Vorlesungsskript Finanzmathematik I
Vorlesungsskript Finanzmathematik I
Vorlesungsskript Finanzmathematik I
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3.5 Konvergenz der Optionspreise im Binomialmodell und Black-Scholes-Formel 45<br />
Beweis: Wir erhalten mit Hilfe von Lemma 3.5.2<br />
E Q (ln ξ n i ) = q n (r∆ n + σ √ ∆ n ) + (1 − q n )(r∆ n − σ √ ∆ n )<br />
= r∆ n + σ √ ∆ n (2q n − 1)<br />
= r∆ n + σ √ ∆ n (1 − σ 2<br />
√<br />
∆n + O(∆ n ) − 1)<br />
= r∆ n − σ2<br />
2 ∆ n + O(∆ 3/2<br />
n ),<br />
(<br />
var Q (ln ξi n ) = q n σ √ ∆ n + σ2<br />
2 ∆ n + O(∆ 3/2<br />
= q n<br />
(<br />
σ 2 ∆ n + O(∆ 3/2<br />
n )<br />
= σ 2 ∆ n + O(∆ 3/2<br />
n ).<br />
)<br />
+ (1 − q n )<br />
2<br />
n ))<br />
+ (1 − q n )<br />
(−σ √ ∆ n + σ2<br />
)<br />
(<br />
σ 2 ∆ n + O(∆ 3/2<br />
n )<br />
2 ∆ n + O(∆ 3/2<br />
n )<br />
Satz 3.5.4. Für n → ∞ konvergiert ( die Verteilung ) von Z n (T ) = ln S n (T ) unter Q gegen eine<br />
Normalverteilung mit Mittelwert µ = r − σ2<br />
2<br />
T + ln S 0 und Varianz σ 2 T .<br />
Beweis: Nach Lemma 3.5.3 ist<br />
E Q( Z n (T ) ) = ln S 0 + n<br />
) (r − σ2<br />
∆ n + T O(∆ 3/2<br />
n ) n→∞ −→ µ,<br />
2 ∆ n<br />
var Q ( Z n (T ) ) = nσ 2 ∆ n + T ∆ n<br />
O(∆ 2 n) n→∞ −→ σ 2 T.<br />
) 2<br />
<br />
Lemma 3.5.1 liefert die Behauptung.<br />
<br />
Die Lognormalverteilung Nach Satz 3.5.4 bzw. Gleichung (3.22) konvergiert die Verteilung<br />
von ln S n (T ) für n → ∞ gegen eine Normalverteilung. Es folgt, dass ST n asymptotisch lognormal<br />
verteilt ist. Dabei hat eine Zufallsvariable S auf (0, ∞) eine Lognormalverteilung mit Parametern<br />
µ, σ 2 , S ∼ LN (µ, σ 2 ), falls Z := ln S gemäß N (µ, σ 2 ) verteilt ist. Die Verteilung hat folgende<br />
Eigenschaften.<br />
• Dichte. Da P (S ≤ x) = P (Z ≤ ln x), folgt für die Verteilungsfunktion F S (x) = F Z (ln x),<br />
x > 0. Damit gilt für die Dichtefunktionen<br />
F S (x) ′ = F Z(ln ′ x) 1 (<br />
)<br />
x = 1<br />
√<br />
2πσ 2 x exp (ln x − µ)2<br />
− 2 2σ 2 . (3.24)<br />
Die folgenden beiden Bilder zeigen die Dichtefunktion für verschiedene Parameter von µ<br />
und σ 2 .<br />
Dichte der Lognormal−Verteilung für sigma=1<br />
Dichte der Lognormal−Verteilung für mu=0<br />
0.9<br />
1.6<br />
mu=−1<br />
mu=−0.5<br />
0.8<br />
sigma^2=0.25<br />
sigma^2=0.5<br />
1.4<br />
mu=0<br />
mu=0.5<br />
0.7<br />
sigma^2=1<br />
sigma^2=1.5<br />
1.2<br />
mu=1<br />
0.6<br />
sigma^2=2<br />
1.0<br />
0.5<br />
0.8<br />
0.4<br />
0.6<br />
0.3<br />
0.4<br />
0.2<br />
0.2<br />
0.1<br />
0.5 1.0 1.5 2.0 2.5 3.0<br />
0.5 1.0 1.5 2.0 2.5 3.0