DOFIN ManagementulRisculuiDRD17 c01

Recapitulare
Managementul riscului
Derivative pe rata dobânzii
DOFIN 2017 - 2018
Prof. dr. Ciprian Necula
Curs 01: 4 octombrie 2017
Ciprian Necula DOFIN 2017 - 2018 Managementul riscului - Derivative pe rata dobânzii 1 / 37
Recapitulare
Cuprins
1 Recapitulare
Noţiuni probabilităţi
Noţiuni procese stochastice
Noţiuni calcul stochastic
Noţiuni privind evaluarea activelor financiare
Recapitulare
Cuprins
1 Recapitulare
Recapitulare
Eveniment si probabilitate
(Ω, K, P)
Ex: Ω = {f1 , f2 , f3 , ..., f6 }

K = {Ø, Ω, {f1 }, {f¯1 }}
K = P(Ω)
P : K → [ 0, 1]
1 P(Ω) = 1
2 A ∩ B = Ø ⇒ P(A ∪ B) = P(A) + P(B)
Recapitulare
Functia indicator
A∈K
1A : Ω → {0, 1}
(
0, ω ∈
/A
1A (ω) =
1, ω ∈ A
(
ST − X , ST ≥ X
Payoff CALL: max (ST − X , 0) =
0, ST ≤ X
(
1, ST ≥ X
= (ST − X ) · = (ST − X ) · 1{ST ≥X }
0, ST ≤ X
Recapitulare
Variabila aleatoare
V.A.
X : Ω → R măsurabilă ⇒ ∀(a, b) ⊂ R, X −1 ((a, b)) ∈ K
Functia de repartitie (CDF)
FX : R → R, x ∈ R, FX (x) = P(X ≤ x)
FX (−∞) = 0
FX (∞) = 1
FX %
Recapitulare
Variabila aleatoare
(
V.A discretă ←→ FX continuă la dreapta
V.A continuă ←→ FX continuă
V.A (absolut) continuă ⇔ densitate fX (PDF)

Rx
FX (x) = −∞ fX (t) dt ⇔ fX = FX0
R∞
E[X ] = −∞ xfX (x) dx
R∞
E[g (X )] = −∞ g (x)fX (x) dx
Recapitulare
Variabila aleatoare
Functia caracteristica (CHF)
ϕX : R → C
Z ∞
ϕX (t) = e i·t·x fX (x) dx = E[ e i·t·X ]
−∞
X ⇔ FX ⇔ fX ⇔ ϕX
Recapitulare
Media conditionata
0 1 2
F0 F1 F2
E(X |F)
F0 ⊂ F1 ⊂ F2
Si cursul unei actiuni la momentul i
S1 V.A. F1 -masurabilă, E(S1 |F1 ) = S1
Recapitulare
Media conditionata
0 1 2
F0 F1 F2
S2 V.A. F2 -masurabilă, nu este F1 -masurabilă

E(S2 |F1 ) - V.A. F1 - masurabilă
E(S2 ) = E(S2 |F0 ) - F0 -masurabilă
E(E(S2 |F1 )|F2 ) = E(S2 |F1 )
Recapitulare
Media conditionata
E(X |F) V.A. F - masurabilă
X V.A. F - masurabilă
E(X |F) = X
E(X · Y |F) = X · E(Y |F)
F1 ⊂ F2
E(E(X |F1 )|F2 ) = E(E(X |F2 )|F1 ) = E(X |F1 )
Recapitulare
Cuprins
1 Recapitulare
Recapitulare
Proces stochastic
(Xt ) proces stochastic

(
{0, 1, · · · }
t
[ 0, ∞]
(Xt , {Ft })
t s
Ft Fs
Ft ⊂ Fs
Xt proces st. adaptat ⇔ Xt este V.A. Ft - masurabilă
Recapitulare
Martingal
t s
Xt Xs
Ft ⊂ Fs
E[Xs |Ft ] = Xt
Recapitulare
Proces Markov
t s
Xt Xs
Ft ⊂ Fs
E[g (Xs )|Ft ] depinde doar de Xt
E[g (Xs )|Ft ] = E[g (Xs )|σ(Xt )] = G (X (t))
Recapitulare
Miscarea Browniana
aka proces Wiener fundamental

t s
Wt Ws
Ft ⊂ Fs
Wt M.B.
1 W0 = 0
2 Ws − Wt ⊥
⊥ Ft
3 Ws − Wt ∼ Φ(0, s − t)
Recapitulare
Miscarea Browniana
Wt martingal
Wt Markov
not
Wt2 − t martingal ⇔< W , W >t = t ⇔ dWt2 == dt
not
< t, t >t = 0 ⇔ dt 2 == 0
dW dt
dW dt 0
dt 0 0
Recapitulare
Cuprins
1 Recapitulare
Recapitulare
Integrala stochastica
Xt proces stochastic
Rt
It := 0 Xs dWs ⇔ dIt = Xt dWt
dIt2 = Xt2 dt
Proprietati
It V.A. Ft - masurabilă
E(It ) = 0
Rt
VAR(It ) = 0 E(Xs2 ) ds
It martingal; s > t, E(Is |Ft ) = It
Rt
Xt determinist ⇒ It ∼ Φ(0, 0 E(Xs2 ) ds)
Recapitulare
Proces Ito
at , bt procese st.
Xt Ito
Z t Z t
Xt = X0 + as ds + bs dWs
0 |{z} 0 |{z}
drift difuzie
dXt = at dt + bt dWt
dXt2 = bt2 dt
Recapitulare
Proces de difuzie
a, b : R+ × R → R
Xt proces de difuzie
Z t Z t
Xt = X0 + a(s, Xs ) ds + b(s, Xs ) dWs
0 0
dXt = a(t, Xt ) + b(t, Xt )dWt → Markov

| {z }
SDE
dXt
= a(t, Xt )
|dt {z }
ODE

DOFIN ManagementulRisculuiDRD17 c01

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

DOFIN ManagementulRisculuiDRD17 c01

Încărcat de

Drepturi de autor:

Formate disponibile

Recapitulare

Prof. dr. Ciprian Necula

Curs 01: 4 octombrie 2017

Ex: Ω = {f1 , f2 , f3 , ..., f6 }

X : Ω → R măsurabilă ⇒ ∀(a, b) ⊂ R, X −1 ((a, b)) ∈ K

Functia de repartitie (CDF)

V.A (absolut) continuă ⇔ densitate fX (PDF)

Functia caracteristica (CHF)

Si cursul unei actiuni la momentul i

S1 V.A. F1 -masurabilă, E(S1 |F1 ) = S1

S2 V.A. F2 -masurabilă, nu este F1 -masurabilă

E(S2 ) = E(S2 |F0 ) - F0 -masurabilă

E(E(S2 |F1 )|F2 ) = E(S2 |F1 )

E(X |F) V.A. F - masurabilă

(Xt ) proces stochastic

E[g (Xs )|Ft ] depinde doar de Xt

E[g (Xs )|Ft ] = E[g (Xs )|σ(Xt )] = G (X (t))

aka proces Wiener fundamental

dXt = a(t, Xt ) + b(t, Xt )dWt → Markov

S-ar putea să vă placă și