d9e5a92d

Формальная постановка задачи и модельные допущения


 

Введем следующие обозначения, которые будем употреблять в дальнейшем:

 

Входные данные (дано):

 

T – расчетное время (срок жизни портфеля или время до исполнения опционного контракта);

S0 – стартовая цена подлежащего опционам актива;

zc – цена приобретения опциона call;

zp – цена приобретения опциона put;

xc - цена исполнения опциона call;

xp - цена исполнения опциона put;

ST – финальная цена подлежащего опционам актива в момент Т (случайная величина);

rT – текущая доходность подлежащего актива, измеренная в момент времени T по отношению к стартовому моменту времени 0 (случайная величина);

sr – среднеквадратическое отклонение (СКО) доходности подлежащего актива;

 

Выходные данные (найти):



 

IT – доход (убыток) по опциону (комбинации), случайная величина;

RT – текущая доходность опциона (комбинации), измеренная в момент времени T по отношению к стартовому моменту времени 0 (случайная величина);

sR – СКО доходности опциона (комбинации);

QT – риск опциона (комбинации).

Далее по тексту работы все введенные обозначения будут комментироваться в ходе их использования.

 

Также мы дополнительно оговариваем следующее:

Мы не рассматриваем возможность дивидендных выплат (чтобы не усложнять модель).

Здесь и далее мы будем моделировать опционы только американского типа, т.е. такие, которые могут быть исполнены в любой момент времени на протяжении всего срока действия опциона. Это необходимо, чтобы не требовать синхронизации срока жизни портфеля на подлежащих опционам активах и сроков соответствующих опционных контрактов.

 

Еще один важный момент. Общепринятым модельным допущением к процессу ценового поведения акций является то, что процесс изменения котировки является винеровским случайным процессом, и формула Блэка-Шоулза тоже берет это предположение за исходное. Все, что я думаю по поводу применения вероятностных моделей к анализу ценового поведения акций, я подробно изложил. В этом же смысле высказывается и автор работы. Существуют определенные ограничения на использование вероятностей в экономической статистике. Но, поскольку этот инструмент учета неопределенности является традиционным и общеупотребительным, я хочу оформить свои результаты в вероятностной постановке, при простейших модельных допущениях с использованием аппарата статистических вероятностей. А затем, по мере накопления опыта моделирования, мы будем усложнять модельные допущения и одновременно переходить от статистических вероятностей  к  вероятностным распределениям с нечеткими параметрами, используя при этом результаты теории нечетких множеств, по образцу того, как это делается в разделе 5 настоящей работы. Задача эта в целом выходит за рамки данной монографии, но заложить основы этой теории мы сможем уже здесь.

Переход от вероятностных описаний к нечетким будет рассмотрен в конце этой главы, а сейчас посмотрим на винеровский ценовой процесс c постоянными параметрами m (коэффициент сноса, по смыслу – предельная курсовая доходность) и s (коэффикциент диффузии, по смыслу – стандартное уклонение от среднего значения предельной доходности).

 

Аналитическое описание винеровского процесса:

 

где z(t) – стандартный винеровский процесс (броуновское движение, случайное блуждание) с коэффициентом сноса 0 и коэффициентом диффузии 1.

 

Если принять, что начальное состояние процесса известно и равно S0, то мы можем, исходя из (7.1), построить вероятностное распределение цены ST в момент T. Эта  величина, согласно свойств  винеровского процесса как процесса с независимыми приращениями, имеет нормальное распределение со следующими параметрами:

 

среднее значение:

 

 

среднеквадратичное отклонение (СКО) величины ln ST/S0:

 

 

В принципе, для моих последующих построений вид вероятностного  распределения цены подлежащего актива  несущественен. Но здесь и далее, для определенности,  мы остановимся на нормальном распределении.

 

Его плотность обозначим как

 

 

Примерный вид плотности нормального распределения вида (4) представлен на рис. 7.1.

 

 

Рис. 7.1. Примерный вид плотности нормального распределения

 

Теперь, сделав все базовые допущения к математической модели, мы можем переходить непосредственно к процессу вероятностного моделирования опционов и их комбинаций.

 

 

 




Содержание раздела