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

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Beispiel für e<strong>in</strong>en Spot-Rate-Prozess mit „mean-reversion“ Eigenschaft: Vasiček-Modell<br />

Gegeben durch die SDE für den Spot-Rate-Prozess r t<br />

:<br />

dr<br />

t<br />

= κ ( m − r ) dt + σ dW<br />

t<br />

t<br />

wobei wir annehmen, dass<br />

m > 0 <strong>der</strong> langzeitige durchschnittliche Z<strong>in</strong>s<br />

κ > 0 die Stärke des Drifts gegen den mittleren Z<strong>in</strong>s m angibt und<br />

r <strong>der</strong> Z<strong>in</strong>s <strong>zu</strong>m Zeitpunkt t = 0 ist.<br />

0<br />

> 0<br />

Der Ausdruck σ Wt<br />

stellt den stochastischen Störungsterm dar, ohne den <strong>der</strong> Spot-Rate-Prozess durch e<strong>in</strong>e gewöhnliche<br />

Differentialgleichung gegeben wäre. Es zeigt sich, dass die Lösung <strong>der</strong> SDE <strong>in</strong> <strong>der</strong> Form<br />

r = r e<br />

t<br />

0<br />

(1<br />

− κt<br />

t<br />

+ m − e<br />

− κ<br />

+<br />

)<br />

e<br />

− κt<br />

σ<br />

t<br />

s<br />

∫ e<br />

− κ<br />

o<br />

dW<br />

s<br />

t<br />

∫ −<br />

geschrieben werden kann. Der Ausdruck t → e<br />

κ s dWs<br />

bezeichnet e<strong>in</strong> stochastisches Integral, das man durch e<strong>in</strong>e Folge<br />

o<br />

aus Funktionen, welche die Inkremente <strong>der</strong> Brownschen Bewegung <strong>zu</strong>grunde legt, etwa wie folgt approximieren kann:<br />

−n<br />

Für t ≥ 0 gegeben und n > 0 bildet man Zeitschritte <strong>der</strong> Dauer 2 und betrachtet die Inkremente aus <strong>der</strong><br />

Brownschen Bewegung W n −W n<br />

j j<br />

für j = 0,1,2 ,⋅⋅ ⋅. Das obige stochastische Intergral kann durch die Folge<br />

( + 1) / 2 / 2<br />

∞<br />

exp( −n<br />

∑ κ j2<br />

) { W<br />

n −W<br />

}<br />

m<strong>in</strong>( ,( 1) / 2 m<strong>in</strong>( , / 2 n für n = 1,2,3 ,⋅⋅ ⋅<br />

t j+<br />

t j<br />

j=<br />

0<br />

angenähert werden. Die Summe ist für jedes n endlich und als Summe <strong>von</strong> unabhängigen, normalverteilten<br />

Zufallvariablen konvergiert diese Folge für n → ∞ gegen e<strong>in</strong>e Normalverteilung (Zentraler Grenzwertsatz).<br />

30.11.2006 2.2.3 Z<strong>in</strong>smodellierung 9

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!