Finanzmathematik

Vorlesung WS 2010/11
Jrgen Dippon

28. Mrz 2011

Inhaltsverzeichnis
1 Einfhrung
1.1 1.2 1.3 1.4 Grundbegrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Put-Call-Paritt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Schranken fr Optionen

3
4 11 11 12

Ein-Perioden-Marktmodelle

Bedingte Erwartungen und Martingale

2.1 2.2 Bedingte Erwartungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Martingale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19
19 22

Finanzmrkte in diskreter Zeit

3.1 3.2 3.3 3.4 3.5 Risikoneutrale Bewerung von Finanzderivaten . . . . . . . . . . . . . . . . . Vollstndige Mrkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Das Cox-Ross-Rubinstein-Modell Binomialapproximation

28
31 31 32 34 37

Bewertung amerikanischer Optionen

Stochastische Prozesse in stetiger Zeit

4.1 4.2 4.3 4.4 Grundbegrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Klassen von Prozessen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Brownsche Bewegung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Das It-Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42
42 43 44 47

Zeitstetige Finanzmrkte
5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 Risikoneutrale Bewertung Das Black-Scholes-Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

55
57 58 63 66 67 68 69 70

Black-Scholes mittels risikoneutraler Bewertung . . . . . . . . . . . . . . . . Black-Scholes mittels No-Arbitrage-Bewertung . . . . . . . . . . . . . . . . . Die Feynman-Kac-Formel Risikokennziern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Hedging-Strategien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Schtzung der Volatilitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Spezielle Derivate
6.1 6.2 6.3 Kreditderivate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Credit Default Swaps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bewertung des CDS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

72
72 72 74

Literatur

75

1 Einfhrung
Die klassische Finanzmathematik beschftigt sich in erster Linie mit grundlegenden Finanzinstrumenten oder Anlageformen (basic securities)

Aktien (stocks) festverzinsliche Wertpapiere (bonds) Whrungen (foreign exchange) Rohstoe (commodities) Energie

Die moderne Finanzmathematik untersucht derivative Finanzinstrumente (derivatives, derivative securities, contingent claims), die von einfacheren Finanzinstrumenten (underlyings) abgeleitet werden. Beispiele fr Derivate:

Forwards Futures Optionen (options, contingent claims)

Geschichte

17. Jahrhundert in den Niederlanden: Put-Optionen auf Tulpen 18. Jahrhundert in London: Problem  kein gesetzlicher Rahmen beim Ausfall eines Vertragspartners 1930: Gesetzliche Regulierung 1970: Bedeutende Zunahme von Termingeschften 1973: Grndung der Chicago Board Options Exchange 1990: Deutsche Terminbrse (DTB) nimmt Handel mit Optionen auf 1998: Fusion der DTB mit der SDFEX (Schweizerische Terminbrse) zur EUREX

Wissenschaftliche Untersuchung

1900: Louis Bachelier modelliert in seiner Dissertation Theorie de la spculation den Aktienkurs als Brownsche Bewegung 1965: Paul Samuelson modelliert den Aktienkurs als geometrische Brownsche Bewegung 1973: Fischer Black und Myron Scholes geben explizite Formeln zur Optionspreisbewertung an  unabhngig davon auch Robert Merton 1981: M. Harrison und S. Pliska fhren Martingalmethoden in die Optionspreisbewertung ein 1997: konomie-Nobelpreis fr Scholes und Merton (Black 1995 gestorben) 2003: konomie-Nobelpreis fr Robert F. Engle (ARCH-Zeitreihen)

Quantitative Fragen

Bewertung (pricing) von Derivaten Hedging Strategien fr Derivate (Absicherung) Risikomanagement von Portfolios Portfoliooptimierung Modellwahl und Kalibrierung

Aktuelle Fragestellungen

Verbesserung der Modellierung der Underlyings: Lvy Prozesse, fraktale Brownsche Bewegung, Sprnge in den Aktienkursen, Insider-Information, stochastische Volatilitten, . . .

Modellierung des Korrelationsrisikos in groen Portfolios Bewertungsmethoden fr hochdimensionale und pfadabhngige Auszahlunsprole in komplexeren Modellen Modellierung der Marktliquiditt und des Ausfallrisikos Risikomanagement bei extremer Entwicklung von Mrkten

1.1 Grundbegrie
Finanzinstrumente:

primre Finanzinstrumente: Basisgter sekundre Finanzinstrumente: Derivate

Denition 1.1. Ein Derivat ist ein Finanzinstrument, dessen Wert zum Verfallszeitpunkt
T T
(expiry date) vom Wert eines einfacheren Finanzinstruments (underlying) zum Zeitpunkt (oder auch vom Werteverlauf bis zum Zeitpunkt

T)

abhngt.

Beispiele fr Basisgter (underlying securities)

Aktien (stocks) Zinsraten (interest rates) Whrungen (currencies) Rohstoe (commodities) Wetter Indizes wie DAX, Dow Jones, CAT-Index (catastrophe losses) Firmenwerte (rm values) Bonitten (rating)

Die Preisentwicklung eines Basisgutes wird blicherweise mit bezeichnet.

S = (St ) = {St | t 0}

Festverzinsliche Wertpapiere
Startkapital zum Zeitpunkt annum: Kapital nach

t = 0: B0
Jahren

Bei jhrlicher Zinsausschttung mit Zinsrate

per

t=n

(1) Bn = B0 (1 + r)n
Zinsausschttung nach

r 1 1 k Jahren und Zinsrate k pro k Jahre: Kapital nach (k) Bn = B0 1 +

Jahren

r k

nk

Bei stetiger Verzinsung mit dem Momentanzins (short rate)

r:

Kapital nach

Jahren

(k) Bn := lim Bn = B0 enr k

Mrkte:

Brsen OTC (Over-the-Counter)

Typen von Hndlern:

Hedgers versuchen ihre Institution gegen Risiken abzusichern Spekulanten versuchen durch Wetten Prot zu machen Arbitrageure versuchen durch simultane Transaktionen auf verschiedenen Mrkten Prot aus Kursdierenzen zu ziehen

Modellannahmen (perfekter Finanzmarkt)

reibungsloser Markt: keine Transaktionskosten, keine Steuern, keine Einschrnkungen fr short sales, Kaufs- und Verkaufspreise sind identisch kein Ausfallrisiko, Soll- und Habenzinsen sind identisch Wettbewerbsmarkt: der Preis wird vom Markt und nicht von einzelnen Marktteilnehmern festgelegt Kapitalanlagen sind beliebig teilbar NO ARBITRAGE!!!

Short Selling ist eine Handelsstrategie, bei der der Investor Objekte, z.B. Aktien, die ihm nicht selbst gehren, von einem Partner fr eine gewisse Zeit ausleiht, diese verkauft, spter wieder zurckkauft und an den Partner zurckgibt. In der Zwischenzeit anfallende Ertrge des Objekts (z.B. Dividenden) muss der Investor an den Partner erstatten. Short Selling ist nur dann fr den Investor interessant, wenn der Rckkaufswert lich) kleiner als der Verkaufswert

St

(deut-

S0

ist.

Short Selling ist in der Praxis zahlreichen Restriktionen unterworfen.

Ein Portfolio ist eine Kombination mehrerer Finanzinstrumente, deren Wertentwicklung als Ganzes gesehen wird. Finanzmrkte bieten

risikolose Anlagen (z.B. festverzinsliche Wertpapiere) risikobehaftete Anlagen (z.B. Aktien)

Ein Anleger ist nur bereit, in risikoreichere Anlagen zu investieren, wenn er die Mglichkeit sieht, einen hheren Prot als in risikormeren Anlagen zu erzielen. Arbitrage ist die Mglichkeit, ohne Kapitaleinsatz einen risikolosen Prot zu erzielen (formale Denition spter). Wrde diese Mglichkeit bestehen, so knnte man damit risikolos riesige Geldsummen erwirtschaften. Mrkte im Gleichgewicht neutralisieren solche Arbitrage-Mglichkeiten. Es wird sich zeigen, dass die No-Arbitrage-Annahme direkt zu einer Methode zur Bewertung von Derivaten fhrt. Beispiel eines einfachen Derivates:

Denition 1.2 Ein Forward-Kontrakt (Terminkontrakt) vereinbart den Kauf oder Verkauf
eines Finanzgutes zu einem festen zuknftigen Zeitpunkt Preis

(delivery date) zu einem festen

K,

dem sog. Terminkurs (delivery price, strike price).

Hug whlt man den Terminkurs tragsabschluss (t

so, dass der Wert der Forward-Kontraktes bei Ver-

= 0)

den Wert Null hat. Bei dieser Wahl des Terminkurses ist bei Ver-

tragsabschluss also nichts zu bezahlen, erst zum Zeitpunkt Bei Vertragsabschluss (t Aktionen durch:

T.

= 0)

fhrt der Verkufer des Kontraktes die beiden folgenden

Er nimmt einen Kredit ber

S0

zur risikofreien Zinsrate

auf

Er kauft das Underlying mit diesem Geldbetrag

Bei Vertagsablauf (t nen durch:

= T)

fhrt der Verkufer des Kontraktes die beiden folgenden Aktio-

Er bergibt dem Kufer des Underlying (welches jetzt den Wert Preis von

ST

besitzt) zum

K = S0

erT . S0 erT .

Zur Tilgung des Kredits bezahlt er

Damit hat er alle Verbindlichkeiten aufgelst. Wrde der Verkufer einen Betrag einstreichen. Wrde der Verkufer einen Betrag Gewinn einstreichen. Dies wrde jeweils der Forderung nach arbitragefreien Preisen zuwiderlaufen. Damit ist der arbitragefreie Terminkurs

K > S0 erT K < S0 erT

fordern, knnte er einen risikolosen Gewinn

fordern, knnte der Kufer einen risikolosen

K = S0 erT
Beachte: Es wurden keine Annahmen ber die Kursentwicklung von

Beispiel:

(St )

gemacht!

Ein Investor erwirbt am 1. September einen Forward-Kontrakt mit dem Inhalt, in 90 Tagen

106 e

zum Umtauschkurs von

0.9

US $ zu kaufen.

Falls der Kurs nach Ablauf der 90 Tage auf $, da

0.95 $ gestiegen ist, gewinnt der Investor 5 104

106 e

dann am Markt fr

0.95 106

$ verkauft werden knnen.

Hier also

t = 1. T t = 90

September Tage November

T = 30.

K = 0.9 106 $
Pay-o-Prol (Auszahlungsprol) eines Forward-Kontraktes zur Zeit

T:

payoff long position

ST

short position
Pay-o eines Forward-Kontraktes zum Laufzeitende

T: T:

Pay-o eines Forward-Verkaufskontraktes zum Laufzeitende

ST K K ST

Forwards sind nicht standardisiert und bergen das Risiko in sich, dass eine Vertragsseite ausfllt (default risk). Sie werden deshalb an Brsen kaum gehandelt, sondern nur over the counter (OTC). Eine Variante sind Futures, welche in standardisierter Form an Brsen gehandelt werden. Hierbei wird, z.B. tglich, die Wertvernderung des Futures (aufgrund von Wertnderungen des zugrundeliegenden Finanzgutes) zwischen den Vertragsparteien ausgeglichen, so dass der Wert des Futures anschlieend wieder gleich Null ist. Unter schwachen Voraussetzungen stimmen Terminkurse (delivery prices) von Forwards und Futures berein. Futures werden z.B. an der CBOT gehandelt. Ein etwas komplizierteres Derivat:

Denition 1.3
bungspreis

Eine Option gibt dem Kufer das Recht, ein bestimmtes Finanzgut bis

zu einem zuknftigen Verfallszeitpunkt

(expiry, maturity) zu einem vereinbarten Aus-

(strike price) zu kaufen oder verkaufen.

Der Optionskontrakt beinhaltet im Unterschied zum Forward oder Future jedoch nicht die Picht zur Ausbung.

Beim Kaufrecht wird die Option als Call (Kaufoption), beim Verkaufsrecht als Put (Verkaufsoption) bezeichnet. Ist die Ausbung der Option nur zum Verfallszeitpunkt diese amerikanische Option genannt. Der Kufer bendet sich in einer long position, der Verkufer bendet sich in einer short position.
Pay-o einer long position bei einem Call zum Verfallszeitpunkt

mglich, so spricht man von einer

europischen Option. Kann die Option jederzeit bis zum Zeitpunt

ausgebt werden, wird

payoff

ST

Pay-O Sei

= (ST K)+ = max{ST K, 0} = max{ST , K} K

t T. S(t) < K : S(t) = K : S(t) > K :

die Option ist out of the money die Option ist at the money die Option ist in the money

Problem: Wie lautet der faire Preis

C0

und

P0

fr eine Call- bzw. Put-Option?

Gewinn (yield) einer long position bei einer Call-Option

yield

K C0

K+C0

ST

Beispiel
Markt mit drei Anlagemglichkeiten:

(risikoloser) Bond B Aktie S europische Call-Option mit Strike

K=1

und Expiry

t=T

auf die Aktie

Investition zum Zeitpunkt

t=0

mit Preisen (in

e)

B(0) = 1 S(0) = 1 C(0) = 0.2

Zum Zeitpunkt

t = T

soll sich die Welt (der Markt) in nur zwei mglichen Zustnden

benden knnen:

u
mit Preisen (in

(= up) oder

(= down)

e) B(T, u) = 1.25, S(T, u) = 1.75,

also

C(T, u) = 0.75

und

B(T, d) = 1.25, S(T, d) = 0.75,

Startkapital sei Portfolio

also

C(T, d) = 0

25 e.

A:t=0
Anlage Bond Aktie Call Anzahl 10 10 25 Betrag in

e
10 10 5 25

Portfolio

A:t=T
Anlage Bond Aktie Call up 12.5 17.5 18.75 48.75 down 12.5 7.5 0 20.0

Portfolio

B:t=0
Anlage Bond Aktie Call Anzahl 11.8 7 29 Betrag in

e
7

11.8 5.8 24.6

Portfolio

B:t=T

Anlage Bond Aktie Call

up 14.75 12.25 21.75 48.75

down 14.75 5.25 0 20.0

Oensichtlich existiert in diesem Markt eine Arbitrage-Mglichkeit, da Portfolio Portfolio Einsatz!

und

denselben Gewinn erwirtschaften  Portfolio

jedoch mit einem geringeren

Call-Option besitzt falschen Preis!

Stelle zum Zeitpunkt

t=0

das Dierenzportfolio

auf:

Portfolio

C := Portfolio B Portfolio A = (11.8, 7, 29) (10, 10, 25) = (1.8, 3, 4)

Portfolio

zum Zeitpunkt

t = 0:
Aktion Kaufe

Anlage Bond Aktie

1.8 Einheiten Verkaufe 3 geliehene

-1.8 Einheiten, 3

welche zum Zeitpunkt Call kaufe 4 Einheiten

t=T
-0.8 0.4

wieder zurckgegeben werden

Dies ergibt zum Zeitpunkt Portfolio

t=0

einen Gewinn von

0.4 e.

zum Zeitpunkt Anlage Bond Aktie Call

t=T :
Aktion Verkaufe up down 2.25 -2.25 0 0

1.8

Einheiten

2.25 -5.25 3 0

Kaufe 3 Einheiten zurck Option ausben, falls sinnvoll

Zum Zeitpunkt Zum Zeitpunkt

t = T ist das Portfolio C also ausgeglichen. t = 0 wurde damit ein risikoloser Gewinn von 0.4 e

realisiert.

Weitere Beobachtung: Mit

1.8 Bonds und 3 Aktien short kann die Wirkung der Call-Option zum Zeitpunkt t = T

neutralisiert werden. Man sagt: Die Bond- und die Aktienposition bilden einen Hedge gegen die Position des Calls. Dies gilt unabhngig davon, wie gro die Wahrscheinlichkeiten fr den Zustand up/down der Welt sind!

10

1.2 Put-Call-Paritt
Seien

St

der Spot-Preis einer Aktie,

Ct

und

Pt

die Werte von auf der Aktie denierten

europischen Call- bzw. Put-Optionen mit Verfallsdatum

und Ausbungspreis

K.

bezeichne den Wert eines Portfolios bestehend aus einer Aktie, einem Put und einer

short position in einem Call:

t = St + Pt Ct

Satz 1.1
Aktie

Fr europische Call- und Put-Optionen

Ct

und

Pt

auf der zugrunde gelegten

St

(ohne Dividendenzahlung) gilt die Put-Call-Paritt

0tT

(t) = St + Pt Ct = Ker(T t) t = 23. = = = =

Juni 1997,

Beispiel: Aktie der Deutschen Bank (alle Preise in DM)

T = 18.

Juni 1998,

K = 80.00, r = 3.15% p.a.

Aktie Call Put

S(t) C(t) P (t) S(t) + P (t) C(t)

97.70 23.30 4.16 78.66

Diskontierter Strike-Preis:

K 80 = = 77.56 1+r 1.0315 T,

Nachfrageeekte, . . .

Ursachen fr Dierenz: Dividendenzahlung vor

1.3 Schranken fr Optionen

Satz 1.2 Fr
europische und amerikanische Call-Optionen gilt:

t[0,T ]

C(t) S(t) er(T t) K C(t) S(t)

t[0,T ]

Satz 1.3

Es ist nicht sinnvoll, eine amerikanische Call-Option vor ihrem Verfallsdatum

auszuben, da

t[0,T ]

CA (t) = CE (t)

Satz 1.4 (i) Fr zwei Call-Optionen auf denselben Basiswert, mit demselben Verfallsdatum,
aber unterschiedlichen Ausbungspreisen

K1 < K2 ,

gilt fr alle

t [0, T ]

(a) (b) (c)

CK1 (t) CK2 (t) CK1 (t) CK2 (t) er(T t) (K2 K1 )
[0,1]

CK1 +(1)K2 (t) CK1 (t) + (1 )CK2 (t)

11

(ii) Fr zwei Call-Optionen auf denselben Basiswert, mit demselben Ausbungspreis, aber unterschiedlichen Verfallsdaten

T1

und

T2 ,

gilt

T1 T2 = C(T1 ) C(T2 )

Satz 1.5 Fr

amerikanische Optionen gilt die folgende Put-Call-Beziehung:

t[0,T ]

S(t) K CA (t) PA (t) S(t) Ker(T t)

1.4 Ein-Perioden-Marktmodelle
1 Aktie mit Preis 1 Bond mit Preis

S0 = 150 B0 = 1 mit

Zinsrate

im Zeitraum

T 2
mit W

Zustand Aktienpreis Bondpreis

1
180

mit W

Zustand

1p

ST BT

90

1+r

1+r T
und Ausbungspreis

Gesucht: Preis einer europischen Call-Option mit Verfallsdatum

K = 150
Auszahlung

XT () = (ST K)+ () =
Erwartungswert von

30 0

falls falls

= 1 = 2

XT E(XT ) = 30 p + 0 (1 p) = 30p

Mgliche Denition des Call-Preises zum Zeitpunkt

t=0 30p 1+r

X0 = E
Spezialfall: Fr

XT 1+r

p=

1 2 und

r=0

folgt

X0 = 15

Wir zeigen: Dieser Optionspreis lsst jedoch Arbitrage zu! Dazu konstruieren wir aus Sicht des Kufers der Option ein Portfolio, das Arbitrage zulsst. Zeitpunkt t = 0: Aktion Kaufe die Option zum Preis von Cash Flow

15 = 0)

1 150 Leihe 3 der Aktie und verkaufe diese zum Preis von 3
Kaufe festverzinsliches Wertpapier zum Preis von 35 (r Bilanz

15 50 35 0

Zeitpunkt t = T : Zustand 1 (Wert der Aktie

Zustand

2 ST = 90) 0 30 35 5

ST = 180) 30 60 35 5

(Wert der Aktie Option wertlos Kaufe

Option wird ausgebt Kaufe

1 3 Aktie und Rckgabe

1 3 Aktie und Rckgabe

Verkauf des Wertpapiers Bilanz

Verkauf des Wertpapiers

12

Mit dieser Strategie wre ein risikoloser Gewinn von 5 Geldeinheiten mglich. Also kann

X0 = 15
Aufgabe:

kein arbitragefreier Preis der Option sein!

Konstruiere aus Sicht der die Option verkaufenden Seite ein Portfolio, bestehend aus

einer Anzahl und Zinsrate einer Anzahl

a festverzinslicher Wertpapiere (jeweils mit Wert 1 zum Zeitpunkt t = 0 r whrend der Laufzeit) und b
von Aktien,

welches das Auszahlungsprol (zum Zeitpunkt Lsung: Zum Zeitpunkt

t = T)

der Option repliziert. Bestimme

damit den arbitragefreien Wert der Option (zum Zeitpunkt

t = 0).

t = 0: a 1 + b S0 = X 0

Zum Zeitpunkt

t = T: a (1 + r) + b ST (1 ) = (ST (1 ) K)+ a (1 + r) + b ST (2 ) = (ST (2 ) K)+

Mit Werten: Zum Zeitpunkt

t = 0: a 1 + b 150 = X0

Zum Zeitpunkt

t = T: a (1 + r) + b 90 = 0 a (1 + r) + b 180 = 30
(1) (2)

Ausen des linearen Gleichungssystems mit den beiden Unbekannten (1) zunchst

und

liefert aus

b a = 1+r 90

und damit

b=
also

1 3

a=
und

30 1+r 30 1+r

X0 = 50

Man sagt, das o.g. Portfolio repliziert zu jedem Zeitpunkt die Call-Option. Mit dieser Replikationsstrategie kann

der arbitragefreie Preis der Option ermittelt werden die die Option ausstellende Institution sich gegen Preisrisiken absichern (Hedging)

Eine modernere Lsung des Problems besteht in der Anwendung der Methode der risikoneutralen Bewertung:

13

(i) Ersetze

durch

so, dass der diskontierte Aktienpreisprozess ein faires Spiel ist:

S0 = E
Hier: Fr

ST 1+r
also

150 =

1 1+r

(p 180 + (1 p ) 90), p =
2 3

p =

2+5r 3

r=0

folgt

P = (p , 1 p )
ma

ist das zum Aktienpreisprozess risikoneutrale Wahrscheinlichkeits-

(ii) Berechne den fairen Preis der Option bzgl.

X0 := E
Fr

Xt 1+r

30p 2 + 5r 30 = 10 = 50 1+r 1+r 1+r

r=0

folgt

X0 = 20

Denition des Ein-Perioden-Modells: Der Finanzmarkt kennt nur die beiden Zeitpunkte

t=0

und

t = T. d+1
Finanzgter gehandelt mit Preisen zu den Zeitpunkten

Es werden

t=0: S(0) =

S0 (0)
. . .

d+1 R+

Sd (0) t=T : S(T ) = S0 (T )

. . .

Rd+1 -wertige +
ZV

Sd (T ) Si (T ), i {0, . . . , d}, R+ -wertige Zufallsvariablen auf dem endlichen Wahrscheinlichkeitsraum (, F, P) mit || = N, F = P() und P({}) > 0 fr alle = {1 , . . . , N } Hier: R+ := [0, ) Kauf und Verkauf der Finanzgter zum Zeitpunkt t = 0 gem der Handelsstrategie 0 . = . Rd+1 . d
wobei

Zum Zeitpunkt

t=0

Investition der Summe

S(0), =
i=0

i Si (0) R

Zum Zeitpunkt

t=T

liegt das vom Zufall abhngige Kapital vor:

S(T ), =
i=0

i Si (T )

reellwertige ZV

14

Denition 1.4 Der (oben denierte) Finanzmarkt lsst eine Arbitrage-Mglichkeit zu, falls

es ein Portfolio

Rd+1

gibt, so dass die folgende Bedingung gilt: und

S(0), 0

S(T, ), 0

und

S(T, ), > 0

Gibt es kein solches

so heit der Finanzmarkt arbitragefrei.

Bemerkung: Falls es im oben denierten Finanzmarkt ein Portfolio

Rd+1

mit

S(0), < 0
gibt, ist

und

S(T, ), 0

Satz 1.6

eine Arbitrage-Mglichkeit.

sogenannten Zustandspreis-Vektor

Der (oben denierte) Finanzmarkt ist genau dann arbitragefrei, falls es einen RN mit i > 0 fr alle i {1, . . . , N } gibt, so dass

S = S(0),
wobei

S=

S0 (T, 1 )
. . .

S0 (T, N )
. . .

Sd (T, 1 )
price vector, pricing kernel) gibt.
Sei Mit

Sd (T, N )

Kurz: Der Markt ist genau dann arbitragefrei, wenn es einen Zustandspreis-Vektor (state

ein solcher Zustandspreis-Vektor.

0 :=
i=1

gilt fr

qj :=

j 0

(0, 1]
N

qj = 1
j=1
d.h. durch Damit

(q1 , . . . , qN )

wird ein

W -Ma Q
N

auf

deniert.

Si (0) = 0

Si (T, j )qj = EQ (Si (T ))

j=1

Unter Ist

sind die mit

standardisierten Preise der Finanzgter fr alle

i {0, . . . , d}

deshalb

risikoneutral.

ein Finanzgut mit

Si (T, j ) > 0

anderen Finanzgter als Vielfaches von wird dann Numraire gennant. Sei z.B. Finanzgut

j {1, . . . , N }, so knnen die Preise der Si (T, j ) ausgedrckt werden. Das Finanzgut i

i=0

ein risikoloser Bond mit

Damit

S0 (T, ) = 1

15

S0 (0) = 0 r

qj S0 (T, j ) =
j=1 j=1

qj = 1

Ist

die Zinsrate pro Zeiteinheit, dann gilt

S0 (0) = 0 = (1 + r)T
Damit ergibt sich der Preis von Finanzgut

zum Zeitpunkt

t=0

zu

Si (0) =
j=1
d.h.

qj

Si (T, j ) = EQ (1 + r)T

Si (T ) (1 + r)T

Si (0) = EQ (1 + r)0

Si (T ) (1 + r)T

In der Sprache der Wahrscheinlichkeitstheorie: Der stochastische Prozess

Si (t) : t {0, T } (1 + r)t

ist ein

Q-Martingal

Achtung:
Im allgemeinen ist dieser Prozess aber kein Ma

P -Martingal

fr ein von

verschiedenes

W-

P,

welches z.B. die Einschtzung eines Anlegers widerspiegelt.

Da fr alle

(nach Annahme) und (wie gezeigt)

P ({}) > 0 Q({}) > 0

sind

und

zwei sog. quivalente Mae.

Also ist Damit: gibt

ein zu

ein quivalentes Martingalma.

Der Markt ist genau dann arbitragefrei, wenn es ein quivalentes Martingalma

Bewertung eines neu eingefhrten Finanzinstrumentes mit vom Zufall abhngigen Auszahlungen

(T )

zum Zeitpunkt

t=T

durch

(0) = EQ
mit einem quivalenten Martingalma Problem: Der Preis

(T ) (1 + r)T

Q. Q
eindeutig.

Denition 1.5
(T )

(0)

ist nur eindeutig, falls

Der (oben denierte) Finanzmarkt heit vollstndig, falls es zu jedem

Finanzinstrument

variable) ein aus den

(T ) (das d+1

ist eine auf

= {1 , . . . , N }

Basisinstrumenten bestehendes Portolio

denierte reellwertige Zufalls Rd+1 gibt, das

repliziert, d.h. falls

d Rd+1 {1 ,...,N }

Si (T, )i = (T, )
i=0

16

oder  kompakter  falls

Rd+1

(T, 1 )
. . .

S = (T) :=

(T, N )
Vektoren

Ein Finanzmarkt ist also genau dann vollstndig, wenn die

(d + 1) Sd (T, 1 ) S0 (T, 1 ) . . . . ,..., . . S0 (T, N ) Sd (T, N )

den gesamten

RN

aufspannen.

Satz 1.7 Der (oben denierte) Finanzmarkt sei arbitragefrei. Dann ist dieser Markt genau
dann vollstndig, wenn es einen eindeutigen Zustandspreis-Vektor
Eine Kombination der Stze 1.6 und 1.7 ergibt: Ein Finanzmarkt ist genau dann vollstndig und arbitragefrei, wenn es einen eindeutigen Zustandspreis-Vektor gibt.

gibt.

Probabilistische Interpretation unserer Ergebnisse:

Ein Finanzmarkt ist genau dann arbitragefrei, wenn ein quivalentes Martingalma existiert. Ein arbitragefreier Finanzmarkt ist genau dann vollstndig, wenn genau ein quivalentes Martingalma existiert.

Beispiel: Binres Einperiodenmodell

d+1=2 = {1 , 2 } r=0

Basisinstrumente Raum der mglichen Zustnde Zinsrate

S(0) = S0 (T ) = 1 1

S0 (0) S1 (0) ,

1 150 180 90

S1 (T ) =

Also

S=
Zustandspreis-Vektor

1 1 180 90

R2 : +

S = S(0) 1 1 180 90 = 1 150

17

wird (in eindeutiger Weise) gelst durch

2/3 1/3

(= 0 = 1 + 2 = 1)

Also existiert (zu jedem nichtdegenerierten W-Ma tingalma

P)

ein eindeutiges quivalentes Mar-

mit

Q(1 ) =

2 1 = 0 3

und

Q(2 ) =

2 1 = 0 3
existiert, d.h.

Der oben denierte Finanzmarkt ist vollstndig, da zu jedem (neuen) Finanzinstrument

(T ) mit Zahlungen (T, 1 ) und (T, 2 ) ein replizierendes Portfolio R2 S = (T )

da die Spalten von Sei

den

Rd+1 = RN

aufspannen.

(T )

die im letzten Beispiel genannte europische Call-Option

(T, ) = (S(T, ) K)+ =

30 0

= 1 fr = 2
fr

Dann wird

1 180 1 90
durch

0 1

30 0

0 = 30

und

1 =

1 3 (eindeutig) gelst.

18

2 Bedingte Erwartungen und Martingale

Eine gut lesbare Einfhrung in die Wahrscheinlichkeitstheorie:

J. Jacod and P. Protter. Probability Essentials. 2nd Ed. Springer 2004.

Eine klassische Einfhrung in die Martingal-Theorie:

D. Williams. Probability with Martingales. Cambridge 1991.

Ein schnes Lehrbuch, das einen weiten Bogen von der Matheorie bis zur Stochastischen Analysis schlgt:

D. Meintrup, S. Scher. Stochastik  Theorie und Anwendungen. Springer 2005.

Etwas anspruchsvoller:

J. Wengenroth. Wahrscheinlichkeitstheorie. De Gruyter 2008. A. Klenke. Wahrscheinlichkeitstheorie. 2. Auage, Springer 2008.

Im Folgenden sei

(, F, P )

immer ein Wahrscheinlichkeitsraum.

(Eingefhrt durch Andrey Nikolaevich Kolmogorov (1903-1987), Grundbegrie der Wahrscheinlichkeitsrechnung, 1933)

2.1 Bedingte Erwartungen

Denition.
stetig, falls Seien

und

zwei auf derselben

-Algebra F

denierte Mae.

heit

P-

AF
In Zeichen:

P (A) = 0 = Q(A) = 0

P
Seien

Satz von Radon-Nikodm.

endliche Mae. Es gilt Funktion

und

zwei auf derselben

-Algebra F

denierte

genau dann, wenn es eine

F -B -messbare

nichtnegative

gibt mit

AF

Q(A) =
A

f dP
Dann existiert

Satz 2.1. Integrierbare

eine ZV

ZV

X : (, F, P ) (R, B). -Algebra C F .

mit folgenden Eigenschaften: ist integrierbar und

Z : (, F, P ) (R, B) Z
CC

C -B -messbar

() ()

X dP =
C C

Z dP

19

ist eindeutig bis auf die quivalenz  = Integrierbare ZV

P |C -f...

Denition 2.1.
gegebenem

lenzklasse (im eben denierten Sinne) der ZVn oder auch ein Reprsentant dieser In Zeichen:
zeichnet.

X : (, F, P ) (R, B). -Algebra C F . Die quivaZ : (, F, P ) (R, B) mit () und ()  quivalenzklasse  heit bedingte Erwartung von X bei

C. E(X | C) E(X | C)
be-

Hug wird ein Reprsentant dieser quivalenzklasse als eine Version von

E(X | C)

ist eine Vergrberung von

X.

L2 (, F, P ) der Hilbertraum der quivalenzklassen quadratisch integrierbarer reeller Zufallsvariablen auf

Bemerkung 2.4.

Geometrische Interpretation des bedingten Erwartungswertes: Es sei und

(, F, P )

eine Teil- -Algebra von

F.

Es sei

der lineare Teilraum von

L2 (, F, P ),

dessen Elemente als Reprsentanten

C -B -messbare
Sei

Zufallsvariablen haben. Man kann zeigen, dass

abgeschlossen ist.

X L2 (, F, P ) mit Reprsentanten X und Y := E(X | C) mit zugehriger quivalenzklasse Y . Man kann zeigen, dass Y die orthogonale Projektion von X auf M ist und das Proximum (bestapproximierendes Element im Sinne der L2 (, F, P )Norm) in M zu X darstellt. Mit anderen Worten: Y := E(X | C) minimiert unter allen C -B -messbaren Zufallsvariablen den Ausdruck E|X Y |2

Unter Verwendung eines Stutzungargumentes kann diese Denition auch auf die Klasse der integrierbaren Zufallsvariablen fortgesetzt werden.

Beispiele

C = F . . . E(X | C) = X

f.s.

C = {, } . . . E(X | C) = EX C = {, B, B c , } 0 < P (B) < 1. 1 P (B) X dP =: E(X | B), B B (E(X | C))() = 1 X dP, B c P (B c ) B c
mit

E(X | B)

heit bedingter Erwartungswert von

unter der Hypothese

Satz 2.2. X, Xi
a) b) c) d)

integrierbar;

-Algebra C F ; c, 1,2 R. X dP
C
f.s. f.s. f.s.

CC

E(X | C)dP =
C
P-f.s. P-f.s.

X=c X0

= E(X | C) = c = E(X | C) 0

E(1 X1 + 2 X2 | C) = 1 E(X1 | C) + 2 E(X2 | C)

20

e) f) g) g')

X1 X2

P-f.s.

= E(X1 | C) E(X2 | C)
f.s.

f.s.

X C -B -messbar = X = E(X | C) X
integrierbar,

Y C -B -messbar, XY

integrierbar

= E(XY | C) = Y E(X | C)

f.s.

X, X integrierbar, XE(X | C) C)E(X | C) f.s. -Algebra C1,2

mit

integrierbar

= E(XE(X | C) | C) = E(X |

h)

C1 C2 F , X

integrierbar f.s. f.s.

E(E(X | C1 ) | C2 ) = E(X | C1 ) E(E(X | C2 ) | C1 ) = E(X | C1 )

Hier f.s. im Sinne von scheinlichkeit von

Denition 2.2. -Algebra C F . A F . P (A | C) := E(1A | C)

A
bei gegebener

P |C2 -f.s.

bzw.

P |C1 -f.s.

heit bedingte Wahr-

-Algebra C .

Bemerkung 2.1. Zu Denition 2.2.

CC

P (A | C) dP = P (A C).
C

Beispiel. C = {, B, B c , } mit 0 < P (B) < 1.

P (A B) =: P (A | B), B P (B) P (A B c ) =: P (A | B c ), B c . P (B c )

(P (A | C))() =

Denition 2.3.
a) Integrierbare ZV 1

E(X | Y F)]

X : (, F, P ) (R, B). ZV Y : (, F, P ) ( , F ). E(X | Y ) := (F )) [kleinste -Algebra in , bzgl. der Y messbar ist . . . F(Y )( X
bei gegebenem

. . . bedingte Erwartung von

b) Integrierbare ZV

C( F)

sei die

X : (, F, P ) (R, B). ZVn Yi : (, F, P ) (i , Fi ) (i I) kleinste -Algebra in , bzgl. der alle Yi messbar sind

[C = F( Yi1 (Fi )) . . . F(Yi , i I)]

iI

E(X | (Yi )iI ) := E(X | C)

c)

. . . bedingte Erwartung von

bei gegebenem

Yi , i I

A F;

ZV

Y : (, F, P ) ( , F ).
. . . bedingte Wahrscheinlichkeit von

P (A | Y ) := E(1A | Y )

bei gegebenem

Bemerkung 2.2. Integrierbare ZV X : (, F, P ) (R, B).

a)

-Algebra C (X 1 (B), C)

in

F = E(X | C) = EX
f.s.

unabhngig

b) ZV

Y : (, F, P ) = ( , F )
unabhngig

(X, Y )

= E(X | Y ) = EX

f.s.

21

Satz 2.3.
ex. Abb.

X : (, F, P ) (R, B). g : ( , F ) (R, B) mit E(X | Y ) = g Y .

Integrierbare ZV

ZV

Y : (, F, P ) ( , F ).

Dann

g g

ist die sog. Faktorisierung der bedingten Erwartung. ist eindeutig bis auf die quivalenz  =

PY -f..

.

Denition 2.4. Integrierbare ZV X : (, F, P ) (R, B) bzw. A F . ZV Y : (, F, P )

gA eine  bis auf quivalenz  = PY - f.. eindeutig bestimmte  Faktorisierung von E(X|Y ) bzw. von P (A|Y ). E(X | Y = y) := g(y) . . . bedingte Erwartung von X unter der Hypothese Y = y P (A | Y = y) := gA (y) . . . bed. Wahrscheinlichkeit von A unter der Hypoth. Y = y E(X | Y = ) = g P (A | Y = ) = gA Satz 2.4. Integrierbare ZV X : (, F, P ) (R, B) bzw. A A. ZV Y : (, F, P ) ( , F )
Sei bzw. a)

( , F ).

A F

E(X | Y = y) PY (dy) =

Y 1 (A ) X

dP ,

insbesondere b)

E(X | Y = y) PY (dy) = EX .

A F

P (A | Y = y) PY (dy) = P (Y 1 (A ) A) ,

insbesondere

P (A | Y = y) PY (dy) = P (A) . Y
wie zuvor. Sei

Beispiel. X
a)

bzw.

sowie

mit

{y} F

und

PY ({y}) > 0.

E(X | Y = y) = E(X | [Y = y])

s. Def. 2.4. s. Beispiel nach Def. 2.1.

b)

P (A | Y = y) = P (A | [Y = y])
s. Def. 2.4. s. Beispiel nach Def. 2.2.

Satz 2.5. Integrierbare

ZV a) b) c) d)

ZV

X : (, F, P ) (R, B).

Y : (, F) ( , F ). X=c X0
f.s. f.s.

= E(X | Y = ) = c PY -f.. = E(X | Y = ) 0 PY -f.. = E(X1 | Y = ) + E(X2 | Y = ) PY -f..

E(X1 + X2 | Y = ) X1 X2
f.s.

= E(X1 | Y = ) E(X2 | Y = ) PY -f..

2.2 Martingale
Denition 2.6. Eine Folge (Xn )nN
Xn : (, F, P ) (R, B) heit bei gegebener monoton wachsender Folge (Fn )nN von -Algebren Fn F mit Fn -B Messbarkeit von Xn [wichtiger Fall Fn = F(X1 , . . . , Xn ) (n N)]
von integrierbaren ZVn a) ein Martingal bzgl.

(Fn ),

wenn

nN

E(Xn+1 | Fn ) = Xn Xn+1 dP =
C

f.s.

[d.h.

nN CFn

Xn dP ] ,
C

22

Abbildung 1: P. Lvy und J.L. Doob

b) ein Submartingal bzgl.

(Fn ),

wenn

nN

E(Xn+1 | Fn ) Xn (Fn ),

f.s., d.h.

nN CFn
wenn

Xn+1 dP
C C

Xn dP (Fn )
ist.

c) ein Supermartingal bzgl.

(Xn )

ein Submartingal bzgl.

Die in Denition 2.6 genannte Folge von aufsteigenden bezeichnet (P.A. Meyer).

-Algebren wird auch als Filtration

Bemerkung 2.3.
. . . , Xn )).

Ein Martingal

(Xn )

bzgl.

(Fn )

ist auch ein Martingal bzgl.

(F(X1 ,

Entsprechend fr Sub-, Supermartingal.

Die Herkunft der Bezeichnung Martingal (engl. martingale) ist nicht genau geklrt.

Teil des Zaumzeuges, um die Kopfbewegung des Pferdes zu kontrollieren Eine Seil, um den Klverbaum zu verspanen Ein Wettsystem, bei dem nach einem Verlust der Einsatz verdoppelt wird

Der Begri des Martingals im mathematischen Sinne wird J. Ville (1939) zugeschrieben. Paul Lvy (18861971) und Joseph Leo Doob (19112004) lieferten wichtige Beitrge zur Martingal-Theorie. Beispiele fr Martingale: 1. Partialsummenfolge

n i=1 Vi )nN zu einer unabhngigen Folge

(Vn )nN

von inte-

grierbaren reellen ZVn mit Erwartungswerten 0. 2. Aktienpreise:

Sn = S0 1 n

mit unabhngigen positiven Zufallsvariablen

mit

Ei = 1.

23

3. Sammeln von Information ber eine Zufallsvariable (Williams 1991): Sei fallsvariable mit endlichem erstem Moment und durch

eine Zu-

(Fn ) eine Filtration in F . Dann wird

Mn := E( | Fn )
ein Martingal deniert. Mit den nachfolgend vorgestellten Martingalkonvergenzstzen kann gezeigt werden, dass

Mn M := E( | F )
wobei

f.s. und in

L1

F := (

n=1 Fn ) die sogenannte Doomsday- -Algebra.

Ist

Satz 2.6 (Martingalkonvergenzsatz von Doob)

Supermartingal, d.h.

ein

L1 -beschrnktes

Sub- oder

sup E(|Xn |) < ,

n
so existiert eine Zufallsvariable

mit f.s.

Xn X

(n )

Satz 2.7 (Konvergenzsatz fr UI-Martingale)

(i) (ii)

Fr ein Martingal

sind quivalent:

Xn X

konvergiert in

L1
und der f.s.-Limes

ist

L1 -beschrnkt

erfllt

Xn = E(X | Fn )
(iii)

ist gleichgradig integrierbar (uniformly integrable), d.h.

K n

lim sup E(|Xn | 1[|Xn |>K] ) = 0

Denition 2.7.
riablen wird hug

Eine auf einem gemeinsamen W-Raum denierte Familie von ZufallsvaProzess. Im Folgenden

X = {Xi | i I} mit Indexmenge I heit stochastischer I = {0, 1, . . . , T } oder I = {0, 1, 2, . . .} gewhlt.

Der stochastische Prozess

Denition 2.8.
adaptiert, falls

X = (Xn ) n=0 Fn -messbar

heit zur Filtration

(Fn ) n=0

nN

Xn

ist

Sei Ist

Xn Xn1 X = (Xn )

der zufllige Gewinn pro Einheit des Wetteinsatzes in Spiel

n (n N)

in

einer Serie von Spielen. ein Martingal, d.h.

E (Xn Xn1 | Fn1 ) = 0,

Denition 2.9.
previsible), falls

so kann dieses Spiel als fair bezeichnet werden.

Ein stochastischer Prozess

C = (Cn )nN
fr alle

heit vorhersagbar (predictable,

Cn

ist

Fn1 -messbar

nN

24

(C0 existiert nicht).

Ist

Cn

der Wetteinsatz in Spiel

n,

so ist die Entscheidung ber die Hhe von

Cn

aussch-

liesslich auf die bis zum Zeitpunkt Gewinn zum Zeitpunkt

n1

verfgbare Information gegrndet.

n: Cn (Xn Xn1 ) n:
n

Gewinn bis einschlielich Zeitpunkt

Yn =
k=1
Sinnvoll: Klar:

Ck (Xk Xk1 ) =: (C X)n =:

0

C dX

(C X)0 := 0 Yn Yn1 = Cn (Xn Xn1 )

Denition 2.10.

Der durch

Martingal-Transformation von

C X = ((C X)n ) denierte X unter C (D.L. Burkholder).

stochastische Prozess heit

Dies ist das diskrete Analogon zum spter noch zu denierenden stochastischen Integral

C dX .

Satz 2.8.
reelle Zahl

Sei

ein beschrnkter vorhersagbarer stochastischer Prozess, d.h. es gibt eine

mit

ein Martingal mit

|Cn ()| K fr (C X)0 = 0.

alle

und alle

und

ein Martingal. Dann ist

C X

Satz 2.9.

Eine zur Filtration

F = (Fn )nN0
n nN

adaptierte Folge

M = (Mn )nN0

von Zu-

fallsvariablen ist genau dann ein Martingal, wenn fr jede beschrnkte vorhersagbare Folge

H = (Hn )nN0 E

Hk Mk
k=1

=0

Stoppzeiten
falls

Denition 2.11

Eine Zufallsvariable

mit Werten in

{0, 1, 2, . . . , }

heit Stoppzeit,

n{0,1,2, ,}
oder  quivalent 

[T n] := { | T () n} Fn

n{0,1,2, ,}

[T = n] Fn

Eine Stoppzeit kann z.B. dazu verwendet werden zu entscheiden, ob ein Spiel zum Zeitpunkt

abgebrochen oder fortgefhrt wird. Hierbei wird nur die Information verwendet, die bis

einschlielich Zeitpunkt

n vorliegen kann. Wird z.B. beim Verkauf einer Aktie Insiderwissen

eine Stoppzeit und

verwendet, ist die vorgenannte Eigenschaft verletzt.

Satz 2.10 (Doob's Optional Sampling Theorem) Sei T

ein Supermartingal. Ist

X = (Xn )

oder

beschrnkt, so ist

XT

integrierbar und

EXT EX0
Ist

ein Martingal, dann gilt sogar

EXT = EX0

25

Proposition 2.1
(XnT ).
Ist

Stoppen der Folge

X = (Xn )

zur (zuflligen) Zeit

T T : X T := (Xn ) :=

Dann gilt:

(Xn )

adaptiert und

eine Stoppzeit, so ist auch die gestoppte Folge

(XnT )

adaptiert. Ist

(Xn ) ein (Super-) Martingal und T eine Stoppzeit, so ist auch (XnT ) ein (Super-)Martingal (Optional Stopping Theorem).

die gestoppte Folge

Ein faires Spiel bleibt fair, wenn es ohne Vorkenntnis ber ein zuknftiges Ereignis gestoppt wird. Beispiel: Einfache Irrfahrt (simple random walk)

Xi , wobei Xi = 1 mit W. T := inf{n | Sn = 1}, d.h., wir hren auf zu

fallsvariablen haben. Man kann zeigen, dass Beachte: Jedoch: den! Man kann zeigen, dass weder

Sn := n Xi mit unabhngigen Zui=1 p = 1/2 und Xi = 1 mit W. p = 1/2. Sei

spielen, sobald wir eine Geldeinheit gewonnen

P (T < ) = 1.

Mit obiger Proposition:

T eine Stoppzeit E(ST n ) = E(S0 ) = 0 fr jedes n. 1 = E(ST ) = E(S0 ) = 0

ist ein Martingal und

S = (Sn )

Also kann auf die Beschrnktheitsbedingungen in Satz 2.10 nicht gnzlich verzichtet wer-

noch der Verlust vor dem ersten Netto-Gewinn beschrnkt

sind. Dieses Spiel kann in der Praxis also nicht realisiert werden!

Die Snell-Einhllende

Denition 2.12 Ist X = (Xn )N n=0

ZN := XN

eine (endliche) Folge von zur Filtration

(Fn )

adaptier-

ten Zufallsvariablen, so heit die durch

Zn := max{Xn , E(Zn+1 | Fn )}
denierte Folge

(n N ) X.

Z = (Zn )N n=0

die Snell-Einhllende von

Satz 2.11
die Folge

Die Snell-Einhllende dominiert (d.h.

(Xn )

(Zn ) von (Xn ) ist Zn Xn fr alle n).

das kleinste Supermartingal, welches

Proposition 2.2 T0 := inf{n 0 | Zn = Xn }

Stoppzeit

ist eine Stoppzeit und die gestoppte Folge T0 ) ist ein Martingal. (Zn Satz 2.12 Sei Tn,N eine Familie von Stoppzeiten mit Werten in {n, . . . , N }. Dann lst die

T0

das optimale Stoppproblem fr

X:

Z0 = E(XT0 | F0 ) = sup{E(XT | F0 ) | T T0,N }

Sind die Werte von

bis zum Zeitpunkt

n bereits bekannt, lst Tn := inf{j n | Zj = Xj }

das optimale Stoppproblem fr

X:

Zn = E(XTn | Fn ) = sup{E(XT | Fn ) | T Tn,N }

26

Bei der Bewertung von amerikanischen Optionen soll zu dem Zeitpunkt die Option ausgebt werden, zu dem die erwartete Auszahlung maximal ist. Die beiden letzten Aussagen zeigen, dass Ereignisse). Der folgende Satz zeigt, dass die oben denierte Stoppzeit fr

T0

bzw.

Tn

die hierfr optimalen Zeitpunkte liefern bei Verwendung der bis

zu diesem Zeitpunkt zur Verfgung stehenden Information (ohne Vorgri auf zuknftige

T0 die kleinste optimale Stoppzeit

(Xt )

ist. Eine Stoppzeit

Satz 2.13
(i) (ii)

ist genau dann optimal fr die Folge

(Xt ),

falls die beiden

folgenden Bedingungen gelten:

XT = ZT ZT
ist ein Martingal

Satz 2.14

(Doobsche Zerlegung von Submartingalen) Sei

(Xn )nN

ein Submartingal beMartingal f.s.,

(Fn )nN von wachsenden -Algebren. Dann existieren ein (Mn )nN und ein wachsender vorhersagbarer Prozess (An )nN (d.h. An+1 An Fn -messbar) so, dass
zglich einer Folge

An+1

Xn = X0 + Mn + An ,
fr alle

wobei

M0 = A0 = 0,

n N.

Diese Zerlegung ist f.s. eindeutig.

27

3 Finanzmrkte in diskreter Zeit

Wir betrachten folgenden Finanzmarkt

M:

(, F, P )

W-Raum mit

|| <
aufsteigende Folge

F0 F1 . . . FT F F0 = {, },

von in

enthaltenen

-Algebren

FT = F = P()

P ({}) > 0

d + 1 Finanzgter mit Preisen S0 (t), S1 (t), . . . , Sd (t) zum Zeitpunkt t {0, 1, . . . , T }, welche Ft -messbare Zufallsvariable seien
Dann ist

S(t) =

S0 (t)
. . .

Sd (t)
ein

Ft -messbarer

Zufallsvektor mit mit Werten in

Rd+1
(also ein stochastischer

Denition 3.1. Ein Numraire ist ein Preisprozess (Xt )t{0,1,...,T }

Prozess), welcher strikt positiv ist fr alle
Das mit

t {0, 1, . . . , T }.

i = 0

indizierte Finanzinstrument wird als Numraire verwendet und ist meist

eine risikolose Kapitalanlage mit

S0 (0) = 1
Ist

der whrend einer Zeitperiode

(t t + 1)

gewhrte Zins, so gilt

S0 (t) = (1 + r)t

Denition 3.2 Eine

Rd+1 -wertiger

Damit denieren wir den Diskont-Faktor

(t) := 1/S0 (t)

Handelsstrategie (oder dynamisches Portfolio) ist ein vorhersagbarer

stochastischer Prozess

0 (t) 1 (t) = . . . d (t) t{1,...,T }

d.h. eine Folge von

Zufallsvektoren mit Werten in

Rd+1 .

i (t)

ist die Anzahl von Anteilen des Finanzgutes i, basierend auf den Informationen zum

Zeitpunkt Preise

Denition 3.3.
(1), S(0)
und

t 1. Die Adjustierung des S0 (t 1), . . . , Sd (t 1) statt.

Portfolios fand also kurz nach Bekanntgabe der

Der Wert des Portfolios zum Zeitpunkt

ist gegeben durch

V (0) =

V (t) := (t), S(t) =

i=0

i (t)Si (t), V

t {1, . . . , T } .

Der dadurch denierte stochastische Prozess

heit Wertprozess der Handelsstrategie

28

V (0)

ist das Anfangskapital des Investors.

Denition 3.4. Der

Zuwachsprozess

der Handelsstrategie

ist gegeben durch

G (t) :=
=1
fr
Sei

( ), S( ) S( 1) =
=1

( ), S( )

t {1, . . . , T }. S(t) = (1, (t)S1 (t), . . . , (t)Sd (t))

der auf den Zeitpunkt

t=0

abdiskontierte Preis-

vektor. hnlich: Abdiskontierter Wertprozess

V (t) = t (t), S(t) = (t), S(t)

fr

t {1, . . . , T }.
t

Abdiskontierter Zuwachsprozess

G (t) =
=1
fr

( ), S( )

Denition 3.5 Eine

t {1, . . . , T }.

Handelsstrategie

heit selbstnanzierend, falls

t{1,...,T 1}

(t), S(t) = (t + 1), S(t)

t werden die neuen Preise S(t) bekannt. Das Portfolio hat dann den Wert (t), S(t) . Aufgrund der Kenntnis der neuen Preise S(t) schichtet der Investor sein Portfolio mit Anteilen (t) zu einem Portfolio mit (t + 1) Anteilen um
Interpretation: zum Handelszeitpunkt  ohne jedoch Kapital abzuziehen oder einzubringen. nanzierend bzgl.

Behauptung 3.1. Sei X(t) ein Numraire. Eine Handelsstrategie ist genau dann selbstS(t),
falls

selbstnanzierend bzgl.

S(t)/X(t)

ist.

Also ist eine Handelsstrategie nanzierend bzgl.

genau dann selbstnanzierend bzgl.

S(t),

falls

selbst-

S(t)

ist.

Behauptung 3.2. Eine Handelsstrategie ist genau dann selbstnanzierend, wenn

t{0,1,...,T }

V (t) = V (0) + G (t)

Die nchste Behauptung zeigt, dass der Wert des Portfolios vollstndig durch das Anfangsvermgen und die Handelsstrategie

(1 (t), . . . , d (t))t{1,...,T }

bestimmt ist  vor-

ausgesetzt der Investor folgt einer selbstnanzierenden Strategie.

Behauptung 3.3. Fr jeden vorhersagbaren Prozess (1 (t), . . . , d (t))t{1,...,T }

F0 -messbare V0
Handelsstrategie existiert genau ein vorhersagbarer Prozess

und jedes

(0 (t))t{1,...,T } ,

so dass die

0 (t) 1 (t) = . . . d (t)

29

selbstnanzierend und

Denition 3.6. Eine

V0 = V (0)

der Anfangswert des Portfolios ist.

selbstnanzierende Strategie

heit Arbitrage-Strategie, falls

V (0) = 0 V (T ) 0 V (T ) > 0
Der (oben denierte) Finanzmarkt

mit Wahrscheinlichkeit mit Wahrscheinlichkeit mit Wahrscheinlichkeit

1 1 >0

heit arbitragefrei, falls es keine Arbitrage-Strategie

in der Klasse aller Handelsstrategien gibt.

Denition 3.7.
Filtration

Ein zu

quivalentes Wahrscheinlichkeitsma

Martingalma fr den stochastischen Prozess

, falls

P auf (, FT ) heit ein -Martingal bezglich der ein P

F = (Ft )t{0,1,...,T }

ist.

P(S)

Behauptung 3.4.
F.

bezeichne die Klasse aller quivalenten Martingalmae (fr Sei

S ).
eine selbstnanzierende

ein quivalentes Martingalma und

Handelstrategie. Dann ist der Wertprozess

V (t)

ein P -Martingal bezglich der Filtration

Behauptung 3.5.
tragefrei. Setze

Existiert ein quivalentes Martingalma, dann ist der Markt

arbi-

X + := {X : R+ | X 0 := {X X
ist ein Kegel.

ist eine Zufallsvariable}

X() 0

und

X() > 0}

Ist

ein arbitragefreier Markt, so gilt fr jede selbstnanzierende Strategie

V (0) = 0 = V (T ) G (T ) G (T )
immer noch gilt, falls

Mit Behauptung 3.2 folgt:

= (1 , . . . , d ) ein vorhersagbarer Prozess ist und 0 so gewhlt wird, dass die Strategie = (0 , . . . , d ) das Startkapital V0 = 0 besitzt und selbstnanzierend ist.
Das nchste Lemma zeigt, dass

Lemma 3.1.
(1 , . . . , d )

In einem arbitragefreien Markt erfllt jeder vorhersagbare Prozess

die Relation

G (T )

Behauptung 3.6.
Martingalma P .

Ist der Markt

arbitragefrei, dann existiert ein zu

quivalentes

Eine Kombination der Behauptungen 3.5 und 3.6 liefert

Satz 3.1 (No-Arbitrage-Satz). Der Finanzmarkt M ist genau dann arbitragefrei, wenn
es ein zu P quivalentes Martingalma ein P -Martingal ist.

gibt, unter dem der diskontierte Preisprozess

30

3.1 Risikoneutrale Bewerung von Finanzderivaten

Denition 3.8.
dass Ein Finanzderivat mit Verfallszeitpunkt

ist eine nichtnegative

FT -

messbare Zufallsvariable

X.

Das Derivat heit erreichbar (attainable), falls es eine das

Derivat replizierende Handelsstrategie

gibt, die selbstnanzierend ist und fr die gilt,

V (T ) = X

Zwei Handelsstrategieen werden als quivalent angesehen, wenn sie denselben Wertprozess besitzen.

ist meist eine Funktion des Preisprozesses

S : X = f (S) K
und

X := (ST K)+ Ausbungszeitpunkt T

Beispiel:

fr eine europische Call-Option mit Ausbungspreis

Behauptung 3.7.
nanzderivat rivates

Ist

ein arbitragefreier Finanzmarkt, dann ist jedes erreichbare Fi-

eindeutig in

replizierbar.

Grundidee der Arbitrage-Bewertung von Derivaten: Da der Wert eines erreichbaren De-

zu einem Zeitpunkt

t T

eindeutig sein sollte (sonst existiert eine Arbitra-

gemglichkeit), muss der Preis des Derivates zum Zeitpunkt des Portfolios zur replizierenden Handelsstrategie Deshalb ist folgende Denition sinnvoll:

tT t

mit dem Wert

V (t)

zum Zeitpunkt

bereinstimmen.

Denition 3.9. Der Finanzmarkt M sei arbitragefrei und X

Verfallszeitpunkt Wertprozess der
Ma

ein erreichbares Derivat mit gegeben durch den

T . Dann ist der Arbitragepreisprozess (X (t))t{0,...,T } X replizierenden Strategie .

Da die Arbitrage-Bewertungsmethode oensichtlich unabhngig vom zugrundeliegenden

ist  also unabhngig vom Modell, das sich ein Investor vom weiteren Kursver-

lauf macht  sollte ein Investor, welcher statt dem Ma zugrundelegt, das Derivat mit demselben Preis bewerten.

das risikoneutrale Ma

Behauptung 3.8. Der Finanzmarkt M sei arbitragefrei. Dann ist der Arbitragepreisprozess

(X (t))t{0,...,T }

jedes erreichbaren Finanzderivats

durch die Formel der risikoneu-

tralen Bewertung

t{0,...,T }
gegeben, wobei

X (t) = (t)1 E ((T )X | Ft ) P)

quivalenten Martingalmaes

die Erwartung bezglich eines (zu

(fr den auf den Zeitpunkt

t=0

abgezinsten Preisprozess) darstellt.

Frage: Unter welchen Bedingungen ist jedes Finanzderivat erreichbar, also mittels einer Handelsstrategie replizierbar?

3.2 Vollstndige Mrkte

heit vollstndig, wenn jedes Derivat erreichbar + eine replizierende ist, also fr jede nichtnegative FT -messbare Zufallsvariable X X selbstnanzierende Handelsstrategie

Denition 3.10.

Der Finanzmarkt

mit

V (T ) = X

existiert.

31

Satz 3.2 (Vollstndigkeitssatz).

vollstndig, wenn es genau ein zu abgezinste Preisprozess
ergibt den

Ein arbitragefreier Finanzmarkt

ist genau dann

quivalentes Martingalma gibt (unter welchem der

ein Martingal ist).

Die Kombination des No-Arbitrage- und des Vollstndigkeitssatzes (Stze 3.1 und 3.2)

Fundamentalsatz der Preistheorie fr Derivate:

M

In einem arbitragefreien vollstndigen Finanzmarkt

existiert genau ein quivalentes

Martingalma P .
Ferner mit Behauptung 3.8: In einem arbitragefreien vollstndigen Finanzmarkt

ergibt sich der arbitragefreie Preis

X (t)

eines Derivates

als (bedingter) Erwartungswert des Derivates unter dem risiko-

neutralen (d.h. quivalenten Martingal-) Ma

P :

t{0,...,T }

X (t) = (t)1 E ((T )X | Ft )

3.3 Das Cox-Ross-Rubinstein-Modell

Wir betrachten folgenden Finanzmarkt

mit

Handelsperioden:

risikolose Anlage

(Bond) mit

B(t) = (1 + r)t ,
risikobehaftete Anlage

t {0, . . . , T }

(z.B. Aktie) mit

S(t + 1) =
wobei

uS(t) mit W p, dS(t) mit W 1 p,

t {0, . . . , T }

0<d<u

und

S0 0 {u, d}
ist unabhngig von

Die Vernderung

S(t+1) S(t)

S(0), . . . , S(t)

fr alle

{0, . . . , T }
S(2)=uuS(0) p S(1)=uS(0) p

1p

S(0) 1p p

S(2)=udS(0)

S(1)=dS(0) 1p S(2)=ddS(0) T=0 T=1 T=2

Die ersten beiden Handelsperioden eines Binomialmodells Explizite Konstruktion eines geeigneten Wahrscheinlichkeitsraumes tration

(, P, F) und einer Fil-

F:

32

 := t
t=1

wobei

t := := {u, d},

also

= {u, d}T

F := P() P := Pt
t=1 T
wobei

Pt := P

mit

P ({u}) := p
T

und

P ({d}) := 1 p,

also

P ({}) =
t=1
mit

Pt ({i })

= (1 , . . . , T )
mit

und

t {u, d}

F = (Ft )t{0,...,T }

F0 := {, } Ft := (S(1), . . . , S(t)), FT := F = P() t {1, . . . , T 1}

Bemerkung. Sei Z(t+1) :=

vom Zeitpunkt

S(t+1) S(t) die relative Preisnderung der risikobehafteten Anlage

zum Zeitpunkt

t + 1 (t {0, . . . , T 1}).

Dann folgt aus den Modellannahmen:

S(t) = S(0)
=1

Z( ),

t {1, . . . , T 1}

Z(1), . . . , Z(T )

sind unabhngige Zufallsvariablen

Denition 3.11.
(CRR-Modell).

Der oben denierte Finanzmarkt

heit Cox-Ross-Rubinstein-Modell

Behauptung 3.9.
Q,
wenn

Im CRR-Modell existiert genau dann ein quivalentes Martingalma

0<d<1+r <u
Existiert ein quivalentes Martingalma

Q,

so ist dieses eindeutig und durch

q=
festgelegt, es gilt also

1+rd ud
T

Q = Qt
t=1
mit

Qt ({u}) = q
aus, dass

und

Qt ({d}) = 1 q

Aufgrund von Behauptung 3.9 gehen wir bei CRR-Modellen im Folgenden immer davon

0<d<1+r <u

gilt.

Behauptung 3.10. Das CRR-Modell ist arbitragefrei. Behauptung 3.11. Das CRR-Modell ist vollstndig.

33

Behauptung 3.12. Ein Mehrperioden-Marktmodell ist genau dann vollstndig, wenn jedes darin enthaltene Einperioden-Modell vollstndig ist.

Behauptung 3.13. Im CRR-Modell ist der Arbitragepreis eines Derivates X

t{0,...,T }
gegeben, wobei durch

durch

X (t) = B(t) E (X/B(T ) | Ft ) P)

quivalenten Martin-

galmaes P (fr den auf den Zeitpunkt

die Erwartung bezglich des eindeutigen (zu

t=0

abgezinsten Preisprozess) darstellt, welches

p =
ber

1+rd ud
T

P = Qt
t=1
mit

Qt ({u}) = p
festgelegt ist.

und

Qt ({d}) = 1 p

Behauptung 3.14. Der Arbeitragepreis einer europischen Call-Option mit Verfallsdatum

T
und Ausbungspreis

K,

basierend auf einer Aktie

S,

ist im CRR-Modell gegeben durch

t{0,...,T } T t

C(t) = (1 + r)(T t)
j=0

T t j p (1 p )T tj (S(t)uj dT tj K)+ j

Behauptung 3.15.
datum

Im CRR-Modell ist die eine europischen Call-Option mit Verfalls-

und Ausbungspreis

replizierende Handelsstrategie

= (0 (t), 1 (t))t{1,...,T }

gegeben durch

1 (t) =

C(t, St1 u) C(t, St1 d) St1 (u d) uC(t, St1 d) dC(t, St1 u) 0 (t) = (1 + r)t (u d)

3.4 Binomialapproximation
Modellierung von Preisprozessen in stetiger Zeit mittels

eines stochastischen Prozesses in stetiger Zeit einer Approximation mit einer Folge stochastischer Prozessen in diskreter Zeit

Jetzt: Approximation der Preisprozesse in stetiger Zeit CRR-Modellen in diskreter Zeit mit Folge aus Teile

t [0, T ]

mittels einer Folge von

kn

Handelszeitpunkten, wobei

(kn )

eine wachsende

N sei [0, T ] in kn

Teilintervalle der Lnge

Handel nur in den Zeitpunkten:

Modellierung des Bonds:

Sei

tn,j

T n = kn = jn , j {0, . . . , kn }

rn

der risikolose Zins Preisentwicklung des Bonds:

B(tn,j ) = (1 + rn )j ,

j {0, . . . , kn }

34

Im zeitstetigen Modell:

B(t) = ert

mit stetiger Zinsrate

r>0

Falls fr

rn

gilt

1 + rn = ern
folgt

(1 + rn )j = erjn = ertn,j

Modellierung der risikobehafteten Anlage:

n,i+1 Zn,i = S(tn,i ) {un , dn } (i {0, . . . , kn 1}) mit

Sei

S(t

die relative Vernderung in der Handelsperiode

i i+1

P (Zn,i = un ) =: pn = 1 P (Zn,i = dn )
mit einem noch zu bestimmenden Aktienpreisprozess im

pn (0, 1) kn
Handelsperioden)

n-ten

CRR-Modell (mit

Sn (tn,j ) = Sn (0)
i=1
Annahme: Fr jedes feste

Zn,i ,

j {1, . . . , kn }

gilt:

Zn,1 , . . . , Zn,kn

unabhngige ZV'n

Nach Behauptung 3.9 ist das

n-te

CRR-Modell genau dann arbitragefrei, wenn

d n < 1 + r n < un
Dieses ist in eindeutiger Weise charakterisiert durch

p = n
Damit ist das Wir whlen

1 + rn d n un dn un
und

n-te

CRR-Modell bis auf die Parameter

dn

festgelegt.

un = e
Das risikoneutrale Ma fr das

und

dn = e

n-te

CRR-Modell ist dann gegeben durch

p n
Mgliche Preise der Aktie

ern e n 1 + rn d n = = un dn e n e n
zum Zeitpunkt

T: j {0, . . . , kn } Cn (0)
des europischen Calls auf die Aktie

S(0)uj dkn j , n n S
mit Strike

Mit Behauptung 3.13 folgt der Arbitragepreis

und Expiry

im

n-ten

CRR-Modell:

C(0) = (1 + rn )kn E (S(T ) K)+

kn

= (1 + rn )kn
j=0

kn j pn (1 p )kn j S(0)uj dkn j K n n n j

35

Mit

an = min{j N0 | S(0)uj dkn j > K} n n

kn

folgt

Cn (0) = (1 + rn )kn

kn j pn (1 p )kn j S(0)uj dkn j K n n n j j=an j kn j kn k )d u (1 pn n pn n n = S(0) 1 + rn 1 + rn j j=an kn k n kn j kn j (1 + rn ) K pn (1 pn ) j

j=an

= Sn (0) 1 Bin

p u n n 1 + rn

, kn (an 1)

K(1 rn )kn {1 Bin (p , kn ) (an 1)} n

Satz 3.3 (Black-Scholes-Formel fr den Preis einer europischen Call-Option).

Mit obiger Notation gilt:

Bemerkung:

0<

p un n 1+rn

<1

C(0) := lim Cn (0) = S(0)(d1 (S(0), T ) KerT (d2 (S(0), T ))

n
wobei

log(s/K) + (r + )t 2 t log(s/K) + (r d2 (s, t) = d1 (s, t) t = t d1 (s, t) =

und

2 2 )t

die Verteilungsfunktion der Standardnormalverteilung bezeichne.

Der Preis fr die europische Put-Option ergibt sich sofort ber die Put-Call-Paritt. Dieses Resultat wurde 1997 mit dem Nobelpreis fr konomie gewrdigt.

Bemerkung: Sei t [0, T ] mit t/T

Whle Wir Dann gilt

rational, also gibt es

jn := na, kn := nb und n = t = tn,jn = jn n betrachten den Preisprozess Sn im n-ten

j

T kn

a, b N0

mit

t = aT b

CRR-Modell

Sn (tn,j ) = Sn (0)
i=1
Also gilt speziell

Zn,i ,

j {0, . . . , kn }

jn

Sn (t) = Sn (tn,jn ) = Sn (0)

i=1

Zn,i

Mit Methoden wie im Beweis zu Satz 3.3 kann gezeigt werden:

Sn (t) S(t) := S(0) exp(tr) exp t 2 Z N (0, 1)-verteilten Zufallsvariablen Z Der stochastische Prozess S = (St )tT (Q[0,1]) stetiger Zeit t [0, T ] fortgesetzt werden.
mit einer

1 2

(n )

kann zu einem stochastischen Prozess in

Dieser Prozess ist dann eine sogenannte geometrische Brownsche Bewegung mit Drift

St

ist lognormalverteilt mit Erwartungswert

t(r

2 /2) und Varianz

t 2 von

r log(St /S0 )

36

Schtzung der Volatilitt

unter Verwendung

der historischen Werte des Aktienkurses

der an der Brse notierten Preise hnlicher Optionen

Schtzung der Volatilitt aus historischen Aktienkursen

kurse <- read.csv("table.csv") attach(kurse) ## Aktienpreisprozess plot(Close) lines(Close) ## log-Returns n <- length(Close) R <- log(Close[2:n]/Close[1:(n-1)]) plot(R) lines(R) ## Schtzung der Volatilitt sqrt(var(R)*n) q()
Dann: Berechnung des Preises eines europischen Calls ber einen Optionspreisrechner, z.B.

http://www.numa.com/derivs/ref/calculat/option/calc-opa.htm

von Numa Fi-

nancial Systems

3.5 Bewertung amerikanischer Optionen

Bewertung amerikanischer Optionen
Betrachte ein allgemeines Mehrperioden-Marktmodell. Der Besitzer einer amerikanischen Option kann diese zu jedem Zeitpunkt

t {0, 1, . . . , T } ausben und erhlt die Geldsumme ,

so dass fr den dazugehrigen Wertpro-

f (St )
zess

oder allgemeiner gilt:

ft .

Gesucht: Selbstnanzierende Handelsstrategie

V (0) = x V (t) ft

(Startkapital)

t {0, 1, . . . , T } : {0, 1, . . . , T }
gibt mit

Ein solches Portfolio heit minimal, falls es eine Stoppzeit

V ( ) = f
Problem: Existenz und (gegebenenfalls) Konstruktion einer solchen Stoppzeit Annahme: Das Marktmodell quivalente Martingalma. Dann gilt fr jede Hedging-Strategie

(, F, F, P ) ,

ist vollstndig und

ist das eindeutige zu

dass

Mt = V (t) = (t)V (t)

37

ein

P -Martingal

ist.

Also folgt mit Satz 2.10, dass fr jede Stoppzeit

T0,T

M0 = V (0) = E (V ( ))
Da aus den Annahmen ber

folgt, dass

V ( ) f

fr jede Stoppzeit gelten muss,

erhalten wir fr das Startkapital

x sup E (( )f )
T0,T
Sei jetzt es gilt

eine Stoppzeit mit

V ( ) = f .

Dann ist die Handelsstrategie

minimal und

x = E (( )f ) = sup E (( )f )
T0,T
Diese Relation (erstes Gleichheitszeichen) ist also eine notwendige Bedingung fr die Existenz einer minimalen Handelsstrategie. Wir werden zeigen, dass dies zugleich auch eine hinreichende Bedingung darstellt. Der Preis

Berechnung des Optionspreises

Zum Zeitpunkt

heit rationaler Preis einer amerikanischen Option.

ist der Wert

ZT

der Option gleich dem Pay-O der Option:

ZT := fT
Zum Zeitpunkt trag

T 1 kann der Besitzer der Option diese entweder ausben und den Geldbe-

fT 1

einstreichen oder die Option bis zum Verfallsdatum behalten, wobei im letzteren

Falle der Betrag

1 T 1 E (T fT | FT 1 )
abgesichert werden muss. Also hat die Option zum Zeitpunkt

den Wert

1 ZT 1 := max{fT 1 , T 1 E (T fT | FT 1 )}
Mittels Rckwrtsinduktion zeigt man, dass zum Zeitpunkt Wert abgesichert werden muss:

t {1, . . . , T }

der folgende

1 Zt1 = max{ft1 , t1 E (t Zt | Ft1 )}

oder  mit

ft := t ft

 diskontiert auf den Zeitpunkt t=0:

Zt1 = max{ft1 , E (Zt | Ft1 )}

Also ist

(Zt )t{0,...,T }

die Snell-Einhllende von

(ft )t{0,...,T }

Nach Satz 2.12 gilt, dass

Zt = sup E (f | Ft )
Tt,T
und die Stoppzeit

t := min{s t : Zs = fs }

optimal ist und dass

Zt = E (ft | Ft )
Speziell kann im Fall und

t=0

die Stoppzeit

0 := min{s 0 : Zs = fs }

verwendet werden

x = Z0 = E (f0 ) = sup E (f0 )

0 T0,T

38

ist der rationale Preis der amerikanischen Option.

Konstruktion des Hedging-Portfolios

Da

ein Supermartingal ist, existieren nach dem Zerlegungssatz 2.14 von Doob ein Mar-

tingal

und ein wachsender vorhersagbarer Prozess

mit

Z =M A
Setze

Mt := Mt /t

und

At := At /t .

Da der zugrundeliegende Finanzmarkt vollstndig

ist, existiert eine selbstnanzierende Handelsstrategie

mit

Mt = V (t)
(Betrachte den Positiv- und den Negativteil von Dann

MT

jeweils als ein Derivat.)

Zt := Zt /t = V (t) At
Damit ist der Zeichner der Option in der Lage, sich perfekt zu hedgen: Durch den Verkauf

Z0 = V (0) kann er unter Verwendung der Handelsstrategie zu jedem Zeitpunkt t ein Kapital V (t) erwirtschaften, welches grer oder gleich Zt ist, und damit auch grer oder gleich dem zum Zeitpunkt t eventuell flligen Pay-O ft .
der Option zum Preis von Aus Sicht des Kufers der Option ist die

punktes von elementarem Interesse:

Verkauf der Option ihr Wert nur

Ermittlung des optimalen Ausbungszeitt mit Zt > ft

auszuben, da durch den

Der Ausbungszeitpunkt ist aus der Menge der Stoppzeiten auszuwhlen. Es ist nicht sinnvoll, die Option zu einem Zeitpunkt

Zt

erlst werden kann, wohingegen die Ausbung der Option

ft

erbringt.

Fr einen optimalen Ausbungspunkt

gilt also

Z = f
Andererseits ist es auch nicht sinnvoll, die Option nach dem Zeitpunkt

max := inf{t : At+1 = 0} (= inf{t : At+1 = 0})

auszuben, da ein Verkauf der Option zum Zeitpunkt der Handelsstrategie greres Kapital

max

und Anlage des Erlses gem strikt

Dann gilt fr alle

ein fr alle nachfolgenden Zeitpunkte max +1, max +2, . . . , T Z. Stoppzeiten mit max , dass
einbringt als der Verkauf der Option zu ihrem Wert

(Zt )t = (Z t )t
ein Martingal bzgl. Folge

ist.

Damit sind nach Satz 2.13 optimale Ausbungszeiten auch optimale Stoppzeiten fr die

(ft )t{0,1,...,T } .

Daraus folgt: Verwendet der Zeichner der Option die oben konstruierte Handelsstrategie

zum Hedgen und bt der Kufer der Option diese zu einer nicht optimalen Stoppzeit

aus, so gilt risikolosen

Bewertung eines amerikanischen Puts im CRR-Modell

Teile das Zeitintervall

Z > f oder A > 0. In beiden Fllen Gewinn V ( ) f = Z + A f > 0. [0, T ] N Teilintervalle Intervall sei
in

macht der Zeichner der Option einen

der Lnge

Risikofreie Zinsrate im

Die zugehrige stetige Zinsrate berechnet sich aus:

1 + = er

39

Whle

und

gem

u = e

und

d = e

Das risikoneutrale W-Ma fr die dazugehrigen Einperioden-Modelle berechnet sich aus

1+rd er e p = = ud e e

Die Aktie mit Startwert Einheiten wert. Es gibt dann gewhlt. Wie in der dynamischen Optimierung (Richard Bellman), wird eine Rckwrtsrekursion gewhlt, um sowohl die Preise als auch die optimale Ausbungsstrategie zu ermitteln: 1. Zeichne das Baumdiagramm, beginnend mit dem Startwert (Zeitpunkt 0) und den

S(0) ist nach i Schritten aufwrts und j Schritten abwrts S(0)ui dj 2N

mgliche Pfade durch das Baumdiagramm.

N +1

mgliche Preise und

Aus rechen- und nanztechnischen Grnden wird

hug in der Grenordnung von 30

N +1

Endwerten (Zeitpunkt

N)

(wie in der Einfhrung zu den CRR-Modellen). Aufwrts- und ein.

2. Trage am Knoten wird, den Preis

(i, j), der nach i S(0)ui dj = S(0)uij

Abwrtsbewegungen erreicht

3. Trage an den Endknoten unter die Endpreise die Pay-Os

A fi,j = max{K S(0)ui dj , 0}

ein. 4. Angenommen, die Werte der Option liegen an den Knoten bereits vor. Wird die Option am Knoten

(i + 1, j)

und

(i, j + 1)

(i, j)

nicht ausgebt, muss der Betrag

A A fi,j = er p fi+1,j + (1 p )fi,j+1

abgesichert werden. Wird die Option am Knoten

(i, j) aber ausgebt, so ist der Wert

(K S(0)ui dj )+
abzusichern. Der Wert des amerikanischen Puts im Knoten mum dieser beiden Werte:

(i, j)

ist nun das Maxi-

A fi,j = max{fi,j , K S(0)ui dj }

5. Der Wert

PA (0)

des amerikanischen Puts zum Zeitpunkt 0 ist dann am linken Wur-

zelkonten abzulesen:

f0,0 . (i, j),

so ist es rational, die Option

6. Bendet man sich an einem inneren Knoten

vorzeitig auszuben (early exercise), falls die Ausbung der Option einen hheren Erls bietet als der Verkauf der Option um den Wert

fi,j .

40

132.25 t=0: OptionsWert: 2.18 HedgingPortfolio: Anteile Aktie = 0.48 Anteile Bond= 50.18

0 115

0 100
q

103.5

2 2.18 90
q q q q q

Aktienwert Early Exercise PayOff HedgeWert

12 3.82 81

21

Bewertung einer Amerikanische PutOption mit K=102 und r=10%

41

4 Stochastische Prozesse in stetiger Zeit

Dieses Kapitel der Vorlesung orientiert sich teilweise an dem Buch

Sondermann D. Introduction to Stochastic Calculus for Finance  A New Didactic Approach. Springer 2006.

4.1 Grundbegrie
(, F, P )
mit Filtration

F = (Ft )t0
mit Indexbereich

Ein stochastischer Prozess fallsvariablen auf Der Prozess

X = (Xt )t0 (, F, P ). F)

[0, )

ist eine Familie von Zu-

heit (zur Filtration

adaptiert, falls

t0
Seien

Xt

ist

Ft -messbar
besitzt Werte in

t1 , . . . , tn [0, ).

Der Zufallsvektor

(Xt1 , . . . , Xtn )

Rn .

Durch

PX1 ,...,Xtn (B) := P ((Xt1 , . . . , Xtn ) B) , B B n

wird eine endlich dimensionale Verteilung von sionalen Verteilungen von rov:

deniert. Die Menge aller endlich dimen-

erfllen die folgenden Konsistenzbedingungen von Kolmogo-

Fr jede Permutation

(s1 , . . . , sn )

von

(t1 , . . . , tn )

gilt

PXt1 ,...,Xt (At1 . . . Atn ) = PXs1 ,...,Xsn (As1 . . . Asn ) (Ati B 1 )

n

Fr jedes

A B n1

gilt

PXt1 ,...,Xtn (A R) = PXt1 ,...,Xtn1 (A)

Man kann auch folgende Umkehrung zeigen: Zu jeder konsistenten Familie Wahrscheinlichkeitsma Randverteilungen die Sei

K von endlich dimensionalen Verteilungen existiert ein Q auf (R[0,) , B(R[0,) )), dessen Menge der endlich dimensionalen Familie K umfasst.

Die Abbildung

X.() :
heit Trajektorie oder Pfad von Die Zufallsvariable

[0, ) R t Xt ()

X. [0, ]
heit Stoppzeit, falls

mit Werten in

t0

[ t] = { : () t} Ft

In der Theorie der Stochastischen Prozesse in stetiger Zeit treten u.a. folgende Probleme auf:

Pfadregularitt berabzhlbare Operationen wie

supt[0,1] Xt

42

4.2 Klassen von Prozessen

Martingale. Ein adaptierter stochastischer Prozess X
ein mit

E(|Xt |) <

fr alle

t0

ist

Submartingal, falls

t,s0

t > s = E(Xt | Fs ) Xs

Supermartingal, falls

t,s0

t > s = E(Xt | Fs ) Xs

Martingal, falls

t,s0

t > s = E(Xt | Fs ) = Xs

Beispiele: (Standard-) Brownsche Bewegung, kompensierter Poisson-Prozess.

Semimartingale. Prozesse, welche sich aus einem vorhersagbaren und einem vollstndig
unvorhersagbaren Teil  modelliert durch ein Martingal  zusammensetzen. Formale Denition spter.

Markov-Prozesse.

Ein adaptierter stochastischer Prozess

heit Markov-Prozess, falls

fr jede beschrnkte messbare Funktion

f :RR

gilt

t,s>0

E(f (Xt+s ) | Ft ) = E(f (Xt+s ) | Xt ) X

hngen nur von der Gegenwart, nicht jedoch

Intuitive Deutung: Zuknftige Werte von von der Vergangenheit ab.

Gilt obige Eigenschaft auch dann noch, wenn die deterministische Zeit zeit

t durch eine Stopp-

Diusionen. Eine Diusion ist ein starker Markov-Prozess X

fr alle

ersetzt wird, so heit

starker Markov-Prozess.

mit stetigen Pfaden, fr den

t0

und alle

xR

die folgenden Grenzwerte existieren:

1 E(Xt+h Xt | Xt = x) h0 h 1 2 (t, x) := lim E (Xt+h Xt )2 | Xt = x h0 h (t, x) := lim

(t, x)

heit Drift von

X , 2 (t, x)

heit Diusionskoezient von

X.

Beispiele: Brownsche Bewegung, Lsungen stochastischer Dierenzialgleichungen.

Punktprozesse
Seien z.B.

und

Poisson-Prozesse.

Punktprozesse sind stochastische Prozesse, de-

ren Realisierungen nicht Pfade, sondern Zhlmae sind.

0 < 1 < . . .

die zuflligen Zeitpunkte von gewissen Ereignissen.

Der dazugehrige Punktprozess

(Nt )t0

ist gegeben durch

Nt := sup{n | n t}, t 0

43

Abbildung 2: R. Brown, L. Bachelier, A. Einstein und N. Wiener

Die Zufallsvariable

Nt

gibt die Anzahl der Ereignisse bis zum Zeitpunkt

Poisson-Prozesse sind spezielle Punktprozesse:

t an. Y1 , Y2 , . . . unabhngige exp()-verteilte ZVn Yj

n :=
j=1

n ist also die Zeit bis zum n-ten Ereignis und Yn ist die Wartezeit zwischen den Ereignissen zu den Zeitpunkten n1 und n . Nt := sup{n | n t}
Eigenschaften: deniert dann einen Poisson-Prozess mit Rate

> 0.

P (Nt = k) = et (t) , k N0 , t 0 k!
s<t u>0

Nt+u Nt

unabhngig von

Ns

(unabhngige Zuwchse)

Nt+u Nt (u)
speziell gilt

(stationre Zuwchse)

Der sog. kompensierte Poisson-Prozess

mit

Mt := Nt t

ist ein Martingal;

ENt = t (Nt )
mit Werten von

Man kann zeigen, dass jeder stochastische Prozess

Nt

in

N0 ,

der die

ersten drei obigen Eigenschaften erfllt, ein Poisson-Prozess ist. Stochastische Prozesse mit unabhngigen und stationren Zuwchsen heien Lvy-Prozesse.

4.3 Brownsche Bewegung

1830 Robert Brown (17731858), schottischer Botaniker 1900 Louis Bachelier (18701946) 1905 Albert Einstein (18791955) 1923 Norbert Wiener (18941964)

Denition 4.1.

Ein stochastischer Prozess

W = (Wt )t0

auf

(, F, P )

heit standardi-

sierte 1-dimensionale Brownsche Bewegung oder Wiener-Prozess, falls

W0 = 0 P -f.s.

44

hat unabhngige Zuwchse:

s<t u0

Wt+u Wt

ist unabhngig von

Ws

hat stationre normalverteilte Zuwchse:

t,u0

Wt+u Wt N (0, u)

hat stetige Pfade

Bemerkungen zu Denition 4.1:

Wt = Wt W0 N (0, t) cov(Wt , Ws ) = min{s, t},

t>s
da

cov(Wt , Ws ) = E(Wt Ws )
2 = E((Wt Ws )Ws ) + E(Ws )

= E(Wt Ws )E(Ws ) + s = s

Denition 4.2.
Prozess in

Wt =

d Eine standardisierte Brownsche Bewegung in R ist ein d-dimensionaler (Wt1 , . . . , Wtd ) mit unabhngigen standardisierten Brownschen Bewegungen

R.
Bewegung und

Satz 4.1. Der in Denition 4.1 (und 4.2) denierte Prozess existiert. Behauptung 4.1. Seien W = (Wt )t0 eine standardisierte Brownsche
Ft := (Ws : s F = (Ft )t0 . t). Dann sind (Wt )t0 und (Wt2 t)t0

Martingale bzgl. der Filtration

Nachfolgend legen wir das endliche Zeitintervall

[0, T ]

fr unser Modell zugrunde.

Denition 4.3.

t0 = 0 < t1 < . . . < tn = T deniert eine Partition := {t0 , . . . , tn } von [0, T ]; | | := sup{|ti ti1 | : 1 i n} heit Feinheitsgrad von .
Die Menge der Zeitpunkte

Denition 4.4. Die

Totalvariation der Funktion

X : [0, T ] R

ist deniert durch

Var(X) := sup
ti
Falls

|X(ti ) X(ti1 )| :

ist eine Partition von

[0, T ]

Var(X) < ,

sagt man,

sei von endlicher Variation. einer Funktion

Bemerkung.

Die Variation

Var(f )

darf nicht mit der Varianz

var(Y )

einer Zufallsvariablen

verwechselt werden.

Denition 4.5.
des Intervalls Intervall

Sei X : [0, T ] R eine Funktion und (n ) eine Folge von Partitionen [0, T ] mit |n | 0 fr n . Die quadratische Variation von X ber dem [0, t] [0, T ] entlang der Partition n ist deniert durch

Vt2 (X, n ) :=
ti n {t}, ti t

(X(ti ) X(ti1 ))2

45

Existiert

n von der speziellen Wahl der Partitionenfolge

:= lim Vt2 (X, n ) fr alle t [0, T ],  und ist dieser Grenzwert unabhngig [0, T ]
denierte Funktion

Behauptung 4.2.
die quadratische

die dadurch auf

(n ), fr die ein Grenzwert existiert  so heit t X t quadratische Variation X von X .

(erster) Variation, so ist

X : [0, T ] R stetig und von endlicher Variation X t = 0 fr alle t [0, T ].

Ist

Korollar 4.1.
streng monoton Totalvariation.

Ist

X : [0, T ] R stetig und ist die quadratische Variation t X t wachsend, so ist X auf jedem Intervall [a, b] [0, T ] von unendlicher

Behauptung 4.3. Sei X : [0, T ] R

sei

stetig mit stetigem quadratischer Variation. Ferner Dann ist die durch

A : [0, T ] R stetig und von endlicher Totalvariation. X(t) + A(t) denierte Funktion Y : [0, T ] R von stetiger Y t = X t fr alle t [0, T ].

Y (t) :=

quadratischer Variation mit

Also ist die quadratische Variation eines stetigen Semimartingals gleich der quadratischen Variation des Martingalanteils.

Satz 4.2. Fr

alle

t [0, T ]

gilt:

E Vt2 (W, n ) t
fr jede Folge von Partitionen

0 [0, T ] n

(n )
mit von

des Intervalls

limn |n | = 0. [0, T ]
mit

Korollar 4.2.
P -f.s.

Es gibt eine Folge von Partitionen

limn |n | = 0

so, dass

t[0,T ]

lim Vt2 (W, n ) = t

n

Lemma 4.1. X : [0, T ] R

stetig mit stetiger quadratischer Variation,

g : [0, T ] R

messbar und beschrnkt. Dann gilt:

t n

lim

g(ti1 )(Xti Xti1 )2 =

ti n {t}, ti t 0

g(s) d X

Eine Kombination von Satz 4.2 und Korollar 4.2 liefert

Korollar 4.3.
riation.

Fast alle Pfade der Brownschen Bewegung sind von unendlicher Totalva-

Zusammenfassung: Die Brownsche Bewegung ist ein Martingal mit stetigen Pfaden und
quadratischer Variation

= t P -f.s.

Es gilt jedoch auch umgekehrt

Satz 4.3. (Charakterisierung der Brownschen Bewegung von Lvy).

quadratisch integrierbares Martingal mit stetigen Pfaden, dann ist

Ist

ein

M0 = 0

und

=t

fr alle

t,

eine Brownsche Bewegung.

46

4.4 Das It-Integral

F :RR
und

X : R+ R

seien

C 1 -Funktionen
t

(d.h. stetig dierenzierbar).

Dann gilt nach dem Hauptsatz der Dierenzial- und Integralrechnng

F (X(t)) F (X(0)) =
0

F (X(s))X (s) ds =
0

F (Xs ) dXs

Die Voraussetzung, dass

eine

C 1 -Funktion

ist, kann auf stetige Funktionen

mit end-

licher Totalvariation abgeschwcht werden, wie nachfolgend gezeigt wird.

Behauptung 4.4. X : [0, T ] R

eine

stetig und von endlicher Totalvariation,

C 1 -Funktion.

Sei

(n )

eine Folge von Partitionen von

[0, T ]
t

mit

F : R R limn |n | = 0.

Dann existiert

lim

F (Xti1 )(Xti Xti1 ) =:

ti n {t},ti t 0

F (Xs ) dXs

und es gilt

F (Xt ) F (X0 ) =
0

F (Xs ) dXs

Diese Behauptung ist ein Spezialfall der It-Formel (Satz 4.4). Bis auf Weiteres sei Variation

X : [0, T ] R X = ( X t )t[0,T ] .

immer eine stetige Funktion mit stetiger quadratischer

Dies gilt z.B. fr die Pfade der Brownschen Bewegung

(Korollar 4.2) und  allgemeiner

 fr die Pfade jedes stetigen Semimartingals mit stetiger quadratischer Variation.

t X t monoton wachsend in t, ist das Integral g : [0, T ] R im Riemann-Stieltjes-Sinne deniert.

Da Da

t 0 g(s) d

s fr jede stetige Funktion

Satz

t X

F :R

t stetig ist, ist dieses Integral eine stetige Funktion der oberen Grenze t. 4.4 (It-Formel). X : [0, T ] R stetig mit stetiger quadratischer Variation R eine C 2 -Funktion.

Dann gilt

t[0,T ]
wobei der Grenzwert

F (Xt ) F (X0 ) =
0

F (Xs ) dXs +

1 2

F (Xs ) d X
0

F (Xs ) dXs := lim

0

F (Xti1 )(Xti Xti1 )

ti n {t},ti t

fr jede zu der quadratischen Variation Intervalls

fhrenden Folge

(n )

von Partitionen des

[0, T ]

mit

limn |n | = 0

existiert (gem Denition 4.5).

Das Integral

Bemerkungen.

t 0 F

(Xs ) dXs

heit It-Integral.

47

1) Ist

1 X von endlicher Totalvariation, verschwindet der Korrekturterm 2 0 F (Xs ) d X (da X 0 nach Behauptung 4.2). Dies liefert die klassische Behauptung 4.4.

2) Kurzform der It-Formel:

1 dF (Xt ) = F (Xt ) dXt + F (Xt ) d X 2

3) Man beachte, dass in den Summen, deren Grenzwerte das It-Integral liefern, der Integrand 4) Sei

F (Xs )

am linken Intervallende von

[ti1 , ti ]

ausgewertet wird.

jetzt allgemeiner ein stochastischer Prozess (hinge also zustlich noch vom Zu-

fall ab), dessen Pfade die einer Brownschen Bewegung

sind. Dann kann in Satz 4.4

zur Denition des It-Integrals die nach Korollar 4.2 existierende pfadunabhngige Folge von Partitionen verwendet werden. Der Grenzwert ist bis auf eine eindeutig. 5) Die hier gewhlte pfadweise Denition des It-Integrals geht auf Hans Fllmer (1981) zurck. Allgemeinere Integranden der Form

P -Nullmenge

Ys

anstelle von

F (Xs ) werden in der sto-

chastischen Analysis behandelt. Solche allgemeinere Integranden tauchen in unserer Vorlesung Finanzmathematik jedoch nicht auf.

Beispiele
F (x) = xn .
Mit It-Formel

t n n Xt X0 = n 0
kurz:

n1 Xs dXs +

n(n 1) 2

t n2 Xs d X 0 s

n1 n dXt = nXt dXt +

Ist

n(n 1) n2 Xt d X 2 W
t
mit

t
so gilt

speziell der Pfad einer Brownschen Bewegung

W0 = 0,

Wt2 = 2
0 t

Ws dWs +
0

dW

=2
0
Also

Ws dWs + t

t 0

1 t Ws dWs = Wt2 2 2

F (x) = ex .

Mit It-Formel

eXt eX0 =
0
oder kurz

eXs dXs +

1 2

eXs d Xs s
0

1 deXt = eXt dXt + eXt d X 2

48

Speziell fr

X=W

folgt

eWt

1 t Ws e dW 2 0 0 t 1 t Ws e ds =1+ eWs dWs + 2 0 0 t 1 Wt e e0 =1+ eWs dWs + 2 0 =1+ eWs dWs +

t

Also

eWs dWs =
0

1 Wt e 1 2 t

Behauptung 4.5.
F (Xt )

Sei

F : R R

eine

C 1-

Funktion. Dann bestitzt die Funktion

die quadratische Variation

F (Xs )
0

dX

Korollar 4.4. Fr

jedes

f C 1 (R)

ist das It-Integral

It :=
0

f (Xs ) dXs

wohldeniert und besitzt die quadratische Variation

=
0

f 2 (Xs ) d X

Beispiel.
Fr

X=W

gilt

Wt2 =
0
Mit

2Ws dWs + t

It :=

t 0 2Ws dWs folgt

W2

= I

=
0

2 4Ws ds

Bisher haben wir nur analytische Eigenschaften des Integrators Sei

verwendet.

M ein Martingal C 1 -Funktion.

mit stetigen Pfaden und stetiger quadratischer Variation und

eine

Frage: bertrgt sich die Martingal-Eigenschaft des Integrators

auf das It-Integral

I = It :=
0

f (Ms ) dMs
t0
heit lokales Martingal, falls es Stoppzeiten

Denition 4.6. Ein stochastischer Prozess M

T1 T2 . . .
gibt mit

lim Tn () =
ist ein Martingal

(MTn t )t0

49

Klar: Jedes Martingal ist ein lokales Martingal. Die Umkehrung ist jedoch falsch!

Satz 4.5.
Variation

Sei

, ferner

ein lokales Martingal mit stetigen Pfaden und stetiger quadratischer f C 1 (R). Dann gilt

It :=
0

f (Ms ) dMs
t0
ist ein lokales Martingal

Behauptung 4.6. Sei M

lent sind:

ein lokales Martingal mit stetigen Pfaden und

M0 = 0.

quiva-

(i) (ii)
Im Falle von

ist ein Martingal mit

EMt2 <

fr alle

t0

E M
gilt

t0

<

(i)

oder

(ii)

t0

EMt2 = E M

Behauptung 4.7.
Variation

Sei M ein = 0 f.s. (t 0).

lokales Martingal mit stetigen Pfaden und quadratischer Dann gilt

t0

Mt = M0

f.s.

Korollar 4.5. Sei M

tion. Dann gilt

ein lokales Martingal mit stetigen Pfaden von endlicher Totalvaria-

t0

Mt = M0

f.s.

Bemerkung: Mit Kor. 4.5 knnen wir zeigen, dass bei stetigen lokalen Martingalen (mit stetigem quadratischem Variationsprozess) der quadratische Variationsprozess in Def. 4.5 f.s. unabhngig von der Wahl der Partitionenfolge

(n )

ist.

Denition 4.7. Ein

tingal

stochastischer Prozess

mit

Xt = Mt + At

mit einem lokalen Mar-

und einem adaptierten Prozess

mit linksseitig stetigen Pfaden von endlicher

Totalvariation heit Semimartingal.

Bemerkungen.
der Werte

1) Die linksseitige Stetigkeit von

hat zur Folge, dass der Wert von

At

bei Kenntnis

As , s < t,

vorhergesagt werden kann.

2) Die Zerlegung eines Semimartingals so ist auch

in einen Martingalanteil und einen Anteil

von endlicher Totalvariation ist eindeutig (bis auf additive Konstanten). Ist

stetig,

(und somit

A)

stetig.

3) In der allgemeinen Theorie der Semimartingale wird was etwas schwcher ist als die Forderung, dass linksseitig stetig sind.

A als vorhersagbar angenommen, A adaptiert ist und die Pfade von A

50

Denition 4.8.

|n | 0. X und Y seien stetige Funktionen mit stetiger quadratischer Variation entlang der Folge (n ). Existieren die Grenzwerte  und zwar unabhngig von der speziellen Wahl von (n ) 
Sei

(n )

eine Folge von Partitionen des Intervalls

[0, T ]

mit

t0
so heit

X, Y

:= lim

(Xti Xti1 )(Yti Yti1 ),

ti n ,ti t

X, Y := ( X, Y t )t0

Kovariation von

und

Y.
t existiert. In diesem Fall gilt die

Satz 4.6. X, Y

t existiert genau dann, wenn

X +Y

Polarisationsgleichung

X, Y

1 ( X +Y 2

Y t)

Bemerkungen.
1)

stetige Funktion mit stetiger Variation

A
t

stetige Funktion mit endlicher

Totalvariation. Dann gilt

X +A t = X
und damit

X, A t = 0
2) Fr zwei unabhngige Brownsche Bewegungen

B (1)
t

und

B (2)

gilt

t0
3)

B (1) , B (2)

=0 f, g C 1 (R),

stetige Funktion mit stetiger quadratischer Variation,

Yt :=
0
Dann gilt

f (Xs ) dXs ,

Zt :=
0

g(Xs ) dXs

Y, Z

=
0

f (Xs )g(Xs ) d X

Dies folgt aus der Polarisationsgleichung und

Y +Z

=
0

(f + g)2 (Xs ) d X
t

= Y

+ Z

+2
0

f (Xs )g(Xs ) d X

Satz 4.7

(d-dimensionale It-Formel). Sei

X = (X 1 , . . . , X d ) : [0, T ] Rd k=l falls k = l

falls

stetig mit

stetigen Kovariationen

Xk, Xl

X k t, 1 Xk + Xl t Xk 2

Xl

51

Ferner sei

F C 2 (Rd , R).

Dann gilt

F (Xt ) F (X0 )
d t

=
i=1 0
In Kurzform:

1 i F (Xs ) dXs + xi 2

d i,j=1 0

2 F (Xs ) d X i , X j xi xj

dF (Xt ) =
i=1

i Fxi (Xt ) dXt +

1 2

Fxi ,xj (Xt ) d X i , X j

i,j=1

Beispiel.
Sei

W = (W 1 , . . . , W d )
eine

d-dimensionale

Brownsche Bewegung. Also

W k, W l
Mit obiger It-Formel

t, 0,

falls falls

k=l k=l

t i Fxi (Ws ) dWs

F (Wt ) F (W0 ) =
i=1 0

1 + 2 Y

d i=1 0

Fxi ,xi (Ws ) ds

Korollar 4.6

(Itsche Produktformel). Seien

quadratischer (Ko-)Variation

X , Y
t

bzw.

X X, Y

und

stetige Funktionen mit stetiger

. Dann gilt

Xt Yt = X0 Y0 +
0
Kurzschreibweise:

Xs dYs +
0

Ys dXs + X, Y

d(XY )t = Xt dYt + Yt dXt + d X, Y

Korollar 4.7 (It-Formel fr zeitabhngige Funktionen). Sei X

stetiger quadratischer Variation

und

F : (t, x) F (t, x)

mit

eine stetige Funktion mit F C 1,2 . Dann gilt

F (t, Xt )
t t t

= F (0, X0 ) +
0

Ft (s, Xs ) ds +
0

1 Fx (s, Xs ) dXs + 2
0

Fxx (s, Xs ) d X

Kurzschreibweise:

1 dFt = Ft dt + Fx dXt + Fxx d X 2

Beispiel.
W
Brownsche Bewegung,

S0 > 0

Startwert,

R, > 0

Konstanten

52

Der durch

1 St = S0 exp Wt + 2 t , t 0 2 S
heit geometrische Brownsche Bewegung.

denierte stochastische Prozess

Herleitung einer It-Integralgleichung fr

S:

Xt = Wt Yt =
Klar:

1 2 t 2

X t = 2 t und Y t = X, Y t = 0 Fr F (x, y) := S0 exp(x + y) gilt Fx = Fy = Fxx = F Wegen St = F (Xt , Yt ) folgt

t t t

St = S0 +
0 t

F (Xs , Ys ) dXs +
0

1 F (Xs , Ys ) dYs + 2
0 t

F (Xs , Ys ) d X

= S0 +
0

F (Xs , Ys ) dWs +
0 t

1 F (Xs , Ys ) 2 2

ds

+
t

1 2
0

F (Xs , Ys ) 2 ds
t

= S0 +
0
In Kurzform:

Ss dWs +
0

Ss ds

dSt = St dt + St dWt
Falls

= 0,

ist

St = S0 +
0
nach Satz 4.4 ein lokales Martingal. Wegen

Ss dWs

E S

=E
0

2 2 Ss d W t

s t

= E
0
fr alle

2 Ss ds

2 0

2 ESs ds <

t 0,

ist

nach Behauptung

4.6

sogar ein Martingal.

53

Abbildung 3: Kiyoshi It (19152008), Wolfgang Dblin (19151940)

54

5 Zeitstetige Finanzmrkte
Marktmodell

WR

(, F, P ) F
von aufsteigenden in

Filtration

enthaltenen

-Algebren

mit

F0 = {, }

und

FT = F d+1 Finanzgter mit Preisprozessen S0 , S1 , . . . , Sd , welche zu F adaptiert und streng

positiv seien Weitere technische Regularittsvoraussetzungen (abhngig z.B. davon, wie allgemein das stochastische Integral sein soll und was man beweisen will):

F F0 F

ist

P -vollstndig P -Nullmengen Ft =
s>t

enthlt alle

ist rechtsstetig, d.h.

t[0,T ]

Fs

S0 , S 1 , . . . , S d

sind stetige Semimartingale

Zur Erinnerung: Per denitionem lsst sich ein stetiges Semimartingal ein stetiges (lokales) Martingal beschrnkter Variation zerlegen. Ein vorhersagbarer Prozess

und einen stetigen adaptierten

S = (St )t[0,T ]) in Prozess A mit (lokal)

H = (Ht )t[0,T ]

ist ein stochastischer Prozess

H : [0, T ]

R, welcher messbar ist bezglich der vorhersagbaren -Algebra, welche von den adaptierten
Prozessen mit linksseitig stetigen Pfaden erzeugt wird.

Denition 5.1. Ein

Numraire ist ein Preisprozess

X = (Xt )t[0,T ]

mit

t[0,T ]

Xt > 0

P f.s.

Denition 5.2.

Der

Rd+1 -wertige

stochastische Prozess

ist eine Handelsstrategie oder

dynamisches Portfolio, falls

(t) = (0 (t), . . . , d (t)) , t [0, T ]

ein vorhersagbarer lokal beschrnkter Prozess ist.
Unter diesen Bedingungen existiert das stochastische Integral

t 0

Denition 5.3

i (t) i (t)

bezeichnet die Anteile des Finanzgutes

im Portfolio zum

(u), dS(u) Zeitpunkt t.

basiert auf der Information, welche vor dem Zeitpunkt

erhltlich ist.

(i) Der Wertprozess

V = (V (t))t[0,T ]

des Portfolios

ist gegeben durch

V (t) := (t), S(t) =

i=0

i (t)Si (t),

t [0, T ]

55

(ii) Der Zuwachsprozess

G = (G (t))t[0,T ]
t

ist gegeben durch

G (t) :=
0
(iii) Die Handelsstrategie

(u), dS(u) =
i=0 0

i (u) dSi (u)

heit selbstnanzierend, falls

t[0,T ]

V (t) = V (0) + G (t)

Behauptung 5.1. Ein selbstnanzierendes Portfolio bleibt nach einem Wechsel des Numraires
Sei

X S0

selbstnanzierend.
der risikolose Bond.

Diskontierter Preisprozess: Diskontierter Wertprozess:

S1 S := 1, S0 , . . . , Sd S0

V = 0 + V := S0
Diskontierter Zuwachsprozess

i Si
i=1

G :
d t 0

G (t) :=
i=1

i (u) dSi (u),

t [0, T ]

Behauptung 5.2.

ist genau dann selbstnanzierend, wenn

t[0,T ]
Es gilt

V (t) = V (0) + G (t) V (t) 0.

V (t) 0

genau dann, wenn

Denition 5.4. Eine

selbstnanzierende Handelsstrategie ermglicht Arbitrage, falls

V (0) = 0 P (V (T ) 0) = 1 P (V (T ) > 0) > 0

Denition 5.5. Das auf (, F) denierte Wahrscheinlichkeitsma Q wird (stark) quivalentes Martingalma genannt, falls Martingal (Martingal) bzgl.
Die Menge der zu

QP

und der diskontierte Preisprozess

ein lokales

ist.

Denition 5.6. Eine

quivalenten Martingalmae werde mit

bezeichnet.

selbstnanzierende Handelsstrategie

heit zahm (tame), falls

t[0,T ]

V (t) 0
bezeichnet.

Die Menge der zahmen Handelsstrategien werde mit

Behauptung 5.3.

Sei

Dann ist

unter jedem

QP

ein nichtnegatives lokales

Martingal und ein Supermartingal.

Satz 5.1. Existiert ein zu P

Handelsstrategie aus

quivalentes Martingalma (d.h.

P = ),

dann existiert keine

welche Arbitrage ermglicht.

Bemerkung. Um in zeitstetigen Mrkten eine auch hinreichende Bedingung fr die Existenz eines quivalenten Martingalmaes zu nden, muss der Begri der Arbitragefreiheit noch verschrft werden.

56

5.1 Risikoneutrale Bewertung

Annahme:
Im Weiteren exisitiere immer ein zu

stark quivalentes Martingalma

P ,

unter welchem der diskontierte Preisprozess Nach Satz 5.1 ndet man dann in mglicht. Im Folgenden werden nur Derivate

ein Martingal ist.

keine Handelsstrategie, welche in

Arbitrage er-

mit

X L1 (F, P ) S0 (T )
betrachtet.

Denition 5.7.

Eine selbstnanzierende Handelsstrategie

heit

P -zulssig,

falls der

diskontierte Zuwachsprozess

mit

G (t) =
0
ein

(u), dS(u)

P -Martingal

ist.

Die Menge dieser Handelsstrategien wird mit Es wird nicht vorausgesetzt, dass eine

(P )

bezeichnet.

P -zulssige

Handelsstrategie auch zahm ist.

Satz 5.2. Eine P -zulssige

Handelsstrategie ermglicht keine Arbitrage in

M.

Existieren keine Arbitrage-Mglichkeiten, so kann das Problem der Bewertung und des Hedgings von Derivaten auf die Existenz das Derivat replizierender selbstnanzierender Handelsstrategien zurckgefhrt werden.

Denition 5.8.
mit

(i) Eine Derivat

heit erreichbar, falls es eine

P -zulssige

Handelsstrategie

gibt

V (T ) = X
In diesem Fall wird (ii) Der Finanzmarkt

die das Derivat

replizierende Handelsstrategie genannt.

heit vollstndig, falls jedes Derivat erreichbar ist.

Bemerkungen.

Erreichbarkeit und Vollstndigkeit hngen von der betrachteten Klasse von Handelsstrategien ab! Erreichbarkeit und Vollstndigkeit hngen nicht von der Wahl des Numraires ab. Die Eigenschaft einer Handelsstrategie, ein Derivat zu replizieren, bleibt bei einem Wechsel des Numraires erhalten.

Ist das Derivat den

X erreichbar, kann es durch ein Portfolio (P ) repliziert Preisprozess X = (X (t))t[0,T ] des Derivates muss deshalb gelten X (t) = V (t)

werden. Fr

57

Satz 5.3.

Der sogenannte arbitragefreie Preisprozess

jedes erreichbaren Derivates

ist gegeben durch die Formel der risikoneutralen Bewertung

t[0,T ]

X (t) = S0 (t) EP

X | Ft S0 (T )

Was passiert, wenn es zwei verschiedene Portfolios gibt, die

replizieren?

Korollar 5.1. Fr

zwei das Derivat

replizierende Portfolios

und

gilt

t[0,T ]

V (t) = V (t)

Fr Fragen der Bewertung ist es hinreichend, ein stark quivalentes Martingalma zu nden. Aus der Sicht des Risikomanagements ist es jedoch wichtig, das das Derivat replizierende Portfolio zu nden.

Lemma 5.2 Das

diskontierte Derivat

X/S0 (T )

sei

P -integrierbar.

Besitzt das durch

M (t) = EP
denierte

X | Ft S0 (T )

P -Martingal

eine Integral-Darstellung

t 0

M (t) = x +
i=1

i (u) dSi (u), 1 , . . . , d ,

so ist

mit vorhersagbaren und lokal beschrnkten Prozessen

erreichbar.

Den folgenden Vollstndigkeitssatz werden wir nicht beweisen:

Satz 5.4. Ist das starke Martingalma P

M,
dann ist

das einzige Martingalma fr den Finanzmarkt

vollstndig in dem eingeschrnkten Sinne, dass jedes Derivat

mit

X L1 (F, P ) S0 (T )
erreichbar ist.
Im Beweis wird ein sogenannter Martingaldarstellungssatz bentigt.

5.2 Das Black-Scholes-Modell

Es gibt verschiedene Mglichkeiten den Preisprozesses modellieren

der risikobehafteten Anlage zu

Bachelier (1900): Brownsche Bewegung mit Drift und Volatilitt

St = S0 + Wt + t
mit Konstanten Wegen

R, > 0 und einer Standard-BB W bzgl. P . St N (S0 + t, 2 t) wird St < 0 mit Wahrscheinlichkeit 1 dSt = dt + dWt

Nach It ist dieser Prozess Lsung der stochastischen Dierenzialgleichung

58

Samuelson (1965): Geometrische Brownsche Bewegung mit Drift und Volatilitt

1 St = S0 exp Wt + ( 2 )t 2
Hier

St > 0

mit Wahrscheinlichkeit

Nach It ist dieser Prozess Lsung der stochastischen Dierenzialgleichung

dSt = St ( dt + dWt )
oder

dSt = dt + dWt St St+h St

ist lognormalverteilt

Fr die GBB gilt:

d.h.

log
da fr den sog. log-Return

St+h N St

1 ( 2 )h, 2 h 2

log
gilt und damit

St+h 2 = log St+h log St = (Wt+h Wt ) + St 2

2 2 2 )h, h)-verteilt ist.

N ((

Das Verhltnis zweier aufeinanderfolgender Preise ist also lognormalverteilt. Ferner: Die log-Returns zu sich nicht berlappenden Zeitintervallen sind stochastisch unabhngig. Wird die geometrische Brownsche Bewegung zur Modellierung des Preisprozesses der risikobehafteten Anlage gewhlt, so spricht man auch von einem Black-Scholes-Modell. Warum wird die geometrische Brownsche Bewegung hug zur Modellierung des Aktienpreisprozesses verwendet?

(Hug) gute bereinstimmung mit empirischen Daten GBB fhrt zu expliziten Bewertungsformeln fr viele Derivate Wenn der wahre Preisprozess von der GBB nicht zu sehr abweicht, liefern die auf dem BS-Modell beruhenden Hedging-Strategien gute Ergebnisse das BS-Modell ist arbitragefrei und vollstndig

Marktmodell M:

WR

(, F, P ) B

mit Filtration

(wie oben)

Bond

mit Preisprozess

Bt = B0 exp(rt),
mit stetigem Zinssatz

t [0, T ] B0 = 1.

r>0

und Startkapital

59

Aktie

mit Aktienpreisprozess einer geometrische BB mit Trend

und Volatilitt

d.h.

1 St = S0 exp Wt + ( 2 )t , 2
Whle den Bond als Numraire Diskontierter Preisprozess der Aktie

t [0, T ]

2 St St = = S0 exp Wt + ( r )t Bt 2
Mit It

dSt = St (( r) dt + dWt )
Falls

=r

ist

(St )

kein Martingal bzgl.

P.
der diskontierte Preisprozess

P quivalentes Ma Q so, dass t )0tT ein Martingal bzgl. Q ist? (S (St )0tT ist ein Q-Martingal Wt + ( r)t ist bzgl. Q eine BB ohne Drift r t ist bzgl. Q eine Standard BB Wt +
PROBLEM: Gibt es ein zu

=:
Betrachte bzgl.

die BB mit Drift

0tT
eine BB mit Drift

Wt := Wt + t,
Gesucht ist ein W-Ma Vorbetrachtung:

Q,

unter welchem

(Wt )0tT

0.

X sei N (0, 2 )-verteilt bezglich P . := X + , also ist X ist N (, 2 )-verteilt X

Die ZV

bezglich d.h.

P.

sei deniert durch

Q := exp

X 1 2 2 2

P,

Q(A) =
A
Dann ist

exp

1 X 2 2 2

dP

fr alle

AF

unter unter dem W-Ma

Q N (0, 2 )-verteilt.

Begrndung:

Q(X a) = EQ 1[Xa] =

1[X+a] exp 1[x+a] exp

R

1 X 2 2 2

dP 1 x2 exp 2 2 2 dx dx

= =

x 1 2 2 2

1 (x + )2 exp 2 2 2 R x2 1 = exp 2 d x 1[a] x 2 2 R a 1 x2 = exp 2 d x 2 2 1[x+a]

60

 Q ist (Wt )0tT eine BB mit Drift 0? Der Einfachheit halber sei T = 1. i Diskretisiere das Intervall [0, 1] durch ti := n fr i = 0, . . . , n. Setze t := 1/n.
Frage: Unter welchem W-Ma

j Wj = Wj + n n n
j

=
i=1 j

W i W i1 + t
n n

=:
i=1
Fr festes Unter Unter

(Xi + t) =:
i=1
unter

Xi

ist die Zufallsvariable

ist

Xi Xi N (t, t)-verteilt.
tXi 1 (t)2 2 t

P N (0, t)-verteilt.
ist

Qi := exp

P = exp Xi 1 2 t P 2

Xi N (0, t)-verteilt.

Wir zeigen: Durch

1 Q := E(W1 ) P = exp W1 2 2
wird ein W-Ma deniert, unter welchem Klar:

(X1 , . . . , Xn )

dieselbe Verteilung besitzt wie

(X1 , . . . , Xn ) unter P (X1 , . . . , Xn ) besitzt unter P die Verteilung N (0, t) . . . N (0, t). Fr festes n und beliebige a1 , . . . , an R gilt dann: Q(X1 a1 , . . . , Xn an ) = EP = EP
i=1 n

1 1[X1 a1 ,...,Xn an ] exp W1 2 2

n

1 1[Xi ai ] exp Xi 2 t 2 1 1[Xi ai ] exp Xi 2 t 2

(Mit Vorbetrachtung)

=
i=1 n

EP

=
i=1

EP 1[Xi ai ]

= P (X1 a1 , . . . , Xn an ) (W0 , Wt , . . . , W1 ) unter Q mit der gemeinsamen Verteilung von (W0 , Wt , . . . , W1 ) unter P berein. Der folgende Satz behauptet, dass dies nicht nur fr die endlichdimensionalen Randverteilungen von W und W gilt,
Also stimmen die gemeinsame Verteilung von sondern auch fr die Prozesse selber gilt:

Satz von Girsanov

Standard-BB bzgl.

(fr Brownsche Bewegungen mit konstantem Drift). Ist

eine

und

mit

Wt = Wt + t,
eine Brownsche Bewegung mit Driftrate (ohne Drift!), wobei

t [0, T ],
dann ist

R,

eine Standard-BB bzgl.

QT

AFT

QT (A) := E(1A MT ) =
A

MT dP

61

Y 0.5 0.0 0.0

0.5

1.0

0.2

0.4 t

0.6

0.8

1.0

Abbildung 4: Pfade einer geometrischen Brownschen Bewegung, die unter dem der Simulation zugrunde gelegten W-Ma eine Drift besitzt. Unter dem quivalenten Martingalma wird die Drift zu Null. Dies entspricht einer Neubewertung der Pfade gem der Girsanov-Dichte, angedeutet durch die Farbtemperatur.

und

ein Martingal

1 Mt := E(Wt ) := exp(Wt 2 t), 2 M bzgl. P darstellt.

t [0, T ]

Bemerkung. Man kann zeigen, dass dieses Martingalma das einzige quivalente Martingalma ist! Anwendung des Satzes von Girsanov auf unser Ausgangsproblem:

r Wt = Wt + t,
ist bzgl.

t [0, T ],

QT

mit

AFT
eine Standard-BB. Also ist

QT (A) :=
A

exp

r 1 WT 2

dP

2 St = S0 exp Wt + r t , 2
 also eine geometrische

t [0, T ], QT !

ein

Satz 5.5. Im

QT -Martingal

BB

ohne Drift bzgl.

Black-Scholes-Modell mit Bond-Preisprozess

Bt = B0 exp(rt), t [0, T ]
(B0

= 1, r > 0)

und Aktien-Preisprozess

1 St = S0 exp Wt + 2 t , 2

t [0, T ]

62

(S0 > 0, R, > 0)

ist das W-Ma

QT

mit

P -Dichte

dQT 1 = MT := exp WT 2 T dP 2
ein quivalentes Martingalma.
Das Black-Scholes-Modell ist also (nach Satz 5.2) arbitragefrei bezglich den Handelsstrategien.

QT -zulssigen

P -Dynamik P -Dynamik
Wegen

von von

S : dSt = St ( dt + dWt ) S : dSt = St (( r) dt + dWt ) dt + dWt

folgt:

dWt =

Q-Dynamik

von

S: dSt = St (r dt + dWt )

Q-Dynamik
Unter

von

S: dSt = St (0 dt + dWt )
der Aktie zur Zinsrate

wird die Drift

r!

5.3 Black-Scholes mittels risikoneutraler Bewertung

Payo der europischen Call-Option Wert der europischen Call-Option

X = (ST K)+ zum Zeitpunkt t = 0

C0 = EQ erT (ST K)+ = EQ erT ST 1[ST >K] erT KQ(ST > K) =: I1 + I2

wobei Mit

das nach Satz 5.5 spezizierte quivalente Martingalma ist.

Zu Term

I2 : 1 St = S0 exp Wt + ( 2 )t 2 r t Wt = Wt

folgt

Q(ST > K) = Q(log ST > log K) = Q(WT + ( 2 )T > log K log S0 ) 2 2 = Q WT + r T > log K log S0 2 2 log K log S0 (r )T WT 2 > =Q T T

63

W Da T T

N (0, 1)

unter

Q,

folgt

Q(ST > K) = =
Zu Term Es gilt

log K log S0 (r 2 /2)T T log(S0 /K) + (r 2 /2)T T

I1 : erT ST = S0 exp WT + ( r = S0 exp WT =: S0 MT 2 T 2 2 )T 2

Denition eines neuen Maes

mittels

dQ dQ

= MT

Damit

EQ erT ST 1[ST >K] = S0 EQ MT 1[ST >K] = S0 EQ (1[ST >K] ) = S0 Q(ST > K) = S0 Q(log ST > log K)
Mit Satz von Girsanov:

Wt := Wt t,
ist unter Wegen

t [0, T ]

Q eine BB ohne Drift! T = WT + 2 T W I = Q(log ST > log K) 2 = Q(log S0 + WT + ( )T > log K) 2 2 = Q(log S0 + WT + (r )T > log K) 2 2 = Q(log S0 + WT + (r + )T > log K) 2 2 log S0 (r + )T WT K 2 > =Q T T
N (0,1)

=
Also:

log S0 + (r + K T

2 2 )T

Satz 5.6. Der arbitragefreie Preis des europischen Calls mit Ausbungspreis K
zeitende durch

und Lauf-

im Black-Scholes-Modell mit Volatilitt

und stetiger Zinsrate

ist gegeben

t[0,T ]
mit

C(t) = St (d1 ) er(T t) K(d2 ) d2 = d1 T t

d1 =

1 log St /K + (r + 2 2 )(T t) T t

und

64

Vollstndigkeit des klassischen Black-Scholes Modells

Zur Konstruktion eines Hedging-Portfolios bentigen wir den folgenden

Satz 5.7 (Martingal-Darstellungssatz)

Bewegung

Sei

F = (Ft )t[0,T ]

die von der Brownschen

W = (Wt )t[0,T ] erzeugte vollstndige Filtration und M = (Mt )t[0,t] ein zu 2 dieser Filtration adaptiertes Martingal mit E(MT ) < . Dann gibt es einen (bis auf
Modikation) eindeutig bestimmten vorhersagbaren adaptierten Prozess mit

H = (Ht )t[0,T ]

E
0
so dass fr alle

2 Hs ds

<

t [0, T ]

gilt:

Mt = M0 +
0

Hs dWs

f.s.

Wir wissen bereits, dass der klassische BS-Markt ein eindeutiges zu

quivalentes Martingal-

Ma P mit

2 dP = eWT 2 T dP

besitzt, wobei Sei

= ( r)/ (Marktpreis des Risikos). 1 (P ), dann gilt auch X L1 (P ), also existiert das L Mt = EP (erT X | Ft ),

P -Martingal

t [0, T ] P

Unter Verwendung des Martingal-Darstellungssatzes 5.7 folgt, dass es einen adaptierten vorhersagbaren Prozess

H = (Ht )t[0,T ]

gibt, so dass unter

Mt = M0 +
0
Da fr die

Hs d W s

f.s.

P -Dynamik

von

S d St = St d W t

gilt, folgt

Mt = M0 +
0
wobei

1 (s) dSs Ht St

f.s.

1 (t) :=
Mit

0 (t) := Mt 1 (t)St = Mt
wird

Ht

((t))t[0,T ] = (0 (t), 1 (t))t[0,T ] ,

zu einer seibstnanziererenden (vorhersagbaren

lokalbeschrnkten) Handelsstrategie, welche Also:

erT X

repliziert.

ist erreichbar

Da

beliebig aus

L1 (P ),

ist der klassische BS-Markt vollstndig.

Damit ist zwar die Existenz einer selbstnanzierenden replizierenden Handelsstrategie gesichert, ihre explizite Konstruktion aber noch oen! Unter Verwendung des Martingaldarstellungssatzes konnten wir zeigen, dass ein vorhersagbarer Prozess

existiert, so dass

EP (erT X | Ft ) = V0 +
0

1 (s) Ss dWs

f.s.

(t [0, T ])

65

Wre das Integral auf der rechten Seite ein gewhnliches Riemann-Integral, knnte durch Dierentation dieser Integralgleichung nach

bestimmt werden:

1 (t) =

1 d rT e EP (X | Ft ) St dt Dt
kann gezeigt werden, dass

Unter Verwendung der Malliavin-Ableitungsoperators

1 (t) =

1 rT e EP (Dt X | Ft ) St

5.4 Zur Black-Scholes-Formel mittels einer No-Arbitrage-Bewertung

Wir betrachten wieder das Marktmodell

M:

WR

(, F, P ) B

mit Filtration

(wie oben)

Bond

mit Preisprozess

Bt = B0 exp(rt),
mit stetigem Zinssatz

t [0, T ] B0 = 1.
und Volatilitt

r>0

und Startkapital

Aktie

mit Aktienpreisprozess einer geometrische BB mit Trend

d.h.

1 St = S0 exp Wt + ( 2 )t , 2
und ein Portfolio und

t [0, T ] t t
Einheiten der Aktie

(, ) = (t , t )t[0,T ] , t:

welches zum Zeitpunkt

Einheiten im Bond beinhaltet

Wert des Portfolios zum Zeitpunkt

V (t, St ) := Vt = t Bt + t St
Im Folgenden betrachten wir der Einfachheit halber nur Derivate der Form (die europische Call-Option ist von diesem Typ).

X = h(ST )

Satz 5.8. Sei V : [0, T ] R+ R

eine stetige Funktion, welche die PDG

1 Vt (t, s) + 2 s2 Vss (t, s) + rsVs (t, s) = rV (t, s), 2

lst. Dann ist die Handelsstrategie

(t, s) [0, T ) R+

(, ) mit (t, St ) = t = Vs (t, St ) und Wertprozess V (t, St ) [0, T ]) selbstnanzierend. Erfllt V die Randbedingung V (T, ST ) = h(ST ), ist (, ) eine das Derivat X replizierende Handelsstrategie. Der faire Wert des Derivats X ist V (t, St ) (t [0, T ]). + Payo der europischen Call-Option: h(ST ) = (ST K)
(t
Bestimmung der dazugehrigen Lsung der PDG in Satz 5.8:

Lemma 5.3. Seien (t) = 2 (T t)

Dann lst

z(t, s) = log s ( 1 2 r)(T t). 2 Die Funktion u(t, z) : [0, T ] R R lse die Wrmeleitungsgleichung ut = z + Anfangsbedingung u(0, z) = (e K) .
und

1 2 uzz mit

C(t, s) := er(T t) u( (t), z(t, s))

66

das Randwertproblem fr den Preis des europischen Calls. zeitende durch

Satz 5.9. Der arbitragefreie Preis des europischen Calls mit Ausbungspreis K
T
im Black-Scholes-Modell mit Volatilitt

und Lauf-

und stetiger Zinsrate

ist gegeben

t[0,T ]
mit

C(t) = St (d1 ) er(T t) K(d2 ) d2 = d1 T t

d1 =

1 log St /K + (r + 2 2 )(T t) T t

und

Das dazugehrige Hedge-Portfolio besteht aus

t =

s C(t)

= (d1 ) (0, 1)

Einheiten der Aktie und Einheiten des Bonds

t = (C(t) (d1 )St )/ert = ert K(d2 ) < 0

5.5 Die Feynman-Kac-Formel

Die Feynman-Kac-Formel stellt die Lsung einer partiellen Dierentialgleichung in Form einer bedingten Erwartung dar.

Satz 5.10 (Feynman-Kac-Formel) Seien : R R und : R (0, ) zwei Lipschitzstetige Funktionen,

die Lsung der PDG

1 Ft + (x)Fx + 2 (x)Fxx = 0 2
mit Randbedingung

F (T, x) = h(x),

wobei

2 h C0 .

Dann besitzt

die Darstellung

F (t, x) = E(h(XT )|Xt = x),

wobei

die stochastische Dierentialgleichung

dXu = (Xu )du + (Xu )dWu

mit Anfangsbedingung
Wir betrachten einen

(t u T ) P ).

Xt = x Bond B

lst (W Standard-BB bzgl.

und eine Aktie

S,

die sich gem

dBt = rBt dt dSt = St dt + St dWt

entwickeln. Unter dem risikoneutralen Ma

gengt der Aktienpreisprozess der SDG

dSt = rSt dt + St dWt

wobei Mit

W bzgl. P eine Standard-BB. (s) = rs und (s) = s hat diese X

ein Derivat der Form

SDG die Form der SDG in der Feynman-Kac-

Formel. Sei jetzt

X = h(ST ).

Ferner lse

F : [t, T ] R R

die PDG

1 Fs + (s)Fs + 2 (s)Fss = 0 2

67

mit Randbedingung

F (T, s) = erT h(s). X (t) = ert E (erT X|Ft ) = ert F (t, St )

Mit der Formel fr die risikoneutrale Bewertung von Derivaten folgt

Unter Verwendung der Tatsache, dass durch wird, zeigen wir, dass durch

Mt := F (t, St )

ein

P -Martingal

deniert

0 (t) := F (t, St ) Fs (t, St )St 1 (t) := Fs (t, St )Bt

ein das Derivat

replizierendes Portfolio

= (0 , 1 )

gegeben ist.

5.6 Risikokennziern im Black-Scholes-Modell

Hedgeratio oder Delta:

:=
Interpretation des Wertes

C = . . . = (d1 ) (0, 1) s t
Ein-

Ct

eines europischen Calls als Portfolios bestehend aus

heiten der zugrundeliegenden Aktie und

Einheiten des Bonds (short!)

Ct = (d1 ) St + (Ker(T t) (d2 )) 1

Hedgeratio Kassa-Hedge

=:t (0,1)

=:t (,0)

(t , t )

Portfolio zur Duplizierung des europischen Calls

Gamma-Faktor:

:=

1 2C = ... = (d1 ) S 2 St T t
>0

monoton wachsend in S

mit steigendem Aktienkurs wchst die Hedgeratio

Theta-Faktor

:= =

C = . . . = Ke(T t) (d2 ) + r(d2 ) < 0 t 2 T t t)

Wert des europischen Calls ist wachsend in der Restlaufzeit (T

Rho-Faktor

:= =

C = . . . = (T t)Ker(T t) (d2 ) > 0 r

Wert des Calls steigt mit wachsendem Zins

Omega- oder auch Vega-Faktor

:= =

C = . . . = T t St (d1 ) > 0

Wert des europischen Calls steigt mit wachsender Volatilitt

68

5.7 Hedging-Strategien
Beispiel: Europischer Call Aktueller ZP Laufzeit T

6 Wochen 26 Wochen Restlaufzeit = T t 20 Wochen = 0.3846 Stetiger Jahreszins r 5% p.a. Jahresvolatilitt 20% aktueller Aktienkurs St 98 e Ausbungspreis K 100 e 5 Bank verkauft europischen Call auf 10 Aktien
Wert nach Black-Scholes

fr

()

Risikoprmie 1. Ungedeckte Position (naked position): Nichts tun Falls

6.0 105 e 4.8 105 e 1.2 105 e

Wir betrachten im Folgenden verschiedene Risikomanagementstrategien

ST = 120 e

entstehen fr die Bank Kosten in Hhe von

105 (ST K)+ = 2 106 e

20 Euro
Falls

6 105 e

ST 100 e

betrgt der Gewinn der Bank

6 105 e
2. Gedeckte Position (covered position) Nach Verkauf der Option zum Zeitpunkt

t kauft die Bank sofort 105 T

Aktien zum Preis von

105

Falls

98 e = 9.8 ST > K , Lieferung

106 e

der Aktien zum Zeitpunkt

zum Preis von

105 100 e = 107 e

Dieser Betrag wird abgezinst auf den Zeitpunkt

und betrgt dann

9.8 106
Der Gewinn der Bank betrgt in diesem Fall also

6 105 e
Falls

ST K ,

z.B.

ST = 80 e,

entsteht ein Kursverlust in Hhe von

105 18 e = 106 1.8 e

Nach Black-Scholes entstehen im Mittel Kosten von 3. Stop-Loss-Strategie

6 105 e 4.8 105 e

Ergo: Die beiden Strategien 1 und 2 sind unbefriedigend!

St > K Verkauf der Aktien sobald St < K = Kosten entstehen nur, falls S0 > K = Kosten fr Stop-Loss-Hedgen:
Kauf der Aktien sobald max(S0

K, 0)

<C(S0 ,T )!
Arbitrage-Mglichkeit?

69

Transaktionskosten nicht bercksichtigt Zinsverluste durch Kapitalbindung Verluste durch Einkaufspreis

K +

und Verkaufspreis

fr ein

>0

4. Delta-Hedgen Mache Wert des Portfolios unempndlich gegen kleine Schwankungen der zugrundeliegenden Aktie innerhalb kleiner Zeitintervalle Kaufe

t: C S
Anteile an Aktie

C S

Delta-/Hedgeratio

Beispiel: Bank verkaufe europischen Call auf Ferner sei

2000

Aktien zum Preis von Aktien

C = 10 e/Aktie

= 0.4 2000 = 800 1 e =

Wert des Portfolios steigt um

Zum Hedgen kauft die Bank Aktie steigt um

= =

800 e 1 Aktie: C = S = 0.4 e Wertsteigerung aller Calls 0.4 e 2000 = 800 e ( = Also nimmt die Bank eine sog. -neutrale Position ein.
Wertsteigerung des Calls auf

Verlust fr die Bank)

5. Dynamisches Hedgen Umstrukturierung des Portfolios gem der die Option duzplizierenden Handelsstrategie Probleme:

Transaktionskosten Dierenz zwischen Kauf- und Verkaufspreis der Aktien

6. Verfeinerung des Delta-Hedgens

C = (S + S, t + t) C(S, t) C 1 2C C t + = S + S 2 +0(t) S t 2 S 2
t
Also

Zeitverfall

1 C S + t + S 2 2 Liegt beim Verkufer der Call-Option ein bereits -neutrales Portfolio vor, so kann dieses durch Kauf oder Verkauf von Derivaten auch -neutral gemacht werden (Aktien oder Terminkontrakte sind dazu nicht geeignet, da diese ein konstantes besitzen, also = 0).

5.8 Schtzung der Volatilitt

aus historischen Daten Probleme:

 log-Returns sind nicht unabhngig  Volatilitt zeitlich nicht konstant

70

mittels impliziter (implizierter) Volatilitt Beobachtung: implizite Volatilitt hngt vom Strike ab (bei demselben Underlying).

und der Restlaufzeit

= T t

Die Wahrscheinlichkeit von Brsencrashs wie 1987 ist bei Annahme des BS-Modells praktisch gleich Null

linke Tails (Flanken) der rechtsschiefen Lognormalverteilung zu dnn

Die tatschlich hher liegende Wahrscheinlichkeit eines Crashs wird durch eine Erhhung der angenommenen Volatility in der Bewertung von Optionen mit niedrigem Strike Markt vorgenommen

vom

71

6 Spezielle Derivate
Beispiele fr spezielle Derivate:

Aktien-, Devisen-, Rohsto- und Energiederivate Zinsderivate Kreditderivate Realoptionen

6.1 Kreditderivate
Das Risiko, dass eine Einzelperson, eine Firma oder ein Staat einen Kredit nicht wie vereinbart zurckzahlt, wird als Kreditrisiko bezeichnet. Kreditderivate dienen zur Absicherung dieses Risikos.

Ausfallwahrscheinlichkeit (probability of default,

P D):

Wahrscheinlichkeit, dass ein

Kredit oder eine Anleihe nicht wie vereinbart zurckgezahlt wird Verlustquote (loss given default,

LGD): prozentualer Verlust gemessen am gesamten

Kreditvolumen, den ein Kreditgeber verliert, wenn der Schuldner ausfllt. Erlsquote (recovery rate,

RR): 1 LGD

Nominal (N ): Nominalbetrag, z.B. die Kreditsumme oder eine frei vereinbarte Gre

6.2 Credit Default Swaps

Das am hugsten gehandelte Kreditderivat ist der Credit Default Swap (CDS).

Denition. Ein Credit Default Swap ist ein Vertrag zwischen zwei Parteien A und B , dass
A
an

eine Zahlung in Hhe von Verlustquote

Nominalbetrag

(= LGD N ) innerhalb eines Zeitraumes [0, T ] A regelmig einen festen Betrag s

bezahlt, falls bei Partei C zu einem zuflligen Zeitpunkt ein Kreditereignis auftritt. Im Gegenzug zahlt (Prmie).

an

A: B: C: :

Sicherungsverkufer (protection seller), z.B. Versicherung Sicherungskufer (protection buyer), z.B. Bank, Spekulant Referenzaddresse (reference entity), z.B. Firma oder Staat zuflliger Zeitpunkt des Kreditereignisses (credit event), z.B. Verzug oder Ausfall

der Zins- oder Tilgungszahlungen, Insolvenz

Laufzeitende des CDS vorgegebene Zeitpunkte

0 = t0 < t1 < . . . < tn = T

Die Prmienzahlung

bei einem CDS wird in der Regel in Basispunkten angegeben (Viel-

fache von hundertstel Prozent, bezogen auf den vereinbarten Nominalbetrag

N)

und dann

72

ber die Laufzeit des CDS bis zum (zuflligen) Ausfallzeitpunkt ginnend mit

regelmig gezahlt (be-

t1 ).

bezieht sich dabei auf die gewhlte Zeiteinheit (typischerweise 1 Jahr). Bei einer viertel-

jhrlichen Zahlweise muss Tritt das Kreditereignis

also

N s/4

Geldeinheiten an

leisten.

zwischen zwei Zeitpunkten auf, so bezahlt der Sicherungskufer

B s

noch die anteilige Prmie (accrued premium) wird auch CDS-Spread genannt.

ti1 ti ti1 s an den Sicherungsverkufer

A.

Der oben denierte CDS ist ein single name CDS, da er sich nur auf eine Referenzadresse sttzt. Es gibt auch multi name CDS, die auf einem Pool von Referenzadressen basieren, z.B. die Collateralized Debt Obligation (CDO) oder die Index-CDS. hnlich einem Zinsswap, bei dem feste Zinszahlungen mit variablen Zinszahlungen getauscht werden, weist ein CDS zwei Zahlungsstrme auf:

den Premium Leg, der bis zum Kreditereignis

feste Zahlungen garantiert, und

den Protection Leg, der, falls das Kreditereignis garantiert.

zum Verfallsdatum

eingetreten

ist, eine Zahlung in einer von der zufallsabhngigen Verlustquote abgeleiteten Hhe

Zur Bewertung eines CDS gehen wir davon aus, dass der Werteprozess

der Referenz-

adresse C (z.B. Unternehmenswert) bekannt ist und diese Werte wie eine Aktie handelbar sind. Man knnte z.B. im einfachsten Fall davon ausgehen, dass dieser Werteprozess einer geometrischen Brownschen Bewegung folgt. Weiter gehen wir davon aus, dass ein Tagesgeldkonto mit mglicherweise zeitabhngiger stochastischer Zinsrate Markt arbitragefrei und vollstndig ist. Desweiteren nehmen wir an, dass die zugrundeliegende Filtration die von der zuflligen Zeit

verfgbar ist. Unter

geeigneten Voraussetzungen an diesen Werteprozess kann angenommen werden, dass dieser

erzeugte

-Algebra

enthlt.

Unter gewissen Voraussetzungen kann dann angenommen werden, dass ein zum zugrundeliegenden Wahrscheinlichkeitsma

quivalentes W-Ma

existiert, unter dem der

abgezinste Werteprozess der Referenzadresse C ein Martingal ist. Fr den nchsten Satz verwenden wir:

i := ti ti1 (ti1 , u) := u ti1

und

S(t, u) := P ( > u | Ft )
die bedingte Wahrscheinlichkeit ist, dass bis geben die bis zum Zeitpunkt

kein Kreditereignis stattgefunden hat, ge-

verfgbare Information.

73

6.3 Bewertung des CDS

Satz 6.1. Der zum Zeitpunkt t [0, T ] gltige Wert eines CDS mit Nominal N , bekannter
Recovery Rate

RR,

CDS-Spread

mit zuflligem Ausfallzeitpunkt

s und Flligkeit in T , > t bezieht, lautet aus

der sich auf eine Referenzadresse Sicht des Sicherungsnehmers

VCDS (t) = VProtection (t) VPremium (t),

wobei

t [0, T ]

VProtection (t) = N (1 RR)

n

exp
0 ti t

rv dv (dS(t, u))

VPremium (t) = N s
i=1

i exp
t n

rv dv S(t, ti )
u

+ Ns
i=1
Lst man Laufzeit

(ti1 , u) exp
t

rv dv (dS(t, u))

VCDS (t) = 0 fr einen festen [t, T ] fairen CDS-Spread sfair .

Zeitpunkt

nach

auf, erhlt man den fr die

Die obigen Integrale werden in der Praxis mittels numerischer Integration approximiert. Im Intensittsmodell wird der zufllige Ausfallzeitpunkt variable

als exponentialverteilte Zufalls-

S(0, t) = P ( > t) = exp

0

h(s) ds h (Intensittsfunktion,

mit einer integrierbaren nichtnegativen deterministischen Funktion Hazardrate) modelliert. In der Praxis wird zur Bestimmung der Hazardrate Zinsraten kann daraus Im Fall

h angenommen, dass h zwischen den am

Markt notierten Spreads stckweise konstant ist. Unter Verwendung der laufzeitabhngigen

geschtzt werden (Bootstrapping).

h(s) = > 0

gilt

S(0, t) = et
Nimmt man eine konstante laufzeitunabhngige stetige Zinsrate funktion an, so ergibt sich die als credit triangle bezeichnete Formel:

r, eine konstante Hazardh(s) = , eine feste Erlsquote RR und eine zeitstetige Prmienzahlung (i 0) sfair 1 RR

74

7 Literatur
Zur Einstimmung:

Adelmeyer M, Warmuth E. Finanzmathematik fr Einsteiger  Eine Einfhrung fr Studierende, Schler und Lehrer. 2. Au., Vieweg 2004.

Lehrbcher, Monographien und Originalarbeiten zur Finanzmathematik (insbesondere zur Bewertung von Derivaten)

Bingham NH, Kiesel R. Risk-Neutral Valuation  Pricing and Hedging of Financial Derivatives. 2nd ed. Springer 2004. Delbaen F, Schachermayer W. The Mathematics of Arbitrage. Springer 2006. Di Nunno G, ksendal B, Proske F. Malliavin Calculus for Lvy Processes with Applications to Finance. Springer 2009. Elliot RJ, Kopp PE. Mathematics of Financial Markets. 2nd ed. Springer 2005. Franke J, Hrdle W, Hafner C. Einfhrung in die Statistik der Finanzmrkte. Springer 2001. Hausmann W, Diener K, Ksler J. Derivate, Arbitrage und Portfolio-Selection  Stochastische Finanzmarktmodelle und ihre Anwendungen. Vieweg 2002. Harrison JM, Pliska SR. Martingales and Stochastic Integrals in the Theory of Continuous Trading. Stochastic Processes and their Applications 11, 1981, pp 215226. Hull JC. Optionen, Futures und andere Derivative. 7th ed. Pearson Studium 2009. Hull JC. Fundamentals of Futures and Options Markets. 4th ed. Prentice Hall 2001. Hunt PJ, Kennedy JE. Financial Derivatives in Theory and Practice. Rev. ed. Wiley 2005. Irle A. Finanzmathematik: die Bewertung von Derivaten. 2. Au., Vieweg+Teubner 2003. Jeanblanc M, Yor M, Chesney M. Mathematical Methods for Financial Markets. Springer 2009. Korn R, Korn E. Optionsbewertung und Portfolio-Optimierung. Vieweg 1999. Lamberton D, Lapeyre B. Stochastic Calculus Applied to Finance. Chapman and Hall 1996 Musiela M, Rutkowski M. Martingale Methods in Financial Modelling: Theory and Applications, Springer 1997. Reitz S. Mathematik in der modernen Finanzwelt: Derivate, Portfoliomodelle und Ratingverfahren. Vieweg+Teubner 2010. Sandmann K. Einfhrung in die Stochastik der Finanzmrkte. Springer 1999. Shiryaev AN. Essentials of Stochastic Finance. World Scientic 2000.

75

Shreve SE. Stochastic Calculus for Finance I  The Binomial Asset Pricing Model. Springer 2004. Shreve SE. Stochastic Calculus for Finance II  Continuous-Time Models. Springer 2004. Sondermann D. Introduction to Stochastic Calculus for Finance  A New Didactic Approach. Springer 2006. Wilmott, P. Howison S, Dewynne, J. The Mathematics of Financial Derivatives: A Student Introduction. Cambridge 1997. Wilmott P, Dewynne J, Howison S. Option Pricing: Mathematical Models and Computation. Oxford Financial Press 1997.

Eine gut lesbare Einfhrung in die Theorie der Stochastischen Prozesse

Brzezniak Z, Zastawniak T. Basic Stochastic Processes. Springer 1999.

Lehrbcher und Monographien zu Stochastischen Dierenzialgleichungen und zur Stochastischen Analysis auf mittlerem Niveau

Arnold L. Stochastische Dierentialgleichungen. Oldenbourg 1973. Durrett R. Stochastic Calculus  A Practical Introduction. CRC Press 1996. Gard, TC. Introduction to Stochastic Dierential Equations. Marcel Dekker 1988. Klebaner FC. Introduction to Stochastic Calculus with Applications. 2nd ed. Imperial College Press 2005. ksendal B. Stochastic Dierential Equations: An Introduction with Applications. 6th ed. Springer 2005.

Anspruchsvolle Theorie zur Stochastischen Analysis

Karatzas I, Shreve SE. Brownian Motion and Stochastic Calculus. Springer 1999. Malliavin P. Stochastic Analysis. Springer 1997. Protter P. Stochastic Integration and Dierential Equations: A New Approach. 2nd ed. Springer 2004. Revuz D, Yor M. Continuous Martingales and Brownian Motion, Springer 1999. Rogers LCG, Williams D. Diusions, Markov Processes and Martingales. Vol 1 and 2. 2nd edition. Cambridge Mathematical Library 2000

76