Zmiennosc Implikowana [10pt] w Wycenie [10pt] Skomplikowanych
Transkrypt
Zmiennosc Implikowana [10pt] w Wycenie [10pt] Skomplikowanych
wstep ˛ aproksymacja ścisłe wyniki inne metody Z MIENNO Ś Ć I MPLIKOWANA W W YCENIE S KOMPLIKOWANYCH I NSTRUMENTÓW Andrzej Palczewski Instytut Matematyki Stosowanej i Mechaniki, Uniwersytet Warszawski Warszawa 25 kwietnia 2014 Andrzej Palczewski ( UW) Zmienność implikowana 1 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody Plan wystapienia ˛ 1 Wprowadzenie. Praktycy lubia˛ proste wzory. Zmienność implikowana (implied volatility ) a zmienność lokalna. 2 Jak przybliżać zmienność implikowana˛ ? Model Berestycki-Busca-Florent. Rozwiniecia ˛ asymptotyczne. 3 Ścisłe wyniki dla rozwinieć ˛ asymptotycznych. 4 Inne metody przybliżania zmienności implikowanej. Andrzej Palczewski ( UW) Zmienność implikowana 2 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Dlaczego proste wzory sa˛ ważne? Cytat z artykułu Mike Giles & Ronnie Sircar Siam NEWS, October 2007: ” The major challenges in computational finance arise not from difficult geometries, as in many physical problems, but from the need for rapid calculation of an EXPECTATION or the solution of its associated Kolmogorov partial differential equation.” ” Efficiency is at the forefront, because models are re-estimated as new market data arrives and calibration (or ”marking to market”) embeds the expectation/PDE calculation in an iterative solution to an inverse problem.” Andrzej Palczewski ( UW) Zmienność implikowana 3 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Najlepszy jest wzór Blacka (Blacka-Scholesa) W log-normalnym modelu cen instrumentów finansowych cena opcji (call lub put) dana jest zamknietym ˛ wzorem (wzorem Blacka): Vcall = Vcall (F0 , K , T , σB ), gdzie F0 – cena forward instrumentu, K – cena realizacji (strike), T – czas do zapadalności (expiry ) a σB – zmienność. Z wyjatkiem ˛ σB wszystkie parametry wyznaczajace ˛ cene˛ opcji sa˛ znane ! σB można wyznaczyć z cen opcji kwotowanych na rynku. Taka σB nazywa sie˛ zmiennościa˛ implikowana. ˛ Andrzej Palczewski ( UW) Zmienność implikowana 4 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Problem ze zmiennościa˛ implikowana˛ Ceny instrumentów maja˛ rzadko rozkład log-normalny. W efekcie σB nie jest stała dla danego instrumentu, ale zmienia sie˛ z K oraz T . Otrzymujemy tzw. ”uśmiech zmienności” Andrzej Palczewski ( UW) Zmienność implikowana 5 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Zmienność implikowana dla portfela instrumentów Zmiana σB w zależności od K i T oznacza, że praktycznie dla każdego K i T mamy inny model rynku. To sprawia ogromne problemy przy zarzadzaniu ˛ ryzykiem dużych portfeli opcyjnych. Jakie σB użyć przy wyliczaniu pozycji zabezpieczajacych? ˛ (liczenie Delta lub Vega portfela) Należy wyjść poza model log-normalny (model Blacka-Scholesa) rynku. Andrzej Palczewski ( UW) Zmienność implikowana 6 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Rozszerzenie modelu Blacka-Scholesa Model log-normalny (model Blacka-Scholesa) dFt = σB Ft dWt , F (t0 ) = F0 . W tym modelu σB jest stałe. Model lokalnej (stochastycznej) zmienności dFt = σ(t, Ft , yt )Ft dWt , F (t0 ) = F0 . W tym modelu σ(t, Ft , yt ) jest funkcja˛ czasu, ceny instrumentu bazowego, ale także zmiennej yt , która może być innym procesem stochastycznym. Andrzej Palczewski ( UW) Zmienność implikowana 7 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Problemy obliczeniowe Model lokalnej (stochastycznej) zmienności dFt = σ(t, Ft , yt )Ft dWt , F (t0 ) = F0 (1) nastrecza ˛ poważne problemy obliczeniowe. Aby znaleźć cene˛ opcji należy znaleźć rozwiazanie ˛ równania (1) metoda˛ symulacji Monte Carlo (to może być poważne wyzwanie, jeśli proces yt jest wielowymiarowy); albo rozwiazać ˛ numerycznie równanie różniczkowe czastkowe ˛ odpowiadajace ˛ modelowi (1) (odpowiednik równania Blacka-Scholesa); to także może być poważne zadanie numeryczne, jeśli problem jest wielowymiarowy. Andrzej Palczewski ( UW) Zmienność implikowana 8 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody proste wzory zmienność implikowana Problemy obliczeniowe c.d. Opisane metody obliczeniowe na pewno nie daja˛ możliwości wykonywania szybkich obliczeń, o których była mowa na poczatku. ˛ Praktycy najchetniej ˛ używaja˛ wzoru Blacka, do którego chcieliby wstawić właściwa˛ wartość zmienności implikowanej. Problem: Jak z modelu lokalnej (stochastycznej) zmienności wyznaczyć zmienność implikowana? ˛ Odpowiedź na to pytanie zajmuje teoretyków przez ostatnie 15 lat. Andrzej Palczewski ( UW) Zmienność implikowana 9 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Model Berestycki-Busca-Florent Zróbmy pewne uproszczenie modelu zakładajac, ˛ że σ(t, F , y ) = σ(t, F ), tzn. pozbywamy sie˛ dodatkowego procesu stochastycznego yt . Niech C loc (t, F ) bedzie ˛ cena˛ opcji call w modelu (1) po tym uproszczeniu. Funkcja ta spełnia nastepuj ˛ ace ˛ równanie 1 loc Ctloc + σ 2 (t, F )F 2 CFF = 0, 2 C loc (T , F ) = (F − K )+ . (2) Rozwiazanie ˛ to bedziemy ˛ oznaczać C loc (t0 , F0 ; T , K ) aby podkreślić zależność od wszystkich istotnych parametrów. Andrzej Palczewski ( UW) Zmienność implikowana 10 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Model Berestycki-Busca-Florent c.d. Jeśli w równaniu poprzedniego slajdu wstawimy zamiast funkcji σ(t, F ) stała˛ θ, to otrzymamy rozwiazanie ˛ dane wzorem Blacka. To rozwiazanie ˛ bedziemy ˛ oznaczać CBS (t0 , F0 ; T , K , θ). Zmiennośc implikowana˛ możemy teraz zdefiniować jako funkcje˛ θ = θ(t0 , F0 ; T , K ), taka˛ że C loc (t0 , F0 ; T , K ) = CBS (t0 , F0 ; T , K , θ) (3) Wykorzystujac ˛ równość (3) oraz równanie (2), które spełniaja˛ loc funkcje C (t0 , F0 ; T , K ) i CBS (t0 , F0 ; T , K , θ), możemy znaleźć równanie, jakie spełnia funkcja θ(t0 , F0 ; T , K ). Andrzej Palczewski ( UW) Zmienność implikowana 11 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Model Berestycki-Busca-Florent c.d. Ponieważ równanie jest skomplikowane, napiszemy je w nowych zmiennych, które nieco upraszczaja˛ zapis. Nowe zmienne niezależne: x = log(F /K ), τ = T − t. W nowych zmiennych równanie dla funkcji θ(τ, x) ma postać θ 2 1 x 2τ θθτ − σ 2 x − 1 + τ 2 σ 2 θ2 θx2 − τ σ 2 θθxx + θ2 = 0. (4) θ 4 W tym wzorze σ = σ(τ, x) jest oczywiście zmiennościa˛ lokalna˛ z modelu (1). Andrzej Palczewski ( UW) Zmienność implikowana 12 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Model Berestycki-Busca-Florent c.d Równanie (4) jest jeszcze bardziej skomplikowane niż równanie (2), nie widać wiec ˛ zalet wprowadzania takiego modelu. Na dodatek rozwiazanie ˛ równania (4) interesuje nas w przedziale τ ∈ [0, T ] a dla τ = 0 równanie (4) staje sie˛ osobliwe. Z drugiej strony, gdyby interesować sie˛ jedynie rozwiazaniem ˛ dla małych wartości τ , to równanie (4) możnaby traktować jako zaburzenie dużo prostszego równania 2 θ x −σ 2 x − 1 + θ2 = 0. θ Czy takie postepowanie ˛ można sformalizować matematycznie? Andrzej Palczewski ( UW) Zmienność implikowana 13 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Metoda rozwinieć ˛ asymptotycznych Odpowiedź na postawione pytanie jest pozytywna ! Poczatek ˛ tego typu badaniom dał Euler, który zajmował sie˛ problemem sumowalności szeregów potegowych. ˛ W przypadku rozwiaza ˛ ń równań różniczkowych teoria ta nazywa sie˛ metoda˛ rozwinieć ˛ asymptotycznych. Polega ona na poszukiwaniu rozwiazania ˛ równania w postaci szeregu potegowego ˛ (wzgledem ˛ ”małego” parametru). Taki szereg potegowy ˛ nie musi oczywiście być zbieżny (najcz˛eściej nie jest !), ale można starać sie˛ pokazać, że skończona suma cz˛eściowa takiego szeregu przybliża właściwe rozwiazanie. ˛ Dla naszego problemu poszukiwać bedziemy ˛ rozwiazania ˛ równania (4) w postaci szeregu θ(τ, x) = θ0 (x) + τ θ1 (x) + τ 2 θ2 (x) + . . . . Andrzej Palczewski ( UW) Zmienność implikowana 14 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Przybliżenie zerowego rz˛edu Robimy dalsze uproszczenie zakładajac, ˛ że lokalna zmienność σ(τ, x) jest jednorodna w czasie, czyli σ = σ(x). Wstawiajac ˛ szereg potegowy ˛ z poprzedniego slajdu do równania (4) oraz grupujac ˛ wyrazy odpowiadajace ˛ różnym potegom ˛ τ dostajemy jako współczynnik przy zerowej potedze ˛ równość 2 σ 2 (x) xθx0 − θ0 − (θ0 )4 = 0. (5) To jest równanie przybliżenia zerowego rz˛edu. Andrzej Palczewski ( UW) Zmienność implikowana 15 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Rozwiazanie ˛ zerowego rz˛edu Przy odpowiednich założeniach na temat gładkości funkcji σ(x) rozwiazanie ˛ równania (5) dane jest wyrażeniem Z x du −1 . (6) θ0 (x) = x 0 σ(u) Przy tym funkcja θ0 (x) jest klasy C 2 (R) i jest ograniczona razem ze swoimi pochodnymi. Andrzej Palczewski ( UW) Zmienność implikowana 16 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Przybliżenie pierwszego rz˛edu Jako współczynnik przy pierwszej potedze ˛ τ dostajemy wyrażenie 1 0 = 0. σ xθx1 − θ1 + 3θ0 θ1 − σ 2 θ0 θxx 2 (7) To jest równanie przybliżenia pierwszego rz˛edu. Zauważmy, że jest to liniowe równanie różniczkowe pierwszego rz˛edu, łatwo wiec ˛ powinno być znaleźć jego rozwiazanie. ˛ Uwaga Równania na przybliżenia wszystkich wyższych rz˛edów sa˛ też liniowymi równaniami pierwszego rz˛edu. Andrzej Palczewski ( UW) Zmienność implikowana 17 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody model BBF rozwiniecia ˛ asymptotyczne Rozwiazanie ˛ pierwszego rz˛edu Przy odpowiednich założeniach na temat gładkości funkcji σ(x) rozwiazanie ˛ równania (7) dane jest wyrażeniem p 0 (x))3 σ(0)σ(x) (θ ln . (8) θ1 (x) = 2 x θ0 (x) Przy tym funkcja θ1 (x) jest klasy C 2 (R) i jest ograniczona razem ze swoimi pochodnymi. Andrzej Palczewski ( UW) Zmienność implikowana 18 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody rzad ˛ zerowy rzad ˛ pierwszy zależność od czasu Wyniki BBF dla przybliżenia zerowego rz˛edu Twierdzenie (Berestycki, Busca, Florent 2002) W granicy τ → 0 mamy zbieżność lim θ(τ, x) = θ0 (x), τ →0 przy czym zbieżność jest jednostajna dla x ∈ R. Analogiczny wynik został udowodniony także bez upraszczajacego ˛ założenia, że σ jest jednorodna w czasie, tj. dla przypadku, gdy σ = σ(τ, x) (Berestycki, Busca, Florent 2004). Andrzej Palczewski ( UW) Zmienność implikowana 19 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody rzad ˛ zerowy rzad ˛ pierwszy zależność od czasu Nowe wyniki dla przybliżenia zerowego rz˛edu Twierdzenie Załóżmy, że funkcja σ(x) jest klasy C 2 (R) i ma ograniczone pochodne. Dodatkowo niech bed ˛ a˛ spełnione oszacowania 0 < σL ≤ σ(x) ≤ σU < ∞, gdzie σL , σU sa˛ stałe. Wtedy istnieja˛ stałe κ > 0 i τ0 > 0, takie że dla rozwiazania ˛ równania (4) dla zmienności implikowanej zachodzi oszacowanie |θ(τ, x) − θ0 (x)| ≤ κτ |θ0 (x)|. Oszacowanie to zachodzi dla wszystkich τ < τ0 . Andrzej Palczewski ( UW) Zmienność implikowana 20 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody rzad ˛ zerowy rzad ˛ pierwszy zależność od czasu Wyniki dla przybliżenia pierwszego rz˛edu Twierdzenie Niech spełnione bed ˛ a˛ założenia poprzedniego twierdzenia wzmocnione założeniem, że funkcja σ(x) jest klasy C 4 (R) i ma ograniczone pochodne. Wtedy istnieja˛ stałe κ > 0 i τ0 > 0, takie że dla rozwiazania ˛ równania (4) dla zmienności implikowanej zachodzi oszacowanie |θ(τ, x) − θ0 (x) − τ θ1 (x)| ≤ κτ 2 |θ0 (x)|. Oszacowanie to zachodzi dla wszystkich τ < τ0 . Andrzej Palczewski ( UW) Zmienność implikowana 21 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody rzad ˛ zerowy rzad ˛ pierwszy zależność od czasu Rozwiazanie ˛ dla zmienności zależnej od czasu Jak postepować ˛ w przypadku, gdy σ = σ(τ, x)? Wtedy należy także funkcje˛ σ rozwinać ˛ w szereg potegowy ˛ wzgledem ˛ τ σ(τ, x) = σ 0 (x) + τ σ 1 (x) + . . . . (9) Wstawiajac ˛ to rozwiniecie ˛ oraz rozwiniecie ˛ θ do równania dla zmienności implikowanej oraz grupujac ˛ wyrazy z odpowiednimi potegami ˛ τ dostaniemy w przybliżeniu zerowego rz˛edu analogiczne równanie jak w przypadku jednorodnym (jedynie funkcje˛ σ(x) zastapi ˛ funkcja σ 0 (x)). Rozwiazanie ˛ zerowego rz˛edu bedzie ˛ miało wtedy postać Z x du −1 0 . (10) θ (x) = x 0 0 σ (u) Andrzej Palczewski ( UW) Zmienność implikowana 22 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody rzad ˛ zerowy rzad ˛ pierwszy zależność od czasu Przybliżenie pierwszego rz˛edu W przybliżeniu pierwszego rz˛edu dostajemy równanie istotnie różne niż w przypadku jednorodnym w czasie σ1 1 0 + 0 (θ0 )2 . σ 0 xθx1 − θ1 + 3θ0 θ1 = (σ 0 )2 θ0 θxx 2 σ (11) Rozwiazanie ˛ tego równania dane jest wzorem p 0 Z x σ (0)σ 0 (x) uσ 1 (u) (θ0 (x))3 1 ln + du . θ (x) = 0 2 0 x2 θ0 (x) 0 (σ (u)) θ (u) (12) Andrzej Palczewski ( UW) Zmienność implikowana 23 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody rzad ˛ zerowy rzad ˛ pierwszy zależność od czasu Wyniki dla przybliżenia pierwszego rz˛edu Twierdzenie Niech dla funkcji σ 0 (x) spełnione bed ˛ a˛ założenia analogiczne jak w przypadku jednorodnym w czasie spełniała funkcja σ(x). Dodakowo załóżmy, że funkcja σ 0 (x) jest klasy C 4 (R) a funkcja σ 1 (x) jest klasy C 2 (R) i obie maja˛ ograniczone pochodne. Wtedy istnieja˛ stałe κ > 0 i τ0 > 0, takie że dla rozwiazania ˛ równania (4) dla zmienności implikowanej zachodzi oszacowanie |θ(τ, x) − θ0 (x) − τ θ1 (x)| ≤ κτ 2 |θ0 (x)|, gdzie θ0 dana jest wzorem (10) a θ1 wzorem (12) przy czym oszacowanie to zachodzi dla wszystkich τ < τ0 . Andrzej Palczewski ( UW) Zmienność implikowana 24 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Cena opcji ze wzoru Tanaki Wracamy do poczatkowego ˛ modelu rynku z lokalna˛ zmiennościa˛ (deterministyczna˛ a nie stochastyczna˛ dla uproszczenia prezentacji). dFt = σ(t, F )Ft dWt , F (0) = F0 . (13) Zastosowanie formuły Tanaki prowadzi do nastepuj ˛ acego ˛ wzoru na cene˛ opcji C loc (0, F0 ; T , K ) = Z 1 T + σ(t, K )2 K 2 p(t, K |F0 )dt . P(0, T ) (F0 − K ) + 2 0 (14) p(t, K |F0 ) jest tu rozkładem prawdopodobieństwa dla procesu (13) warunkowanego na F0 . Andrzej Palczewski ( UW) Zmienność implikowana 25 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Równanie wsteczne Kołmogorowa Funkcja p(t, F |F0 ) spełnia wsteczne równanie Kołmogorowa 1 2 ∂F σ(t, F )2 F 2 p(t, F |F0 ) 2 1 = σ(t, F )2 F 2 ∂F2 p(t, F |F0 ) 2 + 2σ(t, F )F ∂F σ(t, F )F ∂F p(t, F |F0 ) + σ(t, F )F ∂F2 σ(t, F )F p(t, F |F0 ) 2 + ∂F2 σ(t, F )F p(t, F |F0 ). ∂t p(t, F |F0 ) = Andrzej Palczewski ( UW) Zmienność implikowana (15) 26 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie Rozważmy wielowymiarowy proces stochastyczny Xt spełniajacy ˛ układ równań X σji (Xt )dWtj , dXti = j dhWti , Wtj i = ρi,j dt. Prawdopodobieństwo przejścia dla tego procesu GT ,X (t, x) spełnia wsteczne równanie Kołmogorowa X ∂t GT ,X (t, x) + g i,j (x)∂x2i ,x j GT ,X (t, x) = 0, i,j GT ,X (T , x) = δ(x − X ), gdzie macierz g i,j jest dodatnio określona i dana wzorem 1 X k ,l i ρ σk (x)σlj (x). g i,j (x) = 2 k ,l Andrzej Palczewski ( UW) Zmienność implikowana 27 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. Dokonujac ˛ zamiany zmiennych τ = T − t sprowadzamy równanie Kołmogorowa do równania przewodnictwa cieplnego X ∂τ GX (τ, x) = g i,j (x)∂x2i ,x j GX (τ, x), i,j GX (0, x) = δ(x − X ). Andrzej Palczewski ( UW) Zmienność implikowana 28 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. Niech M oznacza przestrzeń stanów procesu Xt . M jest rozmaitościa˛ Riemanna, jeśli metryk˛e Riemanna zdefiniujemy przez podanie wzoru na element długości X ds2 = gi,j (x)dx i dx j , i,j gdzie gi,j (x) = 2 ρk ,l k σi (x)σjl (x) k ,l X a ρk ,l jest odwrotnościa˛ ρk ,l . Andrzej Palczewski ( UW) Zmienność implikowana 29 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. Twierdzenie (Varadhan 1967) lim 2τ ln GX (τ, x) = −d 2 (x, X ). τ →0 d(x, y ) jest odległościa˛ geodezyjna˛ punktów x i y na rozmaitości Riemanna M wyznaczona˛ przez ds Z d(x, y ) = inf z(t):z(0)=x,z(1)=y 0 1X i,j gi,j (z(t)) dz i dz j dt. dt dt Uwaga Asymptotyczna zbieżność z pracy Berestycki, Busca, Florent (2002) pokrywa sie˛ z twierdzeniem Varadhana (należy tylko zdefiniować właściwa˛ strukture˛ riemannowska). ˛ Andrzej Palczewski ( UW) Zmienność implikowana 30 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. Równanie Kołmogorowa dla rozkładu prawdopodobieństwa p(t, F |F0 ) jest bardziej skomplikowane niż równanie przewodnictwa cieplnego X X ∂t pF0 (t, F ) = g i,j (F )∂F2 i ,F j pF0 (t, F ) + bi (F )∂F i pF0 (t, F ) i,j i + q(F )pF0 (t, F ), pF0 (0, F ) =δ(F − F0 ). (16) Aby badać takie równania na rozmaitości Riemanna należy zdefiniować wiazk˛ ˛ e liniowa˛ nad rozmaitościa˛ M, a nastepnie ˛ koneksje˛ w tej wiazce ˛ A oraz przekroje wiazki ˛ Q. Andrzej Palczewski ( UW) Zmienność implikowana 31 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. Wtedy równanie takiego typu jak równanie (16) można zapisać w postaci inwariantnej ∂t p(t, x|y ) = Dp(t, x|y ), gdzie D jest operatorem eliptycznym na rozmaitości Riemanna X D = g −1/2 g 1/2 g i,j (∂i + Ai )(∂j + Aj ) + Q i,j a g = det(g i,j ). Andrzej Palczewski ( UW) Zmienność implikowana 32 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. W przypadku deterministycznej lokalnej zmienności równanie (16) jest jednowymiarowe. Można wiec ˛ łatwo znaleźć koneksje˛ A (jednowymiarowa) ˛ oraz przekrój Q oraz wykorzystać pochodzace ˛ od Yosidy (1953) rozwiniecie ˛ asymptotyczne rozwiazania ˛ równania (16). W przybliżeniu pierwszego rz˛edu daje to nastepujacy ˛ wzór na cene˛ opcji call p σ(0, K )σ(0, F0 )T −1 loc + √ × P(0, T ) C (0, F0 ; T , K ) = (F0 − K ) + 2 2π 3 H1 (ω) + Q(Fav ) + G(Fav ) TH2 (ω) , 4 gdzie H1 , H2 , Q i G sa˛ znanymi funkcjami a Z K dx √ Fav = (F0 + K )/2, ω = . 2T xσ(0, x) F0 Andrzej Palczewski ( UW) Zmienność implikowana 33 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej Uogólnienie c.d. Wykonujac ˛ analogiczne obliczenia dla modelu Blacka (stała zmienność) oraz porównujac ˛ otrzymane wzory możemy wyprowadzić przybliżenie pierwszego rz˛edu dla zmienności implikowanej θ(K , T ) p σ(0, K )σ(0, F0 ) H1 (ω) √ θ(K , T ) = × H1 (ω̄) F0 K H (ω) 3 2 H1 (ω) + Q(Fav ) + G(Fav ) T 4 H1 (ω) θ(K , T )2 H2 (ω̄) + , 8 H1 (ω̄) gdzie ln(K /F0 ) ω̄ = √ . 2T θ(K , T ) Andrzej Palczewski ( UW) Zmienność implikowana 34 / 35 wstep ˛ aproksymacja ścisłe wyniki inne metody metody geometrii różniczkowej DZIEKUJ ˛ E˛ Andrzej Palczewski ( UW) Zmienność implikowana 35 / 35