Finanzmathematik 1: Diskrete Modelle - Reinhold Kainhofer
Finanzmathematik 1: Diskrete Modelle - Reinhold Kainhofer
Finanzmathematik 1: Diskrete Modelle - Reinhold Kainhofer
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
KAPITEL 6. DAS BINOMIALMODELL 30<br />
Die Option ist in the money“ genau dann, wenn<br />
”<br />
(<br />
S T ≥ K ⇔ S 0 u N T<br />
d T −N T u<br />
) ⌈<br />
NT<br />
K<br />
≥ K ⇔ ≥<br />
d S 0 d T ⇔ N log(K/S0 d T ⌉<br />
)<br />
T ≥ n k =<br />
log(u/d)<br />
Der Wert der Option beträgt damit<br />
C 0 = e −rT<br />
∑<br />
T (<br />
S0 u n d T −n − K ) ( )<br />
T<br />
q n (1 − q) T −n<br />
n<br />
n=n k<br />
Bemerkung 6.7. Die rekursive Berechnung wie im letzten Abschnitt und die direkte Berechnung über den<br />
gesamten Erwartungswert sind aufgrund der Linearität des Erwartungswerts äquivalent.<br />
6.5 Verteilung des Maximums im Binomialmodell (Reflection<br />
Principle)<br />
Betrachte den Spezialfall u · d = 1, d.h. ”<br />
up“ und ”<br />
down“ heben sich genau auf, womit der Aktienkurs<br />
sich vereinfacht zu<br />
S t = S 0 u 2Nt−t .<br />
Definiere Y T = max {S t : t = 0, 1, . . . , T } mit Werten aus { S 0 , S 0 u, . . . , S 0 u } T als das Maximum des<br />
Kurses bis zum Zeitpunkt T .<br />
Ziel. Unser Ziel ist nun die Bestimmung der Verteilung von Y T , also P(Y T<br />
i für ein i) für i = 0, 1, . . . , T .<br />
≥ S 0 u i ) = P(2N t − t ≥<br />
Bei der Bestimmung dieser Wahrscheinlichkeitsverteilung werden wir einen sehr nützlichen Trick, das<br />
Reflection Principle“ anwenden, welches uns eine Bijektion zwischen Pfaden liefert, die an einem bestimmten<br />
Level gespiegelt sind. Dasselbe Prinzip kann auch z.B. für die Bestimmung des Maximums der<br />
”<br />
Brown’schen Bewegung benutzt werden.<br />
Lemma 6.4 (Verteilung des Maximums im Binomialgitter). Das Maximum Y t eines Pfades<br />
im Binomialgitter besitzt die Verteilung<br />
P(Y t ≥ S 0 U i ) =<br />
( T<br />
T +i<br />
mit n ∗ = min { }<br />
i ∈ R, i > T +i<br />
2 .<br />
2<br />
)<br />
p T +i<br />
T −i<br />
2 (1 − p) 2<br />
} {{ }<br />
=0, wenn T + i ungerade<br />
+<br />
T∑<br />
n=n ∗ ( T<br />
n<br />
) [p n (1 − p) T −n + p T +i−n (1 − p) n−i]<br />
Beweis. Betrachte alle Pfade, die S 0 u i erreichen und definiere τ i = min {t : 2N t − t = i} als den ersten<br />
Zeitpunkt, zu dem S 0 u i erreicht wird. Nach Voraussetzung gilt τ i ≤ T . Wähle i = 0, . . . T fix und betrachte<br />
drei disjunkte Fälle für den Endzeitpunkt:<br />
1. 2N T − T = i (nur möglich, wenn i = T, T − 2, T − 4, . . . )<br />
2. 2N T − T > i<br />
3. 2N T − T < i, aber Y t ≥ S 0 u i<br />
Bei Fall 1 und 2 erreicht der Pfad automatisch S 0 u i . Die Verteilung des Maximums kann daher zerlegt<br />
werden in<br />
P(2N t − t ≥ i für ein i) = P(2N T − T = i) + P(2N T − T > i) + P((2N T − T < i) ∧ (τ i ≤ T ))<br />
Die Wahrscheinlichkeiten der einzelnen Terme lassen sich getrennt bestimmen: