Professional Documents
Culture Documents
Dorywalski Andrzej
Promotor: Dr M. Wiciak
Kraków 2010
Spis treści
1. Wstęp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1. Wprowadzenie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Instrumenty pochodne . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Kontrakty forward . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2. Kontrakty futures . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3. Opcje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Zarys historyczny . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Wycena swapów pogodowych . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1. Wycena aktuarialna . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.2. Wycena Rynkowa . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4.3. Rola prognozy pogody . . . . . . . . . . . . . . . . . . . . . 11
1.5. Wycena opcji pogodowych . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.1. Zastosowanie prognozy pogody . . . . . . . . . . . . . . . . . 12
1.5.2. Wycena oparta o rynek opcji pogodowych . . . . . . . . . . 12
2. Elementy Analizy Stochastycznej . . . . . . . . . . . . . . . . . . . . 14
2.1. Podstawowe twierdzenia i definicje . . . . . . . . . . . . . . . . . . . 14
2.1.1. Warunkowa Wartość Oczekiwana . . . . . . . . . . . . . . . 14
2.1.2. Martyngały . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.3. Proces Wienera . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.4. Całka Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.5. Wzór Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.6. Stochastyczne równanie różniczkowe . . . . . . . . . . . . . . 21
2.1.7. O reprezentacji martyngału . . . . . . . . . . . . . . . . . . . 21
2.1.8. Twierdzenie Girsanowa . . . . . . . . . . . . . . . . . . . . . 21
2.2. Wycena martyngałowa w model rynku z czasem ciągłym . . . . . . 23
2.2.1. Model rynku finansowego z czasem ciągłym . . . . . . . . . . 23
2.2.2. Wycena martyngałowa instrumentów pochodnych . . . . . . 26
3. Wycena opcji pogodowych . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1. Wstęp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2. Model Blacka-Scholesa . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.1. Wycena instrumentów w modelu Blacka - Scholesa . . . . . 31
3.2.2. Wzór Blacka-Scholesa . . . . . . . . . . . . . . . . . . . . . . 33
3.3. Model Blacka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.1. Wzór Blacka . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.2. Równanie różniczkowe w modelu Blacka . . . . . . . . . . . 38
3.4. Proces cen opcji pogodowych . . . . . . . . . . . . . . . . . . . . . . 40
3.5. Model rynku zrównoważonego dla opcji pogodowych . . . . . . . . . 40
3.6. Wycena na rynku zrównoważonym dla opcji pogodowych . . . . . . 42
Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1
1. Wstęp
1.1. Wprowadzenie
W ciągu ostatnich lat pojawiła się nowa atrakcyjna klasa aktywów : dyre-
waty pogodowe. Nieskorelowane praktycznie z większością innych inwestycji
doprowadziły do powstania stanowisk do spraw obrotu opcjami pogodowy-
mi w dużej ilości przedsiębiorstw ubezpieczeniowych, bankach, funduszach
hedgingowych czy też przedsiębiorstwach energetycznych. Portfel opcji po-
godowych, który posiadają te firmy zawiera paręset kontraktów o wielkości
od paręnastu tysięcy aż do dziesiątek milionów dolarów.
— Portfel opcji pogodowych oraz zwykłych towarów może mieć duży zwrot,
ale niskie ryzyko, ze względu na korelacje pogody i cen towarów.
2
W rozdziale trzecim przedstawiamy podstawowy model wyceny opcji na
akcje jakim, to jest model Blacka-Scholesa. Stanie się on podstawą do dal-
szych rozważań i modyfikacji, które pozwolą wyprowadzić wzory na cenę
tak egzotycznych opcji, jak opcje pogodowe. Najpierw więc przedstawiamy
model z pracy Blacka z roku 1976, [1], dla opcji opartych o kontrakty for-
ward. Ostatecznie, modyfikujemy model Blacka, tak by zamiast opierać się
o kontrakty forward, opierać się o swapy pogodowe. Takie podejście pozwala
na sprawiedliwą wycenę opcji pogodowych,[1,7,14].
3
1.2.1. Kontrakty forward
Kontrakt forward jest to instrument finansowy, transakcja terminowa
np. na kurs walut, cenę ryżu. Polega na kupnie lub sprzedaży zasobu X
za Y . Kurs po jakim zostanie dokonana transakcja oraz wielkość transakcji
zostają ustalone w dniu jej zawarcia, natomiast fizyczna dostawa zasobów
musi nastąpić w ściśle określonym dniu w przyszłości. W przypadku niektó-
rych forwardów po upływie terminu umowy można nie dostarczać zasobów,
a tylko zapłacić różnicę pomiędzy ceną poprzednio uzgodnioną w kontrak-
cie a ceną obowiązującą w dniu wygaśnięcia umowy. W transakcjach typu
forward istnieje ryzyko nie wywiązania się z umowy transakcyjnej ponieważ
instrument ten nie podlega standaryzacji i nie jest regulowany przez izbę
rozliczeniową.
4
— cenowy, w którym strony transakcji ustaliły, że jedna z nich w określonym
dniu zapłaci X USD za Y ton miedzi.
Podstawowa forma kontraktu futures jest taka sama jak kontraktu for-
ward. Różnica polega na tym, że futures jest rozliczany na koniec każdego
dnia. Można powiedzieć, że kontrakt futures jest jak ciąg kontraktów for-
ward.
— walutowy,
— procentowy,
— indeksowy,
— towarowy.
* Pozycja długa.
W dniu rozliczenia: zapłata i przyjęcie instrumentu bazowego po z góry
5
ustalonej cenie. Zamknięcie pozycji: zawarcie transakcji „odwrotne”, tj.
sprzedaż tej samej liczby kontraktów. Osoba otwierająca pozycję długą
(kupująca kontrakt) zobowiązuje się do kupienia w przyszłości określo-
nej ilości instrumentu bazowego po określonej cenie. Nabywca kontraktu
liczy na wzrost ceny instrumentu bazowego w przyszłości. Jeśli jego prze-
widywania się sprawdzą, będzie mógł on nabyć instrument bazowy po
cenie niższej (wynikającej z kontraktu) i sprzedać go drożej na rynku
kasowym. Inwestor zrealizuje wtedy zysk. W przypadku, gdy cena na
rynku kasowym będzie niższa od tej wynikającej z kontraktu – nabywca
długiej pozycji poniesie stratę.
* Pozycja krótka.
W dniu rozliczenia: dostarczenie instrumentu bazowego po z góry ustalo-
nej cenie. Zamknięcie pozycji: zawarcie transakcji ”odwrotnej”, tj. kupno
tej samej liczby kontraktów. Osoba otwierająca pozycję krótką (sprzeda-
jąca kontrakt) zobowiązuje się do sprzedania w przyszłości określonej
ilości instrumentu bazowego po określonej cenie. Sprzedawca kontrak-
tu liczy na spadek ceny instrumentu bazowego w przyszłości. Jeśli jego
przewidywania się sprawdzą (cena na rynku kasowym będzie niższa od
tej ustalonej w kontrakcie), będzie mógł sprzedać instrument bazowy
po cenie wyższej (wynikającej z kontraktu). Inwestor zrealizuje wtedy
zysk. W przypadku, gdy cena na rynku kasowym będzie wyższa od tej
wynikającej z kontraktu – sprzedający kontrakt poniesie stratę.
1.2.3. Opcje
Opcja jest to instrument finansowy o niesymetrycznym profilu wypłaty.
Może być przedmiotem obrotu na giełdzie.
Z tego względu w wielu wypadkach rozliczenie opcji odbywa się nie po-
przez zawarcie faktycznej transakcji do której opcja uprawnia (rozliczenie
rzeczywiste), lecz jedynie przez wypłatę posiadaczowi opcji przez wystawcę
sumy pieniężnej, odpowiadającej w/w różnicy cen (rozliczenie nierzeczywi-
ste). Z reguły rozliczenie rzeczywiste stosuje się w przypadku towarów oraz
obligacji. W przypadku innych aktywów, częściej spotykane jest rozliczenie
nierzeczywiste.
6
przedmiotu transakcji, ponadto zależy ona od różnych innych czynników,
dlatego wartość opcji trudno jest wyceniać. Istnieją różne metody i modele
określania ceny opcji.
◦ opcje na akcje
◦ opcje na towary
◦ opcje na obligacje i stopę procentową
◦ opcje na indeksy
◦ opcje na kontrakty futures
* opcje na rynku nieregulowanym (OTC)
7
Na dzień dzisiejszy nie ustalono, kto oficjalnie zawarł pierwszą umowę
pogodową na świecie. Przykładowo Aquila Inc. twierdzi, iż zawarła umowę
w 1996 roku z Consolidated Edison Inc., która wyraźnie miała charakter
ochrony finansowej przed niską temperaturą w sierpniu tego roku. Rok póź-
niej, we wrześniu 1997 roku Enron Inc. oraz Koch Energy Trading ogłosiły
publicznie fakt zawarcia kontraktu pogodowego na okres zimy 1997-1998
dla lokalizacji Milwaukee (USA). Strony uzgodniły, że rozliczenie finansowe
odbędzie się w oparciu o indeks temperatury HDD (Heating Degree Day1 ).
W wielu źródłach, ze względu na wielkość tej transakcji oraz posłużenie się
indeksem, który później został uznany za standard tego rynku, to właśnie
Enron Inc. oraz Koch Energy Trading są wskazywani jako pionierzy trans-
akcji pogodowych.
Istotny wpływ na rozwój tego rynku miała zima roku 1997. Otóż wysokie
temperatury, jakie odnotowano w tym okresie w Stanach Zjednoczonych,
były wynikiem działania silnego oceanicznego prądu El Nino. Meteorolo-
dzy określili tę zimę jako najcieplejszą, jaką zanotowano w całej historii
Stanów Zjednoczonych. Temperatura znacznie odbiegająca od oczekiwanej
wyrządziła znaczne straty w gospodarce Stanów Zjednoczonych. Fakt ten
dodatkowo zwrócił uwagę mediów oraz przedsiębiorstw na instrumenty za-
rządzania ryzykiem pogodowym w przedsiębiorstwie.
1
Objaśnienie indeksu pojawia się w dalszej części pracy
8
średnie miesięczne temperatury w trzech lokalizacjach: Berlin, Paryż i Lon-
dyn. Podobne kontrakty pojawiły się kilka miesięcy później na fińskiej gieł-
dzie w Helsinkach oraz połączonym parkiecie niemieckiej Deutsche Bǒrse
i francuskiej Powernext. W połowie 2001 roku giełda CME, rozpoczęła ob-
rót kontraktami na pogodę dla pięciu amerykańskich miast.
m
X
HDD = max(65◦ F − yt , 0),
t=1
m
X
CDD = max(yt − 65◦ F, 0),
t=1
9
dla lokalizacji w Europie jest obliczany podobnie jak W USA z tą różnicą
że temperatury podawane są w ◦ C co powoduje, że indeks przyjmuje niższe
wartości. Posługiwanie się stopniami Celsjusza oraz specyficzne warunki kli-
matyczne Europy spowodowały, iż w połowie 2004 roku dla kontraktów wy-
stawianych w okresie letnim dla lokalizacji w Europie wprowadzono indeks
CAT ( Cumulative Average Temperature ) zamiast wcześniejszych indeksów
CDD. Indeks CAT w okresie m dni wyraża się za pomocą formuły
m
X
CAT = yt .
t=1
m
P
yht
t=1
MAT = ,
m
gdzie yht jest dobową przeciętną temperaturą obliczaną jako średnia z 24
obserwacji dokonanych w odstępstwach godzinnych w danej dobie. Wartość
tego indeksu jest podawana przez Japońską Agencje Meteorologiczną jako
Pacific Rim Index.
10
są one stałe ze względu na zawieranie w nich trendów ze względu na zmiany
klimatyczne i urbanizację stacji meteorologicznych z biegiem czasu. Problem
ten może być rozwiązany na dwa sposoby: albo używając krótkich okresów
czasowych z aktualnymi danymi, gdzie błąd będziemy traktować za tak mało
istotny, że będzie go można pominąć, albo korzystając z dłuższych okresów
czasowych z jednoczesną próbą uwzględnienia trendów w modelach.
11
pogodowych w lokalizacji, dla której chcemy handlować opcją pogodową. Je-
dyną możliwą metodą w tej sytuacji jest metoda aktuarialna oparta o histo-
ryczne dane meteorologiczne. Analiza jest odrobinę bardziej skomplikowana
niż dla swapów pogodowych ze względu na to że interesuje nas teraz bardziej
przewidywana wartość indeksu, niż wartość oczekiwana. Głównym źródłem
zysku jest wypłata z opcji i jest on często utożsamiana z ceną sprawiedliwą
(fair strike) opcji. Kontrakt opcyjny handlowany wiele razy z premią, na
poziomie ceny sprawiedliwej nie przyniesie ani zysku, ani straty.
12
jak, nieskończona płynność czy bezkosztowe transakcje. Jednakże, zabez-
pieczanie opcji swapami jest możliwe. Optymalna ilość zabezpieczających
swapów zależy od płynności, poziomu kosztów transakcji i awersji do ryzyka
handlujących. Kiedy wyceniamy opcje na indeksy dla których istnieje han-
del kontraktami swap staje się praktyką używanie stanu kontraktu zamiast
aktuarialnego oszacowania oczekiwanej wartości indeksu. To może być roz-
ważane jako:
13
2. Elementy Analizy Stochastycznej
14
7. E (E (X|G)) = EX p.n.
8. jeżeli zmienna losowa X jest niezależna od σ-algebry G, to E (X|G) =
EX p.n.
9. jeżeli Y jest ograniczoną zmienną losową G-mierzalną, to
E (XY |G) = Y E (X|G) p.n.
2.1.2. Martyngały
Niech (Ω, F, P ) będzie przestrzenią probalistyczną oraz T = [0, T ],
T ∈ R. Elementy zbioru T interpretujemy jako czas.
15
Proces A oznaczamy symbolem hXit i nazywamy kompensatorem. hXit
jest prognozowalnym, niemalejącym i startującym z zera procesem stocha-
stycznym, który kompensuje proces X 2 do martyngału.
1. W0 = 0 p.n. ,
5. W jest adaptowany do F.
— W jest F-martyngałem,
2
— exp(λWt − λt2 ) jest F-martyngałem (λ ∈ R).
t∈T
16
Ftn -mierzalna dla każdego n ∈ N, takie, że
∞
X
Xt (ω) = ξ0 (ω)1
1{0} (t) + ξj (ω)1
1(tj ,tj+1 ] (t).
j=0
Zt ∞
X
Xs dMs = ξj Mt∧tj+1 (ω) − Mt∧tj (ω) dla t ∈ T .
0 j=0
RT RT RT
1. Liniowość: (aXu + bYu )dMu = a Xu dMu + b Yu dMu .
0 0 0
Rs Rt Rt
2. Xu dMu + Xu dMu = Xu dMu dla 0 < s < t ≤ T .
0 s 0
Rt
3. Proces ( Xu dMu )t∈[0,T ] jest martyngałem o średniej zero i o ciągłych
0
trajektoriach.
t
Rt
t
R R
4. E dMu Yu dMu | Fs = E Xu Yu dMu | Fs ,
s s s
t 2
Rt
= E Xu2 d hM iu .
R
5. E Xu dMu
0 0
Rt
2. P ω ∈ Ω : |a(s, ω)ds < ∞| = 1 dla każdego t ∈ T ;
0
Rt
3. E b2 (s)ds < ∞ dla każdego t ∈ T .
0
Mówimy, że proces stochastyczny X : T × Ω → R ma różniczkę stocha-
17
Edited by Foxit Reader
Copyright(C) by Foxit Corporation,2005-2009
For Evaluation Only.
styczną
Zt Zt
P ({ω ∈ Ω : X(t, ω) = X(0, ω)+ a(s, ω)ds+ b(s, ω)dWs , ∀t ∈ T }) = 1.
0 0
n−1
X
f (t, Xt ) − f (0, X0 ) = f (ti+1 , Xti+1 ) − f (ti , Xti ) ,
i=0
przy czym 0 = t0 < t1 < . . . < tn = t jest podziałem odcinka (0, t), takim, że
Na mocy wzoru Taylora (przy oznaczeniach: (4ti = ti+1 −ti oraz 4Xti =
Xti+1 − Xti ) mamy
n−1 n−1
X ∂f X ∂f
(ti , Xti ) 4ti , (ti , Xti ) 4Xti ,
∂t ∂x
i=0 i=0
Zt
∂f
(s, Xs ) ds ,
∂t
0
Z t Zt Zt
∂f ∂f ∂f
(s, Xs ) dXs = a(s) (s, Xs ) ds + b(s) (s, Xs ) dXs ,
∂t ∂t ∂x
0 0 0
18
n−1
P P
Można pokazać, że Ri → 0 według prawdopodobieństwa. Rozważmy
i=0
bardziej szczegółowo sumę
n−1
1 X ∂2f
In = (ti , Xti ) [4Xti ]2 .
2 ∂x2
i=0
Ponieważ
n−1
1X 2 ∂2f
I˜n = b (ti ) 2 (ti , Xti ) [4Xti ]2 .
2 ∂x
i=0
max t̃k+1 − t̃k → 0 gdy N → 0,
0≤k≤N −1
i każdy przedział (t̃k , t̃k+1 ) zawiera taką liczbę nk punktów podziału odcinka,
że min nk → ∞, gdy n → ∞. Wtedy
k
N −1
1 XX ˜ 2 ∂2f
I˜n = b (ti ) 2 (ti , Xti ) [4Wti ]2 ,
2 ∂x
k=0
przy czym wężyk nad drugą sumą oznacza sumowanie po takich i, dla któ-
2
rych ti ∈ (t̃k , t̃k+1 ). Ze względu na ciągłość Xt i ∂∂t2f (t, x) otrzymujemy na-
stępujące wyrażenie asymptotyczne
N −1
1X 2 ∂2f ˜
X
I˜n w b (t̃k ) 2 (tk , Xtk ) [4Wtk ]2 ,
2 ∂x
k=0
N −1
˜ 1X 2 ∂2f
In w b (t̃k ) 2 (tk , Xtk ) (t̃k+1 − t̃k ).
2 ∂x
k=0
Zt
1 ∂2f
b2 (s) (s, Xs ) ds,
2 ∂x2
0
19
f (t, Xt ) − f (0, X0 ) =
Zt
1 2 ∂2f
∂f ∂f
= (s, Xs ) + a(s) (s, Xs ) + b (s) 2 (s, Xs ) ds +
∂t ∂x 2 ∂x
0
Zt
∂f
+ b(s) (s, Xs )dWs ,
∂x
0
20
2.1.6. Stochastyczne równanie różniczkowe
Definicja 2.21. Niech η będzie F0 -mierzalną zmienną losową i niech
a, b : T × R → R spełniają założenia 1, 2, 3 definicji 2.18. Wówczas proces
X jest rozwiązaniem stochastycznego równania różniczkowego
Zt Zt
Xt = η + a(s, Xs )ds + b(s, Xs )dWs p.n.
0 0
Zt
Mt = M0 + Xs dWs , ∀t ∈ [0, T ].
0
Zt Zt
1
εt = exp γu dWu − γu2 du dla t ∈ [0, T ]. (4)
2
0 0
21
Zakładamy, że γ jest procesem progresywnie mierzalnym, adaptowanym,
( 12 0T γu2 du)
R
całkowalnym z kwadratem i spełniającym warunek EP (e ) < ∞.
Proces ε nazywamy eksponentą stochastyczną.
to EP (εT ) = 1.
Przy takich założeniach mamy
Zt
W̃t = Wt − γu du dla t ∈ [0, T ]
0
22
2.2. Wycena martyngałowa w model rynku z czasem ciągłym
1. są adaptowane do filtracji F,
2. są prawostronnie ciągłe z lewostronnymi granicami,
3. są ściśle dodatnimi podmartyngałami,
R
t
spełniającymi warunek : E 0 Su2 du < ∞.
Z T Z T 2
E ϕ0t dt < ∞ oraz E ϕ1t
dt < ∞.
0 0
23
Definicja 2.28. Procesem wartości strategii ϕ nazywamy proces (Vt (ϕ))t∈[0,T ] ,
Vt (ϕ)
Ṽt (ϕ) = = e−rt Vt (ϕ), t ∈ [0, T ].
Bt
St
S̃t = = e−rt St , t ∈ [0, T ].
Bt
W dalszej części pracy będziemy zajmować się tylko strategiami samofi-
nansującymi się, czyli bez wpłat ani wypłat z naszego portfela. Stąd zmiany
wartości portfela następować będą tylko poprzez zmiany wartości poszcze-
gólnych walorów.
Lemat 2.30. Strategia ϕ jest samofinansująca się wtedy i tylko wtedy gdy
= ϕ1t dS̃t
24
Z drugiej strony, jeżeli dṼt (ϕ) = ϕ1t dS̃t , to
dVt (ϕ) = d ert Ṽt (ϕ) = rert Ṽt (ϕ) + ert dṼt (ϕ) = rVt (ϕ) + ert ϕ1t dS̃t
= rϕ0t Bt dt + rϕ1t St dt + ert ϕ1t −re−rt St dt + e−rt dSt
25
Stąd oczywiście P ∗ ṼT (ϕ) > 0 = 0, a z równoważności miar P i P ∗ ,
P ṼT (ϕ) > 0 = 0, czyli również P (VT (ϕ) > 0) = 0.
dla dowolnego t ∈ T .
26
3. Wycena opcji pogodowych
3.1. Wstęp
Przedstawimy najpierw model Blacka-Scholesa (MBS ), w którym cena
opcji może być wyznaczona na podstawie ceny instrumentu finansowego,
który jest jego podstawą.
∂C 1 ∂2C ∂C
(t, s) + σ 2 s2 2 (t, s) + rs (t, s) − rC(t, s) = 0, (6)
∂t 2 ∂s ∂s
z warunkiem końcowym C(T, s) = X(s), gdzie σ oznacza współczynnik
zmienności cen akcji, r stopę procentową.
27
3.2. Model Blacka-Scholesa
Zaczniemy od wyprowadzenia wzoru na cenę akcji w modelu Blacka-Sch-
olesa. Zakładamy, że handlujemy opcją na akcje, i ograniczamy ryzyko tej
opcji poprzez akcje będące podstawą kontraktu.
Możemy także rozważyć, jak zdyskontowana wartość cen akcji zmienia się
w czasie. Wartość akcji w czasie t, zdyskontowana do czasu t0 , jest wyrażona
2
µ− σ2 t+σWt
St = S0 e ,
dowód tego faktu można znaleźć w np. w [13].
dP ∗
= εT ,
dP F
28
gdzie εt zdefiniowana jest wzorem
Z t Z t
1
εt = exp γs dWs − γs2 ds .
0 2 0
RT
Proces (εt ) jest adaptowany, progresywnie mierzalny i 0 γs2 ds < ∞.
Stąd
r−µ
γt ≡ γ = .
σ
Proces (γt )t∈[0,T ] nazywa się zwykle rynkową ceną ryzyka. Jeśli jest zna-
ny, to można jednocześnie zdefiniować miarę P ∗ .
σ2
St = S0 exp (r − )t + σ W̃t . (12)
2
29
Twierdzenie 3.1. Jeśli model MBS jest wolny od arbitrażu, to istnieje
progresywnie mierzalny proces γ : [0, T ] × Ω → Rd nazywamy rynkową ceną
ryzyka, taki że
RT
1. ||γt ||2 dt < ∞, P − p.n.,
0
!!
RT 1
RT
2. EP exp γu dWu − 2 ||γu ||2 du = 1,
0 0
Mt = E∗ e−rT X|Ft .
Ponieważ
ht
gdzie ϕ1t = σ S̃t
. Definiujemy
ht
ϕ0t = Mt − ϕ1t S̃t = Mt − ,
σ
stąd otrzymujemy strategię samofinansującą się ϕt = (ϕ0t , ϕ1t ), np. w [13].
Pokazaliśmy w ten sposób, [4], że instrument X jest osiągalny
30
3.2.1. Wycena instrumentów w modelu Blacka - Scholesa
Pokażemy teraz jak wyceniać instrumenty pochodne w modelu Blac-
ka - Scholesa. Załóżmy przy tym, że rynkowa miara ryzyka γ istnieje. Wtedy
w modelu MBS istnieje dokładnie jedna miara martyngałowa P ∗ na (Ω, FT )
o pochodnej Radona-Nikodyma (4)
dP ∗
Z T
1 T
Z
= εT = exp γu dWu − ||γu ||2 du ,
dP 0 2 0
gdzie
r−µ
γ= .
σ
Taki model jest wolny od arbitrażu i zupełny. Model ten nazywa się
modelem standardowym.
Skąd
31
Twierdzenie 3.3. Rozważmy instrument X = X(ST ) przy czym zakłada-
my, że funkcja X : R+ −→ R jest całkowalna. Wtedy cena arbitrażowa tego
instrumentu dana jest wzorem πt (X) = C(t, St ), gdzie C(t, s) jest rozwiąza-
niem równania
∂C 1 ∂2C ∂C
(t, s) + σ 2 s2 2 (t, s) + rs (t, s) − rC(t, s) = 0 (15)
∂t 2 ∂s ∂s
z (12) otrzymujemy
Zmienna losowa St jest Ft -mierzalna, zaś przyrost W̃T − W̃t jest niezależ-
ny względem σ-ciała Ft . Zatem warunkowa wartość oczekiwana jest funkcją
t i St , a więc
πt (X) = C(t, St ).
∂G ∂G 1 ∂2G
dG = dt + (rsdt + σsdW̃t ) + σ 2 s2 2 dt =
∂t ∂s 2 ∂s
∂G ∂G 1 2 2 ∂ 2 G ∂G
= + rs + σ s 2
dt + σs dW̃t .
∂t ∂s 2 ∂S ∂s
32
funkcja (t, s) 7→ G(t, s) spełnia równanie różniczkowe cząstkowe
∂G ∂G 1 2 2 ∂ 2 G
+ rs + σ s = 0, (16)
∂t ∂s 2 ∂s2
z warunkiem końcowym
∂G ∂C
(t, s) = −re−rt C(t, s) + e−rt (t, s),
∂t ∂t
∂G ∂C
(t, s) = e−rt (t, s),
∂s ∂s
∂2G 2
−rt ∂ C
(t, s) = e (t, s),
∂s2 ∂s2
∂C ∂C 1 ∂2C
−re−rt C(t, s) + e−rt (t, s) + rSe−rt (t, s) + σ 2 s2 e−rt 2 (t, s) = 0,
∂t ∂s 2 ∂s
2 2
EP eaX 1{X≥k} = eam+a σ /2 N (d),
−(x − m)2
1
f (x) = √ exp .
σ 2π 2σ 2
Przypomnijmy, że dystrybuanta standardowego rozkładu normalnego wyra-
ża się wzorem
x
−t2
Z
1
N (x) = exp( )dt.
2π −∞ 2
33
Obliczamy zatem
∞
−(x − m)2
Z
1
1{X≥k} ) =
E(exp(aX)1 exp(ax) √ exp( )dx =
k σ 2π 2σ 2
Z ∞
1 ax2σ 2 − (x − m)2 − am2σ 2 − a2 σ 4
= √ exp( )×
k σ 2π 2σ 2
a2 σ 2
× exp(am + )dx =
2
Z ∞
a2 σ 2 1 −(x − m − aσ 2 )2
= exp(am + ) √ exp( )dx =
2 k σ 2π 2σ 2
Z d
a2 σ 2 1 −t2
= exp(am + ) √ exp( )dt,
2 −∞ 2π 2
+ ST − K, gdy ST > K,
X = (ST − K) =
0, gdy ST ≤ K,
gdzie St dla t ∈ [0, T ], jest ceną akcji, na którą wystawiono rozważaną opcje.
Niech Ct = πt (X) oznacza cenę wypłaty X w chwili t ∈ [0, T ].
C(t, St ) = St N (d1 (St , T − t)) − Ke−r(T −t) N (d2 (St , T − t)), (17)
gdzie
S 2
ln K + (r + σ2 )(T − t)
d1 (St , T − t) = √ ,
σ T −t
oraz
2
ln S + (r − σ2 )(T − t)
d2 (St , T − t) = K √ .
σ T −t
34
Zgodnie z (12),
σ2
St = S0 exp (r − )t + σ W̃t ,
2
gdzie W̃ jest procesem Wienera względem miary martyngałowej P ∗ . W szcze-
gólności
σ2
ST = S0 exp (r − )T + σ W̃T .
2
σ2
K
{ST ≥ K} = exp (r − )T + σ W̃T ≥
2 S0
2
σ K
= (r − )T + σ W̃T ≥ ln
2 S0
n o
= W̃T ≥ k
2
K
ln S0
− r− σ2 T
gdzie k = σ . Stąd
σ2
−rT
C(0, S0 ) = e E S0 exp r − T + σ W̃T − K 1{W̃T ≥k}
2
−σ 2 T
= S0 e 2 E∗ eσW̃T 1{W̃T ≥k} − e−rT KE∗ 1{W̃T ≥k}
σ2
σ 2 T − ln SK0 + r − T
C(0, S0 ) = S0 N √
2
− e−rT K 1 − N ( √k )
σ T T
= S0 N (d1 (S0 , T )) − e−rt KN (d2 (S0 , T ))
gdzie
2
ln SK0 + (r + σ2 )T
d1 (S0 , T ) = √
σ T
σ2
−k ln SK0 + (r − 2 )T
d2 (S0 , T ) = √ = √
T σ T
35
3.3. Model Blacka
St
Ft = ∀t ∈ [0, T ] ,
Bt
a ceny forward i futures są równe, gdy stopy procentowe są deterministyczne.
ft = E∗ (ST | Ft ) .
Zauważmy, że z powyższego twierdzenia wynika, że cena futures jest
P ∗ -martyngałem.
St
Ft = = St er(T −t) , t ∈ [0, T ]. (18)
Bt
Na podstawie wzoru na całkowanie przez części w postaci (2) otrzymujemy
więc
36
Zmiana miary P na P ∗ jest dana przez pochodną Radona-Nikodyma
!
dP ∗ 1 r−µ 2
r−µ
= εT = exp WT − T .
dP σ 2 σ
Postępując analogicznie jak w modelu Blacka-Scholesa zamieniamy miarę
P na P ∗ i otrzymujemy
gdzie
ln(f /K) + 21 σ 2 (T − t)
d˜1 (ft , T − t) = √ ,
σ T −t
√
d˜2 (ft , T − t) = d˜1 (ft , T − t) − σ T − t.
Dowód. Następujące twierdzenie, udowodnione zostało po raz pierwszy w pra-
cy Blacka, [1].
Przeprowadzimy go w przypadku, gdy t = 0. Z twierdzeniem 2.38 uzyskuje-
my
+
∗ (f0 − K)
C(T, f0 ) = B0 E
BT
∗ −rT
= E e (f0 − K)1
1{f0 >K} .
σ2
C(T, f0 ) = e−rT E∗ f0 exp(σ W̃T − T ) − K 1{W̃T >k}
2
σ 2
= f0 e−(r+ 2 )T E∗ eσW̃T 1{W̃T ≥k} − e−rT KE∗ 1{W̃T ≥k} .
!
ln(ft /K) + 12 σ 2 (T )
−rT −rT k
C(T, f0 ) = f0 e N √ −e K 1 − N(√ )
σ T T
= f0 e−rT N (d1 (f0 , T )) − e−rT KN (d2 (f0 , T )) ,
gdzie
ln(ft /K) + 21 σ 2 T
d1 (f0 , T ) = √ ,
σ T
√
d2 (f0 , T ) = d1 (ft , T ) − σ T .
Ft = er(T −t) St .
Możemy zatem, tak jak w pracy Blacka, [1], zapisać rozwiązanie równania
Blacka-Scholesa (6) jako funkcję o argumencie Ft . Tak więc używając na-
stępującego podstawienia St = Ft e−r(T −t) oraz korzystając z następujących
przekształceń.
∂C ∂C ∂C ∂Ft ∂C ∂C
(t, Ft ) = + = − rFt ,
∂t ∂t ∂Ft ∂t ∂t ∂Ft
∂C ∂C ∂Ft ∂C
(t, Ft ) = = er(T −t) ,
∂St ∂Ft ∂St ∂Ft
∂2C ∂ 2 C ∂Ft 2 ∂ 2 C r(T −t) 2
(t, Ft ) = = (e ) ,
∂St2 ∂Ft2 ∂St ∂Ft2
2
polega na zajęciu pozycji i utrzymywaniu jej, bez żadnych modyfikacji, przez cały
okres trwania zabezpieczenia
38
przekształcamy równanie Blacka-Scholesa (15) do postaci
2
∂2C
∂C ∂C 1 ∂Ft ∂C
− rFt + σ 2 St2 + rSt er(T −t) − rC = 0
∂t ∂Ft 2 ∂Ft2 ∂St ∂Ft
Ostatecznie otrzymujemy
∂C 1 ∂2C
+ σ 2 Ft2 − rC = 0. (20)
∂t 2 ∂Ft2
Zauważmy, że składnik rS ∂C
∂S w równaniu (15) znika. Czynnik ten jest
powiązany ze zmianą wartości portfela spowodowaną wzrostem wartości ak-
cji o stały procent bez poniesienia ryzyka. Więc, kiedy zabezpieczamy się
kontraktem forward ten czynnik znika, ponieważ nie posiadamy żadnych
pieniędzy do czasu zakończenia tego kontraktu.
∂C ∂(C̃er(t−T ) ) ∂ C̃ r(t−T )
= = e + rC̃er(t−T ) ,
∂t ∂t ∂t
∂C ∂(C̃er(t−T ) ) ∂ C̃ r(t−T )
= = e ,
∂Ft ∂Ft ∂Ft
∂2C ∂ 2 (C̃er(t−T ) ) ∂ 2 C̃ r(t−T ) 2
= = (e ) ,
∂Ft2 ∂Ft2 ∂Ft2
∂ C̃ 1 ∂ 2 C̃
+ σ 2 Ft2 = 0,
∂t 2 ∂Ft2
przyjmując jeszcze prostszą postać.
39
3.4. Proces cen opcji pogodowych
Po przybliżeniu standardowej wyceny opcji w modelu Blacka - Schole-
sa, pokażmy jak ta teoria może być wykorzystana do ustalenia ceny opcji
pogodowej za pomocą kontraktów swap. Kluczem do tego jest wyznaczenie
procesu cen dla kontraktu swap. Kiedy już to zrobimy, nie będzie problemu
z zastosowaniem nieznacznie zmodyfikowanej teorii i otrzymaniem ceny opcji
pogodowej.
3
HDD - heating degree day, CDD - cooling degree day
40
Jak więc oszacować oczekiwaną wartość indeksu i oczekiwany zwrot in-
westycji? Zakładamy, że wszyscy uczestnicy rynku używają tych samych
danych historycznych do przewidywania i szacowania oczekiwanych warto-
ści indeksów kontraktów swap.
dRt = σdWt .
St = er(t−T ) Rt ,
S̃t = er(t0 −T ) St ,
tak więc
41
pominięte w procesie cen kontraktu swap. Jest tak ponieważ, autokorelacja
temperatury jest znana z prognozy i w związku z tym została zawarta w ob-
liczeniach indeksu.
∂C 1 ∂2C ∂C
+ σs2 2 + rS − rC = 0, (24)
∂t 2 ∂S ∂S
∂C ∂C ∂C ∂K ∂C ∂C
= + = − rK ,
∂t ∂t ∂K ∂t ∂t ∂K
∂C ∂C ∂K ∂C
= = er(T −t) ,
∂S ∂K ∂S ∂K
∂2C ∂ 2 C ∂K 2 ∂ 2 C r(T −t) 2
= = (e ) .
∂S 2 ∂K 2 ∂S ∂S 2
4
konstrukcja portfela odpornego na wahania indeksu
42
Równanie (24) przyjmie postać
∂C 1 ∂2C
+ σ2 − rC = 0. (25)
∂t 2 ∂K 2
C̃ = er(t−T ) C,
∂ C̃ 1 ∂ 2 C̃
+ σ2 = 0, (26)
∂t 2 ∂K 2
( 1
(T − t0 ) 2 σ dla t ≤ t0 ,
σx = 1
(T − t) 2 σ dla t0 ≤ t ≤ T,
∂ C̃ 1 ∂ 2 C̃
+ σ¯2 = 0, (27)
∂t 2 ∂K 2
43
Podobnie jak równanie Blacka-Scholesa, równanie (26) może być także
rozwiązane analitycznie. Zastosowanie funkcji Greena dla tego równania daje
nam wzór na cenę opcji pogodowej, [7]
(x − K)2
1 1 − 21
C̃ = √ (T − t) exp − 2 . (28)
2π σ 2σ (T − t)
(x − K)2
∂ C̃ 1
= C̃ − 2 + ,
∂t 2σ (T − t)2 2(T − t)
∂ C̃ (x − K)
= C̃ 2 ,
∂K σ (T − t)
∂ 2 C̃ (x − K)2
1
= C̃ − 4 − ,
∂K 2 σ (T − t)2 σ 2 (T − t)
44
Literatura
[1] F.Black, The pricing of commodity contracts, Journal of Financial Economics,
3:167–179, 1976.
[2] F.Black, M.Scholes The pricing of options and corporate liabilities, Journal of
Political Economy, 81:637–654, 1973.
[3] Goldman Sachs, Kelvin Ltd. Offering circular, 1999.
[4] J.Jakubowski, A.Palczewski, M.Rutkowski, Ł.Stettner, Matematyka finansowa:
Instrumenty pochodne, Wydawnictwo Naukowo-Techniczne, Warszawa 2003.
[5] S.Jewson, R.Caballero, Closed-form expressions for the pricing of weather de-
rivatives: Part 2, Risk Management Solution, London, 2004.
[6] S.Jewson Intrudaction to weather derivative pricing, Risk Management Solu-
tion, London, 2004.
[7] S.Jewson, M.Zervos, The Black-Scholes equation for weather derivatives, RMS,
London 2003.
[8] S.Jewson, Weather derivative pricing and risk management: volatility and value
at risk, Risk Management Solutions, London 2002.
[9] J.Karatzas, S.E.Shreve, Brownian Motion and Stochastic Calculus,
Springer-Verlag, Berlin 1988.
[10] P.Protter, Stochastic Integration and Differential Equations, A New Approach,
Springer-Verlag, Berlin-Heidelberg 1990.
[11] K.Sobczyk, Stochastyczne równania różniczkowe, Wydawnictwo
Naukowo-Techniczne, Warszawa 1996.
[12] A.Weron, R.Weron, Inżynieria finansowa: Wycena instrumentów pochodnych,
Symulacje komputerowe, Statystyka rynku, Wydawnictwo Naukowo-Techniczne,
Warszawa 1998-99.
[13] M.Wiciak, Wybrane zagadnienia teorii opcji, Wydawnictwo PK, Kraków 2007.
[14] P.Wilmott, Derivatives, Wiley, 1999.
45