22.11.2013 Aufrufe

Übergang von diskreten zu kontinuierlichen Modellen in der ...

Übergang von diskreten zu kontinuierlichen Modellen in der ...

Übergang von diskreten zu kontinuierlichen Modellen in der ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Anwendung :<br />

1) Preisbestimmung <strong>von</strong> abgeleiteten F<strong>in</strong>anztiteln (Derivaten), für welche sich <strong>der</strong> Werte <strong>zu</strong> e<strong>in</strong>em späteren<br />

Zeitpunkt aus <strong>der</strong> gesamten Preisentwicklung e<strong>in</strong>er <strong>zu</strong>grunde liegenden Securities ergeben kann (Kapitel 2.3).<br />

2) erhalte die Verteilung <strong>der</strong> <strong>in</strong>f<strong>in</strong>itesimalen Inkremente des stochastischen (Ito-)Prozesses<br />

Beispiel:<br />

Black-Scholes-Modell für e<strong>in</strong>e Aktie gegeben durch die SDE<br />

dS<br />

t<br />

= µ S dt + σS<br />

dW mit σ<br />

t<br />

t<br />

t<br />

µ, konstant<br />

def<strong>in</strong>ieren die Funktion G ( x,<br />

t)<br />

= ln( x)<br />

. Dann ist S ) e<strong>in</strong> Ito-Prozess und es gilt<br />

ln( t<br />

∂G 1<br />

=<br />

∂x<br />

x<br />

∂ G<br />

∂x<br />

1<br />

x<br />

2<br />

,<br />

2 = −<br />

2<br />

∂G<br />

∂t<br />

und = 0<br />

Daher folgt nach dem Ito-Lemma, dass für den durch G def<strong>in</strong>ierten Prozess Y G( S , t)<br />

2<br />

σ<br />

dY = ( µ − ) dt + σ<br />

2<br />

t<br />

dW t<br />

gilt.<br />

Da µ und σ konstant s<strong>in</strong>d, bedeutet dies, dass die <strong>in</strong>f<strong>in</strong>itesimalen Inkremente <strong>von</strong> Y = S ) normalverteilt mit<br />

2<br />

2<br />

Mittelwert ( µ − σ / 2)<br />

und Varianz σ s<strong>in</strong>d für e<strong>in</strong>en <strong>zu</strong>künftigen Zeitpunkt<br />

folgende Verteilung hat:<br />

t<br />

=<br />

t<br />

t<br />

ln( t<br />

T > t die Zufallsvariable ln( S T<br />

)<br />

ln( S<br />

T<br />

) ~ N(<br />

S<br />

t<br />

2<br />

σ<br />

2<br />

+ ( µ − )( T − t),<br />

σ ( T − t))<br />

2<br />

30.11.2006 2.2.4 Erweiterung <strong>der</strong> Zustandsvariablen 5

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!