Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005 1 Modelli Finanziari nel...
-
Upload
geltrude-lupo -
Category
Documents
-
view
215 -
download
2
Transcript of Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005 1 Modelli Finanziari nel...
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
1
Modelli Finanziari nel Tempo Continuo
6
Prodotti di Volatilità e Correlazione
Giovanni Della Lunga
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
2
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti di Volatilità e Correlazione
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
3
Prodotti Path-Dependent
Il valore del prezzo di riferimento o dello strike da utilizzare per il
calcolo del pay-off dipendono dai prezzi del sottostante in un
periodo di tempo Asiatiche: usano il prezzo medio del sottostante come valore di
riferimento (average rate) o strike (average rate).
Lookback: lo strike è posto al massimo/minimo su un periodo di
riferimento
Ladder: lo strike è aggiornato su una griglia di valori prestabiliti ogni
volta che il sottostante oltrepassa il livello corrispondente in un periodo
di riferimento
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
4
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti di Volatilità e Correlazione
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
5
Il metodo Monte Carlo
Il metodo Monte Carlo (MC nel seguito) è una tecnica basata
sulla simulazione di un numero elevato di possibili scenari
rappresentativi dell’evoluzione futura delle variabili di rischio
da cui dipende il valore di una generica attività finanziaria;
Infatti tale tecnica si basa sull’idea di approssimare il valore
atteso di una determinata funzione finanziaria calcolando la
media aritmetica dei diversi risultati ottenuti dalle simulazioni
effettuate sul possibile andamento futuro delle variabili da cui
essa dipende.
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
6
Il metodo Monte Carlo Metodo Monte Carlo e Integrazione
L’idea di base del metodo è del tutto generale; Un’estrazione da un campione di numeri casuali può essere
utilizzata come stimatore di un integrale
1
0
)( dxxfI 1
0
)( dxxfI
Questa espressione può essere interpretata come il valore di aspettazione della funzione f di una variabile aleatoria a valori uniformemente distribuiti nell’intervallo [0, 1]
Questa espressione può essere interpretata come il valore di aspettazione della funzione f di una variabile aleatoria a valori uniformemente distribuiti nell’intervallo [0, 1]
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
7
Il metodo Monte Carlo
Spiegazione dell’affermazione precedente Il valore di aspettazione di una funzione di una generica variabile
aleatoria con densita g(x) e dominio di valori in è dato da
Se consideriamo una variabile x uniformemente distribuita in [0,1] otteniamo
dxxgxfxfE )()()]([
1
0
)()()()]([
]1,0[1
]1,0[0)(
dxxfdxxgxfxfE
xse
xsexg
1
0
)()()()]([
]1,0[1
]1,0[0)(
dxxfdxxgxfxfE
xse
xsexg
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
8
Il metodo Monte Carlo
Diventa così possibile stimare il valore del nostro integrale tramite una media aritmetica di n valori di f(xi) dove ciascun xi rappresenta un campione estratto da una distribuzione uniforme in [0, 1]. In altre parole possiamo affermare che la quantità
n
i
in xfn
I1
)(1~
n
i
in xfn
I1
)(1~
rappresenta uno stimatore non distorto di I. La varianza di questa stima risulta pari a:
n
dxIxfn
xfn
xfn
In
ii
n
iin
21
0
2
12
1
)(1
)(var1
)(1
var)~
var(
n
dxIxfn
xfn
xfn
In
ii
n
iin
21
0
2
12
1
)(1
)(var1
)(1
var)~
var(
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
9
Il metodo Monte Carlo
l’errore quadratico medio dello stimatore, che può essere interpretato come l’errore quadratico medio della simulazione Monte Carlo, decresce all’aumentare di n come
Questo risultato risulta del tutto indipendente dalla dimensione del problema.
E’ proprio quest’ultima caratteristica che rende attraente il metodo Monte Carlo per la risoluzione di problemi con un numero elevato di dimensioni. In questo caso tipicamente il metodo Monte Carlo risulta convergere verso il valore finale più velocemente dei metodi numerici tradizionali in cui il numero di iterazioni per raggiungere un’approssimazione prefissata cresce con l’aumentare del numero di dimensioni.
n/1 n/1
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
10
Il metodo Monte Carlo
3.8
3.9
4
4.1
4.2
4.3
4.4
4.5
4.6
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
Monte Carlo Standard
Black & Scholes
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
11
Il metodo Monte Carlo
Passando dal problema generale al caso più specifico della
determinazione del valore delle opzioni, si consideri il
processo di pricing di un’opzione call di tipo europeo;
Il punto di partenza consiste nella definizione del processo
dinamico seguito dal sottostante;
Nel caso dei derivati su indici azionari o su azioni è comune
assumere che il sottostante segua un processo di tipo
geometrico browniano.
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
12
SdwSdtdS SdwSdtdS
dwdtSd
2)ln(
2
dwdtSd
2)ln(
2
Lemma di ItoLemma di Ito
tzt2S
SSSS
2
00
ln)ln()ln()ln( tzt
2S
SSSS
2
00
ln)ln()ln()ln(
Un processo per i prezzi azionari
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
13
tzt2S
S 2
0
ln tzt
2S
S 2
0
ln
tzt
2SS
2
0 exp
tzt
2SS
2
0 exp
Un processo per i prezzi azionari
Nota: In queste formule z rappresenta una variabile aleatoria estratta da una distribuzione normale standard N(0,1).
Nota: In queste formule z rappresenta una variabile aleatoria estratta da una distribuzione normale standard N(0,1).
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
14
Un processo per i prezzi azionari
Processi per il Sottostante
Generazione Scenari
Distribuzione probabilistica dei premi
Calcolo della media e dell’errore
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
15
Esempio ProgrammazioneVBA
Esempio ProgrammazioneVBA
Calcolo del Prezzo di un’Opzione con il Metodo Monte Carlo Calcolo del Prezzo di un’Opzione con il Metodo Monte Carlo
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
16
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti di Volatilità e Correlazione
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
17
Opzioni asiatiche
Le opzioni asiatiche sono opzioni il cui valore finale dipende dalla media aritmetica dei prezzi dell’attività sottostante, rilevati in date predeterminate:
average price call:
Le opzioni asiatiche sono meno care delle opzioni ordinarie in quanto il calcolo della media diminuisce di fatto la volatilità del sottostante.
m
iiaverage
average
tSm
S
ESMax
1
)(1
0,off-Pay
m
iiaverage
average
tSm
S
ESMax
1
)(1
0,off-Pay
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
18
Opzioni asiatiche
Il problema di gran parte delle opzioni asiatiche è che sono scritte su medie aritmetiche del sottostante osservato a diverse date di rilevazione.
Nel modello di Black e Scholes, in cui la distribuzione dei prezzi è log-normale, questo crea un problema perché la distribuzione di probabilità di somme di variabili a distribuzione log-normale non è nota.
Tecniche di valutazione: Moment matching (Turnbull e Wakeman): la distribuzione della media è
approssimata con una distribuzione log-normale con uguale media e varianza. Metodo Monte Carlo: vengono generati scenari per le date di campionamento,
calcolati i pay-off per ogni sentiero e ne viene calcolata la media
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
19
Rilevazioni nel tempo discreto
Nella pratica dei prodotti di finanza strutturata troviamo che le
opzioni asiatiche utilizzano la rilevazione del sottostante su un
insieme discreto di date.
Spesso la frequenza del piano di campionamento cambia nel
corso della vita del prodotto. Possiamo avere rilevazioni
mensili il primo anno, trimestrali e negli anni successivi e
semestrali negli anni finali
L’aumento della frequenza delle rilevazioni riduce la volatilità
del sottostante e il valore dell’opzione.
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
20
Variabile di controllo
Il metodo della variabile di controllo mantiene inalterata la funzione di distribuzione campionata, il miglioramento dell’efficienza si ottiene in questo caso ricorrendo ad una funzione ausiliaria v(z) correlata a k(z) di cui è noto esattamente l’integrale
Il metodo della variabile di controllo funziona bene quando quest’ultima ha un elevato grado di correlazione con la variabile che intendiamo stimare. Una situazione di questo tipo si presenta quando vogliamo conoscere il prezzo di un’opzione asiatica se utilizziamo come variabile di controllo il prezzo dell’opzione asiatica a media geometrica corrispondente.
Z
C zdFzv )()(Z
C zdFzv )()(
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
21
Variabile di controllo Definiamo W(, z) come
CzvzkzW )()(),(
E’ facile verificare che
)(),( zkEzWE
222 2, v(z)k(z),v(z)k(z) σββσσzWVar
Possiamo scegliere il parametro in modo da minimizzare la varianza della funzione W
2)(
)(),(*
zv
zvzk
nel qual caso
222 1, k(z)k(z),v(z)k(z) σ)ρ(σzWVar
Definiamo W(, z) come
CzvzkzW )()(),(
E’ facile verificare che
)(),( zkEzWE
222 2, v(z)k(z),v(z)k(z) σββσσzWVar
Possiamo scegliere il parametro in modo da minimizzare la varianza della funzione W
2)(
)(),(*
zv
zvzk
nel qual caso
222 1, k(z)k(z),v(z)k(z) σ)ρ(σzWVar
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
22
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
Se si assume che il prezzo dell’attività sottostante, S, sia distribuito in modo log-normale e che Save sia una media geometrica degli S, possiamo utilizzare delle formule analitiche per valutare le opzioni asiatiche di tipo europeo.
Ciò dipende dal fatto che la media geometrica di un insieme di variabili distribuite in modo log-normale è anch’essa log-normale.
Si può dimostrare che in un mondo neutrale verso il rischio il prezzo di un’opzione asiatica scritta su una media geometrica calcolata su m periodi temporalmente equidistanziati...
mm
jt j
SG
/1
1
mm
jt j
SG
/1
1
)()(
2
1exp)exp( 21
2 dKNdNrTC GGG
)()(
2
1exp)exp( 21
2 dKNdNrTC GGG
è pari a ...
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
23
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica dove
mThhT
qrSG / 22
1ln 2
0
mTh
hTqrSG /
22
1ln 2
0
m
mmhG 6
)1)(12(22 m
mmhG 6
)1)(12(22
G
GG Kd
2
1
)ln(
G
GG Kd
2
1
)ln(
Gdd 12 Gdd 12
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
24
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
Nella simulazione Monte Carlo standard il prezzo dell’opzione viene calcolato come
niKAEeC irTi ,,1 ,)0,max( )()( dove A(i) è la media aritmetica discreta campionata
m
j
tii
jSm
A1
)()( 1
calcolata su un insieme discreto di punti
mjtm
Thhtt jj ,,2,1 ,0 , , 01
ed n è il numero di simulazioni. Questo porta allo stimatore
n
i
iCn
C1
)(1ˆ
Nella simulazione Monte Carlo standard il prezzo dell’opzione viene calcolato come
niKAEeC irTi ,,1 ,)0,max( )()( dove A(i) è la media aritmetica discreta campionata
m
j
tii
jSm
A1
)()( 1
calcolata su un insieme discreto di punti
mjtm
Thhtt jj ,,2,1 ,0 , , 01
ed n è il numero di simulazioni. Questo porta allo stimatore
n
i
iCn
C1
)(1ˆ
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
25
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
Utilizzando il metodo della variabile di controllo oltre alle variabili descritte sopra dobbiamo calcolare la media geometrica per ogni simulazione
mm
j
it
i
jSG
/1
1
)()(
e il valore campionato dell’opzione asiatica a media geometrica
)0,max()exp( )()( KGrTC iiG
Questa volta però utilizzeremo lo stimatore
n
iG
iG
i CCCn
C1
)()( )(1ˆ
Utilizzando il metodo della variabile di controllo oltre alle variabili descritte sopra dobbiamo calcolare la media geometrica per ogni simulazione
mm
j
it
i
jSG
/1
1
)()(
e il valore campionato dell’opzione asiatica a media geometrica
)0,max()exp( )()( KGrTC iiG
Questa volta però utilizzeremo lo stimatore
n
iG
iG
i CCCn
C1
)()( )(1ˆ
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
26
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
0,00
5,00
10,00
15,00
20,00
25,00
0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Volatilità Sottostante
Asiatica Aritmetica
Europea Black & Scholes
Asiatica Geometrica
0,00
5,00
10,00
15,00
20,00
25,00
0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Volatilità Sottostante
Asiatica Aritmetica
Europea Black & Scholes
Asiatica Geometrica
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
27
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Tempo a Scadenza
Asiatica Aritmetica
Europea Black & Scholes
Asiatica Geometrica
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Tempo a Scadenza
Asiatica Aritmetica
Europea Black & Scholes
Asiatica Geometrica
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
28
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Volatilità Sottostante
MC Standard MC Controllo MC Antithetic
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Volatilità Sottostante
MC Standard MC Controllo MC Antithetic
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
29
Variabile di Controllo
Applicazione al Pricing di un’Opzione Asiatica
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Tempo a Scadenza
MC Standard MC Controllo
MC Antithetic
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Tempo a Scadenza
MC Standard MC Controllo
MC Antithetic
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
30
Esempio ProgrammazioneVBA
Esempio ProgrammazioneVBA
Calcolo del Prezzo di un’Opzione AsiaticaCalcolo del Prezzo di un’Opzione Asiatica
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
31
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti di Volatilità e Correlazione
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
32
Opzioni multivariate
Basket: il valore del sottostante è calcolato con una media ponderata di un insieme di titoli
Rainbow: utilizzano funzioni diverse per il calcolo del pay-off: opzioni sul massimo o sul minimo di un paniere dei titoli (option
on the max/min) opzioni che consentono di scambiare un’attività finanziaria con
un’altra (exchange option), opzioni scritte sulla differenza di valori tra due sottostanti
(spread option), opzioni con strike diversi per ogni titolo del paniere (multi-strike).
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
33
Opzioni basket
Per le opzioni basket si pone lo stesso problema che per le opzioni asiatiche. Da un lato se la media del basket fosse geometrica l’opzione potrebbe essere prezzata utilizzando la formula di Black e Scholes (medie geometriche di variabili log-normali sono log-normali). Dall’altro in gran parte dei casi si utilizzano medie aritmetiche, nel qual caso la non ne conosciamo la distribuzione.
Anche in questo caso le alternative sono due Moment matching Simulazione Monte Carlo
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
34
Misure di co-dipendenza
Distribuzioni Marginali Data la distribuzione congiunta di due variabili x ed y la
funzione di densità marginale di x è definita come
E, analogamente,
)(
),()(yD
x dyyxx )(
),()(yD
x dyyxx
)(
),()(xD
y dxyxy )(
),()(xD
y dxyxy
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
35
Misure di co-dipendenza
Indipendenza Due variabili x ed y si dicono indipendenti se la loro
funzione densità congiunta si fattorizza nel prodotto delle densità marginali
)()(),( , yxyxtiindipendenyx yx )()(),( , yxyxtiindipendenyx yx
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
36
Correlazione Lineare Ricordiamo la definizione di correlazione lineare tra due
variabili x ed y
Misure di co-dipendenza
2222
,
)()()()(
)()(),(
)()(
),cov(
dyyydyyydxxxdxxx
dyyydxxxdxdyyxxy
yx
yx
yyxx
yx
yx
2222
,
)()()()(
)()(),(
)()(
),cov(
dyyydyyydxxxdxxx
dyyydxxxdxdyyxxy
yx
yx
yyxx
yx
yx
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
37
Correlazione Lineare Spesso si ritiene che la conoscenza del coefficiente di
correlazione lineare unitamente alla specificazione delle distribuzioni marginali, permetta di determinare la distribuzione di probabilità congiunta.
In realtà questo è vero solo per certe classi di distribuzioni tra cui la distribuzione normale.
In generale quindi l’inferenza
Non è valida
Misure di co-dipendenza
),(),(),( , yxyx yxyx ),(),(),( , yxyx yxyx
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
38
Oltre l’indice di correlazione lineare La correlazione lineare è un buona misura di co-dipendenza per variabili
normali. Per distribuzioni che non sia allontanano troppo dalla “normalità” continua a fornire indicazioni utili ma all’allontanarsi da queste condizioni (in molti casi soltanto ideali) l’indice di correlazione lineare fornisce risultati sempre più fuorvianti!
L’indice di correlazione lineare non è invariante rispetto a trasformazioni non lineari delle variabili.
A differenza degli stimatori non-parametrici, l’indice di correlazione lineare può non coprire l’intero range da – 1 a + 1, rendendo problematica l’interpretazione del grado di dipendenza
Misure di co-dipendenza
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
39
Variabili Normali Multivariate Cholescky Decomposition
Indichiamo con X un vettore di variabili aleatorie indipendenti ciascuna delle quali distribuita secondo una normale standard, la matrice di varianza-covarianza di X sarà pertanto data dalla matrice unità di dimensione n n. Supponiamo di voler derivare da questo insieme di variabili un secondo set di variabili, che indicheremo con Y, non più indipendenti bensì dotato di matrice di varianza-covarianza assegnata .
Il nuovo insieme di variabili aleatorie può essere ricercato come combinazione lineare delle variabili indipendenti , cioè si pone
Il problema si riconduce così alla determinazione di una matrice A di dimensione n n tale che
AXY AXY
tAA tAA
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
40
N
j
N
j kjkjikijjij
N
j kjkjikij
N
jjijii
N
jjiji
N
jjiji
ij
jij
ii
axxaaxa
xxaaxa
xayyyy
xayxay
1
2
1
22
1
22
2
1
2222
11
2
2
)(
0
Variabili Normali Multivariate
1)(22 jj xx 1)(22 jj xx
AXY AXY
0),cov( kjkj xxxx 0),cov( kjkj xxxx
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
41
Cholescky Decomposition
La soluzione della precedente equazione non è unica nel senso che esistono più matrici A che, moltiplicate per la loro trasposta, danno come risultato . Se la matrice è definita positiva il metodo più efficiente dal punto di vista computazionale per risolvere il problema consiste nell’applicazione della scomposizione di Cholescky.
nnnn AAA
AA
A
A
21
2221
11
0
00
nnnn AAA
AA
A
A
21
2221
11
0
00
Variabili Normali Multivariate
Il punto chiave di tale metodologia consiste nel ricercare A nella forma di una matrice triangolare inferiore, ovvero una matrice in cui tutti gli elementi sopra la diagonale sono nulli,
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
42
Cholescky Decomposition
Sviluppando il prodotto AAt in componenti è facile verificare che gli elementi di A sono ricavabili dalle seguenti formule iterative
Ad esempio per il caso semplice di due variabili troviamo
1
1
2i
kikiiii aa
1
1
2i
kikiiii aa
1
1
1 i
kjkikij
iiji aa
aa
1
1
1 i
kjkikij
iiji aa
aa
2
22
1
1
0
A
2
22
1
1
0
A
Variabili Normali Multivariate
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
43
Esempio ProgrammazioneVBA
Esempio ProgrammazioneVBA
Cholesky Decomposition Cholesky Decomposition
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
44
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti Path-Dependent Il metodo Monte Carlo Opzioni Asiatiche Il problema multivariato Alberi Multivariati
Prodotti di Volatilità e Correlazione
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
45
Alberi Binomiali in più dimensioni
E’ relativamente semplice costruire un albero in tre dimensioni per rappresentare i movimenti di due variabili non correlate;
Dapprima si costruisce separatamente un albero a due dimensioni per ciascuna delle due variabili;
quindi si combinano i due alberi in un solo albero a tre dimensioni.
Le probabilità relative ai rami del nuovo albero sono pari al prodotto delle probabilità dei corrispondenti rami degli alberi a due dimensioni.
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
46
Alberi Binomiali in più dimensioni
Si supponga ad esempio che le variabili siano date dai prezzi S1 ed S2.
Ciascuna di queste due variabili può essere rappresentata in due dimensioni da un albero binomiale CCR;
supponiamo che p1 sia la probabilità che S1 aumenti e 1-p1 la
probabilità che diminuisca, analogamente con p2 e S2;
nell’albero a tre dimensioni ci saranno quindi quattro rami che vengono generati da ciascun nodo con le seguenti probabilità p1p2 S1 aumenta, S2 aumenta
p1(1-p2) S1 aumenta, S2 diminuisce
(1-p1)p2 S1 diminuisce, S2 aumenta
(1-p1)(1-p2) S1 diminuisce, S2 diminuisce
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
47
Alberi Binomiali in più dimensioni
Il caso più interessante è naturalmente quello in cui le variabili siano correlate;
Rubinstein ha suggerito un modo di costruire un albero a tre dimensioni disponendo i nodi secondo un approccio binomiale;
);(
);(
);(
);(
DSdS
CSdS
BSuS
ASuS
211
211
211
211
);(
);(
);(
);(
DSdS
CSdS
BSuS
ASuS
211
211
211
211 Dal nodo (S1, S2) si può passare ad uno dei seguenti nodi con probabilità 0.25 (albero con probabilità uguali lungo i rami, tipo JR):
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
48
Alberi Binomiali in più dimensioni
22
222
22
222
22
222
22
222
1211
1211
1tt2qr
1tt2qr
1tt2qr
1tt2qr
tt2qr1
tt2qr1
eD
eC
eB
eA
ed
eu
)/(
)/(
)/(
)/(
)/(
)/(
22
222
22
222
22
222
22
222
1211
1211
1tt2qr
1tt2qr
1tt2qr
1tt2qr
tt2qr1
tt2qr1
eD
eC
eB
eA
ed
eu
)/(
)/(
)/(
)/(
)/(
)/(
Deriva dalla “Cholesky Decomposition”
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
49
Opzioni con due sottostanti: Alcuni Esempi
Spread Options call max(0, Q1S1-Q2S2-X) put max(0,X+Q2S2-Q1S1)
Opzione sul massimo call max(0,max(Q1S1,Q2S2)-X) put max(0,X-max(Q1S1,Q2S2))
Opzione sul minimo call max(0,min(Q1S1,Q2S2)-X) put max(0,X-min(Q1S1,Q2S2))
Dual Strike Options call max(0,(Q1S1-X1),(Q2S2-X2)) put max(0,(X1-Q1S1),(X2-Q2S2))
Reverse Dual Strike Options call max(0,(Q1S1-X1),(X2-Q2S2)) put max(0,(X1-Q1S1),(Q2S2-X2))
Portfolio Options call max(0, (Q1S1+Q2S2)-X) put max(0,X-(Q1S1+Q2S2))
Exchange Options max(0,Q2S2-Q1S1)
Università dell'Insubria - C.d.L. in Banca & Finanza - A.A. 2004-2005
50
Esempio ProgrammazioneVBA
Esempio ProgrammazioneVBA
Albero Binomiale con CorrelazioneAlbero Binomiale con Correlazione