (1) = eY + 2 Y .
(4.10)
N P (t)
N (t)
X
Y
P
J(t) =
eYi = exp
YiP .
i=1
(4.12)
i=1
J(t) = J(t)eYi ,
(4.13)
e
P
35
Novamente usando a lei das expectativas iteradas, o valor esperado do processo (J(t))m :
P
m
NY(t) P
E P {(J(t)) } = E P
eYi
=
i=1
( k
)
NY(t)
n
o
Y
P
P
EP EP
emYi |N [t] = k
= EP
E P emYi
=
i=1
i=1
( k
)
k
Y
2
2 2
1
P
mY + 12 m2 Y
=
E
e
= EP
emY + 2 m Y
m
i=1
k
2
mY + 21 m2 Y
e
X
et P t
k
k!
k=0
P
= et
k
2 2
1
P t emY + 2 m Y
X
k=0
e t e
temY + 2 m
2 2
Y
k!
h
i
2 2
1
= exp P t emY + 2 m Y 1 . (4.15)
NY(t) P
i
h
1 2
E P {J(t)} = E P
eYi
= exp P t eY + 2 Y 1 .
(4.16)
i=1
4.2
(4.17)
onde r, taxa de juros livre de risco continuamente capitalizada, suposta constante. Resolvendo esta simples equao diferencial, a soluo para S0 (t + tt ),
a partir de uma condio inicial (t, S0 (t)), :
S0 (t + tt ) = S0 (t) exp(rtt ).
(4.18)
o preo do ativo de risco for mensurvel com relao ao conjunto de informaes disponvel no instante de tempo atual, a medida de probabilidade no
explicitada, j que no possui influncia alguma.
Assim, para descrever a equao diferencial estocstica de S(t) no modelo a
tempo e espao de estados contnuos, adotemos um processo de difuso com saltos. Ento, expressemos pela seguinte equao diferencial estocstica a variao
de S(t) durante um intervalo de tempo dt:
dS P (t) = S P (t + dt) S(t) =
( ) S(t)dt + S(t)dW P (t) +
{z
} |
{z
}
|
dR(t)
dI(t)
1 2
S(t)d Q (t) eY + 2 Y 1 P t , (4.19)
{z
}
|
dJ(t)
S(t)dt =
S(t)dt,
(4.24)
2
Y + 12 Y
N PY
(tt )
P
1 2
1 tt
eYi . (4.26)
2
i=1
38
S( )
exp W P ( + 1)+
S0 ( )
2
Y + 12 Y
r e
N PY
(t )
P
1
1 P 2 t
eYi 1 . (4.30)
2
i=1
Lembrando que:
W P ( ) um processo de Wiener com EP {W P ( +1)} = 0 e EP {(W P ( +
1))2 } = t ;
N P () um processo de Poisson de intensidade P ;
Os YiP so variveis aleatrias independentes e normalmente distribudas
com mdia EP {YiP } = Y e desvio-padro P {YiP } = Y ;
S0 ( ), S( ), , e r so constantes;
estabeleamos o seguinte lema:
Lema 4.1. Seja X( +1) tal como definido na Equao (4.30). Considerando
6= r, X( + 1) pode ser expresso como:
X( + 1) =
S( ) (r)t
e
1 (0 (t ) + 1 (t )Z1 (t )Z2 (t )) , (4.31)
S0 ( )
onde:
0 (t ) =
1 (t ) =
1
e(r)t
(4.32)
e(r)t
,
1
(4.33)
e(r)t
1
Z1 (t ) = exp W P ( + 1) 2 t ,
2
N P (t )
P
Q
Z2 (t ) = e( )t
Y
i=1
Q f Q (YiP )
,
P f P (YiP )
Q = P e 2 Y +Y ,
21
1
f P (YiP ) =
e
2Y
f Q (YiP ) =
21
1
e
2Y
YiP Y
Y
(4.34)
(4.35)
(4.36)
2 +
YiP Y
Y
Y
,
)
(4.37)
!2
(4.38)
4.3
Resultados Principais
H( ) = ernt
p=0
n
(
p)
n
o
np p X P
Ql
E mP
H(T ) =
a0 a1
T ,
l=1
(np)
n
X
X
np p
ernt
EQl {H(T )} , (4.39)
a0 a1
p=0
l=1
1 2
t r+2e 2 Y +Y P P
a0 =
a1 =
1 2
1+2e 2 Y +Y
1+2e 2 Y +Y
tP
tP
1 2
1+2e 2 Y +Y
2 2 +Y ) P
t 2 +e ( Y
2 2 +Y )
t 2 +e ( Y
P
(4.40)
(4.41)
1 2
t r+2e 2 Y +Y P P
tP
2 2 +Y )
t 2 +e ( Y
P
A V ( )
u( ) = e(r)t 1
,
S( )B
(4.42)
#
(np) " IC n (1) IC n
(1)
X
np,s
p,l
0
1
Ql
rnt p np
A=
e
a1 a0
E {H(T )} ,
a1
a0
p=0
n
X
l=1
(4.43)
h
i
2
1 2
B = exp 2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t
2 exp[( r) t] + 1, (4.44)
V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert .
Prova: ver Apndice A.
41
(4.45)
Captulo 5
Aplicao
Neste captulo aplicamos os resultados apresentados no Captulo 4 a uma opo
de compra europia vanilla. Esta opo possui um payoff dado por:
(5.1)
H(T ) = max S Ql (T ) K, 0 = S Ql (T ) K I{S Ql (T )>K } .
No Item 5.1 abordamos o caso em que os retornos do ativo de risco so
descontnuos, pois so descritos por um processo de difuso com saltos. No
Item 5.2, a dinmica dos retornos do ativo de risco simplificada para um
processo browniano (processo de Wiener).
5.1
42
TX
S( ) exp
Ql
( + j) +
N Q ((T )t)
j=1
YiQ + Y2 +
i=1
2
Y + 21 Y
#
1 2
2
1 (T ) t + pt . (5.2)
2
H( ) = e
n
X
n
p=0
anp
ap1 EQl
0
{H(T )} ,
(5.4)
onde:
n = T ,
1 2
t r+2e 2 Y +Y P P
a0 =
a1 =
1 2
1+2e 2 Y +Y
1 2
1+2e 2 Y +Y
1+2e 2 Y +Y
2 2 +Y )
t 2 +e ( Y
P
tP
(5.5)
2 2 +Y ) P
t 2 +e ( Y
(5.6)
(5.7)
1 2
t r+2e 2 Y +Y P P
2 2 +Y )
t 2 +e ( Y
P
tP
EQl
{H(T )} = T1 G1 K,
h
i
1 2
exp 1 eY + 2 Y P (T ) t
2
h
i,
T1 = S( )e[()(T )+ p]t
3 2
exp 1 eY + 2 Y Q (T ) t
1
Q = P e 2 Y +Y ,
(5.8)
(5.9)
(5.10)
h
i
X
2
(dR,p, )
G1 =
exp P e2(Y +Y ) (T )t
!
=0
43
2
+Y )
P 2(Y
(T ) t
!
, (5.11)
G2 =
h
i
X
1 2
(dQ,p, )
exp P e 2 Y +Y (T ) t
!
=0
1
(s) =
2
dQ,p, =
S( )
K
A = ln
S( )
K
1 2
2 Y
x2
2
+Y
(T )t
dx,
!
, (5.12)
(5.13)
A
1
(5.14)
( 2 (T ) t + Y2 ) 2
+ 2 pt + Y2 + Y +
2
1 2
P
Y + 12 Y
1 (T ) t, (5.15)
e
2
dR,p, =
B = ln
B
( 2
(5.16)
(T ) t + Y2 ) 2
+ 2 pt + 2Y2 + Y +
1 2
1
eY + 2 Y 1 P + 2 (T ) t. (5.17)
2
Teorema 5.3. Sejam u( ) tal como definido no Teorema 4.3, H(T ), dado por:
H(T ) = S Ql (T ) K I{S Ql (T )>K } ,
(5.18)
o payoff de uma European vanilla call option (i.e., opo de compra vanilla
europia); e S Ql (T ) o preo do ativo
de risco na data T tal como definido na
_
Equao (5.2). Nessas condies, u( ) pode ser escrito como:
A V ( )
u( ) = e(r)t 1
,
S( )B
A=
n
X
p=0
(5.19)
n1
0
n1
1
+
EQl {H(T )} ,
p
a0
np
a1
(5.20)
B = exp
h
i
2
1 2
2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t
2 exp[ r t] + 1, (5.21)
onde:
44
n = T ,
0 =
1 =
1
,
e(r)t 1
a1 =
1+2e 2 Y +Y
1 2
1+2e 2 Y +Y
tP
tP
1+2e 2 Y +Y
(5.23)
e(r)t
,
e(r)t 1
1 2
t r+2e 2 Y +Y P P
a0 =
(5.22)
(5.24)
2 2 +Y ) P
t 2 +e ( Y
2 2 +Y )
t 2 +e ( Y
P
(5.25)
(5.26)
1 2
t r+2e 2 Y +Y P P
tP
2 2 +Y )
t 2 +e ( Y
P
2
T1 = S( )e[()(T )+ p]t
exp
h
exp
h
(5.27)
P (T ) t
Q (T ) t
1 eY + 2 Y
1 eY + 2 Y
i
i,
(5.28)
Q = P e 2 Y +Y ,
G1 =
h
i
X
2
(dR,p, )
exp P e2(Y +Y ) (T ) t
!
=0
G2 =
(5.29)
2
+Y )
P 2(Y
(T ) t
, (5.30)
h
i
X
1 2
(dQ,p, )
exp P e 2 Y +Y (T ) t
!
=0
1
(s) =
2
dQ,p, =
1 2
2 Y
x2
2
+Y
dx,
, (5.31)
(5.32)
C
( 2
(T )t
(T ) t + Y2 ) 2
45
(5.33)
C = ln
S( )
K
+ 2 pt + Y2 + Y +
2
1 2
P
Y + 12 Y
1 (T ) t, (5.34)
e
2
dR,p, =
D = ln
S( )
K
D
( 2
(5.35)
(T ) t + Y2 ) 2
+ 2 pt + 2Y2 + Y +
2
1 2
Y + 12 Y
P
e
1 + (T ) t, (5.36)
2
V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert .
(5.37)
5.2
n
X
n
p=0
46
p Ql
anp
a
E
{H(T
)}
,
1
0
(5.39)
onde:
n = T ,
a0 =
(5.40)
e(r)t e
1 e2 t
a1 =
1 e(r)t
,
1 e2 t
(5.42)
2
EQl {H(T )} = S ( ) e[()(T )+ p]t (dR,p ) K(dQ,p ),
dQ,p
dR,p
(5.41)
Z s
x2
1
(s) =
e 2 dx,
2
)
ln S(
+ 12 2 (T ) t + 2 pt
K
p
=
,
(T ) t
)
ln S(
+ + 21 2 (T ) t + 2 pt
K
p
=
.
(T ) t
(5.43)
(5.44)
(5.45)
(5.46)
Teorema 5.5. Seja u( ) tal como definido no Teorema 4.3. Seja ainda H(T )
dado por:
H(T ) = S Ql (T ) K I{S Ql (T )>K } ,
(5.47)
correspondendo ao payoff de uma European _
vanilla call option (i.e., opo de
compra vanilla europia). Nessas condies, u( ) pode ser escrito como:
A V ( )
,
u
( ) = e(r)t 1
S( )B
A=
n
X
p=0
(5.48)
n1
0
n1
1
+
EQl {H(T )} ,
p
a0
a1
np
2
B = e(22r+ )t 2e(r)t + 1,
(5.49)
(5.50)
n = T ,
(5.51)
onde:
0 =
1 =
a0 =
1
e(r)t
(5.52)
e(r)t
,
1
(5.53)
e(r)t
e(r)t e
1 e2 t
47
(5.54)
a1 =
1 e(r)t
,
1 e2 t
2
EQl {H(T )} = S ( ) e[()(T )+ p]t (dR,p ) K(dQ,p ),
dQ,p
dR,p
Z s
x2
1
e 2 dx,
(s) =
2
)
ln S(
+ 12 2 (T ) t + 2 pt
K
p
=
,
(T ) t
)
ln S(
+ + 21 2 (T ) t + 2 pt
K
p
=
,
(T ) t
V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert .
Prova: ver Apndice A.
48
(5.55)
(5.56)
(5.57)
(5.58)
(5.59)
(5.60)
Captulo 6
Simulaes Numricas
Neste item apresentamos simulaes numricas para o controle (i.e., hedging) de
um portflio composto apenas por uma opo de compra europia vanilla. A
dinmica do ativo base no caso estudado dada por um movimento browniano
geomtrico.
Inicialmente, descrevemos detalhadamente a estrutura das simulaes. Em
seguida, apresentamos os resultados das simulaes. Finalmente, comentamos
os resultados obtidos nas simulaes.
6.1
49
tempo discreto, e t0 na notao de tempo contnuo), at o instante de maturidade da opo (i.e., T na notao de tempo discreto, e tT na notao de tempo
contnuo). O nmero de aes de controle dado por n = T = T . Conforme
definies apresentadas no Item 4.2, n pode ser calculado como:
t T t0
tT
=
,
(6.2)
t
t
onde t o intervalo de tempo entre duas aes de controle consecutivas (i.e.,
entre dois rebalanceamentos consecutivos do portflio).
De posse de n e do valor do ativo base no instante de tempo atual = 0,
geramos uma seqncia de valores para o ativo base nos n instantes de tempo
em que h rebalanceamentos. Isto feito usando-se sucessivamente a Equao
(4.26), simplificada para o caso em que no h saltos:
1
(6.3)
Si (j + 1) = Si (j) exp 2 t + (Wj+1 Wj ) ,
2
n=T =
(6.4)
BS
e, analogamente, o erro quadrtico (chamado de eqBS
i ) de Vi (T ) em relao a
Hi (T ), dado por:
2
BS
eqBS
.
(6.5)
i = Vi (T ) Hi (T )
o
2
V PD (T ) H(T ) |F0 =
"
lim
Nsim
1
Nsim
50
NX
sim
i=1
ViPD (T
2
) Hi (T )
!#
, (6.6)
e:
EP
o
2
V BS (T ) H(T ) |F0 =
"
lim
Nsim
1
Nsim
NX
sim
ViBS (T
2
) Hi (T )
!#
, (6.7)
i=1
S(0) exp
# )
1 2
T + (WT W0 ) F0 = S(0)e()T .
2
(6.10)
51
Valores utilizados
T = 1 ano
r = 15%a.a.
S(0) = 100
=0
= 20%a.a., 10%a.a., 5%a.a.
= 30%a.a., 45%a.a.
Dentro/no/fora do dinheiro forward
n = 6, 12
REQM(PD)
1.
REQM(BS)
(6.11)
6.2
Neste item apresentamos os grficos, contidos nas Figuras (6.1) a (6.12), com
os resultados das simulaes, tal como descrito no item anterior.
52
53
-15
-5 40
15
25
35
45
-15
-5 40
15
25
35
45
55
70
85
115
70
130
85
-10
10
20
30
40
40
115
130
55
70
85
100
115
100
100
55
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
130
145
54
-20
-10
10
20
30
40
50
60
70
20
-20
20
40
60
80
100
20
35
50
65
80
95
60
125
80
140
100
-20
-5
10
25
40
55
70
85
15
120
160
180
200
35
55
75
95
115
135
140
110
40
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
155
175
195
55
110
130
150
170
-15
150
170
70
90
110
130
130
-15
-5 50
90
15
25
35
45
55
110
-5 50
90
70
70
-15
-5 50
15
25
35
45
55
65
15
25
35
45
55
65
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
150
170
56
-20
20
40
60
80
100
30
-20
-5
10
25
40
55
70
85
25
45
50
70
90
110
150
170
85
190
105
-20
-10
10
20
30
40
50
60
70
30
125
165
185
50
70
90
110
130
150
145
130
65
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
170
190
57
50
70
110
125
140
155
170
-15
170
190
70
90
110
130
150
150
-15
-5 50
95
15
25
35
45
55
65
130
-5 50
80
110
65
90
-15
-5
15
25
35
45
55
65
75
15
25
35
45
55
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
170
190
58
50
85
105
125
145
165
185
25
40
55
70
110
-20
30
150
170
190
50
70
90
110
130
150
130
-20
-5
65
90
-5
45
70
10
25
30
-20
-5
10
25
40
55
70
10
25
40
55
70
85
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
170
190
210
59
-10
10
20
30
40
35
-10
10
20
30
40
50
60
40
50
65
80
110
70
125
85
-10
10
20
30
40
50
60
30
100
130
145
45
60
75
90
105
120
115
95
55
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
135
150
165
60
80
100
120
140
10
20
30
40
50
60
-15
20
120
140
40
60
80
100
120
100
-20
-10
60
80
-5 20
60
40
40
-15
-5 20
15
25
35
45
15
25
35
45
55
65
75
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
140
160
180
61
-15
-5 45
15
25
35
45
55
65
-15
-5 50
15
25
35
45
55
65
65
85
105
145
90
-15
-5 45
15
25
35
45
110
150
170
65
85
105
125
130
125
70
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
145
165
62
-20
-10
10
20
30
40
50
60
70
80
30
-15
25
45
65
85
30
50
50
70
90
110
150
90
170
-15
-5 30
15
25
35
45
55
65
110
150
170
190
50
70
90
110
130
130
130
70
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
150
170
63
-15
-5 50
15
25
35
45
55
65
-20
-10
10
20
30
40
50
60
70
50
70
70
90
110
150
170
110
-15
-5 50
15
25
35
45
130
170
190
70
90
110
130
150
130
90
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
150
170
64
30
50
85
105
125
145
165
-15
35
150
170
190
55
75
95
115
135
155
130
-15
-5
65
15
25
35
45
55
65
75
110
-5 25
90
45
70
-20
-10
10
20
30
40
50
60
70
80
15
25
35
45
55
65
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
175
195
215
6.3
65
money
in
the
money
66
= -5%
= -5%
1 .
= 10%
= 10%
0,0%
0,0%
0,5%
1,0%
= 20%
1,0%
2,0%
= 10%
1,5%
3,0%
3,0%
0,0%
2,0%
= -5%
= 20%
1,5%
3,0%
4,5%
6,0%
7,5%
4,0%
= 10%
2,5%
money
5,0%
6,0%
the
= -5%
at
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
out of the
= 20%
= 20%
Por esses grficos, constatamos que a estratgia de hedging derivada da tcnica de controle timo estocstico (chamada, a partir de agora, de estratgia
PD) realmente prov resultados consistentemente melhores do que os resultados
obtidos a partir da estratgia de hedging derivada do modelo de Black & Scholes (chamada, a partir de agora, de estratgia BS). Em outras palavras, o erro
quadrtico mdio de hedging obtido com as estratgias PD inferior a esse erro
obtido com as estratgias BS.
Na maioria dos casos analisados, o desempenho da estratgia PD, embora
consistentemente melhor que o da estratgia BS, no significativamente melhor a ponto de haver comprovao estatstica relevante de tal superioridade.
Entretanto, essa superioridade obviamente esperada por construo, uma vez
que a estratgia PD foi obtida como soluo do problema terico de minimizao
do erro quadrtico esperado de hedging (Equao (6.1)).
Pelos grficos, podemos notar que, a princpio, a superioridade da estratgia PD com relao estratgia BS no apresenta dependncia consistente e
relevante com relao ao moneyness das opes, i.e., no apresenta dependncia
consistente e importante ao fato de as opes estarem dentro do dinheiro (in
the money), fora do dinheiro (out of the money) ou no dinheiro (at the money).
Em todos os casos analisados, os melhores resultados para o desempenho da
estratgia PD com relao estratgia BS foram obtidos para = 5%a.a..
A estratgia BS completamente independente da taxa de retorno esperada
do ativo base, pois o modelo de Black & Scholes assume que os hedgings
podem ser feitos continuamente ao longo do tempo, eliminando completamente
o risco de flutuaes estocsticas no preo do ativo base [3, 35]. A estratgia PD,
por sua vez, depende explicitamente de , como se pode ver pelas equaes do
Teorema 5.5. Assim, razovel esperarmos que a superioridade da estratgia PD
em relao estratgia BS apresente dependncia em relao a . Entretanto,
os efeitos da forma com que ocorre esta dependncia no esto claros at o
presente momento, e podem ser objeto de maiores estudos no futuro. O fato
aqui observado que o desempenho da estratgia PD foi tanto melhor quanto
menor a taxa de retorno esperada do ativo base.
De forma geral, a estratgia PD apresentou melhor desempenho em relao
estratgia BS quando o nmero de rebalanceamentos foi menor, ou seja, quando
n = 6. Isso de fato era esperado, pois o modelo de Black & Scholes assume que
os rebalanceamentos so refeitos continuamente. O modelo desenvolvido nesta
tese, por sua vez, considera que os rebalanceamentos so refeitos em instantes
pertencentes a um domnio discreto do tempo. Assim, quanto menor o nmero
de rebalanceamentos, mais nos distanciamos das hipteses do modelo de Black
& Scholes [3, 16, 35], e pior o resultado da estratgia BS em relao estratgia
PD.
Embora a estratgia PD tenha sido consistentemente mais eficiente que a
estratgia BS, devemos destacar dois fatos.
O primeiro que a magnitude dos erros de hedging (medidos por REQM, raiz
quadrada do erro quadrtico mdio de hedging) para as duas estratgias varia
de um valor mnimo em torno de 6% com relao a H(0), a um valor mximo
em torno de 60% com relao a H(0). Assim, os erros de hedging podem ser
realmente bastante significativos. Os grficos da Figura (6.14) ilustram os erros
de hedging (i.e., REQM(PD) e REQM(BS)) para as duas estratgias. Uma
anlise aprofundada do comportamento desses erros no faz parte do escopo
desta tese, e pode ser objeto de estudo futuro. A propsito, qualquer estudo do
67
68
69
0%
10%
20%
30%
40%
50%
= -5%
= 20%
= 20%
0%
10%
20%
30%
40%
0%
10%
20%
30%
40%
= 10%
= -5%
= 10%
= -5%
Figura 6.14: Raiz Quadrada dos Erros Quadrticos Mdios para as Estratgias PD e BS
= 10%
= 10%
BS PD BS PD BS PD
money
in the
60%
= -5%
money
at the
0%
10%
20%
30%
40%
50%
60%
money
out of the
= 20%
= 20%
Captulo 7
Concluses e Pesquisas
Futuras
Neste item, inicialmente apresentamos as concluses desta tese, reiterando os
objetivos desta tese, os resultados obtidos e suas implicaes. Em seguida, apresentamos nossas recomendaes para pesquisas futuras, identificando melhorias
possveis neste trabalho, bem como questes que podem ser objeto de estudo
mais aprofundado e desenvolvimento no futuro.
7.1
Concluses
(2) taxas de retornos estocsticas para os ativos de risco, (3) taxas de juros
estocsticas descritas por processos com parmetros variveis.
Assim, o modelo desenvolvido prov uma estrutura geral que se pode empregar para o apreamento e hedging de derivativos de caracterstica europia,
segundo diversos modelos de funcionamento do mercado, quando consideramos
o tempo como pertencente a um domnio discreto (que, como explicado antes,
o caso que melhor reflete a realidade dos processos de tomada de deciso de
investimento).
Aps termos desenvolvido esse modelo geral, fizemos algumas simplificaes
em sua estrutura. Mais especificamente, a primeira simplificao correspondeu
a adotarmos um modelo de mercado que opere em apenas um modo. Em outras
palavras, eliminamos a cadeia de Markov que representava os diferentes modos
de operao do mercado. Mostramos, ento, que essa primeira simplificao
leva o nosso modelo a resultados que coincidem com os obtidos por ern [5].
Dessa forma, mostramos que o modelo proposto por ern pode ser entendido
como um caso particular do modelo desenvolvido nesta tese.
A prxima simplificao que fizemos correspondeu a restringir nosso modelo
ao caso em que o mercado opere em um nico modo e que contenha apenas um
ativo de risco e um outro livre de risco. No Captulo 4, aplicamos esse modelo
de apreamento e hedging ao caso em que os retornos do ativo de risco assumem
valores num espao de estados contnuo, sendo descritos por um processo de difuso descontnuo (i.e., com saltos, tambm chamado de jump diffusion process)
e com parmetros constantes (constant investment opportunity set).
Os resultados obtidos no Captulo 4 correspondem a um importante avano
do modelo geral desenvolvido no Captulo 3 em direo prtica dos mercado
financeiros, pois incorporam um elemento bastante concreto da estrutura de
um mercado financeiro real, a saber, a dinmica dos retornos do ativo de risco
descrita segundo um processo de difuso com saltos num espao de estados
contnuo. Uma importante contribuio desses resultados obtidos nesta tese
teoria de apreamento e hedging de derivativos que eles estabelecem a estrutura
a partir da qual se podem obter expresses analticas fechadas para: (1) o preo
de um derivativo com um payoff qualquer (i.e., completamente genrico), desde
que de caracterstica europia e com tratabilidade matemtica, e (2) o controle
timo da carteira que faz o hedging de mnima varincia desse derivativo, num
modelo de mercado em que o tempo discreto, o espao de estados contnuo
e a dinmica dos retornos do ativo de risco descrita segundo um processo
de difuso com saltos, atendendo assim s premissas que melhor refletem as
condies de funcionamento do mercado financeiro real. No caso de no haver
tratabilidade matemtica suficiente, impossibilitando a obteno de expresses
analticas fechadas, essa mesma estrutura que apresentamos no Captulo 4 prov
os meios para a execuo de simulaes numricas de Monte Carlo [17, 12], em
todas as suas variaes, permitindo ento obter os mesmos resultados descritos
acima, porm de forma numrica.
Devido sua tratabilidade matemtica e sua ampla difuso no mercado
financeiro, no Captulo 5 aplicamos os resultados gerais obtidos no Captulo 4
para o caso de uma opo vanilla de compra europia, obtendo expresses explcitas fechadas para o preo dessa opo e para o controle necessrio execuo
do hedging desse derivativo. Os resultados obtidos neste captulo so muito
interessantes, no s pela originalidade, mas tambm porque correspondem a
um paralelo mais realista e mais correto, do ponto de vista prtico, do resultado
71
apresentado por Merton [20], onde o modelo adotado para o mercado contnuo
com relao ao tempo e ao espao de estados.
Infelizmente, o desempenho desse modelo na prtica no pde ser testado
aqui por motivo de limitao no tempo de desenvolvimento desta tese. Em
outras palavras, no foram feitas simulaes numricas usando os resultados
mencionados acima.
Ainda no Captulo 5, particularizamos os resultados obtidos para a opo
de compra vanilla europia mencionados acima ao caso em que os retornos do
ativo de risco so descritos por um processo de difuso sem saltos, i.e., por um
processo browniano (ou de Wiener). Esses resultados tambm so interessantes,
no s pela originalidade, mas tambm porque correspondem a um paralelo mais
realista e mais correto, do ponto de vista prtico, do resultado apresentado por
Black & Scholes [3], onde o modelo adotado para o mercado contnuo com
relao ao tempo e ao espao de estados.
Para esse modelo, as simulaes numricas foram realizadas. Essas simulaes nos permitiram, ento, avaliar o desempenho, na prtica, do hedging de
uma opo vanilla de compra europia segundo o modelo desenvolvido nesta
tese para o caso em que os retornos do ativo de risco so descritos por um movimento browniano. O desempenho do modelo aqui desenvolvido foi comparado
ao desempenho da estratgia de hedging derivada do modelo de Black & Scholes, chamada estratgia delta-neutra. Os resultados dessa comparao foram
discutidos extensamente no Captulo 6.
De forma bem resumida, devemos destacar dois pontos fundamentais como
concluso final para essas simulaes. O primeiro deles que, caso o portflio
de opes a ser protegido por uma estratgia dinmica de hedging seja extremamente vultoso, a sim o modelo aqui proposto apresenta grande vantagem
em relao estratgia delta-neutra, que simples e de fcil implementao.
Caso o portflio de derivativos cujo risco deva ser minimizado corresponda a
um volume financeiro pequeno, a melhor deciso usar a estratgia derivada do
modelo de Black & Scholes, i.e., a estratgia delta-neutra.
O segundo ponto que, para qualquer modelo que se use, os erros quando do
hedging de uma opo no so triviais. Pelo contrrio, dependendo da situao
(como se pde ver claramente nos grficos apresentados), eles podem ser muito
elevados, o que realmente requer que o vendedor de tal produto cobre um prmio
do comprador suficiente para eventualmente compensar suas perdas financeiras
na maturidade do contrato.
Como ltimo comentrio, interessante notar nos grficos que mostram
REQM(PD) e REQM(BS) (i.e., a raiz quadrada dos erros quadrticos mdios
para as estratgias PD e BS) que o erro de hedging maior para a opo fora
do dinheio, qualquer que seja a situao analisada. Isto pode ser mais uma
razo, entre outras vrias [33, 7], que contribui para a existncia do smile de
volatilidade.
7.2
Pesquisas Futuras
72
pequeno. Contudo, com relao ao caso em que o domnio do tempo discreto e o espao de estados contnuo, parece que esse ainda um campo
relativamente bastante inexplorado (j que no encontramos referncias sobre
o assunto). Apesar de esse ltimo problema ter sido o objeto de estudo desta
tese, o tema, evidentemente, est muito longe do esgotamento.
Contudo, como explicado no Item 1.2, esse parece, e deveria, ser o problema
de maior interesse dos profissionais que realmente atuam no mercado financeiro
negociando e gerindo o risco de contratos derivativos, j que essa situao a
que mais se aproxima de um modelo apropriado para descrever o problema real
de hedging desse tipo de instrumento financeiro.
Vultosas somas de dinheiro esto envolvidas nas aplicaes prticas desse
problema. De fato, um controle mais eficaz do risco existente numa carteira
de derivativos pode evitar perdas estocsticas significativas devido a flutuaes
nos preos dos ativos base dos quais depende esta carteira. Alm disso, agentes
financeiros que disponham de melhores tcnicas para gesto desse tipo de risco
podem ser mais competitivos na estruturao e gerao de negcios junto s
suas contrapartes (clientes e mercado), aumentando sua receita e expandindo
sua influncia no mercado. Portanto, o interesse sobre tcnicas mais apuradas
de hedging de derivativos continuar, cada vez mais, a merecer ateno por parte
de acadmicos e profissionais do mercado.
Nesse contexto, os resultados desta tese, que estabelecem uma estrutura terica para o apreamento e hedging de derivativos num modelo mais prximo da
realidade do mercado financeiro, podem ser futuramente estendidos e aprimorados, contribuindo ainda mais com a busca de solues satisfatrias para as
questes apontadas anteriormente. Citamos a seguir alguns possveis futuros
desenvolvimentos:
1. Volatilidade estocstica. O modelo geral desenvolvido no Captulo 3, onde
o mercado pode apresentar diferentes modos de operao, acomoda, como
j comentado anteriormente, (1) ativos de risco cujos retornos apresentem
volatilidade estocstica, (2) taxas de retornos estocsticas para os ativos
de risco, (3) taxas de juros estocsticas descritas por processos com parmetros variveis. Desses, o ponto mais significativo parece ser a incluso
dos efeitos de retornos com volatilidade estocstica aos resultados obtidos, especialmente s solues fechadas apresentadas no Captulo 5, j
que sabemos que a volatilidade uma varivel qual os preos das opes apresentam bastante sensibilidade. Assim, simplesmente usando-se a
estrutura terica estabelecida nesta tese, possvel se estabelecerem dinmicas estocsticas para a volatilidade e, de forma anloga ao que fizemos
nesta tese, acrescentar aos resultados obtidos os efeitos dessas dinmicas
aos preos e forma de controle dos derivativos estudados.
2. Critrios de otimizao mais gerais. O modelo de hedging desenvolvido
nesta tese adotou um critrio de otimizao quadrtico para considerar os
erros que se desejava minimizar. Uma extenso futura bastante interessante seria a de considerar critrios de otimizao diferentes, como, por
exemplo, da forma J(x) = ax2 + bx4 , sendo x o erro de hedging, e a e b
constantes pr-determinadas. Um critrio desse tipo tem a vantagem de
punir mais rigorosamente os erros de hedging de maior valor, levando o
modelo a propor estratgias de controle que evitem grandes perdas gera-
73
74
Apndice A
Demonstraes
Lema A.1. Consideremos o problema:
X
2
U = min
pi,j E P Yj + Xj u + j ,
u
(A.1)
(A.2)
Ento, o u timo, u
, dado por:
1
X
X
pi,j E P (Xj Yj )
u
=
pi,j E P (Xj Xj )
j
(A.3)
e
X
U = U0 +
pi,j E P (j ),
(A.4)
onde,
U0 =
pi,j E P (Yj2 )
"
#1
X
X
X
pi,j E P (Yj Xj )
pi,l E P (Xl Xl )
pi,j E P (Xj Yj ) 0.
j
(A.5)
Demonstrao. Temos que:
U = min
u
pi,j E P
Yj + Xj u
2
+ j =
min
u
pi,j E P
Yj + Xj u
2
X
j
{z
U0
75
pi,j E P (j ) . (A.6)
Evidentemente, U0 0 e:
X
pi,j E P
Yj + Xj u
2
pi,j E P Yj2 + 2Yj Xj u + u Xj Xj u =
pi,j E P (Yj2 ) + 2
pi,j E P (Yj Xj )u + u
pi,j E P Xj Xj u.
(A.7)
(A.8)
Isolando u
:
X
X
u
=
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) .
j
(A.9)
2
X
X
d
2
pi,j E P Yj + Xj u + j =
pi,j E P (Xj Xj ) > 0
2
du
j
j
(A.10)
U0 =
pi,j E P (Yj2 ) + 2
pi,j E P (Yj Xj ) u + u Bu =
pi,j E P (Yj2 ) 2
X
pi,j E P (Yj Xj ) B 1
pi,j E P (Xj Yj ) +
X
X
B 1
pi,j E P (Xj Yj ) BB 1
pi,j E P (Xj Yj ) , (A.11)
j
B=
pi,j E P (Xj Xj ).
Simplificando:
76
(A.12)
U0 =
pi,j E P (Yj2 )
X
X
X
2
pi,j E P (Yj Xj )
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) +
j
X
X
X
pi,j E P (Yj Xj )
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) . (A.13)
j
Portanto U igual a:
X
X
U = U0 +
pi,j E P (j ) =
pi,j E P (Yj2 )
j
X
X
X
pi,j E P (Yj Xj )
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) +
j
pi,j E P (j ). (A.14)
Lema A.2. Suponhamos que kj > 0, j = 1, . . . , N , e que no existam oportunidades de arbitragem. Ento ki > 0, onde:
n
o
X
M( ) =
p( ),j EP kj X( ) X(
(A.15)
) ,
j
X
2
p( ),j E P (kj )
kj = a( ) ( )
j
1
p( ),j E P (kj X(
p( ),j E P (kj X( ) ) . (A.16)
) ) M( )
u
(A.17)
J = min
p( ),j EP
a( ) kj a( ) kj X(
)
u
X
X
u
=
p( ),j E P (kj X( ) X(
p( ),j E P (kj X( ) ) =
))
j
X
1
M(
p( ),j E P (kj X( ) ) (A.18)
)
j
77
e:
J = k( )
X
2
= a( ) ( )
p( ),j E P (kj )
j
X
X
1
p( ),j E P (kj X(
p( ),j E P (kj X( ) ) 0. (A.19)
) ) M( )
j
p( ),j EP
2
p
p
a( ) kj a( ) kj X(
)u
=
EP
a( ) ( ) k( +1) 1
X(
)u
2
F = 0 (A.20)
Isto :
2
=0
a( ) ( ) k( +1) 1 X(
)u
a.s.
(A.21)
X(
=1
)u
a.s.
(A.22)
S( ) ( + 1)
S( )
S( ),0 ( + 1) S0 ( )
(A.24)
e
S( ),0 ( + 1) = S0 ( )a( ) ( ),
(A.25)
podemos escrever:
E (X( ) |F ) = E
E
!
S( ) ( + 1)
S( )
F =
S0 ( )a( ) ( ) S0 ( )
!
!
S( ) ( + 1)
S( )
F E
F = 0. (A.26)
S0 ( )a( ) ( )
S0 ( )
78
(
2 )
X
V ( )
Hj ( + 1)
2
P
S( ),0 ( + 1)
p( ),j E kj ( + 1)
S0 ( ) S( ),0 ( + 1)
j
X
Hj ( + 1)
V ( )
X(
p( ),j EP (kj ( + 1)
) ( + 1)) M( )
S
(
)
S
(
+
1)
0
( ),0
j
X
V ( )
Hj ( + 1)
p( ),j EP (kj ( + 1)
X( ) ( + 1)) +
S0 ( ) S( ),0 ( + 1)
j
X
p( ),j E(j ), (A.27)
j
onde:
M( ) =
n
o
(A.28)
Ento:
V ( ) H
J (V ( ), ( ), ) = K
2
2
U ,
+R
Onde:
h
= a( ) ( )2 EP k( +1) ( + 1)
K
i
1
P
EP (k( +1) ( + 1) X(
) ( + 1))M( ) E (k( +1) ( + 1) X( ) ( + 1)) ,
(A.29)
=
H
K
a( ) ( )2
EP
h
k( +1) ( + 1)
h
i
i
1
EP k( +1) ( + 1)X(
(
+
1)
M
k
(
+
1)X
(
+
1)
( )
)
( ) ( +1)
H( +1) ( + 1)
, (A.30)
a( ) ( )
EP EP k( +1) ( + 1)X(
) ( + 1) M( ) k( +1) ( + 1)
H( +1) ( + 1)X( ) ( + 1) , (A.31)
n
o
= EP k( +1) ( + 1) H( +1) ( + 1) 2
R
1
79
j
( ),j
2
S0 ( )
S( ),0 ( + 1)
j
2 #)
V ( ) Hj ( + 1)
Hj ( + 1)
2
+
S0 ( ) S( ),0 ( + 1)
S( ),0 ( + 1)
X
Hj ( + 1)
V ( )
X(
p( ),j EP (kj ( + 1)
) ( + 1))
S
(
)
S
(
+
1)
0
( ),0
j
X
V ( )
Hj ( + 1)
1
X( ) ( + 1) .
M(
p( ),j EP kj ( + 1)
)
S
(
)
S
0
(
),0 ( + 1)
j
(A.33)
Expandindo os valores esperados, obtemos:
J (V ( ), ( ), )
p( ),j E(j )
=
2
S( ),0 ( + 1)
(
2 )
X
V
(
)
p( ),j EP kj ( + 1)
S
(
)
0
j
X
V
(
)
H
(
+
1)
j
+
2
p( ),j EP kj ( + 1)
S
(
)
S
(
+
1)
0
(
),0
j
(
2 )
X
H
(
+
1)
j
p( ),j EP kj ( + 1)
S
(
+
1)
(
),0
j
X
V
(
)
p( ),j EP kj ( + 1)
X(
) ( + 1)
S
(
)
0
j
X
H
(
+
1)
j
M 1
p( ),j EP kj ( + 1)
X(
) ( + 1)
( )
S
(
+
1)
(
),0
j
X
V
(
)
p( ),j EP kj ( + 1)
X( ) ( + 1)
S
(
)
0
j
X
H
(
+
1)
j
p( ),j EP kj ( + 1)
X( ) ( + 1) . (A.34)
S
(
+
1)
(
),0
j
80
p( ),j E(j )
=
2
S( ),0 ( + 1)
X
V ( )2
S0 ( )2
j
X
Hj ( + 1)
V ( ) +
2
p( ),j EP kj ( + 1)
S
(
+
1)
S0 ( )
( ),0
j
(
2 )
X
Hj ( + 1)
p( ),j EP kj ( + 1)
S
( ),0 ( + 1)
j
X
M 1
p( ),j EP kj ( + 1)X(
) ( + 1)
( )
X
V ( )2
p( ),j EP kj ( + 1)X( ) ( + 1)
S0 ( )2
j
X
M 1
p( ),j EP kj ( + 1)X(
) ( + 1)
( )
j
X
V ( )
Hj ( + 1)
X( ) ( + 1)
p( ),j EP kj ( + 1)
S
(
+
1)
S
0 ( )
(
),0
j
X
H
(
+
1)
j
M 1
p( ),j EP kj ( + 1)
X(
) ( + 1)
( )
S
(
+
1)
(
),0
j
X
V ( )
p( ),j EP kj ( + 1)X( ) ( + 1)
+
S0 ( )
j
X
H
(
+
1)
j
M 1
p( ),j EP kj ( + 1)
X(
) ( + 1)
( )
S
(
+
1)
(
),0
j
X
H
(
+
1)
j
p( ),j EP kj ( + 1)
X( ) ( + 1) . (A.35)
S( ),0 ( + 1)
j
81
V ( ), obtemos:
J (V ( ), ( ), ) =
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
2
X
S( ),0 ( + 1)
2
P
p( ),j E kj ( + 1)X( ) ( + 1)
V ( )
2
S
(
)
0
j
|
{z
}
a( ) ( )2
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
X
S( ),0 ( + 1)
V ( )+
p( ),j EP kj ( + 1)Hj ( + 1)X( ) ( + 1)
S0 ( )
j
|
{z
}
a( ) ( )
n
o
X
2
X
X
X
1
p( ),j EP kj ( + 1)Hj ( + 1)X( ) ( + 1) +
M(
p( ),j E(j ).
)
j
(A.36)
Fazendo:
X
= a( ) ( )2
K
p( ),j EP {kj ( + 1)}
j
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
!#
X
jp( ),j EP
82
kj ( + 1)X( ) ( + 1)
, (A.37)
X
= a( ) ( )
U
p( ),j EP {kj ( + 1)Hj ( + 1)}
j
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
p( ),j EP
kj ( + 1)Hj ( + 1)X( ) ( + 1) , (A.38)
=
R
n
o
2
p( ),j EP kj ( + 1) (Hj ( + 1))
X
X
X
1
P
+
p
E
(k
(
+
1)H
(
+
1)X
(
+
1))
p( ),j E(j ),
M(
j
j
(
),j
(
)
)
j
(A.39)
podemos escrever a Expresso (A.36) como:
J (V ( ), ( ), ) =
2
2
2
U
U
1/2
1/2 U
K V ( ) 2K
V ( ) + 1/2
. (A.40)
+ R 1/2
1/2
K
K
K
|
{z
} |
{z
}
1/2 V ( )
K
U
1/2
K
Portanto:
2
2
V ( ) U
U .
J (V ( ), ( ), ) = K
+R
K
| {z K}
(A.41)
i
1
P
EP k( +1) ( + 1) X(
,
) ( + 1) M( ) E k( +1) ( + 1) X( ) ( + 1)
(A.42)
onde M( ) , dado pela Expresso (A.43), pode ser rescrito como:
n
o
(A.43)
EP k( +1) ( + 1)X(
) ( + 1) M( )
i
EP k( +1) ( + 1)H( +1) ( + 1)X( ) ( + 1) , (A.44)
O
segundo termo da Expresso(A.44) pode ser rescrito "jogando-se"o termo
1
EP k( +1) ( + 1)X(
) ( + 1) M( ) , que F -mensurvel, para dentro
do valor esperado:
h
= a( ) ( ) E P k( +1) ( + 1)H( +1) ( + 1)
U
1
EP EP k( +1) ( + 1)X(
) ( + 1) M( )
i
k( +1) ( + 1)H( +1) ( + 1)X( ) ( + 1) . (A.45)
Unificando os valores esperados e simplificando, obtemos:
h
2 P
U = a( ) ( ) E
k( +1) ( + 1)
h
i
i
1
EP k( +1) ( + 1)X(
(
+
1)
M
k
(
+
1)X
(
+
1)
(
+1)
(
)
)
( )
H( +1) ( + 1)
. (A.46)
a( ) ( )
=
O termo H
= U =
H
K
1
K
a( ) ( )2
EP
h
h
i
1
M(
) k( +1) (
iH
( +1) ( + 1)
+ 1)X( ) ( + 1)
. (A.47)
a( ) ( )
J (V ( ), ( ), ) = K
2
2
U ,
+R
| {z K}
84
(A.49)
(A.50)
j que:
k(T ) (T ) = 1
(T ) (T ) = 0
(T ) = 1, . . . , N
(A.51)
n
o
2
min E
k( +1) ( + 1) V ( + 1) H( +1) ( + 1) + ( +1) ( + 1)|F =
u( )
n
o
2
P
min E
k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F
+
u( )
E P ( +1) ( + 1)|F
(A.52)
P
onde:
E P (( +1) ( + 1)|F ) =
p( +1),j E P (j ( + 1)|F ),
(A.53)
e
2
E P k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F =
"
E P k( +1) ( + 1)
2
V ( +1)
"
E P k( +1) ( + 1)S( ),0 ( + 1)2
a( ) ( )
H( +1) ( + 1)
V ( ) + X(
) ( + 1)u( )
S( ),0 ( + 1)
S( ),0 ( + 1)
2 #
F
(A.54)
85
rescrita como:
2
E P (k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F ) =
E P k( +1) ( + 1)S( ),0 ( + 1)2
H( +1) ( + 1)
V ( )
+ X(
) ( + 1)u( )
S0 ( )
S( ),0 ( + 1)
2 !
F
(A.55)
Hj ( + 1)
V ( )
+ X(
) ( + 1)u( )
S0 ( )
S( ),0 ( + 1)
2 )
F . (A.56)
Escrevendo:
q
Xj = S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
e
q
V ( )
Hj ( + 1)
Yj = S( ),0 ( + 1) kj ( + 1)
,
S0 ( ) S( ),0 ( + 1)
(A.57)
(A.58)
n
o
X
X
2
min
p( ),j E Yj + Xj u( ) |F +
p( ),j E P (j ( + 1)|F ) .
u( )
(A.59)
86
X
X
u
( ) =
p( ),j EP (Xj Xj )
p( ),j EP (Xj Yj ) =
j
(
X
p( ),j EP
q
S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
|
{z
}
Xj
S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
|
{z
}
Xj
X
P
p( ),j E S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
{z
}
j
|
Xj
q
V ( )
Hj ( + 1)
. (A.60)
S( ),0 ( + 1) kj ( + 1)
S0 ( ) S( ),0 ( + 1)
{z
}
|
Yj
1
n
o
X
u
( ) =
p( ),j EP kj ( + 1)X( ) ( + 1) X(
) ( + 1)
j
V ( )
Hj ( + 1)
kj ( + 1)X( ) ( + 1)
=
S0 ( ) S( ),0 ( + 1)
j
h
n
oi1
. (A.61)
EP k( +1) ( + 1)X( ) ( + 1)
S0 ( )
S( ),0 ( + 1)
p( ),j EP
87
p( ),j EP (Yj2 )
1
X
X
p( ),j EP (Yj Xj )
p( ),j EP (Xj Xj )
j
p( ),j EP (Xj Yj ) +
p( ),j EP (j ) =
(
2 )
q
X
Hj ( + 1)
V ( )
P
p( ),j E
S( ),0 ( + 1) kj ( + 1)
S0 ( ) S( ),0 ( + 1)
j
q
X
p( ),j EP S( ),0 ( + 1) kj ( + 1)X( ) ( + 1)
j
1
q
S( ),0 ( + 1) kj ( + 1)X( ) ( + 1)
q
X
q
Hj ( + 1)
V ( )
+
S( ),0 ( + 1) kj ( + 1)
S0 ( ) S( ),0 ( + 1)
X
p( ),j EP (j ) . (A.62)
j
(
2 )
X
V ( )
Hj ( + 1)
P
p( ),j E kj ( + 1)
S0 ( ) S( ),0 ( + 1)
j
X
H
(
+
1)
V
(
)
j
X(
p( ),j EP (kj ( + 1)
) ( + 1)) M( )
S
(
)
S
(
+
1)
0
(
),0
j
X
V
(
)
H
(
+
1)
j
p( ),j EP (kj ( + 1)
X( ) ( + 1))
S0 ( ) S( ),0 ( + 1)
j
X
+
p( ),j E(j ), (A.63)
j
onde:
M( ) =
n
o
n
o
88
Para completar a prova por induo finita, precisamos mostrar que J(V ( ), ( ), )
pode ser escrito da seguinte forma:
2
J(V ( ), ( ), ) = k( ) ( ) V ( ) H( ) ( ) + ( ) ( ).
(A.65)
Isso, de fato, pode ser feito. De acordo com o Lema A.3, a Expresso (A.63)
pode ser expressa na forma da Expresso (A.65) se assumirmos que:
h
k( ) ( ) = a( ) ( )2 EP k( +1) ( + 1)
i
1
P
EP k( +1) ( + 1) X(
(
+
1)
M
E
k
(
+
1)
X
(
+
1)
,
( +1)
( )
)
( )
(A.66)
H( ) ( ) =
EP
1
k( ) ( )
a( ) ( )2
h
h
i
n
o
(A.68)
2
=R
U ,
( ) ( ) = L
(A.69)
K
conforme definido no Lema A.3.
Para encontrarmos uma expresso mais simples para ( ) ( ), resolvamos o
problema dado pela Equao (A.59) considerando:
q
(A.70)
Xj = S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
e
q
H( ) ( )
Hj ( + 1)
Yj = S( ),0 ( + 1) kj ( + 1)
.
S0 ( )
S( ),0 ( + 1)
89
(A.71)
min
u( )
p( ),j E
o
X
2
Yj + Xj u( ) |F +
p( ),j E (j ( + 1)|F ) =
X
min
p( ),j E kj ( + 1) a( ) ( )H( ) ( )+
u( )
S( ),0 ( +
1)X(
) (
!
2
+
+ 1)u( ) Hj ( + 1) |F
min E k( +1) ( + 1) a( ) ( )H( ) ( ) +
u( )
S( ),0 ( +
1)X(
) (
2
+ 1)u( ) H( +1) ( + 1) |F
+
E(( +1) ( + 1)|F ). (A.72)
1
n
o
X
u( ) =
p( ),j EP kj ( + 1)X( ) ( + 1)X(
) ( + 1)
j
H( ) ( )
Hj ( + 1)
kj ( + 1)X( ) ( + 1)
=
S0 ( )
S( ),0 ( + 1)
j
h
n
oi1
. (A.73)
EP k( +1) ( + 1)X( ) ( + 1)
S0 ( )
S( ),0 ( + 1)
X
p( ),j EP
90
car. Assim:
X
( ) ( ) =
p( ),j EP kj ( + 1) a( ) ( )H( ) ( ) +
j
S( ),0 ( +
1)X(
) (
!
2
+
+ 1)u( ) Hj ( + 1)
p( ),j EP (j ( + 1)) =
J (V (0), (0), 0)
=
(V (0))
V (0)=V (0)
2
(A.78)
(A.79)
T 1
Y
H(T
)
P
Q
P
H(T 1) = ET 1
=
mj+1,j ((j + 1)) T 1
j=T 1
a(j) (j)
j=T 1
Q
ETP 1 mP
T ,T 1
H(T )
a(T 1) (T 1)
. (A.82)
(A.83)
Assumindo que seja verdadeira a Expresso (3.43), e substituindo esta expresso (juntamente com a Expresso (3.44)) na Equao (A.83), obtemos:
H( 1) ( 1) =
QT 1 P Q
H(T ) (T )
Q
E
m
((j
+
1))
T 1
j+1,j
j=
a(j) (j)
j=
P Q
P
=
E 1 m, 1 (( ))
a( 1) ( 1)
TY
H
(T
)
(T )
Q
EP1 EP
mP
((j
+
1))
. (A.84)
QT 1
j+1,j
a(j) (j)
j= 1
j= 1
Usando a lei das expectativas iteradas, i.e., EP1 {EP {X}} = EP1 {X}, a
ltima expresso pode ser simplificada para:
1
TY
H
(T
)
(T )
Q
H( 1) ( 1) = EP1
mP
((j
+
1))
. (A.85)
QT 1
j+1,j
a(j) (j)
j= 1
j= 1
n
o
Q
P Q
Q
P
Usando o fato de que mP
mP+1,
(( + 1)) =
j+1,j e mj,j1 so independentes, e que E
1, podemos escrever:
1
TY
n
o
Q
P Q
P
EP1 mP
=
E
m
((j
+
1))
=
j+1,j
T ,
j= 1
TY
1
n
o
Q
EP mP
j+1,j ((j + 1)) = 1. (A.86)
j= 1
Q
Q
Alm disso, mP
FT -mensurvel. Portanto, a expresso mP
pode ser
T ,
T ,
interpretada como uma mudana de medida de probabilidade da medida P para
92
(T ) (T )
Q
H( 1) ( 1) = E 1
.
(A.87)
TQ
1
a(j) (j)
j= 1
(A.88)
1
M 1 = EP {k( + 1)X( + 1)X ( + 1)}
=
1
n
o . (A.89)
2
EP k( + 1) (X( + 1))
Usando estas relaes, a Expresso (3.48) pode ser escrita como:
(
1
k( + 1)
H( ) = k( ) EP
a( )2
EP
k( )
a( )2
}
{
H( ) = EP
.
k( )
a( )
2
Como
a( )
(A.91)
Substituindo a Equao (3.58) na expresso acima, obtemos as equaes
(3.60) e (3.59):
k( + 1)
Q
mP
+1,
EP {k( + 1)}
+ 1)X( + 1)
93
(A.92)
H( ) =
EP
P Q H( + 1)
m +1,
.
a( )
(A.93)
As outras expresses deste corolrio podem ser trivialmente obtidas. Portanto, no h necessidade de desenvolvimentos adicionais.
Demonstrao do Corolrio 3.9. A prova deste corolrio trivial. Basta
substituir (0) = 1 no Teorema 3.2.
Demonstrao do Corolrio 3.10. A prova deste corolrio trivial. Basta
substituir (j) = 1, j {0, . . . , T }, no Teorema 3.4.
Demonstrao do Lema 4.1. A Equao (4.30) pode ser rescrita como:
1 2
S( )
(r)t
P
exp W ( + 1) t
X( + 1) =
e
S0 ( )
2
{z
}
|
Z1 (t )
(t )
n
oN Y
2
P
Y + 12 Y
P
exp 1 e
t
eYi 1
. (A.94)
i=1
{z
}
|
Z2 (t )
X( + 1) =
e(r)t
S( ) (r)t
e
1 (r)t
1
S0 ( )
e
|
{z
}
1 (t )
Z1 (t )Z2 (t ) +
. (A.95)
e(r)t 1
|
{z
}
0 (t )
Definindo:
0 (t ) =
1 (t ) =
1
e(r)t
e(r)t
,
e(r)t 1
(A.96)
(A.97)
S( ) (r)t
e
1 (0 (t ) + 1 (t ) Z1 (t )Z2 (t )) .
S0 ( )
(A.98)
94
Y
i=1
Q f Q (YiP )
,
P f P (YiP )
(A.99)
Y
i
f P (YiP ) =
exp
.
(A.100)
2
Y
2Y
Portanto, para que a Igualdade (A.99) seja possvel, devemos encontrar
f Q (YiP ) e Q tais que:
N P (t )
(P Q )t
Y
i=1
Q f Q (YiP )
P
2 ! =
1
1
Y
Y
i
P
exp
2
Y
2Y
{z
}
|
f P (YiP )
(t )
n
oN Y
P
1 2
exp 1 eY + 2 Y P t
eYi . (A.101)
i=1
{z
Z2 (t )
2Y
(YiP )
f
P
2 = e
1 Yi Y
exp 2
Y
YiP
= f Q (YiP ) =
12
1
e
2Y
2 +
YiP Y
Y
Y
!2
(A.103)
Portanto, Z2 (t ) de fato pode ser escrito na forma da Equao (A.99), com
f P (YiP ), Q e f Q (YiP ) dados, respectivamente, por (A.100), (A.102), e (A.103),
completando a prova.
Lema A.4. Seja X( + 1) tal como definido no Lema 4.1. Nestas condies,
EP {X( + 1)} e EP {(X( + 1))2 } podem ser expressos como:
EP {X( + 1)} =
S( ) (r)t
e
1 ,
S0 ( )
95
(A.104)
n
o S( ) 2 n
h
2
EP (X( + 1)) =
exp 2 2r + 2 +
S0 ( )
i
o
2
2
2(Y
+Y )
Y + 21 Y
P
+e
t 2 exp [( r) t ] + 1
(A.105)
1 2e
Demonstrao. Calculemos inicialmente EP {X( +1)}. Como os processos
Z1 (t ) e Z2 (t ) dados, respectivamente, pelas Equaes (4.34) e (4.35) so
independentes, temos:
EP {X( + 1)} =
S( ) (r)t
e
1 0 (t ) + 1 (t )EP {Z1 (t )} EP {Z2 (t )} .
S0 ( )
(A.106)
Sendo uma varivel aleatria com distribuio normal de mdia e vari2
ncia 2 , i.e., N ( ,
), temos:
1
2
E eu = exp u + u2
2
(A.107)
{Z1 (t )} =
EP
)
1 2
exp W ( + 1) t
=
2
{z
}
|
1
1
exp 2 t + 2 t = 1. (A.108)
| {z }
| 2 {z } 2 12 2
96
P
m
EP {(J(t )) } = EP
eYi
=
i=1
( k
)
(t )
N Y
n
o
Y
P
P
P
mYi
P
P
mYiP
E E
e
|N [t ] = k
= E
E e
=
i=1
i=1
( k
)
k
Y
2
2 2
1
P
mY + 12 m2 Y
E
e
= EP
emY + 2 m Y
=
i=1
k
k
2 2
P
1
emY + 2 m Y
e t P t
X
k!
k=0
P
k
2 2
1
P t emY + 2 m Y
X
k!
k=0
P
h
i
2 2
2 2
1
1
exp P t emY + 2 m Y = exp P t emY + 2 m Y 1 .
(A.110)
(t )
N Y
h
i
P
1 2
E P {J(t )} = E P
eYi
= exp P t eY + 2 Y 1 . (A.111)
i=1
2
Y + 21 Y
Z2 (t ) = exp t 1 e
(t )
i N Y
eYi .
(A.112)
i=1
(t )
N Y
i
h
P
1 2
eYi
= 1.
EP {Z2 (t )} = exp P t 1 eY + 2 Y EP
i=1
(A.113)
Portanto, substituindo na Expresso (A.106) os resultados obtidos em (A.108)
e (A.113), e usando as equaes (4.32) e (4.33), obtemos:
EP {X( + 1)} =
S( ) (r)t
e
1 (0 (t ) + 1 (t )) =
S0 ( )
S( ) (r)t
e
1 . (A.114)
S0 ( )
97
Calculemos agora EP (X( + 1))2 . Usando a Equao (4.31), obtemos
para (X( + 1))2 :
2
(X( + 1)) =
S( )
S0 ( )
2
2
e(r)t 1
2
0 (t )2 + 20 (t )1 (t )Z1 (t )Z2 (t ) + 1 (t ) Z1 (t )2 Z2 (t )2 .
(A.115)
Calculando o valor esperado desta expresso, obtemos:
EP
n
o S( ) 2
2
2
(X( + 1)) =
e(r)t 1
S0 ( )
0 (t )2 + 20 (t )1 (t )EP {Z1 (t )} EP {Z2 (t )} +
2
1 (t ) EP Z1 (t )2 EP Z2 (t )2 . (A.116)
Usando a Expresso (A.107) com u = 2 obtemos EP Z1 (t )2 :
=
EP Z1 (t )2 = EP exp 2WP ( + 1)- 2 t
|
{z
}
2
1
exp t + 4 2 t = e t . (A.117)
| {z } 2 | {z }
2
22
Usando a Expresso (A.110) com u = 2 obtemos EP Z2 (t )2 :
EP
P
(t )
h
i N Y
P
1 2
Z2 (t )2 = EP exp 2P t 1 eY + 2 Y
e2Yi
=
i=1
P
(t )
N Y
i
h
P
1 2
exp 2P t 1 eY + 2 Y EP
e2Yi
=
i=1
i
h
i
h
1 2 2
1 2
exp 2P t 1 eY + 2 Y exp P t e2Y + 2 2 Y 1 =
i
h
2
1 2
exp P 1 2e 2 Y +Y + e2(Y +Y ) t . (A.118)
EP
2
EP {k( + 1)X( + 1)}
n
o ; k(T ) = 1
{k( + 1)}
2
EP k( + 1) (X( + 1))
(A.120)
k( ) =
(i),
(A.121)
i=
onde:
2
e(r)ti 1
(i) = 1
,
A
A = exp
h
(A.122)
i
2
1 2
2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) ti
2 exp [( r) ti ] + 1. (A.123)
k( + 1) =
(i)
(A.124)
(i) = 1.
(A.125)
i= +1
TY
1
i=T
No instante :
k( ) =
EP
2
EP {k( + 1)X( + 1)}
n
o=
{k( + 1)}
2
EP k( + 1) (X( + 1))
nQ
o2
(T 1)
1)
(TY
EP
(i)X(
+
1)
i= +1
n
o . (A.126)
EP
(i)
i= +1
O processo
Q(T 1)
i= +1
2
EP {X( + 1)}
n
o .
k( ) =
(i) 1
2
EP (X( + 1))
i= +1
(T 1)
(A.127)
(A.128)
2
1 2
A = exp 2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t
2 exp [( r) t ] + 1. (A.129)
Portanto:
(T 1)
e(r)t 1
k( ) =
(i) 1
A
i= +1
|
{z
Y
2 !
( )
(T 1)
(i).
(A.130)
i=
(aj + bj ) =
(np)
n X
X
aj
p=0 l=1
j=1
(p)
n X
X
n
jCp,l
n
Y
p=0 l=1
bj =
n
jCnp,s
1C n (j)
(aj )
p,l
j=1
n
Y
1C n
(bj )
np,s
(j)
(A.131)
j=1
Onde:
s=[
n
p
l + 1];
n
Cpn o conjunto cujos elementos Cp,l
(1 l np ) so subconjuntos,
dispostos em ordem lexicogrfica, formados por p (0 p n) elementos
extrados do conjunto {1, , n};
n
n
n
(1 s np
= np ) so
o conjunto cujos elementos Cnp,s
Cnp
subconjuntos, dispostos em ordem lexicogrfica, formados por n p (0
p n) elementos extrados do conjunto {1, , n};
n!
O conjunto Cpn possui np = p!(np)!
elementos, e cada um desses elementos um conjunto contendo p elementos
extrados do conjunto {1, , n}. O
n
n!
n
conjunto Cnp
tambm possui np
= p!(np)!
elementos, e cada um desses elementos um conjunto contendo n p elementos extrados do conjunto
{1, , n}.
Demonstrao. Seja a prova por induo finita em n.
100
Para n = 1, temos:
(np)
n X
X
p=0 l=1
aj
n
jCp,l
bj =
n
jCnp,s
(p1)
1 X
X
aj
p=0 l=1
(10)
X
aj
1
jC0,l
l=1
1
jCp,l
bj +
1
jC10,s
(11)
X
1
jC1,l
b j =
1
jC11,s
aj
l=1
{z
bj =
1
jC1p,s
{z
p=1
p=0
a1 + b1 . (A.132)
Assumindo que a Expresso (A.131) seja vlida para n, devemos provar que
ela tambm vlida para n + 1, i.e.:
n+1
p )
n+1
n+1
Y
X (X
Y
Y
aj
(aj + bj ) =
bj .
(A.133)
p=0 l=1
j=1
n+1
jCp,l
n+1
jCn+1p,s
n
so disposInicialmente, notemos que os elementos dos conjuntos Cpn e Cnp
tos em ordem lexicogrfica. Assim, por construo, para qualquer l, 1 l np
n
n
e s = [ np l 1], os conjuntos Cp,l
e Cnp,s
formam uma partio do conn
n
n
n
junto {1, 2, . . . n}, ou seja, Cp,l Cnp,s = {1, 2, . . . , n} e Cp,l
Cnp,s
= .
Consideremos a soma:
n+1
(X
p )
Y
Y
(A.134)
aj
bj .
S=
n+1
jCn+1p,s
n+1
jCp,l
l=1
A soma S composta por n+1
parcelas. Cada parcela da soma S um
p
n+1
n+1
produto de n + 1 fatores. Como os conjuntos Cp,l
e Cn+1p,s
formam uma
partio do conjunto {1, 2, . . . , n, n+1}, ento cada parcela da soma S ou possui
o fator an+1 ou possui o fator bn+1 . Dessa forma, possvel rescrever a soma S
evidenciando os termos an+1 e bn+1 :
n+1
(X
p )
Y
S=
aj
l=1
n+1
jCp,l
bj =
n+1
jCn+1p,s
bn+1
(np)
X
aj
l=1
an+1
n
jCp,l
n
(X
p1)
l=1
b j +
n
jCnp,s
n
jCp1,l
101
aj
Y
n
jCn(p1),s
bj . (A.135)
Notemos que a soma S, que continha n+1
parcelas, foi dividida em duas
p
n
n
n+1
n
somas com p e p1 parcelas. Com efeito, p = np + p1
.
Considerando esse resultado parcial, rescrevemos a expresso abaixo, separando as parcelas p = 0 e p = n + 1:
n+1
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
bj =
n+1
jCn+1p,s
n+1
(X
0 )
Y
aj
n+1
jC0,l
l=1
b j +
n+1
jCn+10,s
{z
T1
n+1
p )
n (X
Y
X
aj
p=1 l=1
bj
n+1
jCn+1p,s
n+1
jCp,l
{z
T2
n+1
(X
n+1)
aj
n+1
jCn+1,l
l=1
bj . (A.136)
n+1
jCn+1(n+1),s
{z
T3
Temos que:
n+1
(X
0 )
Y
aj
T1 =
l=1
n+1
jC0,l
b j =
n+1
jCn+10,s
(n0 )
X
bn+1
T3 = an+1
n
jC0,l
aj
n
jCn,l
102
bj , (A.137)
n
jCn0,s
l=1
aj
l=1
(nn)
X
Y
n
jCnn,s
b j .
(A.138)
n+1
p )
n (X
X
Y
aj
p=1 l=1
n+1
jCp,l
n
X
bn+1
(np)
X
(X)
(p)
n X
X
aj
n
jCp,l
n
an+1
b j =
n
jCn(p1),s
p=1 l=1
aj
n
jCp1,l
l=1
bj +
n
jCnp,s
p=1
aj
n
jCp,l
l=1
an+1
n
p1
bn+1
bj =
n+1
jCn+1p,s
p=1
n
X
(p)
n1
XX
bj +
n
jCnp,s
aj
n
jCp,l
p=0 l=1
bj . (A.139)
n
jCnp,s
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
n+1
jCn+1p,s
bn+1
(n0 )
X
(p)
n X
X
aj
n
jCp,l
p=1 l=1
n
bj +
aj
n
jCp,l
an+1
n
jCnp,s
p=0 l=1
bj +
n
jCn0,s
(p)
n1
XX
aj
n
jC0,l
n
bn+1
l=1
an+1
bj =
(nn)
X
n
jCn,l
103
bj +
n
jCnp,s
l=1
aj
Y
n
jCnn,s
bj . (A.140)
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
bj =
n+1
jCn+1p,s
n
bn+1
(p)
n X
X
aj
n
jCp,l
p=0 l=1
an+1
(np)
n X
X
bj +
n
jCnp,s
aj
bj , (A.141)
n
jCnp,s
n
jCp,l
p=0 l=1
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
bj =
n+1
jCn+1p,s
(an+1 + bn+1 )
(np)
n X
X
aj
n
jCp,l
p=0 l=1
n
Q
bj . (A.142)
n
jCnp,s
{z
(aj +bj )
j=1
(np)
n
n X
Y
X
Y
Y
(aj + bj ) =
aj
p=0 l=1
j=1
Portanto:
n+1
(
p )
n+1
X X Y
aj
p=0 l=1
n
jCp,l
n+1
jCp,l
bj .
(A.143)
n
jCnp,s
bj =
n+1
jCn+1p,s
(an+1 + bn+1 )
n
Y
j=1
(aj + bj ) =
n+1
Y
(aj + bj ) , (A.144)
j=1
j=1
(A.145)
Vejamos como fica a frmula:
(p3)
3 X
X
Y
Y
aj
p=0 l=1
3
jCp,l
bj , s =
3
jC3p,s
3
l+1 .
p
(A.146)
p=0 l=1
aj
3
jCp,l
bj =
3
jC3p,s
(30)
X
aj
3
jC0,l
l=1
(31)
X
l=1
3
jC1,l
aj
bj +
3
jC3,2l
b j +
3
jC2,4l
(32)
X
3
jC3,l
b j +
3
jC1,4l
l=1
aj
3
jC2,l
l=1
(33)
X
aj
bj . (A.147)
3
jC0,2l
1
X
Y
Y
Y
Y
aj
bj =
aj
bj = b1 b2 b3 .
l=1
3
jC0,l
3
jC3,2l
3
jC0,1
3
jC3,1
(A.148)
105
3
X
aj
3
jC1,l
l=1
aj
3
jC1,1
b j =
3
jC2,4l
bj +
3
jC2,3
aj
3
jC1,2
bj +
3
jC2,2
aj
3
jC1,3
bj =
3
jC2,1
a1 b2 b3 + a2 b1 b3 + a3 b1 b2 . (A.149)
3
X
Y
3
jC2,1
1
X
aj
bj +
3
jC1,3
aj
3
jC3,l
bj +
3
jC1,2
aj
3
jC2,3
bj =
3
jC1,1
a1 a2 b3 + a1 a3 b2 + a2 a3 b1 . (A.150)
Y
Y
bj =
aj
bj = a1 a2 a3 .
aj
3
jC2,2
l=1
b j =
3
jC1,4l
3
jC2,l
aj
l=1
3
jC0,2l
3
jC3,1
3
jC0,1
(A.151)
Juntando os termos acima, a Expresso (A.147) se torna:
(p3)
3 X
X
a3p
bj =
n
jCp,l
p=0 l=1
3
Y
(aj + bj ) ,
j=1
(A.152)
que exatamente igual ao resultado da Expresso (A.145).
Lema A.7. Sejam X( + 1) e k( ) processos tais como definidos no Lema
Q
A.5. O processo mP
+1, definido por:
EP {k( +1)X( +1)}
k( + 1) E P k( +1)(X( +1))2 k( + 1)X( + 1)
}
{
Q
mP
=
(A.153)
+1,
(EP {k( +1)X( +1)})2
P
E {k( + 1)} E P k( +1)(X( +1))2
}
{
pode ser expresso como:
Q
mP
+1, = a0 (t ) + a1 (t )Z1 (t )Z2 (t ),
(A.154)
onde:
1 2
t r+2e 2 Y +Y P P
a0 (t ) =
1 2
1+2e 2 Y +Y
t P
106
2 2 +Y ) P
2 +e ( Y
2 2 +Y )
2 +e ( Y
P
(A.155)
1 2
1+2e 2 Y +Y t P
a1 (t ) =
1 2
1+2e 2 Y +Y
1 2
t r+2e 2 Y +Y P P
t P
2 2 +Y )
2 +e ( Y
P
e
1 2
P
Z1 (t ) = exp W ( + 1) t ,
2
e
N P (t )
(P Q )t
Z2 (t ) = e
i=1
(A.157)
Q f Q (YiP )
,
P f P (YiP )
(A.158)
Q = P e 2 Y +Y ,
21
1
f P (YiP ) =
e
2Y
(A.159)
YiP Y
Y
2 +
YiP Y
Y
Y
2
1
e
f Q (YiP ) =
2Y
(A.156)
,
)
(A.160)
!2
(A.161)
Q
P Q
Alm disso, EP {mP
+1, } = 1 e m +1, F +1 -mensurvel.
E P {X( +1)}
1 E P (X( +1))2 X( + 1)
}
{
.
P
(E { X( +1)})2
1 E P (X( +1))2
}
{
(A.162)
Q
Substituindo na expresso de mP
+1, acima os resultados do Lema A.4 para
EP {X( + 1)} e para EP {(X( + 1))2 }, e a Equao (4.30) para X( + 1),
obtemos:
Q
mP
+1, =
ff
h
iQ P
1 2
N (t ) Y P
exp W P ( +1)+ r eY + 2 Y 1 P 21 2 t
e i 1
i=1
1 2
2 2 +Y )
t 2 exp[(r)t ]+1
exp 22r+ 2 +P 12eY + 2 Y +e ( Y
(e(r)t 1)
(e(r)t 1)
1 2
2 2 +Y )
+
exp 22r+ 2 +P 12e Y 2 Y +e ( Y
t 2 exp[(r)t ]+1
(A.163)
Definindo:
1 2
t r+2e 2 Y +Y P P
a0 (t ) =
1 2
1+2e 2 Y +Y
t P
107
2 2 +Y ) P
2 +e ( Y
2 2 +Y )
P
2 +e ( Y
(A.164)
1 2
1+2e 2 Y +Y t P
a1 (t ) =
1 2
1+2e 2 Y +Y
1 2
t r+2e 2 Y +Y P P
t P
2 2 +Y )
2 +e ( Y
P
(A.165)
exp
2
Y + 12 Y
1e
N P (t )
P t
YiP
. (A.166)
i=1
{z
Z2 (t )
Y
i=1
Q f Q (YiP )
,
P f P (YiP )
(A.167)
(A.168)
Q
P Q
P
Alm disso, notemos que mP
+1, F +1 -mensurvel, e que E {m +1, } = 1.
De fato:
n
o
Q
EP mP
= EP {a0 (t ) + a1 (t ) Z1 (t )Z2 (t )} =
+1,
Q
mP
T ,
n
X
anp
ap1
0
p=0
(np)
X
l=1
108
Ql
,
mP
T ,
(A.170)
onde:
n = T ,
(A.171)
l
mTP Q
= Z1,l (pt)Z2 (pt),
,
(A.172)
X
n
jCp,l
1
W P ( + j) 2 t =
2
n
X
1
exp
l ( + j 1)W P ( + j) l2 ( + j 1)t , (A.173)
2
j=1
n (j),
l ( + j 1) = ICp,l
n (j) =
ICp,l
n
j Cp,l
,
n
j
/ Cp,l
1, se
0, se
N P (pt)
P
Q
Z2 (pt) = e( )pt
Y
i=1
(A.174)
(A.175)
Q f Q (YiP )
,
P f P (YiP )
Q = P e 2 Y +Y ,
(YiP )
21
1
e
=
2Y
f Q (YiP ) =
21
1
e
2Y
YiP Y
Y
(A.176)
(A.177)
2 +
YiP Y
Y
Y
,
)
(A.178)
!2
(A.179)
(A.180)
onde:
1
Z1 (t +j1 ) = exp W P ( + j) 2 t +j1 ,
2
109
(A.181)
N P (t +j1 )
(P Q )t +j1
Z2 (t +j1 ) = e
i=1
Q f Q (YiP )
.
P f P (YiP )
(A.182)
Q
Substituindo esta expresso na expresso de mP
(Equao 3.66) do CoT ,
rolrio 3.10, obtemos:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j =
j=
n=T
Y
Q
mP
+j, +j1 =
j=1
n=T
Y
j=1
a0 + a1 Z1 (t +j1 )Z2 (t +j1 ) . (A.183)
|{z} |
{z
}
bj
aj
n
Y
(bj + aj ) =
(p)
n X
X
p=0 l=1
j=1
anp
0
n
jCp,l
(A.184)
n
Expandindo o produtrio em j Cp,l
, a expresso acima se torna:
Q
mP
T ,
(np)
n X
X
Y
np p Y
Z1 (t +j1 )
=
Z2 (t +j1 )
a0 a1
. (A.185)
n
n
p=0 l=1
jCp,l
jCp,l
|
{z
}|
{z
}
Z1,l (pt)
Z2 (pt)
1
Z1,l (pt) =
Z1 (t +j1 ) =
exp W ( + j) 2 t +j1
2
n
n
jCp,l
jCp,l
X
1
exp
W P ( + j) 2 t =
2
n
jCp,l
n
X
2
1
P
n (j)
n (j) W
exp
( + j)
ICp,l
t , (A.186)
ICp,l
2|
j=1 | {z }
{z
}
l ( +j1)
l2 ( +j1)
110
Z2 (pt) =
Z2 (t +j1 ) =
n
jCp,l
Q Q
P
f
(Y
)
i
e( )t +j1
=
P f P (Y P )
n
i
i=1
jCp,l
P
N (t +j1 ) Q Q
P
Y
Y
Y
P
Q
f (Yi )
e( )t +j1
. (A.187)
P f P (YiP )
n
n
i=1
jCp,l
jCp,l
|
{z
}|
{z
}
N P (t +j1 )
Z2,a (pt)
Z2,b (pt)
(A.188)
jC n
p,l
N P (t +j1 )
Q f Q (YiP )
=
P f P (YiP )
Z2,b (pt) =
i=1
NP (
jC n
p,l
Y
i=1
t +j1 )
Q f Q (YiP )
=
P f P (YiP )
N P (pt)
Y
i=1
Q f Q (YiP )
. (A.189)
P f P (YiP )
Definindo:
Ql
mP
= Z1,l (pt)Z2 (pt) = Z1,l (pt) Z2,a (pt)Z2,b (pt),
T ,
{z
}
|
(A.190)
Z2 (pt)
Q
na Expresso (A.185) da seguinte forma:
podemos escrever mP
T ,
Q
mP
T ,
(np)
n X
X
Ql
anp
ap1 mP
0
T ,
p=0 l=1
n
X
p=0
anp
ap1
0
(np)
X
Ql
mP
,
T ,
(A.191)
l=1
(np)
n
X
X
H(T )
np p
P Ql
P
H( ) = E
a0 a1
mT , QT 1
=
p=0
j= a(j)
l=1
(p)
n
X
X
H(T
)
p
np
P
Q
P
l
E
a0 a1
mT , T 1
. (A.192)
l=1
p=0
a(j)
j=
111
(p)
n
X
np p X P
P Ql H(T )
H( ) =
E mT , T 1
(A.193)
a0 a1
.
p=0
l=1
a(j)
j=
O produtrio
TY
1
j=
QT 1
a(j) =
j=
TY
1
(1 + r(j)) =
j=
S0 (T )
= er(T )t = ernt .
S0 ( )
(np)
n
n
o
X
X
np p
Ql
H( ) = ernt
EP mP
H(T ) .
a0 a1
T ,
p=0
(A.194)
(A.195)
l=1
Ql
Conforme mostrado em [32], mP
, tal como definido no Lema (A.172),
T ,
a mudana de medida de probabilidade da medida P para a medida Ql , o que
nos permite escrever a Equao (A.195) como:
n
(
p)
n
X np p X
(A.196)
EQl {H(T )} .
H( ) = ernt
a0 a1
p=0
l=1
E
k(
+
1)X(
+
1)
EP k( + 1)X( + 1) SH(
(
+1)
S
(
)
0
0
n
o
u
( ) =
.
2
P
E k( + 1) (X( + 1))
(A.197)
Usando o fato de que V ( ), S0 ( ), S0 ( + 1) e k( + 1) so F -mensurveis,
e que S0 ( + 1) = S0 ( )a( ), temos:
T1
T2
}|
{ z
}|
{
H( + 1)
P
P
E X( + 1)
V ( )E {X( + 1)}
a( )
n
o
u
( ) =
.
2
S0 ( )EP (X( + 1))
(A.198)
H(T
)
,
H( + 1) = EP+1
(a0 + a1 Z1 (t +j )Z2 (t +j )) Q
T 1
a(j)
j=1
j= +1
(A.200)
onde n
= T ( + 1) = n 1.
Lembrando que a( ) = ert , o produtrio
TQ
1
j= +1
TY
1
(A.201)
j= +1
EP+1
j=1 (a0 + a1 Z1 (t +j )Z2 (t +j )) H(T )
. (A.202)
ert ernt
113
H( + 1)
=
X( + 1)
a( )
(
(
S( ) e(r)t 1 P
P
E E +1
(0 + 1 Z1 (t )Z2 (t ))
S0 ( )
ernt
!
))
n
Y
(a0 + a1 Z1 (t +j )Z2 (t +j )) H(T )
. (A.203)
j=1
Usando a lei das expectativas iteradas, EP {EP+1 {}} = EP {}, esta expresso se torna:
H( + 1)
P
=
E X( + 1)
a( )
S( ) e(r)t 1
S0 ( )
ernt
!
(
)
n
Y
P
(a0 + a1 Z1 (t +j )Z2 (t +j )) H(T ) .
E
[0 + 1 Z1 (t )Z2 (t )]
j=1
{z
S
mP
T ,
}
(A.204)
Definindo:
(
a0
A0 (j) =
0
(
a1
A1 (j) =
1
j = 2, , T
,
j=1
(A.205)
j = 2, , T
,
j=1
(A.206)
S
podemos rescrever mP
na Expresso (A.204) da seguinte forma:
T ,
S
mP
T , =
n
Y
(A.207)
j=1
Usando agora o resultado do Lema A.6, a Expresso (A.207) pode ser rescrita
114
como:
S
mP
T , =
(np)
n X
X
Y
A0 (j) =
n
jCnp,s
n
jCp,l
(np)
n X
X
A1 (j)
A0 (j)
n
jCnp,s
n
jCp,l
p=0 l=1
Z1 (t +j1 )
n
jCp,l
Z2 (t +j1 ), (A.208)
n
jCp,l
}|
{z
Z1,l (pt)
{z
Z2 (pt)
onde s = [ np l + 1].
Faamos as seguintes simplificaes:
1IC n (1)
A1 (j) =
ap1
a1
1
A0 (j) =
anp1
a0
0
p,l
IC n (1)
p,l
= ap1
n
jCp,l
1IC n
np,s
(1)
IC n (1)
p,l
1
a1
I C n
p,l
anp
0
n
jCnp,s
(1)
0
a0
(A.209)
I C n
np,s
(1)
(A.210)
Alm disso, como j mostrado anteriormente, Z1,l (pt) (Equao (A.186))
dada por:
Y
Y
1
Z1,l (pt) =
Z1 (t +j1 ) =
exp W P ( + j) 2 t +j1 =
2
n
n
jCp,l
jCp,l
X
1
exp
W P ( + j) 2 t =
2
n
jCp,l
n
X
2
1
P
n (j) W
n (j)
exp
( + j)
ICp,l
t , (A.211)
ICp,l
2|
j=1 | {z }
{z
}
l ( +j1)
l2 ( +j1)
N P (t +j1 )
P
e(
Q )t +j1
n
jCp,l
i=1
Q Q
N P (pt)
P
Q
e( )pt
Y
i=1
115
f (YiP )
P f P (YiP )
Q f Q (YiP )
. (A.212)
P f P (YiP )
S
Portanto, podemos rescrever mP
T , , Equao (A.208), como:
S
mP
T , =
n
X
ap1 anp
0
p=0
a1
a0
#
Z1,l (pt)Z2 (pt) .
(A.213)
Substituindo esse resultado na Equao (A.204), o termo T1 da Expresso
(A.198) pode ser escrito como:
S( ) e(r)t 1 P P S
T1 =
E mT , H(T ) =
rnt
S0 ( )
e
S( ) e(r)t 1
S0 ( )
ernt
n "
#
X
np,s
p,l
0
1
p np
P
E
Z1,l (pt)Z2 (pt) H(T ) .
a1 a0
a1
a0
p=0
l=1
(A.214)
Como a esperana um operador linear, obtemos:
S( ) e(r)t 1
T1 =
S0 ( )
ernt
a1 a0
EP
a1
a
0
l=1
p=0
{z
}
|
P Ql
mT ,
(A.215)
Ql
onde mP
a mesma mudana de medida j usada na demonstrao do Lema
T ,
A.8, Equao (A.190).
Usando as Expresses (A.215), (A.199) e os resultados do Lema A.4, obtemos
u
( ) (Equao (A.198)):
(r)t
u
( ) =
S( ) e
S0 ( )
)
e(r)t 1
A V ( ) SS(
0 ( )
ernt
,
(A.216)
#
(np) " IC n (1) IC n
(1)
n
o
X
np,s
p,l
0
1
P Ql
p np
P
E mT , H(T ) ,
A=
a1 a0
a1
a0
p=0
n
X
l=1
(A.217)
2 n
h
S( )
B = S0 ( )
exp 2 2r + 2 +
S0 ( )
i
o
2
1 2
P
1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.218)
116
Simplificando, temos:
A V ( )
u
( ) = e(r)t 1
,
B
A=
n
X
p=0
l=1
a0
(A.219)
EP
#
n
o
P Ql
mT , H(T ) ,
(A.220)
n
h
B = S( ) exp 2 2r + 2 +
i
o
2
1 2
P 1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.221)
Mudando a medida de probabilidade para a medida Ql , temos:
A V ( )
,
u
( ) = e(r)t 1
B
(A.222)
onde
#
(np) " IC n (1) IC n
(1)
X
np,s
p,l
1
0
rnt p np
Ql
A=
e
a1 a0
E {H(T )} ,
a1
a0
p=0
n
X
l=1
(A.223)
e B dado pela Equao (A.305).
Como ltimo passo para completar a prova, devemos obter a equao do
valor do portflio, V ( ), para o modelo em tempo discreto, com espao de
estados contnuo, com 1 ativo de risco e sem cadeia de Markov. Substituindo
( ) = 1 na Equao (3.8), e lembrando que:
S P ( + 1) + ( + 1) = S P ( + 1)et ,
(A.224)
(1 + r( )) = ert ,
(A.225)
obtemos:
V ( + 1) = ert V ( ) + u( ) S( + 1)et S( )ert ,
(A.226)
V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert ,
(A.227)
ou:
117
(T
)
t
2
h
i
S Ql (T ) = S( )e[()(T )+ p]t
3 2
exp 1 eY + 2 Y Q (T ) t
Z3 ((T ) t)Z4 ((T ) t), (A.228)
onde:
TX
Z3 ((T ) t) = exp
j=1
1
W Ql ( + j) 2 t ,
2
N Q ((T )t)
Q
R
Z4 ((T ) t) = e( )(T )t
(A.229)
R f R (YiQ )
i=1
Q f Q (YiQ )
(A.230)
Q = P e 2 Y +Y ,
3
(A.231)
R = Q eY + 2 Y ,
(YiQ )
12
1
=
e
2Y
f R (YiQ ) =
12
1
e
2Y
(A.232)
Q
Y
i
Y
Q
2 +
Y
Y
i
Y
,
)
(A.233)
!2
(A.234)
TX
TX
1 2
1
S( ) exp
W P ( + j) +
eY + 2 Y 1 P 2 t
2
j=1
j=1
N P ((T )t)
Y
i=1
118
eYi . (A.236)
Reagrupando:
S P (T ) =
TX
1
S( ) exp
W P ( + j) 2 t exp
( ) t
2
j=1
j=1
P
N ((T )t)
TX
Y
P
1 2
P
Y + 2 Y
1 t
exp
eYi . (A.237)
e
TX
i=1
j=1
Simplificando somatrios:
TX
S P (T ) = S( )e()(T )t exp
j=1
exp
h
2
Y + 21 Y
1e
1
W P ( + j) 2 t
2
(T ) t
iN
((T )t)
eYi . (A.238)
i=1
{z
Z2 ((T )t)
TX
S P (T ) = S( )e()(T )t exp
j=1
1
W P ( + j) 2 t
2
{z
}
Z1 ((T )t)
N P ((T )t)
(P Q )(T )t
i=1
{z
Z2 ((T )t)
Q f Q (YiP )
. (A.239)
P f P (YiP )
}
TX
Z1 ((T ) t) = exp
j=1
1
W P ( + j) 2 t ,
2
N P ((T )t)
(A.240)
Q f Q (YiP )
,
P f P (YiP )
(A.241)
(A.242)
P
Q
Z2 ((T ) t) = e( )(T )t
Y
i=1
119
TX
1
exp
W Ql ( + j) + l ( + j 1)t 2 t
2
j=1
exp
h
2
Y + 21 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
. (A.243)
i=1
S Ql (T ) = S( )e()(T )t exp
(l ( + j 1)t)
TX
j=1
TX
exp
j=1
|
exp
|
h
1
W Ql ( + j) 2 t
2
{z
}
Z3 ((T )t)
2
Y + 21 Y
1e
(T ) t
{z
iN
}
T1
((T )t)
Q
eYi
2
+Y
. (A.244)
i=1
{z
T2
)t)
N ((TY
i
h
Q
2
3 2
EP
eYi +Y = exp eY + 2 Y 1 Q (T ) t , (A.245)
i=1
de forma que:
Q
)t)
h
i N ((TY
Q
2
3 2
E P exp 1 eY + 2 Y Q (T ) t
eYi +Y = 1. (A.246)
i=1
|
{z
}
Z4 ((T )t)
120
S Ql (T ) = S( )e()(T )t exp
l ( + j 1)t
TX
j=1
TX
exp
j=1
i
h
1 2
exp 1 eY + 2 Y P (T ) t
1
i
h
W Ql ( + j) 2 t
3 2
2
exp 1 eY + 2 Y Q (T ) t
{z
}
Z3 ((T )t)
exp
h
2
Y + 23 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
. (A.247)
i=1
{z
Z4 ((T )t)
TX
TX
2 pt
n (j)t = e
exp
l ( + j 1)t = exp
ICp,l
,
j=1
(A.248)
j=1
2
S Ql (T ) = S( )e[()(T )+ p]t
TX
exp
j=1
|
exp
h
exp
h
exp
h
1 eY + 2 Y
1 eY + 2 Y
P (T ) t
Q (T ) t
1
W Ql ( + j) 2 t
2
{z
}
Z3 ((T )t)
2
Y + 32 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
, (A.249)
i=1
{z
Z4 ((T )t)
ou, simplesmente:
2
S Ql (T ) = S( )e[()(T )+ p]t
exp
h
exp
h
P (T ) t
Q (T ) t
1 eY + 2 Y
1 eY + 2 Y
i
i
121
exp
h
R f R (YiQ )
i=1
Q f Q (YiQ )
2
Y + 32 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
. (A.251)
i=1
{z
Z4 ((T )t)
Sabemos que:
12
1
=
f
e
2Y
Portanto, a Equao (A.251) fica:
Q
N Q ((T )t)
(Q R )(T )t
2Y
i=1
exp
h
(YiQ )
2
Y + 23 Y
1e
Q
Y
i
Y
(A.252)
R f R (YiQ )
Q
2 =
1 Yi Y
exp 2
Y
(T ) t
iN
((T )t)
Q
eYi
2
+Y
, (A.253)
i=1
h
1 eY + 2 Y
i
3 2
Q (T ) t = R = Q eY + 2 Y ,
(A.254)
e se:
2Y
R f R (YiQ )
(Y Q +Y2 ) =
Q
2 = e i
Y
exp 21 i Y Y
f R (YiQ ) =
21
1
e
2Y
Q
2 +
Y
Y
i
Y
!2
. (A.255)
TX
TX
1 2
1
S( ) exp
W P ( + j) +
eY + 2 Y 1 P 2 t
2
j=1
j=1
N P ((T )t)
eYi . (A.256)
i=1
122
{z
K1
N P ((T )t)
K1 =
N P ((T )t)
YiP
= exp
i=1
YiP .
(A.257)
i=1
TX
S P (T ) = S( ) exp
W P ( + j)+
j=1
P
N ((T )t)
YiP
2
Y + 21 Y
+ e
i=1
1 2
P
1 (T ) t .
2
(A.258)
N ((T )t)
N Q ((T )t)
YiQ
Y2
i=1
eYi
2
+Y
i=1
2
Y + 21 Y
#
1
1 P 2 (T ) t . (A.259)
2
l ( + j 1)t =
j=1
TX
2
n (j)t = pt.
ICp,l
(A.260)
j=1
TX
S( ) exp
Ql
( + j) +
j=1
2
Y + 21 Y
N Q ((T )t)
YiQ + Y2 +
i=1
#
1 2
2
P
1 (T ) t + pt , (A.261)
2
completando a prova.
Lema A.10. Seja S Ql (T ), preo do ativo de risco com relao medida de
probabilidade Ql , tal como definido na Equao (5.2). Ento, S R (T ), o preo
do ativo de risco com relao medida de probabilidade R dada por:
l R
mQ
= Z3 ((T ) t) Z4 ((T ) t),
T ,
123
(A.262)
onde:
TX
Z3 ((T ) t) = exp
j=1
1
W Ql ( + j) 2 t ,
2
N Q ((T )t)
Q
R
Z4 ((T ) t) = e( )(T )t
R f R (YiQ )
i=1
Q f Q (YiQ )
(A.263)
Q = P e 2 Y +Y ,
3
(A.265)
R = Q eY + 2 Y ,
(YiQ )
12
1
=
e
2Y
1
2
1
f R (YiQ ) =
e
2Y
pode ser escrito como:
Q
Y
i
Y
(A.264)
(A.266)
2
Q
2 +
Y
Y
i
Y
,
)
(A.267)
!2
(A.268)
S R (T ) =
TX
S( ) exp
N R ((T )t)
R
W ( + j) +
j=1
YiR + 2Y2 +
i=1
1
eY + 2 Y
#
1 2
2
P
1 + (T ) t + pt . (A.269)
2
N R ((T )t)
TX
X
R
R
S (T ) = S( ) exp
W ( + j) + t +
YiR + 2Y2 +
j=1
i=1
2
Y + 21 Y
#
1 2
P
2
1 (T ) t + pt . (A.270)
2
TX
S( ) exp
N R ((T )t)
R
W ( + j) +
j=1
YiR + 2Y2 +
i=1
1
eY + 2 Y
1 2
2
P
1 + (T ) t + pt , (A.271)
2
completando a prova.
Demonstrao do Teorema 5.2. Calculemos inicialmente EQl {H(T )}. Usando
a Equao (5.47) e as propriedades do operador linear esperana, obtemos:
n
o
EQl {H(T )} = EQl S Ql (T ) K I{S Ql (T )>K } =
n
o
n
o
EQl S Ql (T )I{S Ql (T )>K } KEQl I{S Ql (T )>K }
(A.272)
Ql
Clculo de El,
{I{S Ql (T )>K} }
TX
S( ) exp
W ( + j) +
j=1
X
YiQ + Y2 +
i=1
1
eY + 2 Y
#
1 2
P
2
1 (T ) t + pt > K. (A.274)
2
125
TX
W Q ( + j) +
j=1
YiQ < ln
i=1
{z
|
2
Y + 12 Y
S( )
K
+
1 2
P
1 (T ) t + 2 pt + Y2 . (A.275)
2
TX
X
Q
Q
El,
{1 } = El,
W Q ( + j) +
YiQ = Y , (A.276)
j=1
Q 2
i=1
TX
X
2
W Q ( + j) +
YiQ =
{1 } = Q
j=1
i=1
(T ) t + Y2 . (A.277)
Q
Subtraindo El,
{1 } de ambos os lados da Igualdade (A.275), e depois dividindo ambos os lados da expresso resultante por Q {1 }, obtemos:
TP
!
Q
W ( + j) +
j=1
Q
i=1 Yi
+ Y
<
( 2 (T ) t + Y2 ) 2
{z
2
)
1 2
Y + 21 Y
P
)
+
e
ln( S(
(T ) t + 2 pt + Y2 + Y
K
2
1
( 2 (T ) t + Y2 ) 2
{z
dQ,p,
(A.278)
A varivel aleatria 1 definida na Equao (A.278) acima, dada por:
!
TP
Q
+ Y
W Q ( + j) + i=1 Yi
Q
1 El,
{1 }
j=1
1 =
=
, (A.279)
1
Q {1 }
( 2 (T ) t + Y2 ) 2
uma varivel aleatria com distribuio normal padro, i.e., com distribuio
normal de mdia nula e varincia unitria. Portanto, a condio {S Ql (T ) >
K|N Q ((T )t) = } se traduz simplesmente em:
1 < dQ,p, ,
126
(A.280)
e Prob .{S Ql (T ) > K|N Q ((T )t) = } pode ser calculado simplesmente
como:
Prob . S Ql (T ) > K|N Q ((T ) t) = =
Z dQ,p,
x2
1
Prob {1 < dQ,p, } =
e 2 dx = (dQ,p, ). (A.281)
2
Assim, voltando Expresso (A.273), temos:
o
n
Ql
El,
I{S Ql (T )>K } =
n
n
oo
Ql
Ql
El,
El,
I{S Ql (T )>K } |N Q ((T ) t) =
=
Ql
Ql
El,
Prob . S Ql (T ) > K|N Q ((T ) t) = = El,
{(dQ,p, )} ,
(A.282)
e, finalmente:
Ql
El,
{(dQ,p, )} =
(dQ,p, ) Prob . N Q ((T ) t) = =
=0
(dQ,p, )
=0
X
=0
(dQ,p, )
!
Q (T )t
=
!
1 2
(T ) t] P e 2 Y +Y (T )t
(T )t
exp[P e 2 Y +Y
(A.283)
Ql
Clculo de El,
{S Ql (T )I{S Ql (T )>K} }
Ql
Usando a Equao (A.228), El,
{S Ql (T )I{S Ql (T )>K} } pode ser escrito como:
n
o
Ql
El,
S Ql (T )I{S Ql (T )>K } =
i
h
1 2
exp 1 eY + 2 Y P (T ) t
2
Ql
h
i
El,
S( )e[()(T )+ p]t
3 2
exp 1 eY + 2 Y Q (T ) t
{z
}
|
T1
)
Z3 ((T ) t)Z4 ((T ) t)I{S Ql (T )>K }
(A.284)
Ql
T1 El, Z3 ((T ) t)Z4 ((T ) t) I{S Ql (T )>K }
(A.285)
|
{z
}
Ql R
mT ,
127
TX
S( ) exp
W R ( + j) +
YiR + 2Y2 +
i=1
j=1
2
Y + 21 Y
#
1 2
2
P
1 + (T ) t + pt > K. (A.288)
2
TX
W R ( + j) +
j=1
YiR < ln
i=1
{z
S( )
K
+
1
1 + 2
2
2
Y + 21 Y
(T ) t + 2 pt + 2Y2
(A.289)
TX
X
R
R
El,
{2 } = El,
W R ( + j) +
YiR = Y ,
(A.290)
j=1
R 2
i=1
TX
X
2
{2 } = R
W R ( + j) +
YiR =
j=1
i=1
(T ) t + Y2 . (A.291)
R
Subtraindo El,
{2 } de ambos os lados da Igualdade (A.289), e depois divi-
128
TP
!
R
W ( + j) +
j=1
R
i=1 Yi
+ Y
<
( 2 (T ) t + Y2 ) 2
{z
2
)
1 2
Y + 21 Y
P
ln( S(
)
+
(T ) t + 2 pt + 2Y2 + Y
+
K
2
1
( 2 (T ) t + Y2 ) 2
{z
dR,p,
(A.292)
A varivel aleatria 2 definida na Equao (A.292) acima, dada por:
!
TP
P
R
R
W ( + j) + i=1 Yi
+ Y
R
2 El,
{2 }
j=1
=
2 =
(A.293)
1
R {2 }
( 2 (T ) t + 2 ) 2
Y
uma varivel aleatria com distribuio normal padro, i.e., com distribuio
normal de mdia nula e varincia unitria. Portanto, a condio {S R (T ) >
K|N R ((T )t) = } se traduz simplesmente em:
2 < dR,p, ,
(A.294)
e Prob .{S R (T ) > K|N R ((T )t) = } pode ser calculado simplesmente
como:
Prob . S R (T ) > K|N R ((T ) t) = = Prob {2 < dR,p, } =
Z dR,p,
x2
1
e 2 dx = (dR,p, ). (A.295)
2
Assim, voltando Expresso (A.287), temos:
R
El,
I{S R (T )>K} =
R
R
El,
El, I{S R (T )>K} |N R ((T ) t) = =
R
R
El,
Prob . S R (T ) > K|N R ((T ) t) = = El,
{(dR,p, )} , (A.296)
129
e:
Ql
El,
{(dQ,p, )} =
(dR,p, ) Prob . N R ((T ) t) = =
=0
!
R (T )t
=
(dR,p, )
!
=0
h
i
3 2
3 2
exp Q eY + 2 Y (T ) t Q eY + 2 Y (T )t
X
=
(dR,p, )
!
=0
h
i
2
2
(T )t
(A.297)
Q
Clculo de El,
{H(T )}:
(A.298)
onde:
2
T1 = S( )e[()(T )+ p]t
exp
h
exp
h
P (T ) t
Q (T ) t
1 eY + 2 Y
1 eY + 2 Y
i
i,
(A.299)
G1 =
h
i
2
2
G2 =
h
i
1 2
1 2
exp P e 2 Y +Y (T ) t P e 2 Y +Y (T )t
X
(dQ,p, )
.
!
=0
(A.301)
Substituindo a Equao (A.298) na Equao (4.39), obtemos H( ):
(np)
n
X
X
np p
H( ) = ernt
EQl {H(T )} .
(A.302)
a0 a1
p=0
l=1
130
Notemos que EQl {H(T )}, tal como definido pela Equao (A.298), no possui dependncia em relao ao ndice l e, portanto, pode ser tirado do somatrio.
Assim, a Equao (A.302) se torna:
n
X
n np p Ql
H( ) = ernt
a0 a1 E {H(T )} ,
p
p=0
conforme enunciado no teorema, completando assim a prova.
Demonstrao do Teorema 5.3. Para o clculo de u
( ) para a opo vanilla
de compra, inicialmente devemos substituir as Equaes (A.298) a (A.299) na
Equao (4.44). Notando que EQl {H(T )} no possui dependncia em relao
ao ndice l e, portanto, pode ser tirado do somatrio, a Equao (4.44) se torna:
A V ( )
,
u
( ) = e(r)t 1
B
(A.303)
#
(np) " IC n (1) IC n
n
(1)
X
X
np,s
p,l
1
0
rnt p np Ql
A=
a1 a0 E {H(T )}
e
,
a
a
1
0
p=0
l=1
(A.304)
n
h
B = S( ) exp 2 2r + 2 +
i
o
2
1 2
P 1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.305)
O somatrio em l na Expresso (A.304) pode ser expresso como:
#
(np) " IC n (1) IC n
(1)
X
np,s
p,l
1
0
l=1
a1
a0
onde:
s
=
k
s!
k!(sk)!
=
se
se
n1
p
0
a0
n1
+
np
k {0, . . . , s}
,
k
/ {0, . . . , s}
1
,
a1
(A.306)
(A.307)
p
a
0
1
p=0
(A.309)
n
h
B = S( ) exp 2 2r + 2 +
i
o
2
1 2
P 1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.310)
o que completa a prova.
131
132
Referncias Bibliogrficas
[1] T. Arai, An extension of mean-variance hedging to the discontinuous case,
Finance and Stochastics 9 (2005), 129139.
[2] D. Bertsimas, L. Kogan, and A. W. Lo, Hedging derivative securities and
incomplete market: An epsilon-arbitrage approach, Operations Research
49 (2001), no. 3, 372397.
[3] F. Black and M. Scholes, The pricing of options and corporate liabilities,
Journal of Political Economy 81 (May-June 1973), 637659.
[4] N. Bouleau and D. Lamberton, Residual risks and hedging strategies in
markovian markets, Stochastic Processes and their Applications 33 (1989),
131150.
[5] A. Cerny, Dynamic programming and mean-variance hedging in discrete
time, Applied Mathematical Finance 11 (2004), no. 1, 125.
[6]
[7] R. Cont and P. Tankov, Financial modelling with jump processes, Chapman
& Hall, 2003.
[8] A. Dudenhausen, E. Schlgl, and L. Schlgl, Robustness of gaussian hedges
and the hedging of fixed income derivatives, April, 1999.
[9] D. Duffie and H. Richardson, Mean-variance hedging in continuous time,
Annals of Applied Probability 1 (1991), 115.
[10] P Embrechts, C. Klppelberg, and T. Mikosch, Modelling extremal events
for insurance and finance, Stochastic Modelling and Applied Probability,
Springer, 2004.
[11] H. Flmer and D. Sondermann, Hedging of non-redundant contingent
claims, Contributions to Mathematical Economics (W. Hildenbrand and
A. Mas-Colell, eds.), North-Holland, 1986, pp. 205223.
[12] P. Glasserman, Monte carlo methods in financial engineering, Springer,
2003.
[13] C. Gourieroux, J. P. Laurent, and H. Pahm, Mean-variance hedging and
numraire, Mathematical Finance 8 (1998), no. 3, 179200.
133
, Variance-optimal hedging in discrete time, Mathematics of Operations Research 20 (1995), no. 1, 132.
[30]
, Approximation pricing and the variance-optimal martingale measure, The Annals of Applied Probability 24 (1996), no. 1, 206236.
[31]
[33] N. N. Taleb, Dynamic hedging: Managing vanilla and exotic options, Wiley,
1997.
[34] D. Williams, Probability with martingales, Cambridge University Press,
1991.
[35] P. Wilmott, Paul wilmott on quantitative finance, 2nd ed., John Wiley &
Sons, 2006.
[36] X.Y. Zhou and D. Li, Continuous-time mean-variance portfolio selection:
A stochastic lq framework, Applied Mathematical Optimization 42 (2000),
1933.
135