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 7. MARKOV MODELLE 35<br />
1. d t > 0 f.s., daher auch Y t > 0 f.s. ∀t = 1, . . . , T<br />
2. d t ist F t -messbar, daher auch Y t ∀t = 1, . . . , T<br />
[ [ ∣ ]<br />
]<br />
Def Zt+1 ∣∣∣<br />
3. E P [d t+1 |F t ] = E P E P ˜St+1 ,<br />
Z ˜S t t<br />
∣ F t<br />
} {{ }<br />
E P<br />
[<br />
E P [Z t+1 /Z t | F t ]<br />
} {{ }<br />
= 1 Z t<br />
E P [Z t+1|F t] Mart. = 1 Z t<br />
Z t=1<br />
=h( e S t, e S t+1)<br />
]<br />
∣ ˜St = 1. Daher gilt<br />
Lem. 7.2<br />
= E P [h( ˜S t , ˜S t+1 )| ˜S t ]= 1 E P [Z t+1 /Z t | ˜S t ]<br />
[ ∣ ]<br />
Yt+1 ∣∣∣<br />
E P F t = 1 ,<br />
Y<br />
} {{ t<br />
}<br />
d t+1<br />
bed.EW<br />
=<br />
weshalb Y t ein P-Martingal ist und daher E P [Y T ] = E P [Y 0 ] = E P [Z 0 ] = 1 erfüllt.<br />
Insgesamt wird also durch dQ<br />
dP = Y T ein Wahrscheinlichkeitsmaß Q mit Q ∼ P definiert.<br />
Martingaleigenschaft von ( ˜S 0 , . . . , ˜S T ) bezüglich Q:<br />
E Q [ ˜S t+1 |F t ] Bayes<br />
= E P[Y t+1 ˜St+1 |F t ] [Y t+1<br />
= E P<br />
E P [Y t+1 |F t ] Y<br />
} {{ } } {{ t<br />
}<br />
=Y t<br />
d t+1<br />
˜St+1<br />
∣ ∣Ft<br />
]<br />
Lemma mit<br />
h( e S t, e S t+1)=<br />
d t+1 e St+r<br />
= EP<br />
[<br />
d t+1 ˜St+1 | ˜S t<br />
]<br />
eS t+1 ist [ [ ∣ ]∣ ] [ ∣ ] [<br />
eS t+1-mb Zt+1 ∣∣∣ ∣∣∣<br />
= E P E P ˜St ,<br />
Z ˜S<br />
Zt+1 ∣∣∣ 1<br />
t+1 ˜St = E P<br />
˜St+1 ˜St = E P E P [Z t+1 ˜St+1 |F t ]<br />
t Z t Z<br />
} t<br />
{{ }<br />
= E P [ ˜S t | ˜S t ] = ˜S t .<br />
Bayes<br />
= E Q ′ [ e S t+1|F t] Q′ -Mart.<br />
Markov-Eigenschaft von ( ˜S 0 , . . . , ˜S T ) bezüglich Q: Sei g : R d → R beschränkt und messbar.<br />
E Q [g( ˜S t+1 |F t ] Bayes<br />
= E P[Y t+1 g( ˜S t+1 )|F t ]<br />
E P [Y t+1 |F t ]<br />
} {{ }<br />
= E P [d t+1 g( ˜S t+1 )<br />
} {{ }<br />
=:h( S<br />
Y e t, S e t+1)<br />
t<br />
|F t ] Lemma<br />
= E P [d t+1 g( ˜S t+1 )| ˜S t ] = . . .<br />
= e S t<br />
∣ ∣∣∣ ˜St<br />
]<br />
· · · = E Q [g( ˜S t+1 )| ˜S t ]<br />
Korollar 7.4. Der Preis im Zustand F ∈ E hängt nicht von der Vergangenheit ab, sondern nur vom<br />
momentanen Zustand:<br />
Def. MM [ ∣ ∣∣ ] ME [ ∣ ∣∣ ]<br />
˜S t = E Q ˜St+s Ft = EQ ˜St+1 ˜St ∀t, s<br />
}{{}<br />
}{{}<br />
gesamter<br />
Knoten im<br />
bish. Verlauf<br />
Baum/Gitter<br />
Beispiel 7.2. Das Binomialmodell ist ein Spezialfall des Markov-Modells.<br />
Bemerkung 7.5 (Faktormodell). Obige Eigenschaften gelten nur für deterministischen Zins r m . Ist das<br />
Bankkonto nicht deterministisch, sondern stochastisch, ist ˜S t i.A. keine Markovkette mehr (auch wenn<br />
B t ein Markov-Prozess ist!).<br />
Mögliche Lösung in diesem Fall: Marktmodell mit zugrunde liegendem Faktorprozess X (Markov-Prozess),<br />
von dem das Bankkonto abhängt (z.B. Preise aller relevanten Wertpapiere).<br />
1 Da σ( e S t) ⊂ σ( e S t, e S t+1 )