Politechnika Krakowska

im. Tadeusza Kościuszki

Wydział Fizyki, Matematyki i Informatyki Stosowanej
Kierunek Matematyka

Dorywalski Andrzej

Wycena Opcji Pogodowych

(praca magisterska)

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.

Strategie obrotu kontraktami różnią się między przedsiębiorstwami, a

same opcje mogą służyć do tworzenia zyskownych portfeli inwestycyjnych
na przeróżne sposoby. Na przykład:

— Dywersyfikacja portfela za pomocą opcji pogodowych może dać dobry

zwrot z inwestycji przy małym ryzyku, dzięki wielu różnym i nieskorelo-
wanym indeksom pogodowym, na których oparte są opcje.

— Portfel opcji pogodowych oraz zwykłych towarów może mieć duży zwrot,
ale niskie ryzyko, ze względu na korelacje pogody i cen towarów.

— Portfel złożony z bardziej standardowych inwestycji (takich jak akcje

i obligacje), który zawiera małą liczbę opcji pogodowych może obni-
żyć ryzyko inwestycji, które byłoby większe niż przy portfelu złożonym
z samych standardowych aktywów. Dzieje się tak ze względu na brak
korelacji pomiędzy dyrewatami pogodowymi, a produktami dostępnymi
na zwykłych rynkach finansowych.

Dla tych, którzy obracają i inwestują w opcje pogodowe metody uży-

wane przy wycenie i szacowaniu ryzyka są bardzo ważne. Niniejsza praca
poświęcona jest podstawowym metodom wyznaczania sprawiedliwej ceny
opcji pogodowych.

W rozdziale pierwszym zajmiemy się przybliżeniem pojęcia opcji po-

godowych, przedstawiamy zarys historyczny ich pojawienia się w obiegu,
najpierw pozagiełdowym, a następnie giełdowym. Przypominamy również
podstawowe pojęcia dotyczące opcji. Omówimy podstawowe metody wyce-
ny swapów pogodowych stosowane na rynkach. Stają się one podstawą do
wyceny bardziej skomplikowanych instrumentów, jakimi są opcje pogodowe.
Zagadnienia te przybliżymy w oparciu o prace Jewsona opublikowane przez
Risk Menagement Solution, [5-8].

W rozdziale drugim przypominamy podstawową wiedzę z zakresu analizy

stochastycznej, [4,9-13]. Zawarte w nim są definicje i twierdzenia potrzebne
do skonstruowania wiarygodnego modelu wyceny różnego rodzaju instru-
mentów finansowych. Na koniec rozdziału skupimy się na modelu rynku
z czasem ciągłym, w którym przybliżymy metodę wyceny martyngałowej
instrumentów pochodnych.

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].

1.2. Instrumenty pochodne

Instrumenty pochodne czy też dyrewaty to rodzaj papierów wartościo-

wych, instrumentów finansowych, których wartość uzależniona jest od war-
tości innych instrumentów finansowych, zwanych instrumentami bazowymi.

Instrumentem bazowym mogą być akcje, obligacje, wysokość stopy pro-

centowej, wartość indeksu giełdowego, a także tak nietypowe wskaźniki jak
liczba dni słonecznych, wielkość opadu śniegu czy deszczu – derywaty pogo-
dowe.

Instrumenty pochodne można podzielić na dwie grupy:

— instrumenty o ryzyku symetrycznym (kontrakty terminowe, mogą to być

kontrakty typu forward i futures oraz swapy),
— instrumenty o ryzyku niesymetrycznym (opcje, warranty, obligacje za-
mienne).

Niesymetryczność ryzyka w opcjach polega na tym, że z jednej strony mo-

żemy zarobić nieograniczoną kwotę pieniędzy ryzykując znaną z góry kwotę
kapitału (zapłaconą premię opcyjną w przypadku nabycia opcji kupna lub
sprzedaży) lub zarobić z góry ustaloną kwotę pieniędzy (otrzymaną premię
opcyjną) ryzykując możliwość poniesienia nieograniczonej straty (wystawia-
jąc opcję kupna bądź sprzedaży).

Instrumenty potwierdzają uzyskanie przez nabywcę prawa do otrzymania

w przyszłości określonej wartości pieniężnej lub dokonania transakcji.

Najczęściej są wykorzystywane w celu zabezpieczenia (minimalizacji ry-

zyka) oraz coraz częściej do spekulacji. Ze względu na zjawisko dźwigni fi-
nansowej (lewar) pozwalają osiągnąć duży zysk przy znacznie mniejszym
zaangażowaniu środków własnych niż przy wykorzystaniu klasycznych in-
strumentów finansowych.

Rynek instrumentów pochodnych powstał w wyniku konieczności zabez-

pieczenia się uczestników transakcji finansowych przed ryzykiem wystąpienia
sytuacji przeciwnej do przewidywanej przez nich. Obok transakcji zabez-
pieczających (ang. hedging) zawierane są również transakcje o charakterze
spekulacyjnym, związane z przejmowaniem ryzyka.

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.

Forward to produkt typu tailor made (uszyty na miarę) - każda umowa

jest tworzona dla indywidualnego klienta, dlatego negocjowane są następu-
jące warunki (dotyczy kontraktu walutowego):

— kwoty w obu walutach, które zostaną wymienione,

— data, godzina i miejsce wykonania,

— jeżeli ma być rozliczny w gotówce, to bierze się średnią różnicy pomiędzy

kursami kupna i sprzedaży, kwotowanymi przez określony bank,

— jeżeli jedna ze stron spóźni się z dokonaniem płatności wówczas naliczane

są odsetki od należnej kwoty rozliczenia.

W chwili wystawiania kontraktu wartość teraźniejsza netto rynkowego

kontraktu forward jest równa zeru. Kontrakty są zawierane dlatego, że jed-
na strona transakcji np. kupujący oczekuje, że cena za określony czas będzie
różniła się od ceny wykonania transakcji.

— Zysk lub strata nabywcy kontraktu forward wynosi:

Zysk/strata = cena natychmiastowa – cena wykonania x (liczba zakon-

traktowanych jednostek),

— Zysk lub strata sprzedawcy kontraktu forward wynosi:

Zysk/strata = cena wykonania - cena natychmiastowa x (liczba zakon-

traktowanych jednostek).

Przykład zastosowania kontraktu forward to:

— walutowy, w którym strony transakcji ustaliły, że jedna z nich w okre-

ślonym dniu zapłaci X EUR za Y USD,

— procentowy, czyli FRA, w którym strony transakcji ustaliły, że jedna

z nich w określonym dniu zapłaci kupon o stałym oprocentowaniu od
uzgodnionej wartości, w zamian za kupon o zmiennym oprocentowaniu,

4
— cenowy, w którym strony transakcji ustaliły, że jedna z nich w określonym
dniu zapłaci X USD za Y ton miedzi.

1.2.2. Kontrakty futures

Kontrakt futures (kontrakt terminowy) to instrument finansowy, będący
rodzajem umowy, zawartej pomiędzy kupującym (sprzedającym) a giełdą
lub izbą rozliczeniową, w której sprzedający zobowiązuje się sprzedać okre-
ślony instrument bazowy za ściśle określoną cenę w ściśle określonym ter-
minie. Cena, według której strony przeprowadzą transakcje w przyszłości,
zwana jest ceną terminową, zaś dzień, w którym strony zobowiązane są prze-
prowadzić transakcję, to data rozliczenia lub data dostawy.

Znaczna większość kontraktów futures jest rozliczana gotówkowo - zale-

dwie kilka procent kontraktów jest rozliczane w drodze dostawy aktywów
bazowych.

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.

Ryzyko kredytowe tego kontraktu jest praktycznie wyeliminowane (ale

oczywiście istnieje prawdopodobieństwo niewywiązania się kontrahenta z kon-
traktu), ponieważ strony transakcji wpłacają zabezpieczenie początkowe
(gdy saldo rachunku spadnie poniżej pewnego uzgodnionego minimum, inwe-
stor musi złożyć dodatkowe zabezpieczenie, jeśli tego nie zrobi, jego pozycja
zostanie zamknięta, zanim dojdzie do wykorzystania kwoty zabezpieczenia).
Kontrakty te są standaryzowane; np. aktywa bazowe, terminy wykonania
kontraktów (4 w ciągu roku), wielkości kontraktów, negocjowana jest tylko
cena, w przeciwieństwie do kontraktów forward, które są w całości negocjo-
wane.

Możliwości wykorzystania tych instrumentów to :

— hedging – zabezpieczenie ceny planowanego lub obecnego portfela,

— arbitraż – wykorzystanie chwilowej nierównowagi na rynku w celu zre-
alizowania zysku bez ryzyka,
— spekulacje – otwieranie pozycji na rynku derywatów w celu zrealizowania
zysku.

Rodzaje kontraktów futures:

— walutowy,
— procentowy,
— indeksowy,
— towarowy.

Rozliczenie transakcji futures:

* 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.

Opcja (w klasycznym rozumieniu) daje jej posiadaczowi („nabywcy”)

prawo (lecz nie obowiązek) do nabycia lub sprzedaży danego dobra po z gó-
ry określonej cenie. Prawo to może być zrealizowane w dniu wygaśnięcia
opcji (opcja europejska) lub w dowolnym dniu od daty zawarcia kontraktu
opcyjnego do daty wygaśnięcia włącznie (opcja amerykańska), ewentualnie
w kilku ściśle określonych datach (opcja bermudzka).

W przeciwieństwie do nabywcy, sprzedający opcję („wystawca”) jest zo-

bowiązany do sprzedania lub zakupu danego dobra od nabywcy opcji, jeżeli
ten uzna, że zechce z posiadanego prawa skorzystać (czyli uzna wykonanie
opcji za opłacalne). W praktyce opcja zostaje zrealizowana, jeśli przewi-
dywana przez nią cena jest lepsza niż cena oferowana na wolnym rynku
w danym czasie. Zysk nabywcy opcji jest wówczas równy różnicy między
ceną rynkową, a ceną realizacji opcji.

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.

W zamian za nabycie opcji nabywca płaci wystawcy cenę, zwaną premią

opcyjną. Wartość opcji silnie zależy nawet od niewielkich wahań notowań

6
przedmiotu transakcji, ponadto zależy ona od różnych innych czynników,
dlatego wartość opcji trudno jest wyceniać. Istnieją różne metody i modele
określania ceny opcji.

Główny podział opcji wygląda następująco:

* Opcje na rynku regulowanym.

◦ opcje na akcje
◦ opcje na towary
◦ opcje na obligacje i stopę procentową
◦ opcje na indeksy
◦ opcje na kontrakty futures
* opcje na rynku nieregulowanym (OTC)

◦ opcje na stopę procentową

◦ opcje na waluty
◦ opcje na swapy

Podział opcji ze względu na styl

* opcja europejska – może być wykonana tylko w momencie wygaśnięcia

* opcja amerykańska – może być wykonana przed terminem wygaśnięcia
* opcja egzotyczna – opcja która może być wykonana tylko w ściśle okre-
ślonych warunkach i przy zachowaniu szeregu warunków.

1.3. Zarys historyczny

Finansowe instrumenty pochodne oparte na indeksach meteorologicznych

pojawiły się po raz pierwszy w Stanach Zjednoczonych w 1996 i 1997 roku.
Główną przyczyną skonstruowania tych instrumentów była chęć zabezpie-
czenia przedsiębiorstw z sektora energetycznego przed ryzykiem pogodo-
wym. Dziś te instrumenty są już stosowane w wielu innych sektorach, głów-
nie jako narzędzie zarządzania ryzykiem, a cały rynek rozwija się w ogrom-
nym tempie.

Rynek ubezpieczeniowy od dawna oferował różnego rodzaju ubezpie-

czenia pogodowe tzw. pluvius contracts. Jednak tego rodzaju polisy chro-
nią podmioty tylko przed zdarzeniami pogodowymi o charakterze katastro-
ficznym. Zatem pojawienie się kontraktów pogodowych, jako instrumentów
chroniących przed ryzykiem niekatastroficznym, skutecznie wypełniło niszę
na rynku ubezpieczeń.

Powstanie rynku pogodowych transakcji finansowych przypisuje się gwał-

townym zmianom, jakie zaszły w amerykańskim sektorze energetycznym po
roku 1990. Odejście od monopoli na rzecz wolnej konkurencji przyniosły no-
we spojrzenie na ryzyko, jakie towarzyszyło przedsiębiorstwom tego sektora.
Wówczas to udziałowcy i analitycy szybko zauważyli, że warunki pogodowe
odgrywają najważniejszą rolę w kreowaniu popytu na energie elektryczną,
a w konsekwencji w kreowaniu zysków tychże firm.

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.

Początkowo pogodowe instrumenty pochodne były stosowane tylko w prz-

edsiębiorstwach energetycznych północy stanów Zjednoczonych. Jednak dy-
namiczny rozwój tego rynku zachęcił na przełomie lat 1997-1998 wiele firm
ubezpieczeniowych (m.in AIG, American Re, Swiss Re) do poszerzenia swo-
jej oferty o produkty oferujące podobne możliwości. Pod koniec roku 1998
zawarto pierwszą w Europie umowę „na pogodę”. Był to kontrakt wymia-
ny swap pomiędzy Enron Inc. oraz Scottish Hydro Electric. Mniej więcej
w tym samym czasie aktywnym graczem na europejskim rynku pogodowych
kontraktów stał się francuski bank Société Générale oraz fundusz Barep
Asset Management. Pomimo tego całkowity obrót w Europie stanowił wciąż
niewielki procent udziału w światowym handlu tymi instrumentami.

Podana w 1999 roku przez Departament Handlu Stanów Zjednoczonych

informacja, iż blisko 12% (1/9) produktu krajowego brutto jest bezpośrednio
wrażliwa na zmianę, dodatkowo wzbudziła zainteresowanie tymi instrumen-
tami, a w konsekwencji przyczyniła się do dalszego wzrostu tego rynku.

Sukces, jaki odniesiono na rynku pozagiełdowym (OTC) w latach 1997-98

przyczynił się do wprowadzenia na giełdę Chicago Mercantile Exchange
(CME) we wrześniu 1999 roku kontraktów terminowych futures opartych
o indeks HDD. Początkowo kontrakty te były kwotowane tylko dla czterech
lokalizacji w Stanach Zjednoczonych na okres sezonu grzewczego.

Rok 2000 był kontynuacją wzrostu całego rynku, zarówno ze względu na

liczbę zawieranych kontraktów, jak i wartość na jaką opiewały. To nakłoniło
inne giełdy do wprowadzenia kontraktów pogodowych na swoje parkiety.
I tak pod koniec 2000 roku Londyńska Giełda Instrumentów Pochodnych
(LIFFE) rozpoczęła kwotowanie kontraktów terminowych futures i opcji na

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.

Historycznym momentem całego rynku okazało się bankructwo Enron

Inc., które miało miejsce pod koniec 2001 roku. Zdarzenie to miało dwojaki
wpływa na rynek. Po pierwsze upadek firmy, która była poważnie zaanga-
żowana na światowym rynku energetycznym, spowodował na początku 2002
roku ogromne straty finansowe wielu firm energetycznych. Wskutek tego
większość przedsiębiorstw została przejęta przez konkurencję lub ogłosiła
upadłość. Drugim, znacznie poważniejszym skutkiem, była utrata zaufania
wielu przedsiębiorstw do stosowania tych instrumentów jako narzędzi ograni-
czonego ryzyka. To spowodowało, że na wyżej wymienionych giełdach w 2002
roku zanotowano tylko kilka niewielkich transakcji. W konsekwencji brak za-
interesowania zmusił giełdy, z wyjątkiem giełdy w Chicago, do wycofania się
z kwotowania tych instrumentów. Dopiero po dwóch latach rynek odrodził
się i powrócił do trendu wzrostowego osiągając nowe rekordy.

1.4. Wycena swapów pogodowych

Zaczniemy od zarysu wyceny swapów pogodowych jako, że jest to naj-
prostszy przypadek. Takimi kontraktami handluje się bez premii, a wypłata
jest liniowo związana z dowolnym indeksem pogodowym. Swapy jako forwar-
dy (które są w większości ograniczone czasowo, a więc nieliniowe) podlegają
handlowi na rynkach pozagiełdowych w dużej ilości krajów i w oparciu o wie-
le indeksów. Swapy jako futures (które nie posiadają ograniczeń czasowych)
podlegają obrotowi na Chicago Mercantile Exchange dla miesięcznych i se-
zonowych kontraktów dla 29 lokalizacji : 18 w USA, 9 w Europie i dwie
w Japonii. Wszystkie swapy będące w obrocie oparte są o dzienne tem-
peratury, ale są one zamieniane w miesięczne i sezonowe indeksy ustalane
różnymi metodami w zależności od regionu. W USA, instrumenty są rozli-
czane w oparciu o skumulowane indeksy HDD (Heating Degree Day) oraz
CDD (Cooling Degree Day). Metodę konstruowania indeksu temperatury
HDD oraz indeksu CDD dla jednego dnia przedstawiają poniższe formuły:

Dzienny HDD = max(65◦ F − przeciętna temperatura danego dnia, 0)

Dzienny CDD = max(przeciętna temperatura danego dnia − 65◦ F, 0)

Tak skonstruowane indeksy kumuluje się za okres m-dni, zwykle miesiąca

lub sezonu

m
X
HDD = max(65◦ F − yt , 0),
t=1
m
X
CDD = max(yt − 65◦ F, 0),
t=1

gdzie yt to przeciętna temperatura dnia, a m liczba dni w przyjętym okresie.

W Europie, stosuje się indeksy HDD, CAT oraz FROST DAYS. Indeks HDD

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

We wrześniu 2005 roku uruchomiono kwotowanie miesięcznych i sezo-

nowych kontraktów futures na podstawie indeksu FROST DAY. Index ten
jest obliczany dla lokalizacji Amsterdam-Schipol w Holandii i jest kierowany
głównie do firm budowlanych. Jego konstrukcja jest bardziej złożona od po-
przednich i określa dzień mroźny jako dzień, w którym przynajmniej jedno
z poniższych warunków zostało spełnione:

— o godzinie 700 czasu lokalnego temperatura powietrza była ≤ −3, 5◦ C,

— o godzinie 1000 czasu lokalnego temperatura powietrza była ≤ −1, 5◦ C,
— o godzinie 700 i 1000 czasu lokalnego temp. powietrza była ≤ −0, 5◦ C,

Indeks „dni mroźnych” jest kumulowany w okresie listopad-marzec, z wy-

jątkiem sobót, niedziel i Świąt Bożego Narodzenia. Wartość jednego punktu
to 10000 EUR.

W Japonii wszystkie instrumenty oparte są o miesięczny indeks MAT

(Montly Average Temperature). Indeks ten jest stosowany na giełdzie CME
dla miast Osaka i Tokio i jest obliczany według formuły

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.

1.4.1. Wycena aktuarialna

Przytoczymy najpierw wycenę aktuarialną, ponieważ dla niektórych kon-
traktów pogodowych jest to jedyna możliwość wyceny, ze względu na brak
obserwowalnego rynku. Wycena aktuarialna bierze pod uwagę odpowiednie
historyczne dane meteorologiczne i prognozy do przewidywania rezultatów
dla ustalonego indeksu.

Pierwszą fazą takiej analizy jest oczyszczenie i korekta ze względu na

istnienie braków w obserwacjach czy zmiany stacji, w której odbywały się
obserwacje. Nawet po korekcie i oczyszczeniu danych meteorologicznych nie

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.

Głównym celem wyceny aktuarialnej dla kontraktów opartych o swapy

pogodowe jest ustalenie oczekiwanego poziomu indeksu, które często nazy-
wa się fair strike (sprawiedliwą ceną realizacji). Jeżeli handlujemy kontrak-
tem z dużą częstotliwością na poziomie sprawiedliwej ceny realizacji, wtedy
średnio żadna ze stron transakcji nie wygrywa czy przegrywa. Możemy więc
oszacować cenę realizacji na podstawie historycznych wartości dla ustalonego
indeksu.

1.4.2. Wycena Rynkowa

Teraz przybliżymy sytuację, w której istnieje obserwowalny rynek dla
swapów pogodowych. Dla pewnych lokalizacji, w szczególności Londyn, Chi-
cago i Nowy York, możemy przyjąć, że handel odbywa się z wystarczającą
częstotliwością, że rynek możemy uważać za efektywny na tyle by wyznaczał
sprawiedliwą cenę realizacji. Więc dla wyceny aktualnej wartości posiadanej
pozycji, ceny rynkowe mogą być użyte zamiast danych aktuarialnych. Porów-
nując wyniki wyceny metodą aktuarialną z wyceną rynkową zazwyczaj nie
odbiegają one od siebie. Jedynie w przypadku znaczących różnic w podaży
i popycie wyniki mogą znacznie się różnić.

Wraz z chwilą przybliżania się terminu wygaśnięcia kontraktów, wycena

rynkowa zaczyna pokrywać się z ceną fundamentalną, by pokryć się w dniu
wygaśnięcia kontraktu.

1.4.3. Rola prognozy pogody

Przed i w czasie trwania okresu pomiarowego prognoza pogody odgrywa
ważną rolę przy przewidywaniu oczekiwanego zwrotu z inwestycji w swapy
pogodowe. Większość ruchów w cenie spowodowana jest właśnie przez zmia-
ny prognoz meteorologicznych. Prognoza meteorologiczna może być włączo-
na w szacowanie uczciwej wartości realizacji większości swapów pogodowych
w bardzo prosty sposób. Zacząć trzeba od upewnienia się, że prognoza z któ-
rej korzystamy reprezentuje oczekiwania przyszłych temperatur. Więc, dla
kontraktów opartych o sumy temperatur w okresie jego trwania, lub dla kon-
traktów w których nie ma szans na przekroczenie okresu pomiaru, prognozy
pogody mogą być dodane do analizy aktuarialnej dla danego kontraktu.
W innych przypadkach, takich jak kontrakty oparte o dzienne temperatury
w sytuacji, gdy możliwe jest przekroczenie przez temperaturę okresu pomia-
ru, są bardziej skomplikowane i powinny być wyceniane przy użyciu metod
probabilistycznych dla określenia przyszłych temperatur.

1.5. Wycena opcji pogodowych

Zajmiemy się teraz wstępnym omówieniem wyceny opcji pogodowych,
które są kontraktami o nieliniowej wypłacie, i są handlowane z premią.
Pierwszą możliwość jaką rozważymy będzie brak istnienia rynku swapów

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.

Najprostszym sposobem do oszacowania oczekiwanej wypłaty z opcji jest

tak zwana burn analysis, w której sprawdzamy jak zachowa się opcja na
podstawie danych z lat przeszłych. Bardziej skomplikowanym podejściem
jest dopasowywanie rozkładu do historycznej wartości indeksu i obliczenie
oczekiwanej wypłaty z tego rozkładu. Obie te metody były w użytku od po-
czątku istnienia rynku pogodowego, choć pierwsze wzmianki na ten temat
przedstawił Goldman Sachs,[3]. Dopasowywanie rozkładu może dać czasami
nieznacznie dokładniejsze przybliżenia sprawiedliwej wartości (premii) oraz
dokładniejsze szacowanie ryzyka w extremalnych warunkach. Rozkład nor-
malny znajduje zastosowanie w kontraktach sezonowych, ale niekoniecznie
dla standardowych kontraktów miesięcznych czy też egzotycznych kontrak-
tów opartych o ekstremalne pogodowe wydarzenia, takie jak choćby liczba
dni mroźnych (temperatura poniżej zera) po okresie zimowym.

Ilość dostępnych danych historycznych nie daje rozkładu oczekiwanego

indeksu bardzo dokładnie. Zdarza się również często, że potrafimy dopaso-
wać większą ilość rozkładów za pomocą testów probabilistycznych. Dla opcji
bliskiej momentowi wypłaty, kiedy obliczamy oczekiwaną wypłatę, możemy
wybrać dowolny z rozkładów, gdyż nie mają one aż takiego wpływu na
rezultat jak na przykład ilość lat w trendzie. Dla opcji, w których czas wy-
gaśnięcia opcji jest odległy wybór rozkładu staje sie istotniejszy.

1.5.1. Zastosowanie prognozy pogody

Zastosowanie prognozy pogody w wycenie opcji pogodowych jest bardziej
skomplikowane niż w przypadku swapów. Dla ilustracji rozważmy przypa-
dek, w którym indeks ma rozkład normalny i jest w związku z tym całkowicie
określony przez odchylenie standardowe. Oznacza to, że może być łatwo ob-
liczony, jak w przypadku swapów. Zaś obliczenie odchylenia standardowego
staje się bardziej skomplikowane. Można to zrobić za pomocą trzech różnych
metod, które można znaleźć w Jewson i Caballero [5].

1.5.2. Wycena oparta o rynek opcji pogodowych

Rozważymy teraz wycenę opcji pogodowych w przypadku płynnego ryn-
ku dla swapów pogodowych. W tej sytuacji możemy sobie wyobrazić za-
bezpieczanie opcji za pomocą kontraktów swap, i przy prostych założeniach
(rynek jest zrównoważony i cena kontraktu swap jest równa oczekiwanemu
ustalonemu indeksowi) model jest zmodyfikowaną wersją modelu Blacka [1]
dla wyceny opcji na kontraktach forward. W modelu Blacka proces jest wy-
znaczony przez geometryczny ruch Browna.

W rzeczywistości rynek swapów pogodowych nie jest bardzo płynny, więc

powyższe modele nie opierają się na urzeczywistnionych założeniach takich

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:

— wycena aktuarialna, przy założeniu, że kontrakt swap jest dobrą progno-

zą dla oczekiwanego indeksu, lub
— wycena arbitrażowa, gdzie planujemy zabezpieczać opcje poprzez kon-
trakt swap, lub
— przybliżenie jakie powinno się doliczyć do ceny opcji, ze względu na koszt
zabezpieczania tylko jednym swapem.

13
2. Elementy Analizy Stochastycznej

W poniższym rozdziale przybliżymy podstawową teorię potrzebną do

wyceny opcji pogodowych. Zaczniemy od warunkowej wartości oczekiwanej,
następnie zdefiniujemy pojęcie martyngału i procesu Wienera.

2.1. Podstawowe twierdzenia i definicje

2.1.1. Warunkowa Wartość Oczekiwana

Niech (Ω, F, P ) będzie przestrzenią probalistyczną, tzn. Ω 6= ∅ jest zbio-
rem zdarzeń elementarnych, F jest σ-algebrą podzbiorów Ω, P : F → [0, 1]
jest miarą probabilistyczną.

Niech X : Ω → R będzie zmienną losową, to znaczy X −1 (A) ∈ F dla

każdego zbioru borelowskiego
R A ∈ B(R). Dodatkowo zakładamy, że X jest
całkowalna, czyli |X| dP < ∞. Wtedy istnieje wartość oczekiwana EX i
Ω
Z
EX = XdP.
Ω

Rozważmy dodatkowo σ-algebrę G ⊂ F.

Definicja 2.1. Warunkową wartością oczekiwaną X pod warunkiem G na-
zywamy zmienną losową E (X|G) taką, że
1. E (X|G) jest G-mierzalna
2. dla każdego A ∈ G
Z Z
XdP = E (X|G) dP.
A A

Twierdzenie 2.2. Dla każdej σ-algebry G ⊂ F i zmiennej losowej całkowal-

nej X istnieje E (X|G) . Jest ona wyznaczona jednoznacznie z dokładnością
do zbiorów miary zero.

Twierdzenie 2.3 (Własności WWO). Niech X, X1 , X2 będą zmiennymi

losowymi całkowalnymi oraz G ⊂ F będzie σ-algebrą. Wtedy

1. jeżeli X jest G-mierzalna, to E (X|G) = X p.n.

2. jeśli X ≥ 0, to E (X|G) ≥ 0 p.n.

3. |E (X|G)| ≤ E (|X||G) p.n.

4. E (aX1 + bX2 |G) = aE (X1 |G) + bE (X2 |G)

5. jeśli Xn % X p.n. , to E (Xn |G) % E (X|G) p.n.

6. własność wieży: jeżeli σ-algebry F1 ⊂ F2 ⊂ F, to

E (X|F1 ) = E (E (X|F2 ) |F1 ) = E (E (X|F1 ) |F2 ) p.n.

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.

Przypomnijmy, że procesem stochastycznym nazywamy odwzorowanie

X : T × Ω 3 (t, ω) 7→ Xt (ω) ∈ R,

takie, że Xt : Ω → R jest odwzorowaniem mierzalnym dla każdego t ∈ T .

Proces stochastyczny X będziemy również oznaczać (Xt )t∈T

Definicja 2.4. Trajektorią (realizacją) procesu stochastycznego (Xt )t∈T na-
zywamy funkcję T 3 t 7→ Xt (ω) ∈ R, przy ustalonym zdarzeniu elementar-
nym ω.
Definicja 2.5. Proces X i Y są nierozróżnialne, jeśli zachodzi równość

P ({ω : Xt (ω) = Yt (ω) ∀t ∈ T }) = 1.

Definicja 2.6. Proces stochastyczny (Xt )t∈T nazywamy ciągłym (prawo-
stronnie, lewostronnie), jeżeli prawie wszystkie jego trajektorie są funkcjami
ciągłymi (odpowiednio prawostronnie, lewostronnie).
Definicja 2.7. Filtracją nazywamy niemalejącą rodzinę σ-algebr F = (Ft )t∈T ,
zawartych w F.

Definicja 2.8. Mówimy, że proces stochastyczny X jest adaptowany do fil-

tracji F, jeżeli zmienne losowe Xt są Ft -mierzalne dla każdego t ∈ T .

Definicja 2.9. Proces X adaptowany do filtracji F, taki że zmienne losowe

Xt są całkowalne dla t ∈ T , nazywamy:

1. martyngałem, jeśli E (Xt |Fs ) = Xs dla s ≤ t,

2. nadmartyngałem, jeśli E (Xt |Fs ) ≤ Xs dla s ≤ t,

3. podmartyngałem, jeśli E (Xt |Fs ) ≥ Xs dla s ≤ t.

Definicja 2.10. Mówimy, że proces (Yt )t∈T jestTprognozowalny, jeżeli zmien-

na losowa Yt jest mierzalna względem σ-ciała Fs dla każdego t ∈ T .
s<t

Twierdzenie 2.11 (Dooba-Meyera). Dla każdego prawostronnie ciągłego,

całkowalnego z kwadratem martyngału X istnieje niemalejący, startujący
z zera proces prognozowalny A oraz martyngał M , takie, że dla wszystkich
t ∈ T mamy
Xt2 = Mt + At p.n.

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.

2.1.3. Proces Wienera

Definicja 2.12. Proces stochastyczny X : T × Ω → R nazywamy procesem
progresywnie mierzalnym względem filtracji F, jeżeli ∀t ∈ T ∀A ∈ B(R)

{(s, w) ∈ [0, t] × Ω : Xs (ω) ∈ A} ∈ B([0, t]) × Ft .

Definicja 2.13. Proces stochastyczny W : T × Ω → R nazywamy procesem

Wienera względem filtracji F = (Ft )t∈T , jeżeli spełnia następujące warunki:

1. W0 = 0 p.n. ,

2. Wt − Ws ma rozkład N (0, t − s), czyli rozkład normalny

o parametrach m = 0, σ 2 = t − s dla 0 ≤ s < t,

3. Wt − Ws nie zależy od Fs dla 0 ≤ s < t,

4. W jest procesem ciągłym,

5. W jest adaptowany do F.

Twierdzenie 2.14. Jeżeli W jest procesem Wienera względem filtracji F, to

— W jest F-martyngałem,

— Wt2 − t t∈T jest F-martyngałem,

 2

— exp(λWt − λt2 ) jest F-martyngałem (λ ∈ R).
t∈T

Dowód. Dowód pominiemy. Można go znaleźć w [4].

2.1.4. Całka Itô

Przytoczymy definicję całki Itô względem ciągłego, całkowalnego z kwa-
dratem martyngału M . Przypomnijmy, że zgodnie z twierdzeniem 2.14 pro-
ces Wienera W jest martyngałem. Przyjmując w szczególności M = W ,
otrzymujemy całkę Itô względem procesu Wienera.

Przypomnijmy następujące oznaczenie: mówimy, że proces stochastycz-

X ∈ Λ, jeśli X jest progresywnie mierzalny, adaptowany do filtracji F
ny 
Rt 2
iE Xs d hM is < ∞ dla każdego t ∈ T .
0

Definicja 2.15. Mówimy, że X jest procesem prostym, jeżeli istnieje ciąg

silnie rosnący (tn )n∈N taki, że t0 = 0 i tn % +∞, gdy n → ∞, oraz ist-
nieje ciąg ograniczonych zmiennych losowych (ξn )n∈N , przy czym ξn jest

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

Definicja 2.16. Jeżeli X jest procesem prostym, M jest ciągłym martyn-

gałem, całkowalnym z kwadratem, to całką Itô nazywamy proces postaci

Zt ∞
X

Xs dMs = ξj Mt∧tj+1 (ω) − Mt∧tj (ω) dla t ∈ T .
0 j=0

Zapoznamy sie teraz z kilkoma własnościami całki Itô potrzebnymi w dal-

szej części pracy, [4].

Twierdzenie 2.17. Niech X, Y będą procesami prostymi, a, b ∈ R. Wtedy

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

Własność (5) umożliwia konstrukcje całki Itô dla procesów z klasy Λ,

w której zachowują się wszystkie własności całki Itô dla procesów prostych.
Dokładną konstrukcję można znaleźć np. w [9].

2.1.5. Wzór Itô

Niech (Ω, F, P ) będzie przestrzenią probabilistyczną z filtracją F = (Ft )t∈T ,
zaś W procesem Wienera względem F.

Definicja 2.18. Załóżmy, że

1. a, b : T × Ω → R są progresywnie mierzalne;

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

dXt = a(t)dt + b(t)dWt ,

jeżeli X jest procesem ciągłym oraz

Zt Zt
P ({ω ∈ Ω : X(t, ω) = X(0, ω)+ a(s, ω)ds+ b(s, ω)dWs , ∀t ∈ T }) = 1.
0 0

Twierdzenie 2.19 (Lemat Itô). Załóżmy, że proces X ma różniczkę sto-

chastyczną postaci dXt = a(t)dt + b(t)dWt oraz, że funkcja f : T × R → R
ma ciągłe pochodne cząstkowe ft , fx , fxx . Niech ηt = f (t, Xt ). Wtedy
 
1 2
dηt = ft (t, Xt ) + fx (t, Xt )a(t) + fxx (t, Xt )b (t) dt + fx (t, Xt )b(t)dWt .
2

Dowód. Przyrost funkcji f (t, Xt ) na odcinku (0, t) można zapisać w postaci

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

max (ti+1 − ti ) → 0 gdy n → 0.

0≤i≤n−1

Na mocy wzoru Taylora (przy oznaczeniach: (4ti = ti+1 −ti oraz 4Xti =
Xti+1 − Xti ) mamy

f (ti+1 , Xti+1 ) − f (ti , Xti ) =

∂f ∂f 1 ∂2f
(ti , Xti ) 4ti + (ti , Xti ) 4Xti + (ti , Xti ) [4Xti ]2 + Ri
∂t ∂x 2 ∂x2

przy czym Ri jest resztą szeregu. Naturalnie oczekujemy, aby sumy

n−1 n−1
X ∂f X ∂f
(ti , Xti ) 4ti , (ti , Xti ) 4Xti ,
∂t ∂x
i=0 i=0

były zbieżne odpowiednio do całek

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

[4Xti ]2 ≈ a2 (ti )(4ti )2 + 2a(ti )b(ti )4ti 4Wti + b2 (ti )[dWti ]2 ,

gdzie dwa pierwsze człony są wyrazami nieskończenie małymi rzędu wyższe-

go niż 4t, więc asymptotyczne zachowanie się sumy In jest takie samo jak
sumy

n−1
1X 2 ∂2f
I˜n = b (ti ) 2 (ti , Xti ) [4Xti ]2 .
2 ∂x
i=0

Dokonajmy teraz drugiego (rzadszego) podziału odcinka (0, t) : 0 = t̃0 <

t̃1 < . . . < t̃N = t, takiego że

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

Zgodnie z definicją procesu Wienera, mamy

N −1
˜ 1X 2 ∂2f
In w b (t̃k ) 2 (tk , Xtk ) (t̃k+1 − t̃k ).
2 ∂x
k=0

Ponieważ I˜n jest sumą przybliżoną całki

Zt
1 ∂2f
b2 (s) (s, Xs ) ds,
2 ∂x2
0

więc ostatecznie mamy

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

skąd wynika wzór Itô.

Szczególnym przypadkiem wzoru Itô jest wzór za całkowanie przez czę-
ści, [4].

Twierdzenie 2.20 (Wzór na całkowanie przez części). Jeśli procesy sto-

chastyczne X, Y mają różniczki stochastyczne postaci dX(t) = a1 (t)dt +
b1 (t)dWt oraz dY (t) = a2 (t)dt + b2 (t)dWt , to
d(X(t)Y (t)) = X(t)dY (t) + Y (t)dX(t) + b1 (t)b2 (t)dt. (1)
Dowód. Stosujemy wzór Itô dla f (t, x) 7→ x2 . Wtedy
1
dXt2 = (2Xt a1 (t) + 2b21 (t))dt + 2Xt b(t)dWt ,
2
2 1 2
dYt = (2Yt a1 (t) + 2b1 (t))dt + 2Yt b(t)dWt .
2

Z liniowości całki Itô mamy

d(Xt + Yt ) = (a1 + a2 )dt + (b1 + b2 )dWt ,
więc
1
d(Xt + Yt )2 = 2(Xt + Yt )(a1 + a2 )dt + 2(b1 + b2 )2 dt + 2(Xt + Yt )(b1 + b2 )dWt .
2
Następnie liczymy
d(Xt + Yt )2 = dXt2 + dYt2 + 2d(Xt Yt ),
skąd mamy
1
d(Xt Yt ) = (d(Xt + Yt )2 − dXt2 − dYt2 ) = (Xt a1 + Xt a2 + Yt a1 + Yt a2 )dt
2
1 2
+ (b + 2b1 b2 + b22 )dt + (Xt b1 + Xt b2 + Yt b1 + Yt b2 )dWt
2 1
1 1
− (Xt a1 + b21 )dt − Xt b1 dWt − (Yt a2 + b22 )dt + Yt b2 dWt
2 2
= (Yt a1 + Xt a2 )dt + b1 b2 dt + (Xt b2 + Yt b1 )dWt
= Xt dYt + Yt dXt + b1 b2 dt.

W szczególności jeżeli proces X2 jest procesem nielosowym, czyli postaci

dX2 (t) = a2 (t)dt, wzór na całkowanie przez części przyjmie postać
d(X1 (t)X2 (t)) = X1 (t)dX2 (t) + X2 (t)dX1 (t) (2)

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

dXt = a(t, Xt )dt + b(t, Xt )dWt , (3)

na przedziale T z warunkiem początkowym X0 = η, gdy proces X jest ciągły,

adaptowany do filtracji F oraz dla każdego t ∈ T mamy

Zt Zt
Xt = η + a(s, Xs )ds + b(s, Xs )dWs p.n.
0 0

Jedyność i istnienie rozwiązania równania (3) jest konsekwencją nastę-

pującego twierdzenia o istnieniu i jednoznaczności, [10].

Twierdzenie 2.22. Zakładamy, że współczynniki a i b równania (3) speł-

niają warunek Lipschitza

∃K ∀x, y ∀t ∈ T |a(t, x) − a(t, y)| + |b(t, x) − b(t, y)| ≤ K|x − y|,

oraz warunek liniowego wzrostu

∃K ∀x ∀t ∈ T |a(t, x)|2 + |b(t, x)|2 ≤ K(1 + |x|2 ).

Wówczas istnieje rozwiązanie równania (3). Ponadto jest ono jedyne

w sensie nierozróżnialności procesów.

2.1.7. O reprezentacji martyngału

Twierdzenie 2.23 (O reprezentacji martyngału). Jeśli proces (Mt )t∈[0,T ]
jest martyngałem względem filtracji F, to ma przedstawienie

Zt
Mt = M0 + Xs dWs , ∀t ∈ [0, T ].
0

dla pewnego procesu X mierzalnego i adaptowanego do filtracji F. Jeśli M

jest martyngałem całkowalnym z kwadratem, to X ∈ Λ, [13].

2.1.8. Twierdzenie Girsanowa

Rozważamy przestrzeń probalistyczną (Ω, F, P ) z filtracją F = (Ft )t∈[0,T ]
generowaną przez proces Wienera W i uzupełnioną o zbiory miary zero. Roz-
ważamy ponadto miarę probabilistyczną Q równoważną mierze P i taką, że
jej pochodna Radona-Nikodyma dQ dP = εT , gdzie

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.

Dzięki następującemu kryterium, miara Q jest miarą probabilistyczną, [4].

Twierdzenie 2.24 (Kryterium Nowikowa). Jeśli
Z T
1
EP (exp( γu2 du)) < ∞,
2 0

to EP (εT ) = 1.
Przy takich założeniach mamy

Twierdzenie 2.25 (Girsanowa). Jeżeli W jest procesem Wienera względem

miary P , to proces

Zt
W̃t = Wt − γu du dla t ∈ [0, T ]
0

jest procesem Wienera względem miary Q.

22
2.2. Wycena martyngałowa w model rynku z czasem ciągłym

2.2.1. Model rynku finansowego z czasem ciągłym

Zaczniemy od wprowadzenia pojęcia matematycznego modelu rynku fi-
nansowego z czasem ciągłym. W tym celu rozważamy przestrzeń probali-
styczną (Ω, F, P ) z filtracją F = (Ft )0≤t≤T spełniającą warunki zwykłe, tzn.
zupełną (oznacza, to że F0 zawiera wszystkieT zbiory P - miary zero) oraz
prawostronnie ciągłą (tzn. Ft = Ft+ = s>t Fs ). Dodatkowo zakładamy,
że σ-ciało F0 jest trywialne, tzn. jeżeli A ∈ F0 , to P (A) = 0 lub P (A) = 1
oraz, że FT = F.

Przyjmujemy, że na rynku notowanych jest d + 1 instrumentów pierwot-

nych, których ceny opisane są przez procesy stochastyczne S 0 , S 1 , . . . , S d
w przestrzeni (Ω, F, P ). Procesy te spełniają następujące warunki:

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 < ∞.

Przestrzeń (Ω, F, P ) z filtracją F
wraz z procesami cen d + 1 instrumen-

tów pierwotnych S = S 0 , S 1 , . . . , S d będziemy nazywali modelem rynku
finansowego i oznaczali M. Naszym celem będzie przedstawienie metody
wyceny i zabezpieczania przed ryzykiem instrumentów pochodnych (opcji
pogodowych), które są modelowane jako zmienne losowe FT -mierzalne, czy-
li wykorzystujące pełną informacje dostępną w chwili T . Takie instrumenty
nazywamy instrumentami pochodnymi typu europejskiego.

Do wyceny instrumentów pochodnych potrzeba najpierw zdefiniować

proces dyskontowy, mierzący wartość pieniądza w czasie, tzw. numéraire.

Definicja 2.26. Numéraire to proces stochastyczny X = (Xt )0≤t≤T , który

prawie na pewno jest ściśle dodatni dla każdego t ∈ [0, T ].
Dalej w toku rozumowania zakładamy, że jako numéraire wybieramy
instrument B = (Bt )t∈T i będzie to obligacja o stałej stopie procentowej
r > 0. Wtedy Bt = ert dla t ∈ [0, T ]. Dla uproszczenia będziemy zakładać,
że na rynku dostępny jest tylko jeden instrument ryzykowny S = (St )0≤t≤T .
Definicja 2.27. Strategią inwestycyjną nazywamy parę ϕ = (ϕ0t , ϕ1t ) dla
t ∈ [0, T ], lewostronnie ciągłych procesów prognozowalnych, takich, że

Z T Z T
2
E ϕ0t  dt < ∞ oraz E ϕ1t
 
dt < ∞.
0 0

Zmienną losową ϕ0t interpretujemy jako ilość pieniędzy zainwestowanych

w obligacje w chwili t, a ϕ1t liczbę akcji posiadanych przez inwestora w chwili
t. Wartości ϕit mogą być również ujemne, co interpretujemy jako kredyt, dla
i = 0, oraz krótką pozycje, dla i = 1. Zmienne losowe ϕit mogą przyjmować
wartości rzeczywiste dzięki założeniu, że instrumenty finansowe są nieskoń-
czenie podzielne.

23
Definicja 2.28. Procesem wartości strategii ϕ nazywamy proces (Vt (ϕ))t∈[0,T ] ,

Vt (ϕ) = ϕ0t Bt + ϕ1t St , t ∈ [0, T ].

By zaobserwować zmiany instrumentów w czasie, będziemy rozważać

procesy zdyskontowane. Zdyskontowanym procesem wartości strategii ϕ na-
zywać będziemy

Vt (ϕ)
Ṽt (ϕ) = = e−rt Vt (ϕ), t ∈ [0, T ].
Bt

Analogicznie zdyskontowany proces cen akcji wyraża się wzorem

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.

Definicja 2.29. Mówimy, że strategia ϕ jest samofinansująca się, jeśli

dVt (ϕ) = ϕ0t dBt + ϕ1t dSt , t ∈ [0, T ].

Będziemy korzystać z następującego kryterium samofinansowania się stra-

tegii.

Lemat 2.30. Strategia ϕ jest samofinansująca się wtedy i tylko wtedy gdy

dṼt (ϕ) = ϕ1t dS̃t .

Dowód. Załóżmy, że strategia ϕ jest samofinansująca się. Wtedy korzystając
z definicji procesów (Vt (ϕ))t i B,

dVt (ϕ) = ϕ0t dBt + ϕ1t dSt ,

dBt = rert dt

oraz wzoru na całkowanie przez części w postaci (2), otrzymujemy

dṼt (ϕ) = d e−rt Vt (ϕ) = −re−rt Vt (ϕ) + e−rt dVt (ϕ) =

= −re−rt ϕ0t Bt + ϕ1t St dt + e−rt ϕ0t dBt + ϕ1t dSt =

= ϕ1t −re−rt St dt + e−rt dSt = ϕ1t d e−rt St =

= 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

= ϕ0t dBt + ϕ1t dSt ,

czyli strategia ϕ jest samofinansująca.

Definicja 2.31. Strategię ϕ nazywamy strategią oswojoną, jeżeli
 
P Ṽt (ϕ) ≥ 0 ∀t ∈ [0, T ] = 1.

Definicja 2.32. Strategię oswojoną ϕ nazywamy strategią arbitrażową, je-

żeli

V0 (ϕ) = 0, P (VT (ϕ) ≥ 0) = 1, P (VT (ϕ) > 0) > 0.

Brak możliwości arbitrażu na rynku M oznacza brak na nim strategii

arbitrażowej.

Przypomnijmy, że miara P jest równoważna mierze P ∗ wtedy i tylko

wtedy, gdy P (A) = P ∗ (A) dla każdego A ∈ F.

Definicja 2.33. Miarę P ∗ nazywamy równoważną miarą martyngałową, je-

żeli P ∗ jest równoważna mierze P oraz zdyskontowany proces cen (S̃t )t∈[0,T ]
jest martyngałem względem P ∗ .

Poniżej przedstawimy związek między możliwością arbitrażu a istnieniem

równoważnej miary martyngałowej.

Twierdzenie 2.34. Jeżeli w modelu rynku M istnieje równoważna miara

martyngałowa P ∗ , to model M pozbawiony jest arbitrażu.
Dowód. Niech P ∗ będzie równoważną miarą martyngałową. Rozważmy do-
wolną samofinansującą się, oswojoną strategię ϕ, taką,
że V0 (ϕ) = 0. Zgod-
1 1
nie z lematem 2.30 dṼt (ϕ) = ϕt dS̃t , i ponieważ ϕt t ∈ Λ, więc z własności
(3) twierdzenia 2.17 proces Ṽ (ϕ) jest P ∗ - martyngałem. Stąd w szczegól-
ności
   
EP ∗ ṼT (ϕ) = EP ∗ ṼT (ϕ) |F0 = Ṽ0 (ϕ) = 0.

Skoro strategia ϕ jest oswojona, a miary P i P ∗ są równoważne, to

ṼT (ϕ) ≥ 0 p.n.

Zatem z własności całki względem miary P ∗

 
P ∗ ṼT (ϕ) = 0 = 1.

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.

Zatem nie istnieje strategia arbitrażowa, więc na rynku nie ma możliwości

arbitrażu.

2.2.2. Wycena martyngałowa instrumentów pochodnych

Załóżmy obecnie, że na rynku M istnieje równoważna miara martyngało-
wa P ∗ . Wybrany został także numéraire (Bt )t∈T . Naszym celem jest wycena
europejskich instrumentów pochodnych na tym rynku , tj. instrumentów
o czasie realizacji T . Zakładamy przy tym, że instrumenty te spełniają wa-
runek regularności: jeśli X jest
R instrumentem pochodnym o czasie realizacji
1 ∗ ∗
T , to X/Bt ∈ L (P ), czyli Ω X/Bt dP < ∞.
Definicja 2.35. Strategię ϕ nazywamy dopuszczalną, jeśli jest samofinan-
sująca się i oswojona.

Definicja 2.36. Instrument pochodny X nazywa się osiągalny, jeśli ist-

nieje przynajmniej jedna strategia inwestycyjna ϕ dopuszczalna taka, że
VT (ϕ) = X. Strategię tę nazywa się strategią replikującą X.

Definicja 2.37. Ceną arbitrażową instrumentu osiągalnego X nazywamy

cenę, przy której nie ma możliwości arbitrażu.
Cenę arbitrażową instrumentu X w chwili t będziemy oznaczać symbo-
lem πt (X).

Równoważnie, cena arbitrażowa instrumentu X jest równa wartości port-

fela replikującego dany instrument, tzn. πt (X) = Vt (ϕ), gdzie ϕ jest strategią
replikującą X, [4].

Następujący wynik podaje tzw. martyngałową wycenę instrumentu po-

godowego X.

Twierdzenie 2.38. Dla dowolnego P ∗ -osiągalnego X mamy

  
X 
πt (X) = Bt EP ∗ Ft . (5)
BT 
Dowód. Instrument X jest osiągalny, zatem istnieje dopuszczalna strategia
replikująca ϕ, tj. VT (ϕ) = X. Ponieważ πt (X) = Vt (ϕ) i proces Ṽ jest
martyngałem, mamy

πt (X) = Vt (ϕ) = Bt Ṽt (ϕ) =

     
VT (ϕ)  X 
= Bt EP ∗ Ft = Bt EP ∗ Ft ,
BT  BT 

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.

Założenia modelu są następujące:

— akcje są nieskończenie podzielne,

— cena zakupu akcji jest taka sama jak cena sprzedaży,

— akcje nie przynoszą dywidendy w okresie ważności opcji,

— nie ma kosztów transakcji ani podatków,

— dopuszczalne są pozycje ujemne, tzn krótka sprzedaż i zaciąganie kredytu

na rachunku bankowym,

— krótkoterminowa stopa procentowa wolna od ryzyka nie zmienia się w okre-

sie ważności opcji.

Na podstawie tych założeń pokażemy w twierdzeniu 3.3, że cena opcji

C = C(t, St ) o wypłacie X = X(St ) jest wyznaczona deterministycznie przez
cząstkowe równanie różniczkowe (PDE):

∂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.

To równanie stało się podstawą do wyceny opcji na akcje. Zmodyfikowane

następnie przez Blacka, [1], staje się podstawą do obliczenia ceny opcji po-
godowych, co zostanie przedstawione w dalszej części pracy, w której przyj-
miemy jako uproszczenie:

— że istnieje płyny liniowy kontrakt swap ”pogodowy”,

— kontrakt swap jest używany do hedgingu opcji na ten sam indeks.

W dalszym ciągu będziemy przyjmować, że na rynku istnieje tylko jeden

rodzaj instrumentu finansowego (akcja) oraz możliwy jest wybór tylko jednej
obligacji o stałym oprocentowaniu, w którą możemy inwestować.

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.

Zakładamy, że proces cen akcji S oraz dynamika cen obligacji B wyzna-

czone są poprzez stochastyczne równania różniczkowe:

dSt = µSt dt + σSt dWt , (7)

dBt = rBt dt, B0 = 1,

gdzie µ to stopa aprecjacji, σ współczynnik zmienności, a (Wt )0≤t≤T jest

procesem Wienera. Pierwszy składnik po prawej stronie równania opisuje
powolny wznoszący się dryf, podczas gdy drugi składnik równania opisuje
losowe wahania spowodowane pojawieniem się nowych informacji na rynku
oraz wahania podaży i popytu. Efekt pojawienia się nowych informacji na
rynku jest losowy, ponieważ, jeśli nie byłby losowy, to byłby przewidywalny,
i dlatego od razu uwzględniony w cenie.

Możemy także rozważyć, jak zdyskontowana wartość cen akcji zmienia się
w czasie. Wartość akcji w czasie t, zdyskontowana do czasu t0 , jest wyrażona

S̃t = er(t0 −t) St ,

więc, zgodnie ze wzorem na całkowanie przez części (2), proces zdyskonto-

wanych cen spełnia stochastyczne równanie rózniczkowe

dS̃t = (µ − r)S̃t dt + σ S̃dWt .

Rozwiązaniem równania (7) jest geometryczny ruch Browna, czyli proces

postaci

2
 
µ− σ2 t+σWt
St = S0 e ,
dowód tego faktu można znaleźć w np. w [13].

Rozważmy miarę martyngałową P ∗ zdefiniowaną przez pochodną Rado-

na-Nikodyma (4)

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 < ∞.

Z twierdzenia Girsanowa 2.25, proces (W̃t )t∈[0,T ] zadany równaniem

dW̃t = dWt − γt dt, ∀t ∈ [0, T ], (8)

jest P ∗ - procesem Wienera, więc z (7) i (8) dynamika S̃ względem P ∗

opisana jest równaniem

dS̃t = (µ − r + σγt )S̃t dt + S̃t dW̃t . (9)

Jeżeli S̃ ma być P ∗ - martyngałem , to zgodnie z punktem 3 twierdzenia 2.17

musi być spełniona równość dS̃t = S̃t dW̃t . Więc

µ − r + σγt = 0, ∀t ∈ [0, T ]. (10)

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 ∗ .

Przekształcone równanie (9), za pomocą wzoru na całkowanie przez czę-

ści (2) dla St = ert S̃t , wyznacza dynamikę S względem miary P ∗ , [4]

dSt = rSt dt + σSt dW̃t . (11)

Proces cen akcji względem tej miary wyraża się wzorem

σ2
 
St = S0 exp (r − )t + σ W̃t . (12)
2

Uogólnieniem wyżej formułowanych wniosków jest następujące twierdzenie,

[4].

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

r(t)1d − µ(t) = σ(t)γt , ∀t ∈ [0, T ],

gdzie 1d jest d-wymiarowym wektorem złożonym z jedynek.

Odwrotnie, jeśli istnieje proces rynkowej ceny ryzyka, który dodatkowo

spełnia warunki:

RT
1. ||γt ||2 dt < ∞, P − p.n.,
0
!!
RT 1
RT
2. EP exp γu dWu − 2 ||γu ||2 du = 1,
0 0

to model MBS jest wolny od arbitrażu.

Zajmiemy się teraz problemem zupełności klasycznego modelu Blacka -

Scholesa. W modelu tym wyznaczyliśmy już poprzednio równoważną mia-
rę martyngałową P ∗ . Niech X będzie instrumentem pochodnym, takim że
X ∈ L1 (P ). Wtedy także X ∈ L1 (P ∗ ) i możemy zdefiniować proces

Mt = E∗ e−rT X|Ft .

Ponieważ

E∗ (Mt |Fs ) = E∗ (e−rT E∗ (X(ST )|Ft )|Fs )

= e−rT E∗ (X(ST )|Fs ) = Ms ,

proces M jest P ∗ -martyngałem.

Z twierdzenia 2.23 o reprezentacji martyngału mamy
Z t
Mt = M0 + hu dW̃u ,
0

gdzie W̃ jest P ∗ -procesem Wienera. Wtedy z równania (9)

Z t
dS̃t = σ S̃t dW̃t oraz Mt = M0 + ϕ1u dS̃u
0

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

X = erT MT = erT (ϕ0T + ϕ1T S̃T ).

Ponieważ X był dowolnym instrumentem, więc wykazaliśmy, że rynek MBS

jest zupełny, [4].

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.

Twierdzenie 3.2. Niech MBS będzie standardowym modelem Blacka-Sch-

olesa, a X instrumentem pochodnym w tym modelu, takim że BXT ∈ L1 (P ∗ ).
Cena arbitrażowa instrumentu X jest dana wzorem
  
∗ X  ∗

−r(T −t) 
 
πt (X) = Bt E F t = E e X  Ft . (13)
BT 

Dowód. Wzór (13) wynika bezpośrednio z twierdzenia 2.38.

Skąd

Wniosek 1. W przypadku, gdy t = 0, arbitrażowa cena wypłaty X wynosi

π0 (X) = V0 (ϕ) = E∗ (e−rT X). (14)

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 warunkiem końcowym C(T, s) = X(s).

Równanie (15) nazywamy równaniem Blacka-Scholesa.

Dowód. Zauważmy najpierw, że πt (X) można przedstawić jako funkcję dwóch

zmiennych t i St . Zgodnie z (13),

πt (X) = e−r(T −t) E∗ ( X| Ft ) ,

następnie wykorzystując dynamikę procesu S względem P ∗ , (11),

dSt = rSt dt + σSt dW̃t ,

z (12) otrzymujemy

πt (X) = e−r(T −t) EP ∗ ( X(ST )| Ft ) =

  1 2
 
= e−r(T −t) EP ∗ X St er(T −t) eσ(W̃T −W̃t )− 2 σ (T −t)  Ft .


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 ).

Niech Mt = e−rT E∗ ( X(St )| Ft ). Wtedy proces M jest P ∗ -martyngałem

i Mt jest funkcją dwóch zmiennych t i St , oznaczamy Mt = G(t, s). Dla
procesu G(t, s), korzystając z twierdzenia 1, znajdujemy różniczkę stocha-
styczną

∂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

Z tego, że proces (G(t, St )t∈T ) jest P ∗ -martyngałem, wnioskujemy z

twierdzenia własności (3) 2.17, że współczynnik przy dt zeruje się, czyli

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(T, s) = e−rT X(s).

Ponieważ πt (X) = ert Mt , więc C(t, St ) = ert G(t, St ), czyli C(t, s) =

ert G(t, s). Wynika stąd, że G(t, s) = e−rt C(t, s). Obliczamy pochodne cząst-
kowe

∂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

i wstawiamy te wyrażenie do równania (16) dla G(t, s).

Stąd

∂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

co po skróceniu przez e−rt daje równianie Blacka-Scholesa.

3.2.2. Wzór Blacka-Scholesa

Zajmiemy sie teraz wyprowadzeniem wzoru Blacka - Scholesa dla euro-
pejskiej opcji kupna. W dowodzie skorzystamy z następującego lematu.

Lemat 3.4. Jeżeli X ma rozkład normalny N (m, σ 2 ) względem P , to

2 2
EP eaX 1{X≥k} = eam+a σ /2 N (d),

gdzie d = σ −1 (−k +m+aσ 2 ), a N jest dystrybuantą standardowego rozkładu

normalnego.

Dowód. Zakładamy, że X ma rozkład normalny N (m, σ 2 ) względem miary

P , t.j. o gęstości

−(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

gdzie d = σ −1 (−k + m + aσ 2 ). Czyli

a2 σ 2
E(eaX1{X≥k} ) = eam+ 2 N (d)

Niech X oznacza europejską opcję kupna o cenie wykonania K i terminie

realizacji T . Przypomnijmy, że wówczas


+ 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 ].

Twierdzenie 3.5 (wzór Blacka-Scholesa). Cena europejskiej opcji kupna

akcji w chwili 0 ≤ t ≤ T wyraża się wzorem

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

Dowód. Wykażemy prawdziwość wzoru dla t = 0, dowód dla dowolnego

t ∈ (0, T ) można znaleźć np. w [13]. Arbitrażowa cena wypłaty X, zgodnie
ze wzorem (14), wynosi

C(0, S0 ) = π0 (X) = E∗ (e−rT X) = e−rT E∗ ((ST − K)+ ).

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

Zauważmy, że zachodzi następująca równość zbiorów:

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}

Z definicji procesu Wienera zmienna losowa W̃T ma rozkład N (0, T ),

zatem zgodnie z lematem 3.4 mamy, że

  
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

3.3.1. Wzór Blacka

Zajmiemy się teraz rynkiem kontraktów terminowych w modelu Blac-
ka. Jak wiemy istnieją dwa podstawowe typy umów terminowych: kontrakty
forward oraz futures. Zaznaczymy jedynie, że zasadniczą cechą odróżniającą
kontrakty futures od kontraktów forward jest występująca jedynie w przy-
padku kontraktów futures procedura „marking to market” oraz związane
z nią wahania tzw. depozytu zabezpieczającego.

Ze względu na losowe fluktuacje stóp procentowych (stochastyczny cha-

rakter ich zmian) ceny kontraktów forward i futures są w praktyce różne.
Jednak przy pewnych upraszczających założeniach te kontrakty będą miały
identyczne ceny,[4]. Przyjmijmy, jak poprzednio, proces cen obligacji (Bt )t∈T
jako numéraire . Niech ft oraz Ft oznacza odpowiednio ceny futures i for-
ward akcji St w chwili t w kontraktach terminowych wygasających w chwili
T . Zakładamy również,[4], że cena kontraktu forward Ft akcji St spełnia
równanie

St
Ft = ∀t ∈ [0, T ] ,
Bt
a ceny forward i futures są równe, gdy stopy procentowe są deterministyczne.

Rozważmy teraz ceny futures w klasycznym rynku Blacka-Scholesa (jed-

na akcja oraz obligacja) pozbawionym arbitrażu. Oczywiście, w tym przy-
padku jest spełnione założenie o nielosowym charakterze stóp procentowych,
a Bt = e−r(T −t) dla każdego 0 ≤ t ≤ T. Niech P ∗ będzie równoważną miarą
martyngałową.

Twierdzenie 3.6. Niech ft = fS (t, T ) będzie ceną futures w kontrakcie na

akcję St o terminie realizacji (wygaśnięcia kontraktu futures) T . Wtedy

ft = E∗ (ST | Ft ) .
Zauważmy, że z powyższego twierdzenia wynika, że cena futures jest
P ∗ -martyngałem.

Dowód. Wiemy, że ft = Ft , gdzie Ft jest ceną kontraktu forward na akcję St .

W modelu Blacka - Scholesa dynamika cen akcji względem miary P jest dana
równaniem

dSt = µSt dt + σSt dWt .

Mamy także

St
Ft = = St er(T −t) , t ∈ [0, T ]. (18)
Bt
Na podstawie wzoru na całkowanie przez części w postaci (2) otrzymujemy
więc

dft = (µ − r)ft dt + σft dWt , f0 = S0 erT .

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

dft = σft dW̃t ,

gdzie W̃ jest standardowym procesem Wienera względem miary P ∗ . Ozna-
cza to, że proces (ft )t∈[0,T ] jest P ∗ -martyngałem. Ponieważ zachodzi ciąg
równości ft = fT = FT = ST , więc

ft = E∗ (fT | Ft ) = E∗ (ST | Ft ). (19)

Możemy teraz przejść do wyceny opcji na kontrakty terminowe. Wyko-

rzystując twierdzenie 3.6 oraz wycenę martyngałową instrumentów w mo-
delu Blacka-Scholesa.
Twierdzenie 3.7 (Wzór Blacka). Rozważmy kontrakt futures na akcję S
o terminie realizacji T oraz europejską opcje kupna na ten kontrakt o cenie
realizacji K i czasie zapadalności T . Cena tej opcji dla dowolnego t ∈ [0, T ),
dana jest wzorem
 
C(T − t, ft ) = e−r(T −t) ft N (d˜1 (ft , T − t)) − KN (d˜2 (ft , T − t) ,

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} .

Wykorzystując dynamikę cen futures (19) oraz wzór (18) otrzymujemy

 
1 2
fT = f0 exp σ W̃T − σ T .
2
Ponieważ,analogicznie
n ojak w dowodzie twierdzenia 3.5, zachodzi równość
{f0 > K} = W̃T > k , gdzie
σ2
ln(K/f0 ) + 2 T
k= ,
σ
37
więc

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} .

Z definicji procesu Wienera zmienna losowa W̃T ma rozkład N (0, T ), zatem

zgodnie z lematem 3.4, mamy, że

!
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 .

3.3.2. Równanie różniczkowe w modelu Blacka

Zamiast zabezpieczać opcje akcjami, możemy sobie wyobrazić zabezpie-
czenie opcji, kontraktami forward na te akcje. Hedging stały2 pozwala nam
wyprowadzić cenę kontraktu forward gdzie argumentem będzie cena akcji.
Przypomnijmy, że zgodnie z (18).

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.

Rozważmy zdyskontowaną cenę opcji na kontrakt forward C(t, Ft )

C̃(t, Ft ) = er(T −t) C(t, Ft ).

Obliczamy poszczególne pochodne

∂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

wtedy równanie (20) upraszcza się jeszcze bardziej

∂ 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.

Zakładamy poniżej, jak w [7], że wszystkie kontrakty swap są linowe,

a ich instrumentem bazowym jest skumulowana średnia temperatur (CAT)
lub jeden z liniowych indexów temperatury (HDD lub CDD)3 . To w dużej
mierze upraszcza analizę, i stanowi rozsądny model dla większości kontrak-
tów będących w obrocie giełdowym.

Zakładamy, że handlujemy wykorzystując ceny kontraktów swap zamiast

cen realizacji w celu dostosowania się do teorii Blacka - Scholesa w bardziej
klarowny sposób (gdzie akcje mają ceny). Innymi słowy, zamiast operować
bezkosztowymi kontraktami swap z ceną wykupu K, która daje x − K, jeśli
index będzie miał wartość x, ustalimy, że płacimy premię za kupno kontraktu
swap, który wypłaci nam x kwoty rozliczenia. Premia, którą trzeba by za-
płacić za taki zmieniony kontrakt swap jest wyznaczona (w sensie zwykłego
kontraktu) wzorem

premium = St = Ker(t−T ) . (21)

Te nowe kontrakty z premią są podobne do akcji, tak samo jak bezkosz-

towe swapy do kontraktów forward na akcje. Innymi słowy, możemy myśleć
o tych kontraktach swap z premią właśnie jak o akcjach, a o prawdziwych
bezkosztowych kontraktach jak o forwardach na te akcje.

3.5. Model rynku zrównoważonego dla opcji pogodowych

W celu wyliczenia procesu cen dla kontraktów swap przyjmiemy założe-
nie, że rynek jest zrównoważony pod wpływem podaży i popytu. To prowadzi
do naszych nowo stworzonych kontraktów swap z premią, którymi handlu-
jemy z zaniżonym oczekiwanym zwrotem z inwestycji, czyli na wysokości
oczekiwanej wartości indeksu. Jeżeli w naszych szacunkach zaniżona wartość
oczekiwana zwrotu z inwestycji się nie zmienia, wtedy cena kontraktu swap
będzie tylko rosła na poziomie stopy wolnej od ryzyka. Ten przykład nie
ma sensu dla akcji, skoro fundamentalnym powodem, dla którego kupujemy
akcje jest chęć zainwestowania: nikt nie kupowałby akcji jeżeli nie istniałoby
prawdopodobieństwo wzrostu cen akcji szybciej niż stopa wolna od ryzyka.
Jednakże fundamentalnym powodem, dla którego handlujemy kontraktami
swap nie jest chęć spekulacji, ale ograniczenia ryzyka.

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.

Zmiana oczekiwanej wartości indeksu dana jest poprzez proces Wienera

dRt = σdWt .

Z równości (21), cena (kontraktu swap z premią) jest dana

St = er(t−T ) Rt ,

tak więc całkując przez części

dSt = rSt dt + er(t−T ) σdWt

(22)
= rSt dt + σs dWt

gdzie σ s = er(t−T ) σ zostało zdefiniowane tak by usunąć czynnik dyskontu-

jący.

Dyskontując cenę w czasie t, tak by cofnąć się do t0

S̃t = er(t0 −T ) St ,

tak więc

dS̃t = er(t0 −T ) σdWt

(23)
= σd dWt

gdzie σ d = er(t0 −T ) σ zostało również zdefiniowane by pozbyć się czynnika

dyskontującego. Możemy zauważyć, że ze względu na własność całki Itô,
twierdzenie (2.17), zdyskontowana cena kontraktu swap jest martyngałem.

Otrzymaliśmy więc następujące równania określające dynamikę ceny kon-

traktu swap oraz ceny zdyskontowanej:

dSt = rSt dt + σs dWt ,

dS̃t = σd dWt .

W przeciwieństwie do procesu cen w równaniu (7), losowa część zmiany

ceny swapa nie jest powiązana z ceną tego kontraktu. Dzieje się tak ponieważ
losowa część jest całkowicie określona przez zmiany prognozy i temperatury.
Zauważmy, że pomimo dużej autokorelacji temperatury jest to całkowicie

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.

W końcu zauważmy, ze cena kontraktu może przyjąć wartości ujemne.

To byłoby nie do przyjęcia dla akcji: jeżeli cena akcji przyjęłaby wartości
ujemne, wtedy ten, który kupiłby akcje (za ujemną cenę tzn. otrzymałby
za to pieniądze), mógłby je wyrzucić i mieć zysk bez ponoszenia ryzyka.
Jednakże, kupowanie kontraktu swap po ujemnej cenie nadal niesie za sobą
ryzyko płacenia w terminie wygaśnięcia kontraktu, więc coś takiego jak zysk
bez ryzyka w tym przypadku nie istnieje.

Jednym z założeń zrobionych przy obliczaniu ceny kontraktu swap jest

założenie o używaniu tych samych danych historycznych i prognoz do szaco-
wania oczekiwanej wartości indeksu. To założenie, oczywiście, nie jest speł-
nione w rzeczywistości na rynku wtórnym, gdyż inwestorzy szukają możliwo-
ści do zysku poprzez używanie bardziej aktualnych, dokładniejszych danych
historycznych, albo bardziej prawidłowych prognoz. My jednak utrzymuje-
my, że cena kontraktu swap dana przez równanie (22) jest prawidłowa,[7].
Uzasadnimy to twierdzeniem, że rynek zawrze w cenie powszechnie dostępne
dane. Zmienność ceny nadal będzie zależna od zmiany w prognozach i do-
stępnych danych jak jest to opisane powyżej.

3.6. Wycena na rynku zrównoważonym dla opcji pogodowych

Proces cen kontraktów swap dany w równaniu (22) pozwoli nam teraz
na wycenę opcji o tym samym indeksie, w oparciu o założenie, że swapami
można handlować bez ponoszenia kosztów i używać ich do delta hedgingu4 .
Powtarzając rozumowanie z dowodu twierdzenia 3.3, wychodząc tym razem
z równania (22), otrzymujemy odpowiednik równania Blacka-Scholesa, czyli
równanie postaci

∂C 1 ∂2C ∂C
+ σs2 2 + rS − rC = 0, (24)
∂t 2 ∂S ∂S

Jest to równanie dla kontraktów swap z premią. Zauważmy, że jedyną róż-

nicą pomiędzy równaniem (24) a oryginalnym równaniem Blacka-Scholesa
jest współczynnik przy drugiem członie równania cząstkowego. Musimy te-
raz transformować powyższe równanie tak aby C była funkcją ceny wykupu
K i t, skoro K jest wielkością którą możemy zaobserwować na rynku kontrak-
tów terminowych. Postępujemy podobnie jak w przypadku modelu Blacka

∂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

Pozbyliśmy się czynnika rS ∂C∂S , a σs upraszcza się znów do σ. To równanie

jest podobne do równania (20), z tą różnicą, że współczynnik przy drugim
członie zmienia się z σ 2 S na σ 2 .

Równanie cząstkowe (25) pozwala na wyznaczenie ceny opcji pogodowej.

Jeżeli zapiszemy wyliczoną cenę za pomocą zdyskontowanej wartości opcji
w momencie T

C̃ = er(t−T ) C,

to równanie (25) upraszcza sie do

∂ C̃ 1 ∂ 2 C̃
+ σ2 = 0, (26)
∂t 2 ∂K 2

Przy opcjach pogodowych wykorzystuje się częściej w praktyce standar-

dowe odchylenie od indeksu σx , niż dziennego współczynnika zmienności σ.
Dzieje się tak, gdyż σx może być łatwo wyliczone na podstawie historycznych
danych meteorologicznych. Najprostszą zależnością łączącą σx z σ jest, [8] :

( 1
(T − t0 ) 2 σ dla t ≤ t0 ,
σx = 1
(T − t) 2 σ dla t0 ≤ t ≤ T,

gdzie t0 jest czasem rozpoczęcia kontraktu, T czasem wygaśnięcia kontraktu,

a σ jest stałą.

Mówiąc ogólnie, możemy zawrzeć efekt pokrywania się prognozy z okre-

sem trwania kontraktu, w którym σ zmienia się deterministycznie. Jewson
w [5] proponuje prosty model oparty na trapezach, który zawiera w sobie
ten efekt dla σ 2 . Dla kontraktów dłużych niż miesiąc, możemy także zawrzeć
efekt sezonowości w wartości σ.

Kiedy σ zmienia się deterministycznie, wtedy równanie (26) przyjmuje

postać

∂ C̃ 1 ∂ 2 C̃
+ σ¯2 = 0, (27)
∂t 2 ∂K 2

gdzie σ̄ jest wartością średnią z σ 2 w czasie trwanie kontraktu,[14].

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)

Możemy to zweryfikować poprzez obliczenie poszczególnych pochodnych

cząstkowych powyższego równania

(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)

które po podstawieniu prowadzą do wzoru (26).

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