1 / 15

Assicurazioni vita e mercato del risparmio gestito

Assicurazioni vita e mercato del risparmio gestito. Lezione 6 Il modello di Black Scholes. Un albero particolare. Costruite un albero nel quale Y(t+1) può assumere due valori Y(t)*u (nello stato H) o Y(t)*d (nello stato L).

cid
Download Presentation

Assicurazioni vita e mercato del risparmio gestito

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Assicurazioni vita e mercato del risparmio gestito Lezione 6 Il modello di Black Scholes

  2. Un albero particolare • Costruite un albero nel quale Y(t+1) può assumere due valori Y(t)*u (nello stato H) o Y(t)*d (nello stato L). u e d sono gli stessi su ogni nodo (indipendenza dal tempo e dagli stati) u*d = 1 • L’albero è “ricombinante” e per un numero di steps sufficientemente grande converge al moto geometrico browniano nel tempo, utilizzato nel modello di Black & Scholes

  3. Verso il tempo continuo • Fissato un orizzonte di investimento h Y(t+h) – Y(t) = rYY(t) è il guadagno sull’investimento nel periodo • Il tasso di interesse sull’investimento rY è una grandezza aleatoria rY =  + , con   N (0,1) per cui è naturale scrivere la dinamica Y(t+h) – Y(t) = Y(t) + Y(t) • Per h che diventa molto piccolo otteniamo una descrizione della dinamica nel tempo continuo

  4. Una dinamica più semplice • Consideriamo una variabile che segue la dinamica s(t+h) – s(t) =  + 1, con 1  N (0,1) • Ci chiediamo qual è la distribuzione della variabile al tempo t +nh. Se i disturbi i i = 1,2, …n non sono correlati, è ovvio che avremo s(t+nh)  N (s(t) + n, n2) • La media della distribuzione e la varianza crescono linearmente con l’orizzonte temporale • N.B. In econometria processi di questo tipo sono detti “integrati” o “a radice unitaria”

  5. Processi stocastici • L’estensione dell’analisi al tempo continuo richiede la definizione di processo stocastico • Un processo stocastico è descritto rispetto a un insieme di eventi  e una sequenza di -algebre t (filtration). • Si tratta di tutte le possibili unioni e intersezioni di eventi osservati al tempo t. Euristicamente, E’ il set di informazione disponibile al tempo t. • Es. la filtration t generata da una serie di prezzi contiene la serie di tutti i prezzi osservati fino al tempo t. • Un processo stocastico è una sequenza di variabili aleatorie definite rispetto alla filtration e che assume valore nella -algebra della retta dei numeri reali (Borel set).

  6. Processi stocastici diffusivi • Un processo stocastico, come ad esempio il prezzo Y(t) è caratterizzato da una misura di probabilità (la tripla{ t P} definisce uno spazio probabilizzato). • Un processo stocastico è detto diffusivo se lim h0 E[Y(t+h) – Y(t)] = Ydt lim h0 Var[Y(t+h) – Y(t)] = Y2dt lim h0 Prob[|Y(t+h) – Y(t)| > ] = 0,   > 0

  7. Il processo di Wiener • Un processo stocastico diffusivo per il quale valga z(t+h) – z(t)  N(0, h) …è detto processo di Wiener • Si tratta di un processo a traiettorie continue che non è derivabile in nessun punto con probabilità uno (non è derivabile in quasi nessun punto) • Nel continuo: dz(t) = limh0 E[z(t+h) – z(t)] • Processo diffusivo: dS(t) = dt + dz(t)

  8. Probabilità condizionale • Es. ds(t) =  dt +  dz(t) • La distribuzione di probabilità al tempo  > t di s è normale e ha media ( - t), mentre la varianza è 2 ( - t) • Es. dY(t)/Y(t) =  dt +  dz(t) rappresenta il moto geometrico browniano, e nel nostro caso il rendimento istantaneo di un titolo rischioso. Il rendimento istantaneo è distribuito secondo la normale, mentre Y(t) non lo è.

  9. Il lemma di Ito • Se s(t) è un processo diffusivo e p = f(s,t) è una funzione, anche p(t) è un processo diffusivo, con lim h0 E[p(t+h) – p(t)] = (f t+ s f s + ½ s2 f ss)dt lim h0 Var[p(t+h) – p(t)] = (sf s)2dt • Es. Da dY(t)/Y(t) =  dt +  dz(t) e f(Y,t) = log Y otteniamo… d log Y(t) = ( - ½ 2)dt +  dz(t) … e Y( | t) ha distribuzione log-normale.

  10. Valutazione di contratti derivati • Assumiamo che il sottostante segua un moto geometrico browniano dY(t) = Y(t) dt +  Y(t) dz(t) • Il valore di un contratto derivato C(Y,t) segue, per il lemma di Ito E(dC(t)) = (C t+ YCY + ½ 2Y2 CYY)dt Var[dC(t)] = (YCY)2dt

  11. Applicazione: delta hedging • Assumiamo di voler immunizzare una posizione in un derivato C. • Consideriamo un portafoglio con • Una posizione lunga in una unità di C • Una posizione corta in  = CY unità di Y • La dinamica del portafoglio C(t) – CYY(t) E(dC(t) - CY dY(t)) = (C t + ½ 2Y2 CYY)dt Var[dC(t) - CY dY(t)] = 0

  12. Black & Scholes • Il principio di non arbitraggio implica che C t + ½ 2Y2 CYY = r(C(t) - CYY(t)) …da cui la fundamental PDE ½ 2Y2 CYY +C t + rCYY(t)- rC(t) = 0 …e il valore del contratto derivato deve essere una risoluzione della PDE con condizione al contorno C(Y(T),T) = funzione di pay-off

  13. Il modello di Black & Scholes • Il modello di Black & Scholes è basato sull’assunzione di distribuzione normale dei rendimenti. Si tratta di un modello nel tempo continuo. Ricordando la definizione di prezzo forward F(Y,t) = Y(t)/v(t,T)

  14. Prezzi di opzioni put • Dalla relazione di parità put-call e dalla proprietà della normale standard secondo la quale: 1 – N(a) = N(– a) otteniamo

  15. Ancora su ENEL • Data di valutazione 16/03/2005 • Data di esercizio 15/05/2005 • Prezzo a pronti ENEL 7,269 • Prezzo BOT scadenza 16/05/2005: 99,66 • Prezzo forward Enel: 7,269/0,9966 = 7,2937989 • Prezzo strike: 7,6 • Volatilità: 16,38% • Delta Call = N(–0,58602) = 27,8931% • Leverage = 7,6 x N(–0,652432) = 1,9536652 • Prezzo = 7,269 x 0,278931 – 0,9966 x 1,9536652 = 0,0805254 = prezzo di mercato

More Related