Professional Documents
Culture Documents
nanciare
de
Eduard-Paul Rotenstein
Iasi, 2014
There are many paths, but only one journey.
Naomi Judd
Cuprins
Introducere 1
1 Introducere 1
2 Probabilitat i si procese stochastice 2
2.1 Variabile aleatoare; caracteristici numerice si funct ionale . . . . . . . . . . . . . 2
2.2 Media condit ionata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Procese stochastice; martingale . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Miscarea Browniana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5 Integrala stochastica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6 Ecuat ii diferent iale stochastice si formula lui Ito . . . . . . . . . . . . . . . . . 20
2.6.1 Miscarea Browniana geometrica . . . . . . . . . . . . . . . . . . . . . . . 21
2.6.2 Formula lui Ito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3 Scurta descriere a piet elor nanciare 26
4 Opt iuni de vanzare si cumparare n piet e nanciare la vedere (spot) 31
4.1 Macheta de piat a nanciara . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Masuri martingale n piet ele spot . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Absent a arbitrajului n piat a nanciara . . . . . . . . . . . . . . . . . . . . . . 34
4.4 Macheta de piat a pentru opt iuni americane . . . . . . . . . . . . . . . . . . . . 37
4.5 Inegalitat i generale n absent a arbitrajului . . . . . . . . . . . . . . . . . 39
5 Modelul binomial Cox-Ross-Rubinstein (CRR) 43
5.1 Construct ia modelului . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Evaluarea pret ului opt iunilor europene . . . . . . . . . . . . . . . . . . . . . . . 45
5.3 Proprietatea martingala a modelului CRR . . . . . . . . . . . . . . . . . . . . . 47
5.4 Opt iuni americane n modelul CRR . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.4.1 Timpi de oprire; nfasuratoarea Snell a proceselor stochastice . . . . . . 50
5.4.2 Modelul nanciar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
ii
6 Modelul Black-Scholes 54
6.1 Comportamentul asimptotic al modelului Cox-Ross-Rubinstein . . . . . . . . . 54
6.2 Modelul continuu Black-Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.3 Strategii de schimb autonant ante; masuri martingale pentru o piat a spot . . . 58
6.4 Formula Black-Scholes de evaluare a pret ului n timp continuu . . . . . . . . . 60
6.5 EDP Black Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.6 Indici de senzitivitate ai modelului Black-Scholes . . . . . . . . . . . . . . . . . 67
7 Piet e de instrumente nanciare cu venit x 73
7.1 Obligat iuni nanciare cu venit x, nepurtatoare de dividende. Modelul matematic 73
7.2 Determinarea pret ului obligat iunilor si masuri martingale . . . . . . . . . . . . 77
7.2.1 Modele de dobanzi pe termen scurt (short-term rate models) . . . . . . 78
7.2.2 Clasa modelelor Heath-Jarrow-Morton . . . . . . . . . . . . . . . . . . . 80
7.2.3 Masuri martingale forward de risc neutru . . . . . . . . . . . . . . . . . 82
7.3 Determinarea pret ului si acoperirea la risc pentru derivate nanciare cu active
suport obligat iuni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
7.3.1 Contracte Swaps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8 Analiza riscului n piet ele nanciare 87
8.1 Procese Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
8.2 Descrierea intuitiva a riscului si a not iunilor auxiliare . . . . . . . . . . . . . . 88
8.3 Procesul numarului solicitarilor de despagubire Modelarea matematica . . . . 89
8.4 Intervalul ntre aparit ii ale solicitarilor de despagubire . . . . . . . . . . . . . . 93
8.5 Procesul omogen al numarului de solicitari de despagubire; timpul operat ional . 96
Bibliograe 99
Capitolul 1
Probabilitat i si procese stochastice
Pentru nt elegerea not iunilor si a rezultatelor cuprinse n cadrul acestui capitol este necesara
parcurgerea n prealabil a unui curs introductiv de Teoria probabilitat ilor. Cu toate acestea
voi rezuma informat iile prezentate n aceasta parte doar la strictul necesar dezvoltarii teoriilor
si a modelelor ulterioare.
1.1 Variabile aleatoare; caracteristici numerice si funct ionale
Fie un spat iu arbitrar, ale carui elemente le vom nota cu . O submult ime a lui o vom numi
n cele ce urmeaza eveniment. Ment ionam ca, n cele mai multe cazuri, structura lui nu este
importanta. Totusi, n situat ia n care se doreste construirea unei variabile aleatoare avand o
lege data, este importanta cunosterea structurii spat iului al evenimentelor elementare.
Denit ia 1.1. O -algebra F pe (sau -corp) este o familie de part i ale lui , ce
cont ine mult imea vida, este stabil a prin trecerea la complementara, la reuniuni numarabile
si la intersect ii num arabile. Mai precis, F P() este o -algebra pe daca
F;
A F A
c
F;
{A
i
}
i=1,2,..
F
_
i=1
A
i
F.
Un spat iu masurabil este un spat iu nzestrat cu o -algebra.
Denit ia 1.2. Cea mai mica -algebra ce cont ine o familie de mult imi este intersect ia tuturor
-algebrelor ce cont in aceasta familie. -algebra generata de o familie de mult imi A este cea
mai mica -algebra ce cont ine aceasta familie si o vom nota cu (A). Ea concide cu intersect ia
tuturor -algebrelor ce cont in mul t imea A:
(A) :=
:ag.,A
.
Exemplul 1.1. Un exemplu important de -algebra generata de o familie de mult imi este
-algebra Borel pe R, notata B
R
:
B
R
:= ({A R | A este mult ime deschisa n R}).
Ea este cea mai mica -algebra ce cont ine toate intervalele deschise (sau nchise, sau deschise
la dreapta si nchise la stanga).
1
Capitolul 1. Probabilitat i si procese stochastice 2
Un concept fundamental necesar introducerii not iunii de variabila aleatoare este acela de
funct ie masurabila, dupa cum vedem n cele ce urmeaza.
Denit ia 1.3. Fie (, F) si (E, E) doua spat ii masurabile. O aplicat ie f : E spunem
ca este (F, E)-masurabil a daca f
1
(A) F, A E, unde
f
1
(A) := { : f () A} .
O funct ie f : R R spunem ca este boreliana daca ea este (B
R
, B
R
)-masurabila. Aceasta
proprietatea este sucient sa e vericata pentru intervalele mult imii R.
Denit ia 1.4. O variabila aleatoare este o funct ie X : (, F) (R, B
R
) masurabila.
Vom prezenta n continuare trei repartit ii importante (doua de tip discret si una de tip
absolut continuu), repartit ii ce vor utilizate frecvent pe parcursul acestei lucrari.
1. Repartit ia Bernoulli. Spunem ca o variabila aleatoare X : (, F) {0, 1} este o v.a.
repartizata Bernoulli (sau binara) de parametru p (0, 1) (vom scrie X B(p)) daca P({X =
0}) = p si P({X = 1}) = q = 1 p. Funct ia de repartit ie a v.a. X este F
X
: R [0, 1],
F
X
(x) =
_
_
_
0, x 0,
p, 0 < x 1,
1, x > 1,
iar EX = p si D
2
(X) = pq.
2. Repartit ia binomiala. Fie n N si p (0, 1). Spunem ca o variabila aleatoare X : (, F)
{0, 1, ..., n} este o v.a. repartizata binomial de parametrii n si p (vom scrie X B(n, p)) daca
tabloul sau de repartit ie este
X :
_
k
C
k
n
p
k
(1 p)
nk
_
k=0,n1
.
Funct ia de repartit ie a v.a. X este F
X
: R [0, 1],
F
X
(x) =
_
_
_
0, x 0,
p
0
+... +p
k
, k < x k + 1, k = 0, n 1
1, x > n,
unde p
k
= P({X = k}) = C
k
n
p
k
(1 p)
nk
, iar EX = np si D
2
(X) = np(1 p). Ment ionam ca
o variabila aleatoare repartizata binomial de parametrii n si p poate scrisa ca o suma de n
variabile aleatoare independente, identic repartizate Bernoulli de parametru p.
3. Repartit ia normal a. Spunem ca o variabila aleatoare X : (, F) R este repartizata
normal (sau Gaussian) de parametrii m si
2
(vom scrie X N(m,
2
)) daca densitatea sa de
repartit ie este data de f : R R
+
,
f(x) :=
1
2
e
(x m)
2
2
2
.
Media sa este EX = m, iar dispersia D
2
(X) =
2
. Daca m = 0 si = 1, atunci despre v.a.
X N(0, 1) spunem ca este repartizata normal standard.
In modelarea matematica a activelor nanciare, informat iile din piat a la un moment dat
sunt interpretate drept submult imi, cu caracteristici speciale, ale lui P (). Aceste submult imi
sunt generate de istoricul piet ei nanciare considerate.
Capitolul 1. Probabilitat i si procese stochastice 3
Denit ia 1.5. -algebra generat a de o variabila aleatoare X denita pe (, F) este mult imea
de part i ale lui , de tipul X
1
(A), unde A B
R
. Vom nota aceasta -algebra cu (X). Ea
este si cea mai mica -algebra pe n raport cu care variabila aleatoare X este masurabila.
Observat ia 1.6. O variabila aleatoare reala X este G masurabila daca (X) G.
Denit ia 1.7. -algebra generata de o familie de variabile aleatoare (X
t
)
t[0,T]
denite pe
acelasi spat iu masurabil este cea mai mica -algebra ce cont ine mult imea
_
X
1
t
(A)
_
t,A
, pentru
orice t [0, T] si A B
R
. Vom nota aceasta -algebra cu (X
t
, t [0, T]).
Denit ia 1.8. O probabilitate (sau masura de probabilitate) pe spat iul masurabil (, F) este
o funct ie P : F [0, 1] cu proprietat ile:
a) P() = 1,
b) P
_
n=0
A
n
_
=
n
i=1
P(A
n
), unde mult imile A
n
F sunt disjuncte doua cate doua.
Vom spune ca o proprietate este adevarata aproape sigur (a.s.) daca ea este adevarata n
afara unei mult imi neglijabile (adica mult ime de masura nula). Vom spune de asemenea ca pro-
prietatea este adevarata pentru aproape tot i . Un spat iu (c amp) de probabilitate (, F, P) este
complet daca el cont ine toate mult imile G cu proprietatea ca inf {P(F) : F F, G F}} = 0.
Denit ia 1.9. Doua masuri de probabilitate P
1
si P
2
, denite pe acelasi spat iu masurabil
(, F), spunem ca sunt echivalente daca au aceleasi mult imi neglijabile, adica
P
1
(A) = 0 P
2
(A) = 0.
O proprietate adevarata P
1
-a.s. este deci adevarata P
2
-a.s.
Vom reaminti n cele ce urmeaza denit iile catorva dintre principalele caracteristici nu-
merice si funct ionale ale unei variabile aleatoare. Fie X o variabila aleatoare reala, denita pe
un camp de probabilitate (, F, P) .
Denit ia 1.10. Funct ia de repartit ie a variabilei aleatoare X este funct ia crescatoare data
de F = F
X
: R [0, 1] , F (x) = P(X x).
Putem scrie ca P(X A) =
_
A
f (x) dx (n ipoteza ca aceasta integrala exista; cu f am
notat densitatea de repartit ie a variabilei aleatoare absolut continue X). Daca doua variabile
Capitolul 1. Probabilitat i si procese stochastice 4
aleatoare au aceeasi lege (sau aceeasi funct ie de repartit ie sau aceeasi densitate) spunem ca
ele sunt egale n lege. Remarcam ca daca X, Y sunt doua variabile aleatoare astfel ncat
P(X a) = P(Y a), a R, atunci X si Y au aceeasi lege de repartit ie si notam X
L
= Y .
Trebuie subliniat faptul ca, daca doua variabile aleatoare au aceeasi lege de repartit ie, aceasta
nu nseamna ca cele doua variabile aleatoare sunt egale!
Denit ia 1.11. Media v.a. X este denita prin
_
ZdP
2
=
_
Z
dP
2
dP
1
dP
1
=
_
ZY dP
1
= E
P
1
(ZY ) .
Daca variabila aleatoare Y este doar pozitiva (nu strict pozitiva), atunci P
1
(A) = 0
P
2
(A) = 0 si spunem ca masura de probabilitate P
2
este absolut continua n raport cu P
1
(nu
mai are loc deci echivalent a celor doua masuri de probabilitate).
Denit ia 1.13. Funct ia caracteristica a v.a. X este transformata Fourier a legii lui X, adica
funct ia : R C, (t) = E
_
e
itx
_
=
_
R
e
itx
P
X
(dx). Funct ia caracteristica a unei variabile
aleatoare caracterizeaza legea lui X n sensul ca daca stim aceasta funct ie, atunci putem
determina legea variabilei aleatoare.
1.2 Media condit ionata
Fie A, B doua evenimente (submult imi ale lui , mai precis, A, B F P()). Probabilitatea
evenimentului A condit ionat de B este P(A|B) =
P(A B)
P(B)
, pentru P(B) = 0. Aplicat ia
(funct ia)
P(|B) : (, F) [0, 1]
denita n modul anterior este o probabilitate pe (, F).
Intr-adevar,
P(|B) =
P( B)
P(B)
=
P(B)
P(B)
= 1
Capitolul 1. Probabilitat i si procese stochastice 5
si, pentru o familie numarabila de evenimente {A
n
}
nN
F, disjuncte doua cate doua, avem
P
_
nN
A
n
|B
_
=
P
_
B
_
nN
A
n
__
P(B)
=
P
_
nN
(B A
n
)
_
P(B)
=
(BA
i
)(BA
j
)=
nN
P(B A
n
)
P(B)
=
nN
P(B A
n
)
P(B)
=
nN
P(A
n
|B).
Putem astfel deni media unei variabile aleatoaren raport cu aceasta lege de probabilitate.
Consideram cazul unei variabile discrete X, cu valori n mult imea {x
1
, ..., x
n
}. Fie evenimentul
B F xat si denim probabilitatea Q : (, F) [0, 1], Q(A) = P(A|B). Deci, pentru
variabila aleatoare reala X, denita pe (, F), media sa n raport cu Q este
E
Q
(X) =
j=1,n
x
j
Q(X = x
j
) =
j=1,n
x
j
P((X = x
j
) B)
P(B)
.
Avem P((X = x
j
) B) =
_
B
1
{X=x
j
}
()dP() =
_
B
1
{X=x
j
}
dP, unde 1
{X=x
j
}
este funct ia
indicatoare a evenimentului (mult imii) {X = x
j
} = { | X() = x
j
}, mai precis
1
{X=x
j
}
() = 1 daca X () = x
j
si 0 n caz contrar. Obt inem, prin urmare,
E
Q
(X) =
1
P(B)
_
B
XdP,
din nou, integrala anterioara trebuind a nt eleasa n sens larg. Vom nota E(X|B) = E
Q
(X).
Fie B, -algebra generata de B F si denim variabila aleatoare E(X|B) = E(X|B) 1
B
+
E(X|B
c
) 1
B
c. Avem
_
D
E(X|B)dP =
_
D
E(X)dP, D B.
Numim E(X|B) media condit ionata a lui X n raport cu -algebra B. Aceasta este o variabila
aleatoare B masurabila.
Consideram acum doua v.a. X si Y , denite pe acelasi spat iu masurabil (, F), cu valori
n mult imile {x
1
, ..., x
n
}, respectiv {y
1
, ..., y
d
}, astfel ncat P(Y = y
i
) = 0, i = 1, d.
Denim
P(X = x
j
|Y = y
i
) =
P((X = x
j
) Y = y
i
)
P(Y = y
i
)
=: (x
j
, y
i
) .
Prin urmare, pentru toate valorile y
i
, i = 1, d, funct ia (, y
i
) deneste o (masura de) proba-
bilitate pe {x
1
, ..., x
n
}. Vom deni media condit ionata a lui X,
E(X|Y = y
i
) =
j=1,n
x
j
P(X = x
j
|Y = y
i
) =
j=1,n
x
j
(x
j
, y
i
) =
=
1
P(Y = y
i
)
_
Y =y
i
XdP.
Denim funct ia (y
i
) := E(X|Y = y
i
) si vom obt ine
i=1,d
P(Y = y
i
) E(X|Y = y
i
) =
i=1,d
P(Y = y
i
) (y
i
) = E((Y )) =
= E(E(X|Y )) = E(X) .
Prin urmare, (Y ) = E(X|Y ) reprezinta media condit ionata a variabilei aleatoare Xn raport
cu variabila aleatoare Y .
Capitolul 1. Probabilitat i si procese stochastice 6
Fie acum X o variabila aleatoare reala, integrabila, denita pe campul de probabilitate
(, F, P) si G o sub -algebra a lui F. Vom introduce n continuare not iunea, foarte impor-
tanta, de medie condit ionata a unei variabile aleatoare n raport cu o -algebra.
Denit ia 1.14. Media condit ionata E(X|G) este unica variabila aleatoare denita pe campul
de probabilitate (, F, P) astfel ncat:
a) aceasta este G masurabila;
b) are loc
_
A
E(X|G)dP =
_
A
E(X)dP, A G.
Media condit ionata E(X|G) este, de asemenea, unica variabila G-masurabila, ce satisface
E(E(X|G) Y ) = E(XY ), pentru toate variabilele aleatoare Y , G-masurabile, denite, evi-
dent, pe acelasi spat iu de probabilitate.
In plus, daca X este de patrat integrabil (adica
EX
2
< +), atunci E(X|G) este proiect ia ortogonala a lui X pe subspat iul variabilelor
aleatoare G-masurabile, de patrat integrabil.
Denit ia 1.15. Media condit ionata a variabilei aleatoare X n raport cu o variabila aleatoare
Y va notata cu E(X|Y ) si este tot o variabila aleatoare, masurabila n raport cu -algebra
generata de Y , deci este o funt ie de Y . Mai precis, exista aplicat ia : R R, boreliana,
astfel ncat E(X|Y ) = (Y ).
Propozit ia 1.16.
In ipoteza ca toate variabilele aleatoare ce apar n acest rezultat sunt inte-
grabile, urmatoarele egalitat i au loc P-a.s.:
i) (Liniaritatea) Date a
1
, a
2
doua constante.reale, avem
E(a
1
X
1
+a
2
X
2
|G) = a
1
E(X
1
|G) +a
2
E(X
2
|G) ,
unde G este o sub -algebra a lui F;
ii) (Monotonia) Fie X, Y doua v.a. astfel ncat X Y a.s.. Atunci
E(X|G) E(Y |G) ;
iii) E(E(X|G))=E(X);
iv) Daca X este o v.a. G-masurabila, atunci E(X|G)=X;
v) Daca X este o v.a. G-masurabila si Y este o v.a. oarecare (independenta de G), atunci
E(XY |G)=XE(Y |G);
vi) Daca X este o v.a. independenta de G,atunci E(X|G)=E(X);
vii) Daca G, H sunt doua sub -algebre ale lui F astfel ncat G H F, atunci
E(E(X|G) |H) = E(E(X|H) |G) = E(X|G) ;
viii) (Inegalitatea lui Jensen pentru media condit ionata) Daca f : R R este o funct ie con-
vexa pentru care f(X) este o variabila aleatoare integrabila, atunci
f(E(X|G)) E(f(X)|G).
Capitolul 1. Probabilitat i si procese stochastice 7
Demonstrat ie. i) Notand Y
i
= E(X
i
|G), i = 1, 2, rezulta ca a
1
Y
1
+ a
2
Y
2
este o variabila
aleatoare masurabila n raport cu G si, din liniaritatea mediei obt inem, pentru orice A G,
E(a
1
Y
1
+a
2
Y
2
|A) = a
1
E(Y
1
|A) +a
2
E(Y
2
|A)
= a
1
E(X
1
|A) +a
2
E(X
2
|A)
= E(a
1
X
1
+a
2
X
2
|A).
Conform denit iei avem
E(a
1
X
1
+a
2
X
2
|G) = a
1
Y
1
+a
2
Y
2
= a
1
E(X
1
|G) +a
2
E(X
2
|G) .
ii) Variabila aleatoare Y X 0 a.s. si, prin urmare, E(Y X|G) 0. De aici, folosind
liniaritatea mediei condit ionate obt inem rezultatul dorit.
iii) Din denit ia mediei condit ionate obt inem
E(E(X|G)) = E(E(X|G)|) = E(X|) = E(X).
iv) Cum v.a. X este masurabila n raport cu -algebra G si verica (trivial) egalitatea
E(X|A) = E(X|A), A G, atunci, conform denit iei mediei condit ionate rezulta E(X|G) =
X.
vi) Cum EX este o variabil a aleatoare constanta, ea este n particular G-masurabila.
Pentru A G, cum X si G sunt independente, rezulta ca X si 1
A
sunt variabile aleatoare
independente si deci obt inem
E(X|A) = E(X 1
A
) = E(X)E(1
A
) = E(X)P(A) = E(EX|A).
Conform denit iei mediei condit ionate rezulta E(X|G) = E(X).
viii) Cum f este o funct ie convexa, pentru orice x
0
R arbitrar xat exista c = c
x
0
R
astfel ncat
f(x) f(x
0
) +c(x x
0
), x R.
Inlocuind x = X() si x
0
= E(X|G)() obt inem
f(X()) f(E(X|G)()) +c
E(X|G)()
(X() E(X|G)()),
de unde, aplicand media condit ionata si folosind proprietat ile de liniaritate si monotonie ale
acesteia, obt inem
E(f(X)|G) E({f(E(X|G)) +c
E(X|G)
(X E(X|G)}|G)
= E(f(E(X|G))|G) +E({c
E(X|G)
(X E(X|G)}|G)
= f(E(X|G)) +c
E(X|G)
E({X E(X|G)}|G)
= f(E(X|G)) +c
E(X|G)
(E(X|G) E(X|G))
= f(E(X|G)) +c
E(X|G)
0
= f(E(X|G)).
: = lim
n
F
n
=
_
_
n
F
n
_
reprezinta tot ce vom sti privitor la dinamica piet ei nanciare analizate (asa numita Doomsday
-algebra).
Denit ia 1.17. O astfel de familie F: = {F
n
| n = 0, 1, 2, . . .} va numita n cele ce urmeaza
ltrare, iar un spat iu de probabilitate nzestrat cu o astfel de ltrare, (, F, P, F) se numeste
baza stochastica sau spat iu de probabilitate ltrat.
Spunem ca ltrarea F este continua la dreapta daca, oricare ar n N, avem
F
n+
:=
m>n
F
m
= F
n
.
Capitolul 1. Probabilitat i si procese stochastice 9
Spunem ca ltrarea F este completa daca, oricare ar n N, F
n
cont ine toate mult imile
P-neglijabile, adica toate mult imile N cu proprietatea ca
inf{P(N) | N F F} = 0.
(aceasta nu implica nsa faptul ca N F, adica mult imea N nu este neaparat masurabila).
Spunem ca ltrarea F verica condit iile uzuale daca ea este continua la dreapta si cont ine
toate mult imile P-neglijabile
Pentru cazul particular al unui spat iu de probabilitate nit = {
1
, . . . ,
n
} si o anumita
-algebra F pe , exista ntotdeauna o partit ie unica nita, P = {A
1
, . . . , A
l
} a lui , core-
spunzatoare lui F. Prin urmare, o ltrare F corespunde unui sir de partit ii {P
n
}
n=0,1,2,...
, din
ce n ce mai ne (n raport cu incluziunea).
La momentul init ial t = 0 agent ii stiu doar ca un anumit eveniment se va ntampla,
iar la momentul T < se stie ce eveniment particular
. Deoarece
partit iile devin din ce n ce mai ne odata cu trecerea timpului, informat iile cu privire la
evenimentul
devin mai detaliate odata cu ecare pas. Din nefericire, aceasta interpretare
facila nu mai poate oferita atunci cand spat iul evenimentelor, , devine innit. Se pare
ca not iunea de ltrare, mai degraba decat cea de partit ii este relevanta pentru situat ia mai
generala cu innit, T innit si procese aleatoare continue n timp.
In cele ce urmeaza vom introduce not iunea de proces stochastic n timp discret. Termenul
stochastic (derivat din limba greaca) este aproximativ sinonim cu aleatoriu. Vom con-
strui un cadru care poate gestiona situat ii dinamice, n care timpul evolueaza, si n care noi
informat ii se genereaza n timp.
In special, trebuie sa m capabili sa vorbim n termeni de
informat ii disponibile la momentul n (sau ceea ce stimn momentul n). Mai mult, trebuie
sa mn masura sa incrementam parametrul temporal n, crescand astfel informat iile disponi-
bile atunci cand informat ii noi apar si sa vorbim despre uxul de informat ii n timp. Ceea ce
este necesar este o construct ie matematica precisa, care pot manipulata convenabil. Acum
informat ia nu este doar un cuvant obisnuit, ci chiar devine un termen tehnic n matematica
(lucrari ample au fost dedicate teoriei informat iei).
Denit ia 1.18. Un proces stochastic X = {X
n
| n I} este o familie de variabile aleatoare,
denite pe un spat iu comun de probabilitate (, F, P), indexate dupa o mult ime de indici
temporali I, mult ime care poate {0, 1, 2, ...T} n cazul perioadei orizont nite sau {0, 1, 2, ...}
n situat ia celei innite.
In ambele situat ii este vorba despre procese stochastice n timp
discret.
In situat ia n care mult imea de indexare nu este o mult ime numarabila (este de
exemplu un interval) vorbim despre procese stochastice n timp continuu. Spunem ca procesul
stochastic X = {X
n
}
n=0
este adaptat ltrarii F = {F
n
}
n=0
daca variabila aleatoare X
n
este
F
n
-masurabila, pentru tot i n = 0, ..., , adica, oricare ar mult imea Boreliana B B
R
,
X
1
n
(B) = { | X
n
() B} F
n
,
Exemplul 1.2. Sa consideram cazul aruncarii de doua ori a unei monede, si sa notam prin
= {B, S} mult imea evenimentelor elementare ce pot avea loc la ecare aruncare (B pentru
aparit ia banului, S pentru aparit ia stemei) si consideram F = P({SS, SB, BS, BB}).
Dupa prima aruncare stim c a s-a obt inut banul sau stema, dar nu stim nimic despre rezul-
tatul celei de a doua aruncari. Cu alte cuvinte, dupa prima aruncare a banului stim daca au
avut loc sau nu urmatoarele evenimente: (evenimentul imposibil), {SS, SB} (evenimentul
Capitolul 1. Probabilitat i si procese stochastice 10
aparit iei stemei la prima aruncare), {BS, BB} (evenimentul aparit iei banului la prima arun-
care) si (evenimentul sigur). Informat ia cunoscuta dupa prima aruncare este deci cont inuta
n -algebra F
1
data de
F
1
= {, {SS, SB}, {BS, BB}, }.
Dupa a doua aruncare cunoastem rezultatul at at a primei c at si a celei de a doua aruncari si
deci aceasta informat ie este cont inuta n -algebra F
2
= F. Este evident faptul ca F
1
F
2
.
Considerand variabilele aleatoare X
n
ca reprezentand numarul de fet e stema obt inute n
primele n aruncari (n = 1, 2), avem
X
1
1
(B) =
_
_
, 0, 1 / B
{BS, BB}, 0 B, 1 / B
{SS, SB}, 0 / B, 1 B
, 0, 1 B,
F
1
pentru orice mult ime Boreliana B B
R
si deci X
1
este o v.a. masurabila n raport cu -algebra
F
1
.
Cum F
2
= P(), este evident ca variabila aleatoare X
2
este F
2
-masurabila, f ara a nsa
masurabila n raport cu F
1
(nu putem determina numarul de steme n cele doua aruncari
cunoscand numai rezultatul primei aruncari). Pentru a observa acest lucru consideram B =
{1} si avem ca
X
1
2
(B) = X
1
2
({1}) = {BS, SB} / F
1
,
ceea ce spune ca v.a. X
2
nu este m asurabila n raport cu -algebra F
1
.
Data o familie de v.a. (X
n
)
nN
, putem ntotdeauna determina o ltrare n raport cu care
familia de v.a. este adaptata, asa cum vedem n cele ce urmeaza. Denim -algebra
F
n
= ({X
0
, . . . , X
n
})
ca ind ltrarea naturala a procesului stochastic X. Astfel, un proces stochastic estentotdeauna
adaptat ltrarii sale naturale.
O clasa particulara si importanta de procese stochastice o constituie procesele martingale,
sau, pe scurt, martingalele, procese utilizate n special n modelarea jocurilor echitabile (fair
games) si a piet elor nanciare.
Denit ia 1.19. Un proces stochastic X = {X
n
}
nI
este o martingala n raport cu ({F
n
}
nI
,
P) daca:
(i) X este adaptat ltrarii {F
n
}
nI
;
(ii) E|X
n
| < , pentru orice n I;
(iii) E(X
n
|F
n1
) = X
n1
, P-a.s., pentru orice n 1.
Denit ia 1.20.
Un proces stochastic X = {X
n
}
nI
este o supramartingala daca au loc condit iile (i), (ii)
si
E(X
n
|F
n1
) X
n1
, P-a.s., pentru orice n 1.
Un proces stochastic X = {X
n
}
nI
este o submartingala daca au loc condit iile (i), (ii)
si
E(X
n
|F
n1
) X
n1
, P-a.s., pentru orice n 1.
Capitolul 1. Probabilitat i si procese stochastice 11
Ca si interpretare empirica, procesele martingale modeleaza jocurile corecte, supramartin-
galele modeleaza jocurile nefavorabile, iar submartingalele pe cele favorabile. Considerand
X
t
ca ind averea unui jucator la momentul t si F
t
informat ia disponibila despre joc pana
la acest moment de timp, putem gandi martingala ca ind modelul matematic al unui joc
echitabil, deoarece relat ia de denit ie arata ca valoarea asteptata a castigului la momentul t
din viitor, data ind informat ia despre joc pana la momentul prezent s (informat ie cont inuta
n -algebra F
s
), este egala cu valoarea X
s
a averii la momentul prezent.
In mod similar,
putem gandi submartingalele si supermartingalele ca ind jocuri ce favorizeaza, respectiv de-
favorizeaza jucatorul. Dupa cum vom vedea, martingalele (denite mai sus) nu iau valori
foarte mari sau foarte mici cu probabilitate apropiata de 1, ind constante n medie. O alta
semnicat ie a termenului martingala este legata de jocurile de noroc, si reprezinta o strate-
gie de pariere populara n Frant a secolului 18.
In aceasta strategie, jucatorul dubleaza miza
dupa ecare joc pierdut, astfel ncat la primul joc castigat sa si recupereze toate pierderile
anterioare plus un castig egal cu miza pariata init ial. Modelul matematic al acestui joc con-
stituie o martigala, n sensul denit iei de mai sus. Prezentam n continuare doua exemple de
martingale: o martingala n timp discret si una n timp continuu.
Exemplul 1.3. Consideram urmatorul joc: se arunc a n mod repetat o moneda si la ecare
aruncare jucatorul castiga 1 leu daca apare stema si pierde 1 leu n caz contrar. Notand prin
X
n
variabila aleatoare reprezentand rezultatul celei de-a n-a aruncari (consideram X
n
= +1
n cazul aparit iei stemei si X
n
= 1 n caz contrar) pentru n 1 si X
0
= 0 si denind
M
n
:=
n
i=0
X
i
, n N,
{M
n
}
nN
este o martingala n raport cu ltrarea F = {F
n
:= (X
i
| i = 0, 1, ..., n) | n N}
deoarece M
n
este o variabila aleatoare integrabila si masurabil a n raport cu F
n
oricare ar
n N, si oricare ar m, n N cu m < n avem (presupunand ca aruncarile succesive ale
monedei sunt independente):
E(M
n
|F
m
) = E(X
0
+... +X
n
|F
m
)
= X
0
+... +X
m
+E(X
m+1
+... +X
n
|F
m
)
= M
m
+E(X
m+1
+... +X
n
)
= M
m
+ 0 = M
m
deoarece variabilele aleatoare X
i
sunt F
m
-masurabile pentru i = 0, ..., m si independente de
F
m
pentru i = m+ 1, ..., n si deoarece
EX
i
= (+1) P(X
i
= 1)+(1) P(X
i
= 1) =(+1)
1
2
+ (1)
1
2
= 0,
oricare ar i N
.
Ca un exemplu de martingala n timp continuu prezentam:
Exemplul 1.4. Fie Y o variabila aleatoare integrabila pe spat iul de probabilitate (, F, P) si
{F
t
}
t0
o ltrare. Atunci M
t
:= E(Y |F
t
) este o martingala n raport cu ltrarea {F
t
}
t0
.
j=1
Y
j
este o martingala.
Exemplul 1.6. Fie Y
1
, Y
2
, ... un sir de variabile aleatoare independente, identic repartizate,
astfel ncat EY
i
= 0, EY
2
i
=
2
< , pentru ecare i si consideram {F
t
}
0t<
ltrarea sa
naturala. Atunci procesul
_
_
t
j=1
Y
j
_
_
2
2
t
este o martingala.
1.4 Miscarea Browniana
In poemul stiint ic De rerum natura (Asupra naturii lucrurilor), losoful si poetul roman
Titus Lucretius Carus (ca. 99 BC ca. 55 BC) a facut o descriere remarcabila a miscarii
Browniene a particulelor de praf, el folosind-o apoi ca pe o demonstrat ie a existent ei atomilor:
Observat i ce se ntampla atunci cand razele de soare patrund ntr-o ncapere si lumineaza
colt urile ntunecate. Vet i observa nenumarate particule minuscule amestecandu-se ntr-o mul-
titudine de moduri...dansul lor este de fapt un indicator al miscarii materiei, ascunsa privir-
ilor noastre...Ea si are originea chiar n miscarea spontana a atomilor. Apoi, aceste corpuri
marunte formate sunt puse n miscare de catre impactul ciocnirilor lor invizibile privirii. Ast-
fel, miscarea evolueaza de la nivelul atomilor la o scara perceptibila simt urilor noastre, putand
justica miscarile ce se petrec n acele raze de soare.
Cu toate ca Jan Ingenhousz a descris n 1785 miscarea iregulata a unor particule de
carbune pe o suprafat a de alcool, botanistul scot ian Robert Brown a fost creditat, n 1827,
cu descoperirea miscarii Browniene, el observand miscarea neregulata a unor granule mici de
polen aate pe suprafat a unui lichid (aceasta miscare neregulata este rezultatul coliziunilor
aleatoare dintre granulele de polen si moleculele lichidului). Ca obiect matematic, miscarea
Browniana a fost studiata pentru prima data de catre Louis de Bachelier (1900) n legatura cu
teoria bursei de valori, si de catre Albert Einstein (1905), care a folosit-o pentru a verica teoria
moleculara a caldurii. Ei au conjecturat multe din proprietat ile miscarii Browniene, dar a durat
mult timp pana cand s-a putut demonstra existent a procesului cu proprietat ile specicate.
In 1923, Norbert Wiener a demonstrat consistent a denit iei cu propritat ile specicate (din
acest motiv miscarea Browniana este numita uneori si proces Wiener), si mai tarziu, n 1951,
Monroe David Donsker a dat o demonstrat ie completa a convergent ei drumurilor aleatoare
catre miscarea Browniana.
Miscarea Browniana paote considerata ca ind limita unui drum aleator, dupa cum
urmeaza: pe un spat iu de probabilitate (, F, P) xat, consideram variabilele aleatoare (Y
n
)
nN
,
independente si identic repartizate, cu
P(Y
n
= 1) = P(Y
n
= 1) =
1
2
, n N
0, n = 0,
n N.
Unind punctele (n, S
n
)
n=0,1,2,...
prin segmente de dreapta, obt inem un grac asemanator traiec-
toriei neregulate descrise de granulele de polen observate de Brown.
Capitolul 1. Probabilitat i si procese stochastice 13
Cum EY
i
= 0 si D
2
(Y
i
) = 1 pentru orice i N
, obt inem ca
ES
n
= 0 si D
2
(S
n
) = n,
iar din Teorema Limita Centrala rezulta ca
S
n
n
n
B
1
N(0, 1).
Putem extinde construct ia anterioara pentru a obt ine un proces stochastic B
t
denit pentru
tot i timpii t 0, considerand
B
t
:= lim
n
S
[nt]
n
, t 0,
unde am notat prin [x] partea ntreaga a numarului real x. Se poate demonstra ca procesul
stochastic {B
t
}
t0
astfel construit este o miscare Browniana n sensul denit iei urmatoare.
Denit ia 1.21. O miscare Browniana 1-dimensionala cu startul n 0 R este un proces
stochastic {B
t
}
t0
pe (, F, P) cu urmatoarele proprietat i:
(i) P(B
0
= 0) = 1;
(ii) Pentru orice 0 s < t, variabila aleatoare B
t
B
s
N(0, t s) este independenta de
-algebra (B
r
| r s);
(iii) Pentru aproape orice , funct ia t [0, ) B
t
() este continua.
Cateva dintre proprietat ile miscarii Browniene sunt prezentate n rezultatul urmator.
Propozit ia 1.22. Fie B
t
o miscare Browniana 1-dimensionala cu startul n 0 R.
(a) EB
t
= 0, cov(B
s
, B
t
) = s t, pentru oricare s, t 0;
(b) Pentru aproape tot i , traiectoriile t [0, ) B
t
() miscarii Browniene nu sunt
diferent iabile n nici un punct t [0, );
(c) Variat ia totala pe orice interval nit [0, T] este innita, adica
sup
i=1
B
t
i
B
t
i1
= a.s.,
unde supremumul este considerat pentru toate partit iile : 0 = t
0
< t
1
< ... < t
n
ale
intervalului [0, T];
(d) Variat ia patratica corespunzatoare unei partit ii : 0 = t
0
< t
1
< ... < t
n
a intervalului
[0, T] converge n L
2
( [0, T] ; R) catre T, adica
E
_
_
_
n
k=1
_
B
t
i
B
t
i1
_
2
T
_
2
_
_
0
cand ||
n
|| := max
1in
|t
i
t
i1
| 0. Daca n plus
n1
||
n
|| < , atunci convergent a
precedent a este aproape sigura.
Capitolul 1. Probabilitat i si procese stochastice 14
1.5 Integrala stochastica
i=1
i
()1
[a
i
,b
i
)
(t),
unde
i
=
i
() sunt variabile aleatoare F
a
i
-masurabile, de patrat integrabil, 1 i N si
0 a
1
< b
1
... a
N
< b
N
. Denim integrala stochastica n acest caz prin liniaritate, adica
_
t
0
N
i=1
i
()1
[a
i
,b
i
)
(s)dB
s
() =
N
i=1
i
()(B
b
i
t
() B
a
i
t
()).
Integrala denita anterior are urmatoarele proprietat i.
Propozit ia 1.23. Daca f I este un proces simplu, m arginit, atunci integrala stochastica
N
t
() =
_
t
0
f(s, )dB
s
()
Capitolul 1. Probabilitat i si procese stochastice 15
este o martingala continua si are loc urmatoarea proprietate de izometrie:
E
_
__
t
0
f(s, )dB
s
()
_
2
_
= E
_
t
0
f
2
(s, )ds. (1.1)
Demonstrat ie. Pentru a demonstra prima armat ie, datorita liniaritat ii integralei stochastice,
este sucient sa consideram cazul n care f I este un proces elementar marginit
f(t, ) = ()1
[a,b)
(t),
unde () este o variabila aleatoare F
a
-masurabila, marginita, de patrat integrabil si 0 a <
b.
Daca procesul este marginit de constanta K, obt inem
|N
t
N
s
| = |()(B
bt
() B
at
()) ()(B
bs
() B
as
())|
K|B
bt
() B
bs
()| +K|B
at
() B
as
()| ,
iar continuitatea procesului N
t
rezulta din continuitatea miscarii Browniene B
t
.
Pentru a arata ca N
t
este o martingala n raport cu ltrarea {F
t
}
t0
trebuie sa aratam
ca, oricare ar 0 s < t avem E(N
t
|F
s
) = N
s
.
In funct ie de pozit iile relative ale numerelor
a, b, s si t distingem urmatoarele situat ii:
1. a < s < t < b
Avem
E(N
t
|F
s
) = E(()(B
t
() B
a
())|F
s
)
= () (E(B
t
() B
s
()|F
s
) +E(B
s
() B
a
()|F
s
))
= () (E(B
t
() B
s
())) +B
s
() B
a
()
= () (0 +B
s
() B
a
())
= () (B
s
() B
a
())
= N
s
,
deoarece, n acest caz, B
t
B
s
este o variabila aleatoare independenta de -algebra F
s
iar
B
s
B
a
este o variabila aleatoare F
s
-masurabila.
2. a < s < b < t
Avem
E(N
t
|F
s
) = E(()(B
b
() B
a
())|F
s
)
= () (E(B
b
() B
s
()|F
s
) +E(B
s
() B
a
()|F
s
))
= () (E(B
b
() B
s
())) +B
s
() B
a
()
= () (0 +B
s
() B
a
())
= () (B
s
() B
a
())
= N
s
,
deoarece, n acest caz, B
b
B
s
este o variabila aleatoare independenta de -algebra F
s
iar
B
s
B
a
este o variabila aleatoare F
s
-masurabila.
3. Pentru celelalte patru cazuri ramase demonstrat ia este similara si o vom putea omite.
Capitolul 1. Probabilitat i si procese stochastice 16
Pentru a demonstra ultima armat ie din enunt ul Propozit iei, consideram un proces simplu
f I, dat de
f(t, ) =
N
i=1
i
()1
[a
i
,b
i
)
(t),
unde
i
() sunt variabile aleatoare F
a
i
-masurabile, marginite, de patrat integrabil, 1 i N
si 0 a
1
< b
1
... a
N
< b
N
.
Folosind independent a cresterilor miscarii Browniene si faptul ca variabilele aleatoare
i
si
j
sunt F
a
i
, respectiv F
a
j
-masurabile, obt inem:
E
_
i
()
j
() (B
b
i
t
() B
a
i
t
())
_
B
b
j
t
() B
a
j
t
()
_
=
_
E
_
2
i
()
_
(b
i
t a
i
t) , i = j
0, i = j,
de unde rezulta ca
E
_
__
t
0
f(s, )dB
s
()
_
2
_
= E
_
N
i=1
2
i
() (B
b
i
t
() B
a
i
t
())
2
_
+ 2E
_
_
1i<jN
i
()
j
() (B
b
i
t
() B
a
i
t
())
_
B
b
j
t
() B
a
j
t
()
_
_
_
= E
_
N
i=1
2
i
() (b
i
t a
i
t)
_
= E
_
t
0
f
2
(s, )ds,
demonstrat ia ind n acest moment ncheiata.
Pentru a extinde denit ia integralei stochastice la cazul general al unui proces f I
introducem, pentru nceput, urmatorul rezultat.
Lema 1.24. Daca f I, atunci exist a un sir de procese simple, marginite, f
n
I astfel ncat
E
_
0
(f(s, ) f
n
(s, ))
2
ds 0 pentru n . (1.2)
Folosind acest rezultat, putem demonstra urmatoarea Teorema.
Teorema 1.25. Oricare ar procesul f I si sirul de procese simple (f
n
)
nN
I cu
E
_
0
(f(s, ) f
n
(s, ))
2
ds 0 pentru n ,
procesul N
n
t
() =
_
t
0
f
n
(s, )dB
s
() converge n L
2
(P), uniform n raport cu t [0, ), catre
o martingala continu a N
t
(). Mai mult, limita este independenta de alegerea sirului (f
n
)
nN
folosit n aproximarea funct iei f.
Putem enunt a, nainte de a trece la demonstrat ia Teoremei anterioare, urmatoarea Denit ie.
Capitolul 1. Probabilitat i si procese stochastice 17
Denit ia 1.26 (Integrala stochastica Ito). Denim integrala stochastica Ito a unui proces
stochastic f I, n raport cu miscarea Browniana B
t
prin
_
t
0
f(s, )dB
s
= lim
n
_
t
0
f
n
(s, )dB
s
,
unde f
n
este un sir de procese simple, marginite, ce verica relat ia (2.2).
Demonstrat ie. Sa observam ca, daca g I este un proces simplu, marginit, rezulta ca M
t
=
_
t
0
g(s, )dB
s
() este o martingala continua si are loc egalitatea
EM
2
t
= E
_
__
t
0
g(s, )dB
s
()
_
2
_
= E
_
t
0
g
2
(s, )ds <
si deci
sup
t0
EM
2
t
E
_
0
g
2
(s, )ds < .
Conform teoremei de convergent a a martingalelor rezulta ca limita M
= lim
t
M
t
exista
aproape sigur si avem
EM
2
= lim
t
E
__
t
0
g(s, )dB
s
()
_
2
= lim
t
E
_
t
0
g
2
(s, )ds
= E
_
0
g
2
(s, )ds < .
Cum diferent a a doua procese simple este tot un proces simplu, aplicand rezultatul anterior
procesului g(s, ) = f
n
(s, ) f
m
(s, ) si folosind inegalitatea lui Doob, obt inem
E
_
sup
t0
(N
n
t
N
m
t
)
2
_
cE
_
0
(f
n
(s, ) f
m
(s, ))
2
ds
2cE
_
0
(f
n
(s, ) f(s, ))
2
ds + 2cE
_
0
(f
m
(s, ) f(s, ))
2
ds
0
pentru n, m . Rezulta deci ca N
n
t
() este un sir Cauchy n L
2
(P), uniform n raport cu
t 0. Cum L
2
(P) este un spat iu metric complet rezulta ca N
n
t
converge n L
2
(P) catre un
proces pe care l vom nota cu N
t
= N
t
(). Procesul limita N
t
este, de asemenea, un proces
continuu n variabila t.
Deoarece N
n
t
este o martingala, oricare ar 0 s < t, avem
E(N
n
t
|F
s
) = N
n
s
,
de unde, prin trecere la limita pentru n , rezulta ca N
t
este tot o martingala. Faptul ca
E(N
n
t
|F
s
) E(N
t
|F
s
) pentru n
Capitolul 1. Probabilitat i si procese stochastice 18
rezulta din
E
_
(E(N
n
t
|F
s
)E(N
t
|F
s
))
2
_
= E
_
(E(N
n
t
N
t
|F
s
))
2
_
E
_
E
_
(N
n
t
N
t
)
2
|F
s
__
= E
_
(N
n
t
N
t
)
2
_
n
0.
Pentru a demonstra independent a limitei de sirul de aproximare (f
n
)
nN
I considerat,
e un alt sir de procese simple, marginite, (
f
n
)
nN
I, cu
E
_
0
_
f(s, )
f
n
(s, )
_
2
ds 0 pentru n
si sa notam
N
n
t
=
_
t
0
f
n
(s, )dB
s
().
Conform demonstrat iei anterioare avem, folosind din nou inegalitatea lui Doob,
E
_
sup
t0
_
N
n
t
N
n
t
_
2
_
cE
__
0
_
f
n
(s, )
f
n
(s, )
_
2
ds
_
0
pentru n si deci limita N
t
este independenta de alegerea sirului de aproximare (N
n
t
)
nN
considerat.
Exemplul 1.7. Calculat i valoarea integralei stochastice
_
t
0
B
s
dB
s
folosind denit ia integralei
stochastice.
Demonstrat ie. Consideram f(t, ) = B
t
si denim sirul
f
n
(t, ) =
2
n
1
j=0
B
t
j
1
[t
j
,t
j+1
)
(t),
unde t
j
= t
n
j
= t
j
2
n
.
Din independent a cresterilor miscarii Browniene obt inem
E
__
t
0
(f(s, ) f
n
(s, ))
2
ds
_
= E
2
n
1
j=0
_
t
j+1
t
j
(B
t
j
B
s
)
2
ds
=
2
n
1
j=0
_
t
j+1
t
j
(s t
j
)ds
=
2
n
1
j=0
1
2
(t
j+1
t
j
)
2
=
t
2
2 2
n
0
pentru n si deci f
n
este un sir de aproximare al procesului f n sensul relat iei (2.2).
Capitolul 1. Probabilitat i si procese stochastice 19
Conform denit iei integralei stochastice avem
_
t
0
B
s
dB
s
= lim
n
_
t
0
f
n
(s, )dB
s
()
= lim
n
2
n
1
j=0
B
t
j
(B
t
j+1
B
t
j
)
= lim
n
1
2
2
n
1
j=0
_
B
2
t
j+1
B
2
t
j
_
B
t
j+1
B
t
j
_
2
_
=
1
2
_
B
2
t
B
2
0
_
1
2
t.
Observat ia 1.27.
In exemplul anterior am obt inut
_
t
0
B
t
dB
t
=
1
2
_
B
2
t
B
2
0
_
1
2
t,
formula care difera de formula obisnuita de integrare
_
t
0
B
t
dB
t
=
1
2
B
2
s
|
s=t
s=0
=
1
2
(B
2
t
B
2
0
),
n cazul integralei Lebesgue-Stieltjes (daca aceasta integrala s-ar aplicat procesului B).
Aceasta se datoreaza faptului ca procesul B nu este un proces cu variat ie marginita, dar este
un proces cu variat ie patratica marginita, fapt care conduce la aparit ia termenului
1
2
t din
calculul integralei anterioare.
Observat ia 1.28. Spre deosebire de integrala de tip Lebesgue-Stieltjes, alegerea punctului in-
termediar s
i
produce valori diferite ale integralei stochastice. Integrala Ito corespunde alegerii
punctului intermediar ca limita inferioara a intervalului considerat, adica s
i
= s
i
. Exista si
alte construct ii ale integralei stochastice, spre exemplu alegerea punctului s
i
=
s
i
+s
i+1
2
conduce
la integrala stochastica Stratonovich.
1.6 Ecuat ii diferent iale stochastice si formula lui It o
Teoria ecuat iilor diferent iale stochastice (EDS) este un cadru pentru descrierea sistemelor
dinamice care includ fort e atat aleatoare cat si nealeatoare. Teoria are ca suport integrala
stochastica Ito. Formula lui Ito este o formula de diferent iere stochastica, similara situat iei
diferent ierii funct iilor compuse din cazul determinist.
O EDS de tip Ito are forma
dX
t
= a (t, X
t
) dt + (t, X
t
) dW
t
,
care, scrisa sub forma integrala devine
X
T
X
0
=
_
T
0
a (t, X
t
) dt +
_
T
0
(t, X
t
) dW
t
,
unde prima integrala este o integrala Riemann iar cea de a doua o integrala stochastica de tip
Ito. Condit ia init iala este X
0
= u
0
(x), unde u
0
(x) este densitatea de probabilitate a lui X la
Capitolul 1. Probabilitat i si procese stochastice 20
momentul de start. Coecientul a (t, X
t
) este coecientul de drift iar (t, X
t
) este coecientul
de volatilitate. Termenul (t, X
t
) dW
t
este termenul martingal al procesului X.
1.6.1 Miscarea Browniana geometrica
Consideram EDS
_
dX
t
= X
t
dt +X
t
dW
t
X
0
= 1,
(1.3)
ceea ce deneste o miscare Browniana geometrica.
In formularea generala anterioara
a (t, x) = x si (t, x) = x.
Daca W
t
ar o funct ie diferent iabila n raport cu t, solut ia ecuat iei (2.3) ar
X
t
= e
t+W
t
. (ceea ce este gresit !!!) (1.4)
Pentru a verica acest lucru consideram funct ia
x(, t) = e
t+
,
cu
x = x
= x,
t
x = x
t
= x
x = x
=
2
x.
Prin urmare, diferent ierea funct iei (2.4) conduce la
dX
t
(W
t
) = Xdt +XdW
t
+
2
2
Xdt.
Putem nlatura ultimul termen (nedorit) prin multiplicarea cu e
2
t
2
, ceea ce sugereaza ca
formula
X
t
= e
t
2
t
2
+W
t
satisface (2.3).
Sa consideram acum cazul simplu n care = 0 si = 1, adica
_
dX
t
= X
t
dW
t
X
0
= 1.
Solut ia este miscarea Browniana
X
t
= e
W
t
t
2
. (1.5)
Privind formula (2.5) n relat ie cu proprietatea martingala (X
t
este o martingala deoarece
termenul de drift este zero), obt inem, dupa un calcul simplu, ca
X
t+t
= e
W
t
t
2
+
W
t
W
t
t
2
,
si ca
E[X
t+t
|F
t
] = X
t
.
Capitolul 1. Probabilitat i si procese stochastice 21
1.6.2 Formula lui It o
Formula lui Ito prezinta forme diverse, cea mai simpla dintre acestea ind prezentata n cele
ce urmeaza.
Teorema 1.29. Fie u : R [0, ) R o funct ie continuu diferent iabila pana la ordinul doi
n x si pana la ordinul ntai n t si consideram W un proces Wiener (miscare Browniana).
Notam cu u
t
, u
x
si u
xx
derivatele de ordinul ntai respectiv doi ale funct iei u n raport cu
variabilele t si x. Atunci are loc formula
u(W
t
, t) u(0, 0) =
_
t
0
u
x
(W
s
, s)dW
s
+
_
t
0
u
t
(W
s
, s)ds +
1
2
_
t
0
u
xx
(W
s
, s)ds,
sau, scrisa sub forma diferent iala
du(W
t
, t) =
_
u
t
(W
t
, t) +
1
2
u
xx
(W
t
, t)
_
dt +u
x
(W
t
, t)dW
t
.
Pentru un caz mai general, formula lui Ito are urmatoarea forma.
Teorema 1.30. Fie X un proces stochastic ce verica urmatoarea EDS:
_
dX
t
= a(t, X
t
)dt + (t, X
t
) dW
t
,
X
0
= u
0
,
unde coecient ii de drift si de difuzie verica condit iile necesare si suciente ce asigura
existent a solut iei EDS considerate. Fie u : R [0, ) R o funct ie continuu diferent iabila
pana la ordinul doi n x si pana la ordinul ntai n t. Atunci u(X
t
, t) este un proces Ito ce
satisface EDS:
du(X
t
, t) = u
x
(X
t
, t) dX
t
+u
t
(X
t
, t) dt +
1
2
u
xx
(X
t
, t)
2
(t, X
t
)
= u
x
(X
t
, t) (t, X
t
) dW
t
+
_
u
x
(X
t
, t) a(t, X
t
) +
1
2
u
xx
(X
t
, t)
2
(t, X
t
) +u
t
(X
t
, t)
_
dt.
Exemplul 1.8. Fie u(x, t) = x
2
t. Avem
u
t
(x, t) = 1
u
x
(x, t) = 2x
u
xx
(x, t) = 2.
2
__
t
0
u(W
t
, t) dt. (1.6)
Notand S
t
= u(W
t
, t), ecuat ia (2.6), scrisa sub forma diferent iala, devine
dS
t
S
t
= dW
t
+
_
+
1
2
2
_
dt. (1.7)
In particular, daca
= si =
2
2
atunci S
t
este solut ia ecuat iei (2.3).
Daca
= si =
2
2
pentru R, atunci ecuat ia (2.7) capata forma simplicata
dS
t
S
t
= dW
t
,
sau, echivalent,
e
{W
t
2
t
2
}
= 1 +
_
t
0
e
{W
s
2
s
2
}
dW
s
.
Prin urmare, procesul e
{W
t
2
t
2
}
este o martingala n raport cu ltrarea naturala.
Exemplul 1.10. Un proces Ito cu multiple aplicat ii atat n modelarea proceselor zice cat si
n evaluarea derivatelor nanciare este procesul OrnsteinUhlenbeck. Acesta este un proces
stochastice care satisface EDS:
dX
t
= ( X
t
) dt +dW
t
, (1.8)
unde , , sunt parametri strict pozitivi iar W este un proces Wiener real.
Procesul OrnsteinUhlenbeck reprezinta una dintre abordarile utilizate n modelarea dobanzilor,
a ratelor de schimb intermonetar si al pret urilor activelor primare din piet ele nanciare.
Parametrii ce intervin n ecuat ia de stare modeleaza valoarea medie a activelor, gradul de
volatilitate al activelor primare si rata cu care aceste active se departeaza sau apropie de
valoarea medie.
Pentru a obt ine solut ia ecuat iei (2.8) facem apel tot la formula lui Ito si consideram funct ia
u(X
t
, t) = X
t
e
t
.
Capitolul 1. Probabilitat i si procese stochastice 23
Obt inem, prin diferent iere,
du(X
t
, t) = X
t
e
t
dt +e
t
dX
t
= X
t
e
t
dt +e
t
( ( X
t
) dt +dW
t
)
= X
t
e
t
dt +e
t
( X
t
) dt +e
t
dW
t
= e
t
dt +e
t
dW
t
.
Integram de la 0 la t si obt inem, t inand cont de formula lui u(X
t
, t):
X
t
e
t
= X
0
+
_
t
0
e
s
ds +
_
t
0
e
s
dW
s
,
de unde, nmult ind cu e
t
, obt inem formula lui X:
X
t
= X
0
e
t
+
_
1 e
t
_
+
_
t
0
e
(st)
dW
s
.
Revenim n cele ce urmeaza la demonstrat ia Teoremei 2.29. Pentru simplitate vom con-
sidera t = 1 si presupunem ca derivatele part iale u
t
si u
xx
sunt uniform marginite si uniform
continue. PEntru orice n 1 e D
n
= D
n
[0, 1] partit ia diadica a intervalului [0, 1], adica
partit ia n intervale [t
j
, t
j+1
], unde t
j
=
j
2
n
.
Lema 1.31. Pentru orice funct ie g : R[0, ) R nenegativa, uniform continua si uniform
marginita au loc
lim
n
2
n
1
j=0
g
_
W
t
j
, t
j
_ _
W
t
j+1
W
t
j
_
2
=
_
1
0
g (W
t
, t) dt si (1.9)
lim
n
2
n
1
j=0
o
_
_
W
t
j+1
W
t
j
_
2
_
= 0, (1.10)
unde prin notat ia o (y) nt elegem faptul ca termenul este de un ordin de magnitudine mai mic
decat y atunci cand n , adica
o(y)
y
0 atunci cand n .
Remarca. Relat ia (2.9) este o generalizare a formulei variat iei patratice deja studiate si
este baza ecuat iei euristice
(dW
t
)
2
= dt.
Demonstrat ie. (Schit a)
Exprimam diferent a u(W
1
, 1) u(0, 0) ca o suma telescopica si obt inem
u(W
1
, 1) u(0, 0) =
2
n
j=1
_
u
_
W
t
j
, t
j
_
u
_
W
t
j1
, t
j1
__
=
2
n
j=1
_
u
_
W
t
j
, t
j
_
u
_
W
t
j
, t
j1
__
+
2
n
j=1
_
u
_
W
t
j
, t
j1
_
u
_
W
t
j1
, t
j1
__
:= S
(n)
1
+S
(n)
2
.
Capitolul 1. Probabilitat i si procese stochastice 24
Termenii primei sume S
(n)
1
pot aproximat i folosind dezvoltarea Taylor a funct iei u(x, t) n
punctul t:
u
_
W
t
j
, t
j
_
u
_
W
t
j
, t
j1
_
= u
t
_
W
t
j
, t
j
_
(t
j
t
j1
) +o (t
j
t
j1
)
= u
t
_
W
t
j
, t
j
_
2
n
+o
_
2
n
_
.
Eroarea o (2
n
) este, n mod uniform, sucient de mica daca t inem cont de preupunerea ca
termenul u
t
(x, t) este uniform marginit; n consecint a, daca sumam aceste 2
n
erori dupa
indicele j eroarea totala este o (1). Prin urmare, n urma sumarii obt inem o suma Riemann
ce aproximeaza integrala
_
1
0
u
s
(W
s
, s) ds:
S
(n)
1
= 2
n
2
n
j=1
u
t
_
W
t
j
, t
j
_
+o (1)
n
_
1
0
u
s
(W
s
, s) ds.
Termenii celei de a doua sume S
(n)
2
pot aproximat i folosind dezvoltarea Taylor a funct iei
u(x, t) n prima variabila, de data aceasta utilizand primii doi termeni ai dezvoltarii pentru a
pastra eroarea sucient de mica:
u
_
W
t
j
, t
j1
_
u
_
W
t
j1
, t
j1
_
= u
x
_
W
t
j1
, t
j1
_ _
W
t
j
W
t
j1
_
+
1
2
u
xx
_
W
t
j1
, t
j1
_ _
W
t
j
W
t
j1
_
2
+o
_
_
W
t
j
W
t
j1
_
2
_
.
Conform Lemei anterioare si t inand cont de denit ia integralei stochastice, obt inem, pentru
n ,
2
n
j=1
u
x
_
W
t
j1
, t
j1
_ _
W
t
j
W
t
j1
_
n
_
1
0
u
x
(W
s
, s) dW
s
,
2
n
j=1
u
xx
_
W
t
j1
, t
j1
_ _
W
t
j
W
t
j1
_
2
n
_
1
0
u
xx
(W
s
, s) ds si
2
n
j=1
o
_
_
W
t
j
W
t
j1
_
2
_
n
0.
Concluzionand, obt inem ca
u(W
1
, 1) u(0, 0) = lim
n
_
S
(n)
1
+S
(n)
2
_
=
_
1
0
u
s
(W
s
, s) ds +
_
1
0
u
x
(W
s
, s) dW
s
+
1
2
_
1
0
u
xx
(W
s
, s) ds,
ceea ce ncheie demonstrat ia Teoremei.
Capitolul 2
Scurt a descriere a piet elor nanciare
Tranzact iile cu opt iuni au aparut nca de lanceputul sec al-XII-lea si au fost legate de comert ul
cu lalele care se practica n Olanda. De exemplu, un exportator de bulbi de lalele se putea
protejampotriva pierderii mari pe timpul transportului prin cumpararea de la un producator
a unei cantitat i de bulbi echivalenta cu cea expediata, la un anumit pret , la opt iunea sa.
Astfel exportatorul cumparator putea nlocui marfa daca aceasta se deprecia sau distrugea pe
timpul transportului sau putea sa renunt e la acest drept daca marfa ajungea n buna stare la
destinat ie. Deci cei care tind sa asocieze opt iunile cu speculat ia gresesc n oarecare masura
deoarece opt iunile au aparut ca modalitate de acoperire a riscului la care te expune specicul
afacerii proprii, nu ca un instrument speculativ.
Instrumentele nanciare derivate se tranzact ioneaza pe piet e reglementate la termen, val-
oarea acestora derivand din pret ul de tranzact ionare al activelor suport (instrumente nan-
ciare, valute, indici bursieri, rate ale dobanzii, marfuri, etc.), cotate pe o piat a spot (instan-
tanee, la vedere).
In accept iunea referent ialului contabil internat ional, un instrument derivat
este un instrument nanciar care ntruneste toate cele trei caracteristici de mai jos:
1. valoarea sa se modica ca react ie la variat iile n anumite rate ale dobanzii, pret ul unui
instrument nanciar, pret ul marfurilor, cursurile de schimb valutar, indicii de pret sau
rata, ratingul de credit sau indicele de creditare, sau n alte variabile, cu condit ia ca,
n cazul unei variabile nenanciare, aceasta sa nu e specica unei part i contractuale
(uneori denumita suport);
2. nu solicita nicio investit ie init iala neta sau solicita o investit ie init iala neta care este
mai mica decat s-ar cere pentru alte tipuri de contracte care se asteapta sa aiba react ii
similare la modicarile factorilor piet ei;
3. este decontat la o data viitoare.
Ca active nanciare derivate, opt iunile dau posibilitatea reversibilitat ii asupra proiectu-
lui init ial de investit ii, aceasta ind o diferent a fat a de contractele cunoscute, n care una
din caracteristici era tocmai ireversibilitatea investit iei de capital. Interesul pentru corecti-
tudinea evaluarii opt iunilor de catre operatorii de pe piat a nanciara deriva din posibilitatea
operat iunilor de arbitraj n cazul unei supraevaluari sau subevaluari. Exista doua modele de
evaluare a opt iunilor: modelul Black - Scholes si modelul binomial. Cele doua tipuri de modele
se bazeaza pe rat ionamente de arbitraj si hedging si pornesc de la premisa ca piat a nu permite
operat iuni de arbitraj. Opt iunile au fost tranzact ionate n mod organizat, pentru prima data
n 26 aprilie 1973, iar apoi The Chicago Board Options Exchange (CBOE) a creat liste stan-
dardizate cu opt iuni. De atunci se semnaleaza o crestere vertiginoasa pe piat a opt iunilor.
In
acest moment ele sunt tranzact ionate n majoritatea burselor din lume.
In Statele Unite ale
Americii opt iunile sunt tranzact ionate la: CBOE, The American Stock Exchange, The Pacic
Stock Exchange si The Philadephia Stock Exchange. Pe data de 10 iulie 1998, la un an de
25
Capitolul 2. Scurta descriere a piet elor nanciare 26
la lansarea contractelor futures, Bursa Monetar-Financiara si de Marfuri Sibiu, a lansat, n
premiera pentru Romania, opt iunile pe contracte futures.
La baza aparit iei contractelor futures au stat contractele forward. Desi exista o tendint a,
mai ales n literatura de specialitate din Romania, de a tratate separat, aceste doua tipuri
de contracte sunt, n esent a, asem anatoare, n sensul ca n cazul ambelor contracte se ncheie
tranzact ii la termen asupra unui activ de baza, numit si activ suport (underlying asset). Atat
cel care doreste sa cumpere activul de baza cat si cel care doreste sa l vanda convin asupra
cantitat ii ce urmeaza sa e schimbata, asupra pret ului si asupra scadent ei (a datei la care
livrarea si plata vor avea loc efectiv). Astfel, atat printr-un contract forward cat si prin unul
futures, se xeaza - n prezent - pret ul ce urmeaza a platit pentru o cantitate denita din
activul suport, pret ce urmeaza a platit la o data ulterioara, n viitor. Contractele futures
reprezinta contracte standardizate care creeaza pentru part i (cumparator si vanzator) anga-
jamentul de a cumpara respectiv de a vinde o anumita cantitate din activul suport la o data
viitoare (numita data scadent ei) si la un pret negociat n momentul ncheierii tranzact iei. Cu
except ia pret ului care se negociaza ntre part i, toate elementele sunt standardizate (scadent a,
volumul contractului, pasii de cotat ie, uctuat ia maxima admisa, riscul de scadere/crestere)
n baza specicat iilor ecarui tip de contract futures.
In mod uzual sunt tranzact ionate doua categorii de contracte futures, n raport cu natura
activului suport: nancial futures - sunt contracte futures avand drept active suport variabile
nanciare (act iuni, indici bursieri, rate ale dobanzii, indici de pret , cursuri valutare, etc.) si
commodities futures - sunt contracte futures avand drept active suport marfuri precum cereale,
produse din carne, petrol si produse derivate, energie, cafea, cacao, unt, zahar, bumbac, etc.
In 1998, la doar un an dupa obt inerea de catre Merton si Scholes a premiului Nobel, fondul
de hedging (protect ie mpotriva riscului) Long Term Capital Management (LTCM), la care cei
doi sunt principalii act ionari, a trebuit sa e salvat contra unui cost de 3,5 miliarde $ deoarece
exista temerea ca colapsul acestuia ar avea un efect dezastruos asupra institut iilor nanciare
din ntreaga lume. Era o distant a de doar 10 ani de o noua griza globala a carei aparit ie
se considera ca a fost cauzata si de generarea exagerata de instrumentele nanciare derivate.
0
este suma mprumutata suma depozitata intr-o banca, suma la care se aplica dobanda r
(aceeasi la depozit sau credit).
Denit ia 3.1. Spunem ca portofoliul reproduce valoarea funct iei de plata la momentul T
( replicates the options terminal payo) daca V
T
() = C
T
.
0
unitat i de activ cumparate :
0
S
0
0
unitat i de cash mprumutate :
0
pentru t = T :
_
_
_
plata pentru opt iunea de call exercitata : C
T
0
unitat i de activ suport vandute :
0
S
T
mprumutul platit : r
0
, unde r = 1 +r
3.2 Masuri martingale n piet ele spot
SOLUTIApentru stabilirea pret ului just al derivatelor nanciare : utilizarea masurilor
martingale, care, intuitiv, modeleaza probabilistic un joc corect (fair game). Trebuie deter-
minata o masura de probabilitate P
0
= S
0
si S
T
= (1 +r)
1
S
T
devine o P
martingala, adica
S
0
= E
P
(S
T
) .
S
u
+ (1 p
) S
d
_
, p
= P
(
1
) = 1 P
(
2
) ,
de unde rezulta
P
(
1
) =
(1 +r) S
0
S
d
S
u
S
d
si P
(
2
) =
S
u
(1 +r) S
0
S
u
S
d
.
Evident, C
0
= C
0
:
C
0
= E
P
_
(1 +r)
1
C
T
_
= E
P
_
(1 +r)
1
(S
T
K)
+
_
= (1 +r)
1
_
p
C
u
+ (1 p
) C
d
_
= 21.59 = C
0
!
Denit ia 3.2. Numim economie cu risc neutru (risk-neutral economy) un model stochastic
de piat a nanciara n care uctuat iile viitoare ale pret urilor activelor suport sunt determinate
de masura martingalaP
(risk-neutral probability).
3.3 Absent a arbitrajului n piat a nanciara
Consideram, din nou, modelul de piat a cu doua stari, o perioada
= {
1
,
2
}, F
0
= {, }, F
T
= 2
0
S
d
+ (1 +r)
0
= X
d
,
cu solut ia unica
0
=
X
u
X
d
S
u
S
d
si
0
=
X
d
S
u
X
u
S
d
(1 +r) (S
u
S
d
)
.
Costul derivatului nanciar X n piat a M este:
0
(X) := V
0
() =
0
S
0
+
0
=
X
u
X
d
S
u
S
d
S
0
+
X
d
S
u
X
u
S
d
(1 +r) (S
u
S
d
)
. (3.2)
Denit ia 3.4.
1. Spunem ca modelul de piat a M este fara arbitraj daca nu exista pentru care
V
0
() = 0, V
T
() 0 si P{V
T
() > 0} > 0. (3.3)
Un portofoliu pentru care (4.3) are loc se numeste oportunitate de arbitraj.
2. Se numeste oportunitate tare de arbitraj un portofoliu pentru care
V
0
() < 0 si V
T
() 0.
Daca modelul de piat a M este fara arbitraj, notam cu
0
(X) pret ul de arbitraj (pret ul
just) al derivatului nanciar X n M.
Observat ia 3.5. Replicarea este o metoda optimala de hedging, adica de asigurare si de
acoperire a riscului investitorului.
Denit ia 3.6. Spunem ca un portofoliu realizeaza un hedging perfect al derivatului nanciar
X (perfect hedging against the contingent claim X) daca V
T
() X, adica
_
0
S
u
+ (1 +r)
0
X
u
0
S
d
+ (1 +r)
0
X
d
,
(3.4)
Costul init ial minim al crearii unui portofoliu -phX se va numi pret ul vanzatorului
derivatului nanciar X si se va nota cu
s
0
(X) . Pentru a arata ca are loc egalitatea
s
0
(X) =
0
(X), notam c = V
0
() , iar relat ia (4.4) se rescrie
_
0
(S
u
(1 +r) S
0
) +c (1 +r) X
u
0
(S
d
(1 +r) S
0
) +c (1 +r) X
d
.
(3.5)
Evident, cel mai mic numar c R pentru care are loc (4.5) este acela pentru care avem
egalitate n (4.5).
Din punctul de vedere al cumparatorului derivatului nanciar X (ce poate privit ca
vanzatorul lui X), problema asociata revine la a minimiza c R pentru care are loc (4.5)
cu X
u
X
u
si X
d
X
d
, cu solut ia
s
(X) = (X) = (X) ,
adica replicarea este optimala si pentru cumparator. Denim pret ul cumparatorului lui X ca
ind
b
0
(X) =
s
0
(X) si obt inem
s
0
(X) =
b
0
(X) =
0
(X) ,
Capitolul 3. Opt iuni de vanzare si cumparare n piet e nanciare la vedere 35
adica pret ul minimal pe care vanzatorul este decis sa l accepte coincide cu pret ul maximal pe
care cumparatorul este dispus sa l ofere pentru derivatul nanciar X.
Urmatorul rezultat explica rolul asa-numitei economie cu risc neutru (risk-neutral econ-
omy) n stabilirea pret ului corect al derivatelor nanciare. Utilizarea masurii martingale P
n
stabilirea pret ului activelor nanciare corespunde situat iei n care tot i investitorii sunt supusi
aceluiasi risc n fat a aprecierii sau deprecierii activelor primare tranzact ionabile, atunci cand
dobanda la credit sau depozit este aceeasi pentru ecare (a se consulta Cox, Ross [3]).
Teorema 3.7. Modelul de piat a M = (S, B, ) este far a arbitraj daca si numai dac a pret ul cu
discount S
P.
In acest caz, pret ul de arbitraj la momentul 0
al oric arui derivat nanciar X, cu momentul de maturitatea T este dat de formula de evaluare
n caz de risc-neutru (risk-neutral valuation formula):
0
(X) = E
P
_
(1 +r)
1
X
_
= p
X
u
1 +r
+ (1 p
)
X
d
1 +r
(3.6)
=
(1 +r) S
0
S
d
S
u
S
d
X
u
1 +r
+
S
u
(1 +r) S
0
S
u
S
d
X
d
1 +r
.
Demonstrat ie. Masura martingal a P
a lui S
(0, 1) . Pre-
supunem, prin reducere la absurd ca nu exista masura martingala P
, considerand, de exemplu
ca p
1 (1 +r) S
0
S
u
> S
d
.
Portofoliul = (1, S
0
) (se mprumuta o unitate de activ primar, adica de stoc, se vinde si se
depoziteaza banii) satisface V
0
() = 0 si
V
T
() =
_
S
u
+ (1 +r) S
0
0, =
1
,
S
d
+ (1 +r) S
0
> 0, =
2
,
adica este o oportunitate de arbitraj.
Daca presupunem p
0, obt inem ca S
u
> S
d
(1 +r) S
0
, iar
= (1, S
0
) (se
mprumuta bani si se cumpara o unitate de stoc) constituie o oportunitate de arbitraj, ceea
ce conduce la o contradict ie.
Considerand acum p
V
u
() + (1 p
) V
d
() = 0, adica
_
V
d
() < 0 pt. V
u
() > 0
_
_
V
d
() > 0 pt. V
u
() < 0
_
.
Prin urmare nu exista oportunitat i de arbitraj n M daca p
(0, 1) .
Pentru a demonstra (4.6), pentru ecare portofoliu replicant = (
0
,
0
) pentru derivatul
nanciar X avem
E
P
_
(1 +r)
1
X
_
= E
P
_
(1 +r)
1
V
T
()
_
= E
P
(
0
S
T
+
0
)
=
0
S
0
+
0
= V
0
(X) =
0
(X) ,
ceea ce conduce la concluzia rezultatului enunt at.
Observat ia 3.8. Alegerea activului fara risc n raport cu care se face discount-ul nu este
esent iala. De exemplu, se poate alege pret ul stocului S drept numerar, situat ie n care se
Capitolul 3. Opt iuni de vanzare si cumparare n piet e nanciare la vedere 36
considera pret ul bond-ului B avand ca discount pe cel al stocului: B
:= B
t
/S
t
, pentru
t {0, T}. Masura martingala
P pentru procesul B
va determinata de relat ia
B
0
= E
P
(B
T
),
sau, explicit,
p
1 +r
S
u
+ (1 p)
1 +r
S
d
=
1
S
0
.
Aceasta conduce la
P{
1
} = p =
_
1
S
d
1
(1 +r)S
0
_
S
u
S
d
S
u
S
d
si
P{
2
} = 1 p =
_
1
S
u
1
(1 +r)S
0
_
S
u
S
d
S
d
S
u
.
0
(X) = S
0
E
P
_
S
1
T
X
_
,
unde X este derivatul nanciar cu perioada de maturitate T.
In modelul de piat a discutat, plata la momentul T pentru o opt iune de vanzare (de
tip put european, OPE) este:
P
T
() = (K S
T
())
+
=
_
P
u
= 0, =
1
,
P
d
= 20, =
2
.
Portofoliul replicant = (
0
,
0
) este dat de
_
320
0
+ 1.05
0
= 0
260
0
+ 1.05
0
= 20,
cu solut ia = (1/3, 101.59) (se mprumuta
0
unitat i de activ suport, se intra ntr-o pozit ie
short-selling iar venitul, mpreuna cu prima ncasata pentru opt iunea put se introduc ntr-un
depozit platitor de dobanda). Pret ul de arbitraj al OPE este
P
0
= 1/3 280 + 101.59 = 8.25,
valoare ce se poate obt ine si prin intermediul formulei (4.6), pentru X = P
T
(se aplica formula
(4.6) pentru derivatul nanciar X = S
T
K) :
P
0
= E
P
_
(1 +r)
1
P
T
_
= 8.25.
3.4 Macheta de piat a pentru opt iuni americane
Consideram acelasi model de piat a nanciara cu o perioada, doua stari si doua active nanciare
tranzact ionabile ca si n cazul opt iunilor europene M = (S, B, ) si notam cu C
a
t
si P
a
t
,
t {0, T}, pret ul de arbitraj al opt iunilor americane de tip call (OCA), respectiv put (OPA).
Este evident ca
C
a
T
= C
T
si P
a
T
= P
T
,
n caz contrar existand oportunitat i de arbitraj. Presupunem, fara a restrange generalitatea,
ca
S
d
< S
0
(1 +r) < S
u
si S
d
< K < S
u
,
Capitolul 3. Opt iuni de vanzare si cumparare n piet e nanciare la vedere 37
n caz contrar existand oportunitat i de arbitraj.
Teorema 3.9.
In modelul de piat a M = (S, B, ), pret ul de arbitraj C
a
0
al unei OCA avand ca
activ suport un stoc ce nu plateste dividende coincide cu pret ul C
0
al unei OCE ce are acelasi
pret de exercitare K.
Demonstrat ie. Presupunem, prin reducere la absurd ca C
a
0
= C
0
(pp. ca C
a
0
> C
0
).
C
0
= p
S
u
K
1 +r
=
(1 +r) S
0
S
d
S
u
S
d
S
u
K
1 +r
> S
0
K (3.7)
pentru r 0. Construim o oportunitate de arbitraj prin vinderea unei OCA cu C
a
0
si cumpararea
unei OCE cu C
0
. Situat ia n care C
a
0
< C
0
se trateaza n mod similar, putand si n acest caz
sa construim oportunitat i de arbitraj, lucru imposibil ntr-o piat a fara arbitraj.
Este de subliniat faptul ca relat ia (4.7) are loc si ntr-un cadru mai general:
(OCA) Pentru r 0, S
0
> K, S
T
P
v.a. integrabila:
C
0
= E
P
_
(1 +r)
1
(S
T
K)
+
_
= E
P
_
(1 +r)
1
C
T
_
ineg. Jensen
_
E
P
_
(1 +r)
1
S
T
_
(1 +r)
1
K
_
+
=
_
S
0
(1 +r)
1
K
_
+
S
0
K.
Concluzionam faptul ca OCA si OCE sunt echivalente. Daca nsa 1 < r < 0 atunci a
doua inegalitate nu mai este ntotdeauna adevarata, nemaiavand echivalent a ntre opt iunile
de cumparare europene si americane. Situat ia sta diferit nsa daca discutam de opt iunile de
vanzare de tip european (OPE) si cele de tip american (OPA), dupa cum vedem n cele ce
urmeaza.
(OPA)
In aceasta situat ie lucrurile stau diferit !
P
0
= E
P
_
(1 +r)
1
(K S
T
)
+
_
= E
P
_
(1 +r)
1
P
T
_
ineg. Jensen
_
E
P
_
(1 +r)
1
K (1 +r)
1
S
T
__
+
=
_
(1 +r)
1
K S
0
_
+
> K S
0
pentru r (1, 0) .
Pentru r = 0 avem ca E
P
_
(1 +r)
1
(K S
T
)
+
_
= K S
0
.
In caz contrar, P
a
0
= K S
0
> P
0
. Daca r = 0 atunci, invariant, P
a
0
= P
0 .
Demonstrat ie. Relat ia (4.8) este echivalenta cu P
0
K S
0
. Presupunem, pentru nceput,
ca ultima inegalitate are loc. Daca n plus P
a
0
> P
0
(respectiv, P
a
0
< P
0
), vanzand o OPA
si cumparan o OPE se genereaza situat ia unei strategii fara risc, deci prin urmare, P
a
0
= P
0
.
Presupunem acum ca P
0
< K S
0
si ca P
a
0
= K S
0
(adica (4.8) nu are loc). Daca P
a
0
Capitolul 3. Opt iuni de vanzare si cumparare n piet e nanciare la vedere 38
este strict mai mare decat K S
0
, vanzatorul OPA poate genera un prot prin realizarea
hedging-ului cu OPE cumparata la un pret mai mic P
0
. Daca, n schimb, P
a
0
< K S
0
este
convenabil sa se cumpere OPA si sa se exercite imediat, situat ie n care, din nou, se poate
obt ine un prot sigur.
Daca r = 0, inegalitatea (4.8), care acum se poate citi
K S
0
S
u
S
0
S
u
S
d
(K S
d
)
este n mod clar satisfacuta prin alegerea convenabila a pret ului de exercitare K.
Denit ia 3.11. Un derivat nanciar de tip American (American contingent claim, AC) este
o pereche X
a
= (X
0
, X
T
), cu X
0
R si X
T
variabila aleatoare F
T
masurabila (X
0
si X
T
sunt plat ile efectuate n condit ia n care cererea este exercitata la momentele 0, resp. T). Vom
nota cu T = {0, T} mult imea timpilor de oprire (de exercitare).
3.5 Inegalitat i generale n absent a arbitrajului
Vom prezenta n cele ce urmeaza inegalitat i generele necesare absent ei arbitrajului ntr-o piat a
nanciara. Spre deosebire de cazurile analizate pana acum nu mai presupunem ca pret ul
activului de baza admite doar dou a valori terminale posibile.
In plus, tranzact ionarea poate
realizatan timp continuu, impunand totodata condit ii de autonant aren timp a portofoliului,
fara a nevoie de infuzie sau retragere de capital din acesta. Un principiu general valabil este
enunt at n cele ce urmeaza.
Regula de monotonie a pret ului :
In orice model de piat a fara arbitraj, daca X
T
, Y
T
sunt
doua OCE, cu X
T
Y
T
, atunci
t
(X
T
)
t
(Y
T
) , t [0, T] .
In plus, daca X
T
> Y
T
, atunci
t
(X
T
) >
t
(Y
T
) , t [0, T] .
Ca si convent ie n cele ce urmeaza, notand cu r 0 dobanda compusa continuu n timp
(continuously compounded rate of interest), valoarea la momentul t a unui dolar ce se primeste
la momentul T este egala cu e
r(Tt)
, adica contul de economii este dat de
B
t
:= e
rt
, t [0, T] .
Urmatorul rezultat ofera relat ii ntre pret urile opt iunilor de cumparare si de vanzare de tip
european si american. Versiuni n timp discret ale acestor relat ii se pot deduce cu usurint a.
Capitolul 3. Opt iuni de vanzare si cumparare n piet e nanciare la vedere 39
Teorema 3.12. Fie C
t
, P
t
, C
a
t
, P
a
t
pret urile de arbitraj la momentul t pentru OCE, OPE,
OCA, OPA, cu pret ul de exercitare K si data de maturitate T. Pentru t [0, T] au loc:
(a)
_
S
t
Ke
r(Tt)
_
+
C
t
= C
a
t
S
t
,
(b)
_
Ke
r(Tt)
S
t
_
+
P
t
K,
(c) (K S
t
)
+
P
a
t
K.
Formulele de paritate put-call devin:
C
t
P
t
= S
t
Ke
r(Tt)
si S
t
K C
a
t
P
a
t
S
t
Ke
r(Tt)
. (3.9)
Demonstrat ie.
In demonstrarea ecarei relat ii se construiesc, la momentul t, portofolii ce se
pastreaza pana la momentul T, dupa care se aplica regula de monotonie a pret ului.
Construim la momentul t portofoliile:
_
A : 1 OCE si Ke
r(Tt)
cash;
B : 1 act iune de activ suport (stoc).
Valoriile portofoliilor la momentul nal satisfac relat iile
V
T
(A) = C
T
+K = (S
T
K)
+
+K = max{S
T
, K} S
T
= V
T
(B) ,
de unde
t
(A)
t
(B) , adica C
t
+Ke
r(Tt)
S
t
, t [0, T] .
Pentru egalitatea C
a
t
= C
t
, construim la momentul t, portofoliile:
_
A : 1 OCA si Ke
r(Tt)
cash;
B : 1 act iune de activ suport (stoc).
Daca OCA este exercitata la un moment t
[t, T] , atunci
V
t
(A) = S
t
K +Ke
r(Tt
)
si V
t
(B) = S
t
.
Are loc urmatoarea relat ie ntre valoarile portofoliilor la momentul nal:
V
T
(A) = max{S
T
, K} = (S
T
K)
+
+K S
T
= V
T
(B) .
Obt inem deci ca o exercitare timpurie a OCA ar contrazice regula de monotonie a pret ului.
Prima relat ie din formula de paritate (4.9) rezulta imediat deoarece C
T
P
T
= S
T
K.
Pentru cea de a doua relat ie, datorita faptului ca P
a
t
P
t
, obt inem a doua inegalitate din
formula de paritate put-call:
P
a
t
P
t
C
a
t
+Ke
r(Tt)
S
t
, t [0, T] .
Pentru a demonstra prima inegalitate consideram portofoliile:
_
A : 1 OCA si K cash;
B : 1 OPA si 1 act iune de activ suport (stoc).
Daca OPA este exercitata la un moment t
[t, T] , atunci V
t
(B) = K. Pe de alta parte,
V
t
(A) = C
t
+Ke
r(t
t)
K.
Capitolul 3. Opt iuni de vanzare si cumparare n piet e nanciare la vedere 40
Prin urmare, portofoliul A este mai valoros la momentul init ial t decat portofoliul B, adica
C
a
t
+K P
a
t
+S
t
,
toerema ind deci prin urmare demonstrata.
In ceea ce priveste dependent a de timp si de pret ul de exercitare a pret ului opt iunilor, are loc
urmatorul rezultat de comparat ie a pret urilor derivatelor nanciare.
Teorema 3.13. Notand cu C (S
0
, T, K) si C
a
(S
0
, T, K) pret urile pentru o OCE si o OCA,
sunt evidente relat iile, pentru T
1
T
2
si K
1
K
2
:
C
a
(S
0
, T
1
, K) C
a
(S
0
, T
2
, K)
C (S
0
, T, K
2
) C (S
0
, T, K
1
)
C
a
(S
0
, T, K
2
) C
a
(S
0
, T, K
1
) .
Presupunem c a are loc relat ia K
1
< K
2
. Au loc urmatoarele inegalitat i:
e
rT
(K
1
K
2
) C (S
0
, T, K
2
) C (S
0
, T, K
1
) 0 si
K
1
K
2
C
a
(S
0
, T, K
2
) C
a
(S
0
, T, K
1
) 0.
Demonstrat ie. Pentru situat ia OCE consideram, la momentul 0, portofoliile:
_
A : 1 OCE cu pret ul de exercitare K
2
si e
rT
(K
2
K
1
) cash;
B : 1 OCE cu pret ul de exercitare K
1
.
Valorile portofoliilor la momentul de expirare a opt iunilor sunt:
V
T
(A) = (S
T
K
2
)
+
+ (K
2
K
1
) (S
T
K
1
)
+
= V
T
(B)
V
T
(B) = (S
T
K
1
)
+
Conform cu regula de monotonie a pret ului rezulta
C (S
0
, T, K
2
) +e
rT
(K
2
K
1
) C (S
0
, T, K
1
) .
Similar se analizeaza a doua inegalitate.
Teorema 3.14. Pret ul unei opt iuni europene (sau americane) call (sau put) este o funct ie
convexa n raport cu pret ul de exercitare K.
Demonstrat ie. Sa consideram, pentru exemplicare, cazul unei OPE si notam cu P(S
0
, T, K)
pret ul sau la momentul 0. Fie K
1
< K
2
si K
3
:= K
1
+ (1 )K
2
, cu [0, 1] . Consideram
urmatoarele doua portofolii:
_
_
A :
j=1
j
, t = 0, T si
P{S
t+1
= uS
t
| S
0
, ..., S
t
} = P(
t+1
= u) = p > 0
P{S
t+1
= dS
t
| S
0
, ..., S
t
} = P(
t+1
= d) = 1 p > 0.
Echivalent, avem urmatoarea reprezentare
S
t
= S
0
exp
_
t
j=1
j
_
, unde
1
, ...,
T
sunt v.a.independente, identic repartizate, denite prin
42
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 43
P(
t
= ln u) = p = 1 P(
t
= ln d) , t = 1, T numite si exponential random walk.
Pentru determinarea pret urilor opt iunilor la momentele 0, 1, ..., T vom utiliza o procedura
recursiva de construire a pret urilor. Vom genera un portofoliu replicant care, la ecare moment
t T va cont ine
t
act iuni de activ suport det inute pe intervalul [t, t +1) si suma
t
investita
n active fara risc pe acelasi interval. Vom determina, prin induct ie, pret ul unei OCE, ajustand
potofoliul dinamic
:=
_
t
= (
t
,
t
)
t=0,T1
_
la nceputul ecarei perioade. Funct ia utilitate C
T
= (S
T
K)
+
va avea un unic portofoliu
replicant, dinamic (se ajusteaza la nceputul ecarei perioade), autonant ant (nu sunt accep-
tate infuzii sau retrageri de capital din portofoliu).
Pe intervalul [T 1, T] construim portofoliul
T1
= (
T1
,
T1
) ce va replica funct ia
utilitate la momentul nal, adica pentru care
V
T
() =
T1
S
T
+
T1
r = C
T
= (S
T
K)
+
.
Detaliind, obt inem sistemul
_
T1
uS
T1
+
T1
r = (uS
T1
K)
+
T1
dS
T1
+
T1
r = (dS
T1
K)
+
,
cu solut ia explicita
T1
=
(uS
T1
K)
+
(dS
T1
K)
+
S
T1
(u d)
T1
=
u(dS
T1
K)
+
d (uS
T1
K)
+
r (u d)
,
iar valoarea portofoliului la nceputul perioadei este
C
T1
= V
T1
() =
T1
S
T1
+
T1
= r
1
_
p
(uS
T1
K)
+
(1 p
) (dS
T1
K)
+
_
,
unde am notat
p
:=
r d
u d
=
1 +r d
u d
.
Pe intervalul [T 2, T 1] construim portofoliul replicant
T2
= (
T2
,
T2
) , ce va
replica funct ia utilitate de la sfarsitul acestei perioade, adica pe C
T1
:
T2
S
T1
+
T2
r = C
T1
= V
T1
() .
Trebuie subliniata, la momentul T 1 proprietatea de autonant are a portofoliului dinamic
(adica nu sunt infuzii sau retrageri de capital la momentele intermediare):
T2
S
T1
+
T2
r =
T1
S
T1
+
T1
.
Echivalent:
_
T2
uS
T2
+
T2
r = C
u
T1
T2
dS
T2
+
T2
r = C
d
T1
,
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 44
unde am notat
_
_
C
u
T1
:=
1
r
_
p
_
u
2
S
T2
K
_
+
+ (1 p
) (udS
T2
K)
+
_
C
d
T1
:=
1
r
_
p
(udS
T2
K)
+
+ (1 p
)
_
d
2
S
T2
K
_
+
_
sistem ce are solut ia explicita
T2
=
C
u
T1
C
d
T1
S
T2
(u d)
si
T2
=
uC
d
T1
dC
u
T1
r (u d)
.
Avem, de asemenea, V
T2
() = C
T2
.
4.2 Evaluarea pret ului opt iunilor europene
Procedura recurenta introdusan sect iunea precedenta conduce la o formula explicita a pret ului
de arbitaj a unei OCE si, ca o consecint a imediata, a unei OPE. Acest model de piat a nanciara
va numit modelul CRR. Pentru nceput introducem cateva notat ii uzuale, folosite n cele ce
urmeaza. Pentru ecare m N
,
a
m
(x) := inf{j N
: xu
j
d
mj
> K}
si consideram
a
d
:= a
m
(dx) si a
u
:= a
m
(ux) .
Se observa ca, pentru x > 0, a
d
= a
u
sau a
d
= a
u
+ 1. De asemenea, notam
m
(x, j) := C
j
m
p
j
(1 p
)
mj
_
u
j
d
mj
x K
_
.
Formula de evaluare e pret ului unei OCE, precum si cont inutul pe parcursul ecarei pe-
rioade a portofoliului dinamic replicant asociat sunt date de urmatorul rezultat.
Teorema 4.1. Pentru orice m = 1, ..., T, pret ul de arbitraj la momentul t = T m pentru o
OCE este dat de formula de evaluare CRR:
C
Tm
= S
Tm
m
j=a
C
j
m
p
j
(1 p)
mj
K
r
m
m
j=a
C
j
m
p
j
(1 p
)
mj
, (4.1)
unde a := a
m
(S
Tm
) , p
:=
r d
u d
, p := p
u
r
. La momentul t = T m1, strategia (unica)
replicanta
Tm1
= (
Tm1
,
Tm1
) este data de:
Tm1
=
m
j=a
d
C
j
m
p
j
(1 p)
mj
+
m
(uS
Tm1
, a
u
)
S
Tm1
(u d)
si
Tm1
=
K
r
m+1
m
j=a
d
C
j
m
p
j
(1 p
)
mj
d
m
(uS
Tm1
, a
u
)
r (u d)
,
unde a
d
:= a
m
(dS
Tm1
) , a
u
:= a
m
(uS
Tm1
) si = a
d
a
u
.
Demonstrat ie. Un calcul imediat conduce la 1 p = d(1 p
)/ r si obt inem
p
j
(1 p)
mj
= p
j
(1 p
)
mj
u
j
d
mj
/ r
m
.
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 45
Formula (5.1) se rescrie sub forma echivalenta
C
Tm
=
1
r
m
m
j=a
C
j
m
p
j
(1 p
)
mj
(u
j
d
mj
S
Tm
K)
=
1
r
m
m
j=0
C
j
m
p
j
(1 p
)
mj
(u
j
d
mj
S
Tm
K)
+
.
Tm1
S
Tm
+
Tm1
r = C
Tm
.
Scriind detaliat, aceasta conduce la sistemul liniar
_
Tm1
uS
Tm1
+
Tm1
r = C
u
Tm
Tm1
dS
Tm1
+
Tm1
r = C
d
Tm
,
unde am notat
C
u
Tm
:=
1
r
m
m
j=0
C
j
m
p
j
(1 p
)
mj
(u
j+1
d
mj
S
Tm1
K)
+
=
1
r
m
m
j=a
u
C
j
m
p
j
(1 p
)
mj
(u
j+1
d
mj
S
Tm1
K)
C
d
Tm
:=
1
r
m
m
j=0
C
j
m
p
j
(1 p
)
mj
(u
j
d
mj+1
S
Tm1
K)
+
=
1
r
m
m
j=a
d
C
j
m
p
j
(1 p
)
mj
(u
j
d
mj+1
S
Tm1
K)
+
.
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 46
Solut ia explicita a acestui sistem este, notand q
= 1 p
Tm1
=
C
u
Tm
C
d
Tm
S
Tm1
(u d)
=
1
r
m
(u d)
m
j=a
d
C
j
m
p
j
q
mj
(u
j+1
d
mj
u
j
d
mj+1
) +
m
(uS
Tm1
, a
u
)
S
Tm1
(u d)
=
m
j=a
d
C
j
m
p
j
(1 p)
mj
+
m
(uS
Tm1
, a
u
)
S
Tm1
(u d)
.
Tm1
=
uC
d
Tm
dC
u
Tm
r(u d)
=
1
r
m+1
(u d)
m
j=a
d
C
j
m
p
j
q
mj
(dK uK)
d
m
(uS
Tm1
, a
u
)
r(u d)
=
K
r
m+1
m
j=a
d
C
j
m
p
j
q
mj
d
m
(uS
Tm1
, a
u
)
r(u d)
.
Valoarea portofoliului la momentul T m1 devine, utilizand formulele deduse,
C
Tm1
=
Tm1
S
Tm1
+
Tm1
=
1
r
m+1
m+1
j=0
C
j
m+1
p
j
q
m+1j
(u
j
d
m+1j
S
Tm1
K)
+
,
ceea ce ncheie demonstrat ia teoremei.
4.3 Proprietatea martingala a modelului CRR
Analizam proprietatea de absent a a arbitrajului n modelul CRR construind campul de prob-
abilitate ca spat iul canonic al lui S. Pentru T N
T
j=1
a
j
(1 p)
T
T
j=1
a
j
, si p (0, 1) xat
Este clar ca ecare P P este unic determinata de p (0, 1) .
Pentru ecare j = 1, T, e evenimentele independente, de probabilitate p :
A
j
:= { | a
j
= 1}.
Denim acum variabilele aleatoare independente, identic repartizate
j
, j = 1, T,
j
() := ua
j
+d (1 a
j
) , ,
variabile a caror repartit ie este: P(
j
= u) = p = 1 P(
j
= d).
In cele ce urmeaza aratam ca
unica masura martingala pentru S
t
:=
S
t
B
t
=
S
t
r
t
, t T
si notam cu D
S
t
familia de descompuneri a lui generata de variabila aleatoare S
u
, u t,
adica D
S
t
= D(S
0
, ..., S
t
) , u t.
In interpretare nanciara, D
S
t
reprezinta informat iile din
piat a accesibile investitorilor la momentul t. Consideram ltrarea naturala a lui S :
F
S
t
:=
_
D
S
t
_
= (S
0
, ..., S
t
) = (S
0
, ..., S
t
) = F
S
t
, t T.
Denit ia 4.2. O masura de probabilitate P
_
S
t+1
|F
S
t
_
= S
t
, t < T 1. (4.2)
Problema existent ei si unicitat ii unei masuri martingale pentru pret ul cu discount al stocului
este complet rezolvata, dupa cum rezulta si din rezultatul urmator.
Teorema 4.3. Exista o masura martingal a P
pentru S
=
1 +r d
u d
.
Demonstrat ie. Condit ia (5.2) se rescrie
E
P
_
r
(t+1)
t+1
S
t
|F
S
t
_
= r
t
S
t
, t < T 1, adica
r
(t+1)
S
t
E
P
t+1
|F
S
t
_
= r
t
S
t
, t < T 1,
ceea ce conduce la
E
P
t+1
|F
S
t
_
= 1 +r = E
P
(
t+1
) .
Prin urmare variabila aleatoare
t+1
este independenta de F
S
t
sub probabilitatea P
, deci este
independenta de
1
, ...,
t
. Prin induct ie se obt ine imediat ca variabilele aleatoare
1
, ...,
T
sunt
independente (sub probabilitatea P
a variabilei aleatoare
t
.
Avem, pentru orice t = 1, T:
E
P
(
t
) = uP
{
t
= u} +d (1 P
{
t
= u}) = 1 +r,
cu solut ia
P
{
t
= u} = p
=
1 +r d
u d
, t = 1, T.
In plus, P
P si
P
P d < 1 +r < u,
demonstrat ia ind ncheiata
Am utilizat n demonstrat ia anterioara urmatorul rezultat.
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 48
Lema 4.4. Fie o variabila aleatoare denita pe campul de probabilitate (, F, P) , astfel ncat
P( = a)+P( = b) = 1, pentru a, b R si G o sub- algebra a lui F. Daca E
P
(|G) = E
P
() ,
atunci este independenta de G.
Corolarul 4.5. Pret ul stocului S si pret ul cu discount S
, n raport cu ltrarea F
S
= F
S
.
Corolarul 4.6. Modelul binomial CRR n piat a nanciara M = (S, B, ) este fara arbitraj
daca si numai daca d < 1 +r < u.
Demonstram ca formula CRR de determinare a pret ului opt iunilor de tip european poate
dedusa, n mod alternativ, prin evaluarea directa a mediei condit ionate, sub masura martingala
P
Tm
= E
P
_
r
m
(S
T
K)
+
|F
S
Tm
_
. (4.3)
Demonstrat ie. Calculam formula (5.3) n mod explicit. Avem astfel
S
T
= S
Tm
Tm1
...
T
=: S
Tm
m
, unde
S
Tm
este o variabila aleatoare F
S
Tm
masurabila si
m
este o variabila aleatoare independenta
de F
S
Tm
. Prin urmare, formula (5.3) devine
C
Tm
= E
P
_
r
m
(S
Tm
m
K)
+
|F
S
Tm
_
= E
P
_
r
m
(S
Tm
m
K)
+
_
.
Variabilele aleatoare
Tm1
, ...,
T
sunt independente si
P
(
j
= u) = p
= 1 P
(
j
= d) ,
ceea ce conduce la
C
Tm
= r
m
m
j=0
C
j
m
p
j
(1 p
)
mj
_
S
Tm
u
j
d
mj
K
_
+
.
Folosind notat iile p = p
u
r
si 1 p =
(1 p
) d
r
, obt inem reprezentarea
C
Tm
=
m
j=a
C
j
m
_
S
Tm
p
j
(1 p)
mj
K r
m
p
j
(1 p
)
mj
_
,
unde a := a
m
(S
Tm
) = inf{j N
: S
Tm
u
j
d
mj
> K}.
Observat ia 4.8. Formula (5.3) poate rescrisa sub forma
C
t
= B
t
E
P
_
B
1
T
(S
T
K)
+
|F
S
t
_
= B
t
E
P
_
B
1
T
X|F
S
t
_
,
unde X = (S
T
K)
+
, dar poate nlocuita cu orice derivat nanciar european.
Observat ia 4.9. Formula de paritate put-call ce permite determinarea pret ului just al OPE
este: C
t
P
t
= S
t
K r
(Tt)
, t T.
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 49
Demonstrat ie.
Intr-adevar,
t
(C
T
P
T
) = E
P
_
r
(Tt)
(S
T
K) |F
S
t
_
, adica
C
t
P
t
= E
P
_
S
T
r
t
|F
S
t
_
K r
(Tt)
,
ceea ce conduce la C
t
P
t
= S
t
K r
(Tt)
.
4.4 Opt iuni americane n modelul CRR
4.4.1 Timpi de oprire; nfasuratoarea Snell a proceselor stochastice
O variabila aleatoare : (, F, P) {0, 1, 2, ...} se numeste timp de oprire (stopping time)
daca
{ n} = { | () n} F
n
, n .
Deoarece { = n} = { n}{ n 1} si { n} =
_
kn
{ = k}, obt inem urmatoarea
caracterizare echivalenta a timpilor de oprire:
{ = n} F
n
, n .
Spunem ca un timp de oprire este marginit daca exista o constanta K astfel ncat P(
K) = 1.
Exemplul 4.1. Fie X un proces stochastic adaptat si ne intereseaza momentul primei intrari
a lui X ntr-o mult ime B, masurabila Borel (de regula B = [c, ) B
R
):
= inf{n 0 | X
n
B}.
Avem ca { n} =
kn
{X
k
B} F
n
si = daca X nu ajunge n mult imea B.
Variabila aleatoare este un timp de oprire.
Intuitiv, v.a. poate interpretata ca momentul n care un jucator se decide sa paraseasca
un joc la care participa. Par asirea jocului la momentul n depinde, prin urmare, doar de
istoricul jocului pana la acel moment inclusiv, nu si de viitor.
Teorema 4.10 (Principiul lui Doob al timpilor de oprire). Fie un timp de oprire marginit
si X o martingala. Atunci X
este integrabila si
E(X
) = E(X
0
).
Demonstrat ie. Presupunem () K pentru tot i , unde K este un ntreg si avem
X
()
() =
k=0
X
k
()1
{()=k}
=
K
k=0
X
k
()1
{()=k}
.
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 50
Folosind proprietatea de liniaritate a mediei, proprietatea martingala a lui X, F
k
-masurabilitatea
lui { = k} si denit ia mediei condit ionate, obt inem
E(X
) = E
_
K
k=0
X
k
1
{=k}
_
=
K
k=0
E
_
X
k
1
{=k}
=
K
k=0
E
_
E(X
K
|F
k
) 1
{=k}
=
K
k=0
E
_
X
K
1
{=k}
= E
_
X
K
K
k=0
1
{=k}
_
= E(X
K
) = E(X
0
) .
Denit ia 4.11. Fie un timp de oprire. Sigma algebra F
= {A F | A { n} F
n
, pentru tot i n}.
Propozit ia 4.12. Pentru un timp de oprire , F
este -algebra.
Demonstrat ie. Vericam proprietat ile -algebrei.
In mod evident , F
. De asemenea,
pentru A F
obt inem
A
c
{ n} = { n}(A { n}) F
n
,
adica A
c
F
. Pentru o familie A
i
F
, i = 1, 2, ...avem
_
_
i=1
A
i
_
{ n} =
_
i=1
_
A
i
{ n}
_
F
n
,
adica
i=1
A
i
F
.
Propozit ia 4.13. Fie si doi timpi de oprire care verica . Atunci F
.
Demonstrat ie. Deoarece avem { n} { n}. Pentru A F
obt inem
A { n} = (A { n}) { n} F
n
,
adica A F
.
Vom introduce n cele ce urmeaza not iunea de nfasuratoare Snell a unui proces stochastic,
un instrument important n evaluarea derivatelor nanciare de tip american.
Denit ia 4.14. Daca X = (X
n
)
N
n=0
este un sir adaptat ltrarii F = {F
n
}
n=0,N
, cu E(|X
n
|) <
petru tot i n = 0, N, sirul Z = (Z
n
)
N
n=0
denit prin
_
Z
N
:= X
N
Z
n
:= max{X
n
, E(Z
n+1
|F
n
)} (n N 1)
este numit nfasuratoare Snell a procesului X.
Teorema 4.15.
Infasuratoarea Snell Z a procesului X este o supramartingala si este cea mai
mica supramartingala care domina procesul X (adica pentru care are loc relat ia Z
n
X
n
,
pentru tot i n).
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 51
Demonstrat ie. Pentru nceput Z
n
E(Z
n+1
|F
n
), deci Z este o supramartingala si Z
n
X
n
pentru tot i n.
Consideram acum Y = (Y
n
)
n
o alta supramartingala care domina procesul X. Pentru
nceput, deoarece Z
N
= X
N
si Y domina pe X, rezulta ca Y
N
Z
N
. Presupunem, inductiv,
ca Y
n
Z
n
si, deoarece Y este o supramartingala, avem
Y
n1
E(Y
n
|F
n1
) E(Z
n
|F
n1
) .
Cum Y domina pe X,
Y
n1
X
n1
,
si, combinand relat iile anterioare,
Y
n1
max{X
n1
, E(Z
n
|F
n1
)} = Z
n1
.
Repetand argumentul anterior obt inem ca Y
n
Z
n
pentru tot i ntregii n.
Exemplul 4.2 (Problema ruinarii jucatorului). Doi jucatori, Pacala si Tandala, sunt angajat i
n urm atorul joc: Pacala arunca n mod repetat o moneda ideal a. Dupa ecare aruncare, daca
iese stema, Pacala plateste lui Tandal a un Euro, iar daca iese banul, Tandala plateste lui
Pacala aceeasi suma. Jocul continua pana cand unul dintre jucatori ramane fara bani. Stiind
ca Pacala porneste jocul cu A Euro iar Tandala cu B Euro, sa se determine:
(i) probabilitatea ca atunci cand jocul se ncheie, Pacala sa aiba ntreaga sum a.
(ii) durata medie asteptata a jocului.
Demonstrat ie. Fie X
1
, X
2
, ... sirul de cresteri/descresteri ale averii lui Pacala, adica X
i
= 1,
corespunzator cazului n care la aruncarea numarul i iese stema sau banul. Dupa n aruncari
schimbarile din averea lui Pacala sunt date de catre variabila aleatoare
S
n
=
n
i=1
X
i
.
Jocul continua pana la momentul , unde
= min{n | S
n
= +A sau B}.
Capitolul 4. Modelul binomial Cox-Ross-Rubinstein (CRR) 52
Se poate demonstra usor ca este un timp de oprire relativ la ltrarea naturala F
n
=
(X
1
, X
2
, ..., X
n
).
In plus, sirul (S
n
)
n
este o martingala relativ la ltrarea naturala. Con-
form Teoremei de oprire n timp optimal, pentru n < ,
0 = ES
0
= ES
n
= A P{ n si S
= A}
B P{ n si S
= B} +ES
n
1
{>n}
.
Pentru n , P({ > n}) 0 deoarece, daca la ecare moment sunt A+B steme sau ban
consecutive, atunci jocul se ncheie deoarece unul dintre jucatori va ruinat. Pentru n sucient
de mare, probabilitatea de a nu se ntampla acest lucru este foarte mica. Acum, deoarece S
n
trebuie sa ia valori cuprinse ntre A si -B pentru evenimentul { > n} rezulta ca ultima medie
din formula anterioara converge catre 0 pentru n . Prin urmare,
0 = A P{S
= A} B P{S
= B}.
Deoarece S
ia valorile A sau -B, cele doua probabilitat i anterioare dau suma 1. Prin urmare,
rezolvand acest sistem liniar de doua ecuat ii cu doua necunoscute, obt inem:
P{S
= A} =
B
A+B
,
ceea ce nalizeaza demonstrat ia punctului (i).
Pentru a demonstra punctul (ii) utilizam pentru nceput tot Teorema de oprire n timp
optimal, folosind martingala S
2
n
n. Obt inem, pentru n = 1, 2, ...
E
_
S
2
n
n
_
= 0,
de unde
E( n) = ES
2
n
= ES
2
1
{n}
+ES
2
n
1
{>n}
.
Cum n si S
2
1
{n}
S
1
{n}
= ES
2
= A
2
_
B
A+B
_
+B
_
A
A+B
_
= AB.
Deoarece S
2
n
este marginit pe evenimentul { > n} si P({ > n}) 0 pentru n , atunci
ES
2
n
1
{>n}
0 pentru n , ceea ce conduce la faptul ca din (5.4) rezulta ca
E = AB
pentru n .
4.4.2 Modelul nanciar
text
Capitolul 5
Modelul Black-Scholes
5.1 Comportamentul asimptotic al modelului Cox-Ross-Rubinstein
Determinam formula de evaluare a pret ului opt iunilor n modelul Black-Scholes, prin studierea
comportamentului asimptotic al modelului CRR, alegand convenabil sirul de modele binomiale.
Fie T > 0 xat, arbitrar ales si, pentru ecare n de forma n = 2
k
, consideram partit ia
intervalului [0, T] n n subintervale de lungime
n
= T/n :
I
j
= [j
n
, (j + 1)
n
], j = 0, n 1.
Introducem, pentru nceput, factorul de acumulare modicat. Pentru aceasta, pe ecare in-
terval I
j
vom nota cu r
n
dobanda instantanee corespunzatoare acestui interval, iar pret ul
activului fara risc este dat de sirul (B
n
)
n
de conturi de economii (savings accounts):
B
n
j
n
= (1 +r
n
)
j
, j = 0, n.
Pentru ecare n presupunem ca pret ul stocului S
n
se poate aprecia pe intervalul I
j
cu rata
u
n
sau deprecia cu rata d
n
, putandu-se reprezenta prin:
S
n
(j+1)
n
=
n
j+1
S
n
j
n
, j = 0, n 1,
unde, pentru ntregii xat i j si n,
n
j
este o variabila aleatoare repartizata Bernoulli cu valorile
u
n
si d
n
. Putem presupune ca pentru ecare n, variabilele aleatoare independente
n
j
, j = 1, n
sunt denite pe acelasi camp de probabilitate (
n
, F
n
, P
n
) si
P{
n
j
= u
n
} = p
n
= 1 P{
n
j
= d
n
}, j = 1, n, pentru p
n
(0, 1).
Observat ia 5.1. Pentru a asigura convergent a modelului CRR la modelul Black-Scholes (BS)
impunem urmatoarele condit ii restrictive privitoare la comportamentul asimptotic al can-
titat ilor r
n
, u
n
si d
n
:
1 +r
n
= e
r
n
, u
n
= e
n
, d
n
= u
1
n
, unde r 0, > 0 sunt constante date. (5.1)
Remarcam ca, pentru ecare n > r
2
2
T avem ca d
n
= u
1
n
< 1 + r
n
< u
n
, iar mod-
elul CRR (S
n
, B
n
,
n
) este fara arbitraj, pentru n sucient de mare.
In plus, prin calcule
53
Capitolul 5. Modelul Black-Scholes 54
elementare obt inem:
lim
n
p
,n
= lim
n
1 +r
n
d
n
u
n
d
n
= lim
n
e
r
n
e
n
e
n
e
n
=
1
2
si
lim
n
p
n
= lim
n
p
,n
u
n
1 +r
n
=
1
2
.
Studiem n continuare comportamentul asimptotic al pret ului unei opt iuni de call european
atunci cand n . Presupunem t = jT/2
k
si consideram sirul
m
n
(t) =
n(T t)
T
, n N,
remarcand ca m
n
(t) N pentru n = 2
l
sucient de mare.
In plus, T t = m
n
(t)
n
si
lim
n
(1 +r
n
)
m
n
(t)
= lim
n
e
r
n
m
n
(t)
= e
r(Tt)
.
Cantitatea m
n
(t) reprezinta numarul de perioade de tranzact ionare pe intervalul [t, T] (pentru
l sucient de mare). Denim, la momentul t, pentru activul cu risc s := S
t
= S
Tm
n
(t)
n
cantitatea
b
n
(t) = inf
_
j N
: su
j
n
d
m
n
(t)j
n
> K
_
. (5.2)
Teorema urmatoare furnizeaza formula clasica Black-Scholes de evaluare a pret ului opt iunilor
de vanzare si de cumparare europene, instrumentul utilizat ind comportamentul asimptotic
al modelului CRR.
Teorema 5.2. Pentru ecare punct diadic t [0, T] are loc:
lim
n
m
n
(t)
j=b
n
(t)
C
j
m
n
(t)
_
S
t
p
j
n
q
m
n
(t)j
n
K r
m
n
(t)
n
p
j
,n
q
m
n
(t)j
,n
_
= C
t
,
unde q
,n
= 1 p
,n
, q
n
= 1 p
n
si C
t
este dat de formula Black-Scholes:
C
t
= S
t
N (d
1
(S
t
, T t)) Ke
r(Tt)
N (d
2
(S
t
, T t)) , cu
d
1
(s, t) =
ln (s/K) +
_
r +
1
2
2
_
t
t
,
d
2
(s, t) = d
1
(s, t)
t =
ln (s/K) +
_
r
1
2
2
_
t
t
.
Funct ia N este funct ia de repartit ie Gaussiana standard:
N (x) =
1
2
x
_
e
u
2
/2
du, x R.
Demonstrat ie. Fie S
t
= s valoarea generica a pret ului stocului la momentul t. Primul pas
consta n demonstrarea faptului ca
lim
n
m
n
(t)
j=b
n
(t)
C
j
m
n
(t)
p
j
n
(1 p
n
)
m
n
(t)j
= N (d
1
(s, T t)) . (5.3)
Capitolul 5. Modelul Black-Scholes 55
Observam init ial ca
m
n
(t)
j=b
n
(t)
C
j
m
n
(t)
p
j
n
(1 p
n
)
m
n
(t)j
= Q{b
n
(t)
n
m
n
(t)} ,
unde, pentru ecare ntreg n, variabila aleatoare
n
B(m
n
(t) , p
n
) sub masura de probabil-
itate Q. Notam
n
:=
_
p
n
(1 p
n
) si consideram variabila aleatoare.normalizata
n
=
n
E
Q
(
n
)
_
V ar
Q
(
n
)
=
n
m
n
(t) p
n
_
m
n
(t) p
n
(1 p
n
)
=
m
n
(t)
j=1
_
n
j
p
n
_
n
_
m
n
(t)
,
unde
n
j
, j = 1, ..., n sunt variabile aleatoare independente, identic repartizate B( p
n
) :
Q{
n
j
= 1}= p
n
= 1 Q{
n
j
= 0}.
Teorema Limita Centrala conduce la convergent a n repartit ie a sirului de variabile aleatoare
{
n
}
nN
:
n
rep
Z N (0, 1) pentru n .
In plus,avem ca
lim
n
m
n
(t) m
n
(t) p
n
_
m
n
(t) p
n
(1 p
n
)
= lim
n
_
m
n
(t) p
1
n
(1 p
n
) = + si,
utilizand (6.2), obt inem
lim
n
b
n
(t) m
n
(t) p
n
_
m
n
(t) p
n
(1 p
n
)
= lim
n
ln(K/s)+m
n
(t)
n
2
n
m
n
(t) p
n
_
m
n
(t) p
n
(1 p
n
)
= lim
n
ln (K/s) +m
n
(t)
n
(1 2 p
n
)
2
_
m
n
(t)
n
p
n
(1 p
n
)
=
ln (K/s)
_
r +
1
2
2
_
(T t)
T t
= d
1
(s, T t)
deoarece
lim
n
m
n
(t)
_
n
(1 2 p
n
) = (T t)
_
r
+
2
_
.
Convergent an repartit ie a sirului de variabile aleatoare {
n
}
nN
si relat ia 1N (x) = N (x),
x R conduce la
lim
n
Q{b
n
(t)
n
m
n
(t)} = 1 N (d
1
(s, T t)) = N (d
1
(s, T t)) ,
adica formula (6.3) este demonstrata.
Intr-o maniera similara se demonstreaza ca
lim
n
m
n
(t)
j=b
n
(t)
C
j
m
n
(t)
p
j
,n
(1 p
,n
)
m
n
(t)j
= N (d
2
(s, T t)) .
Membrul stang al egalitat ii anterioare se poate scrie sub forma
m
n
(t)
j=b
n
(t)
C
j
m
n
(t)
p
j
,n
(1 p
,n
)
m
n
(t)j
= Q{b
n
(t)
n
m
n
(t)}
Capitolul 5. Modelul Black-Scholes 56
unde, pentru ecare ntreg n, variabilele aleatoare
n
B(m
n
(t) , p
,n
) sub probabilitatea Q.
Prin calcule asemanatoare cazului anterior obt inem
lim
n
b
n
(t) m
n
(t) p
,n
_
m
n
(t) p
,n
(1 p
,n
)
= d
2
(s, T t) si
lim
n
Q{b
n
(t)
n
m
n
(t)} = 1 N (d
2
(s, T t)) = N (d
2
(s, T t)) ,
demonstrat ia ind n acest moment completa.
5.2 Modelul continuu Black-Scholes
Consideram n cele ce urmeaza o piat a nanciara perfecta, adica o piat a n care tranzact iile
au loc continuu n timp, nu sunt restrict ii la credite sau depozite, dobanzile sunt egale, si
nu sunt taxe sau costuri la tranzact ionarea activelor nanciare. Ca si n situat iile anterioare
exista doua active tranzact ionabile n acest model de piat a nanciara, tranzact iile si dinamica
pret ului ind date n timp continuu. Cele doua active sunt caracterizate prin:
1. activul primar fara risc corespunde unui cont de economii (savings account, a money
market account, a risk-free bond), pentru care dobanda instantanee (short-term interest
rate) r este constanta pe intervalul [0, T]. Acest activ este continuu compus n timp,
dinamica sa ind guvernata de ecuat ia diferent iala
dB
t
= rB
t
dt, B
0
= 1,
cu solut ia explicita B
t
= e
rt
, t [0, T] . Consideram spre exemplu un instrument de
trezorerie, nepurtator de dividende (zero-coupon bond) cu maturitatea T, al carui pret
la momentul t [0, T] este
B(t, T) = e
r(Tt)
, t [0, T] .
Pentru orice moment T xat, pret ul bond-ului satisface ecuat ia diferent iala
dB(t, T) = rB(t, T) dt, B(0, T) = e
rT
.
2. activul cu risc (underlying stock asset), a carui evolut ie n timp continuu ind data de
procesul stochastic (S
t
)
t[0,T]
ce satisface ecuat ia diferent iala (pe scurt, EDS) liniara:
dS
t
= S
t
dt +S
t
dW
t
, S
0
> 0, (5.4)
unde > 0 este rata de apreciere a pret ului act iunii, > 0 este volatilitatea si S
0
este pret ul init ial al act iunii. Ecuat ia anterioara admite o solut ie unica, a carei forma
explicita este data prin urmatorul rezultat.
Propozit ia 5.3. Ecuat ia (6.4), scrisa sub forma integrala
S
t
= S
0
+
_
t
0
S
u
du +
_
t
0
S
u
dW
u
, t [0, T]
admite o solut ie unica data prin formula
S
t
= S
0
exp
_
W
t
+
_
1
2
2
_
t
_
, t [0, T] . (5.5)
Capitolul 5. Modelul Black-Scholes 57
Demonstrat ie. Folosind formula lui Ito se arata ca procesul stochastic denit prin (6.5) satis-
face ecuat ia (6.4). Fie
dX
t
=
_
1
2
2
_
dt +dW
t
.
Considerand funct ia g : R , g (x) = S
0
e
x
, avem ca S
t
= g (X
t
) si
dS
t
= dg (X
t
) = g
(X
t
)
_
1
2
2
_
dt +g
(X
t
) dW
t
+
1
2
g
(X
t
)
2
dt
= g (X
t
) (dt +dW
t
) = S
t
(dt +dW
t
) .
Unicitatea solut iei rezulta datorit a coecient ilor Lipschitz ai ecuat iei (6.4).
Observat ia 5.4. Este important de subliniat faptul ca
F
W
t
= {W
u
: u t} = {S
u
: u t} = F
S
t
,
adica ltrarea generata de pret ul act iunilor de stoc coincide cu ltrarea naturala a miscarii
Browniene W, adica F
S
= F
W
= F.
Denim procesul auxiliar
M
t
= exp
_
W
t
1
2
2
t
_
, t [0, T] (5.6)
si demonstram ca el este un caz particular de proces stochastic.
Propozit ia 5.5. Procesul M denit anterior este o martingala sub masura de probabilitate P,
n raport cu ltrarea F.
Demonstrat ie. Observam ca
E
P
_
e
(W
t
W
u
)
|F
u
_
= E
P
_
e
(W
t
W
u
)
_
= exp
_
1
2
2
(t u)
_
deoarece W
t
W
u
N (0, t u) . Cum S
t
= e
t
M
t
, avem, pentru ecare u t T,
E
P
(S
t
|F
u
) = E
P
_
e
t
M
t
|F
u
_
= e
t
M
u
= S
u
e
(tu)
.
Pret ul stocului S este o martingala sub probabilitatea P n raport cu ltrarea F daca si numai
daca rata de apreciere este 0. Daca > 0 (res. < 0) atunci
E
P
(S
t
|F
u
) > S
u
(resp. < S
u
), pentru t > u,
adica pret ul stocului S este o submartingala (resp. o supramartingala) sub masura de proba-
bilitate subiectiva P.
5.3 Strategii de schimb autonant ante; masuri martingale pen-
tru o piat a spot
In cele ce urmeaza vom utiliza tot instrumentul portofoliilor replicante pentru a modela pret ul
opt iunilor call si put europene. Ideea avuta n vedere vizeaza asigurarea lipsei oportunitat ilor
de arbitraj n piat a nanciara considerata.
Denit ia 5.6.
Capitolul 5. Modelul Black-Scholes 58
Prin strategie de schimbnt elegem o pereche de procese stochastice progresiv masurabile
= (
1
,
2
) denite pe spat iul de probabilitate (, F, P) .
Spunem ca o strategie de schimb = (
1
,
2
) pe intervalul [0, T] este autonant anta
daca valoarea portofoliului
V
t
() :=
1
t
S
t
+
2
t
B
t
, t [0, T]
satisface condit ia
V
t
() = V
0
() +
_
t
0
1
u
dS
u
+
_
t
0
2
u
dB
u
, t [0, T] ,
prima integrala ind interpretata n sens Ito, iar a doua n sens Lebesgue.
(Vom nota cu mult imea strategiilor autonant ante, mult ime ce nu coincide cu R
2
,
dupa cum se poate observa din modelul de suicid al lui Harrison & Pliska, 1981).
t
= S
0
exp
_
W
t
+
_
r
1
2
2
_
t
_
,
adica, echivalent, S
t
= ( r) S
t
dt +S
t
dW
t
, S
0
= S
0
,
iar proprietatea martingala a lui S
daca S
.
Denit ia 5.8. O masura de probabilitate P
t
() := V
t
() /B
t
oricarei strategii
autonant ante este o martingal a locala sub P
.
Are loc urmatorul rezultat de caracterizare a masurilor martingale spot.
Lema 5.9. O masura de probabilitate pe campul (, F) este o masura martingala spot daca
si numai daca este o masura martingala pentru S
.
Demonstrat ie. Fie o strategie de schimb . Utilizam formula lui Ito si obt inem (stim ca
dB
1
t
= rB
1
t
dt):
dV
t
= d
_
V
t
B
1
t
_
= V
t
dB
1
t
+B
1
t
dV
t
=
_
1
t
S
t
+
2
t
B
t
_
dB
1
t
+B
1
t
_
1
t
dS
t
+
2
t
dB
t
_
=
1
t
_
B
1
t
dS
t
+S
t
dB
1
t
_
=
1
t
dS
t
,
adica
V
t
() = V
0
() +
_
t
0
1
u
dS
u
, t [0, T] .
Cum integrala stochastica Ito este o martingala locala obt inem rezultatul dorit.
Capitolul 5. Modelul Black-Scholes 59
Lema 5.10. Unica masur a martingala P
pentru S
dP
= exp
_
r
W
T
1
2
(r )
2
2
T
_
, Pa.s.
Sub aceasta masura martingal a P
, pret ul cu discount S
t
= S
t
dW
t
,
iar procesul W
t
= W
t
(r )
1
t, t [0, T] este o miscare Browniana pe (, F, P
).
Pret ul cu discount S
t
= S
0
exp
_
W
t
1
2
2
t
_
= S
0
M
t
,
unde M
. Pret ul stocului la
momentul t este deci
S
t
= S
t
B
t
= S
0
exp
_
W
t
+
_
r
1
2
2
_
t
_
,
adica
dS
t
= rS
t
dt +S
t
dW
t
, S
0
> 0.
Este important de subliniat faptul ca
F = F
W
= F
W
= F
S
= F
S
.
Denit ia 5.11. O strategie se numeste P
admisibila daca V
t
() := B
1
t
V
t
()
este o martingala sub P
. Notam cu (P
admisibile. Tripletul
M
BS
:= (S, B, (P
t
(X) = B
t
E
P
_
B
1
T
X|F
t
_
, t [0, T] .
Demonstrat ie. Fie o strategie admisibila, replicanta pentru derivatul nanciar X. Pentru
orice t [0, T], avem, conform lemei (6.9),
t
(X)
B
t
= V
t
() = E
P
(V
T
() |F
t
) = E
P
_
B
1
T
X|F
t
_
,
adica
t
(X) = B
t
E
P
_
B
1
T
X|F
t
_
.
5.4 Formula Black-Scholes de evaluare a pret ului n timp con-
tinuu
Vom considera o opt iune de tip call european avand ca activ suport un activ primar (stoc) S ce
nu plateste dividende, cu maturitatea T si pret ul de exercitare K. Funct ia de plata (si pret ul
Capitolul 5. Modelul Black-Scholes 60
opt iunii) la momentul T este, asa cum se stie, (S
T
K)
+
. Fie funct ia c : R
+
(0, T] R
denita prin
c (s, t) := sN (d
1
) Ke
rt
N (d
1
) , (5.7)
unde N este funct ia de repartit ie normala standard si
d
1,2
:= d
1,2
(s, t) =
ln (s/K) +
_
r
1
2
2
_
t
t
. (5.8)
Notamn continuare prin C
t
pret ul de arbitraj (arbitrage price, fair price) al unui call european
n modelul continuu Black-Scholes.
Enunt am si demonstram n cele ce urmeaza rezultatul principal al acestei sect iuni.
Teorema 5.13. La ecare moment t < T, pret ul de arbitraj al opt iunii de call european (cu
maturitatea T si pret ul de exercitare K) este dat de formula
C
t
= c (S
t
, T t) , t [0, T] ,
unde funct ia c : R
+
(0, T] R este denita prin formula (6.7). Mai explicit, avem, pentru
ecare t < T,
C
t
= S
t
N (d
1
(S
t
, T t)) KB(t, T) N (d
2
(S
t
, T t)) , (5.9)
cu cantitat ile d
1,2
denite prin (6.8).
In plus, unica strategie replicanta admisibila =
_
1
,
2
_
pentru opt iunea de call european este
1
t
=
c
s
(S
t
, T t) = N (d
1
(S
t
, T t))
si
2
t
= e
rt
_
c (S
t
, T t)
1
t
S
t
_
.
Demonstrat ie. Vom prezenta dou a metode de demonstrat ie: prima metoda se bazeaza pe
determinarea directa a strategiei replicante alaturi de pret ul opt iunii, iar cea de a doua
abordare utilizeaza formula de evaluaren caz de risc neutru; avand determinat pret ul opt iunii
putem obt ine apoi portofoliul replicant.
Metoda 1. Presupunem ca pret ul opt iunii, notat cu C
t
, se poate reprezenta sub forma
C
t
= v (S
t
, t), pentru o funct ie v : R
+
(0, T] R si ca strategia replicanta cautata are forma
t
=
_
1
t
,
2
t
_
= (g (S
t
, t) , h(S
t
, t)) ,
pentru t [0, T] , unde g, h : R
+
(0, T] R sunt funct ii necunoscute. Cum strategia este
autonant anta, atunci valoarea portofoliului
V
t
() = g (S
t
, t) S
t
+h(S
t
, t) B
t
= v (S
t
, t) (5.10)
satisface ecuat ia diferent iala
dV
t
() = g (S
t
, t) dS
t
+h(S
t
, t) dB
t
(5.11)
= ( r) S
t
g (S
t
, t) dt +S
t
g (S
t
, t) dW
t
+rv (S
t
, t) dt
deoarece din a doua egalitate din (6.10) obt inem ca
2
t
= h(S
t
, t) = B
1
t
(v (S
t
, t) g (S
t
, t) S
t
) .
Capitolul 5. Modelul Black-Scholes 61
Cautam n continuare funct ia v din spat iul C
2,1
((0, ) (0, T)) . Aplicam formula lui Ito si
obt inem
dv (S
t
, t) =
_
v
t
(S
t
, t) +S
t
v
s
(S
t
, t) +
1
2
2
S
2
t
v
ss
(S
t
, t)
_
dt +S
t
v
s
(S
t
, t) dW
t
.
t
(S
t
, t) +S
t
v
s
(S
t
, t) +
1
2
2
S
2
t
v
ss
(S
t
, t)
_
dt +S
t
v
s
(S
t
, t) dW
t
+ (r ) S
t
g (S
t
, t) dt S
t
g (S
t
, t) dW
t
rv (S
t
, t) dt.
Dar, conform cu (6.10), dY
t
= 0 si, datorita unicitat ii descompunerii canonice a semimartin-
galelor continue, termenul de difuzie din descompunerea anterioara a procesului Y dispare.
Aceasta nseamna ca, pentru orice t [0, T],
_
t
0
S
u
_
g (S
u
, u) v
s
(S
u
, u)
_
dW
u
= 0, t [0, T] ,
sau, echivalent, n virtutea proprietat ilor integralei Ito (proprietatea de izometrie),
_
T
0
S
2
u
_
g (S
u
, u) v
s
(S
u
, u)
_
2
du = 0,
adica e necesar si sucient ca funct ia g sa satisfaca relat ia
g (s, t) = v
s
(s, t) , (s, t) R
+
[0, T] . (5.12)
Obt inem, prin urmare, reprezentarea lui Y :
Y
t
=
_
t
0
_
v
t
(S
u
, u) +
1
2
2
S
2
u
v
ss
(S
u
, u) +rS
u
v
s
(S
u
, u) rv (S
u
, u)
_
du.
Rezulta ca procesul Y dispare atunci cand funct ia v satisface urmatoarea ecuat ie cu derivate
part iale, numita si EDP Black-Scholes:
v
t
(s, t) +
1
2
2
s
2
v
ss
(s, t) +rsv
s
(s, t) rv (s, t) = 0. (5.13)
Cum C
T
= v (S
T
, T) = (S
T
K)
+
impunem si condit ia terminala v (s, T) = (s K)
+
, pentru
s R
+
. Se verica, prin calcul direct, ca funct ia v (s, t) = c (s, T t) verica problema de
mai sus. Ramane doar de justicat ca strategia replicanta data de formulele:
1
t
= g (S
t
, t) = v
s
(S
t
, t) ,
2
t
= h(S
t
, t) = B
1
t
(v (S
t
, t) g (S
t
, t) S
t
) ,
este o strategie admisibila. Pentru nceput aratam ca ea este auto-nant anta. Pentru aceasta,
vericam ca
dV
t
() =
1
t
dS
t
+
2
t
dB
t
.
Deoarece V
t
() =
1
t
S
t
+
2
t
B
t
= v (S
t
, t), aplicand formula lui Ito obt inem
dV
t
() = v
s
(S
t
, t) dS
t
+
1
2
2
S
2
t
v
ss
(S
t
, t) dt +v
t
(S
t
, t) dt.
Capitolul 5. Modelul Black-Scholes 62
care, utilizand (6.13), devine
dV
t
() = v
s
(S
t
, t) dS
t
+rv (S
t
, t) dt rS
t
v
s
(S
t
, t) dt
si deci
dV
t
() =
1
t
dS
t
+rB
t
v (S
t
, t) S
t
1
t
B
t
dt =
1
t
dS
t
+
2
t
dB
t
,
adica strategia construita anterior este auto-nant anta. Pentru admisibilitatea sa, vericam
ca
V
t
() = V
0
() +
_
t
0
v
s
(S
u
, u) dS
u
,
este o martingala sub masura martingala P
s
(s, t) = N (d
1
(s, T t))
pentru ecare pereche (s, t) R
+
[0, T] si
V
t
() = V
0
() +
_
t
0
S
u
N (d
1
(S
u
, T u)) dW
u
=: V
0
() +
_
t
0
u
dW
u
,
adica V
() este o P
s
(S
t
, T t) = N (d
1
(S
t
, T t))
se verica prin calcularea directa a derivatei part iale n raport cu s a funct iei pret c.
Metoda 2. Punem accent prin aceasta abordare pe evaluarea directa a funct iei c. Aratam
ca derivatul nanciar X = (S
T
K)
+
este replicabil n modelul Black Scholes. Acest lucru
rezulta din teorema de reprezentare a martingalelor, combinata cu integrabilitatea, sub prob-
abilitatea P
, a variabilei aleatoare X
= B
1
T
(S
T
K)
+
.
Din teorema de reprezentare rezulta existent a unui proces predictibil astfel ncat inte-
grala stochastica
V
t
= V
0
+
_
t
0
u
dW
u
, t [0, T]
este o P
= B
1
T
(S
T
K)
+
= E
P
X
+
_
T
0
u
dW
u
= E
P
X
+
_
T
0
h
u
dS
u
,
unde am considerat h
t
:=
t
/ (S
t
) . Notam V
t
:= B
t
V
t
si consideram strategia data de
1
t
= h
t
,
2
t
= V
t
h
t
S
t
= B
1
t
(V
t
h
t
S
t
) .
Vericam ca aceasta strategie este auto-nant anta.
dV
t
() = d (B
t
V
t
) = B
t
dV
t
+rV
t
B
t
dt
= B
t
h
t
dS
t
+rV
t
dt = B
t
h
t
_
B
1
t
dS
t
rB
1
t
S
t
dt
_
+rV
t
dt
= h
t
dS
t
+r (V
t
h
t
S
t
) dt =
1
t
dS
t
+
2
t
dB
t
.
Este evident faptul ca V
T
() = V
T
= (S
T
K)
+
si ca este strategie admisibila replicanta
pentru derivatul nanciar X, deci opt iunea de call european este replicabilan modelul de piat a
M
BS
. Evaluam n cele ce urmeaz a pret ul de arbitraj al lui X folosind formula de evaluare la
Capitolul 5. Modelul Black-Scholes 63
risc neutru. Deoarece F
W
t
= F
S
t
pentru ecare t [0, T] , avem
C
t
= B
t
E
P
_
(S
T
K)
+
B
1
T
|F
S
t
_
= c (S
t
, T t) (5.14)
pentru o funct ie c : R
+
[0, T] R. Cea de a doua egalitate din relat ia de mai sus are loc
invocand proprietatea Markov a procesului stochastic S. Din proprietat ile mediei condit ionate
rezulta ca
E
P
_
(S
T
K)
+
|F
S
t
_
= H (S
t
, T t) , (5.15)
unde funct ia H (s, T t) este denita de
H (s, T t) = E
P
_
_
se
(W
T
W
t
)+(r
2
/2)(Tt)
K
_
+
_
pentru fecare pereche (s, t) R
+
[0, T] . Pentru t = 0 obt inem, din formula (6.14),
E
P
_
(S
T
K)
+
B
1
T
_
= E
P
_
S
T
B
1
T
1
D
_
E
P
_
KB
1
T
1
D
_
= J
1
J
2
,
unde D := {S
T
> K}. Pentru cantitat ile J
1
si J
2
avem estimarile ce urmeaza:
J
2
= e
rT
KP
{S
T
> K}
= e
rT
KP
_
S
0
exp
_
W
T
+ (r 1/2
2
)T
_
> K
_
= e
rT
KP
_
W
T
< ln (S
0
/K) + (r 1/2
2
)T
_
= e
rT
KP
_
<
ln (S
0
/K) + (r
1
2
2
)T
T
_
= e
rT
KN (d
2
(S
0
, T))
deoarece v.a. = W
T
/
_
S
T
B
1
T
1
D
_
= E
P
(S
T
1
D
) . (5.16)
Este convenabil sa introducem pe spat iul (, F
T
) masura de probabilitate
P, denita prin
d
P
dP
= exp
_
W
T
1
2
2
T
_
, P
-a.s.,
situat ie n care procesul
W
t
= W
t
t este o miscare Browniana pe
_
, F,
P
_
.
In plus,
S
T
= S
0
exp
_
W
T
+
1
2
2
T
_
,
de unde, formula (6.16) devine
J
1
= S
0
P
_
S
T
> KB
1
T
_
= S
0
P
_
S
0
exp
_
W
T
+
1
2
2
T
_
> Ke
rT
_
= S
0
P
_
W
T
< ln (S
0
/K) + (r +
1
2
2
)T
_
= S
0
N (d
1
(S
0
, T)) .
Concluzionand, obt inem ca pret ul la momentul 0 al OCE devine
C
0
= c (S
0
, T) = S
0
N (d
1
(S
0
, T)) Ke
rT
N (d
2
(S
0
, T)) ,
Capitolul 5. Modelul Black-Scholes 64
unde
d
1,2
(S
0
, T) :=
ln (S
0
/K) +
_
r
1
2
2
_
T
T
.
Formula de evaluare pentru ecare moment 0 < t < T se poate deduce din formula (6.15).
Observat ia 5.14. Se observa ca n formula de evaluare Black Scholes nu apare rata de apreciere
, dupa cum si n dinamica lui S sub masura martingala P
e
ax
2
|h(x) |dx <
pentru o constanta a > 0. Funct ia u este denit a pentru 0 < T t < 1/2a , x R si are
derivate de orice ordin.
In particular, u C
2,1
(R(0, T)) si satisface EDP:
u
t
(x, t) =
1
2
2
u
x
2
(x, t) ru(x, t) , (x, t) R(0, T) ,
cu condit ia terminala u(x, T) = h(x) , x R.
Demonstrat ie. Vezi Karatzas & Shreve [3].
Capitolul 5. Modelul Black-Scholes 65
Rezultatul principal al acestei sect iuni este prezentat n cele ce urmeaza.
Teorema 5.18. Fie g : R R o funct ie masurabila Borel astfel ncat variabila aleatoare X =
g (S
T
) este P
2
s
2
2
v
s
2
+rs
v
s
rv = 0, (s, t) (0, ) (0, T) , (5.19)
cu condit ia terminala v (s, T) = g (s) .
Demonstrat ie. Obt inem (6.19) din formula de evaluare la risc neutru. Pret ul
t
(X) satisface
t
(X) = E
P
_
e
r(Tt)
g (S
T
) |F
S
t
_
= v (S
t
, t) (5.20)
pentru o funct ie v : R
+
[0, T] R.
In plus
t
(X) = E
P
_
e
r(Tt)
g (f (W
T
, T)) |F
W
t
_
,
unde f : R[0, T] R este o funct ie strict pozitiva, data prin
f (x, t) = S
0
e
x+(r
2
/2)t
, x R.
Notam
u(t, x) = E
P
_
e
r(Tt)
g (f (W
T
, T)) |W
t
= x
_
.
Conform teoremei anterioare, u(x, t) satisface ecuat ia cu derivate part iale
u
t
(x, t) =
1
2
u
xx
(x, t) ru(x, t) , (x, t) R(0, T) , (5.21)
cu condit ia terminala u(x, T) = g (f (x, T)) .
Din formulele (6.18) si (6.20) obt inem ca
u(x, t) = v (f (x, t) , t) , (x, t) R[0, T] .
Prin urmare,
u
t
(x, t) = v
s
(s, t) f
t
(x, t) +v
t
(s, t) ,
unde am considerat s := f(x, t) (0, +). Mai mult,
u
x
(x, t) = v
s
(s, t) f
x
(x, t)
si deci
u
xx
(x, t) = v
ss
(s, t)
_
f
x
(x, t)
_
2
+v
s
(s, t)f
xx
(x, t).
Pe de alta parte, din formula de denire a funct iei f, avem ca
f
x
(x, t) = f(x, t), f
xx
(x, t) =
2
f(x, t), f
t
(x, t) =
_
r
1
2
2
_
f(x, t),
ceea ce conduce la
u
t
(x, t) = s
_
r
1
2
2
_
v
s
(s, t) +v
t
(s, t) si
u
xx
(x, t) =
2
s
2
v
ss
(s, t) +
2
sv
s
(s, t).
Substituind n ecuat ia (6.21) si rearanjand termenii obt inem EDP Black Scholes (6.19).
Capitolul 5. Modelul Black-Scholes 66
Modelul studiat poate extins pentru situat ii n care dobanda la vedere, respectiv volatil-
itatea, sunt variable, dar deterministe. De asemenea, el poate utilizat si pentru evaluarea
pret ului opt iunilor europene ce au active suport care platesc dividende pe perioada de viat a a
derivatului nanciar.
In acest cadru se pot obt ine formule explicite ale pret ului daca dividen-
dele reprezinta un procent cunoscut din pret ul activului suport.
Desi modelul de evaluare BlackScholes nu reecta identic realitatea din piet ele nanciare,
el este des folosit n practica deoarece permite calcularea cu usurint a a pret urilor si expliciteaza
precis relat iile dintre varabilele care caracterizeaza sistemul. Unele voci chiar arma ca modelul
Black-Scholes nu este o reprezentare dela a modului de funct ionare a piet elor nanciare, nsa,
tocmai faptul ca tot i cei implicat i gandesc Black-Scholes le confera funct ionalitate. Cu toate
ca n practica indicele de volatilitate ce apare n ecuat ia ce caracterizeaza dinamica activului
primar nu este constant, rezultatele oferite de modelul Black-Scholes sunt frecvent utilizate,
ele dovedindu-se eciente la stabilirea corecta strategiilor de hedging ce permit minimizarea
expunerii la risc a investitorilor. Instrumentele esent iale utilizate pentru evitarea expunerii la
risc (risk management) sunt prezentate n sect iunea urmatoare.
5.6 Indici de senzitivitate ai modelului Black-Scholes
Indicii de senzitivitate (the Greeks) sunt instrumente importante pentru managementul riscu-
lui. Fiecare indice este o masura a senzitivitat ii portofoliului investitorului la mici variat ii ale
unor parametri ai activelor primare. Indicii modelului Black-Scholes sunt usor de calculat, ei
ind utili n special celor care sunt implicat i n contracte ce tranzact ioneaza derivate nanciare,
dandu-le astfel posibilitatea sa-si protejeze contra riscului din piat a portofoliile. Principalii
indici folosit i pentru hedging sunt: delta, theta, vega (masoara modicari generate de mo-
mentul de maturitate si volatilitate), rho (masoara senzitivitatea la uctuat iile dobanzilor),
gamma (masoara senzitivitatea pret ului opt iunilor n raport cu modicarea pret ului activului
de baza). Prezentam n cele ce urmeaza cateva elemente descriptive ce caracterizeaza indicii
prezentat i anterior.
1. Delta
_
=
v
S
_
Indicele masoara rata de schimb a valorii opt iunii n raport cu modicarea pret ului
activului de baza. Chiar daca delta va avea valori situate ntre 0 si 1 pentru un long
call (sau/si un short call) si ntre 0 si 1 pentru un long put (sau/si un short put)
aceste valori sunt rareori prezentate ca procente ale numarului de act iuni ce fac obiectul
contractului de tranzact ionare. Suma ntre valorile absolute ale indicilor delta ai unui
call si un put european (ce au acelasi activ suport negrevat de dividende, acelasi moment
de maturitate si acelasi pret de exercitare) este egala cu 1.
2. Vega
_
=
v
_
Indicele masoara senzitivitatea la volatilitate activului suport al opt iunii. El este
exprimat n mod uzual drept suma de bani (pe unitatea de act iune de activ suport) pe
care valoarea opt iunii o castiga sau o pierde atunci cand volatilitatea creste sau scade
cu 1%. Acest indice este important de urmarit de catre trader-ul opt iunii, n special
n piet e nanciare foarte volatile deoarece strategiile de tranzact ionare pot gestionate
pentru neexpunerea la risc a investitorului prin intermediul acestui instrument.
3. Theta
_
=
v
t
_
Indicele masoara senzitivitatea valorii derivatului nanciar pe parcursul trecerii timpu-
lui (time decay). Valoarea sa este, de obicei, reprezentata sub forma valoare/an.
In mod
Capitolul 5. Modelul Black-Scholes 67
uzual se divizeaza rezultatul la numarul de zile din an pentru a se ajunge la suma pe
unitatea de activ suport pe care opt iunea o pierde pe zi. Theta este ntotdeauna negativ
pentru un long call/put si pozitiv pentru un short call/put.
4. Rho
_
=
v
r
_
Indicele masoara senzitivitatea valorii opt iunii la modicari ale dobanzilor la vedere
ale activului fara risc din piat a.
In marea majoritate a situat iilor valoarea derivatului
nanciar este put in sensibila la aceste modicari, ceea ce face ca acest indice se senzi-
tivitate sa nu e unul prea des utilizat. Rho se exprima prin suma pe unitatea de activ
suport pe care pret ul opt iunii o castiga sau o pierde atunci cand obanda la vedere pentru
activul sigur creste sau scade cu 1%.
5. Gamma
_
=
S
=
2
v
S
2
_
Indicele masoara rata de modicare a indicelui n raport cu schimbarile de pret ale
activului suport. Gamma este un instrument important deoarece atunci cand un trader
doreste sa realizeze un delta-hedging ecient pentru un portofoliu el ncearca sa anuleze
indicele gamma al acestuia.
In acest fel se asigura ca strategia de protect ie la risc va
ecienta pentru o varietate mare de schimbari ale pret ului activului suport al derivatului
nanciar.
Tabelele de mai jos ofera formulele explicite ale indicilor de senzitivitate, n funct ie de:
pret ul activului suport S, pret ul de exercitare K, dobanda la vedere (spot) r, dividendele
anuale q platite de activul suport si volatilitatea .
Opt iune call europeana
Valoare e
q(Tt)
SN(d
1
) e
r(Tt)
KN(d
2
)
Delta e
q(Tt)
N(d
1
)
Vega Se
q(Tt)
N(d
1
)
T t
Theta e
q(Tt)
SN(d
1
)
2
T t
rKe
r(Tt)
N(d
2
) +qSe
q(Tt)
N(d
1
)
Rho K(T t)e
r(Tt)
N(d
2
)
Gamma e
q(Tt)
N(d
1
)
S
T t
Opt iune put europeana
Valoare e
r(Tt)
KN(d
2
) e
q(Tt)
SN(d
1
)
Delta e
q(Tt)
N(d
1
)
Vega Ke
r(Tt)
N(d
2
)
T t
Theta e
q(Tt)
SN(d
1
)
2
T t
+rKe
r(Tt)
N(d
2
) qSe
q(Tt)
N(d
1
)
Rho K(T t)e
r(Tt)
N(d
2
)
Gamma e
q(Tt)
N(d
1
)
S
T t
Capitolul 5. Modelul Black-Scholes 68
Exemplul 5.1. Codul Matlab prezentat de funct ia VisualizeGreeks urmatoare calculeaza si
reprezinta grac evolut ia indicilor de senzitivitate anteriori pentru un call european cu pret ul
de exercitare K = 50 si momentul de maturitatea T [0, 5].
In fereastra ce se deschide
la lansarea programului se poate selecta vizualizarea evolut iei ecaruia dintre cei cinci indici
de senzitivitate. Posibilitat ile de reprezentare sunt de tip Supratat a (Fig.1 - Fig.5), Ret ea si
Reprezentare 2D.
Programul furnizeaza valorile indicilor de senzitivitate, valori ce pot vizualizate n Fig.1
- Fig.5.
Fig.1 - Indicele .
Fig.2 - Indicele .
Fig.3 - Indicele .
Capitolul 5. Modelul Black-Scholes 69
Capitolul 5. Modelul Black-Scholes 70
Capitolul 5. Modelul Black-Scholes 71
Fig.4 - Indicele .
Fig.5 - Indicele .
Capitolul 6
Piet e de instrumente nanciare cu venit x
6.1 Obligat iuni nanciare cu venit x, nepurtatoare de divi-
dende. Modelul matematic
Fie (, F, P, F) un camp de probabilitate ltrat, cu ltrarea F =(F
t
)
tT
satisfacand condit iile
uzuale, iar T
T
s
f(t,u)du
(b) B(t, T) = e
T
t
f(t,s)ds
.
Demonstrat ie. Avem, n mod evident, pentru prima formula:
e
T
s
f(t,u)du
= e
T
s
ln B(t,u)
u
du
= e
ln B(t,u)|
u=T
u=s
= e
ln B(t,T)ln B(t,s)
= e
ln
B(t,T)
B(t,s)
=
B(t, T)
B(t, s)
, de unde
B(t, T) = B(t, s) e
T
s
f(t,u)du
.
Pentru cea de a doua formula este sucient sa consideram s = t si sa t inem cont de faptul ca
B(t, t) = 1.
ln B(t, T)
T
=
ln B(0, T)
T
+ [v
T
(t, T) W
t
+ (m
T
(t, T) +v (t, T) v
T
(t, T)) t] .
La ultimul pas obt inem ca
d
_
ln B(t, T)
T
_
= v
T
(t, T)
. .
(t,T)
dW
t
+ (m
T
(t, T) +v (t, T) v
T
(t, T))
. .
(t,T)
dt,
adica
df (t, T) = (t, T) dW
t
+(t, T) dt.
(ii) Scriem, pentru nceput, dinamica dobanzii forward sub forma integrala
f (t, t) = r (t) =
(3)
f (0, t) +
t
0
(s, t) ds +
t
0
(s, t) dW
s
. (6.4)
Regularitatea coecient ilor si ne permite urmatoarea scriere sub forma integrala
(s, t) = (s, s) +
_
t
s
T
(s, u) du
(s, t) = (s, s) +
_
t
s
T
(s, u) du.
Capitolul 6. Piet e de instrumente nanciare cu venit x 75
Inseram ultimele doua reprezentari n formula (7.4) si obt inem
r (t) = f (0, t) +
t
0
(s, s) ds +
t
0
_
t
s
T
(s, u) duds
+
t
0
(s, s) ds +
t
0
_
t
s
T
(s, u) dudW
s
.
Schimbam ordinea de integrare, ajustam noile capete de integrare si identicam coecient ii
specicat i in enunt ul teoremei.
E : =
t
0
_
t
s
T
(s, u) duds +
t
0
_
t
s
T
(s, u) dudW
s
=
_
t
0
_
u
0
T
(s, u) dsdu +
_
t
0
_
u
0
T
(s, u) dW
s
du.
Diferent iind, obt inem, considerand n denit ia lui f (t, T) , T = t,
dE =
t
0
T
(s, t) ds +
t
0
T
(s, t) dW
s
= f
T
(t, t) .
Prin urmare,
dr (t) = (t, t) dt + (t, t) dW
t
+f
T
(t, t) dt
= ((t, t) +f
T
(t, t))
. .
a(t)
dt + (t, t)
. .
b(t)
dW
t
(iii) Din denit ia ratei forward, putem scrie procesul pret ului obligat iunii astfel:
B(t, T) = e
Z(t,T)
,
unde
Z (t, T) =
_
T
t
f (t, s) ds.
Scriem (7.3) sub forma integrala si obt inem
f (t, s) = f (0, s) +
t
0
(u, s) du +
t
0
(u, s) dW
u
.
Inseram aceasta reprezentare n formula procesului Z si avem
Z (t, T) =
_
T
t
f (0, s) ds
_
t
0
_
T
t
(u, s) dsdu
_
t
0
_
T
t
(u, s) dsdW
u
.
Despart im integralele de mai sus pe subintervale si schimbam din nou ordinea de inte-
grare, ca la punctul precedent. Obt inem astfel:
Z (t, T) =
T
0
f (0, s) ds
_
t
0
_
T
u
(u, s) dsdu
_
t
0
_
T
u
(u, s) dsdW
u
+
t
0
f (0, s) ds +
_
t
0
_
t
u
(u, s) dsdu +
_
t
0
_
t
u
(u, s) dsdW
u
= Z (0, T)
_
t
0
_
T
u
(u, s) dsdu
_
t
0
_
T
u
(u, s) dsdW
u
+
t
0
f (0, s) ds +
_
t
0
_
s
0
(u, s) duds +
_
t
0
_
s
0
(u, s) dW
u
ds.
Capitolul 6. Piet e de instrumente nanciare cu venit x 76
Ultima linie din calculul anterior reprezinta chiar forma integrala a dinamicii ratei for-
ward (7.3) pe intervalul [0, s]. Deoarece
r (s) = f (s, s) ,
aceasta linie este egala cu
_
t
0
r (s) ds.
Prin urmare, obt inem
Z (t, T) = Z (0, T) +
_
t
0
r (s) ds
_
t
0
_
T
u
(u, s) dsdu
_
t
0
_
T
u
(u, s) dsdW
u
.
Utilizam formulele de denire ale cantitat ilor
A(t, T) :=
_
T
t
(t, s) ds si S (t, T) :=
_
T
t
(t, s) ds,
ceea ce conduce la
dZ (t, T) = [r (t) +A(t, T)] dt +S (t, T) dW
t
.
Aplicam acum formula lui Ito procesului stochastic
B(t, T) = e
Z(t,T)
si rezulta
dB(t, T) =
_
e
Z(t,T)
(r (t) +A(t, T)) +
1
2
e
Z(t,T)
||S (t, T) ||
2
_
dt +e
Z(t,T)
S (t, T) dW
t
,
adica
dB(t, T) = B(t, T)
_
r (t) +A(t, T) +
1
2
||S (t, T) ||
2
_
dt +B(t, T) S (t, T) dW
t
,
ceea ce nalizeaza demonstrat ia teoremei.
6.2 Determinarea pret ului obligat iunilor si masuri martingale
Denit ia 6.6. O masura de probabilitate P
, procesul
actualizat
B(t, T)
B(t)
este o P
martingala.
Prin B(t) am notat contul bancar fara risc (sau contul de economii), ce a fost considerat ca
numerarul n raport cu care se calculeaza valoarea actualizata la momentul t a obligat iunii
nanciare. Vom presupune ca exista o astfel de masura martingala echivalenta, P
.
Propozit ia 6.7. Fie un T-derivat nanciar X. Pret ul sau (fair price) la orice moment
0 t T, va dat de c atre formula de evaluare la risc neutru (risk-neutral valuation
formula):
t
(X) = B(t) E
P
_
X
B(T)
|F
t
_
= E
P
_
Xe
T
t
r(s)ds
|F
t
_
,
Capitolul 6. Piet e de instrumente nanciare cu venit x 77
unde r (t) este dobanda instantanee pe termen scurt.
In particular, procesul pret ului unei obligat iuni nepurt atoare de dividente, cu data de ma-
turitate T este
B(t, T) = E
P
_
e
T
t
r(s)ds
|F
t
_
.
6.2.1 Modele de dobanzi pe termen scurt (short-term rate models)
Consideram modelul dobanzii pe termen scurt de tipul
dr (t) = a (t, r (t)) dt +b (t, r (t)) dW
t
, (6.5)
coecient ii de drift si de difuzie sunt sucient i de regulat i, iar W este o miscare Browniana
1-dimensionala.
Vom presupune ca are loc formula (7.5) sub masura de probabilitate P. Orice masura de
probabilitate echivalenta va dat a de catre densitatea Girsanov:
L(t) = e
t
0
(u)dW
u
1
2
t
0
2
(u)du
, 0 t T.
Presupunem acum ca este de forma
= (t, r (t)) ,
cu o funct ie sucient de neteda n ambele variabile. Vom folosi notat ia P
() pentru a
sugera dependent a masurii de probabilitate P
P de densitatea .
Conform Teoremei lui Girsanov rezulta ca
W := W +
_
dt
este o P
miscare Browniana, iar n aceasta situat ie, dinamica procesului r sub masura de
probabilitate P
este data de
dr (t) = {a (t, r (t)) b (t, r (t)) (t, r (t))} dt +b (t, r (t)) d
W
t
.
Consideram acum un T-derivat nanciar oarecare
X = (r (T)) , : R R
+
.
Aplicam formula de evaluare la risc neutru si obt inem
F (t, r (t)) = E
P
()
_
e
T
t
r(u)du
(r (T)) | F
t
_
,
funct ia F : [0, T
t
(X) = F (t, r (t)) ,
unde funct ia F este solut ia EDP
F
t
+aF
r
+
1
2
b
2
F
rr
rF = 0, (6.6)
cu condit ia terminala F (T, r) = (r).
t
(X) = G(t, r) ,
unde funct ia G verica
G
t
+aG
r
+
b
2
2
G
rr
rG = 0,
cu condit ia nala
G(S, r) = max{F (S, r; T) K, 0}, r R.
Problema ce apare consta n stabilirea unor coecient i de drift si de difuzie convenabili, care
sa permita rezolvarea sau simularea solut iei EDP ce apare n determinarea pret urilor.
Denit ia 6.9. Daca pret ul obligat iunilor este dat de
B(t, T) = e
A(t,T)B(t,T)r
, 0 t T,
cu A si B funct ii deterministe, spunem ca modelul poseda o structura ana.
Exemple clasice de modele de dobanzi pe termen scurt sunt date reprezentate de:
modelul Vasicek
dr = ( r) dt +dW
t
modelul Cox-Ingersoll-Ross
dr = ( r) dt +
rdW
t
Capitolul 6. Piet e de instrumente nanciare cu venit x 79
modelul Ho-Lee
dr = (t) dt +dW
t
modelul Hull-White 1 (extensie a modelului Vasicek)
dr = ((t) (t) r) dt + (t) dW
t
modelul Hull-White 2 (extensie a modelului Cox-Ingersoll-Ross)
dr = ((t) (t) r) dt + (t)
rdW
t
6.2.2 Clasa modelelor Heath-Jarrow-Morton
Pentru modelarea structurii dobanzii, Heath Jarrow si Morton au propus luarean considerat ie
a ntregii dinamici a dobanzii forward ca variabila de stare. Mai precis, pentru orice T T
arbitrar, xat, dinamica dobanzii forward instantanee, notata cu f (t, T) satisface EDS
df (t, T) = (t, T) dt + (t, T) dW
t
, (6.7)
unde W este o miscare Brownian a d-dimensionala n raport cu masura de probabilitate P, iar
si sunt procese stochastice adaptate cu valori n R, respectiv R
d
. Pentru orice data de
maturitate T condit ia init iala, la momentul 0, atasata ecuat iei anterioare este determinata de
catre valoarea curenta, observata emipiric a dobanzii forward.
Specicarea familiei de dobanzi forward
{f (t, T) ; T > 0}
este echivalenta cu cunoasterea ntregii familii
{B(t, T) ; T > 0}
a pret urilor obligat iunilor. Chiar mai mult, are loc urmatoarea reprezentare a procesului
pret ului obligat iunilor:
dB(t, T) = B(t, T) [m(t, T) dt +S (t, T) dW
t
],
unde
m(t, T) = r (t) +A(t, T) +
1
2
||S (t, T) ||
2
,
iar
A(t, T) =
_
T
t
(t, s) ds si S (t, T) =
_
T
t
(t, s) ds.
Studiem care sunt condit iile ce trebuie impuse coecient ilor pentru a asigura existent a unei
masuri martingale echivalente, n raport cu un numerar convenabil ales.
In acest fel vom putea
obt ine ca modelul de piat a de obligat iuni considerata este fara arbitraj.
Putem considera drept numerar n piat a considerata un cont bancar (cont de economii)
fara risc, pe care l vom nota cu B, si a carui reprezentare este
B(t) = e
t
0
f(u,u)du
= e
t
0
r(u)du
.
Trebuie determinata o masura de probabilitate echivalenta astfel ncat valoarea actualizata
Z (t, T) =
B(t, T)
B(t)
Capitolul 6. Piet e de instrumente nanciare cu venit x 80
sa e o martingala, pentru orice 0 T T
t
0
(u)dW
u
1
2
t
0
||(u)||
2
du
. (6.8)
(ii) Pentru tot i 0 T T
t
0
(u) dW
u
1
2
t
0
||(u) ||
2
du
_
este o martingala continua, iar daca este satisfacuta si condit ia Novikov:
E
P
_
exp
_
1
2
T
0
||(s) ||
2
ds
__
< ,
atunci, denind procesul stochastic
W =
_
W
1
, ...,
W
d
_
,
W
i
(t) := W
i
(t) +
t
0
i
(s) ds, pentru 0 t T si i = 1, 2, ..., d,
acesta este o miscare Browniana ddimensionala n raport cu masura de probabilitate Q P
(denita pe (, F
T
)), a carei derivata Radon-Nikodym este
dQ
dP
= L(T) .
Aplicam formula lui Ito si obt inem ca dinamica procesului Z (t, T), considerata sub masura
de probabilitate echivalenta Q este data de:
dZ (t, T) = Z (t, T)
_
A(t, T) +
1
2
||S (t, T) ||
2
S (t, T) (t)
_
dt +Z (t, T) S (t, T) d
W
t
, (6.9)
Capitolul 6. Piet e de instrumente nanciare cu venit x 81
, Qa.s (6.10)
(ii) dinamica pret ului, sub Q, a pret ului obligat iunilor
dB(t, T) = B(t, T) r (t) dt +B(t, T) S (t, T) d
W
t
,
unde S este dat de S (t, T) =
_
T
t
(t, s) ds.
6.2.3 Masuri martingale forward de risc neutru
In anumite situat ii este mai util a se utiliza pret ul obligat iunii B(t, T
) drept numerar n
raport cu care se face actualizarea.
In aceasta situat ie ar trebui determinata o masura de
probabilitate Q
(t, T) =
B(t, T)
B(t, T
)
, t [0, T]
sa e o martingala sub Q
pentru tot i T T
va garanta ca
nu exista oportunitat i de arbitraj ntre obligat iuni cu diferite momente de maturitate. Tehnica
utilizata pentru determinarea condit iilor encesare si suciente pentru o astfel de masura mar-
tingala urmeaza aceeasi pasi ca si n situat ia contului de economii.
Pret ul obligat iunilor presupunem ca este guvernat de EDS
dB(t, T) = B(t, T) [m(t, T) dt +S (t, T) dW
t
],
coecient ii m si S ind denit i anterior. Aplicam formula lui Ito procesului
Z
(t, T) =
B(t, T)
B(t, T
)
si obt inem
dZ
(t, T) = Z
)) dW
t
] ,
unde m(t, T) = m(t, T) m(t, T
) S (t, T
) (S (t, T) S (t, T
)).
Chiar mai mult, pentru procesele B(t, T) si B(t, T
t
0
S(u,T)dW
u
+
t
0
(m(u,T)
1
2
S
2
(u,T))du
B(t, T
) = B(0, T
) e
t
0
S(u,T
)W
u
+
t
0
(m(u,T
)
1
2
S
2
(u,T
))du
,
de unde obt inem
Z
(t, T) =
B(t, T)
B(t, T
)
=
B(0, T)
B(0, T
exp
_
t
0
(S (u, T) S (u, T
)) dW
u
+
t
0
_
(m(u, T) m(u, T
))
1
2
(S (u, T) S (u, T
))
2
_
du
_
exp
_
t
0
S (u, T
) (S (u, T) S (u, T
)) du
_
.
Prin urmare, procesul Z
(t, T) =
B(t, T)
B(t, T
)
verica EDS
dZ
(t, T) = Z
)) dW
t
] ,
unde an notat m(t, T) = m(t, T) m(t, T
) S (t, T
) (S (t, T) S (t, T
)).
Din nou, orice masura martingala Q
, este dat de
m(t, T) (S (t, T) S (t, T
)) (t) ,
ind funct ia corespunzatoare lui L(t). Pentru ca Z
e
necesar ca acest coecient sa e egal cu zero, ceea ce conduce, nlocuindu-l pe m cu denit ia
sa, la
(A(t, T) A(t, T
)) +
1
2
_
||S (t, T) ||
2
||S (t, T
) ||
2
_
= (S (t, T
)) .
Capitolul 6. Piet e de instrumente nanciare cu venit x 83
Scriind n terminologia coecient ilor dinamicii dobanzii forward, identitatea anterioara capata
forma simplicata
_
T
T
(t, s) ds +
1
2
_
_
_
_
_
_
T
T
(t, s) ds
_
_
_
_
_
2
= (t)
_
T
T
(t, s) ds.
Derivam n raport cu T si obt inem
(t, T) + (t, T)
_
T
T
(t, s) ds = (t) (t, T) .
An demonstrat, prin urmare, urmatorul rezultat.
Teorema 6.12. Presupunem ca familia dobanzilor forward este data de EDS (7.7). Atunci ex-
ista o masura martingala forward de risc neutru daca si numai daca exista un proces stochastic
adaptat (t) ce satisface (7.8), astfel ncat,
(t, T) = (t, T) (S (T, T
) + (t)) , 0 t T T
.
6.3 Determinarea pret ului si acoperirea la risc pentru derivate
nanciare cu active suport obligat iuni
Presupunem ca dinamica dobanzii forward, scrisa sub o masura martingala de risc neutru, este
df (t, T) = (t, T) dt + (t, T) d
W
t
, f (0, T) =
f (0, T) .
Restrangem clasa modelelor presupund ca volatilitatea dobanzii forward este determinista.
Condit ia HJM pentru drift (7.10) si forma integrala a dobanzii forwardconduc la
f (t, t) = r (t) = f (0, t) +
t
0
( (u, t) S (u, t)) du +
t
0
(u, t) d
W
u
,
ceea ce arata ca dobanda pe termen scurt are o lege de probabilitate Gaussiana. Conform
Teoremei Heath-Jarrow-Morton rezulta ca dinamica, sub Q, a pret ului obligat iunii este data
de
dB(t, T) = B(t, T)
_
r (t) dt +S (t, T) d
W
t
_
.
Pentru a determina pret ul opt iunilor ce au ca active suport obligat iuni neplatitoare de
cupoane utilizam tehnica schimb arii numererului. Sa consideram, pentru exemplicare, o
opt iune de call european, notata cu C, ce are ca activ suport o T
) K)
+
. (6.11)
Pret ul derivatului nanciar la momentul t = 0 este dat de
C (0) = B(0, T
) Q
(A) KB(0, T) Q
T
(A) ,
unde
A = { | B(T, T
) > K}
si Q
T
, respectiv Q
Z (t, T) :=
B(t, T
)
B(t, T)
Capitolul 6. Piet e de instrumente nanciare cu venit x 84
are urmatoarea dinamica sub Q (omitem la scriere argumentul si utilizam notat ia S
pentru
S (t, T
))
d
Z =
Z
_
S (S S
) dt (S S
) d
W
t
_
,
adica un coecient de variant a determinist.
Pe de alta parte,
Q
(B(T, T
) K) = Q
_
B(T, T
)
B(T, T)
K
_
= Q
Z (T, T) K
_
.
Deoarece
Z (t, T) este o Q
T
martingala, cu dinamica, sub Q
T
,
d
Z (t, T) =
)] dW
T
t
,
obt inem ca, sub Q
T
(notam din nou S = S (t, T) si S
= S (t, T
)),
Z (T, T) =
B(0, T
)
B(0, T)
exp
_
T
0
(S S
) dW
T
t
1
2
T
0
(S S
)
2
dt
_
,
cu W
T
o Q
T
-miscare Browniana. Integrala stochastica din exponent iala este un proces Gaus-
sian, de medie zero si variant a
2
(T) =
T
0
(S (t, T) S (t, T
))
2
dt.
Avem, prin urmare,
Q
T
(B(T, T
) K) = Q
T
_
Z (T, T)
_
= N (d
2
) ,
unde
d
2
=
ln
_
B(0, T)
KB(0, T
)
_
1
2
2
(T)
_
2
(T)
.
(t, T) =
B(t, T)
B(t, T
)
are dinamica, sub Q,
dZ
= Z
_
S
(S
S) dt + (S S
) d
W
t
_
si are tot coecientul de variant a determinist. Prin urmare,
Q
(B(T, T
) K) = Q
_
1
B(T, T
)
1
K
_
= Q
_
Z
(T, T)
1
K
_
.
Sub masura Q
, Z
(t, T) = Z
)] dW
t
,
de unde
Z
(T, T) =
B(0, T)
B(0, T
)
exp
_
T
0
(S S
) dW
t
1
2
T
0
(S S
)
2
dt
_
.
Capitolul 6. Piet e de instrumente nanciare cu venit x 85
Din nou, avem o variabila aleatoare cu aceeasi variant a n exponent iala,
2
(T), ca si n cazul
anterior, de unde rezulta ca
Q
(B(T, T
) K) = N (d
1
) ,
unde
d
1
= d
2
+
_
2
(T).
Prin urmare, am obt inut urmatorul rezultat.
Teorema 6.13. Pret ul unei opt iuni de call european denita de (7.11) este dat de
C (0) = B(0, T
) N (d
2
) KB(0, T) N (d
1
) ,
funct iile d
1
si d
2
ind denite anterior.
6.3.1 Contracte Swaps
Printr-un derivat nanciar swap nt elegem un derivat nanciar caracterizat de:
un moment xat t - momentul init ierii contractului;
momentele echidistante T
0
< T
1
< ... < T
n
, cu T
i+1
T
i
= ;
o dobanda prespecicata R;
o suma nominala K.
Un contract swap cu K si R xat i consta ntr-o succesiune de plat i, n care suma platita
la momentul T
i+1
, i = 0, ..., n 1 este data de
X
i+1
= K (L(T
i
, T
i
) R) .
Dobanda otanta pe intervalul [T
i
, T
i+1
], observata la momentul T
i
, o vom nota cu L(T
i
, T
i
);
ea este o dobanda simpla, ce este denita prin
B(T
i
, T
i+1
) =
1
1 +L(T
i
, T
i
)
.
Ne intereseaza existent a unei masuri martingale de risc neutru. Folosind formula de evaluare
la risc neutru (putem considera, f ara a restrange generalitatea, K = 1) obt inem
(t, S) =
n
i=1
E
Q
_
e
T
t
r(s)ds
(L(T
i
, T
i
) R)
F
t
_
=
n
i=1
E
Q
_
E
Q
_
e
T
i
T
i1
r(s)ds
F
t
i
_
e
T
t
r(s)ds
_
1
B(T
i1
, T
i
)
(1 +R)
_
F
t
_
=
n
i=1
(B(t, T
i1
) (1 +R) B(t, T
i
)) = B(t, T
0
)
n
i=1
c
i
B(t, T
i
) ,
unde c
i
= R, i = 1, ..., n 1 si c
n
= 1 + R. Prin urmare, un swap este o combinat ie liniara
de obligat iuni ce nu platesc cupoane pe parcursul perioadei lor de viat a.
Capitolul 7
Analiza riscului n piet ele nanciare
In cele ce urmeaza vom considera un camp de probabilitate (, F, P), pe care vom deni
procesele stochastice ce vor aparea pe parcursul expunerii.
Denit ia 7.1. Spunem ca {X
t
; t 0} un proces stochastic cu cresteri independente, daca
pentru toate intervalele disjuncte (a
i
, b
i
],
X
b
1
X
a
1
, X
b
2
X
a
2
, ..., X
b
n
X
a
n
sunt variabile aleatoare independente.Variabila aleatoare X
b
i
X
a
i
se va numi cresterea lui X
n intervalul (a
i
, b
i
].
Denit ia 7.2. {X
t
; t 0} este un proces cu cresteri stat ionare daca
F
X
t+h
X
t
(x) este independent de t,
adica daca toate cresterile intervalelor de aceeasi lungime au aceeasi funct ie de repartit ie.
7.1 Procese Markov
Procesele Markov sunt o clasa particulara a proceselor cu cresteri independente. Repartit ia
variabilelor procesului viitor depinde doar de ultima valoare cunoscuta a procesului. Aceasta
proprietate este cunoscuta si sub numele de condit ia Markov:
P
_
X
t
m+1
x
m+1
, ..., X
t
n
x
n
| X
t
1
= x
1
, ...X
t
m
= x
m
(7.1)
= P
_
X
t
m+1
x
m+1
, ..., X
t
n
x
n
| X
t
m
= x
m
,
pentru sirul de momente
t
1
< t
2
< ... < t
m
< t
m+1
< ... < t
n
.
Legea de probabilitate care guverneaza un proces Markov (ce primeste doar o mult ime numarabila
de valori) este descrisa de probabilitat ile de transfer:
P[X
t
= a
k
| X
t
= a
j
] = p
j,k
_
t
, t
_
, t
t.
86
Capitolul 8. Analiza riscului n piet ele nanciare 87
Probabilitat ilor de transfer li se impune a avea urmatoarele proprietat i de continuitate:
(a) p
j,k
(t
, t) ;
(b) lim
t
p
j,k
(t, ) = p
j,k
(t, t) =
_
1, daca j = k
0, daca j = k.
Probabilitat ile de transfer se numesc stat ionare daca
p
j,k
_
t
, t
_
= p
j,k
_
t
+h, t +h
_
, pentru orice h > 0.
7.2 Descrierea intuitiva a riscului si a not iunilor auxiliare
Industria asigurarilor exista deoarece oamenii doresc sa plateasca un pret pentru a asigurat i,
un pret care este mai mare decat solicitarile lor de despagubire asteptate. Ca urmare, asig-
uratorul colecteaza o prima care este mai mare decat valoarea asteptata a solicitarilor de
despagubire.
Sa presupunem ca prin solicitare de despagubire vom nt elege efectul elementului de
risc, guvernat de ntamplare si care implica o paguba si pierderea unei anumite sume de bani
(lichizi sau derivate nanciare), care poate asigurata.
Sa consideram un portofoliu de riscuri care sunt asigurate de catre un anumit asigura-
tor. Portofoliul poate cont ine un singur risc sau cateva riscuri. Riscurile produc solicitari de
despagubire si platesc prime catre asiguratorul care, la randul lui, va acoperi solicitarile de
despagubire. Deci, pe scurt, un risc este
platitor de prime
producator de solicitari de despagubire
Prin urmare, un risc poate descris de o pereche de funct ii (P
t
, S
t
), unde
P
t
= prima dobandita n intervalul de timp (0, t]
S
t
= suma valorilor solicitarilor de despagubire suportate n intervalul (0, t].
De fapt, pentru analiza matematica a riscului, doar diferent a funct iilor anterioare, P
t
S
t
este esent iala. Asiguratorul este interesat de balant a dintre primele si plat ile solicitarilor totale
de despagubire. Ambele funct ii P
t
si S
t
pot funct ii aleatoare (procese stochastice) sau funct ii
care nu depind de elementul aleator (procese deterministe). De obicei, se considera ca P
t
este
indepenta de hazard si S
t
este stochastica.
Sa presupunem ca P
t
este o funct ie determinista. Altfel, daca P
t
ar stochastica (depinde
explicit de experient a nregistrata pentru solicitarile de despagubire pana la momentul de timp
t), atunci, putem deni funct iile noi
P
(t) := E[P
t
] ,
S
(t) := S
t
P
t
+E[P
t
] ,
Prin urmare, vom avea
P
(t) S
(t) = P
t
S
t
,
Capitolul 8. Analiza riscului n piet ele nanciare 88
iar procesul P
t
i
A
t
Y
t
i
,
unde
A
t
= mult imea aleatoare a momentelor de timp n care se produc
solicitarile de despagubire, pana la momentul de timp t
= mult imea punctelor de discontinuitate ale procesului numarului
solicitarilor de despagubire N
t
, care nu se situeaza la dreapta lui t.
Prin urmare, suma
S
t
=
t
i
A
t
Y
t
i
este aleatoare n doua sensuri:
are un numar aleator de termeni Y
t
i
, care este determinat de catre mult imea A
t
,
ecare termen Y
t
i
din suma este o variabila aleatoare.
7.3 Procesul numarului solicitarilor de despagubire Mode-
larea matematica
Vom deni procesul numarului solicitarilor de despagubire ca ind un proces stochastic {N
t
; t
0}, unde N
t
reprezinta numarul solicitarilor de despagubire n intervalul de timp (0, t].
Mult imea A
t
, introdusa anterior, n denit ia procesului solicitarilor de despagubire acu-
mulat S
t
, poate obt inuta prin intermediul procesul N
t
:
A
t
= {punctele de discontinuitate ale lui N
, < t} .
Vom presupune ca doar un singur eveniment de solicitare de despagubire poate sa se
produca ntr-un moment de timp. Mai precis, solicitarile de despagubire simultane sunt con-
siderate ca ind un singur eveniment de solicitare de despagubire.
Sa presupunem acum ca {N
t
; t 0} este un proces Markov . Intuitiv, aceasta nseamna ca
numarul total de solicitari de despagubire nregistrat n trecut este important, daca este con-
siderat numarul viitor de solicitari de despagubire (numarul viitor de solicitari de despagubire
depinde de numarul total de solicitari de despagubire care s-au produs n trecut), dar nu este
important atunci cand aceste solicitari de despagubire s-au produs n trecut.
Capitolul 8. Analiza riscului n piet ele nanciare 89
Vom descrie legea de probabilitate a procesului numarului solicitarilor de despagubire
{N
t
; t 0} cu ajutorul probabilitat ilor de transfer
p
n,n+k
(t, t +h) .
Aceasta nsemna ca
p
n,n+k
(t, t +h) [0, 1] ,
k=0
p
n,n+k
(t, t +h) = 1
si
p
n,n+k
(t, t +h) = P[N
t+h
= n +k | N
t
= n] ,
adica probabilitatea producerii a k solicitari de despagubire ntre momentele de timp t (ex-
clusiv) si t + h (inclusiv), cu condit ia ca deja s-au produs n solicitari de despagubire pana la
momentul de timp t (inclusiv). N
t
este numarul solicitarilor de despagubire n intervalul de
timp (0, t], iar N
t+h
este numarul solicitarilor de despagubire n intervalul de timp (0, t +h].
Observat ia 7.3. Avem
p
n,m
(t, t +h) = 0, pentru m < n.
Intr-adevar, deoarece m < n, si, avand n vedere natura procesului numarului de solicitari de
despagubire, vom avea ca
p
n,m
(t, t +h) = P[N
t+h
= m | N
t
= n] = 0.
Observat ia 7.4.
In mod evident, are loc identitatea
p
n,n
(t, t) = 1.
Vom presupune n cele ce urmeaza ca urmatoarea limita exista, pentru tot i t > 0 si
n = 1, 2, ..., si denim funct ia
n
(t) astfel
n
(t) = lim
h0
p
n1,n
(t, t +h)
h
. (7.2)
Sirul (
n
)
nN
se numeste sirul intensitat ilor procesului numarului solicitarilor de despagubire
(
n
este intensitatea solicitarii de despagubire cu numarul n (transfer de la n1 la n solicitari
de despagubire)).
Relat iile (8.2) sugereaza, intuitiv, ca, n cazul intervalelor mici de timp, probabilitatea
producerii unei solicitari de despagubire este proport ionala cu lungimea acestor intervale.
Remarcam faptul ca, n cazul probabilitat ilor de transfer stat ionare, intensitat ile nu mai
depind de timp. Reamintim ca o probabilitate de transfer sa numeste stat ionara, daca
p
j,k
_
t
, t
_
= p
j,k
_
t
+, t +
_
, pentru tot i > 0.
Deci, din (8.2) rezulta ca
n
(t +) = lim
h0
p
n1,n
(t +, t +h +)
h
= lim
h0
p
n1,n
(t, t +h)
h
=
n
(t),
pentru tot i > 0.
Capitolul 8. Analiza riscului n piet ele nanciare 90
Daca cunoastem aceste intensitat i, putem calcula toate probabilitat ile de transfer folosind
sistemul de ecuat ii diferent iale (liniare) ale lui Kolmogorov. Avem, pentru t < s
_
s
p
n,m
(t, s) =
m+1
(s) p
n,m
(t, s) +
m
(s) p
n,m1
(t, s) , m n + 1,
s
p
n,n
(t, s) =
n+1
(s) p
n,n
(t, s) ,
(7.3)
cu condit iile la frontiera
p
n,m
(t, s) =
_
1, pentru s = t, m = n
0, pentru s = t, m = n.
(7.4)
Observam ca sistemul are un caracter recursiv, iar t joaca rolul unui parametru. Solut iile
sistemului anterior sunt
p
n,n
(t, s) = exp
_
_
s
t
n+1
() d
_
,
si, pentru m n + 1,
p
n,m
(t, s) =
__
s
t
m
() p
n,m1
(t, ) exp
__
t
m+1
(r) dr
_
d
_
exp
_
_
s
t
m+1
() d
_
.
m=n
p
n,m
(t, s) = 1, pentru tot i n = 1, 2, ..., t > 0 si s t.
Fie
S
n,k
(t, s) =
k
m=n
p
n,m
(t, s) .
Este evident ca S
n,k
(t, s) sunt nenegative si monoton crescatoare n raport cu k, ind o suma
cu termeni nenegativi. Prin urmare, exista limita lim
k
S
n,k
(t, s) . Introducem notat ia
S
n
(t, s) := lim
k
S
n,k
(t, s) .
Din sistemul (8.3), vom avea ca
s
p
n,n
(t, s) =
n+1
(s) p
n,n
(t, s) ,
s
p
n,n+1
(t, s) =
n+2
(s) p
n,n+1
(t, s) +
n+1
(s) p
n,n
(t, s) ,
s
p
n,n+2
(t, s) =
n+3
(s) p
n,n+2
(t, s) +
n+2
(s) p
n,n+1
(t, s) ,
...
s
p
n,k
(t, s) =
k+1
(s) p
n,k
(t, s) +
k
(s) p
n,k1
(t, s)
Capitolul 8. Analiza riscului n piet ele nanciare 91
si, adunand aceste egalitat i, reduc and termenii egali din suma telescopica obt inuta, vom avea
ca
s
S
n,k
(t, s) =
k+1
(s) p
n,k
(t, s) . (7.5)
Din (8.4) obt inem condit ia la frontiera
S
n,k
(t, s) = 1, pentru s = t. (7.6)
In plus, avem ca
0 S
n,k
(t, s) 1, pentru tot i n, k, t, s t.
Prin urmare,
0 S
n
(t, s) 1, pentru tot i n, t, s t,
adica,
m=n
p
n,m
(t, s) 1, pentru tot i n = 1, 2, ..., t > 0, s t.
Distingem doua cazuri:
a) S
n
(t, s) = 1, pentru tot i n, t, s : cazul normal;
b) S
n
(t, s) < 1, pentru cel put in o combinat ie n, t, s : cazul numarului exploziv al so-
licitarilor de despagubiri.
Intuitiv, b) se refera la situat ia n care, cu o probabilitate pozitiva, un numar innit de
solicitari de despagubire va aparea ntr-un interval nit de timp.
Teorema 7.5. Cazul normal S
n
(t, s) = 1, pentru tot i n, t, s, are loc daca si numai daca seria
m=1
1
m
este divergenta, unde
m
, m = 1, 2, ..., sunt frecvent ele solicitarilor de despagubire nenegative,
care nu depind de timp.
Demonstrat ie. Integrand (8.5) si folosind condit ia la frontiera (8.6), vom obt ine ca (t = 0 si
vom scrie doar S
n,k
(s) n loc de S
n,k
(0, s) si p
n,k
() n loc de p
n,k
(0, ))
S
n,k
(s) = 1
k+1
_
s
0
p
n,k
() d. (7.7)
Sirul (S
n,k
(s))
kN
este nenegativ si monoton crescator n raport cu k, deci,
k+1
_
s
0
p
n,k
() d
descreste monoton n raport cu k catre o funct ie pozitiva (s); prin urmare,
1
k+1
_
s
0
p
n,k
() d (s) (7.8)
si obt inem estimarea
_
s
0
p
n,k
() d
1
k+1
(s) ,
pentru tot i k n. Avand n vedere ca
S
n,k
() =
k
m=n
p
n,m
() ,
Capitolul 8. Analiza riscului n piet ele nanciare 92
obt inem ca
_
s
0
S
n,k
() d (s)
_
1
n+1
+
1
n+2
+... +
1
k+1
_
, (7.9)
pentru tot i k. Pe de alta parte, din (8.7), avem ca S
n,k
() 1, pentru orice [0, s], ceea ce
conduce la
_
s
0
S
n,k
() d s.
Daca
m=n+1
1
m
diverge, conform cu (8.9), (s) este obligat sa convearga la zero, ceea ce conduce, conform
(8.7), la faptul ca
lim
k
S
n,k
(s) = 1,
adica S
n
(s) = 1.
Reciproc, sa presupunem, prin reducere la absurd, ca seria
m=1
1
m
este convergenta. Din (8.8), vom avea ca
_
s
0
S
n,k
() d
def. S
n,k
()
=
k
m=n
_
s
0
p
n,m
() d
(8), prima inegalitate
m=n
1
m+1
, (7.10)
care este marginita, deoarece
m
converge. Daca, considerand t = 0,
S
n
() = lim
k
S
n,k
() = 1,
conform teoremei de convergent a dominata, trecand la limita n (8.10) pentru k , vom
obt ine ca
s
m=n
1
m
, pentru tot i s,
ceea ce este fals. Deci S
n,k
() nu poate converge la 1. Demonstrat ia este astfel ncheiata.
7.4 Intervalul ntre aparit ii ale solicitarilor de despagubire
Fie {N
t
; t 0} un proces al numarului solicitarilor de despagubire, unde N
t
este numarul
solicitarilor de despagubire n intervalul (0, t]. O not iune importanta n descrierea procesului
numarului solicitarilor de despagubire este intervalul ntre aparit ii, care va denit n cele ce
urmeaza.
Fiecarei realizari aleatoare (funct ii test) a procesului numarului solicitarilor de despagubire
i vom asocia un sir dupa cum urmeaza:
W
1
({N
t
; t 0}) = momentul de timp cand apare primul eveniment de
solicitare de despagubire n realizarea {N
t
; t 0},
Capitolul 8. Analiza riscului n piet ele nanciare 93
.........
W
n
({N
t
; t 0}) = momentul de timp cand apare al n-lea eveniment de
solicitare de despagubire n realizarea {N
t
; t 0}.
Pe scurt, W
n
este timpul de aparit ie a solicitarii de despagubire cu numarul n. Deci, (W
n
)
nN
formeaza un sir de variabile aleatoare. Diferent a
T
n
= W
n+1
W
n
se numeste interval ntre aparit ii ale solicitarilor de despagubire (ntre aparit ia so-
licitarii de despagubire cu numarul n si aparit ia solicitarii de despagubire cu numa rul n +1),
iar W
n
se numeste timpul de asteptare al solicitarii de despagubire cu numarul n.
Observam ca
W
n
=
n1
k=0
T
n
,
deci, este evident faptul ca timpul de asteptare si intervalul ntre aparit ii ale solicitarilor de
despagubire se determina reciproc.
Propozit ia 7.6. Avem ca
T
n
> t daca si numai daca N
W
n
+t
N
W
n
= 0,
pentru tot i n = 1, 2, ...
Demonstrat ie.
Intr-adevar,
N
W
n
+t
N
W
n
= 0,
este echivalent cu N
W
n
= N
W
n
+t
, care nsemna ca n intervalul (W
n
, W
n
+ t] nu este niciun
eveniment de solicitare de despagubire, adica W
n+1
> W
n
+t, ceea ce implica T
n
> t.
Propozit ia 7.7. Urmatoarea egalitate are loc:
P[T
n
> t | W
n
= w
n
] = exp
_
_
w
n
+t
w
n
n+1
() d
_
. (7.11)
Demonstrat ie. Cum timpul de asteptare corespunzator solicitarii de despagubire numarul n
este w
n
rezulta ca N
w
n
= n si avem
1 P[T
n
t | W
n
= w
n
] = P[T
n
> t | W
n
= w
n
]
= P[N
W
n
+t
N
W
n
= 0 | W
n
= w
n
]
= P[N
W
n
+t
= n | W
n
= w
n
] = P[N
w
n
+t
= n | N
w
n
= n]
= p
n,n
(w
n
, w
n
+t)
cf. ec. Kolmogorov
= exp
_
_
w
n
+t
w
n
n+1
() d
_
.
Capitolul 8. Analiza riscului n piet ele nanciare 94
Obt inem deci ca
P[T
n
t | W
n
= w
n
] = 1 exp
_
_
w
n
+t
w
n
n+1
() d
_
,
adica intervalul de timpntre aparit ii ale solicitarilor de despagubire T
n
este repartizat exponent ial
cu intensitatea
n+1
(t).
Propozit ia 7.8. Urmatoarea egalitate are loc:
P[T
n
> t | W
n
= w
n
, T
n
> s] = P[T
n
> t s | W
n
= w
n
+s] , t > s > 0.
Demonstrat ie. Folosind (8.11) si formula probabilitat ilor condit ionate, vom avea ca
P[T
n
> t | W
n
= w
n
, T
n
> s] =
P[T
n
> t, T
n
> s | W
n
= w
n
]
P[T
n
> s | W
n
= w
n
]
ts
=
P[T
n
> t | W
n
= w
n
]
P[T
n
> s | W
n
= w
n
]
=
exp
_
_
w
n
+t
w
n
n+1
() d
_
exp
_
_
w
n
+s
w
n
n+1
() d
_
= exp
_
_
w
n
+t
w
n
+s
n+1
() d
_
= exp
_
_
w
n
+s+(ts)
w
n
+s
n+1
() d
_
= P[T
n
> t s | W
n
= w
n
+s] .
Aceasta relat ie arata ca intervalul ntre aparit ii ale solicitarilor de despagubire nu are
memorie, adica, daca nu se mai nregistreaza nicio solicitare ulterioara de despagubire pana la
momentul de timp W
n
+ s, atunci repartit ia viitoare va aceeasi ca si n cazul cand ultima
solicitare de despagubire, cu numarul n, a aparut la momentul de timp W
n
+s.
Teorema 7.9. Daca intensitat ile de frecvent a ale solicitarilor de despagubire sunt indepen-
dente de timp, atunci intervalele ntre aparit ii ale solicitarilor de despagubire sunt independente
de momentele de timp n care apar solicitarile de despagubire.
Demonstrat ie. Folosind (8.11) si independent a de timp a intensitat ilor de frecvent a ale so-
licitarilor de despagubire (
n+1
() =
n+1
, pentru orice [w
n
, w
n
+t]), vom avea
P[T
n
> t | W
n
= w
n
] = exp
_
_
w
n
+t
w
n
n+1
() d
_
= e
n+1
t
,
care este independenta de w
n
.
Deci
P[T
n
> t | W
n
= w
n
] = P[T
n
> t] .
In consecint a,
P[T
n+1
> s, T
n
> t] = P[T
n+1
> s | W
n+1
> w
n
+t] P[T
n
> t | W
n
= w
n
]
= P[T
n+1
> s] P[T
n
> t] .
Demonstrat ia foloseste pe T
n
si T
n+1
.
In cazul a k intervale ntre aparit ii ale solicitarilor de
despagubire, demonstrat ia este similara.
Sa subliniem faptul ca aceste rezultate au fost obt inute impunand ipoteza ca intensitat ile
de frecvent a ale solicitarilor de despagubire sunt independente de timp.
7.5 Procesul omogen al numarului de solicitari de despagubire;
timpul operat ional
Denit ia 7.11. Daca intensitat ile de frecvent a ale solicitarii de despagubire
n
(t) sunt in-
dependente de timpul t, atunci procesul numarului solicitarilor de despagubire {N
t
; t 0} se
numeste omogen.
Acesta denit ie este echivalenta cu urmatoarea: Procesul numarului solicitarilor de despagubire
{N
t
; t 0} este omogen daca probabilitat ile de transfer p
n,m
(t, t +h) sunt independente de
t, pentru tot i n, m si h. Aceasta caracterizare spune ca probabilitat ile individuale de transfer
depind doar de lungimea intervalului de timp pentru transfer, dar nu si de pozit ia lui.
Urmatoarea teorema prezinta o alta caracterizare a procesului omogen al solicitarilor de
despagubire.
Teorema 7.12. Procesul numarului solicitarilor de despagubire este omogen daca si numai
daca
p
n,n
(t
1
, t
2
) = e
c
n
(t
2
t
1
)
, pentru 0 t
1
t
2
, (7.12)
pentru anumite constante c
n
, alese convenabil.
Capitolul 8. Analiza riscului n piet ele nanciare 96
Demonstrat ie. Daca procesul numarului solicitarilor de despagubire este omogen, adica daca
n
(t) =
n
, atunci
p
n,n
(t
1
, t
2
) = exp
_
_
t
2
t
1
n+1
() d
_
= e
n+1
(t
2
t
1
)
,
deci, (8.12) are loc cu c
n
=
n+1
.
Reciproc, daca (8.12) are loc, atunci,
lim
h0
1 p
n,n
(t, t +h)
h
= lim
h0
1 e
c
n
h
h
= c
n
.
Pe de alta parte, deoarece
p
n,n
(t, t +h) +p
n,n+1
(t, t +h) = 1,
din denit ia lui
n+1
(t) rezulta ca
lim
h0
1 p
n,n
(t, t +h)
h
= lim
h0
p
n,n+1
(t, t +h)
h
=
n+1
(t) .
Prin urmare,
n+1
(t) = c
n
este independenta de timp. Demonstrat ia este astfel ncheiata.
, n raport cu
timpul , {M
, 0}, prin
M
= N
1
()
si
1
() = inf
t
{t; (t) = }.
Denit ia 7.13. Funct ia (t) se numeste timp operat ional daca procesul M
este omogen n
raport cu timpul .
Vom prezenta n continuare un rezultat de existent a pentru timp operat ional.
Teorema 7.14. Un timp operat ional pentru procesul num arului solicitarilor de despagubire
exista daca si numai daca intensitat ile de frecvent a sunt de forma
n
(t) =
n
(t) , (7.13)
pentru tot i n = 1, 2, ... si t > 0.
Demonstrat ie. Pentru nceput, presupunem ca (8.13) are loc. Denim
(t) :=
_
t
0
(s) ds,
si vom demonstra ca procesul M
1
2
si t
i
=
1
(
i
) , i = 1, 2.
Capitolul 8. Analiza riscului n piet ele nanciare 97
Vom avea
p
M
n,n
(
1
,
2
) = p
n,n
(t
1
, t
2
)
ec. Kolmogorov
= exp
_
_
t
2
t
1
n+1
(t) dt
_
= exp
_
n+1
_
t
2
t
1
(t) dt
_
= exp
_
n+1
__
t
2
0
(t) dt
_
t
1
0
(t) dt
__
= exp {
n+1
[ (t
2
) (t
1
)]}
= e
n+1
(
2
1
)
.
Concluzia se obt ine aplicand un rezultat anterior.
Reciproc, e = (t) un timp operat ional. Atunci, conform teoremei anterioare, pentru
t
1
= 0 si t
2
= ,
p
M
n,n
(0, ) = e
c
n
_
t
0
n+1
(s) ds
_
, (7.15)
cu t =
1
() . Din (8.14) si (8.15) obt inem
c
n
=
_
t
0
n+1
(s) ds,
deci,
c
n
(t) =
_
t
0
n+1
(s) ds, (7.16)
pentru t 0, t =
1
() .
Diferent iind relat ia (8.16) vom obt ine ca
c
n
(t) =
n+1
(t) ,
deci formula (8.13) are loc cu
n+1
= c
n
si (t) =
(t) .
Demonstrat ia este, prin urmare, ncheiata.
Bibliograe
[1] Bielecki, T; Jeanblanc, M; Rutkowski M. - Introduction to Mathematics of Credit Risk
Modeling, Stochastic Models in Mathematical Finance, CIMPA-UNESCO-MOROCCO
School, Marrakech, Morocco, April 9-20, 2007
[2] Bremaud, P. - An Introduction to Probabilistic Modeling, Springer-Verlag, 1988
[3] Cox, J.C.; Ross. S.A. - The valuation of options for alternative stochastic processes, J.
Finan. Econom. 3, pp. 145-166, 1976
[4] Evens, L. - An introduction to stochastic dierential equations, Department of Mathemat-
ics, UC Berkeley, preprint
[5] Hull, J. C. - Options, Futures and Other Derivatives, 4
th
ed., Prentice Hall, 1999
[6] Karatzas, I.; Shreve, S.E. - Brownian motion and Stochastic Calculus, Springer-Verlag,
N.Y,. 1998
[7] Malliaris, A. G. - Itos calculus in nancial decision making, SIAM Review 25, pp. 481
496, 1983
[8] Merton, R. C. - Theory of Rational Option Pricing, Bell Journal of Economics and Man-
agement Science 4 (1), pp. 141183, 1973
[9] Musiela, M; Rutkowsi, M. - Martingale Methods in Financial Modelling, second edition,
Springer-Verlag Berlin Heidelberg, 2005
[10] Oksendal, B. K. - Stochastic Dierential Equations: An Introduction with Applications,
4
th
ed., Springer-Verlag, 1995
98