Documente Academic
Documente Profesional
Documente Cultură
FACULTATEA DE STIINT
E
DEPARTAMENTUL DE MATEMATICA
MASTER MATEMATICI APLICATE
LUCRARE DE DISERTAT
IE
Coordonator
Lect. Univ. Dr. Monica Rosiu
Absolvent
Ileana Sandu
CRAIOVA
-2016-
DEPARTAMENTUL DE MATEMATICA
MASTER MATEMATICI APLICATE
Coordonator
Lect. Univ. Dr. Monica Rosiu
Absolvent
Ileana Sandu
CRAIOVA
-2016-
Cuprins
Introducere
Preliminarii
. . . . . .
financiare
. . . . . .
. . . . . .
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8
9
12
15
16
18
20
Consideratii economice
24
Modelul binomial
35
Bibliografie
50
Introducere
Lucrarea intitulata Modele ale pietelor de capital multiperiodice si propune sa prezinte n detaliu caracteristicile unor modele care pot fi utilizate cu succes
n piata financiara. Argumentul pentru sustinerea acestei afirmatii este de fapt si cea
mai importanta particularitate de care dispun acestea: sunt realistice.
Excluzand capitolul Preliminarii, unde sunt prezentate notiuni necesare ntelegerii
terminologiei utilizate, teza este alcatuita din patru mari sectiuni, iar sursa bibliografica principala pentru elaborarea sa o reprezinta [7].
Prima parte ofera detalii despre specificatiile unui model precum strategii de tranzactionare, procese stochastice dar si informatii referitoare la modul n care se structureaza si transmit informatiile.
La fel ca si n cazul modelelor cu perioada unica, modelul multiperiodic al pietelor
de capital nu va avea oportunitati de arbitraj decat daca exista o masura a probabilitatii de risc neutru. Cu toate acestea, n cazul modelelor multiperiodice, aceste
masuri sunt definite sub forma de martingale, acestea fiind la randul lor definite de
medii conditionate. Scopul capitolului Medii conditionate si martingale este acela
de a introduce aceste doua concepte din teoria probabilitatii.
Al treilea capitol prezinta cateva consideratii economice cu privire la relatia dintre
modelele cu o singura perioada si cele multiperiodice.
Ultimul capitol, Modelul binomial de determinare a pretului unui activ, prezinta
un instrument util pentru a ntelege teoria stabilirii pretului si probabilitatea asociata.
Un instrument financiar derivat este un contract de transfer al unui risc, a carui valoare
depinde de valoarea unui activ de baza. Activul de baza poate fi un bun, o rata de
dobanda, o actiune, un indice bursier, o deviza sau orice alt instrument tranzactionabil
Preliminarii
Pentru a ntelege mai bine notiunile si rezultatele cuprinse n aceasta lucrare, vom
reaminti cateva notiuni si conceptele fundamentale de teoria probabilitatilor si procese
stochastice.
Consideram spatiul probelor sau al rezultatelor unui experiment, iar un element
din l notam cu . O submultime a lui o vom numi eveniment. In general,
structura lui nu este importanta, nsa n cazul n care dorim crearea unei variabile
aleatoare care verifica o lege data, atunci este importanta cunoasterea spatiului mai
precis cunoasterea evenimentelor elementare.
Fie un experiment cu spatiul probelor . Pentru fiecare eveniment A din ,
presupunem ca este definit un numar P (A) care satisface urmatoarele trei axiome:
Axioma 1
0 6 P (A) 6 1
Axioma 2
P () = 1
Axioma 3
Pentru orice sir de evenimente (Ai )iN disjuncte doua cate doua,
P ( Ai ) =
i=1
X
P (Ai ).
i=1
din spatiul probelor . Axioma 2 se mai numeste normalizare. Axioma 3 afirma ca,
pentru orice sir de evenimente disjuncte doua cate doua, probabilitatea ca cel putin
unul din aceste evenimente sa aiba loc este suma probabilitatilor lor.
Definitia 1.1. O algebra pe este o familie A de submultimi din , care este
nchisa la complementara sa si la reuniuni numarabile. Astfel A
/ P ( ) este o
algebra pe daca are urmatoarele proprietati:
a) Daca A A, atunci Ac A .
y6x
x:p(x)>0
x<0
0,
1 p, 0 6 x < 1 .
F (x) =
1,
x>1
Se spune ca X are repartitia Bernoulli, notata uneori cu Bern(p). Media lui X este
E[X] = 1 P (X = 1) + 0 P (X = 0) = p. V ar(X) = p p2 = p(1 p) = pq.
In modelarea matematica a activelor financiare, informatiile din piata la un moment
dat sunt interpretate drept submultimi, cu caracteristici speciale, ale lui P (). Aceste
submultimi sunt generate de istoricul pietei financiare considerate.
O variabila aleatoare X este continua daca exista o functie f : R [0, ), cu
proprietatea ca
Z
(6.1.)
P (X B) = f (x)dx.
B
f (x)dx,
pentru orice a R.
Daca variabila aleatoare continua X are functia de repartitie cumulativa F , atunci,
din teorema fundamentala a calcului integral, rezulta ca functia densitate de probabilitate f este egala cu derivata functiei de repartitie cumulativa, adica
F 0 (a) = f (a), a R.
Valoarea medie a lui X este
Z
M [X] =
xf (x)dx.
p(x, y)
.
pY (y)
Media lui X conditionata de Y = y, pentru toate valorile y astfel ncat pY (y) > 0,
prin
X
M [X |Y = y] =
xP (X = x |Y = y}
x
X
xpX|Y (x |y) .
x
f (x, y)
.
fY (y)
xfX|Y (x |y)
Retinem ca modelul multiperiodic al pietei activelor financiare are doua implementari noi nempartasite cu modelul uniperiodic: submodelul informatiei si submodelele procedeului stochastic al preturilor pe care le vom descrie n continuare.
2.1
Structurile informatiei
Este important sa avem o idee clara despre cum informatia referitoare la preturile
activelor financiare le este dezvaluita investitorilor. Acest lucru se realizeaza prin
submultimile spatiului proba .
Consideram la momentul t = 0 ca orice situatie este posibila. Unele situatii
pot fi mai probabile decat altele, dar niciuna nu este exclusa. In acelasi timp, la momentul t = T (se va presupune mereu) investitorii vor nvata valoarea reala situatiei
(deci si valoarea reala fiecarei variabile aleatoare). Acest lucru se ntampla deoarece, odata cu trecerea timpului, investitorii sunt capabili sa deduca situatia reala,
observand informatia n timp ce se dezvaluie, deoarece se va presupune ca exista o
corespondenta bijectiva ntre fiecare sir posibil de informatie si fiecare situatie.
Ce se ntampla cu informatia n momentele intermediare, si anume, cand 0 < t < T ?
Cum modelam evolutia informatiei? Noua informatie, observata de-a lungul unei
perioade de timp, permite investitorilor sa excluda anumite situatii ca fiind imposibile. Prin urmare, se poate vizualiza evolutia informatiei ca un sir aleator {At } de
submultimi ale lui unde A0 = , At = {} pentru si A0 A1 ...
AT 1 AT . Investitorii stiu la momentul t ca pentru o submultime At situatia reala
este un At , dar nu sunt siguri care este aceasta. Unele situatii At pot fi mai
probabile decat altele, dar niciuna nu este exclusa. Pe de alta parte, fiecare situatie
Act (complementul lui At ) este exclusa de investitori la momentul t. Investitorii
stiu ca situatia reala a lumii nu este n exteriorul lui At . Din punct de vedere logic,
ntr-o perioada ulterioara, submultimea relevanta A(t+1) care descrie informatia pentru
investitori trebuie sa fie, n schimb, o submultime a lui At . Asadar, sirul de submultimi
{At } ce li se dezvaluie investitorilor trebuie sa ndeplineasca relatia At+1 At pentru
toti t.
Retinem ca exista K siruri posibile de submultimi de informatii {At }. La momentul
t = 0 investitorii sunt constienti de toate aceste siruri, dar ei nu stiu care dintre
acestea se va desfasura. Selectam arbitrar un astfel de sir {At }, un moment s < T , si
consideram reuniunea tuturor sirurilor {At } care coincid cu {At } pana la momentul
s, mpreuna cu {At } nsasi. In particular, consideram toate submultimile As+1 la
10
11
sau
P = {{1 }, {2 , 3 , 4 }, {5 , 6 , 7 , 8 }},
dar nu putem lua
P = {{1 , 2 , 3 }, {3 , 4 }, {5 , 6 }, {7 , 8 }}
deoarece doua dintre aceste submultimi nu sunt disjuncte, si nici nu putem alege
P = {{1 , 2 }, {3 , 4 5 }, {6 , 7 , 8 }}
deoarece nicio reuniune a acestor submultimi nu este egala cu {5 , 6 , 7 , 8 }.
In concluzie, submodelul structurii informatiei poate fi structurat ntr-un sir de
partitii, fiecare partitie succesiva devenind mai fina. Acesta poate fi organizat precum
un arbore, nsa exista nca o metoda de a descrie submodelul.
O familie F de submultimi ale lui se numeste algebra pe daca
(a)
(b)
F F F c = \F F
(c)
F si G F F G F
fiecare Fn Ft
(b)
(c)
12
Deci, exista o corespondenta bijectiva ntre partitiile lui si algebrele pe , submodelul structurii informatiei putand fi organizat ntr-un sir {F1 } de algebre. Scriem
F = {Ft ; t = 0, 1, ..., T } unde F este o filtrare. Observam ca F0 = {, } si FT contin
toate submultimile lui . Deoarece fiecare submultime din partitia de la momentul t
este egala cu reuniunea unora dintre submultimile la momentul (t+1), trebuie sa avem
Ft Ft+1 , adica fiecare submultime din Ft trebuie sa fie un element al lui Ft+1 . Se
poate spune deci ca filtrarea noastra este un sir de algebre.
Exemplul 2.2 (continuare) Partitiei la momentul t = 1 i corespunde algebra
F1 = {, , {1 , 2 , 3 , 4 }, {5 , 6 , 7 , 8 }}.
Partitiei la momentul t = 2 pe care am ales-o precedent i corespunde algebra
F2 ={, , {1 , 2 }, {3 , 4 }, {5 , 6 }, {7 , 8 }, {1 , 2 , 3 , 4 },
{5 , 6 , 7 , 8 }, {1 , 2 , 5 , 6 }, {1 , 2 , 7 , 8 }, {3 , 4 , 5 , 6 },
{3 , 4 , 7 , 8 }, {1 , 2 , 3 , 4 , 5 , 6 }, {1 , 2 , 3 , 4 , 7 , 8 },
{1 , 2 , 5 , 6 , 7 , 8 }, {3 , 4 , 5 , 6 , 7 , 8 }}.
2.2
Un proces stochastic Sn este o functie cu valori reale Sn (t, ). Prin urmare, domeniul este {0, 1, ..., T } . Pentru fiecare fix, functia Sn (t, ) este o
variabila aleatoare.
In scopuri practice, avem nevoie ca modelul procesului stochastic pentru preturile
activelor financiare sa fie n concordanta cu structura informatiei. In particular,
informatia disponibila investitorilor n orice moment trebuie sa includa detalii despre preturile activelor financiare curente si trecute. Acest lucru se realizeaza prin
introducerea conceptului de masurabilitate al variabilelor aleatoare.
Variabila aleatoare X este masurabila n raport cu algebra F daca functia
X() este constanta pe orice submultime din partitia corespunzatoare lui F . Echivalent, pentru orice numar real x, submultimea { , X() = x} este un element al
algebrei F .
Exemplul 2.3. Cu F1 = {{1 , 2 , 3 , 4 }, {5 , 6 , 7 , 8 }} la fel ca n exemplul
13
2.2, presupunem
(
6, = 1 , 2 , 3 sau 4
X() =
8. = 5 , 6 , 7 sau 8
si
(
1, = 1 , 3 , 5 sau 7
Y () =
0. = 2 , 4 , 6 sau 8
Atunci X este masurabila n raport cu F1 , iar Y nu.
Un proces stochastic Sn = {Sn (t); t = 0, 1, ..., T } este adaptat filtrarii F = {Ft ; t =
0, 1, ..., T } daca variabila aleatoare Sn (t) este masurabila n raport cu Ft pentru fiecare
t = 0, 1, ..., T . Se va presupune ca pretul celui de-al n-lea activ financiar este un proces
stochastic adaptat Sn pentru n = 1, ..., N , si la fel pentru procesul de cont bancar B.
Deci, cum necesitatea adaptarii proceselor stochastice ne asigura ca toti investitorii
au cunostiinte depline asupra preturilor curente si trecute? Investitorii stiu la momentul t ca situatia reala apartine unei submultimi particulare a partitiei momentului
t, Pt . Pretul la momentul t al fiecarui activ financiar Sn (t) trebuie sa fie constant
pe aceasta submultime pentru ca investitorii sa poata sa si dea seama care sunt cu
adevarat valorile activelor financiare la momentul t. In plus, din moment ce partitiile
formeaza un sir crescator de multimi, investitorii pot intui submultimile observate n
partitiile anterioare, deci pot sa deduca mai devreme preturile reale ale acestora.
In concluzie, modelul pietei activelor financiare este alcatuit din procese de active
financiare ce sunt adaptate filtrarii, cu scopul ca investitorii sa aiba cunostiinte depline
asupra preturilor curente si trecute. Cu toate ca informatia si submodelele activelor
financiare pot fi specificate simultan, filtrarea este de obicei mentionata numai dupa
ce a fost indicat modelul procesului stochastic.
Desi informatia si submodelele activelor submodelului pot fi specificate simultan,
n practica, filtrarea este deseori specificata numai dupa ce se specifica submodelul
procesului stochastic al activelor.
Pornind de la o precizare a proceselor stochastice, putem adesea sa mentionam
doua sau mai multe filtrari ncat preturile activelor sa fie adaptate. Totusi, unele
dintre aceste filtrari pot fi inadmisibile, deoarece pot fi n concordanta cu faptul ca
permit investitorilor sa privesca n viitor. Spre exemplu, daca preturile la momentul
t + 1 sunt Ft masurabile, atunci investitorii stiu la momentul t care vor fi preturile
la momentul t + 1. Cu toate acestea, exista ntotdeauna o filtrare care corespunde
studierii preturilor pe masura ce timpul trece, dar fara a nvata mai mult. Derivarea
unei astfel de filtrari este ilustrata n urmatorul exemplu.
14
t=0
S0 = 5
S0 = 5
S0 = 5
S0 = 5
t=1
S1 = 8
S1 = 8
S1 = 4
S1 = 4
t=2
S2 = 9
S2 = 6
S2 = 6
S2 = 3
15
lua una din doua valori diferite. Prin urmare, partitia relevanta la momentul t = 1 este
1 2 3 4 , iar algebra corespunzatoare F1 este familia tuturor submultimilor
lui . Retinem ca procesul riscant definit n exemplul 2.4 este adaptat acestei filtrari,
deci consecvent cu submodelul informatiei. Dar, din moment ce investitorii pot face
diferenta dintre 1 si 2 si dintre 3 si 4 la momentul t = 1 prin observarea raportului
de piata acestia nvata mai multe informatii decat prin observarea procesului de pret.
De fapt, investitorii pot acum privi n viitor deoarece la momentul t = 1 ei stiu care
vor fi preturile la t = 2. Filtrarile din exemplele 2.4 si 2.5 sunt diferite, cu toate ca
precesele de pret sunt aceleasi. Aceasta flexibilitate a modelului este motivul pentru
care recurgem la efortul de a avea submodele de filtrari pentru structura informatiei.
2.3
Strategii de tranzactionare
O strategie de tranzactionare H = (H0 , H1 , ..., HN ) este un vector de procese stochastice Hn = {Hn (t); t = 1, 2, ..., T }, n = 0, 1, ..., N . Observam ca Hn (0) nu este
specificat, asta deoarece pentru n > 1, Hn (t) ar trebui interpretat drept numarul de
unitati pe care investitorul le detine (adica le duce mai departe) de la momentul t 1
la momentul t, ntrucat H0 (t)Bt1 reprezinta suma de bani plasata n contul bancar
la momentul t 1. Observam, de asemenea ca Hn (t) poate fi negativ; acest lucru
corespunde mprumutului de bani de la banca (n situatia n care n = 0) sau vanzarii
activului n (n situatiile n care n > 1).
Poate parea ciudat sa modelam strategia de tranzactionare a unui investitor ca un
proces stochastic, dar dupa ce ne reamintim ca procesul stochastic este putin mai mult
decat o functie cu valori reale n functie de timp si stare, acest lucru ncepe sa aiba
sens. O strategie de tranzactionare ar trebui sa fie o regula (o functie) care specifica
pozitia investitorului pentru fiecare activ la orice moment si orice situatie reala. In
plus, aceasta regula ar trebui sa lase investitorul sa-si aleaga o pozitie fata de active,
bazata pe toate informatiile disponibile, dar nu ar trebui sa permita, de exemplu, ca
investitorul sa priveasca n viitor. Prin urmare, strategiile de tranzactionare trebuie
sa fie legate de submodelul filtrarii pentru structura informatiei n modul potrivit,
astfel ncat investitorul sa poata fundamenta pozitia de tranzactionare pe informatiile
disponibile, si nimic mai mult. Acest lucru se realizeaza prin introducerea conceptului
de previzibilitate.
Un proces stochastic Hn este declarat previzibil n raport cu filtrarea F daca fiecare
variabila aleatoare Hn (t) este masurabila n raport cu Ft1 pentru toti t = 1, 2, ..., T .
16
Dat fiind ca Ft1 F , asta nseamna ca toate procesele stochastice previzibile sunt
adaptate.
In tot ceea ce urmeaza, se va presupune ca fiecare componenta a unei strategii de
tranzactionare H este un proces stochastic previzibil.Intrucat pozitia de tranzactionare
Hn (t) stabilita de investitor la momentul t 1 este constanta pe submultimea ce se
observa la momentul t 1 al partitiei Pt1 , investitorul poate lua n considerare toate
informatiile disponibile la acel moment de timp, dar nimic mai mult.
Exemplul 2.2 (continuare) Dat fiind Hn (1) F0 , pozitia n activul n purtata
mai departe de la momentul t = 0 la t = 1 trebuie sa fie aceeasi pentru toti . La
momentul t = 1 comerciantul poate modifica aceasta pozitie n functie de informatiile
disponibile, daca constata ca starea reala {1 , 2 , 3 , 4 }. In consecinta, investitorul poate alege o valoare pentru Hn (2, ) daca {1 , 2 , 3 , 4 } si o a doua
valoare pentru Hn (2, ) daca
/ {1 , 2 , 3 , 4 }. Cu alte cuvinte, noua pozitie a
investitorului la momentul t = 1 poate fi n conformitate cu orice regula Hn (2) unde
Hn (2) F1 . In concluzie, printr-o metoda similara, la momentul t = 2 investitorul nvata informatiile corespunzatoare lui F2 ; investitorul poate lua o noua pozitie
n conformitate cu orice regula Hn (3), unde Hn (3) F2 ; iar aceasta regula va avea
proprietatea ca Hn (3, 1 ) = Hn (3, 2 ), ..., si Hn (3, 7 ) = Hn (3, 8 ).
2.4
Vt =
N
P
Hn (1)Sn (0), t = 0
H
(1)B
+
0
0
n=1
H0 (t)Bt +
Hn (t)Sn (t), t > 1
n=1
Prin urmare, V0 este valoarea initiala a portofoliului, iar pentru t > 1, Vt este
valoarea la momentul t a portofoliului nainte ca orice tranzactie sa fie efectuata la
acelasi moment. Observam ca V este un proces stochastic adaptat (daca am cunoaste
Pt , atunci am sti Ht ,Bt si Sn (t), caz n care l cunoastem si pe Vt ).
17
Notam cu
Sn (t) Sn (t) Sn (t 1)
modificarile valorii procesului stochastic Sn ntre momentele t1 si t. Deci,Hn (t)Sn (t)
reprezinta castigul sau pierderea dintr-o singura perioada, datorita dreptului de proprietate pentru unitatile Hn (t) ale activului n ntre momentele t 1 si t. In mod
similar,
t
X
Hn (u)Sn (u)
u=1
reprezinta castigul sau pierderea cumulata de-a lungul momentului t datorita investitiei
n activul n. Aceasta suma este un exemplu pentru ceea ce se numeste integral
a
stochastica (discreta), aceasta fiind suma ponderata a valorilor unui proces stochastic
(Hn ), unde ponderea este data de schimbarile dintr-o singura perioada ale unui alt
proces stochastic. In concluzie,
Gt
t
X
u=1
H0 (u)Bu +
N X
t
X
n=1 u=1
defineste procesul de castig si reprezinta castigul sau pierderea cumulata de-a lungul
momentului t al portofoliului. Astfel, G este integrala stochastica a strategiei de
tranzactionare, n raport cu procesul de pret. Observam ca G = {Gt ; t = 1, ..., T } este
un proces stochastic adaptat.
Exemplul 2.3 (continuare) Presupunem Bt = (1 + r)t , unde r > 0 este o constanta. Atunci pentru procesul de valoare avem V0 = H0 (1) + 5H1 (1)
(
(1 + r)H0 (1) + 8H1 (1), = 1 , 2
V1 =
(1 + r)H0 (1) + 4H1 (1), = 3 , 4
si
= 1
= 2 , 3
= 4
= 1 , 2
= 3 , 4
18
si
2.5
Asa cum am mentionat mai devreme, pentru t > 1 cantitatea Vt reprezinta valoarea
la momentul t a portofoliului, nainte ca orice tranzactie sa aiba loc la acel moment.
Intre timp,
N
X
H0 (t + 1)Bt +
Hn (t + 1)Sn (t), t > 1
n=1
Vt = H0 (t + 1)Bt +
N
X
n=1
t = 1, 2, ..., T.
19
Exemplul 2.4 (continuare) Pentru ca strategia de tranzactionare H sa se autofinanteze, ea trebuie sa aiba la momentul t = 1
V1 = (1 + r)H0 (1) + 8H1 (1) = (1 + r)H0 (2) + H1 (2)
n starile 1 si 2 , iar
V1 = (1 + r)H0 (1) + 4H1 (1) = (1 + r)H0 (2) + 4H1 (2)
n starile 3 si 4 . In mod echivalent, folosind Vt = V0 + Gt pentru t = 1 si t = 2
obtinem V1 = V2 [G2 G1 ]. Calculand pentru 1 obtinem
V1 =(1 + r)2 H0 (2) + 9H1 (2) [r(1 + r)H0 (2) + 2H1 (2)]
=(1 + r)H0 (2) + 8H1 (2)
care este asemenea cu ecuatia de autofinantare (2.1). In mod similar putem proceda
pentru 2 . Pentru 3 evaluam
V1 =(1 + r)2 H0 (2) + 6H1 (2) [r(1 + r)H0 (2) + 2H1 (2)]
=(1 + r)H0 (2) + 4H1 (2)
care este la fel ca precedentul.
Prin calcule simple se pot verifica usor urmatoarele doua afirmatii:
(2.3)
(2.4)
Vt = Vt /Bt ,
t = 0, 1, ..., T.
t = 1, 2, ..., T.
Astfel, n exemplul 2.4, unde P {} = 1/4 pentru toti , avem P {S2 = 9|S1 =
8} = P {S2 = 6|S1 = 8} = (1/4)(1/4 + 1/4) = 1/2, deci E[S2 |S1 = 8] = 7.5. In mod
similar E[S2 |S1 = 4] = 4.5.
Atunci cand se lucreaza cu procese stochastice definite pe un spatiu de probabilitate
filtrat, este adesea convenabil sa utilizam E[Y |F ] ca o sinteza a tuturor mediilor
conditionate de forma E[Y |A] n timp ce evenimentul A traverseaza algebra F . Ideea
este ca E[Y |F ] se defineste prin
E[Y |F ]1A = E[Y |A],
oricare A P
21
P {A}
Y () P {}/P {A}
AP
AP
X X
Y () P {} = EY
AP A
h
i
Daca F1 F2 , atunci E E[Y |F2 ]|F1 = E[Y |F1 ].
AP
AP
In cazul exemplului 2.4, de pilda, E[S1 S2 |F1 ] = S1 E[S2 |F1 ] si E[S1 |F1 ] = S1 .
22
(3.5)
23
Consideratii economice
Revenim la modelul pietei activelor financiare si la dezvoltarea unei relatii care sa
fie similara cu cea de la modelele cu o singura perioada: nu exista o oportunitate de
arbitraj daca si numai daca exista o masura de probabilitate de risc neutru. Acest lucru
si alte concepte economice dezvoltate pentru modelele uniperioadice raman valabile
ntr-o maniera destul de similara si pentru modele multiperiodice; doar detaliile facand
diferenta.
O oportunitate de arbitraj, n cazul unei piete de valori multiperiodice este o strategie de tranzactionare H astfel ncat:
a) V0 = 0;
b) VT > 0;
c) EVT > 0;
d) H se autofinanteaza.
Ca si n cazul modelelor cu perioada unica, existenta unei oportunitati de arbitraj
nu este n concordanta cu echilibrul economic. Prezenta unei posibilitati de a obtine o
cantitate pozitiva de bani pornind de la capital 0, fara riscul de a pierde vreun ban ar
avea consecinte asupra pietei care ar ntrerupe structurile fundamentale a preturilor
activelor.
Avand n vedere (2.3), observam ca:
(4.1)
25
26
27
t
X
Hu Zu
u=1
28
Demonstratie :
Putem folosi (4.6) pentru a arata rapid existenta masurii martingala Q care implica
ca nu exista oportunitati de arbitraj. Presupunem ca H este o strategie arbitrara de
tranzactionare cu autofinantare cu VT > 0 si EVT > 0. Acestea implica EQ VT > 0.
Intrucat, din (4.6), V este o martingala peste Q, rezulta ca V = EQ V > 0. Din
0
T
(4.1), H nu poate fi o oportunitate de arbitraj, nici alte strategii de tranzactionare nu
pot fi oportunitati de arbitraj, din alegerea arbitrara a lui H.
Se poate arata reciproca lui (4.4), n mai multe moduri, cum ar fi prin utlizarea extinderii unei teoreme despre separarea hiperplanurilor, argumentul fiind folosit
pentru modelele cu o singura perioada. Totusi, este mult mai usor sa ne bazam pe
ceea ce stim pentru modelele cu o singura perioada, si anume, rezultatul pentru o
singura perioada analog lui (4.4). In particular, stiind ca nu exista oportunitati de
arbitraj pentru modelul multiperiodic, se poate construi un model cu o singura perioada si probabilitati conditionate compatibile cu riscul neutru. Masura martingala
Q poate fi apoi calculata din aceste probabilitati conditionate prin multiplicarea lor
mpreuna, n conformitate cu structura informatica modelului multiperiodic. Cu alte
cuvinte, masura martingala pentru modelul multiperiodic este construita prin lipirea
mpreuna a diverselor modele cu o singura perioada.
Mai precis, exista un model de baza cu o singura perioada corespunzator fiecarui
nod neterminal din structura arborescenta a submodelului informatiei, adica fiecarui
A Pt (submultime a lui Pt ) pentru fiecare t < T . Pretul redus moment 0 cu
o singura perioada a activului riscant n este Sn (t, ), A, care este constant pe
A. Spatiul esantion cu o singura perioada corespondent contine cate o stare pentru
fiecare celula A0 A care este un membru al partitiei Pt+1 . In cele din urma, preturile
reduse la momentul 1 pentru acest model cu o singura perioada sunt date de valorile
Sn (t + 1, ) pentru A.
Daca orice model fundamental cu o singura perioada are o oportunitate de arbitraj
n sensul uniperioadic, atunci modelul multiperiodic trebuie sa aiba o oportunitate
de arbitraj n sens multiperiodic. Pentru a vedea acest lucru, presupunem ca exista
b pentru modelul cu o singura perioada corespunzatoare
o oportunitate de arbitraj H
b 1 S1 (t + 1) +
lui A Pt pentru t < T . Asta nseamna ca avem castigul redus H
b N S (t + 1) este nenegativ si nu este identic cu 0 pe evenimentul A. Acum
... + H
N
29
bn,
b
b N S (t),
H1 S1 (t) ... H
N
Hn (s, ) =
b 1 S (t + 1) + ... + H
b N S (t + 1),
1
N
0,
H luand
s = t + 1, A, n = 1, .., N
s = t + 1, A, n = 0
s = t + 1, A, n = 0
n caz contrar
Prin urmare, avand n vedere ceea ce stim pentru modelele cu o singura perioada,
corespunzatoare fiecarui model fundamental cu o singura perioada este o masura de
probabilitate cu risc neutru. De exemplu, corespunzator fiecarui A Pt pentru
t < T exista o masura de probabilitate notata Q(t, A) pe spatiul test cu o singura
perioada. Aceasta masura de probabilitate ofera o cantitate pozitiva pentru fiecare
celula A0 A n partitia Pt+1 , suma probabilitatilor pe aceste celule este 1 si satisface
EQ(t,A) Sn (t + 1) = 0 pentru n = 1, ..., N .
Observam ca Q(t, A) da nastere unei probabilitati pentru fiecare ramura n arborele
de informatii care se desprinde din nodul corespunzator lui (t, A). Aceste probabilitati
ar trebui sa fie gandite ca probabilitati conditionate cu risc neutru, dat fiind evenimentul A la momentul t. Deci, ncepand cu o familie de masuri de probabilitate cu
risc neutru Q(t, A) pentru orice A Ft si t < T , se poate construi o masura de probabilitate Q pentru ntreg modelul multiperiodic procedand astfel: Q() este aleasa
egala cu produsul probabilitatilor conditionate de a lungul traseului de la nodul t = 0
30
P
la nodul corespunzator lui (T, ). Evident, Q() = 1. In plus, Q() > 0 pentru
fiecare , deoarece toate probabilitatile conditionate cu risc neutru sunt strict
pozitive.
Ramane sa explicam de ce masura de probabilitate Q, care a fost construita, este
de fapt masura martingala. Intrucat, EQ(t,A) Sn (t + 1) = 0 pentru n = 1, 2, ..., N ,
A Pt si t < T , rezulta:
(4.8)
31
(4.9)
adica, daca si numai daca Rn este o martingala peste Q pentru orice n. Pe scurt, avem
Propozitia 4.1. Masura probabilitatii strict pozitive Q este masura martingala dac
a
R
(t
+
1)
n
0
Sn (t + 1) = Sn (t)
1 + R0 (t + 1)
astfel ncat daca toate procesele de pret sunt strict pozitive, atunci (4.8) este la fel ca
#
"
(4.10)
EQ
Rn (t+1)R0 (t+1)
|Ft
1+R0 (t+1)
Desigur, putem sti imediat ca acest lucru este echivalent cu (4.9), n vederea expresiei din sectiunea 3.2 [7] pentru Rn n functie de Rn .
Acum, sa presupunem ca unele dintre active platesc dividende. Pentru a verifica daca exista oportunitati de arbitraj, ceea ce conteaza cu adevarat sunt procesele de returnare ale activelor, deci (4.1) ramane adevarata. Cu alte cuvinte, nu
32
exista oportunitati de arbitraj daca si numai daca (4.9) (sau (4.10)) este ndeplinita,
unde, acum, procesele de returnare sunt definite n functie de procesele dividendelor
ca n sectiunea 3.2: Rn (t + 1) = [Sn (t + 1) + Dn (t + 1)]/Sn (t) si Rn (t + 1) =
[Sn (t + 1) + Dn (t + 1)/Bt+1 ]/Sn (t). Prin urmare, (4.9) poate fi rescris ca:
(4.11)
Acest lucru are sens: daca investitorul achizitioneaza o unitate din activul n la
momentul t, atunci valoarea medie a acestei investitii n perioada urmatoare este egala
cu valoarea la momentul t.
Folosind (4.11) si o proprietate fundamentala a mediilor conditionate este usor de
vazut ca:
EQ [Sn (t + 2) + Dn (t + 2)/Bt+2 + Dn (t + 1)/Bt+1 |Ft ] =
= EQ [EQ [Sn (t + 2) + Dn (t + 2)/Bt+2 |Ft+1 ] + Dn (t + 1)/Bt+1 |Ft ] =
= EQ [Sn (t + 1) + Dn (t + 1)/Bt+1 |Ft ] = Sn (t).
Generalizand acest argument, avem:
Propozitia 4.2. Daca Q este o masura de probabilitate cu risc neutru, atunci pentru
fiecare activ riscant si fiecare t, s > 0
Sn (t) = EQ [Dn (t + 1)/Bt+1 + ... + Dn (t + s)/Bt+s + Sn (t + s)|Ft ].
Astfel, pretul redus la momentul t este egal cu valoarea medie conditionata platii
dividendelor de la momentul t + s plus pretul redus la momentul t + s.
Intorcandu-ne spre un alt subiect care este analog cu o notiune introdusa pentru
modelele cu o singura perioada, o masura liniara de stabilire a preturilor este un
vector nenegativ = (1 , ..., k ) astfel ncat pentru fiecare strategie de tranzactionare
cu autofinantare H avem
X
V0 =
= ()VT ().
Daca Q este o masura de probabilitate cu risc neutru, atunci n mod clar este, de
asemenea si o masura liniara de stabilire a preturilor. Invers, orice masura liniara de
stabilire a preturilor strict pozitiva trebuie sa fie o masura de probabilitate cu risc
33
neutru. Pentru a vedea acest lucru, luam mai ntai orice strategie de tranzactionare
cu H1 = ... = HN = 0 de unde deducem ca 1 + ... + k = 1. In continuare, n arbitrar,
t < T , si un eveniment A Ft = 1, si consideram strategia de tranzactionare cu
autofinantare care ncepe la momentul t = 0 cu un dolar n contul bancar si nu
face tranzactii daca nu are loc evenimentul A la momentul t, caz n care toti banii
sunt transferati ntr-o pozitie long a activului n pentru o perioada, dupa care sunt
transferati imediat napoi n contul bancar, unde raman pana la momentul T . Contul
bancar egal cu Bt la momentul t, deci daca activul n are valoarea Sn (t)1A (unde 1A
este functia identitate sau indicator pentru evenimentul A, prin urmare 1A () =1 daca
A, ntrucat 1A () =0 daca
/ A), aceasta strategie presupunand la momentul
t achizitionarea a Bt /Sn (t) = 1/Sn unitati din activul n daca evenimentul A are loc.
Din moment ce, toti banii sunt transferati napoi n contul bancar la momentul t + 1,
castigul acestei strategii de tranzactioanre va fi
GT = (1A /Sn (t))Sn (t + 1) = 1A Rn (t + 1).
Acum, strategia de tranzactionare este de autofinantare, deci (2.4) este ndeplinita.
Astfel, daca este o masura liniara de stabilire a preturilor, rezulta ca
X
()GT () = 0.
Acest lucru este adevarat pentru fiecare A Ft , deci luand Q() = () rezulta din
(4.9), (4.1), si expresia noastra pentru GT , faptul ca Q este o masura de probabilitate
cu risc neutru. In concluzie,
Propozitia 4.3. Vectorul este o masura liniara de stabilire a preturilor daca si
numai daca este o masura de probabilitate pe , n raport cu care toate procesele de
pret redus sunt martingale.
Ca si n cazul modelelor cu o singura perioada, legea pretului unic este verificata
b si H,
34
Notatii:
W = {X RK : X = G
W = {Y RK : X Y = 0 pentru orice X W}
A = {X RK : X > 0, X 6= 0}
P = {X RK : X1 + ... + XK = 1, X > 0} si
P+ = {X P : X1 > 0, ..., XK > 0}.
Apoi, la fel ca si la modelele cu o singura perioada, P W este multimea tuturor
masurilor liniare de stabilire a preturilor si M P+ W este multimea tuturor
masurilor de probabilitate cu risc neutru. Mai mult decat atat, principiul fundamental
(4.4) este acelasi lucru cu a spune ca WA = daca si numai daca M 6= . Observam
ca M este o multime convexa a carei nchidere este egala cu P W .
Modelul binomial
Modelul binomial de determinare a pretului unui activ este un instrument puternic
pentru a ntelege teoria pretului si probabilitatea. Pentru moment consideram cel mai
simplu model binomial, cel cu o singura perioada.
Pentru modelul general cu o perioada, numim nceputul perioadei momentul zero
si sfarsitul perioadei momentul unu. La momentul zero, avem un stoc al carui pret
unitar (pret pe unitate) l notam cu S0 , o valoare pozitiva cunoscuta la momentul
zero. La momentul unu, pretul unitar va fi una din cele doua valori pozitive, pe care
le notam cu S1 (H) si S1 (T ), H si T nsemnand cap si pajura. Astfel, ne imaginam ca
aruncam o moneda si ceea ce cade determina pretul la momentul unu. Nu presupunem
ca moneda este corecta (adica probabilitatea sa cada cap nu este 1/2). Presupunem
numai ca probabilitatea sa cada cap, pe care o notam cu p, este strict pozitiva si
probabilitatea sa cada pajura, pe care o notam cu q = 1 p, este de asemenea (strict)
pozitiva.
Rezultatul aruncarii monedei si deci valoarea pe care o va lua pretul unitar al
stocului la momentul unu este cunoscuta la momentul unu dar nu si la momentul zero.
Orice cantitate necunoscuta la momentul zero se va numi aleatoare deoarece depinde
de experimentul aleator al aruncarii monedei. Introducem doua numere pozitive
(5.1)
u=
S1 (H)
S1 (T )
,d=
.
S0
S0
Presupunem ca d < u: daca d > u, putem obtine d < u prin renotarea fetelor
monedei. Daca d = u, pretul stocului la momentul unu nu este aleator si modelul nu
este interesant. Ne referim la u ca la factorul superior si la d ca la factorul inferior.
Intuitiv este folositor sa gandim despre u ca fiind mai mare decat 1 si despre d ca fiind
mai mic decat 1 si de aici numele anterioare, dar matematica pe care o dezvoltam aici
nu impune aceste inegalitati.
Introducem o rata a dobanzii r. Un dolar investit pe piata monetara la momentul
zero, va produce 1 + r dolari la momentul unu. Reciproc, un dolar mprumutat de
35
36
0<d<1+r <u
Inegalitatea d > 0 rezulta din ipoteza de pozitivitate a preturilor unitare ale stocului.
Asa cum vom explica, celelalte doua inegalitati din (5.2) rezulta din absenta arbitrajului. Daca d > 1 + r, cineva ar putea ncepe cu nimic si la momentul zero ar mprumuta
de pe piata monetara cu scopul de a cumpara un stoc. Chiar n cel mai rau caz, T ,
al aruncarii monedei, stocul la mometul unu va valora suficient pentru a plati debitul
de pe piata monetara si are sansa de a valora chiar mai mult, deoarece u > d > 1 + r.
Aceasta exprima un arbitraj. Pe de alta parte, daca u 6 1 + r, cineva ar putea vinde
stocul si ar investi venitul n piata monetara. Chiar n cel mai bun caz, H, costul
nlocuirii lui la momentul unu va fi mai mic sau egal cu valoarea investitiei de pe piata
monetara si deoarece d < u 6 1 + r exista sansa ca costul nlocuirii stocului sa fie
mai mica decat valoarea investitiei pe piata monetara. Aceasta, din nou, exprima un
arbitraj.
Am demonstrat n paragraful precedent ca daca nu exista arbitraj, atunci (5.2)
este adevarata. Reciproca este, de asemenea adevarata. Daca (5.2) este adevarata,
atunci nu exista arbitraj. In general, d = u1 si acesta va fi cazul n multe din exemplele
noastre. Totusi, pentru a avea sens modelul binomial, este suficient sa presupunem
(5.2) adevarata.
Binenteles, miscarile pretului stocului sunt mult mai complicate decat cele indicate
de modelul binomial. Insa consideram acest model din trei motive. Primul, prin acest
37
model, este clarificat conceptul de pret arbitrat si relatia lui cu pretul cu risc neutru.
In al doilea rand, acest model este folosit n practica deoarece, cu un numar suficient
de perioade, da o aproximare rezonabil de buna, maleabila computational, a modelelor
continue n timp. In final, n interiorul modelului binomial, se poate dezvolta teoria
mediilor conditionate si a martingalelor, care este esenta modelelor continue n timp.
Sa consideram o optiune call (de cumparare) europeana, care confera posesorului
dreptul, dar nu si obligatia sa cumpere unitatea de stoc la momentul unu pentru
pretul fix (strike) K. Cazul interesant, pe care l vom considera este cand S1 (T ) <
K < S1 (H). Daca obtinem T la aruncarea monedei, optiunea expira fara profit. Daca
obtinem H, optiunea poate fi exercitata si da un profit de S1 (H) K. In concluzie,
optiunea la momentul unu valoreaza (S1 K)+ , unde notatia (...)+ indica faptul
ca luam maximul dintre zero si expresia dintre paranteze. Folosim obiceiul de la
probabilitati de a omite argumentul variabilei aleatoare S1 . Intrebarea fundamentala
legata de pretul optiunii este cat ar valora optiunea la momentul zero, nainte de a sti
rezultatul aruncarii monedei.
Reproducerea derivatei financiare va impune:
1
1
(5.3)
X0 + 0
S1 (H) S0 =
V1 (H),
1+r
1+r
(5.4)
X0 + 0
1
S1 (T ) S0
1+r
=
1
V1 (T ).
1+r
S0 =
1
[e
pS1 (H) + qeS1 (T )] ,
1+r
atunci factorul cu care este nmultit 0 n (5.5) este 0 si obtinem o formula simpla
pentru X0
(5.7)
X0 =
1
[e
pV1 (H) + qeV1 (T )] .
1+r
38
1
S0
[e
puS0 + (1 pe)dS0 ] =
[(u d) pe + d] .
1+r
1+r
pe =
1+rd
u1r
si qe =
.
ud
ud
Putem obtine pe 0 , scazand (5.4) din (5.3) si deducem formula delta - protectiei
(delta-hedging formula)
(5.8)
0 =
V1 (H) V1 (T )
.
S1 (H) S1 (T )
Teorema 5.1. (Replica modelului binomial N -periodic) Fie un model binomial N periodic, cu 0 < d < 1 + r < u si cu
(5.9)
pe =
u1r
1+rd
, qe =
ud
ud
Fie VN o variabila aleatoare (o derivata cu plata la momentul N ) depinzand de primele N aruncari ale monedei 1 2 ...N . Definim recursiv, n timp, sirul de variabile
aleatoare VN 1 , VN 2 , ..., V0 prin
(5.10)
Vn (1 2 ...n ) =
1
[e
pVn+1 (1 2 ...n H) + qeVn+1 (1 2 ...n T )] ,
1+r
n (1 2 ...n ) =
Demonstratie :
(5.13)
39
= (1 + r) Vn +
40
Modelul binomial este un model simplu, dar foarte important pentru pretul unui
activ riscant. Acesta este frecvent utilizat de catre practicieni, de exemplu, pentru a
determina pretul diferitelor optiuni stoc.
Astfel modelul binomial este legat de procesul Nt (introdus n exemplul 3.6) reprezentand numarul de H dupa t aruncari independente ale monedei. Procesul Nt , n
schimb, este bazat pe ceea ce numim proces Bernoulli.
Procesul stochastic {Xt ; t = 1, 2, ...} se spune ca este un proces Bernoulli cu parametrul p daca variabilele aleatoare X1 , X2 , ... sunt independente si P (Xt = 1) =
1 P (Xt = 0) = p pentru orice t. De aceea, ar trebui sa ne gandim la un sir de
aruncari ale monedei unde evenimentul {Xt = 1} nseamna ca rezultatul aruncarii la
timpul t este H. Spatiul proba cuprinde toate sirurile de forma
= (0, 1, 0, 0, 1, 1, ..)
fiecare oferind, n mod evident, nregistrarea unui sir de aruncari.
Procesul Bernoulli este caracterizat de un numar infinit de aruncari ale monedei,
astfel ncat vectorul are un numar infinit de componente si spatiul proba are un
numar infinit de stari. Cu toate acestea, modelul nostru, al pietei de active are un
numar finit de T perioade, astfel ncat pentru scopurile noastre este suficient sa luam
n considerare un proces Bernoulli modificat, care corespunde doar unor T aruncari.
Acum, fiecare stare va avea T componente, fiecare fiind fie 0 sau 1. Exista 2T vectori
ca acesta, si spatiul esantion pentru procesul nostru Bernoulli modificat care va avea
exact unul din fiecare.
Indiferent daca este standard sau modificat, Xt () va lua valoarea 1 sau 0 deoarece
componenta t a lui este 1 sau 0. In plus, Ft va fi algebra corespunzatoare
observatiilor dupa primele t aruncari, adica Pt va fi partitia formata din 2t celule,
una pentru fiecare sir de t aruncari. Masura de probabilitate este data de P () =
pn (1 p)T n , unde este orice stare corespunzatoare a n aruncari H si T n
aruncari T .
Procesul {Nt ; t = 1, 2, ...} este definit n termenii procesului Bernoulli (sau procesului Bernoulli modificat) prin
Nt () = X1 () + ... + Xt ()
41
t
n
pn (1 p)tn , n = 0, 1, ..., t.
42
1+rd
ud
pentru orice Ft si t. Din moment ce avem nevoie de q < 1, ne dam seama ca va exista
o masura a martingalei daca si numai daca u > 1 + r. In acest caz, masura martingalei
este data prin
Q() = q n (1 q)T n
unde este orice stare care corespunde lui n urcari si lui T n coborari.
Rezulta ca distributia probabilitatii lui St n raport cu masura probabilitatii cu risc
neutru este data pentru toti t prin
t n
n tn
(5.19)
Q(St = S0 u d ) =
q (1 q)tn , n = 0, 1, ..., t.
n
Modelul binomial se preteaza la unele calcule utile, precum distributia probabilitatii pentru valoarea maxima obtinuta de procesul activului pe parcursul celor T
perioade. Vom deriva acest lucru pentru cazul special n care d = u1 conducand
astfel simplificarea St = S0 u2Nt t .
Definim YT = max{St : t = 0, 1, ..., T }, si observam ca aceasta variabila aleatoare
va lua T + 1 valori S0 , S0 u, .., S0 uT . Scopul nostru este de a calcula P {YT > S0 ui }
pentru i = 1, 2, ..., T .
43
Fixam i si observam ca St > S0 ui daca si numai daca 2Nt t > i, deci P {YT > S0 ui }
este la fel ca P {2Nt t > i pentru unii t}. Vom calcula ultima probabilitate cu
ceva ce se numeste principiul reflexiei. Ideea este de a defini timpul primei treceri
i min{t : 2Nt t = i}, unde = daca 2Nt t < i pentru orice t 6 T , si
consideram toate traiectoriile test pentru care i 6 T . Exista trei evenimente care se
exclud reciproc. Daca i este egal cu una din valorile T, T 2, T 4, ..., atunci este
posibil sa avem 2NT T = i, deci i 6 T . In al doilea rand, putem avea i < T si
2NT T > i. In al treilea rand, avem i < T si 2NT T < i. Prin urmare,
P {YT > S0 ui } = P {2Nt t > i pentru unii t}
= P {eveniment 1} + P {eveniment 2} + P {eveniment 3}
Prima probabilitate este
P {eveniment 1} = P {NT = (T + i)/2} =
(T +i)/2
(1 p)(T i)/2
T +i p
T
2
44
acestei traiectorii test partener este pT +in (1 p)ni . Din moment ce exista
traiectorii test n evenimentul 3 cu NT = T + i n, rezulta ca
T
P {{eveniment 3} {NT = T + i n}} =
pT +in (1 p)ni
n
caz n care
T
n
T
X
T T +in
P {eveniment 3} =
p
(1 p)ni .
n
n=n
P {YT > S0 u } =
T
T +i
2
T h
i
X
T
n
T n
T +in
ni
p (1 p)
+p
(1 p)
+
n
n=n
unde primul termen din partea dreapta este zero, atunci cand T + i este un numar
impar iar n indica cel mai mic ntreg strict mai mare decat (T + i)/2.
In principiu, avem distributia probabilitatii pentru pretul maxim al activului din
timpul celor T perioade. Mai general, aceste formule pot fi, de asemenea folosite pentru
pretul maxim al activului din timpul primelor t perioade, cand t < T . Din moment
ce, {YT > S0 ui } este acelasi cu evenimentul {Ti 6 t}, avem, de asemenea, distributia
probabilitatii pentru primul moment de trecere catre nivelul pretului activului S0 ui .
Formule similare pot fi derivate pentru distributiile probabilitatii pretului minim
al activului si primele momente de trecere la nivelele de pret mai mici decat S0 .
In continuare, consideram urmatorul model cu trei perioade: S0 = 4, u = 2 si
d = 1/2.
Teorema 5.2. ( Proprietati fundamentale ale mediilor conditionate) Fie N un numar
ntreg pozitiv, X si Y variabile aleatoare care depind de primele N aruncari ale monedei. Fie 0 6 n 6 N . Urmatoarele proprietati sunt adevarate.
(i) Liniaritatea mediilor conditionate. Pentru orice constante c1 si c2 ,
En [c1 X + c2 X] = c1 En [X] + c2 En [X].
45
(ii) Se da afara ceea ce este cunoscut. Daca X depinde numai de primele n aruncari
ale monedei, atunci
En [XY ] = XEn [Y ].
(iii) Conditionare iterata. Daca 0 6 n 6 m 6 N , atunci
En [Em [X]] = En [X].
particular, E[Em [X]] = EX.
In
(iv) Independenta. Daca X depinde numai de aruncarile de la n + 1 la N , atunci
En [X] = EX.
(v) Inegalitatea lui Jensen conditionata. Daca (x) este o functie convexa de variabil
a
x, atunci
En [(X)] > (En [X]).
Ilustram cele patru proprietati ale teoremei folosind probabilitatile p = 32 , q = 13 . A
cincea proprietate, inegalitatea lui Jensen conditionata, rezulta din liniaritatea mediilor conditionate la fel cum rezulta inegalitatea lui Jensen pentru medii din liniaritatea
mediilor.
Exemplul 5.7. (Liniaritatea mediilor conditionate). Daca p =
E1 [S2 ](H) =
2
3
si q = 13 , atunci
2
1
16 + 4 = 12,
3
3
2
1
4
32 + 8 + 2 = 18,
9
9
9
si, n consecinta E1 [S2 ](H) + E1 [S3 ](H) = 12 + 18 = 30. Dar, de asemenea
E1 [S3 ](H) =
4
2
2
1
E1 [S2 + S3 ](H) = (16 + 32) + (16 + 8) + (4 + 8) + (4 + 2) = 30.
9
9
9
9
Un calcul similar arata ca
E1 [S2 + S3 ](T ) = 7.50 = E1 [S2 ](T ) + E1 [S3 ](T ).
In concluzie, indiferent de rezultatul primei aruncari a monedei,
E1 [S2 + S3 ] = E1 [S2 ] + E1 [S3 ].
46
2
1
16 + 4 = 12.
3
3
E1 [S1 S2 ](H) =
Un calcul similar arata ca
Exemplul 5.9.
(Conditionare iterata) Mai ntai, estimam pe S3 bazat pe
informatia de la momentul doi:
E2 [S3 ](HH) =
2
1
32 + 8 = 24,
3
3
1
2
8 + 2 = 6,
3
3
2
1
E2 [S3 ](T H) = 8 + 2 = 6,
3
3
2
1 1
E2 [S3 ](T T ) = 2 + = 1.50.
3
3 2
Bazandu-ne pe informatia de la momentul unu, deducem ca
E2 [S3 ](HT ) =
2
1
E1 [E2 [S3 ]](H) = E2 [S3 ](HH) + E2 [S3 ](HT )
3
3
2
1
24 + 6 = 18,
3
3
2
1
E1 [E2 [S3 ]](T ) = E2 [S3 ](T H) + E2 [S3 ](T T )
3
3
=
47
2
1
6 + 1.50 = 4.50.
3
3
Exprimand direct pe S3 bazat pe informatia de la momentul unu obtinem:
=
E1 [S3 ](H) =
E1 [S3 ](T ) =
4
2
2
1
32 + 8 + 8 + = 18,
9
9
9
9
4
2
2
1 1
9 + 2 + 2 + = 4.50.
9
9
9
9 2
2
1 1
3
2+ = .
3
3 2
2
h i
48
(i) Daca
(5.21)
Mn = En [Mn+1 ], n = 0, 1, ..., N 1,
Mn = En [Mm ].
M0 = EMn , n = 0, 1, ..., N.
49
Intr-adevar, daca M0 , M1 , ..., MN este o martingala, putem aplica media ambilor membri din (5.23), folosind Teorema 5.2(iii) si obtinem EMn = E[Mn+1 ] pentru orice n.
Rezulta ca
EM0 = EM1 = EM2 = ... = EMN 1 = EMN .
Dar, M0 nu este aleatoare, deci M0 = EM0 si rezulta (5.23).
Pentru o martingala, egalitatea din (5.23) trebuie sa fie adevarata pentru toate
sirurile posibile de aruncari ale monedei. Procesul pretului stocului din figura 2.3.1
[8] ar fi o martingala daca probabilitatea unei cresteri ar fi pe = 13 si probabilitatea
unei scaderi ar fi qe = 23 , deoarece n fiecare nod al copacului din figura 2.3.2 [8], pretul
stocului ar fi atunci media ponderata, cu ponderile pe si qe, a celor doua preturi posibile
ale stocului. De exemplu,
1
2
S1 (T ) = 2 = S2 (T H) + S2 (T T ).
3
3
O ecuatie similara ar fi verificata n toate celelalte noduri ale copacului si, deci procesul
stocului este o martingala pentru aceste probabilitati.
O martingala nu are tendinta sa creasca sau sa scada deoarece media valorilor
sale din perioada urmatoare este ntotdeauna valoarea la momentul curent. Preturile
stocului au o tendinta de crestere si ntr-adevar ar trebui sa creasca n medie mai mult
decat piata monetara n scopul de a compensa investitorul pentru riscul asimilat. In
Figura 2.3.1 [8] alegerile mai realiste p si q sunt p = 23 si q = 13 . Cu aceste alegeri,
obtinem
3
En [Sn+1 ] = Sn
2
n fiecare nod al copacului (adica, n medie, pretul stocului n perioada urmatoare este
cu 50% mai mare decat pretul curent al stocului). Aceasta rata de crestere excede
dobanda de 25% pe care am folosit-o n acest model. In particular, cu p = 32 , q = 13
1
si r = 14 , obtinem 1+r
= 54 , astfel ca pretul cu discount al stocului la momentul n este
4 n
Sn . Calculam
5
"
#
n
n
n+1
n+1
4
4
4
4 3
4
En
Sn+1 =
En [Sn+1 ] =
Sn >
Sn .
5
5
5
5 2
5
Pretul cu discount al stocului n cazul probabilitatilor actuale p =
submartingala. Acesta este cazul tipic n pietele reale.
2
3
, q =
1
3
este o
Bibliografie
[1] Buchanan, R., An undergraduate introduction to financial Mathematics, World
Scientific Publishing Co. Pte. Ltd. , 2006.
[2] Halmos, P., Measure Theory, Springer -Verlag New-York, 1971
[3] Heunis, A., Notes on Stochastic Calculus, University of Waterloo, 2008.
[4] Hunt, P. , Kennedy,J., Financial Derivatives in Theory and Practice, Wiley, 2004
[5] Kessler, P., Rosiu, M., Introducere n teoria masurii, Ed. Universitaria, Craiova,
2002
[6] Kessler, P., Rosiu, M., Exercitii si probleme de teoria masurii, Ed. Universitaria,
Craiova, 2003
[7] Pliska, S.R., Introduction to Mathematical Finance: Discrete Time Models, Blackwell, 1997
[8] Shreve, S.E., Stochastic calculus and Finance I, II: Binomial Model, Springer,
2004
[9] Williams, D., Probability with Martingales, Cambridge university Press, 1991
[10] Wilmott,P.,Hawison,S.,Dewyanne,J., The Mathematics of Financial Derivatives,
The Press Syndicate of University of Cambridge, 1995.
50