You are on page 1of 19

Matematyka Finansowa, 05 06 2006

Andrzej Spakowski

MATEMATYKA FINANSOWA
matematyka nans
ow i ubezpiecze
n.

Trajektoria (realizacja) procesu stochastycznego

Wsp
olczesna, szeroko rozumiana MF opisuje i bada
losowy charakter rynk
ow nansowych i ubezpieczeniowych.
Co obejmuje MF? Jak jest jej struktura?

Matematyka Finansowa, 05 06 2006

Struktura MF

Analiza matemat.

MATEMATYKA
FINANSOWA

Rach.prawd.
Anal.matemat..

Teoria
ryzyka

Ubezpiecz.
na ycie

Rach. prawdop.
Procesy stochast.
Analiza matemat.
Algebra liniowa
Topologia
Anal. funkcj., . . .,
Statystyka mat.

rachunek
procentowy

Symulacje
komputerowe
Monte Carlo

Matematyka
finansowa
stochastyczna

Matematyka
ubezpiecze
portfele
inwestycyjne
Ubezpiecz.
majtkowe

Rynki
finansowe

Inynieria
finansowa

Szeregi
czasowe

Matematyka Finansowa, 05 06 2006

Jaka matematyka dla nans


ow i ubezpiecze
n?
Niezbedne narzedzia:

zmienne losowe oraz procesy stochastyczne.


Proces stochastyczny - rodzina zmiennych losowych Xt , t T .
inaczej: funkcja, kt
orej wartosciami sa zmienne losowe,

X(t) = Xt () cena akcji w chwili t 0, .

Trajektoria (realizacja) procesu stochastycznego

Trajektoria procesu stochastycznego.

Matematyka Finansowa, 05 06 2006

Dlaczego i kiedy powstala MF ?


1929 4-letni swiatowy krach system
ow nansowych
opartych na wymienialnosci pieniadza na zloto.

1944 Konferencja w Bretton Woods (USA) - parytety


1973 Koniec parytet
ow - zmienne kursy walutowe.
Ryzyko nansowe staje sie mocno losowe.

Losowy charakter cen na gieldach.


Potrzeba redukcji ryzyka wywoluje popyt na nowe produkty
nansowe (instrumenty nansowe) oraz nowe narzedzia

matematyczne (calka stochastyczna, stochastyczne r.r.):


Rb
a

X(t, ) dB(t, ),

dS(t) = S(t) dt + S(t) dB(t).

Matematyka Finansowa, 05 06 2006

Dlaczego i kiedy powstala MU ?

Swiat
starozytny, sredniowiecze: idea wsp
olnego ponoszenia ryzyka,
karawany kupieckie, wyprawy morskie, renty dozywotnie (klasztory).
1347 Genua, pierwsze ubezpieczenia morskie.
1583 Londyn, pierwsze (Insurance Oce).
1693 Halley: Breslau Mortality Tables, poczatek

matematyki aktuarialnej (rachunek prawdop.).


1906 San Francisco earthquake, rozw
oj mat.teorii ryzyka.

kryzys system
ow nansowych,
1929 Swiatowy
wzrost zapotrzebowania na rozmaite ubezpieczenia:
biznesowe, majatkowe, komunikacyjne, zdrowotne,

etc.,
nowe metody matematyczne.

Matematyka Finansowa, 05 06 2006

Rozw
oj narzedzi matematycznych (1)

XVII gry hazardowe, statystyki urodze


n i zgon
ow,
poczatki rachunku prawdopodobie
nstwa,

Fermat, Pascal, Bernoulli.


1733, 1809 Abraham de Moivre, Carl Gauss odkrywaja

2
i stosuja rozklad normalny N (, ) o gestosci

1
2
2
(x)
/(2
)
f (x) = e
krzywa Gaussa.
2
1999

Matematyka Finansowa, 05 06 2006

Rozw
oj narzedzi matematycznych (2)

1827 Robert Brown opisuje bladzenie losowe

czasteczek w plynie (ruchy Browna).

Matematyka Finansowa, 05 06 2006

Rozw
oj narzedzi matematycznych (3)

1900 Louis Bachelier: ruchy Browna modeluja


ceny akcji na gieldzie paryskiej,
S(t) = S(0) + B(t), B(t) N (S(0), 2 t).
1923 Norbert Wiener: scisly opis ruchu Browna,
Rb
calka stochastyczna a f (t) dB(t, ).
Louis
Bachelier

Norbert
Wiener

Matematyka Finansowa, 05 06 2006

Rozw
oj narzedzi matematycznych (4)

1944 Kiyosi It
o: wsp
olczesna calka stochastyczna.

Rb

X(t, ) dB(t, )

=lim
n

k(n)
P
i=1

Xn (tin , )(B(tin , ) B(t(i1)n , )).

Matematyka Finansowa, 05 06 2006

10

Rozw
oj narzedzi matematycznych (5)

Rynki nansowe opisuja stochastyczne r.r.

dS(t) = S(t) dt + S(t) dB(t),


scislej, stochastyczne r
ownania calkowe:
S(t + h) S(t)
=

R t+h
t

S(t) dt +

R t+h
t

S(t) dB(t).

Fischer Black i Myron Scholes podaja (1973) efektywne

rozwiazanie s.r.r.

i wz
or na cene opcji europejskiej.

Matematyka Finansowa, 05 06 2006

Wz
or za 1 mln $.
Sprawiedliwa cene opcji okresla wz
or:

rT
c = S(0) N (d) e K N (d T ),
gdzie



rT
2
1
S(0)e
T
d=
ln
+
,
K
2
T
Rd 1 x2 /2
e
N (d) =
dx = P (X < d).
2

r stopa procentowa, T okres rozliczenia,


K cena rozliczenia,
wsp
olczynnik zmiennosci cen akcji,
N dystrybuanta rozkladu normalnego N (0, 1).

11

Matematyka Finansowa, 05 06 2006

12

Lata 1973 - 1997.


1976
1997

Robert Merton i inni: rozw


oj metod MF.
Nagroda Nobla za stochastyczne metody wyceny,
- Robert Merton i Myron Sholes (1 mln $)

Myron Scholes

(Fischer Black, 1995).

Fischer Black

Robert Merton

Matematyka Finansowa, 05 06 2006

Wsp
olczesna MF i MU
tworzy narzedzia matematyczne dla rzeczywistych
rynk
ow nansowych i rynk
ow ubezpieczeniowych:
narzedzia elementarne jak i bardzo zaawansowane

R
oz ne dzialy matematyki:
rachunek prawdopodobie
nstwa, procesy stochastyczne,
analiza matematyczna, r
ownania r
oz niczkowe,
algebra liniowa, programowanie matematyczne,
topologia, analiza funkcjonalna,
itd.
Inzynieria nansowa,
konstruowanie i wycena instrument
ow (produkt
ow)
nansowych i ubezpieczeniowych.

13

Matematyka Finansowa, 05 06 2006

Europejska opcja kupna (1).


to prawo (ale nie obowiazek) do zakupu akcji

po ustalonej cenie w ustalonym terminie.

Przyklad
symulacji dla opcji europejskiej.

Cena pakietu akcji = 1 000 zl


Cena rozliczenia opcji = 990 zl
Cena opcji 10-dniowej = 20 zl
Kto zdecyduje sie na zakup takiej opcji ?

14

Matematyka Finansowa, 05 06 2006

Europejska opcja kupna (2).


Problem.
Jaka jest sprawiedliwa cena opcji europejskiej ?

Rozwiazanie teoretyczne: sprawiedliwa cene jest

wartosc oczekiwana zysku.


Rozwiazanie dokladne: wz
or Blacka-Scholesa (1973).

Rozwiazania przyblizone:

proste algorytmy (drzewko dwumianowe),


specjalne kalkulatory nansowe,
symulacje komputerowe Monte Carlo.

15

Matematyka Finansowa, 05 06 2006

Symulacja Monte Carlo.


Klasyczna metoda Monte Carlo oparta jest na twierdzeniu
rachunku prawdopodobie
nstwa (Prawo Wielkich Liczb):
X1 + X2 + ... + Xn
E(X) z prawdop.1.
n
Przyklad.
Wyznaczyc sprawiedliwa cene

10-dniowej opcji (azjatyckiej)


na pakiet akcji:
cena poczatkowa - 1 000 zl,

cena rozliczenia = srednia arytmetyczna cen z 10 dni.


Przyklad symulacji Monte Carlo:

16

Matematyka Finansowa, 05 06 2006

Modele ubezpiecze
n na z ycie (1).
Tx zmienna losowa, czas dalszego z ycia x-latka. Skladke

ubezpieczenia okresla wz
or:

R
E(b(Tx )v Tx ) = b(t)t px [x]+t dt.
0

gdzie: b(t) wartosc ubezpieczenia wyplacana w chwili t,


b(t) = 1 ubezpieczenie dozywotnie,
b(t) = I(t n) ubezpieczenie terminowe na n lat,
v = 1/(1 + i) = e czynnik dyskontujacy,

p
=
P
(T
>
t),
t x
x
[x]+t natez enie smiertelnosci.

Ryzyko skladki okresla wariancja: Var (b(Tx )v Tx ).

17

Matematyka Finansowa, 05 06 2006

Modele ubezpiecze
n na z ycie (2).
Czy skladka E(b(Tx )v Tx ) gwarantuje wyplacalnosc?
Tak, ale tylko z prawdop. 1/2.
Bardzo duze ryzyko niewyplacalnosci.
Jak zagwarantowac wyplacalnosc z prawdop. 0,95 ?
Problem sprowadza sie do postaci:

n
P
min{h > 0 : P (
Zk h) 0, 95},
k=1

gdzie: h kwota gwarantujaca wyplaty Z1 , ..., Zn .

Dokladne wyznaczenie minimum jest bardzo trudne.


Stosuje sie metody przyblizone: Centralne Tw. Graniczne.

18

Matematyka Finansowa, 05 06 2006

Literatura polska.
1999 A. Weron, R. Weron,
Inzynieria nansowa, WNT, Warszawa.
2001 J.Jakubowski, R.Sztencel,
Wstep do teorii prawdopodobie
nstwa,

Script, Warszawa.
2003 J. Jakubowski, A. Palczewski, M. Rutkowski,
L. Stettner,
Matematyka nansowa, WNT, Warszawa.
2004 B. Blaszczyszyn, T. Rolski,
Podstawy matematyki ubezpiecze
n na z ycie,
WNT, Warszawa.

19

You might also like