Impulsowe portfele inwestycyjne: modelowanie rynku
Transkrypt
Impulsowe portfele inwestycyjne: modelowanie rynku
I NSTYTUT M ATEMATYCZNY P OLSKIEJ A KADEMII NAUK Impulsowe portfele inwestycyjne: modelowanie rynku, zabezpieczanie, optymalizacja Jan Palczewski Rozprawa doktorska napisana pod kierunkiem prof. dr hab. Łukasza Stettnera Warszawa, 12 kwietnia 2005 Prace nad rozprawa˛ wspomagane były przez granty PBZ-KBN-016-P03-1999 i KBN-1-P03A-012-28. Spis treści Wst˛ep 1 2 3 5 Modelowanie rynku za pomoca˛ przepływów pieni˛eżnych Rynek doskonały . . . . . . . . . . . . . . . . . . . . . . . . Ograniczenia na skład portfela . . . . . . . . . . . . . . . . . Proporcjonalne koszty transakcji . . . . . . . . . . . . . . . . Proporcjonalne koszty z ograniczeniami na zawartość portfela 1.1 Arbitraż . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Lipschitzowskie deflatory . . . . . . . . . . . . . . . . . . . . Konstrukcja przestrzeni . . . . . . . . . . . . . . . . . . . . . Dowód własności C i L . . . . . . . . . . . . . . . . . . . . . Warunkowa własność Lipschitza . . . . . . . . . . . . . . . . 1.4 Ciagłe ˛ deflatory . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Dobry zbiór deflatorów . . . . . . . . . . . . . . . . . . . . . 1.6 Wycena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wycena arbitrażowa . . . . . . . . . . . . . . . . . . . . . . . Cena zabezpieczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 10 11 11 11 12 14 18 18 22 24 26 27 29 29 30 Modelowanie i wycena opcji amerykańskich 2.1 Model rynku amerykańskiego . . . . . . Przeliczalny model . . . . . . . . . . . . 2.2 Rynek europejski vs. rynek amerykański . 2.3 Wycena opcji amerykańskich . . . . . . . Rynek rozszerzony . . . . . . . . . . . . Brak kosztów transakcji . . . . . . . . . . 2.4 Przykład . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 34 39 39 40 42 44 47 Sterowanie impulsowe 3.1 Procesy Markowa . . . . . . . . 3.2 Sterowanie . . . . . . . . . . . 3.3 Równanie Bellmana . . . . . . . Granica rozwiazań ˛ czastkowych ˛ Twierdzenie o punkcie stałym . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 51 53 54 57 57 . . . . . . . . . . . . . . . . . . . . 3 . . . . . 4 4 SPIS TREŚCI Problem portfelowy z kosztami za transakcje 4.1 Wyniki wst˛epne . . . . . . . . . . . . . . . 4.2 Problem optymalizacyjny . . . . . . . . . . 4.3 Ograniczona funkcja F . . . . . . . . . . . 4.4 Nieograniczona funkcja F . . . . . . . . . 4.5 Przykłady . . . . . . . . . . . . . . . . . . Dyfuzja z ograniczonymi współczynnikami Multiplikatywny proces cen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 61 64 66 71 73 73 79 Wst˛ep Poczawszy ˛ od słynnego modelu Blacka-Scholesa w matematyce finansowej sa˛ powszechnie stosowane strategie ciagłe, ˛ tzn. strategie inwestycyjne, które powoduja˛ zmian˛e portfela aktywów w każdym momencie. Jest to dalekie uproszczenie, co pokazała praca Cvitanić’a, Shreve’a i Sonera [5], w której udowodniono, że optymalna˛ cena˛ zabezpieczenia opcji kupna na aktywo przy proporcjonalnych kosztach transakcji w modelu Blacka-Scholesa jest zakup tego aktywa w momencie wystawienia opcji, czyli zastosowanie strategii trywialnej. Remedium na to można szukać w modelach z czasem dyskretnym. Kolejne transakcje sa˛ oddzielone od siebie o ustalony okres i znacznie lepiej oddaja˛ zachowanie rzeczywistego rynku. Jednak liczba transakcji w ograniczonym okresie jest ograniczona z góry. Tej wady pozbawione jest podejście impulsowe, które tworzy niejako pomost pomi˛edzy modelami ciagły˛ mi i dyskretnymi. Tutaj rynek funkcjonuje w sposób ciagły, ˛ pozwalajac ˛ na dokonanie transakcji w dowolnym momencie. Inwestor działa impulsowo, jego decyzje transakcyjne tworza˛ zbiór izolowanych punktów na osi czasu. W każdym ograniczonym okresie dochodzi do skończonej liczby działań na rynku. Impulsowe strategie inwestycyjne sa˛ uogólnieniem strategii dyskretnych, pozbawionych wad tych ostatnich. Co wi˛ecej, wydaja si˛e one bardzo dobrze pasować do tego, co obserwujemy w rzeczywistości. Niniejsza rozprawa poświ˛econa jest różnym aspektom strategii impulsowych, poczawszy ˛ od budowy modeli, przez wycen˛e instrumentów pochodnych, znajdowanie strategii zabezpieczajacych, ˛ aż do tzw. optymalizacji portfelowej. W rozdziale 1 prezentuj˛e nowatorski sposób modelowania rynku, zaproponowany w pracy Jouini, Napp [12]. O ile powszechnie dzieli si˛e model na dwie cz˛eści: model cen akcji i sposoby inwestowania, czyli dost˛epne strategie inwestycyjne, to tutaj połaczone ˛ jest to w jedno. Z każda˛ strategia˛ inwestycyjna˛ możemy zwiazać ˛ strumienie pieni˛eżne, skierowane od lub do inwestora. Te strumienie, zwane przepływami, sa˛ tym, co w ostatecznym rozrachunku inwestora interesuje. Dlatego zapominamy o strategii i rynku, na którym inwestujemy, i pozostawiamy reprezentacj˛e pod postacia˛ zbiorów przepływów. Przepływy te maja˛ przypisane losowe momenty, w których nast˛epuja.˛ Ten zbiór przepływów i momentów ich wystapienia ˛ dla ustalonej strategii inwestycyjnej nazywany jest możliwościa˛ inwestycyjna.˛ Rzeczywistość finansowa˛ opisujemy przez podanie wszystkich możliwości inwestycyjnych dost˛epnych dla inwestora. To podejście pozwala na uj˛ecie ogromnego bogactwa rynku, jednoczesne rozważanie wielu "niedoskonałości", jak koszty transakcji, ograniczenia na skład portfela, brak rachunku bankowego itp. Ponadto zbiór aktywów może zawierać obligacje z możliwościa˛ bankructwa, akcje płacace ˛ dywidendy i wiele innych. Powyższe intuicje wymagaja˛ jeszcze ścisłego, matematycznego sformalizowania: skonstruowania przestrzeni, której elementami sa˛ możliwości inwestycyjne. Ponadto, w celu dalszych badań należy jeszcze wprowadzić poj˛ecie uczciwości rynku, które w dużym stopniu zależy od wyboru przestrzeni. W pracy [12] Jouini i Napp konstruuja˛ model, w którym przepływy moga˛ zachodzić w momentach stopu o przeliczalnej liczbie wartości. Dowodza˛ nast˛epnie, że uczciwość rynku jest równoważna istnieniu deflatora dla rynku, analogu g˛estości miary martyngałowej. Uogólnienie tych wyników na ogólne momenty stopu, czyli dowolna˛ strategi˛e impulsowa,˛ miało miejsce w opublikowanej już pracy 5 6 WSTEP ˛ autora [21], (patrz podrozdział 1.3). Twierdzenie o równoważności uczciwości rynku i istnieniu deflatora zostało dowiedzione przy technicznym "warunku ruletki", analogicznym do tego w pracy [12]. Bazujac ˛ na pracy Jouini, Napp, Schachermayer [13] udaje si˛e pozbyć tego warunku. W istniejacej ˛ literaturze brakowało rozważań nad "poprawna" ˛ definicja˛ uczciwości rynku, czyli definicja,˛ która jest spójna matematycznie i odpowiada intuicjom. W podrozdziale 1.2 podejmuj˛e ten temat. Okazuje si˛e, że modele prezentowane w pracach Jouini, Napp [12], Napp [20], Jouini, Napp, Schachermayer [13] maja˛ poważne wady. Wynikiem tych rozważań jest powstanie dodatkowych modeli, zaprezentowanych w podrozdziałach 1.4 i 1.5. Rozdział 1 kończy si˛e rozważaniami na temat wyceny instrumentów pochodnych i zwiazku ˛ deflatorów z tym zagadnieniem. Przedstawione rezultaty sa˛ podobne do tych z pracy Napp [20], lecz dowody sa˛ krótsze i bardziej elementarne. Rozdział 2 prezentuje tematyk˛e całkowicie nowa,˛ nigdzie dotychczas w literaturze nie poruszana.˛ Zawiera materiały przeznaczone do publikacji w najbliższej przyszłości. Poświecony jest zagadnieniu wyceny opcji amerykańskich w modelach podobnych do opisywanych powyżej. W powszechnym podejściu dana strategia zabezpiecza wypłat˛e amerykańska,˛ jeśli w każdym momencie stopu wartość portfela jest nie mniejsza niż żadana ˛ wypłata. Modele z przepływami nie daja˛ informacji o tym, jaka jest wartość portfela w danym momencie. Sprawdzenie wartości portfela jest równoważne z jego sprzedaża,˛ likwidacja.˛ Stad ˛ konieczność skonstruowania modelu, który posiadajac ˛ wszystkie zalety modeli z przepływami, umożliwiałby rozważanie opcji amerykańskich. Niech A(t) t∈[0,T ] , T > 0, opisuje wypłat˛e amerykańska.˛ Na rynku Blacka-Scholesa cena zabezpieczenia takiej opcji jest równa sup cena zabezpieczenia wypłaty europejskiej A(τ ) o dacie zapadalności τ , τ ∈S gdzie S jest zbiorem momentów stopu o wartościach w [0, T ]. A zatem zabezpieczanie wypłaty amerykańskiej redukuje si˛e do zabezpieczenia odpowiedniej wypłaty europejskiej, czyli dowolność momentu wykonania nie powoduje wzrostu ceny. Podrozdział 2.3 poświ˛econy jest udowodnieniu, że podobna własność jest prawdziwa w skonstruowanym modelu, jeśli na rynku nie ma kosztów transakcji. A zatem ograniczenia na zawartość portfela, dywidendy i inne niedoskonałości rynku nie wpływaja˛ na ta˛ własność. Wskazuje to na szczególne znaczenie kosztów transakcji w modelowaniu rynków finansowych. Dalsza cz˛eść pracy poświ˛econa jest optymalizacji portfela papierów wartościowych przy wykorzystaniu techniki sterowania impulsowego. W ta˛ tematyk˛e wprowadził mnie prof. Jerzy Zabczyk, któremu należa˛ si˛e wyrazy najgł˛ebszej wdzi˛eczności. Owocem współpracy z prof. Zabczykiem jest praca [23]. Zainspirowała ona rozważania rozdziału 4, które składaja˛ si˛e na prac˛e [22], napisana˛ wspólnie z prof. Łukaszem Stettnerem. Zagadnienia optymalizacji w finansach interesowały naukowców i praktyków od wielu lat. W 1952 roku Harry Markowitz [18] rozwinał ˛ teori˛e statycznej optymalizacji, tzw. analizy portfelowej. Poj˛ecie statyczny odnosiło si˛e do tego, że portfel inwestycji nie ulegał zmianie od poczatku ˛ inwestycji aż do jej końca, ustalonego momentu T > 0. Celem było znalezienie w momencie zerowym takiego portfela, który spełniałby zadane kryterium optymalizacyjne bazujace ˛ na stopie zwrotu i ryzyku ponoszonym w okresie trwania inwestycji. W latach 1969-71 zagadnienie optymalizacji portfelowej doczekało si˛e wersji dynamicznej, tzn. takiej, gdy portfel może si˛e zmieniać w każdym momencie w czasie inwestycji (patrz np. Merton [19]). Otworzyło to drog˛e do wielu interesujacych ˛ zagadnień portfelowych. Uogólnieniem zadania Markowitza jest maksymalizacja oczekiwanej użyteczności wartości portfela na końcu okresu inwestycji. Użyteczność to inaczej miara zadowolenia z posiadanych dóbr. Innym 7 problemem, inspirowanym długoterminowymi działaniami inwestorów, jest szukanie strategii inwestowania i konsumowania, najlepszej w sensie uzyskanej użyteczności. Ogromna˛ rol˛e odegrało tu podejście martyngałowe i tzw. metody dualne. Metody te przestaja˛ si˛e sprawdzać, gdy dopuścimy istnienie kosztów transakcji. Szczególnych trudności przysparza struktura kosztów ze składnikiem stałym. Eliminuje ona strategie polegajace ˛ na ciagłej ˛ poprawie portfela, gdyż koszty takiego post˛epowania byłyby nieskończone. Stad ˛ odwołanie si˛e do strategii o charakterze impulsowym. Eastham i Hastings [10] prezentuja˛ zastosowanie metodologii impulsowego sterowania stochastycznego (patrz Bensoussan, Lions [1]) do rozwiazania ˛ problemu optymalnego inwestowania i konsumpcji przy stałych i proporcjonalnych kosztach transakcji. Specyfika˛ optymalizacji w finansach jest to, że zwykle koszty impulsów nie wchodza˛ bezpośrednio jako składnik w optymalizowanej wielkości, lecz sa˛ niejako schowane w strukturze dost˛epnych strategii inwestycyjnych. Przyczynia si˛e to do znacznego utrudnienia rozważanych zagadnień i cz˛esto do niemożliwości bezpośredniego zastosowania istnieja˛ cych twierdzeń (patrz np. twierdzenie 4.10). W rozdziale 4 przedstawiony jest problem optymalnego inwestowania w celu maksymalizacji średniej użyteczności portfela, a dokładniej Z ∞ e−αt F N (t), S(t) dt, E 0 gdzie S(t) jest wielowymiarowym procesem cen, N (t) jest liczba˛ akcji każdego z papierów wartościowych w portfelu, czyli jego składem, α jest stopa˛ dyskonta, zaś F jest funkcja˛ mierzac ˛ a˛ użyteczność lub zadowolenie z portfela. Transakcje sa˛ obarczone kosztami o dość ogólnej formie, np. suma˛ kosztów proporcjonalnych i stałych. Ponadto zakładamy, że istnieje dodatkowy proces X(t), który jest obserwowany przez inwestora i reprezentuje zewn˛etrzne czynniki ekonomiczne. Czynniki te wpływaja˛ na dynamik˛e cen akcji, lecz same nie opisuja˛ kwotowań instrumentów, w które można inwestować. Moga˛ to być wskaźniki inflacji, długu publicznego, bezrobocia, konsumpcji różnych dóbr, kwotowań niedost˛epnych instrumentów finansowych (np. obligacji stałokuponowych na rynku mi˛edzybankowym) itp. Czynnikiem koniecznym, by stosować teori˛ e sterowania impulsowego jest markowski charakter modelu. Żadamy ˛ wi˛ec, by proces S(t), X(t) był procesem Markowa. Widać zatem, że proces X(t) odgrywa rol˛e znaczna,˛ zwi˛ekszajac ˛ możliwości modelowania cen akcji. Ponadto, pozwala lepiej specyfikować w szczegółach i później kalibrować model do rynku. Dokładniejsze rozważania na ten temat znajduja˛ si˛e w pracy Bieleckiego i Pliski [4]. Oryginalność rozdziału 4 polega na zastosowaniu technik punktu stałego i przestrzeni Banacha do wykazania istnienia i formy strategii optymalnej wspomnianego problemu optymalizacyjnego dla szerokiej klasy funkcji użyteczności F i struktury kosztów transakcji. Publikowane prace z dziedziny optymalizacji w finansach, takie jak Eastham, Hastings [10], Korn [16], Pliska [24], Bielecki, Pliska [4], stosowały techniki różniczkowe, które nie pozwalały na uzyskanie wyników w takiej ogólności. Na podkreślenie zasługuje fakt, że uzyskane wyniki pokrywaja˛ przypadek nieograniczonej funkcji F przy dość słabych założeniach dotyczacych ˛ modelu. Dowodem na to sa˛ podane w podrozdziale 4.5 przykłady obejmujace ˛ wi˛ekszość pojawiajacych ˛ si˛e w literaturze modeli. Podzi˛ekowania. Chciałbym goraco ˛ podzi˛ekować wszystkim, którzy przyczynili si˛e do powstania tej pracy. W szczególności składam podzi˛ekowania promotorowi prof. Łukaszowi Stettnerowi oraz prof. Jerzemu Zabczykowi, którzy poświ˛ecili mi wiele swojego czasu. Wiele zawdzi˛eczam też prof. Tomaszowi Bojdeckiemu, którego wykłady rozbudziły we mnie zainteresowania probabilistyka.˛ Nie może tutaj także zabraknać ˛ wyrazów wdzi˛eczności do prof. E. Jouiniego i prof. W. Schachermayera za uwagi dotyczace ˛ pracy [21], które były impulsem do dużej cz˛eści rozważań przedstawionych w rozdziale 1. Rozdział 1 Modelowanie rynku za pomoca˛ przepływów pieni˛eżnych W modelowaniu rynków finansowych szeroko stosowane jest podejście, polegajace ˛ na wzorowaniu si˛e na funkcjonowaniu lub też postrzeganiu tego rynku przez inwestorów. Skupia si˛e ono z jednej strony na jak najlepszym oddaniu dynamiki cen akcji, zaś z drugiej – na określeniu dost˛epnych możliwości inwestycyjnych. Podział ten jest podyktowany spojrzeniem inwestora: widzi on rynek, przez który rozumie ewolucj˛e cen akcji, i swoje możliwości inwestowania. Ta dwudzielność spojrzenia, tak naturalna, stwarza znaczne problemy, gdy chcemy rozważać koszty transakcji, ograniczenia na skład portfela i inne tzw. niedoskonałości rynku. Co wi˛ecej, łaczne ˛ rozważanie kilku niedoskonałości jest praktycznie niemożliwe. Aby posunać ˛ si˛e do przodu, trzeba dokonać rewizji podstaw modelowania. Zamiast podziału na strategie i ceny akcji, dokonujemy ich połaczenia. ˛ Wynik strategii inwestycyjnej opisywany jest przy pomocy przepływów pieni˛eżnych. Jeśli kupimy jedna˛ akcj˛e za 5 PLN w momencie 1, zaś sprzedamy ja˛ za 6 PLN w momencie 3, to z naszego punktu widzenia odbyły si˛e dwa przepływy pieni˛eżne: jeden, ujemny, gdy płaciliśmy za akcj˛e, drugi, dodatni, gdy ja˛ sprzedaliśmy. Zanotujemy to w nast˛epujacy ˛ sposób: −5δ1 + 6δ3 . Podobnie, jeśli S(t) t∈R+ opisuje losowa˛ ewolucj˛e cen akcji, to −S(τ )δτ + S(σ)δσ , gdzie τ ≤ σ sa˛ momentami stopu, reprezentuje przepływy pieni˛eżne zwiazane ˛ z zakupem jednej akcji w momencie τ i jej sprzedaża˛ w momencie σ. Dalsze przykłady to −2S(1)δ1 + S(2)δ2 + 1A S(3)δ3 + 1Ac S(4)δ4 , gdzie A jest zdarzeniem losowym, lub θ − S(τ )δτ + S(σ)δσ , gdzie θ jest zmienna˛ losowa.˛ Każdy sposób inwestowania opisany jest za pomoca˛ przepływów, które generuje. Nie ma informacji o użytej strategii, czy procesie cen. Aby dodatkowo umotywować to twierdzenie, rozważmy nast˛epujace ˛ możliwości inwestowania: −S 1 (0)δ0 + S 1 (1)δ1 , S 1 (1) − S 2 (1)δ1 + S 2 (2)δ2 . 2 S (1) 9 10 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Jeśli zdecydujemy si˛e na wykorzystanie obu możliwości, to przepływy finansowe zwiazane ˛ z naszym post˛epowaniem zredukuja˛ si˛e do −S 1 (0)δ0 + S 1 (1)S 2 (2) δ2 . S 2 (1) Zatraciliśmy zatem informacj˛e o tym, jak inwestowaliśmy. Rynek finansowy opiszemy tylko zapomoca˛ możliwości inwestycyjnych, wyrażonych przez przepływy finansowe. Niech Ω, F, (Ft ), P b˛edzie przestrzenia˛ probabilistyczna˛ z filtracja,˛ która spełnia normalne warunki prawostronnej ciagłości ˛ i zupełności. Przez L0 (Ω, Ft ) oznaczmy przestrzeń zmiennych losowych rzeczywistych Ft -mierzalnych. Niech D(I), I ∈ B(R+ ), b˛edzie zbiorem wyrażeń postaci γ1 δτ1 + γ2 δτ2 + · · · + γn δτn , gdzie n ∈ N, γi ∈ L0 (Ω, Fτi ), zaś τi jest momentem stopu o wartościach w I, i = 1, . . . , n. Zbiór czasów I może być odcinkiem [0, T ], cała˛ półprosta˛ R+ lub dowolnym innym zbiorem, np. I = Q. Jeśli nie b˛edzie to powodować niejasności, zamiast D(I) b˛edziemy pisać D. DEFINICJA 1.1. Rynkiem nazywamy podzbiór J ⊆ D, który jest dodatnim, wypukłym stożkiem, tzn. i) x1 + x2 ∈ J, jeśli x1 , x2 ∈ J, ii) αx ∈ J, jeśli x ∈ J, α ≥ 0. Elementy J nazywane sa˛ możliwościami inwestycyjnymi, ponieważ wyrażaja˛ przepływy pieni˛eżne zwiazane ˛ z dost˛epnymi strategiami inwestowania. Warunek wypukłości J oddaje możliwość skorzystania na raz z wielu możliwości inwestycyjnych dost˛epnych na rynku, jak zilustrowaliśmy powyżej. Zakładamy nieskończona˛ podzielność inwestycji, czyli warunek, że J jest dodatnim stożkiem. Jest to założenie techniczne, powszechnie stosowane w matematyce finansowej. Zwróćmy uwag˛e, że rozważane możliwości inwestycyjne, czy też strategie inwestycyjne, które za nimi stoja,˛ maja˛ charakter impulsowy. Jest to cecha rzeczywistych rynków, na których nie można dokonywać transakcji w sposób ciagły, ˛ lecz poszczególne transakcje sa˛ od siebie odległe w czasie. Przedstawimy szereg przykładów zbiorów możliwości inwestycyjnych reprezentujacych ˛ rynek. Rynek doskonały Niech S(t) t≥0 b˛edzie d-wymiarowym adaptowanym procesem stochastycznym o ściśle dodatnich trajektoriach. Opisuje on ewolucj˛e cen d aktywów. Rozważmy możliwości inwestycyjne postaci θ − S i (τ )δτ + S i (σ)δσ , i = 1, . . . , d, gdzie θ ∈ L∞ (Ω, Fτ ∧σ ), zaś τ , σ sa˛ momentami stopu. Rynek J(S) jest generowany przez powyższe możliwości inwestycyjne, czyli składa si˛e ze wszystkich ich kombinacji liniowych o nieujemnych współczynnikach. Nie zakładamy, że τ ≤ σ, jednak przyj˛ecie takiego warunku nie zmieniłoby zbioru J(S). 11 Ograniczenia na skład portfela Rozważmy proces cen S(t) t≥0 jak powyżej. Dodatni wypukły stożek C ⊆ Rd ujmuje ograniczenia na skład portfela. W przypadku rynku bez ograniczeń C = Rd , natomiast C = [0, ∞)d odpowiada brakowi krótkiej sprzedaży. Rynek JCon (S, C) jest generowany przez możliwości inwestycyjne d X θi − S i (τ )δτ + S i (σ)δσ , i=1 gdzie θ ∈ L∞ (Ω, Fτ ∧σ ; C), zaś τ , σ sa˛ momentami stopu. Proporcjonalne koszty transakcji Zaproponowane podejście do modelowania rynków finansowych pozwala na uwzgl˛ednienie uogólnionych kosztów proporcjonalnych. Ze wzgl˛edu na konieczność zapisania zbioru przepływów pieni˛eżnych zwiazanych ˛ z możliwościami inwestycyjnymi jako stożka, nie możemy rozważać kosztów stałych. Koszty proporcjonalne zakodowane sa˛ w dwóch d-wymiarowych adaptowanych procesach cen S(t) t≥0 i S 0 (t) t≥0 , które spełniaja˛ warunek P 0 ≤ S i (t) ≤ S 0i (t) ∀t ≥ 0 = 1, i = 1, . . . d. Wartość S 0 rozumiemy jako cen˛e, po której możemy dokonać zakupu waloru, zaś S - jako cen˛e, po której możemy sprzedać walor. Zatem rynek Jcost (S, S 0 ) jest generowany przez θ − S 0i (τ )δτ + S i (σ)δσ , i = 1, . . . , d, θ S i (τ )δτ − S 0i (σ)δσ , i = 1, . . . , d, gdzie θ ∈ L∞ (Ω, Fτ ; [0, ∞)), zaś τ , σ sa˛ momentami stopu spełniajacymi ˛ nierówność τ ≤ σ p.n. Pierwsza z zaprezentowanych inwestycji polega na zakupie i późniejszej sprzedaży waloru, zaś druga na krótkiej sprzedaży i późniejszym odkupieniu waloru. Proporcjonalne koszty z ograniczeniami na zawartość portfela Zaprezentujemy, jak w prosty sposób opisać rynek, który b˛edzie zawierał obie przedstawione wyżej niedoskonałości. Niech zatem C, S, S 0 b˛eda˛ dane jak wyżej. Wtedy rynek Jcon,cost (S, S 0 , C) dany jest jako najmniejszy dodatni wypukły stożek generowany przez możliwości inwestycyjne d X θi 1θi ≥0 − S 0i (τ )δτ + S i (σ)δσ − θi 1θi <0 S i (τ )δτ − S 0i (σ)δσ , i=1 gdzie θ ∈ L∞ (Ω, Fτ ; C), zaś τ , σ sa˛ momentami stopu, spełniajacymi ˛ τ ≤ σ p.n. Dotychczas nie narzuciliśmy żadnych technicznych ograniczeń na możliwości inwestycyjne, nie zakładaliśmy nawet całkowalności. W nast˛epnym podrozdziale zajmiemy si˛e sprecyzowaniem założeń i zastanowimy si˛e nad poj˛eciem uczciwości rynku. Pokażemy, że uczciwość rynku w ogromnym stopniu zależy od przyj˛etych założeń, w szczególności od topologii zadanej na przestrzeni możliwości inwestycyjnych. 12 1.1. ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Arbitraż Podstawowy rezultat w matematyce finansowej, czasami nazywany podstawowym twierdzeniem wyceny, mówi, że uczciwość rynku doskonałego zwiazanego ˛ z wielowymiarowym procesem cen S(t) t≥0 jest tożsama istnieniu równoważnej miary martyngałowej. Wciaż ˛ jednak pozostaje określenie, czym jest uczciwość rynku. Zależy to od warunków narzuconych na proces cen i dopuszczalne strategie inwestycyjne. Załóżmy, że proces cen jest cádlág i jest całkowalny z p-ta˛ pot˛ega,˛ p ≥ 1. Określmy horyzont czasowy T i połóżmy Z T h(t)dS(t) : h(t) - ograniczony, prognozowalny proces prosty}. K={ 0 Prognozowalnym procesem prostym nazwiemy proces postaci h(t) = N −1 X λi 1(ti ,ti+1 ] (t), i=1 dla N ∈ N, momentów 0 ≤ t1 < t2 < · · · < tN ≤ T i wektora (λ1 , . . . , λN −1 ), odpowiednio Fti -mierzalnych zmiennych losowych, dla których całka w definicji K jest dobrze określona. Rynek uznamy za uczciwy, jeśli K − B+ ∩ Lp (Ω, FT ) = {0}, gdzie B+ = Lp+ (Ω, FT ) ∩ L∞ (Ω, FT ). Uczciwość ta jest równoważna istnieniu równoważnej miary martyngałowej o g˛estości całkowalnej z q-ta˛ pot˛ega,˛ przy czym p i q sa˛ liczbami sprz˛eżonymi (patrz praca Strickera [31]). Natomiast Delbaen i Schachermayer [7] definiuja˛ zbiór strategii Z T h(t) - ograniczony, S-całkowalny proces, lim h(t)dS(t) istnieje p.n. T →∞ 0 H= h: Z T h(t)dS(t) > a p.n. dla T ≥ 0 0 dla pewnej stałej a ∈ R i kłada˛ K= nZ ∞ h(t)dS(t) : o h(t) ∈ H . 0 Zakładaja˛ również, że proces cen S(t) jest lokalnie ograniczonym semi-martyngałem. Dowodza˛ wtedy, że uczciwość rynku, zapisana jako C ∩ L∞ ecie jest w topologii L∞ , 0 (Ω, F) = {0}, gdzie domkni˛ zaś C = (K − L0+ (Ω, F)) ∩ L∞ (Ω, F), jest tożsama istnieniu równoważnej miary probabilistycznej, przy której proces cen jest martyngałem lokalnym. Jeszcze inaczej prezentuja˛ si˛e wyniki w czasie dyskretnym. Widzimy zatem, że na postać uczciwości rynku maja˛ znaczny wpływ zarówno założenia dotyczace ˛ rozważanych strategii inwestycyjnych, jak i procesu cen. Stricker ograniczał si˛e do strategii prostych, natomiast Delbaen i Schachermayer dopuścili strategie dowolne, lecz musieli wtedy dodatkowo wprowadzić ograniczenie na minimalna˛ wartość bogactwa portfela. Także ich wyniki sa˛ różne. W jednym przypadku istnieje miara martyngałowa, zaś w drugim taka, przy której proces cen jest tylko martyngałem lokalnym. Naszym celem w bieżacym ˛ podrozdziale b˛edzie rozszerzenie powyższych pomysłów na przypadek rynków opisanych przez przepływy pieni˛eżne. Zajmowali si˛e tym już Jouini, Napp [12] oraz Jouini, Napp, Schachermayer [13]. DEFINICJA 1.2. Modelem rynku jest para (Γ, τ ), gdzie Γ jest podprzestrzenia˛ liniowa˛ D, a τ jest lokalnie wypukła˛ topologia˛ na Γ. 13 1.1. ARBITRAŻ Niech J b˛edzie rynkiem zanurzonym w modelu (Γ, τ ). Połóżmy Γ+ = N nX γi δτi ∈ Γ : o γi ≥ 0, i = 1, . . . , N . i=1 Naturalne poj˛ecie braku arbitrażu można zapisać jako (NA) J ∩ Γ+ = {0}. Łatwo zauważyć, że NA jest równoważne (J − Γ+ ) ∩ Γ+ = {0}. Podobnie jak w powyższych przykładach, to poj˛ecie jest niewystarczajace. ˛ Proponujemy silniejsza˛ własność, zwana˛ uogólnionym brakiem arbitrażu (ang. no free lunch) (NFL) J − Γ+ ∩ Γ+ = {0}, gdzie domkni˛ecie jest dokonywane w topologii τ . W warunku wyst˛epuje wyrażenie J −Γ+ . Zauważmy, że −Γ+ reprezentuje wszystkie możliwe strategie konsumpcji. Zatem przed dokonaniem domkni˛ecia rozszerzamy możliwości inwestycyjne o konsumpcj˛e. Topologia τ odgrywa kluczowa˛ rol˛e w definicji uogólnionego arbitrażu. Przy niektórych topologiach rynek może spełniać warunek NFL, zaś przy innych nie. Poprzemy to przykładami, które pojawia˛ si˛e w nast˛epnych podrozdziałach. A zatem wybranie właściwej topologii wydaje si˛e ważnym zagadnieniem. Dobrym wyznacznikiem jakości topologii jest jej zgodność z intuicjami, które wypływaja˛ z zachowania rynków finansowych. Problemem tym zajmiemy si˛e w nast˛epnym podrozdziale. Teraz skupimy si˛e na sformułowaniu analogu fundamentalnego twierdzenia wyceny. Pokażemy, że brak uogólnionego arbitrażu jest równoważny istnieniu funkcjonału liniowego y na Γ, który oddziela rynek J od zbioru strategii arbitrażowych Γ+ , tzn. y jest niedodatni na J i ściśle dodatni dla x ∈ Γ+ \ {0}. Głównym narz˛edziem, które b˛edziemy wykorzystywać jest słynne twierdzenie Yana, a dokładniej jego wersja z pracy [13], która˛ musimy nieznacznie uogólnić. Niech (X, τX ) b˛edzie lokalnie wypukła˛ liniowa˛ przestrzenia˛ topologiczna.˛ Przez Y oznaczmy przestrzeń liniowa˛ do niej dualna.˛ Załóżmy, że Y rozdziela punkty X, tzn. dla dowolnych różnych punktów x1 , x2 ∈ X istnieje y ∈ Y , taki że hx1 , yihX,Y i 6= hx2 , yihX,Y i . Jest to równoważne warunkowi mówiacemu, ˛ że dla dowolnego x ∈ X, x 6= 0, istnieje y ∈ Y spełniajacy ˛ hx1 , yihX,Y i 6= 0. Załóżmy, że model (Γ, τ ) ma takie zanurzenie w (X, τX ), że obraz Γ jest podprzestrzenia˛ liniowa˛ X, zaś obraz topologii τ jest zgodny z τX na Γ. Możemy zatem traktować Γ jako podprzestrzeń X. W przestrzeni dualnej Y wyróżniamy dwa zbiory. Przestrzeń funkcjonałów nieujemnych na Γ+ oznaΓ Γ Γ czona jest przez Y+ + , tj. y ∈ Y+ + ≡ ∀x ∈ Γ+ hx, yihX,Y i ≥ 0. Natomiast przez Y+++ oznaczamy Γ przestrzeń funkcjonałów dodatnich na Γ+ , tj. y ∈ Y+++ ≡ ∀x ∈ Γ+ \ {0} hx, yihX,Y i > 0. Sformułujemy dwa podstawowe założenia dotyczace ˛ przestrzeni X, Y , Γ: Założenie ˛ (yn )∞ ˛ ściśle dodatnich liczb (αn )∞ n=1 ∈ Y istnieje ciag n=1 , taki że P∞ C. Dla każdego ciagu edem topologii σ(Y , X). n=1 αn yn zbiega w Y wzgl˛ Γ Założenie L. Dla dowolnej rodziny (yα )α∈I ⊂ Y+ + istnieje przeliczalny podzbiór (yαn )∞ n=1 , taki że jeśli x ∈ Γ+ i hx, yα i > 0 dla pewnego α ∈ I, to istnieje n, takie że hx, yαn i > 0. TWIERDZENIE 1.3. Załóżmy, że założenia C i L sa˛ spełnione. Dla dowolnego rynku J zawartego w modelu (Γ, τ ) warunek braku uogólnionego arbitrażu jest równoważny istnieniu funkcjonału Γ y ∈ Y+++ spełniajacego ˛ y J ≤ 0. 14 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Dowód. Oznaczmy C = J − Γ+ , gdzie domkni˛ecie wykonane jest w topologii τ . Udowodnimy najpierw prawa˛ implikacj˛e. Wiemy, że C ∩ Γ+ = {0}. Łatwo widzimy, że C ∩ Γ+ = {0}, gdy domkni˛ecie bierzemy w przestrzeni (X, τX ). Na mocy twierdzenia Hahna-Banacha o oddzielaniu (patrz [8] V.2.12), dla dowolnego x ∈ Γ+ \ {0} istnieje ciagły ˛ funkcjonał liniowy yx ∈ Y na (X, τ ), taki że hx, yx i > 1 i yx |C ≤ 1. Co wi˛ecej, yx |C ≤ 0, ponieważ C jest dodatnim stożkiem. Z faktu, że Γ C ⊇ −Γ+ , wynika, że yx |−Γ+ ≤ 0, czyli yx |Γ+ ≥ 0 i yx ∈ Y+ + . Rozważmy rodzin˛e (yx )x∈Γ+ \{0} . Na mocy założenia L możemy znaleźć przeliczalna˛ rodzin˛e ˛ hx, yxn i > 0. Założenie (yxn )∞ n spełniajace n=1 , taka˛ że dla dowolnego x ∈ Γ+ \ {0} istnieje yx P ∞ C daje nam ciag ˛ ściśle dodatnich liczb αn o tej własności, że n=1 αn yxn → y w topologii σ(Y , X). Γ Oczywiście y ∈ Y+++ i y|C ≤ 0, co kończy ta˛ cz˛eść dowodu. ≤ 0 i y ∈ Y Γ+ daje nam Implikacja przeciwna jest natychmiastowa. Najpierw zauważamy, że y ++ J y C ≤ 0. Weźmy dowolne x ∈ Γ+ ∩ C. Z faktu, że x ∈ C dostajemy hx, yi ≤ 0. Lecz x ∈ Γ+ , a wi˛ec hx, yi ≥ 0. Łacz ˛ ac ˛ oba wyniki dostajemy hx, yi = 0, skad ˛ x = 0. Funkcjonał, którego istnienie pokazaliśmy w powyższym twierdzeniu, nazywamy deflatorem dla Γ rynku J. Twierdzenie 1.3 dowodzi, że zbiór potencjalnych deflatorów Y+++ może służyć jako równoważne wprowadzenie topologii na przestrzeni Γ. W nast˛epnym podrozdziale skupimy si˛e na analizie topologii z perspektywy zbioru deflatorów. 1.2. Topologie Bieżacy ˛ podrozdział poświ˛ecimy na badanie własności różnych topologii z punktu widzenia poj˛ecia uogólnionego arbitrażu z nimi zwiazanego. ˛ Dla uproszczenia notacji przyjmiemy, że zbiór momentów transakcji I = R+ . Ograniczymy si˛e do takich modeli rynku, dla których przestrzeń sprz˛eżona Y , lub inaczej przestrzeń deflatorów, jest podprzestrzenia˛ liniowa˛ przestrzeni procesów mierzalnych L0 (R+ × Ω, B(R+ ) ⊗ F; R) z dualnościa˛ zadana˛ wzorem hx, yi = E N X γi y(τi ), (1.1) i=1 PN gdzie x = i=1 γi δτi jest pewnym elementem Γ, zaś y = y(t) t≥0 jest procesem mierzalnym. Jest to najszersza możliwa przestrzeń deflatorów, które pozwalaja˛ na stosowanie teorii procesów stochastycznych do ich analizy. Ponadto wszystkie dotychczas rozważane modele z przepływami (patrz Jouini, Napp [12], Jouini, Napp, Schachermayer [13] i Palczewski [21]) maja˛ powyższa˛ struktur˛e. Zauważmy, że model (Γ, τ ) i przestrzeń Y musi być tak dobrana, aby wyrażenie (1.1) było dobrze zdefiniowane. Jeśli spełnione jest założenie (S1) {δτ : τ jest ograniczonym momentem stopu} ⊆ Γ to zmienne y(τ ), dla ograniczonych momentów stopu τ , y ∈ Y , sa˛ całkowalne. Możemy wi˛ec skonstruować opcjonaln a˛ projekcj˛e o y procesu y na mocy twierdzenia 5.1 z monografii He, Wang, Yan P [11]. Weźmy x = N i=1 γi δτi ∈ Γ i zauważmy hx, yi = E N X i=1 =E N X i=1 γi y(τi ) = E N X E (γi y(τi ) | Fτi ) i=1 γi E (y(τi ) | Fτi ) = E N X i=1 (1.2) γi o y(τi ). 15 1.2. TOPOLOGIE Zatem, gdy spełnione jest założenie S1, to Y możemy traktować jako podprzestrzeń przestrzeni procesów opcjonalnych. Udowodnimy dalsze własności zbioru deflatorów. Oznaczmy Γ̃ = N X γi δτi ∈ D : γi ∈ L1 (Ω, Fτi ), i = 1, . . . , N . i=1 LEMAT 1.4. Niech Γ = Γ̃. Dla dowolnego momentu stopu τ i) o y(τ ) ∈ L∞ (Ω, Fτ , R) dla y ∈ Y , ii) o y(τ ) > 0 p.n. dla y ∈ Y+++ . Γ Dowód. i) Oczywiście {γδτ : γ ∈ L1 (Ω, Fτ , R)} ⊆ Γ. Zatem o y(τ )γ ∈ L1 (Ω, Fτ , R) dla dowolnego γ ∈ L1 (Ω, Fτ , R), czyli o y(τ ) jest ograniczona. Załóżmy przeciwnie, że o y(τ ) nie jest ograniczona. Bez straty ogólności możemy przyjać, ˛ że dodatnia cz˛eść o y(τ ) jest nieograniczona. Połóżmy P o An = {n ≤ y(τ ) < n + 1}, pn = P(An ), an = n21pn i zdefiniujmy γ ∗ = ∞ 1 a . Ponieważ n=1 An n P∞ P∞ −2 P∞ ∗ ∈ L1 (Ω, F , R), lecz E γ ∗o y(τ ) ≥ a p = n < ∞, dostajemy γ n n τ n=1 n=1 n=1 nan pn = P∞ −1 = ∞, co prowadzi do sprzeczności. n=1 n ii) Weźmy x = 1A δτ , gdzie A = {o y(τ ) ≤ 0} i załóżmy, że P(A) > 0. Ponieważ x ∈ Γ+ \ {0}, dostajemy E o y(τ )1A > 0. Jednak, E o y(τ )1A ≤ 0 z wyboru A, co daje sprzeczność. Zastanówmy si˛e teraz, czy proste zbiory funkcjonałów, takie jak wszystkie lewostronnie ciagłe ˛ lub wszystkie prawostronnie ciagłe ˛ adaptowane procesy ograniczone, sa˛ dobrymi przykładami przestrzeni Y , tzn. czy topologia, która˛ wyznaczaja,˛ jest zgodna z intuicjami. Dla naszych rozważań potrzebny b˛edzie prosty lemat, którego dowód można znaleźć w pracy Jouini, Napp [12]. LEMAT 1.5. Niech S(t) t≥0 b˛edzie d-wymiarowym procesem spełniajacym ˛ S(τ ) ∈ L1 (Ω, Fτ ) dla dowolnego ograniczonego momentu stopu τ . Na rynku doskonałym J(S) nie ma możliwości Γ uogólnionego arbitrażu wtedy i tylko wtedy, gdy istnieje deflator y ∈ Y+++ , taki że o y(t)S(t) t≥0 jest martyngałem. W tym celu rozważmy rynek doskonały J(S) dla procesu cen S(t) t≥0 spełniajacego ˛ S(τ ) ∈ 1 L (Ω, Fτ ) dla dowolnego ograniczonego momentu stopu τ . Łatwo można dowieść (patrz [12]), że Γ J(S) spełnia założenie uogólnionego arbitraży wtedy i tylko wtedy, gdy istnieje deflator y ∈ Y+++ taki, że o y(t)S(t) t≥0 jest martyngałem. Lewostronna ciagłość. ˛ Podamy przykład procesu cen S, dla którego rynek J(S) jest intuicyjnie pozbawiony arbitrażu, lecz dla żadnego adaptowanego, ograniczonego procesu y o lewostronnie ciagłych ˛ trajektoriach y(t)S(t) nie jest martyngałem. Weźmy jako S(t) całkowicie nieciagły ˛ proces Levyego ze skokami wi˛ekszymi co do wartości bezwzgl˛ednej niż > 0 i załóżmy, że filtracja (Ft )t≥0 jest przez niego generowana. Niech τ b˛edzie momentem pierwszego skoku. Ograniczenie dolne na wielkość skoków gwarantuje nam, że moment τ b˛edzie dobrze określony i wi˛ekszy od zera p.n. Filtracja jest trywialna aż do momentu τ −, czyli każdy adaptowany proces musi być stały na [0, τ ). Z lewostronnej ciagłości ˛ y dostajemy, że y jest stały na [0, τ ]. Z warunku martyngałowości wynika, że E S(τ )y(τ ) = S(0)y(0), co w połaczeniu ˛ z własnościa˛ y(τ ) = y(0), daje E S(τ ) = S(0). A zatem w tym modelu rynek J(S) jest pozbawiony uogólnionego arbitrażu tylko wtedy, gdy proces S(t) jest martyngałem. Prawostronna ciagłość. ˛ Pokażemy, że przestrzeń Y składajaca ˛ si˛e ze wszystkich adaptowanych ograniczonych procesów prawostronnie ciagłych ˛ jest zbyt duża, tzn. generuje zbyt słaba˛ topologi˛e na 16 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Γ, by objać ˛ intuicyjne rozumienie uczciwości rynku. Rozważmy proces cen S(t) = 1 + 1t≥1 . Wtedy y(t) = 1 − 21 1t≥1 jest deflatorem dla rynku J(S). Zatem 1 δ 1 + S(1)δ1 ∈ J(S) φn = −S 1 − n 1− n nie zbiega do δ1 . Rozważmy teraz rynek J(S 0 ), gdzie S 0 (t) = 1 + 1t>1 (S 0 jest lewostronnie ciagły ˛ w 1). Jest to symetryczny odpowiednik powyższego przykładu. Wtedy ciag ˛ 1 Ψn = −S 0 (1)δ1 + S 0 1 + δ 1 n 1+ n zbiega do δ1 , możliwości arbitrażu. Jest to przypadek niesymetrii, który jest niekorzystny i niewytłumaczalny z finansowego punktu widzenia, a jest powodowany zbytnim bogactwem zbioru Y . Ciagłość. ˛ Połaczeniem ˛ powyższych przypadków jest rozważanie Y jako zbioru wszystkich cia˛ głych, ograniczonych, mierzalnych procesów. Projekcja procesu ciagłego ˛ jest procesem cádlág (patrz lemat VI.7.8 w ksiażce ˛ Rogersa, Williamsa [26]), jednak rzut Y nie wypełnia całej przestrzeni ograniczonych procesów cádlág. A zatem topologia generowana przez Y jest bogatsza niż w przypadku procesów prawostronnie ciagłych ˛ i uboższa niż w przypadku procesów lewostronnie ciagłych. ˛ Nie przejawia ponadto podanych powyżej wad. Powyższe, wst˛epne rozważania pokazuja,˛ że znalezienie dobrej topologii, gdy patrzymy z punktu widzenia przestrzeni funkcjonałów Y , nie jest łatwe. W dwóch pierwszych, narzucajacych ˛ sie przykładach wykazaliśmy ich niedoskonałości, natomiast w trzecim trudno przekonać si˛e o jego intuicyjnej poprawności. Zastanowimy si˛e teraz nad własnościami, których powinniśmy wymagać od topologii τ określonej na Γ, zapisanymi w j˛ezyku zbieżności. (CV) Dla dowolnego monotonicznego ciagu ˛ momentów stopu σn → σ p.n. i dowolnego ciagu ˛ zmiennych losowych Zn zbieżnego do Z w L1 (Ω, F), takich że (Zn δσn ) ⊆ Γ i Zδσ ∈ Γ, Zn δσn → Zδσ w topologii τ , co jest równoważne E Zn y(σn ) → E Zy(σ) dla każdego y ∈ Y . (R) Zbiór funkcjonałów liniowych Y może być reprezentowany jako rodzina adaptowanych procesów cádlág . Założenie R jest techniczne. Znaczenie CV stanie si˛e jasne, gdy przedstawimy przykład. Załóżmy, że ciag ˛ możliwości inwestycyjnych Φn = −Zn δσn + Z̃δσ jest zawarty w Γ, Zn zmierza do Z w L1 (Ω, F), σn zbiega do σ. Intuicyjnie, Φn daży ˛ do (Z̃ − Z)δσ . Założenie CV uściśla właśnie t˛e intuicj˛e. LEMAT 1.6. Jeśli spełnione sa˛ założenia CV i R, Γ = Γ̃, to dowolny proces y ∈ Y jest ograniczony na przedziale [0, η], gdzie η jest dowolnym momentem stopu. 1.2. TOPOLOGIE 17 Dowód. Dowód przeprowadzimy przez sprzeczność. Załóżmy, że proces y jest nieograniczony na pewnym przedziale [0, η]. Ponieważ y jest procesem cádlág, to losowe momenty dojścia σn = inf{t ≤ η : y(t) ≥ n} ∧ η, gdzie inf ∅ = ∞, sa˛ momentami stopu tworzacymi ˛ niemalejacy ˛ ciag. ˛ Ponadto, σ = limn→∞ σn jest momentem stopu. Niech an = P(yσn ≥ n). Proces y jest nieograniczony na [0, η] wtedy i tylko wtedy, gdy an > 0 dla każdego n ∈ N. Rozważmy dwa przypadki: 1) an → 0 √ Weźmy Zn = 1yσn ≥n (an n)−1 . Oczywiście E Zn = n−1/2 , wi˛ec Zn ∈ L1 (Ω, Fσn , P) i √ Zn → 0 w L1 (Ω, Fσ , P). Jednak hy, Zn δσn i = E Zn y(σn ) ≥ n → ∞, co przeczy CV. 2) an > > 0 Weźmy Zn = 1 i obliczmy hy, Zn δσn i = E y(σn ) ≥ n → ∞ oraz hy, δσ i = E y(σ) < ∞. To także przeczy CV. Ustosunkujemy si˛e teraz do rozważanych wcześniej zbiorów Y . Powinno to rzucić wi˛ecej światła na założenia CV i R. LEMAT 1.7. Załóżmy, że Γ = Γ̃ i topologia generowana jest przez przestrzeń funkcjonałów liniowych Y b˛edac ˛ a˛ przestrzenia˛ mierzalnych, ograniczonych i ciagłych ˛ procesów. Wtedy spełnione sa˛ założenia R i CV. Dowód. Przestrzeń Y może zostać zastapiona ˛ przestrzenia˛ Y ∗ opcjonalnych projekcji procesów z Y . Jak wspomnieliśmy, opcjonalna projekcja procesów ciagłych ˛ jest cádlág, czyli spełniony jest warunek R. Aby wykazać CV rozważmy ciag ˛ Zn , σn jak w definicji. Z ciagłości ˛ y(σn ) zbiega punktowo do zmiennej losowej y(σ). Ograniczoność y pozwala zastosować twierdzenie o zbieżności zmajoryzowanej E Zn y(σn ) → E Zy(σ). LEMAT 1.8. Załóżmy, że Γ = Γ̃, zaś topologia jest generowana przez przestrzeń funkcjonałów b˛edacych ˛ przestrzenia˛ funkcji ograniczonych, adaptowanych i cádlág . Wtedy nie jest spełnione założenie CV. Dowód. Wskażemy ciagi ˛ Zn , σn i y ∈ Y , takie że warunek CV nie b˛edzie spełniony. Niech y(t) = 1t≥η dla pewnego prognozowalnego momentu stopu η. Weźmy Zn = Z = 1 i niemalejacy ˛ ciag ˛ momentów stopu σn zbieżny do η, σn < η. Wtedy E Zn y(σn ) = 0, lecz E Zy(η) = 1. Podobnie możemy pokazać, że zbiór Y procesów lewostronnie ciagłych, ˛ adaptowanych i ograniczonych generuje topologi˛e na Γ̃ nie spełniajac ˛ a˛ założenia CV. Jeśli porzucimy założenie o ograniczoności procesów w Y , to topologia ulegnie wzbogaceniu, a zbiór ciagów ˛ zbieżnych uszczupleniu. Takie modele nie b˛eda˛ również spełniały założenia CV. Na koniec rozważmy istniejace ˛ modele. W pracy Jouini, Napp, Schachermayer [13] autorzy rozważaja˛ duża˛ grup˛e modeli. Niestety, skupiaja˛ si˛e tylko na dwóch różnych zbiorach Y : procesów adaptowanych, prawo- i lewostronnie ciagłych. ˛ Jak pokazaliśmy powyżej, nie maja˛ one dobrych własności finansowych. W pracy Palczewskiego [21] zbudowany został model, który spełnia założenie CV, gdy momenty stopu zbiegaja˛ dostatecznie szybko. Poniżej przedstawimy trzy modele, które spełniaja˛ założenia twierdzenia 1.3 i posiadaja˛ dobre własności finansowe. 18 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH 1.3. Lipschitzowskie deflatory Praca Jouini, Napp [12] wprowadziła pomysł modelowania rynków za pomoca˛ przypływów pieni˛eżnych w sposób przedstawiony w tym rozdziale. Niestety, autorom udało si˛e stworzyć model, który pozwalał na transakcje tylko w deterministycznych momentach. To podejście zostało rozszerzone w pracy Napp [20], gdzie transakcje mogły odbywać si˛e w momentach stopu o przeliczalnej liczbie wartości. Uogólnieniem tego wyniku była praca Palczewskiego [21], w której zbudowano model zezwalajacy ˛ na transakcje w dowolnych momentach stopu. Wszystkie powyższe podejścia wymagały niestety technicznego założenia nakładanego na rynek J, aby udowodnić twierdzenie 1.3. Nie były natomiast konieczne założenia C i L. Poniżej przedstawimy konstrukcj˛e modelu z pracy autora [21] i pokażemy, jak wzorujac ˛ si˛e na artykule Jouini, Napp, Schachermayer [13] pozbyć si˛e technicznego założenia. Ważna˛ cecha˛ tego modelu jest to, że spełnia on założenia twierdzenia 1.3 przy topologii normowej, co nie miało miejsca w przypadku modeli zaprezentowanych we wspomnianej pracy [13]. Konstrukcja przestrzeni Definiujemy przestrzeń liniowa˛ M M ={ N X αi δti : dla pewnych N ∈ N, (αi ) ⊂ R, (ti ) ⊂ R+ }. i=1 Wprowadzimy na niej norm˛e. Niech A b˛edzie zbiorem funkcji Lipschitzowskich z wykładnikiem 1 i ograniczonych przez 1, tj. A = {f : R+ → R : ∀ t, s ∈ R+ |f (t)| ≤ 1 , |f (t) − f (s)| ≤ |t − s|} . Definiujemy funkcjonał na M wzorem X N kµkM = sup f (ti )αi : f ∈A , i=1 PN dla µ = i=1 αi δti ∈ M . Jeśli potraktujemy M jako przestrzeń miar, gdzie δt jest miara˛ skupiona˛ w {t}, to k · kM jest norma˛ Fortet-Mouriera, równoważna˛ słabej zbieżności miar. A zatem LEMAT 1.9. (M , k · kM ) jest przestrzenia˛ z norma.˛ Obliczymy teraz normy prostych elementów. LEMAT 1.10. Niech α, β ≥ 0, t, s ∈ R+ , t 6= s. (1) kαδt + βδs kM = α + β (2) kαδt − βδs kM ( |α − β| + |t − s|(α ∧ β) |t − s| ≤ 2 = α+β |t − s| > 2 Dowód. Cz˛eść (1) jest oczywista, gdy weźmiemy f = 1 ∈ A. Dowód (2) jest bardziej złożony. Oznaczmy = |t − s|. Jeśli > 2, to istnieje funkcja f ∈ A, taka że f (t) = 1 i f (s) = −1. Realizuje ona supremum w definicji normy i daje kαδt − βδs kM = α + β. 19 1.3. LIPSCHITZOWSKIE DEFLATORY Niech ≤ 2. Załóżmy, że α ≥ β. Podamy równoważna˛ charakteryzacj˛e normy kαδt − βδs kM , zauważajac, ˛ że interesuja˛ nas tylko wartości funkcji z A w punktach s, t. Weźmy zbiór à = {(a, b) : |a| ≤ 1, |b| ≤ 1, |a − b| ≤ }. Wtedy kαδt − βδs kM = sup(a,b)∈à |aα − bβ|. Funkcja b 7→ a0 α − bβ jest malejaca, ˛ wi˛ec F (a0 ) := sup |a0 α − bβ| (a0 ,b)∈à = max a0 α − (a0 − ) ∨ −1 β , a0 α − (a0 + ) ∧ 1 β . Stad ˛ kαδt − βδs kM = supa∈[−1,1] F (a) i dostajemy kαδt − βδs kM = α − β + β. Zauważmy, że wielopunktowa wersja (1) z powyższego lematu P ma identyczny dowód. Pozwoli ona wykazać, że M nie jest przestrzenia˛ zupełna.˛ Weźmy ciag ˛ µn = ni=1 21i δ2i . Spełnia on warunek P Cauchy’ego: kµn − µm kM = ni=m 21i dla n > m, lecz jego granica nie leży w M . DEFINICJA 1.11. (M, k · kM ) jest uzupełnieniem przestrzeni (M , k · kM ). Oznaczmy przez M0 przestrzeń funkcjonałów liniowych ciagłych ˛ na M. Pokażemy, że jest ona tożsama z przestrzenia˛ funkcji lipschitzowskich i ograniczonych z dualnościa˛ dana˛ wzorem hf , µi = N X αi f (ti ), i=1 gdzie µ = PN i=1 αi δti ∈ M, zaś f jest funkcja˛ lipschitzowska,˛ ograniczona.˛ LEMAT 1.12. Niech µ∗ ∈ M0 . Funkcja f (t) = hµ∗ , δt i jest ograniczona i lipschitzowska ze stała˛ C, tzn. istnieje stała C, taka że |f (t)| ≤ C i |f (t) − f (s)| ≤ C|t − s|. W szczególności, powyższe oszacowanie zachodzi dla C = kµ∗ kM0 . Dowód. Aby dowieść ograniczoności, wykorzystamy ciagłość ˛ µ∗ . Dla t ∈ R+ |f (t)| = |hµ∗ , δt i| ≤ kµ∗ kM0 kδt kM = kµ∗ kM0 . Ustalmy t, s ∈ R+ . W podobny sposób dostajemy |f (t) − f (s)| = |hµ∗ , δt − δs i| ≤ kµ∗ kM0 kδt − δs kM . Na mocy lematu 1.10 otrzymujemy kδt − δs kM = |t − s| ∧ 2 ≤ |t − s|, co kończy dowód z C = kµ∗ kM0 . LEMAT 1.13. Niech f : R+ → R b˛edzie funkcja˛ ograniczona˛ i lipschitzowska,˛ czyli |f (t)| ≤ C i |f (t) − f (s)| ≤ C|t − s| dla pewnej stałej C. Istnieje wtedy dokładnie jeden funkcjonał liniowy ciagły ˛ µ∗ ∈ M0 , taki że hµ∗ , δt i = f (t). Ponadto, kµ∗ kM0 ≤ C. Dowód. Na poczatek ˛ zauważmy, że możemy ograniczyć si˛e do przypadku C = 1. Rozważmy funkcj˛e f (t) ˜ f (t) = C , która jest ograniczona przez 1 i spełnia warunek Lipschitza ze stała˛ 1. Niech µ̃∗ b˛edzie funkcjonałem liniowym zwiazanym ˛ z f˜(t). Wtedy µ∗ = C µ̃∗ jest funkcjonałem liniowym, takim że ∗ ∗ hµ , δt i = f (t) i kµ kM0 ≤ C. Z jedyności µ̃∗ dostajemy jedyność µ∗ . 20 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Załóżmy teraz, że C = 1. Zdefiniujmy µ∗ na przestrzeni rozpi˛etej przez (δt )t∈R+ (tj. przestrzeni M ) jako hµ∗ , δt i = f (t). Pokażemy, że µ∗ jest liniowy i ciagły ˛ na tej przestrzeni. Liniowość jest oczywista. Aby wykazać ciagłość ˛ zauważmy, że f jest elementem A, czyli dla dowolnego µ ∈ M |hµ∗ , µi| = | X µ(t)f (t)| ≤ sup | X h∈A t∈R + t∈R+ µ(t)h(t)| = kµkM . Zatem kµ∗ kM 0 ≤ 1. Rozszerzamy µ∗ na cała˛ przestrzeń M jako ciagły ˛ funkcjonał liniowy z norma˛ 1. To rozszerzenie jest jednoznaczne, gdyż M jest uzupełnieniem M . Wprowadzimy teraz przestrzeń zmiennych losowych o wartościach w przestrzeni Banacha M, całkowalnych w sensie Bochnera. Dla jasności przedstawimy zarys konstrukcji, która˛ znaleźć można w monografiach Danforda, Schwarza [8] lub Yosidy [32]. Funkcja X : Ω → M jest zmienna˛ losowa˛ prosta,˛ jeśli jest mierzalna i ma skończona˛ liczb˛e wartości, tzn. istnieje N ∈ N, ciag ˛ (µ ˛ mierzalnych zbiorów (An )n=1,...,N , takich że An ∈ F, PN N rozłacznych SNn )n=1,...,N ⊂ M oraz µ 1 . Funkcj˛ e X nazwiemy silnie mierzalna,˛ jeśli istnieje ciag ˛ zmienA = Ω i X = n=1 n An n=1 n nych losowych prostych zbieżnych do X w normie M dla prawie każdego ω ∈ Ω. Przestrzeń zmiennych silnie mierzalnych, dla których skończona jest wartość oczekiwana E kXkM , oznaczamy przez L1P (Ω, M). Jest ona przestrzenia˛ Banacha z norma˛ kXkL1 (Ω,M) = E kXkM P LEMAT 1.14. Jeśli τ jest nieujemna˛ zmienna˛ losowa,˛ Y ∈ L1 (Ω, F), to Y δτ ∈ L1P (Ω, M). Dowód. Wskażemy ciag ˛ zmiennych losowych prostych Xn ∈ L1P (Ω, M) zbieżny do Y δτ . Niech Yn b˛edzie ciagiem ˛ zmiennych losowych prostych zbieżnych do Y p.n. Ustalmy n ∈ N i połóżmy kn (k+1)n Ak = τ ∈ [ n2 , n2 ) dla k = 0, . . . , (n2 − 1). Niech Xn = 2 −1 nX Yn 1Ak δ kn . k=0 n2 Wtedy Xn zbiega do Y δτ p.n. na mocy lematu 1.10. Korzystajac ˛ z pracy Schwartza ([28]) konstruujemy przestrzeń dualna˛ do L1P (Ω, M). Funkcja Φ : Ω → M0 , gdzie M0 jest przestrzenia˛ sprz˛eżona˛ do M, nazywa si˛e *-słabo mierzalna, jeśli dla każdego x ∈ M funkcja ω 7→ hΦ(ω), xi jest mierzalna jako funkcja z Ω do R. Niech L∞ (Ω, M0 ) b˛edzie przestrzenia˛ wszystkich *-słabo mierzalnych funkcji Φ, dla których inf{K ≥ 0 : kΦkM0 ≤ K p.n.} < ∞. Wprowadzamy relacj˛e równoważności w zbiorze L∞ (Ω, M0 ): Φ ∼ Ψ, gdy ∀x ∈ M hΦ, xi = hΨ, xi p.n. Połóżmy 0 ∞ 0 L∞ ∗ (Ω, M ) = L (Ω, M )/ ∼ i zdefiniujmy funkcjonał kΦkL∞ 0 = inf kφkL∞ (Ω,M0 ) = inf{K ≥ 0 : kΦkM0 ≤ K p.n.}. ∗ (Ω,M ) φ∼Φ 21 1.3. LIPSCHITZOWSKIE DEFLATORY 0 TWIERDZENIE 1.15. ([28]) Przestrzeń (L∞ 0 ) jest przestrzenia˛ Banacha. Jest ∗ (Ω, M ), k · kL∞ ∗ (Ω,M ) 1 ona przestrzenia˛ sprz˛eżona˛ do LP (Ω, M) z dualnościa˛ zadana˛ wzorem: = E hΨ, XihM0 ,Mi , L1P (Ω, M) 3 X 7→ hΨ, XihL∞ 1 0 ∗ (Ω,M ),L (Ω,M)i P 0 gdzie Ψ ∈ L∞ ∗ (Ω, M ). 0 Przestrzeń L∞ ∗ (Ω, M ) może być postrzegana jako przestrzeń mierzalnych procesów stochastycznych y : R+ × Ω → R (tzn. mierzalnych jako P funkcja dwóch zmiennych), ograniczonych i lipschitzowsko ciagłych. ˛ Na elementach postaci X = N i=1 γi δτi dualność jest dana wzorem hy, Xi = E N X γi y(τi ). i=1 0 TWIERDZENIE 1.16. Element Ψ ∈ L∞ ∗ (Ω, M ) może być postrzegany jako mierzalny proces stochastyczny y(t)(ω) : R+ × Ω → R zadany przez y(t) = hδt , ΨihM,M0 i , jednoznaczny z dokładnościa˛ do nieodróżnialności, o trajektoriach ograniczonych przez kΨkL∞ 0 i lipschitzowsko ∗ (Ω,M ) ciagłych ˛ ze stała˛ kΨkL∞ 0 dla prawie wszystkich ω ∈ Ω. ∗ (Ω,M ) 0 Dowód. Najpierw pokażemy, że Ψ ∈ L∞ ∗ (Ω, M ) definiuje proces y o podanych własnościach. Zauważmy najpierw, że zmienna losowa y(t) zdefiniowana w twierdzeniu jest mierzalna dla dowolnego t ∈ R+ , ponieważ Ψ jest *-słabo mierzalne. Dla dowolnego ω ∈ Ω funkcja t → hδt , Ψ(ω)ihM,M0 i spełnia warunek Lipschitza i jest ograniczona przez stała˛ kΨ(ω)kM . Stad ˛ y(t)t∈R+ jest procesem mierzalnym (patrz np. Uwaga 1.14 w Karatzas [14]). Weźmy Φ, inny element z klasy abstrakcji Ψ i zdefiniujmy z(t) = hδt , ΦihM,M0 i . Wiemy, że dla dowolnego µ ∈ M mamy hµ, ΨihM,M0 i = hµ, ΦihM,M0 i p.n., wi˛ec z(t) jest modyfikacja˛ y(t), lecz dla procesów ciagłych ˛ jest to równoważne nieodróżnialności. Ostatnie stwierdzenie wynika z definicji normy k · kL∞ 0 . ∗ (Ω,M ) Teraz wykażemy przeciwna˛ implikacj˛e. Niech y(t, ω) b˛edzie procesem spełniajacym ˛ warunki twierdzenia. Pokażemy, że jednoznacznie definiuje on funkcjonał liniowy na L1P (Ω, M). Niech H b˛edzie podprzestrzenia˛ liniowa˛ L1P (Ω, M) rozpi˛eta˛ przez zmienne losowe postaci 1A δt , A ∈ Ft , t ∈ R+ . Definiujemy funkcjonał liniowy Ψ na H wzorem: h1A δt , Ψi = E 1A y(t). Liniowość jest oczywista, pozostaje tylko wykazać ciagłość. ˛ Weźmy Y ∈ H. Możemy zapisać Y w postaci Y = PK α 1 δ dla pewnych K, A ∈ F , t ∈ R+ , αk ∈ R, k = 1, . . . , K. Zatem t t A k k k k k k k=1 Ψ(Y ) = K X αk h1Ak δtk , Ψi = k=1 K X =E k=1 K X αk E 1Ak y(tk ) k=1 αk 1Ak y(tk ) = Z X K αk 1Ak (ω)y(tk )(ω)dP(ω). Ω k=1 Dla prawie wszystkich ω ∈ Ω, y(t)(ω) jako funkcja t ∈ R+ jest lipschitzowsko ciagła ˛ z pewna˛ stała˛ L i ograniczona przez L. Ustalmy ωP∈ Ω. Na mocy lematu 1.13 y(t)(ω) definiuje funkcjonał liniowy ciagły ˛ na M z norma˛ L. Ponieważ K k=1 αk 1Ak (ω)δtk ∈ M dostajemy X X K K α 1 (ω)y(t )(ω) ≤ L α 1 (ω)δ t A A k k k k k k k=1 k=1 M = LkY (ω)kM . 22 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Zatem Z X Z K K X hY , Ψi = αk 1Ak (ω)y(tk )(ω)dP(ω) αk 1Ak (ω)y(tk )(ω)dP(ω) ≤ Ω k=1 Ω Z k=1 LkY (ω)kM dP(ω) = LkY kL1 (Ω,M) ≤ P Ω Rozszerzamy teraz Ψ na cała˛ przestrzeń L1P (Ω, M) jako funkcjonał liniowy ciagły ˛ (Yosida [32], twierdzenie IV.5.1). Zauważmy, że h1A δτ , Ψi = E 1A y(τ ) dla dowolnego momentu stopu τ i zbioru A ∈ Fτ . Niech τn b˛edzie ciagiem ˛ momentów stopu o skończonej liczbie wartości zbiegajacych ˛ M do τ prawie na pewno. Na mocy lematu 1.10 1A δτn −→ 1A δτ p.n. i z twierdzenia o zbieżności zmajoryzowanej 1A δτn → 1A δτ w L1P (Ω, M). Stad ˛ h1A δτn , Ψi → h1A δτ , Ψi. Z drugiej strony E 1A y(τn ) → E 1A y(τ ) z twierdzenia z zbieżności zmajoryzowanej (y(t) jest ograniczone przez L). Czyli h1A δτ , Ψi = E 1A y(τ ). Identyczne rozumowanie prowadzi do wniosku, że dla dowolnego Θ ∈ L1 (Ω, Fτ , P) mamy hΘ δτ , Ψi = E Θy(τ ). Dowód własności C i L 0 Powróćmy do notacji z podrozdziału 1.1. Połóżmy X = L1P (Ω, M), Y = L∞ ∗ (Ω, M ). Rozważmy model (Γ, τ ), gdzie Γ= N X γi δτi ∈ D : γi ∈ L1 (Ω, Fτi ), i = 1, . . . , N ⊆ L1P (Ω, M), i=1 zaś τ jest indukowana˛ topologia˛ z L1P (Ω, M). Na mocy twierdzenia 1.16 przestrzeń Y możemy identyfikować ze zbiorem procesów mierzalnych, ograniczonych i lipschitzowsko ciagłych. ˛ Dla µ = PN ∞ 0 i=1 γi δτi ∈ Γ i y ∈ L∗ (Ω, M ) hµ, yihL1 (Ω,M),L∞ =E 0 ∗ (Ω,M )i P N X γi y(τi ) = E i=1 N X γi o y(τi ). i=1 Wykażemy teraz, że spełnione sa˛ założenia twierdzenia 1.3. Zauważmy, że z faktu, że X i Y sa˛ przestrzeniami Banacha w dualności normowej wynika, że X jest przestrzenia˛ lokalnie wypukła,˛ zaś Y oddziela punkty X. Założenie C jest bezpośrednim wnioskiem z tego, że topologia σ(Y , X) jest −1 −n , równoważna topologii zadanej przez norm˛e k · kL∞ 0 : jeśli weźmiemy αn = kyn kL∞ (Ω,M0 ) 2 ∗ (Ω,M ) ∗ to ciag ˛ X n αn yn i=1 n>0 0 jest ciagiem ˛ Cauchy’ego w L∞ ∗ (Ω, M ) i tym samym jest zbieżny. Wystarczy zatem udowodnić TWIERDZENIE 1.17. Model (Γ, τ ) spełnia warunek L. Dowód. W dowodzie wykorzystamy pomysły z pracy Jouini, Napp, Schachermayer [13]. Niech Γ (yα )α∈I ⊂ Y+ + b˛edzie dana˛ rodzina˛ funkcjonałów. Skonstruujemy ciag ˛ (αn ) ⊂ I, o którym później pokażemy, że spełnia warunki założenia L. W dowodzie b˛edziemy szeroko używać opcjonalnych projekcji procesów, które b˛edziemy oznaczać o y. Przypomnijmy, że o y jest procesem cádlág dla y ∈ Y . 23 1.3. LIPSCHITZOWSKIE DEFLATORY Γ Zauważmy także, że y ∈ Y+ + wtedy i tylko wtedy, gdy o y(t) ≥ 0 dla każdego t ∈ R+ (patrz dowód lematu 1.4). Niech (Ui )∞ edzie rodzina˛ wszystkich otwartych przedziałów w R+ z wymiernymi n=1 b˛ końcami. Kładziemy Ai,α = {ω : o yα (t)(ω) > 0 ∀t ∈ Ui } , i ∈ N, α ∈ I. ˛ S(niekoniecznie jedyny) (αn (i))∞ Ustalmy i ∈ N. Możemy znaleźć ciag n=1 ⊂ I, taki że Ai,α ⊆ Ai A . Jednym ze sposobów na otrzymanie tego ciagu ˛ p.n. dla dowolnego α ∈ I, gdzie Ai = ∞ n=1 i,αn (i) αn (i) jest iteracyjna konstrukcja: gdy już znajdziemy go dla n < N , kładziemy αN (i) ∈ α : P(Ai,α \ BN (i)) ≥ sup P(Ai,α0 \ BN (i)) − 2−N , α0 ∈I gdzie BN (i) = SN −1 i=1 Ai,αn (i) . Definiujemy Sα = {(t, ω) : o yα (t)(ω) > 0}, α ∈ I, Sα (ω) = {t : o Lα (ω) = {t : ∃ > 0 yα (t)(ω) > 0}, α ∈ I, o yα (s)(ω) > 0 dla s ∈ (t, t + ) oraz o yα (t)(ω) = 0}, α ∈ I oraz S = {(t, ω) : ∃n, i o yαn (i) (t)(ω) > 0}, o S(ω) = {t : ∃n, i yαn (i) (t)(ω) > 0}, [ L(ω) = Lαn (i) (ω). n,i∈N Z konstrukcji (αn (i))∞ Sα (ω) ⊇ Ui , S(ω) ) Ui ) = 0 dla każdego n=1 dostajemy, że P(ω : α ∈ I, i ∈ N. Stad ˛ Sα (ω) \ S(ω) ⊆ L(ω) S p.n. Musimy znaleźć przeliczalny zbiór funkcjonałów, który S pokryje zbiór L. Pokażemy,Sże L = ω∈Ω {ω} × L(ω) jest zbiorem opcjonalnym. Oczywiście L = n,i∈N Lαn (i) , gdzie Lα = ω∈Ω {ω} × Lα (ω). Wystarczy wi˛ec wykazać, że Lα jest zbiorem opcjonalnym. Momenty kolejnych skoków procesu o yα z 0 do jakiegoś dodatniego poziomu sa˛ dobrze zdefiniowanymi momentami stopu (prawostronna ciagłość ˛ gwarantuje, że sa˛ dodatnie odległości pomi˛edzy kolejnymi skokami. Wykresy momentów stopu sa˛ zbiorami opcjonalnymi, wi˛ec Lα jako suma przeliczalnej rodziny zbiorów opcjonalnych jest zbiorem opcjonalnym. Podobnie, L jako suma przeliczalnej podrodziny (Lα )α∈I jest zbiorem opcjonalnym. Ponadto, L(ω) jest przeliczalnym podzbiorem R+ . Jeśli L jest nieodróżnialny od zbioru pustego, to nic nie musimy robić. W przeciwnym przypadku, na mocy twierdzenia o opcjonalnym podziale (VI.5.1 w monografii Davis, Williams [26]) istnieje ciag ˛ momentów stopu Tk , taki że L= ∞ [ {(ω, Tk (ω)) : Tk < ∞} k=1 z dokładnościa˛ do nieodróżnialności. Post˛epujemy identycznie jak w konstrukcji Ai,α i Ai , aby dostać Bk,α = {ω : Tk (ω) < ∞ oraz o yα (Tk )(ω) > 0} S i ciag ˛ (βn (k))n∈N spełniajacy ˛ Bk,α ⊆ Bk p.n. dla dowolnego α ∈ I, gdzie Bk = n∈N Bk,βn (k) . Łatwo sprawdzamy, że rodzina (yαn (i) )i,n∈N ∪ (yβn (k) )k,n∈N spełnia założenia warunku L. Weźmy x ∈ Γ+ i α ∈ I, takie że hx, yα i > 0. Pokażemy, że hx, yαn (i) i > 0 dla pewnych n, i. Zapisujemy 24 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH PN 1 x w postaci x = i=1 γi δτi , dla pewnych N ∈ N, γi ∈ L (Ω, Fτi , R+ ) i momentów stopu τi . Bezpośrednio z definicji hx, yα i = E hx, yα ihM,M0 i = E N X γi yα (τi ). i=1 Zatem, wystarczy udowodnić, że jeśli hγδτ , yα i > 0 dla γ ∈ L1 (Ω, Fτ , R+ ) i pewnego α ∈ I, to hγδτ , yαn (i) i > 0 dla pewnego n, i. Połóżmy D = {(t, ω) : γ(ω) > 0, τ (ω) = t}. Warunek hγδτ , yα i = E γyα (τ ) > 0 gwarantuje nam, że Sα ∩ D nie jest zbiorem nieodróżnialnym od zbioru pustego. Stad ˛ (S ∪ L) ∩ D jest nieodróżnialny od zbioru pustego. Istnieja˛ wi˛ec n, i, takie że (Sαn (i) ∪ Lαn (i) ) ∩ D jest nieodróżnialny od zbioru pustego i E γyαn (i) (τ ) > 0. Możemy zatem sformułować twierdzenie 1.3 w j˛ezyku procesów stochastycznych. TWIERDZENIE 1.18. Na rynku J nie ma możliwości uogólnionego arbitrażu wtedy i tylko wtedy, gdy istnieje proces y(t)(ω) i stała M spełniajace ˛ i) y(t) jest procesem mierzalnym, ii) P(|y(t)| ≤ M ∀t ∈ I) = 1, iii) P(|y(t) − y(s)| ≤ M |t − s|) = 1 (lipschitzowska ciagłość), ˛ iv) P(o y(t) > 0 ∀t ∈ I) = 1, P PN v) E N i=1 γi y(τi ) ≤ 0 dla dowolnego i=1 γi δτi ∈ J. Warunkowa własność Lipschitza 0 ∞ 0 Przestrzeń Γ nie oddziela punktów w L∞ ∗ (Ω, M ), tzn. dwa różne elementy L∗ (Ω, M ) moga˛ działać 0 na Γ w ten sam sposób. Jest to spowodowane tym, że moga˛ istnieć dwa funkcjonały w L∞ ∗ (Ω, M ) o tej samej opcjonalnej projekcji. A jak już pokazaliśmy, działanie funkcjonału na Γ zależne jest tylko od jego opcjonalnej projekcji. Powinniśmy zatem przyjrzeć si˛e własnościom opcjonalnych projekcji lipschitzowsko ciagłych ˛ i ograniczonych procesów mierzalnych. Sformułujemy warunki konieczne, 0 by dany adaptowany proces był opcjonalna˛ projekcja˛ elementu L∞ ∗ (Ω, M ). DEFINICJA 1.19. Adaptowany proces (Xt )t∈I o trajektoriach cádlág nazywany jest warunkowo lipschitzowskim ze stała˛ K, jeśli istnieje wersja cádlág procesu (E (Xs | Ft ))s≥t , która spełnia warunek Lipschitza ze stała˛ K niezależna˛ od wyboru t ∈ I. Wszystkie wersje cádlág procesu (E (Xs | Ft ))s≥t rozważanego w powyższej definicji sa˛ nieodróżnialne. Proces spełnia warunek Lipschitza, jeśli prawie wszystkie trajektorie sa˛ funkcjami lipschitzowskimi. Zakładamy, że wszystkie procesy sa˛ zdefiniowane dla t ∈ I, gdzie I = [0, T ] or I = [0, ∞). LEMAT 1.20. Jeżeli (Xt ) jest procesem mierzalnym o trajektoriach spełniajacych ˛ warunek Lipschit1 o za ze stała˛ K oraz X0 ∈ L (Ω, F), to jego opcjonalna projekcja ( Xt ) jest warunkowo lipschitzowska ze stała˛ K. Dowód. Ustalmy t ∈ I i zauważmy, że o E ( Xs | Ft ) − E (o Xs | Ft ) = E (Xs | Ft ) − E (Xs | Ft ) = E (Xs − Xs | Ft ) 2 1 2 1 2 1 ≤ E |Xs − Xs | Ft ≤ K|s2 − s1 |. 2 1 25 1.3. LIPSCHITZOWSKIE DEFLATORY TWIERDZENIE 1.21. Niech (Zt )t∈[0,T ] b˛edzie adaptowanym procesem cádlág, warunkowo lipschitzowskim ze stała˛ K, o trajektoriach ograniczonych przez K. Istnieje wtedy mierzalny proces (Xt )t∈[0,T ] , taki że i) (Xt ) jest ograniczony przez KT , ii) (Xt ) spełnia warunek Lipschitza ze stała˛ K, iii) (Zt ) jest nieodróżnialny od o Xt . Dowód. Zdefiniujmy n i T : 2n D = [ D= Dn . n i = 0, . . . , 2 , n∈N Dla dowolnego n ∈ N skonstruujemy ograniczony i lipschitzowski proces Xtn określony na D i taki że E (Xtn | Ft ) = Zt p.n. dla t ∈ Dn . Znajdziemy nast˛epnie podciag ˛ X n zbiegajacy ˛ prawie wsz˛edzie na D × Ω do X i taki że E (Xt | Ft ) = Zt p.n. dla t ∈ D oraz X ograniczony i lipschitzowski. Nast˛epnie rozszerzymy X na cały odcinek [0, T ] przez ciagłość ˛ i pokażemy, że Zt jest nieodróżnialny od o Xt . Rozpocznijmy zatem od konstrukcji Xn . W tym celu wykorzystamy prosty lemat LEMAT 1.22. Niech G1 ⊆ G2 b˛eda˛ dwoma σ-ciałami. Dla dowolnych zmiennych losowych Z1 ∈ L1 (Ω, G1 ), Z2 ∈ L1 (Ω, G2 ) spełniajacych ˛ |E (Z2 | G1 ) − Z1 | ≤ K możemy znaleźć zmienna˛ losowa˛ H ∈ L1 (Ω, G2 ), taka˛ że |H − Z2 | ≤ K oraz Z1 = E (H | G1 ). Dowód lematu. Weźmy H = Z2 − E (Z2 | G1 ) − Z1 . Oznaczmy punkty w Dn przez rosnacy ˛ ciag ˛ (ti )i=0,...,2n ⊆ Dn . Kładziemy XTn = ZT . Na mocy powyższego lematu indukcyjnie obliczamy Xtn2n −1 , Xtn2n −2 , . . . , X0n : Xtni−1 = Xtni − E (Xtni | Fti−1 ) − Zti−1 , i = 2n , 2n − 1, . . . , 1. Rozszerzamy X n do całego D przez liniowa˛ interpolacj˛e. Otrzymany proces jest mierzalny, ograniczony przez KT i spełnia warunek Lipschitza ze stała˛ K. Znajdziemy teraz podciag ˛ X n zbiegajacy ˛ prawie wsz˛edzie na D × Ω do procesu X spełniajacego ˛ E (Xt | Ft ) = Zt p.n. dla t ∈ D. Ustalmy dowolna˛ miar˛e probabilistyczna˛ µ na D kładac ˛ a˛ niezerowa˛ mas˛e na każdym z punktów D i rozważmy przestrzeń L2 (D × Ω, µ ⊗ P). Wszystkie procesy X n sa˛ elementami tej przestrzeni, ponieważ sa˛ ograniczone przez KT . LEMAT 1.23. Istnieje X ∈ L2 (D × Ω, µ ⊗ P) i ciag ˛ H n ∈ conv(X n , X n+1 , . . .) zbieżny do X p.n. Dowód lematu. Lemat ten wykorzystywany jest w wielu pracach. Pełny jego dowód znajduje si˛e w pracy Delbaena i Schachermayera [7]. My przedstawimy tylko szkic. Na mocy twierdzenia BanachaAlaoglu, kula o promieniu KT jest słabo zwarta w L2 (D × Ω, µ ⊗ P), czyli istnieje podciag ˛ Xnk zbieżny słabo do pewnego X. Nast˛epnie z twierdzenia Hahna-Banacha o oddzielaniu dostajemy, że X należy do domkni˛ecia otoczki wypukłej (Xn )n∈N , a także do otoczki wypukłej (Xn )n≥N dla dowolnego N . Stad ˛ istnieje ciag ˛ H n ∈ conv(X n , X n+1 , . . .) zbiegajacy ˛ do X p.n. (wzi˛ety jako podciag ˛ 2 ciagu ˛ zbieżnego w L ). 26 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH Wszystkie elementy conv(X n , X n+1 , . . .) sa˛ ograniczone przez KT i spełniaja˛ warunek Lipschitza ze stała˛ K. Te własności zachowuje też punktowa granica. Ponadto, na mocy twierdzenia o zbieżności zmajoryzowanej E (Xt | Ft ) = lim E (Xtn | Ft ) = Zt , t ∈ D. n→∞ Rozszerzamy X do całego odcinka [0, T ] przez ciagłość. ˛ Wtedy (o Xt ) = (Zt ) z dokładnościa˛ do nieodróżnialności na mocy prawostronnej ciagłości ˛ (Zt ) i równości E (Xt | Ft ) = Zt na g˛estym podzbiorze [0, T ]. Powyższe twierdzenie, ze wzgl˛edu na wzrost ograniczenia na trajektorie procesu wraz z T , pozwala na zastosowanie dla skończonego horyzontu czasowego. TWIERDZENIE 1.24. Załóżmy, że I = [0, T ], T < ∞. Na rynku J nie ma możliwości uogólnionego arbitrażu wtedy i tylko wtedy, gdy istnieje proces adaptowany (y(t))t∈[0,T ] o trajektoriach cádlág i stała M , takie że i) P(0 < y(t) ≤ M ∀t ∈ R+ ) = 1, ii) y(t) jest warunkowo lipschitzowski, PN P iii) E N i=1 γi δτi ∈ J. i=1 γi y(τi ) ≤ 0 dla dowolnego 1.4. Ciagłe ˛ deflatory Poniższy model, podobnie jak nast˛epny, b˛edzie prezentował drog˛e konstrukcji zapowiedziana˛ w podrozdziale 1.2. Ustalmy przestrzeń X=Γ= N X γi δτi ∈ D : γi ∈ L1 (Ω, Fτi ), i = 1, . . . , N i=1 i określmy na niej topologi˛e τ poprzez podanie zbioru funkcjonałów liniowych. Niech Y b˛edzie przestrzenia˛ wszystkich ograniczonych, mierzalnych procesów o ciagłych ˛ trajektoriach. Dualność zadajemy wzorem N X hx, yihX,Y i = E γi y(τi ). i=1 Przyjmujemy τ = σ(X, Y ). Wykażemy, że model (Γ, τ ) spełnia założenia twierdzenia 1.3. TWIERDZENIE 1.25. Model (Γ, τ ) spełnia założenia twierdzenia 1.3, tzn. i) Y separuje punkty Γ, ii) τ jest lokalnie wypukła˛ topologia,˛ iii) spełnione sa˛ założenia C i L. Dowód. Wykażemy najpierw i). Zauważmy, że elementy Y działaja˛ na x ∈ Γ w ten sam sposób, co 0 ∞ 0 elementy L∞ ˛ ∗ (Ω, M ). Ponadto, Y zawiera L∗ (Ω, M ), ponieważ procesy lipschitzowskie sa˛ ciagłe. ∞ 0 Wykazaliśmy, że L∗ (Ω, M ) oddziela punkty Γ, wi˛ec przestrzeń Y też. Na mocy lematu V.3.3 z monografii Dunforda, Schwarza [8] wynika, że topologia σ(Γ, Y ) jest lokalnie wypukła. Założenia L 27 1.5. DOBRY ZBIÓR DEFLATORÓW dowodzimy w podobny sposób jak w twierdzeniu 1.17 biorac ˛ opcjonalne projekcje elementów z Y . Wykazanie założenia C wymaga spojrzenia na Y jako na podprzestrzeń L∞ (Ω × R+ , F ⊗ B(R+ ), P ⊗ | · |). Topologia L∞ na Y jest silniejsza niż σ(Y , X): jeśli kyn − ykL∞ → 0, to E γyn (σ) → E γy(σ) dla dowolnego momentu stopu σ i γ ∈ L1 (Ω, Fσ , R) na mocy twierdzenia o zbieżności zmajoryzowanej (majoranta˛ jest γM dla pewnej stałej M ). A zatem założenie C jest spełnione, gdyż jest ono trywialnie spełnione w przestrzeni Banacha L∞ (Ω × R+ , F ⊗ B(R+ ), P ⊗ | · |). Jako wniosek z twierdzenia 1.3 dostajemy LEMAT 1.26. Na rynku J nie ma możliwości uogólnionego arbitrażu wtedy i tylko wtedy, gdy istnieje proces mierzalny y(t)(ω) i stała M , takie że i) ii) iii) iv) P(|y(t)| ≤ M ∀t ∈ R+ ) = 1, prawie wszystkie trajektorie y(t) sa˛ ciagłe, ˛ o P( y(t) > 0 ∀t ∈ R+ ) = 1, P PN E N i=1 γi y(τi ) ≤ 0 dla dowolnej inwestycji i=1 γi δτi ∈ J. Jeśli filtracja jest quasi-lewostronnie ciagła, ˛ tzn. Fσ = Fσ− dla dowolnego prognozowalnego momentu stopu σ, to możemy ograniczyć przestrzeń Y do procesów adaptowanych, ciagłych. ˛ LEMAT 1.27. Załóżmy, że filtracja jest quasi-lewostronnie ciagła. ˛ Na rynku J nie ma możliwości uogólnionego arbitrażu wtedy i tylko wtedy, gdy istnieje proces adaptowany y(t)(ω) o ciagłych ˛ trajektoriach i stała M , takie że i) P(0 < y(t) ≤ M ∀t ∈ R+ ) = 1, PN P ii) E N i=1 γi δτi ∈ J. i=1 γi y(τi ) ≤ 0 dla dowolnej inwestycji Dowód. Lewa implikacja jest oczywista na mocy lematu 1.26. Wykażemy teraz implikacj˛e w druga˛ stron˛e. Na mocy lematu 1.26 istnieje proces g ∈ Y . Niech y = o g b˛edzie opcjonalna˛ projekcja˛ g, zaś z = p g – prognozowalna˛ projekcja.˛ Wtedy proces y jest cádlág , zaś proces z jest cáglád, czyli lewostronnie ciagły ˛ z prawostronnymi granicami (patrz podrozdział VI.7 w Rogers, Williams [26]). Zauważmy, że dla dowolnego prognozowalnego momentu stopu σ yσ 1σ<∞ = E (gσ 1σ<∞ | Fσ ) = E (gσ 1σ<∞ | Fσ− ). Zatem y jest także projekcja˛ prognozowalna.˛ Jednak zarówno projekcja opcjonalna jak i projekcja prognozowalna jest zdefiniowana z dokładnościa˛ do nieodróżnialności. Stad ˛ proces y jest nieodróżnialny od z, czyli jest procesem ciagłym. ˛ 1.5. Dobry zbiór deflatorów Niech Γ = {Φ ∈ Γ̃ : Φ ma reprezentacj˛e N X γi δτi , gdzie τi – ograniczony moment stopu}. i=1 Ustalmy na Γ najmniejsza˛ topologi˛e τ spełniajac ˛ a˛ założenia R i CV. Przyj˛eliśmy, że założenie CV jest koniecznym elementem dobrego modelu. Tutaj wybieramy najmniejsza˛ topologi˛e spełniajac ˛ a˛ to 28 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH założenie lub, inaczej, najmniejszy zbiór funkcjonałów Y . Na mocy założenia R wiemy, że Y jest podprzestrzenia˛ adaptowanych procesów cádlág . Zwróćmy uwag˛e, że zbiór Y składa si˛e ze wszystkich adaptowanych procesów cádlág , które spełniaja˛ warunek CV tzn. E Zn y(σn ) → E Zy(σ) dla ciagów ˛ Zn i σn jak w definicji CV. Ze wzgl˛edu na definicj˛e Γ rozważamy jedynie ograniczone momenty σn . Z dowodu lematu 1.6 wynika, że każdy proces y ∈ Y jest ograniczony na zbiorach zwartych (w tym przypadku wystarczy, by Γ była jak powyżej). Udowodnimy, że model (Γ, τ ) spełnia założenia twierdzenia 1.3. Głównym problemem b˛edzie wykazanie założenia C. TWIERDZENIE 1.28. Na rynku J nie ma możliwości uogólnionego arbitrażu wtedy i tylko wtedy, gdy istnieje proces stochastyczny y spełniajacy ˛ nast˛epujace ˛ warunki i) ii) iii) iv) y jest adaptowany i cádlág, y spełnia warunek CV, P(y(t) > 0 ∀t ∈ R+ ) = 1, P PN E N i=1 γi y(τi ) ≤ 0 dla dowolnej inwestycji i=1 γi δτi ∈ J. Dowód. Równoważność zaprezentowana w twierdzeniu jest bezpośrednim wnioskiem z twierdzenia 1.3. Musimy zatem udowodnić założenia tego twierdzenia. Kładziemy X = Γ. Zauważmy najpierw, 0 ˛ wi˛ec że przestrzeń L∞ ∗ (Ω, M ) jest zawarta w Y (ograniczone i lipschitzowskie procesy sa˛ ciagłe, 0 ) oddziela punkty Γ, czyli Y również spełniaja˛ warunek CV na mocy lematu 1.7) oraz L∞ (Ω, M ∗ oddziela punkty Γ. Zatem topologia τ = σ(X, Y ) jest lokalnie wypukła. Założenie L dowodzimy identycznie jak w twierdzeniu 1.17 pomijajac ˛ jedynie operacj˛e opcjonalnej projekcji, gdyż opcjonalna projekcja procesu adaptowanego jest nieodróżnialna od niego samego. Wykazanie założenia C wymaga lokalizacji. Niech (yn )n∈NP b˛edzie rodzina˛ procesów w Y . Skonstruujemy ciag ˛ dodatnich liczb αn o tej własności, że szereg N i=1 αi yi jest zbieżny w (Γ, τ ). Jak wspomnieliśmy, dowolny y ∈ Y jest jednostajnie ograniczony przez stała˛ na każdym przedziale [0, T ], T ≥ 0. Połóżmy ynT (t) = yn (t)1t≤T , n ∈ N. Rodzina (ynT )n∈N może być traktowana jako podzbiór L∞ (Ω × [0, T ], F ⊗ B([0, T P ]), P ⊗ | · |). Na mocy zupełności tej przestrzeni konstruujemy T T T T ciag ˛ liczb dodatnich (αn )n∈N , taki że N i=1 αi yi zbiega do pewnego y , gdy N → ∞. Oczywiście T y jest procesem adaptowanym i cádlág jako jednostajna granica. Do znalezienia globalnego ciagu ˛ (αn ) użyjemy metody przekatniowej. ˛ Zauważmy najpierw, że jeP T y S jest zbieżny w L∞ (Ω×[0, S], F ⊗B([0, S]), P⊗|·|). Prowadzi nas to śli T > S, to szereg N α i=1 i i do spostrzeżenia, P że właściwym kandydatem na ciag ˛ jest αn = αnn , n ∈ N. Oznaczmy przez zn sumy n cz˛eściowe: zn = i=1 αi yi . Ciag ˛ zn (t)1t≤T jest zbieżny w L∞ (Ω × [0, T ], F ⊗ B([0, T ]), P ⊗ | · |). T Niech z b˛edzie jego granica,˛ która z definicji przestrzeni i ciagłości ˛ procesów zn (t) jest zadana z dokładnościa˛ do nieodróżnialności. Oczywiście, (z T (t)1t≤S ) jest nieodróżnialne od (z S (t)) dla 0 ≤ S ≤ T . Zatem istnieje dokładnie jeden proces z, taki że (z T (t)) jest nieodróżnialny od (z(t)1t≤T ). Musimy jeszcze pokazać, że z ∈ Y . Warunki adaptowalności i cádlág sa˛ trywialnie spełnione. Musimy skoncentrować si˛e jedynie na CV. Weźmy ciagi ˛ (Zn ), (σn ) jak w definicji CV, przy czym, jak zaznaczyliśmy przed twierdzeniem, momenty σn , σ sa˛ ograniczone. Co wi˛ecej sa˛ one ograniczone przez wspólna˛ stała.˛ Jeśli ciag ˛ jest niemalejacy, ˛ to stała˛ ta˛ wyznacza σ. Jeśli jest nierosnacy, ˛ to T stała˛ wyznacza σ1 . Oznaczmy ja˛ przez T . Z warunku, że z jest jednostajnie ograniczony dostajemy E z(σn )Zn = E z T (σn )Zn → E z T (σ)Z = E z(σ)Z, 1.6. WYCENA 29 Podobnie wykorzystujemy ograniczoność z T dla T ≥ 0 do wykazania, że zn zbiega do z w topologii τ . Wystarczy zauważyć, że E zn (σ)γ = E z(σ)γ dla dowolnego ograniczonego momentu stopu σ i γ ∈ L1 (Ω, Fσ , P), co jest wnioskiem z twierdzenia o zbieżności zmajoryzowanej (ograniczeniem jest γM dla pewnego M ∈ R+ ). To kończy dowód warunku C. 1.6. Wycena Dotychczas zajmowaliśmy si˛e budowaniem modeli i analizowaniem ich z punktu widzenia finansowego. Głównym problemem, z którym si˛e borykaliśmy, było wykazanie założeń twierdzenia 1.3, które dawało warunek równoważny brakowi uogólnionego arbitrażu, wyrażony w j˛ezyku funkcjonałów liniowych na przestrzeni (Γ, τ ). W rozważanych przykładach funkcjonały te zadane były przez procesy stochastyczne. Tutaj pokażemy, dlaczego procesy te sa˛ ważne i jak zwiazane ˛ sa˛ z wycena˛ instrumentów pochodnych. Ustalmy model (Γ, τ ), w którym przestrzeń funkcjonałów liniowych ciagłych ˛ może być reprezentowana przez przestrzeń Y procesów stochastycznych z dualnościa˛ (1.1). B˛edziemy zakładać, że zbiór Γ jest dostatecznie bogaty, aby rozważać w nim instrumenty, które wprowadzimy poniżej. Możemy za Γ wziać ˛ przestrzeń liniowa˛ generowana˛ przez γδη , gdzie η jest (ograniczonym) momentem stopu, zaś γ ∈ L1 (Ω, Fη ). Ustalmy także rynek J, na którym nie ma możliwości uogólnionego arbitrażu. Oznaczmy przez GJ zbiór wszystkich deflatorów dla rynku J, czyli Γ y ∈ GJ ⇐⇒ y ∈ Y+++ , y J ≤ 0. Zauważmy, że zbiór ten jest wypukłym ściśle dodatnim stożkiem, tzn. jeśli y1 , y2 ∈ GJ , to y1 + y2 ∈ GJ oraz αy1 ∈ GJ dla α > 0. DEFINICJA 1.29. Instrumentem pochodnym (opcja) ˛ nazywamy par˛e (Z, η), gdzie η jest momentem stopu, zaś Z ∈ L1 (Ω, Fη ; R+ ) jest nieujemna˛ zmienna˛ losowa.˛ Jest to nieznaczna modyfikacja powszechnie używanego poj˛ecia; pozwalamy mianowicie, by moment wykonania był momentem stopu, a nie deterministyczna˛ chwila.˛ Ponadto, dalsze rozumowania możemy także przeprowadzić dla instrumentów pochodnych b˛edacych ˛ suma˛ skończonej liczby instrumentów zdefiniowanych powyżej. Pozwala to na rozszerzenie zakresu wycenianych opcji poza opcje europejskie do np. obligacji komercyjnych i wielu innych skomplikowanych kontraktów. Zauważmy także, że nasza definicja instrumentu pochodnego obejmuje opcje zależne od trajektorii, czyli opcje azjatyckie i barierowe. Wycena˛ opcji amerykańskich zajmiemy si˛e w nast˛epnym rozdziale, gdyż zagadnienie to okaże si˛e bardzo skomplikowane. Spośród wielu metod wyceny opcji skupimy si˛e na dwóch: wycenie arbitrażowej i cenie zabezpieczenia. Znacznie szersze rozważania dotyczace ˛ tej tematyki można znaleźć w pracy Napp [20]. Jednak zaprezentowane tutaj dowody sa˛ bardziej elementarne i krótsze. Ponadto zajmujemy si˛e przypadkiem dowolnego modelu (Γ, τ ), a nie ustalonego, jak w pracy [20]. B˛edziemy zakładać, że F0 jest uzupełnieniem trywialnego σ-ciała, czyli cena opcji w momencie 0 jest liczba.˛ Wycena arbitrażowa Naturalnym podejściem do wyceny instrumentu pochodnego jest podejście wykorzystujace ˛ poj˛ecie arbitrażu. Mówimy, że cena C jest uczciwa˛ cena˛ opcji, jeśli rozszerzenie rynku o dodatkowe możliwości inwestycyjne zwiazane ˛ z kupnem lub sprzedaża˛ opcji nie prowadzi do powstania uogólnionego 30 ROZDZIAŁ 1. MODELOWANIE RYNKU ZA POMOCA˛ PRZEPŁYWÓW PIENIE˛ŻNYCH arbitrażu. Wykażemy, że zbiór uczciwych cen jest przedziałem i scharakteryzujemy go za pomoca˛ zbioru deflatorów GJ . Z opcja˛ (Z, η) o cenie C ∈ R zwiażemy ˛ inwestycje, polegajace ˛ na zakupie lub sprzedaży tej opcji. Połóżmy Ψ(ξ,C,η,Z) = ξ(Cδ0 − Zδη ), ξ ∈ R. Inwestycja Ψ(−1,C,τ ,Z) reprezentuje zakup jednej opcji (Z, η) w momencie 0 za cen˛e C. Sprzedaż to Ψ(1,C,η,Z) . Notacja ta pozwala na sformułowanie definicji uczciwej ceny. DEFINICJA 1.30. Cen˛e C nazywamy uczciwa,˛ jeśli rynek J opc generowany przez J i inwestycje Ψ(±1,C,η,Z) spełnia warunek braku uogólnionego arbitrażu. Jeśli zatem C jest uczciwa˛ cena,˛ to na mocy twierdzenia 1.3 istnieje proces deflatora, czyli zbiór GJ opc jest niepusty. Oczywiście GJ opc ⊆ GJ . Zauważmy, że dla każdego y ∈ GJ opc E Cy(0) − Zy(η) ≤ 0 E − Cy(0) + Zy(η) ≤ 0, co daje E Cy(0)−Zy(η) = 0. Zatem C jest uczciwa˛ cena˛ wtedy i tylko wtedy, gdy istnieje y ∈ GJ , taki że C = E {y(η)Z}/ E y(0). LEMAT 1.31. Jeśli C1 ≤ C2 sa˛ uczciwymi cenami opcji (Z, η), to każda cena z przedziału [C1 , C2 ] jest uczciwa. Dowód. Niech y 1 , y 2 b˛eda˛ deflatorami dla cen C1 i C2 . Ustalmy liczb˛e C ∈ [C1 , C2 ]. Niech a ∈ [0, 1] 1 2 b˛edzie liczba˛ spełniajac ˛ a˛ C = aC1 + (1 − a)C2 . Połóżmy y(t) = a Eyy1(t) + (1 − a) Eyy2(t) . Wtedy (0) (0) C= E {y(η)Z} E y(0) . Z wypukłości GJ mamy y ∈ GJ . Powyższy lemat pozwala na uzyskanie przedziału uczciwych cen. Niestety nie możemy nic powiedzieć o jego końcach, tzn. czy prowadza˛ one do uogólnionego arbitrażu, czy nie. WNIOSEK 1.32. Niech C h = sup y∈GJ E {y(η)Z} , E y(0) C l = inf y∈GJ E {y(η)Z} . E y(0) Każda cena z przedziału otwartego (C l , C h ) jest uczciwa, a każda cena spoza przedziału domkni˛etego [C l , C h ] jest nieuczciwa. Dowód. Dla każdego C ∈ (C l , C h ) możemy znaleźć ceny uczciwe C1 ≤ C ≤ C2 . Lemat 1.31 stwierdza, że C jest uczciwa˛ cena.˛ Druga cz˛eść wniosku jest oczywista. Cena zabezpieczenia Wystawca opcji zainteresowany jest wiedza,˛ czy cena, która˛ zaproponował, pozwoli mu na znalezienie strategii zabezpieczajacej ˛ wypłat˛e. Pytać si˛e może także o istnienie minimalnej ceny zabezpieczajacej. ˛ h Wykażemy, że taka minimalna cena istnieje i jest równa wartości C z wniosku 1.32. Dla wygody zapisu oznaczmy ΨC = Ψ(−1,C,η,Z) dla ustalonej opcji (Z, η). DEFINICJA 1.33. Liczba C jest cena˛ zabezpieczenia opcji (Z, η), jeśli ΨC ∈ J − Γ+ , gdzie domkni˛ecie jest w topologii τ . 31 1.6. WYCENA Istnieje wi˛ec ciag ˛ Ψn ∈ J − Γ+ zbieżny do ΨC . Każdy element Ψn jest inwestycja˛ dost˛epna˛ na rynku J pomniejszona˛ o pewna˛ konsumpcj˛e. Istnieje wi˛ec ciag ˛ inwestycji z konsumpcja˛ zbieżny do ΨC , czyli zabezpieczajacy ˛ opcj˛e. Zauważmy, że wyrażenie J − Γ+ wyst˛epuje także w definicji uogólnionego arbitrażu. ˛ Połóżmy Poruszyliśmy już temat istnienia minimalnej ceny zabezpieczajacej. h = inf{b ≥ 0 : b jest cena˛ zabezpieczenia}. Wykażemy, że h Niech bn b˛edzie ciagiem ˛ cen zabezpieczenia zbieżnym do jest cena˛ zabezpieczenia. b h b n n h. Wtedy Ψ n∈N zbiega do Ψ w (Γ, τ ). Z Ψ ∈ J − Γ+ dostajemy Ψh ∈ J − Γ+ . Minimalna˛ cen˛e zabezpieczenia b˛edziemy nazywać cena˛ sprzedajacego ˛ i oznaczać C s . Okazuje si˛e, że jest ona h równa C z wniosku 1.32. TWIERDZENIE 1.34. C s = C h Dowód. Udowodnimy najpierw, że C s ≥ C h . Z faktu, że C s jest cena˛ zabezpieczenia wynika, że s ΨC ∈ J − Γ+ . Czyli dla każdego deflatora y ∈ GJ mamy E {Zy(η)} − C s E y(0) ≤ 0. Stad ˛ Cs ≥ E {Zy(η} E y(0) C s = ∞. co daje C s ≥ supy∈GJ E {Zy(η)} E y(0) dla dowolnego y ∈ GJ , = C h. Jeśli C h = ∞, to Możemy założyć, że C h < ∞. Pokażemy, że C h jest cena˛ zabezpieczenia. Przeprowadzimy rozumowanie przez sprzeczność. Przypuśćmy, że C h nie jest cena˛ zabezpieh Γ czenia, czyli ΨC ∈ / J − Γ+ . Z twierdzenia Hahna-Banacha o oddzielaniu istnieje h ∈ Y+ + (patrz dowód twierdzenia 1.3), taki że E {Zh(η)} − C h E h(0) > 1, h|J ≤ 0. Definicja C h gwarantuje istnienie deflatora y ∈ GJ , takiego że C h − y(t) E y(0) + h(t). Oczywiście ỹ ∈ Γ Y+++ 1 2 (1.3) ≤ i ỹ ∈ GJ . Ponadto, Ch ≥ E {Z ỹ(η)} . E ỹ(0) Z drugiej strony, z (1.3) dostajemy C h E ỹ(0) = C h + C h E h(0) 1 1 = (C h − ) + + C h E h(0) 2 2 E {Zy(η)} 1 ≤ + + C h E h(0) E y(0) 2 E {Zy(η)} 1 + + E {Zh(η)} − 1 < E y(0) 2 1 = E {Z ỹ(η)} + − 1 2 1 < E {Z ỹ(η)} − . 2 Łacz ˛ ac ˛ dwie otrzymane nierówności dostajemy sprzeczność: 1 E {Z ỹ(η)} ≤ C h E ỹ(0) < E {Z ỹ(η)} − . 2 E {Zy(η)} E y(0) . Niech ỹ(t) = Rozdział 2 Modelowanie i wycena opcji amerykańskich Niech I ⊆ R+ b˛edzie dowolnym zbiorem momentów. Rodzin˛e zmiennych losowych A(t) t∈I nazywamy opcja˛ amerykańska˛ ze zbiorem momentów wykonania I. Jeśli właściciel tej opcji zdecyduje si˛e na jej wykonanie w momencie losowym τ , to jego wypłata wyniesie A(τ ). Opcja amerykańska tym różni si˛e od rozważanych w poprzednim rozdziale opcji typu europejskiego, że nie specyfikuje momentu wykonania, pozostawiajac ˛ dowolność jej posiadaczowi. Powoduje to znaczne komplikacje przy wycenie i zabezpieczaniu tego typu instrumentów. Jednak przy powszechnie stosowanym podejściu z procesami cen i strategiami inwestycyjnymi (patrz np. Karatzas, Schreve [15]) nie ma przynajmniej kłopotu z określeniem, co rozumiemy przez strategi˛e zabezpieczajac ˛ a.˛ Portfel zbudowany zgodnie z taka˛ strategia˛ musi w każdym momencie stopu τ majoryzować wypłat˛e, tzn. posiadać bogactwo nie mniejsze niż A(τ ) w przypadku modeli bez kosztów transakcji lub zawierać określona˛ liczb˛e każdego z instrumentów podstawowych w przypadku modeli z kosztami transakcji. Rozważmy model bez ograniczeń i kosztów transakcji, z rachunkiem bankowym o zerowej stopie procentowej i oznaczmy przez Q zbiór miar martyngałowych dla procesów cen. Wtedy cena zabezpieczenia opcji amerykańskiej wynosi sup sup E P A(τ ), τ ∈S P∈Q gdzie S jest zbiorem momentów stopu o wartościach w I. Zauważmy zatem, że jeśli istnieje moment τ ∈ S realizujacy ˛ supremum, to cena opcji amerykańskiej jest równa cenie opcji europejskiej o wypłacie A(τ ) w momencie τ . Nic zatem nie kosztuje to, że właściciel opcji może zażadać ˛ jej wykonania w innym momencie. W bieżacym ˛ rozdziale zajmiemy si˛e zbudowaniem modelu na bazie przepływów pozwalajacego ˛ na rozważanie opcji amerykańskich oraz określeniem warunków dostatecznych, by w modelu tym wycena opcji amerykańskich polegała na wycenie kontraktu europejskiego o optymalnym momencie wykonania. Pokażemy, że brak kosztów transakcji gwarantuje już ta˛ własność. Nie wpływa na nia˛ istnienie innych niedoskonałości rynku, jak wypukłe ograniczenia na zawartość portfela, możliwość bankructwa firm i wystawców obligacji itp. W modelach z przepływami, rozważanych w poprzednim rozdziale, nie istnieje poj˛ecie składu portfela w dowolnym momencie. Możliwości inwestycyjne zdradzaja˛ tylko przepływy pieni˛eżne, które wynikaja˛ z zastosowanej strategii. Nie można zatem bezpośrednio przenieść zaprezentowanego powyżej poj˛ecia strategii zabezpieczajacej. ˛ Zamiast tego, musimy stworzyć całkiem nowe podejście, które odpowiadałoby obserwacjom prawdziwego rynku i wpisywało si˛e w możliwości modeli z 33 34 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH przepływami. Załóżmy, żezbiór momentów wykonania I jest przeliczalny. Strategia zabezpieczajaca ˛ opcj˛e amerykańska˛ A(t) t∈I musi zapewnić wypłat˛e A(t), jeśli posiadacz opcji wykona ja˛ w mo mencie t ∈ I. Aby to osiagn ˛ ać ˛ rozważmy rodzin˛e inwestycji Π(t) t∈I . Inwestycja Π(t) odpowiada sposobowi post˛epowania, gdy inwestor zdecyduje si˛e na wykonanie opcji w momencie t ∈ I. Strategie Π(s) i Π(t) nie moga˛ być jednak dowolne. Musza˛ si˛e one pokrywać na przedziale [0, t ∧ s). Algorytm inwestowania jest nast˛epujacy: ˛ w każdym punkcie s ∈ I sprawdzamy, czy inwestor chce wykonać opcj˛e. Jeśli nie, to post˛epujemy zgodnie z dowolna˛ strategia˛ Π(t) dla t > s. Jeśli tak, to kontynuujemy inwestowanie zgodnie z Π(s), co, mi˛edzy innymi, zapewni wypłacenie inwestorowi A(s). Rozumujac ˛ analogicznie do wyceny opcji europejskich, strategia Π = Π(t) t∈I zabezpieczajaca ˛ wypłat˛e A(t) t∈I ma postać Π(t) = −Cδ0 + A(t)δt , t ∈ I. Liczb˛e C nazwiemy cena˛ zabezpieczenia. 2.1. Model rynku amerykańskiego Uściślimy teraz sposób zapisu inwestycji na rynku amerykańskim. Ustalmy model (Γ, τ ). Załóżmy, że ma on zanurzenie w przestrzeni Banacha X, czyli Γ jest podprzestrzenia˛ liniowa˛ X, zaś τ jest obci˛eciem topologii normowej do Γ. Przykładem jest model z podrozdziału 1.3. Niech I b˛edzie dowolnym, co najwyżej przeliczalnym podzbiorem R+ . Ustalmy ciag ˛ liczb dodatnich a(t) t∈I o sumie 1. Niech N = L1 (I, 2I , µ; X), gdzie µ jest miara˛ probabilistyczna˛ µ({t}) = a(t), t ∈ I, b˛edzie przestrzenia˛ całkowalnych w sensie Bochnera funkcji o wartościach w przestrzeni Banacha X. Przestrzeń N jest zatem przestrzenia˛ Banacha. Ze wzgl˛edu na wyjatkowo ˛ prosta˛ form˛e I możemy definicje i fakty dotyczace ˛ przestrzeni N sformułować prosto i bezpośrednio dowieść. Przestrzeń N składa si˛e z tych funkcji σ : I → X, dla których kσkN < ∞, gdzie X kσkN = a(t)kσ(t)kX . t∈I Zauważmy, że jeśli ciag ˛ σn daży ˛ do σ w N , to σn (t) daży ˛ do σ(t) w X dla każdego t ∈ I. Prze∗ strzeń sprz˛eżona N skonstruowana jest w pracy Schwarza [28] (konstrukcja ta wspomniana jest w podrozdziale 1.3), lecz ze wzgl˛edu na prostot˛e N pozwolimy sobie na przedstawienie jej tutaj wraz z dowodem. Wcześniej jednak wprowadzimy notacj˛e, która˛ b˛edziemy stosować w poniższym lemacie i w dalszej cz˛eści rozdziału. Dla γ ∈ X, t ∈ I wyrażenie γζ(t) symbolizuje element σ ∈ N , taki że σ(s) = 0, s 6= t i σ(t) = γ. Ponadto przez Y oznaczamy przestrzeń dualna˛ do X. LEMAT 2.1. Przestrzeń N ∗ możemy utożsamiać ze zbiorem (Φ(t))t∈I ∈ Y I : sup t∈I 1 kΦ(t)kY < ∞ a(t) z dualnościa˛ zadana˛ wzorem hΦ, σihN ∗ ,N i = X t∈I hΦ(t), σ(t)ihY ,Xi , Φ ∈ N ∗ , σ ∈ N . 35 2.1. MODEL RYNKU AMERYKAŃSKIEGO Dowód. Niech σ ∗ ∈ N ∗ . Zdefiniujmy Φ(t) ∈ Y przez hΦ(t), γihY ,Xi = hσ ∗ , γζ(t)ihN ∗ ,N i dla dowolnego γ ∈ X. Funkcjonał Φ(t) ∈ Y , t ∈ I, jest jednoznacznie określony przez σ ∗ . Oznaczmy M = sup a(t)−1 kΦ(t)kY . t∈I Wykażemy, że kσ ∗ kN ∗ = M . Zaczniemy od nierówności M ≤ kσ ∗ kN ∗ . Ustalmy > 0, t ∈ I. Weźmy γ ∈ X o normie 1 i taki że hΦ(t), γihY ,Xi ≥ kΦ(t)kY − a(t). Niech σ = a(t)−1 γζ(t). Zauważmy, że kσkN = 1 oraz 1 1 kσ ∗ kN ∗ ≥ hσ ∗ , σihN ∗ ,N i = hΦ(t), γi kΦ(t)kY − ≥ a(t) hY ,Xi a(t) Z dowolności , t dostajemy kσ ∗ kN ∗ ≥ a(t)−1 kΦ(t)kY , t ∈ I, czyli kσ ∗ kN ∗ ≥ M. Aby uzyskać przeciwna˛ nierówność rozważmy ˛ Pnσ ∈ N z norma˛ 1. Niech {q1 , q2 , . . .} b˛edzie ciaσ(q )ζ(q ) b˛ e dzie obci˛ e ciem σ do n pierwszych giem wyczerpujacym ˛ zbiór I. Niech σn = i i i=1 współrz˛ednych. Wtedy ∗ hσ , σn ihN ∗ ,N i = n X hΦ(qi ), σ(qi )ihY ,Xi ≤ i=1 n X kΦ(qi )kY kσ(qi )kX i=1 n X 1 kΦ(qi )kY a(qi )kσ(qi )kX i=1,...,n a(qi ) ≤ sup i=1 ≤M n X a(qi )kσ(qi )kX . i=1 Ponieważ σn zbiega do σ w N , gdy n → ∞, mamy hσ ∗ , σihN ∗ ,N i ≤ M kσkN = M. Wykażemy teraz przeciwna˛ implikacj˛e. Weźmy (Φ(t))t∈I ⊆ Y spełniajace ˛ M = sup a(t)−1 kΦ(t)kY < ∞. t∈I Zauważmy, że rodzina γζ(t), γ ∈ X, t ∈ I stanowi baz˛e N . Wystarczy zatem zdefiniować funkcjonał liniowy σ ∗ na tej bazie: hσ ∗ , γζ(t)ihN ∗ ,N i = hΦ(t), γihY ,Xi . Pokażemy, że jest on ciagły. ˛ Wtedy jego rozszerzenie do całego N jest jedyne. Dla dowolnego γ ∈ X it∈I hσ ∗ , γζ(t)ihN ∗ ,N i = hΦ(t), γihY ,Xi ≤ kΦ(t)kY kγkX 1 kΦ(t)kY a(t)kγkX ≤ M kγζ(t)kN . = a(t) 36 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Zdefiniujemy teraz rynek amerykański i poj˛ecie uogólnionego arbitrażu. Niech Σ = σ ∈ N : σ(t) ∈ Γ, σ(s)[0,s) = σ(t)[0,s) ∀t, s ∈ I, s < t . Czyli σ ∈ Σ, jeśli σ(s) i σ(t) reprezentuja˛ możliwości inwestycyjne identyczne na przedziale [0, s) dla dowolnych s, t ∈ I, s < t. Zbiór Σ pełni taka˛ sama˛ rol˛e dla rynku amerykańskiego, jak zbiór Γ dla europejskiego. P RZYKŁAD 2.1 (Model ilustracyjny). Weźmy I = {0, 1, 2, 3}, X = L1 (Ω, F0 ) × L1 (Ω, F1 ) × L1 (Ω, F2 ) × L1 (Ω, F3 ), gdzie (Ft )t∈I jest filtracja.˛ Na X ustalmy norm˛e l1 , tzn. norma (γ0 , γ1 , γ2 , γ3 ) ∈ X wynosi kγ0 k + kγ1 k+kγ2 k+kγ3 k. Przyjmujemy Γ = X, czyli każda możliwość inwestycyjna może mieć przepływy tylko w momentach z I i jest postaci γ0 δ0 + γ1 δ1 + γ2 δ2 + γ3 δ3 . Przestrzeń N jest identyczna z X I z norma˛ kσkN = kσ(0)kX + kσ(1)kX + kσ(2)kX + kσ(3)kX . Dla dalszych rozważań przyjmijmy nast˛epujac ˛ a˛ reprezentacj˛e elementów σ ∈ N : σ(i) = γ0i δ0 + γ1i δ1 + γ2i δ2 + γ3i δ3 , i ∈ I. Zbiór Σ składa si˛e wtedy z elementów σ ∈ N , które spełniaja˛ warunki • γ01 = γ02 = γ03 , • γ12 = γ13 , czyli np. strategie σ(2) i σ(3) zgadzaja˛ si˛e na przedziale [0, 2), tzn. w punktach 0 i 1. Na powyższym prostym przykładzie możemy wskazać intuicje stojace ˛ za podana˛ forma˛ amerykańskich możliwości inwestycyjnych Σ. Rozważmy strategi˛e σ zabezpieczajac ˛ a˛ wypłat˛e amerykańska.˛ W momencie t = 0 inwestor może zażadać ˛ realizacji opcji lub zdecydować si˛e na oczekiwanie. Jeśli inwestor zażada ˛ wypłaty, to post˛epujemy zgodnie ze strategia˛ σ(0). W przeciwnym przypadku rozpoczynamy inwestowanie zgodnie ze strategia˛ σ(1) lub σ(2) lub σ(3), bo wszystkie one sa˛ identyczne w t = 0. W momencie t = 1 patrzymy, czy inwestor żada ˛ wypłaty. Jeśli tak, to strategia σ(1) pozwoli na spełnienie tego żadania ˛ i odtad ˛ post˛epujemy zgodnie z jej wytycznymi. Jeśli nie, to post˛epujemy zgodnie ze strategia˛ σ(2) lub σ(3), bo obie sa˛ identyczne w t = 1. Analogicznie robimy dla t = 2, 3. Musimy jeszcze nadmienić, że w rzeczywistości równość przepływów dwóch możliwości inwestycyjnych na przedziale [0, t) nie gwarantuje tego, że strategie inwestycyjne, które je wygenerowały, sa˛ identyczne na tym przedziale, gdyż wszelkie przepływy możemy niwelować inwestycjami w obligacje lub rachunek bankowy doprowadzajac ˛ do tego, że sumarycznie na przedziale [0, t) nie b˛eda˛ one widoczne i ujawnia˛ si˛e dopiero później. Stad ˛ postać Σ jest tylko koniecznym warunkiem powyższej interpretacji strategii, który b˛edzie jednak wystarczajacy ˛ do bieżacych ˛ rozważań. W dalszej cz˛eści rozdziału uściślimy jeszcze postać możliwości inwestycyjnych na rynku amerykańskim. 37 2.1. MODEL RYNKU AMERYKAŃSKIEGO DEFINICJA 2.2. Rynkiem amerykańskim nazywamy podzbiór J ⊆ Σ, który • jest dodatnim wypukłym stożkiem, • (COH1) dla dowolnego σ ∈ J, t ∈ I istnieje σ̃ ∈ J, taka że σ̃(s) = σ(t), s ∈ I. Warunek (COH1) gwarantuje, że dla dowolnej możliwości inwestycyjnej σ ∈ J i dowolnego t ∈ I istnieje strategia σ̃ ∈ J o każdej współrz˛ednej równej σ(t), czyli o strategii niezależnej od momentu s ∈ I. Strategia σ ∈ Σ daje możliwość arbitrażu, jeśli σ(t) gwarantuje arbitraż w sensie europejskim dla pewnego t ∈ I, tzn. σ(t) ∈ Γ+ \ {0}. Naturalnym zbiorem możliwości arbitrażowych jest zatem ΣA = {σ ∈ Σ : ∃ t ∈ I σ(t) ∈ Γ+ \ {0}}. Ze wzgl˛edów technicznych ograniczymy si˛e jednak do zbioru mniejszego. Jak si˛e okaże, nie ma to wpływu na ocen˛e uczciwości rynku (patrz lemat 2.3). Σ+ = {σ ∈ Σ : ∀ t ∈ I σ(t) ∈ Γ+ }. Powodem wprowadzenia zbioru Σ+ jest to, że Σ− = −Σ+ odpowiada konsumpcji, co b˛edzie grało ważna˛ rol˛e w dalszych rozważaniach. Powiemy, że rynek pozbawiony jest możliwości uogólnionego arbitrażu, jeśli (NFL) J − Σ+ ∩ Σ+ = {0}, gdzie domkni˛ecie brane jest w topologii normowej N . Założenie (COH1) w definicji rynku pozwoli pokazać, że powyższy warunek jest równoważny warunkowi J − Σ+ ∩ ΣA = ∅, gdzie za zbiór strategii arbitrażowych bierzemy ΣA . Zauważmy, że zbiór ΣA jest znacznie wi˛ekszy od Σ+ \ {0}. LEMAT 2.3. Niech J b˛edzie rynkiem amerykańskim, C = J − Σ+ . Wtedy i) C spełnia (COH1), ii) C ∩ Σ+ 6= {0} wtedy i tylko wtedy, gdy C ∩ ΣA 6= ∅ Dowód. Zauważmy, że J − Σ+ spełnia (COH1). Musimy Pjedynie wykazać, że zachowane jest to po domkni˛eciu. Ustalmy t ∈ I, σ ∈ C. Chcemy pokazać, że s∈I σ(t)ζ(s) ∈ C. Niech Pσn ∈ J −Σ+ b˛edzie ciagiem ˛ zbieżnym do σ, a zatem σ (t) zbiega do σ(t) w X. Wiemy także, że s∈I σn (t)ζ(s) ∈ P P n J − Σ+ oraz s∈I σn (t)ζ(s) → s∈I σ(t)ζ(s) w N , co kończy dowód i). Ponieważ Σ+ \ {0} ⊆ ΣA , to wystarczy pokazać, że C ∩ Σ+ = {0} implikuje C ∩ ΣA = ∅. Przypuśćmy przeciwnie. Załóżmy, że istnieje σ ∈ C ∩ ΣA , czyli σ(t) ∈ Γ+ \ {0} dla pewnego t ∈ I. Na mocy i) istnieje σ̃ ∈ C postaci X σ(t)ζ(s), σ̃ = s∈I co przeczy założeniu C ∩ Σ+ = {0}. Zajmiemy si˛e teraz znalezieniem warunku równoważnego do (NFL) w duchu twierdzenia 1.3. Założymy najpierw, że model (Γ, τ ) wraz z zanurzeniem w przestrzeń Banacha X spełnia warunki C i L twierdzenia 1.3. Przypomnijmy oznaczenia: Y jest przestrzenia˛ dualna˛ do X, a przestrzeń funkΓ Γ cjonałów nieujemnych na Γ+ jest oznaczona przez Y+ + , tj. y ∈ Y+ + ≡ ∀x ∈ Γ+ hx, yihX,Y i ≥ 0. 38 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Γ Γ Natomiast przez Y+++ oznaczamy przestrzeń funkcjonałów dodatnich na Γ+ , tj. y ∈ Y+++ ≡ ∀x ∈ Γ+ \ {0} hx, yihX,Y i > 0. Podobne oznaczenia wprowadzimy dla modelu amerykańskiego. Niech Σ∗ = {σ ∈ N : ∀ t ∈ I σ(t) ∈ Γ+ }. Zauważmy, że Σ∗ jest zbiorem wi˛ekszym od Σ+ , dokładniej Σ+ = Σ∗ ∩ Σ. Przestrzeń funkcjonałów nieujemnych na Σ∗ oznaczana jest przez Y+Σ∗ , tj. Φ ∈ Y+Σ∗ ≡ ∀σ ∈ Σ∗ hσ, ΦihN ,N ∗ i ≥ 0. Postać Σ∗ pozwala wnioskować, że Y+Σ∗ = {Φ ∈ N ∗ : Γ Φ(t) ∈ Y+ + ∀t ∈ I}. Σ∗ Σ∗ ≡ ∀σ ∈ Σ∗ \ oznaczamy przestrzeń funkcjonałów dodatnich na Σ∗ , tj. Φ ∈ Y++ Przez Y++ {0} hσ, ΦihN ,N ∗ i > 0. Podobnie jak powyżej dostajemy Σ∗ Y++ = {Φ ∈ N ∗ : Γ Φ(t) ∈ Y+++ ∀t ∈ I}. TWIERDZENIE 2.4. i) J − Σ∗ ∩ Σ∗ = {0} wtedy i tylko wtedy, gdy J − Σ+ ∩ Σ+ = {0}. Σ∗ ii) Warunek (NFL) dla rynku J jest równoważny istnieniu dodatniego funkcjonału Φ ∈ Y++ , takiego że ΦJ ≤ 0. Dowód. Dowód i) jest podobny do dowodu lematu 2.3, jednak dla przejrzystości przeprowadzimy go tutaj w całości. Niech C = J − Σ+ , D = J − Σ∗ . Zauważmy, że Σ+ ⊆ Σ∗ i C ⊆ D, czyli jeśli D ∩ Σ∗ = {0}, to C ∩ Σ+ = {0}. Przypuśćmy teraz, że istnieje σ ∈ D ∩ Σ∗ \ {0}, tzn. istnieje t ∈ I, takie że σ(t) ∈ Γ+ \ {0}. Wykażemy, że wtedy również C ∩ Σ+ zawiera niezerowy element. Niech P σ σn ∈ D b˛edzie ciagiem ˛ zbieżnym do σ. Na mocy założenia (COH1) σ̃ = n s∈I n (t)ζ(s) ∈ C. P Ciag ˛ ten zbiega do σ̃ = s∈I σ(t)ζ(s), czyli σ̃ ∈ C. Ponadto σ̃ ∈ Σ+ \ {0}, co kończy dowód i). Teza ii) jest wnioskiem z twierdzenia 1.3. Wystarczy zatem wykazać założenia tego twierdzenia. Warunek C jest spełniony, gdyż N ∗ jest przestrzenia˛ Banacha. Jedynie założenie L wymaga wi˛e cej uwagi. Niech Φα α∈F ⊆ Y+Σ∗ b˛edzie rodzina˛ funkcjonałów liniowych. Wykażemy, że istnieje przeliczalna podrodzina (Φαn )∞ n=1 o tej własności, że jeśli dla pewnego σ ∈ Σ∗ i α ∈ F zachodzi hσ, Φα ihN ,N ∗ i > 0, to hσ, Φαn ihN ,N ∗ i > 0 dla pewnego n ∈ N. Γ Przypomnijmy, że Φ ∈ Y Σ∗ jest równoważne Φ(t) ≥ 0, czyli Φ(t) ∈ Y + dla dowolnego + Γ+ + t ∈ I. ∞Na mocy założenia dla rynku europejskiego, dla dowolnego t ∈ I istnieje przeliczalna rodzina αnt n=1 ⊆ F o tej własności, że jeśli x ∈ Γ+ i hx, Φα ihX,Y i > 0 dla pewnego α ∈ F , to istnieje n ∈ N, takie że hx, Φαtn ihX,Y i > 0. Zatem przeliczalna rodzina (Φαtn )n∈N,t∈I spełnia wymogi warunku L. Weźmy dowolne σ ∈ Σ∗ , takie że hσ, Φα ihN ,N ∗ i > 0 dla pewnego α ∈ F . Zatem σ 6= 0 i hσ(t), Φα (t)ihX,Y i > 0 dla pewnego t ∈ I. Możemy wi˛ec znaleźć n ∈ N, dla którego hσ(t), Φαtn (t)ihX,Y i > 0. Ponadto hσ(s), Φαsm (t)ihX,Y i ≥ 0 dla wszystkich m ∈ N, s ∈ I, czyli hσ, Φαtn ihN ,N ∗ i > 0. 2.2. RYNEK EUROPEJSKI VS. RYNEK AMERYKAŃSKI 39 Przeliczalny model Ważnym przykładem przestrzeni X, Y , na bazie których budujemy model rynku amerykańskiego, sa˛ przestrzenie, które pozwalaja˛ na dokonywanie transakcji tylko w przeliczalnej liczbie momentów. Niech T ⊆ R+ b˛edzie co najwyżej przeliczalnym zbiorem, przy czym 0 ∈ T . Zakładamy ponadto, 1 T p że I ⊆ T . Ustalmy p ≥ 1 i połóżmy X = L T , 2 , ν; L (Ω, F) , gdzie ν jest miara˛ liczac ˛ a,˛ czyli dla γ ∈ X X 1/p kγkX = E |γ(t)|p . t∈T Stad ˛ dostajemy, że Y = X ∗ = L∞ T , 2ν , ν; Lq (Ω, F, P) , 1/p + 1/q = 1, z norma˛ kykY = sup{ky(t)kq : t ∈ T }. Przestrzeń N możemy zapisać jako N = L1 I ×T , 2I ⊗2T , µ⊗ν; Lp (Ω, F) . Wynika stad ˛ niezmiernie ważna obserwacja. Jeśli γn → γ w X, to γn (t) → γ(t) w Lp (Ω, F), t ∈ T . Jeśli σn → σ w N , to σn (s)(t) → σ(s)(t) w Lp (Ω, F), s ∈ I, t ∈ T . Zauważmy także, że skonstruowany powyżej model ilustracyjny jest szczególnym przypadkiem modelu przeliczalnego z I = T = {0, 1, 2, 3} i p = 1. 2.2. Rynek europejski vs. rynek amerykański Z rynkiem amerykańskim można w bardzo naturalny sposób zwiazać ˛ rynek europejski. DEFINICJA 2.5. Rynkiem europejskim j zwiazanym ˛ z rynkiem amerykańskim J (j ∼ J) nazywamy zbiór j = {σ(t) : σ ∈ J, t ∈ I} ⊆ Γ. Zdefiniowany powyżej zbiór j jest rzeczywiście rynkiem w myśl definicji 1.1. Zawiera on wszystkie możliwości inwestycyjne dost˛epne dla gracza rynku amerykańskiego. Można go traktować jako podzbiór rynku amerykańskiego, gdyż na mocy (COH1) zbiór J ∩ ΣH jest izometryczny z j, gdzie ΣH = {σ ∈ Σ : σ(t) = σ(s) ∀t, s ∈ I} jest zbiorem tych inwestycji amerykańskich, które sa˛ identyczne dla wszystkich s ∈ I. Przypomnijmy, że warunek braku uogólnionego arbitrażu (NFL) dla rynku europejskiego ma postać j − Γ+ ∩ Γ+ = {0}, gdzie domkni˛ecie brane jest w normie przestrzeni X. Możemy zatem sformułować lemat mówiacy ˛ o tym, że brak uogólnionego arbitrażu na rynku amerykańskim jest równoważny brakowi uogólnionego arbitrażu na rynku europejskim z nim zwiazanym. ˛ Jest to fakt podstawowej wagi dla spójności i poprawności modelu amerykańskiego. LEMAT 2.6. Załóżmy, że j ∼ J. j − Γ+ ∩ Γ+ = {0} ⇐⇒ J − Σ+ ∩ Σ+ = {0}. Ponadto J − Σ+ ∩ Σ+ = {0} ⇐⇒ J ∩ ΣH − Σ+ ∩ Σ+ = {0}. 40 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Dowód. Rynek j jest izometryczny z podzbiorem rynku J, dokładnie z J ∩ ΣH , wi˛ec istnienie uogólnionego arbitrażu na j implikuje, że taka możliwość istnieje też na J. Udowodnijmy teraz przeciwna˛ implikacj˛e. Przypuśćmy, że istnieje możliwość uogólnionego arbitrażu na J, czyli istnieje ciag ˛ inwestycji amerykańskich (σn )n∈N ⊆ J zbiegajacych ˛ do σ ∈ Σ+ \ {0}. Z definicji Σ+ istnieje t ∈ I, takie że σ(t) ∈ Γ+ \ {0}. Zbieżność w N implikuje zbieżność każdej współrz˛ednej w X, bo I jest zbiorem przeliczalnym. Zatem σn (t) → σ(t) w X, co dowodzi istnienia możliwości uogólnionego arbitrażu. 2.3. Wycena opcji amerykańskich Od tego miejsca b˛edziemy zakładać, że przestrzeń X = L1P (Ω, M) i N jest rynkiem amerykańskim zwiazanym ˛ z ta˛ przestrzenia˛ lub X = L1 T , 2T , ν; Lp (Ω, F) i N jest tzw. rynkiem przeliczalnym dla dowolnego p ≥ 1. B˛edziemy też zakładać, że rozważany rynek amerykański J jest pozbawiony możliwości uogólnionego arbitrażu. Przez j b˛edziemy oznaczać zwiazany ˛ z J rynek europejski. ˛ Podamy definicje funkcjonałów cen zabezpieczenia opcji europejskich i amerykańskich, rozszerzajac podejście z podrozdziału 1.6. Najpierw wprowadzimy notacj˛e S = {τ − moment stopu : S t = {τ ∈ S : τ ∈ I p.n.}, τ ≥ t p.n.}, t ∈ I. Opcja˛ europejska˛ nazwiemy par˛e (A, η), gdzie A ∈ L0 (Ω, Fη ) jest wypłata,˛ η ∈ S jest momentem wykonania oraz Aδη ∈ Γ. Ten ostatni warunek nakłada dodatkowe ograniczenie na zmienna˛ A, zależne od przestrzeni Γ, np. A ∈ Lp (Ω, Fη ) dla ustalonego p ≥ 1 w przypadku rynku przeliczalnego. Nie wymagamy, aby wypłata była zmienna˛ dodatnia,˛ co było konieczne w dowodzie twierdzenia 1.34. DEFINICJA 2.7. Europejskim funkcjonałem ceny w momencie 0 nazywamy Πe0 (A, η) = inf{c ∈ R : −cδ0 + Aδη ∈ j − Γ+ }, gdzie domkni˛ecie bierzemy w normie X. Przypomnijmy, że Πe0 (A, τ ) jest minimalna˛ cena˛ zabezpieczenia. DEFINICJA 2.8. Opcja˛ amerykańska˛ nazywamy rodzin˛e A(t) t∈I , gdzie A(η)δη ∈ Γ dla dowolnego momentu stopu η ∈ S. Tutaj, podobnie jak dla opcji europejskiej, warunek A(η)δη ∈ Γ nakłada ograniczenia zwiazane ˛ z mierzalnościa˛ i całkowalnościa,˛ tzn. A(η) ∈ Lp (Ω, Fη ) dla ustalonego p ≥ 1. Ponadto, w zależności od Γ ograniczenia te moga˛ obejmować wi˛ecej warunków. DEFINICJA 2.9. Amerykańskim funkcjonałem ceny w momencie 0 nazywamy X Πa0 (A) = inf{c ∈ R : − cδ0 + A(t)δt ζ(t) ∈ J − Σ+ }, t∈I gdzie domkni˛ecie bierzemy w normie N . Tutaj podobnie jak w przypadku europejskim, Πa0 (A) jest cena˛ zabezpieczenia tzn. X − Πa0 (A) + A(t)δt ζ(t) ∈ J − Σ+ . t∈I 41 2.3. WYCENA OPCJI AMERYKAŃSKICH Zakładaliśmy, że filtracja jest trywialna w 0, czyli zarówno europejska jak i amerykańska cena zabezpieczenia sa˛ liczbami. Moga˛ one być ujemne, bo dopuszczamy ujemne wypłaty. Ze wzgl˛edów arbitrażowych cena opcji amerykańskiej musi być nie mniejsza niż cena każdej z wy płat europejskich A(η), η , η ∈ S. Wykażemy teraz, że jest to prawdziwy fakt w naszym modelu. W tym celu wprowadzimy dodatkowe założenie, które gwarantuje odpowiednie mieszanie strategii, naturalne z punktu widzenia gracza rynkowego. (COH2) Dla dowolnych t1 < t2 ∈ I, B ∈ Ft1 i σ ∈ J X σ(t)ζ(t) + 1B σ(t1 ) + 1B c σ(t2 ) ζ(t1 ) ∈ J. t6=t1 Czyli dowolna˛ możliwość inwestycyjna˛ σ ∈ J możemy zmodyfikować zmieniajac ˛ σ(t1 ) na σ(t2 ) na Ft1 -mierzalnym zdarzeniu, jeśli tylko t1 < t2 . Zauważmy, że dowolna taka zmiana nie wyprowadza nas ze zbioru Σ. LEMAT 2.10. Niech A(t) t∈I b˛edzie opcja˛ amerykańska,˛ zaś rynek J spełnia założenie (COH2). Wtedy sup Πe0 A(η), η ≤ Πa0 (A). η∈S Dowód. Pokażemy, że Πe0 A(η), η ≤ Πa0 (A) dla dowolnego η ∈ S. Zaczniemy od przypadku, gdy η przyjmuje dwie wartości, łatwo rozszerzymy do dowolnej skończonej liczby wartości, by w końcu w granicy dostać dla dowolnego η ∈ S, który, przypomnijmy, ma przeliczalna˛ liczb˛ e wartości. P Oznaczmy c = Πa0 (A) i weźmy ciag ˛ σn ∈ J −Σ+ zbieżny do t∈I ζ(t) −cδ0 +A(t)δt . Oznaczmy wartości przyjmowane przez η przez t1 ≤ t2 . Zdefiniujmy B = {η = t1 } oraz γn = 1B σn (t1 ) + 1B c σn (t2 ). Na mocy założenia (COH2) mamy γn ∈ j dla każdego n ∈ N. Ponadto γn → −cδ0 + 1B A(t1 )δt1 + 1B c A(t2 )δt2 , wi˛ec c ≥ Πe0 A(η), η . Podobnie pokazujemy ta˛ nierówność dla η o dowolnej skończonej liczbie wartości. Weźmy η ∈ S o przeliczalnej i nieskończonej liczbie wartości {q1 , q2 , q3 , . . .}. Niech qn∗ = max(q1 , . . . , qn ), n ∈ N. Konstruujemy ciag ˛ momentów stopu ηn ∈ S, które sa˛ obci˛eciem η do n pierwszych wartości. Cała˛ mas˛e z pozostałych wartości przenosimy na qn∗ : ηn = n X i=1 1η=qi qi + ∞ X 1η=qi qn∗ , n ∈ N. i=n+1 Możemy skorzystać z poprzednich wyników, gdyż ηn ma skończona˛ liczb˛e wartości. Mamy wi˛ec e a Π0 A(ηn ), ηn ≤ Π0 (A) dla n ∈ N. Połóżmy An = A(ηn )1η6=q1 ,...qn i zauważmy, że An jest Fηn mierzalna oraz Πe0 An , ηn ≤ Πe0 A(ηn ), ηn . Niech an = Πe0 An , ηn . Ciag ˛ (an )n∈N jest rosnacy ˛ i ograniczony z góry, gdyż An = An+1 na supp An . A zatem istnieje granica a, która spełnia −an δ0 + An δηn → −aδ0 + A(η)δη w X. Zbieżność ta jest wynikiem tego, że (An ) jest majoryzowany przez A(η) (jest obci˛eciem A(η) do podzbiorów Ω). Zatem −aδ0 + A(η)δη ∈ j oraz a ≥ Πe0 A(η), η . Oczywiście a ≤ Πa0 (A), gdyz an ≤ Πa0 (A). Stad ˛ Πe0 A(η), η ≤ Πa0 (A). 42 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Nasze dalsze badania skupia˛ si˛e na tym, aby podać warunki dostateczne, by zachodziła równość sup Πe0 A(η), η = Πa0 (A). η∈S Rynek rozszerzony Ograniczymy si˛e teraz tylko do rozważania rynku przeliczalnego N dla p ≥ 1. Wprowadzimy amerykańskie i europejskie funkcjonały ceny dla dowolnych t ∈ I. B˛edzie to wymagało rozszerzenia istniejacego ˛ modelu rynku, gdyż obecny model nie pozwala na wyróżnienie tych inwestycji, które zaczynaja˛ si˛e po ustalonym momencie t. To, że inwestycja ma zerowe przepływy przed t nie znaczy wcale, że decyzja o jej rozpocz˛eciu nie została podj˛eta przed t. Wyobraźmy sobie, że w momencie s < t pożyczamy z banku pieniadze ˛ i inwestujemy je w akcje. W t sprzedajemy akcje i oddajemy pożyczk˛e. Jedyny przepływ pieni˛eżny dokonany został w t, lecz już dużo wcześniej rozpocz˛eliśmy inwestycj˛e. Dla każdego momentu t ∈ I ∗ = I ∪ {0} określimy, jakie inwestycje rozpoczynaja˛ si˛e po t. DEFINICJA 2.11. Rodzin˛e J s s∈I ∗ nazywamy amerykańskim rozszerzonym rynkiem, jeśli i) J s jest rynkiem amerykańskim dla s ∈ I ∗ , ii) J t ⊆ J s dla s, t ∈ I ∗ , s ≤ t, S iii) s∈I ∗ J s = J 0 = J, iv) σ(t) = 0 ∀σ ∈ J s , ∀t ∈ I ∗ , [0,s) v) J s spełnia założenie (COH2), s ∈ I ∗ , vi) (COH3) ∀s, s̃, t ∈ I ∗ s ≤ t ∀σ, σ̃ ∈ J t σ + σ̃(s̃) − σ(s) ζ(s) ∈ J t . Zauważmy, że decyzja, czy zastosować strategi˛e σ(s) dla s < t jest podj˛eta przed t. Zatem współrz˛edne o numerach mniejszych od t sa˛ niezależne od siebie i moga˛ być zmieniane niezależnie od pozostałych współrz˛ednych. Wynika to z definicji przestrzeni Σ. Warunek (COH3) jest zatem tylko rozszerzeniem warunku (COH1) i jest odpowiedzialny za mieszanie strategii. Z rozszerzonym rynkiem amerykańskim wiażemy ˛ odpowiedni rozszerzony rynek europejski. Ro dzina J s s∈I ∗ definiuje rodzin˛e rynków europejskich j s s∈I ∗ . Na rozszerzonych rynkach definiujemy zbiory strategii arbitrażowych Σs+ = {σ ∈ Σ+ : σ(t)[0,s) = 0 ∀t ∈ I}, Γs+ = {γ ∈ γ+ : γ [0,s) = 0}. Zauważmy, że rodzina J s − Σs+ zanym z J s − Σs+ jest j s − Γs+ . s∈I ∗ spełnia warunki i) – vi) definicji 2.11. Ponadto rynkiem zwia˛ DEFINICJA 2.12. Europejskim funkcjonałem ceny w chwili s ∈ I ∗ opcji (A, η) dla η ∈ S s , nazywamy Πes (A, η) = essinf C ∈ Lp (Ω, Fs ) : −Cδs + Aδη ∈ j s − Γs+ , stosujac ˛ konwencj˛e essinf ∅ = ∞. 43 2.3. WYCENA OPCJI AMERYKAŃSKICH DEFINICJA 2.13. Amerykańskim funkcjonałem ceny w chwili s ∈ I ∗ opcji A(t) t∈I nazywamy X Πas (A) = essinf C ∈ Lp (Ω, Fs ) : − Cδs + A(t)δt ζ(t) ∈ J s − Σs+ t∈I∩[s,∞) stosujac ˛ konwencj˛e essinf ∅ = ∞. W dalszym ciagu ˛ rozdziału b˛edziemy zakładać, że spełniony jest warunek (BND) cena Πes (A, η) jest nieskończona albo należy do Lp (Ω, Fs ) dla każdej opcji europejskiej (A, η) i s ∈ I, takiego że s ≤ η p.n. Całkowalność ceny nie jest ograniczajaca, ˛ ponieważ zapewnia ona, że nie można wziać ˛ nieskończop nego (w sensie przestrzeni L ) kredytu pod zastaw skończonej przyszłej wypłaty. Wykażemy teraz, że Πes (A, η) jest cena˛ zabezpieczenia opcji (A, η). Najpierw udowodnimy pomocniczy lemat LEMAT 2.14. Dla dowolnych γ1 , γ2 ∈ j s − Γs+ , B ∈ Fs 1B γ1 + 1B c γ2 ∈ j s − Γs+ . Dowód. Z definicji zwiazanego ˛ rynku europejskiego wynika, że X X σ1 = γ1 ζ(t) ∈ J s − Σs+ oraz σ2 = γ2 ζ(t) ∈ J s − Σs+ . t∈I t∈I Na mocy (COH3) σ3 = X γ2 ζ(t) + γ1 ζ(s) ∈ J s − Σs+ . t6=s Na mocy (COH2) σ= X γ2 ζ(t) + 1B γ1 + 1B c γ2 ζ(s) ∈ J s − Σs+ . t6=s Zatem σ(s) ∈ j s − Γs+ . LEMAT 2.15. Niech s ∈ I ∗ i niech (A, η) b˛edzie opcja˛ europejska,˛ której moment wykonania spełnia warunek η ∈ S s . Cena Πes (A, η), jeśli jest skończona, jest cena˛ zabezpieczenia, tzn. −Πes (A, τ )δs + Aδη ∈ j s − Γs+ . Dowód. W dowodzie wykorzystujemy fakt, że rodzina A = C ∈ Lp (Ω, Fs ) : −Cδs + Aδη ∈ j s − Γs+ jest scentrowana w dół. Aby to udowodnić, weźmy C1 , C2 ∈ A i połóżmy C = min(C1 , C2 ). Na mocy lematu 2.14 1C1 ≤C2 − C1 δs + Aδη + 1C2 <C1 − C2 δs + Aδη ∈ j s − Γs+ . Zatem C ∈ A. Istnieje zatem ciag ˛ nierosnacy ˛ (Cn )n∈N ⊆ A zbieżny punktowo do C = essinf A. Z ograniczoności (z góry C1 , z dołu C), zbieżność ta zachodzi również w Lp (Ω, Fs , P). Czyli −Cn δs + Aδη zbiega w X do −Cδs + Aδη , co dowodzi, że C ∈ A, czyli jest cena˛ zabezpieczenia. Można także pokazać, że Πas (A) jest cena˛ zabezpieczenia opcji amerykańskiej, lecz nie b˛edziemy potrzebowali tego faktu w dalszych rozważaniach. 44 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Brak kosztów transakcji Na rynku zupełnym dowodzi si˛e, że cena opcji amerykańskiej jest równa supη∈S E Q A(η), gdzie Q jest jedyna˛ miara˛ martyngałowa˛ dla zdyskontowanych procesów cen. Tutaj wykażemy analogiczna˛ własność sup Πe0 A(τ ), τ = Πa0 (A) τ ∈S pod warunkiem, że na rynku nie ma kosztów transakcji. Nasze rozumowanie jest podobne do wyprowadzenia ceny opcji amerykańskiej w zupełnym modelu z czasem dyskretnym. DEFINICJA 2.16. Rozszerzony rynek amerykański (J s )s∈I ∗ spełnia założenie NTC (brak kosztów transakcji), jeśli dla każdego t, s ∈ I ∗ , t ≥ s oraz σ ∈ J s − Σs+ istnieja˛ σ1 ∈ J s − Σs+ i σ2 ∈ J t − Σt+ , takie że σ = σ1 + σ2 oraz σ1 (r)(t,∞) = 0 ∀r ∈ I ∗ . Własność NTC od razu wymusza podobne zachowanie zwiazanego ˛ rozszerzonego rynku europej∗ s s skiego: dla dowolnych t, s ∈ I , t ≥ s i γ ∈ j − Γ+ istnieja˛ γ1 ∈ j s − Γs+ i γ2 ∈ j t − Γt+ takie że γ = γ1 + γ2 oraz γ1 (t,∞) = 0. TWIERDZENIE 2.17. Jeśli I jest zbiorem skończonym i rynek amerykański J s )s∈I ∗ spełnia NTC, to Πa0 (A) = sup Πe0 A(η), η η∈S dla dowolnej opcji amerykańskiej A(s) s∈I . Dowód tego twierdzenia składa si˛e kilku lematów. Jeśli nie zostało to zaznaczone, to w lematach tych nie b˛edziemy wymagać, by I było zbiorem skończonym. LEMAT 2.18. Niech s ∈ I i η ∈ S s . Załóżmy, że rodzina zmiennych losowych (ξk )k∈θ ⊆ Lp (Ω, Fη ) jest scentrowana w gór˛e. Jeśli esssupk∈θ ξk ∈ Lp (Ω, Fη ) i cena Πes (esssupk∈θ ξk , η) jest skończona, to Πes (esssup ξk , η) = esssup Πes (ξk , η). k∈θ k∈θ Dowód. Przypomnijmy, że Πes jest przekształceniem niemalejacym, ˛ tzn. jeśli ξ, ξ 0 ∈ Lp (Ω, Fη ), ξ ≤ ξ 0 p.n., to Πes (ξ, η) ≤ Πes (ξ 0 , η) p.n. Oznaczmy ξ ∗ = esssupk∈θ ξk . Zauważmy, że ξk ≤ ξ ∗ , k ∈ θ. Monotoniczność Πes daje Πes (ξk , η) ≤ Πes (ξ ∗ , η) p.n., czyli esssup Πes (ξk , η) ≤ Πes (ξ ∗ , η) p.n. k∈θ esssupk∈θ Πes (ξk , η) Wiemy zatem, że Wykażemy teraz, że ∈ Lp (Ω, Fs ). Πes (ξ ∗ , η) ≤ esssup Πes (ξk , η) p.n. k∈θ Z faktu, że rodzina (ξk )k∈θ jest scentrowana w gór˛e wynika istnienie ciagu ˛ (kn )n∈N ⊆ θ, takiego że ξkn % ξ ∗ punktowo i w Lp (Ω, Fη ) z twierdzenia o zbieżności zmajoryzowanej. Stad ˛ Cn = Πes (ξkn , η) 45 2.3. WYCENA OPCJI AMERYKAŃSKICH jest niemalejacym ˛ ciagiem ˛ zmiennych losowych majoryzowanych przez esssupk∈θ Πes (ξk , η). A zatem Cn jest zbieżny punktowo i, na mocy twierdzenia o zbieżności majoryzowanej, w Lp (Ω, Fs ). Dostajemy −Cn δs + ξkn δη → − lim Cn δs + ξ ∗ δη w X. n→∞ Czyli Πes (ξ ∗ , η) ≤ lim Cn ≤ esssup Πes (ξk , η). n→∞ k∈θ LEMAT 2.19. Załóżmy, że rozszerzony rynek amerykański spełnia założenie NTC. Dla s, t ∈ I ∗ , t ≤ s, η ∈ S t i A ∈ Lp (Ω, Fη ), takich że Πet (A, η) jest skończone, Πet A, η = Πet 1η<s A + Πes (1η≥s A, η ∨ s), η ∧ s . Dowód. Oznaczmy C = Πet A, η . Na mocy definicji ceny zabezpieczenia, z warunku, że C jest skończone wynika, że C ∈ Lp (Ω, Ft ). Na mocy lematu 2.15 mamy −Cδt + Aδη ∈ j s − Γs+ . Na mocy założenia NTC istnieje W ∈ Lp (Ω, Fs ), takie że −Cδt + Aδη = γ1 + γ2 , gdzie γ1 = −Cδt + 1η<s Aδη + 1η≥s W δs ∈ j t − Γt+ , γ2 = 1η≥s − W δs + Aδη ∈ j s − Γs+ . Stad ˛ W ≥ Πes 1η≥sA, η ∨ s . Możemy zatem wziać ˛ W = Πes 1η≥s A, η ∨ s . Z lematu 2.14 wynika, że Πes 1η≥s A, η ∨ s = 1η≥s Πes 1η≥s A, η ∨ s . Z definicji funkcjonału ceny i z postaci γ1 mamy C ≥ Πet 1η<s A + 1η≥s W , η ∧ s . Oznaczmy C1 = Πet 1η<s A + 1η≥s W , η ∧ s i zauważmy, że − C1 δt + 1η<s Aδη + 1η≥s W δs + 1η≥s − W δs + Aδη = −C1 δt + Aδη , co dowodzi C1 = C, z definicji C. ∗ LEMAT 2.20. Załóżmy, że rozszerzony rynek amerykański spełnia założenie NTC. Dla s, t ∈ I , t ≤ s i opcji amerykańskiej A(t) t∈I połóżmy Â(r) ≡ Y (r), r < s, Â(s) = esssup Πes A(η), η . η∈S s Jeśli Â(s) ∈ Lp (Ω, Fs ) i Πes Â(ϑ), ϑ < ∞ dla ϑ ∈ S t , ϑ ≤ s, to esssup Πet A(η), η = esssup Πes Â(ϑ), ϑ . η∈S t ϑ∈S t ,ϑ≤s 46 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Dowód. Ustalmy η ∈ S t i oznaczmy C = Πet A(η), η . Z lematu 2.19 wynika, że C = Πet 1η<s A(η) + Πes 1η≥s A(η), η ∨ s , η ∧ s . Wiemy, że Πes A(η), η ∨ s ∈ Lp (Ω, Fs ), bo Πes A(η), η ∨ s ≤ Â(s). Z lematu 2.14 wynika, że Πes 1η≥s A(η), η ∨ s = 1η≥s Πes A(η), η ∨ s . Zatem C ≤ Πet Â(η), η , co daje nam nierówność w jedna˛ stron˛e: esssup Πet A(η), η ≤ esssup Πes Â(ϑ) . η∈S t ϑ∈S t ,ϑ≤s t Do dowodu nierówności w druga˛ stron˛ e ustalmy ϑ ∈ S , ϑ ≤ s i rozważmy rodzin˛e momentów stopu t θ = η ∈ S : η ≡ ϑ na {ϑ < s} . Dla dowolnego η ∈ θ z lematu 2.19 dostajemy Πet A(η), η = Πet 1η<s A(η) + Πes 1η≥s A(η), η ∨ s , η ∧ s = Πet 1ϑ<s A(ϑ) + Πes 1ϑ=s A(η), η ∨ s , η ∧ s . Podobnie jak powyżej, z lematu 2.14 dostajemy Πes 1ϑ=s A(η), η ∨ s = 1ϑ=s Πes A(η), η ∨ s . Zauważmy także, że η ∧ s = ϑ. Na mocy lematu 2.18 esssup Πet 1ϑ<s A(ϑ) + 1ϑ=s Πes A(η), η ∨ s , ϑ η∈θ = Πet 1ϑ<s A(ϑ) + 1ϑ=s esssup Πes A(η), η ∨ s , ϑ = Πet Â(ϑ), ϑ . η∈θ Zatem Πet Â(ϑ), ϑ = esssup Πet A(η), η ≤ esssup Πet A(η), η . η∈S t η∈θ Dowód twierdzenia 2.17. Na mocy lematu 2.10 zachodzi nierówność Πa0 (A) ≥ sup Πe0 A(η), η . η∈S Jeśli prawa strona jest nieskończona, to lewa również i dostajemy równość. Skupimy si˛e zatem na e przypadku, gdy prawa strona jestpskończona. Wtedy Π0 A(η), ηs sa˛ jednostajnie ograniczone dla e η ∈ S. Ponadto Πs A(η), η ∈ L (Ω, Fs ) dla dowolnego η ∈ S , s ∈ I. Wynika to z zastosowania lematu 2.19 dla t = 0 i A = A(η). Łatwo też zauważamy, że zmienne losowe typu A = esssup Πes A(η), η η∈S s sa˛ w Lp (Ω, Fs ), ponieważ A≤ X t∈I,t≥s Πes A(t), t 47 2.4. PRZYKŁAD i ze skończoności I wynika, że suma po prawej stronie zawiera skończona˛ liczb˛e składników. Dla jasności wywodu ograniczymy si˛e do przypadku, gdy I = {0, t1 , t2 }, 0 < t1 < t2 , lecz rozumowanie analogicznie przeprowadza si˛e dla dowolnego skończonego zbioru I. Połóżmy C1 = Πet1 A(t2 ), t2 ∨ A(t1 ) oraz C0 = Πe0 C1 , t1 . Z lematu 2.20 mamy C0 = supτ ∈S Πe0 A(τ ), τ . Skonstruujemy inwestycj˛e σ ∈ J − Σ+ , która zabezpieczy wypłat˛e amerykańska˛ A(t) t∈I i jej cena w 0 b˛edzie równa C0 . Połóżmy γ 1 = −C0 δ0 + C1 δt1 ∈ j 0 − Γ0+ , γ 2 = −C1 δt1 + A(t2 )δt2 ∈ j t1 − Γt+1 . Niech γn1 ∈ j 0 − Γ0+ , γn2 ∈ j t1 − Γt+1 b˛eda˛ ciagami ˛ inwestycji europejskich zbieżnych odpowiednio do γ 1 i γ 2 . Na mocy (COH3) σn = γn1 ζ(t1 ) + (γn1 + γn2 )ζ(t2 ) ∈ J − Σ+ . Stad ˛ σn → σ w N , gdzie σ = − C0 δ0 + C1 δt1 ζ(t1 ) + − C0 δ0 + A(t2 )δt2 ζ(t2 ). Dostaliśmy zatem zabezpieczenie amerykańskiej opcji (A(t))t∈I . Zauważmy, że założenie NTC jest wymagane tylko do dowodu lematu 2.19. Możemy zatem zastapić ˛ je założeniem (PD) Dla dowolnych s, t ∈ I ∗ , t ≤ s, η ∈ S t i A ∈ Lp (Ω, Fη ) Πet A, η = Πet 1η<s A + Πes (1η≥s A, η ∨ s), η ∧ s . Zwróćmy też uwag˛e, że w dowodach przedstawionych powyżej faktów nie korzystaliśmy z założenia o braku arbitrażu. Oznacza to, że nasze wyniki sa˛ prawdziwe nawet dla rynków, na których istnieje możliwość arbitrażu. Nie było to możliwe do osiagni˛ ˛ ecia w przypadku innych sposobów modelowania. 2.4. Przykład Niech T b˛edzie co najwyżej przeliczalnym podzbiorem [0, ∞), I dowolnym podzbiorem T , zaś p ≥ 1. Ustalmy przestrzeń probabilistyczna˛ Ω, F, P) z filtracja˛ (Ft )t∈T . Ograniczymy si˛e do tzw. modelu przeliczalnego dla p. Na rynku dana jest rodzina adaptowanych procesów stochastycznych (S α )α∈A , reprezentujacych ˛ ceny papierów wartościowych. Dyskusj˛e o możliwych papierach wartościowych odłożymy na później. Tutaj wspomnijmy tylko, że nie dokonujemy żadnych założeń co do liczności zbioru indeksów A. Zakładamy jedynie, że S α (η) ∈ Lp (Ω, Fη ) dla dowolnego α ∈ A, η ∈ S̃, gdzie S̃ jest zbiorem momentów stopu o wartościach w T . Przez S̃ s , s ∈ I ∗ , oznaczymy zbiór momentów stopu η ∈ S̃ nie mniejszych od s. Wprowadzamy ograniczenia na skład portfela poprzez wybranie wypukłego dodatniego stożka C ⊆ RA . Zakładamy, że jedna transakcja może dotyczyć skończonej liczby papierów. Skonstruujemy rynek amerykański z ograniczeniami na skład portfela. Idea konstrukcji jest prosta, jednak b˛edzie wymagała skomplikowanych oznaczeń. Niech Θ(η), gdzie η ∈ S̃, oznacza zbiór funkcji θ : A → L∞ (Ω, Fη ) o nast˛epujacych ˛ własnościach: 48 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH i) θ(α) = 0 p.n. poza skończona˛ liczba˛ argumentów α ∈ A, ii) θ(α), α ∈ A ∈ C p.n. Jest to zbiór możliwych transakcji w momencie η. Konstrukcj˛ e rynku z ograniczeniami J s podzielimy na dwie cz˛eści. Zgodnie z definicja,˛ jeśli σ ∈ s ˛ zaś współrz˛edne σ(t), J , to σ [0,s) ≡ 0 i współrz˛edne σ(t), t ∈ I ∩ [0, s] nie sa˛ ze soba˛ zwiazane, s t ∈ I ∩ (s, ∞) sa˛ ograniczone wi˛ezami uj˛etymi w Σ. Zbiór Y odpowiada za pierwszy z powyższych przypadków, zaś X s – za drugi. Zbiór X s , s ∈ I ∗ , zawiera funkcje ∆ : I ∩ (s, ∞) → S̃ s × S̃ s × Θ(∞) o nast˛epujacych ˛ własnościach: przyjmujac ˛ oznaczenie współrz˛ednych ∆(u) = (ηu , ϑu , θu ), u ∈ I ∩ (s, ∞), dla u, v ∈ I ∩ (s, ∞) θu ∈ Θ(ηu ), ηu < ϑu , ηu = ηv , θu = θv na {ηu < u} ∪ {ηv < u}, ϑu = ϑv na {ϑu < u} ∪ {ϑv < u}. Z elementem zbioru X s zwiażemy ˛ amerykańska˛ możliwość inwestycyjna˛ σ, która na współrz˛ednej t > s b˛edzie miała wynik strategii inwestycyjnej polegajacej ˛ na zakupie portfela θt w momencie ηt i sprzedaży w momencie ϑt . Analogicznie b˛edziemy interpretować zbiór Y s , s ∈ I ∗ , który zawiera funkcje ∆ : I ∩ [0, s] → S̃ s × S̃ s × Θ(∞) o nast˛epujacych ˛ własnościach: przyjmujac ˛ oznaczenie współrz˛ednych ∆(u) = (ηu , ϑu , θu ), u ∈ I ∩ [0, s], θu ∈ Θ(ηu ), ηu < ϑu . Rynek amerykański J s , s ∈ I ∗ , jest najmniejszym wypukłym dodatnim stożkiem zawierajacym ˛ inwestycje X X θ(t)(α) S α (ϑt )δϑt − S α (ηt )δηt ζ(t), (ηt , ϑt , θt ) ∈ X s , t∈I∩(s,∞) α∈A X X θ(t)(α) S α (ϑt )δϑt − S α (ηt )δηt ζ(t), (ηt , ϑt , θt ) ∈ Y s . t∈I∩[0,s] α∈A P RZYKŁAD 2.2 (Model ilustracyjny c.d.). Jak wspomnieliśmy, model ilustracyjny jest identyczny z modelem przeliczalnym T = I = {0, 1, 2, 3}. Przypomnijmy, że każda inwestycja amerykańska σ w tym modelu ma zapis σ(i) = γ0i δ0 + γ1i δ1 + γ2i δ2 + γ3i δ3 , i ∈ I. Ustalmy także dla uproszczenia A = {1, 2} i dodatni wypukły stożek C ⊆ R2 . Rozszerzony rynek amerykański składa si˛e z czterech cz˛eści: J 0 , J 1 , J 2 i J 3 . Ostatnia z nich jest trywialna, składa si˛e z jednego elementu zerowego. Przedstawimy w detalach konstrukcj˛e J 1 . Odpowiednikiem inwestycji generowanych przez X 1 jest zbiór σ ∈ Σ o nast˛epujacych ˛ własnościach: γj0 = γj1 = 0, j = 0, 1, 2, 3, γ12 = γ13 = −θ(1)S 1 (1) − θ(2)S 2 (1), γk2 = γk3 = θ(1)S 1 (k) + θ(2)S 2 (k) 49 2.4. PRZYKŁAD dla k ∈ {2, 3}, θ ∈ L∞ (Ω, F1 ; C) lub γji = 0, i, j ∈ I, poza γ2k = −θ(1)S 1 (2) − θ(2)S 2 (2), γ3k = θ(1)S 1 (3) + θ(2)S 2 (3) dla k ∈ {2, 3}, θ ∈ L∞ (Ω, F2 ; C). Inwestycjom zwiazanych ˛ ze zbiorem Y 1 odpowiadaja˛ σ ∈ Σ o wszystkich elementach zerowych poza γki = −θ(1)S 1 (k) − θ(2)S 2 (k), γli = θ(1)S 1 (l) + θ(2)S 2 (l) dla k, l, i ∈ I, 1 ≤ k < l, θ ∈ L∞ (Ω, Fl ; C). Jeśli I oraz A sa˛ zbiorami skończonymi, to rynek możemy zdefiniować prościej. Weźmy s ∈ I ∗ . Wtedy J s jest najmniejszym wypukłym dodatnim stożkiem zawierajacym ˛ [ J t, t∈I∩(t,∞) γζ(t), γ ∈ Ξ(s), t ∈ I ∩ [0, s], X γζ(u), γ ∈ Ξ(s), t ≥ s, u∈I∩(t,∞) gdzie Ξ(s) = nX θ(α) S α (ϑ)δϑ − S α (η)δη : η, ϑ ∈ S̃ s , η < ϑ, θ ∈ L∞ (Ω, Fη , C) , α∈A gdzie ograniczenie C traktujemy jako podzbiór przestrzeni euklidesowej RA . Oznaczmy skonstruowany powyżej model przez J (S α )α∈A , C . Model ten jest bardzo ogólny. Obejmuje on instrumenty bazowe b˛edace ˛ akcjami lub obligacjami z ryzykiem bankructwa, rachunki bankowe. Możemy także uwzgl˛ednić inwestycje w opcje z możliwościa˛ ich sprzedaży lub nie. Zauważmy też, że zaprezentowany model pozwala na rozważanie różnych stóp lokat i pożyczek bankowych. LEMAT 2.21. Rodzina J (S α )α∈A , C jest rozszerzonym rynkiem amerykańskim. Dowód tego faktu jest natychmiastowy. Udowodnimy teraz warunek (PD). TWIERDZENIE 2.22. Jeśli ceny akcji sa˛ nieujemne oraz C ⊆ [0, ∞)A , to na rynku J (S α )α∈A , C spełniony jest warunek (PD) Πet A, η = Πet 1η<s A + Πes (1η≥s A, η ∨ s), η ∧ s , s, t ∈ I, s > t, η ∈ S t dla wypłat o tej własności, że Πes (A, η) < ∞. Dowód. Jeśli lewa strona warunku (PD) jest nieskończona, to równość jest natychmiastowa. Załóżmy zatem, że Πet A, η jest skończona. W dowodzie b˛edziemy korzystać z tego, że działamy w modelu przeliczalnym, w którym zbieżność γn do γ jest silnie zwiazana ˛ ze zbieżnościa˛ w Lp (Ω, Ft ) przepływów γn (t) w chwili t ∈ T inwestycji γn do γ(t). 50 ROZDZIAŁ 2. MODELOWANIE I WYCENA OPCJI AMERYKAŃSKICH Na podstawie dowodu lematu 2.19 widać, że w celu dowiedzenia (PD) konieczne jest udowodnienie warunku NTC dla inwestycji postaci −Cδt + Aδη . Ustalmy t ∈ T i s ∈ I ∗ , s > t, s ≤ η ˛ zbieżnym do γ. Możep.n. Niech γ = −Cδt + Aδη ∈ j s − Γs+ , zaś γn ∈ j s − Γs+ b˛edzie ciagiem my znaleźć dekompozycj˛e γn na sum˛e φn + ψn spełniajac ˛ a˛ założenia podane w warunku NTC, tzn. φn ∈ j t − Γt+ , ψn ∈ j s − Γs+ i φ|(s,∞) ≡ 0. Oznaczmy przez wn ∈ Lp (Ω, Fs ) przepływ pieni˛eżny w chwili s w inwestycji φn , zaś przez vn ∈ Lp (Ω, Fs ) przepływ pieni˛eżny w chwili s w inwestycji ψn . Oczywiście wn + vn jest równe przepływowi w chwili s strategii γn , czyli suma ta daży ˛ do 0 w Lp (Ω, Fs ). Co wi˛ecej, vn jest zmienna˛ losowa˛ niedodatnia,˛ gdyż na mocy założeń na rynku nie ma możliwości zadłużania si˛e. Połóżmy v = −Πes (A, η) i B = {vn < v}. Inwestycja ψn∗ = 1B (vδs + Aδη ) + 1B c γn należy do j s − Γs+ . Jej przepływ w momencie s wynosi vn∗ = 1B v+1B c vn . Zmodyfikujmy inwestycje φn kładac ˛ φ∗n = φn + (vn − vn∗ )δs . Ponieważ vn − vn∗ ≤ 0, to φ∗n ∈ j t − Γt+ . ∗ , . . .) Na mocy lematu A1.1 z pracy Delbaen, Schachermayer [7] istnieje ciag ˛ ṽn∗ ∈ conv(vn∗ , vn+1 zbieżny punktowo i w Lp (Ω, Fs ) do pewnej zmiennej losowej ṽ ∗ . Weźmy identyczne kombinacje wypukłe strategii ψn∗ i φ∗n , i oznaczmy je odpowiednio przez ψ̃n∗ , φ̃∗n . Wtedy ψ̃n∗ → ṽ ∗ δs + Aδη (2.1) oraz φ̃∗n → −Cδt − v ∗ δs , bo przepływ w momencie s inwestycji φ∗n wynosi wn +vn −vn∗ , zaś wn +vn daży ˛ do zera w Lp (Ω, Fs ). Zauważmy, że z powyższego dowodu wynika, iż ṽ ∗ = −Πes (A, η). Z konstrukcji wynika, że 0 ≥ vn∗ ≥ −Πes (A, η), czyli ṽ ∗ spełnia te same nierówności. Jednak z (2.1) mamy ṽ ∗ ≤ −Πes (A, η). Rozdział 3 Sterowanie impulsowe Sterowanie impulsowe procesów Markowa zostało wprowadzone w pracy Bensoussana i Lionsa [2]. Jest ono jednym z najcz˛eściej stosowanych sposobów sterowania stochastycznego. Polega na zmianie stanu sterowanego procesu Markowa Y (t) w momentach stopu τ1 , τ2 , . . .. Zmiana ta zależy tylko od historii procesu. Celem sterowania jest maksymalizacja lub minimalizacja funkcjonału zależnego od trajektorii procesu i sterowania. W tym rozdziale skupimy si˛e na jednym typie funkcjonału. Rozważania rozpocznijmy jednak od wprowadzenia poj˛eć. 3.1. Procesy Markowa Rozważmy przestrzeń mierzalna˛ (Ω, F), która b˛edzie pełnić rol˛e bazy dla kolekcji przestrzni probabilistycznych. W tej przestrzeni wprowadzamy filtracj˛e, czyli rosnac ˛ a˛ rodzin˛e σ-ciał zawartych w F. Niech (E, E) b˛edzie przestrzenia˛ metryczna˛ ośrodkowa˛ z σ-ciałem zbiorów borelowskich oznaczanym E. Nazwiemy ja˛ przestrzenia˛ stanów. DEFINICJA 3.1. Procesem Markowa nazywamy rodzin˛e Ω, F, Ft , X(t), θt , Px spełniajac ˛ a˛ nast˛epujace ˛ warunki: i) X : R+ × Ω → E jest procesem adaptowanym, ii) (Px )x∈E jest rodzina˛ miar probabilistycznych na (Ω, F), iii) funkcja x 7→ Px X(t) ∈ B jest mierzalna dla dowolnego B ∈ E i t ∈ R+ , iv) θt : Ω → Ω, zwany operatorem przesuni˛ecia lub translacji, spełnia X(t) ◦ θh (ω) = X(t + h)(ω) dla t, h ∈ R+ i ω ∈ Ω (jednorodność w czasie), v) Px X(t + s) ∈ B|Ft = PX(t) X(s) ∈ B dla x ∈ E, B ∈ E oraz t, s ∈ R+ (własność Markowa), vi) F, (Ft ) sa˛ uniwersalnie zupełne. Cz˛esto rozważana˛ baza˛ procesu Markowa jest przestrzeń Ω składajaca ˛ si˛e ze wszystkich funkcji RCLL (prawostronnie ciagłych ˛ z lewostronnymi granicami) z R+ do Rd . Wtedy (E, E) = Rd , B(Rd ) oraz X(t)(ω) = ω(t) dla (t, ω) ∈ R+ × Ω. Na Ω zadajemy filtracj˛e wzorem Ft0 = σ ω(s) : s ≤ t , t ∈ R+ i uzupełniamy uniwersalnie dostajac ˛ Ft . Oczywiście F jest uzupełnieniem uniwersalnym σ-ciała geS nerowanego przez t∈R+ Ft . 51 52 ROZDZIAŁ 3. STEROWANIE IMPULSOWE W dalszej cz˛eści rozdziału odwołujac ˛ si˛e do procesu Markowa nie b˛edziemy przytaczać całej rodziny obiektów, które go tworza,˛ lecz ograniczymy si˛e tylko do oznaczenia X(t). Wprowadzimy teraz mocniejsza˛ wersj˛e własności Markowa. DEFINICJA 3.2. Proces Markowa X(t) ma silna˛ własność Markowa, jeśli Px X(τ + s) ∈ B|Fτ = PX(τ ) X(s) ∈ B dla momentu stopu τ , liczby s ∈ R+ , x ∈ E oraz B ∈ E. Wprowadźmy teraz kilka oznaczeń. Załóżmy, że E jest przestrzenia˛ metryczna.˛ Niech C(E), Cb (E), C0 (E) oznaczaja˛ rodziny funkcji z E do R odpowiednio ciagłych, ˛ ciagłych ˛ ograniczonych i ciagłych, ˛ ograniczonych, znikajacych ˛ w nieskończoności. Z każdym procesem Markowa powiazana ˛ jest półgrupa przejścia. Z własności Markowa wynika, że zdefiniowany poniżej operator ma rzeczywiście własność półgrupy. DEFINICJA 3.3. Półgrupa przejścia (Pt )t∈R+ procesu Markowa X(t) dana jest wzorem Pt f (x) = E x f X(t) , x ∈ E, gdzie f : E → R jest ograniczona˛ funkcja˛ mierzalna,˛ zaś E x jest operatorem wartości oczekiwanej zwiazanym ˛ z miara˛ Px . Nast˛epna definicja wprowadza rodzin˛e procesów Fellera, którymi b˛edziemy zajmować si˛e w tym rozdziale. DEFINICJA 3.4. Procesem Fellera nazywamy taki proces Markowa, którego półgrupa przejścia (Pt )t∈R+ przekształca C0 (E) w C0 (E) i jest C0 ciagła ˛ tzn. kPt f − f k → 0, gdy t → 0, f ∈ C0 (E). Fellerowskość jest rodzajem ciagłości ˛ procesu. Intuicyjnie, proces z dużym prawdopodobieństwem zostaje w określonym otoczeniu punktu startowego przez krótki, ale deterministyczny czas. Własność C0 ciagłości ˛ jest implikowana przez nieco słabszy warunek (patrz Rogers, Williams [26], lemat III.6.7) lim Pt f (x) = f (x), x ∈ E, f ∈ C0 (E). t→0 Dowodu poniższego twierdzenia należy szukać w monografii Dynkina [9]. Znajduje si˛e on także w Rogers, Williams [26] III.7 i III.11. Udowodnienie istnienia modyfikacji RCLL wymaga skorzystania z zupełności filtracji. TWIERDZENIE 3.5. Proces Fellera posiada modyfikacj˛e o trajektoriach RCLL, która i) ma silna˛ własność Markowa, ii) jest quasi-lewostronnie ciagła. ˛ W obliczu powyższego twierdzenia w dalszych rozważaniach b˛edziemy zakładać, że operujemy na modyfikacji procesu Fellera z trajektoriami RCLL, tzn. każdy proces Fellera bedzie miał trajektorie RCLL. Zauważmy ponadto, że filtracja generowana przez proces Markowa b˛edzie prawostronnie ciagła. ˛ 53 3.2. STEROWANIE 3.2. Sterowanie W tym podrozdziale wprowadzimy poj˛ecie sterowania, funkcjonału celu i funkcji wartości. Ograniczymy si˛e do szczególnej postaci sterowania, dzi˛eki czemu nie b˛edziemy zmuszeni do żmudnych konstrukcji procesu odpowiedzi na sterowanie (patrz Robin [25]). Nie b˛edzie to jednak wpływało na ogólność prezentowanych wyników, a jedynie uprości notacj˛e. Ustalmy proces Markowa Ω, F, Ft , X(t), θt , Px . Nie b˛edziemy nim bezpośrednio sterować, znieniajac ˛ jego stan, jak to si˛e dzieje w ogólnym podejściu. Nasze sterowanie b˛edzie zewn˛etrznym elementem. Niech Y = (N , X) b˛edzie procesem Markowa, którego pierwsza współrz˛edna jest stała, zaś druga jest równa X. Sterowanie b˛edzie dokonywało zmiany tylko pierwszej współrz˛ednej, która de facto pełni funkcj˛e przechowywania ostatniej decyzji. DEFINICJA 3.6. Sterowaniem Π nazywamy ciag ˛ par (Ni , τi )i∈N spełniajacych ˛ nast˛epujace ˛ warunki: i) τi jest momentem stopu, ii) τi ≤ τi+1 dla i ∈ N, iii) limi→∞ τi = ∞ PX(0) -p.n., iii) Ni jest Fτi -mierzalna˛ zmienna˛ losowa˛ o wartościach w E, iv) τ0 = 0, N0 jest deterministyczna˛ wartościa.˛ Zauważmy, że zbiór sterowań zależy od warunku poczatkowego ˛ X(0) dla procesu X. Formalnie odpowiedzia˛ na sterowanie Π = (Ni , τi ) jest proces Y Π (t) = N (t), X(t) , t ∈ R+ , gdzie ∞ X N (t) = 1[τi ,τi+1 ) (t)Ni . i=0 Oczywiście jest on procesem Markowa. Oznaczmy wi˛ec przez Ẽ nowa˛ przestrzeń stanów E × E z σ-ciałem produktowym Ẽ. W celu uproszczenia notacji b˛edziemy oznaczać przez Py , y = (η, x) ∈ Ẽ, miar˛e Px . Ograniczymy teraz zbiór sterowań, które b˛edziemy rozpatrywać. Z każdym punktem przestrzeni stanów zwiażemy ˛ zbiór możliwych impulsów poprzez wprowadznie funkcji Γ : Ẽ → Ẽ. A zatem z punktu y ∈ Ẽ możemy proces przesunać ˛ do dowolnego punktu ze zbioru Γ(y) i nigdzie indziej. DEFINICJA 3.7. Sterowaniem dopuszczalnym Π = (Ni , τi ) dla y = (η, x) ∈ Ẽ nazywamy sterowanie, takie że N0 = η i Py Ni ∈ Γ Ni−1 , X(τi ) = 1. Zbiór wszystkich sterowań dopuszczalnych oznaczamy przez A. Zbiór sterowań dopuszczalnych dla y ∈ Ẽ oznaczamy przez A(y). Dla ustalonego sterowania dopuszczalnego Π ∈ A(y) rozważamy funkcjonał celu: J(Π) = E y nZ 0 ∞ ∞ X o e−αt f Y Π (t) dt + e−ατi c Y Π (τi ), Ni , (3.1) i=1 gdzie f : Ẽ → R+ i c : Ẽ × E → R+ sa˛ funkcjami mierzalnymi, nieujemnymi, zaś α ∈ R. Funkcj˛e c rozumie si˛e jako koszt dokonania impulsu, zaś f odpowiedzialna jest za ocen˛e bieżacego ˛ 54 ROZDZIAŁ 3. STEROWANIE IMPULSOWE stanu procesu. Zadanie optymalnego sterowania polega na znalezieniu strategii minimalizujacej ˛ lub maksymalizujacej ˛ wartość funkcjonału J. W dalszych rozważaniach ograniczymy si˛e tylko do opisu przypadku minimalizacji. DEFINICJA 3.8. Funkcja˛ wartości nazywamy v(y) = inf J(Π), y ∈ Ẽ. Π∈A(y) Jak wspomnieliśmy wcześniej, teoria sterowania optymalnego zajmuje si˛e odpowiedzia˛ na pytanie, czy infinum znajdujace ˛ si˛e w definicji funkcji wartości jest osiagane. ˛ Ponadto poszukuje si˛e funkcji wartości. Okazuje si˛e, że znalezienie funkcji wartości odpowiednio gładkiej pozwala na skonstruowanie sterowania optymalnego. W dalszej cz˛eści wykładu podamy metody dowodzenia istnienia sterowania optymalnego i jego znajdowania. Teraz jednak zwrócimy uwag˛e na bardzo ważny fakt. Jeśli b˛edziemy w stanie znaleźć sterowanie optymalne, to b˛edzie to sterowanie stacjonarne i markowskie, tzn. takie, w którym decyzj˛e o dokonaniu impulsu b˛edziemy podejmować na podstawie bieżacej ˛ wartości procesu sterowanego Y Π (t) i cel tego impulsu b˛edzie również zależał od wartości Y Π (t) w momencie dokonywania impulsu. 3.3. Równanie Bellmana W rozwiazaniach ˛ problemów sterowania optymalnego pojawia si˛e cz˛esto równanie Bellmana. W tym rozdziale b˛edziemy dażyć ˛ do pokazania, że równianie to pełni pierwszorz˛edna˛ rol˛e w rozwiazaniu ˛ problemu sterowania optymalnego. Na poczatek ˛ wprowadźmy operator impulsu dla funkcji u : Ẽ → R M u(η, x) = inf c(η, x, ξ) + u(ξ) , (η, x) ∈ Ẽ. ξ∈Γ(y) Operatorem Bellmana b˛edziemy nazywać nZ τ o y Ku(y) = inf E e−αt f Y (t) dt + e−ατ M u Y (τ ) , y ∈ Ẽ, τ (3.2) 0 gdzie u : Ẽ → R jest dowolna˛ funkcja,˛ taka˛ że M u jest funkcja˛ mierzalna.˛ Sformułujemy teraz twierdzenia pierwszorz˛ednej wagi dla naszego wykładu. Stwierdzaja˛ one, że jeśli funkcja wartości spełnia równanie Bellmana Kv = v, (3.3) jest ciagła ˛ i operator impulsu spełnia odpowiednie założenia, to istnieje strategia optymalna, która jest markowska. Ponadto skonstruujemy t˛e strategi˛e bazujac ˛ na funkcji wartości v. DEFINICJA 3.9. Odwzorowanie γ : Ẽ → Ẽ nazywamy ośrodkowym, jeśli i) {(z, y) : y ∈ γ(z)} ∈ Ẽ ⊗ Ẽ, ii) Ẽ zawiera przeliczalny g˛esty zbiór Ẽ 0 , taki że Ẽ 0 ∩γ(y) jest g˛esty w γ(y) dla każdego y ∈ Ẽ. TWIERDZENIE 3.10. Załóżmy, że 55 3.3. RÓWNANIE BELLMANA i) Γ(y) jest zbiorem zwartym dla każdego y ∈ Ẽ, ii) v jest funkcja˛ ciagł ˛ a,˛ iii) istnieje ciag ˛ odwzorowań ośrodkowych γn : Ẽ → Ẽc , gdzie Ẽc to podrodzina Ẽ składajaca ˛ si˛e ze zbiorów zwartych, takich że γn (y) → Γ(y), y ∈ Ẽ Istnieje wtedy funkcja mierzalna I : Ẽ → Ẽ, taka że M v(y) = c y, I(y) + v I(y) . Funkcj˛e t˛e nazwiemy funkcja˛ impulsu. Dowód. Twierdzenie to jest szczególnym przypadkiem twierdzenia 2 z pracy Schäl’a [27]. Niech C b˛edzie dowolnym zbiorem otwartym w Ẽ, zwanym obszarem kontynuacji, zaś I funkcja˛ mierzalna.˛ Skonstruujemy sterowanie Π = (Ni , τi ), które zależeć b˛edzie od tych dwóch elementów. Nie musi ono jednak spełniać punktu iii) definicji 3.6. Konstrukcja przebiegać b˛edzie indukcyjnie. Ustalmy punkt y = (η, x) ∈ Ẽ i połóżmy N0 = η, τ0 = 0. Nast˛epnie dla i = 1, 2, . . . kładziemy τi = inf{t ≥ τi−1 : (Ni−1 , X(t)) ∈ / C}, Ni = I Ni−1 , X(τi ) . Ponieważ dopełnienie C jest zbiorem domkni˛etym, to τi jest momentem stopu. Przypomnijmy, że f i c sa˛ funkcjami nieujemnymi - b˛edziemy z tego korzystać w poniższym twierdzeniu. Ponadto niech h b˛edzie potencjałem: Z ∞ y h(y) = E e−αt f Y (t) dt, y ∈ Ẽ. 0 TWIERDZENIE 3.11. Załóżmy, że i) funkcja wartości v spełnia równanie Bellmana Kv = v, ii) M v i v sa˛ funkcjami ciagłymi, ˛ iii) istnieje mierzalna funkcja impulsu I. Wtedy zbiór kontynuacji C = {y ∈ Ẽ : M v(y) > v(y)} jest zbiorem otwartym. Niech y ∈ Ỹ i Π = (N0 , τ0 ), (N1 , τ1 ), . . . , gdzie Ni i τi pochodza˛ z konstrukcji poprzedzajacej ˛ twierdzenie. Jeśli i’) Py { lim τi < K} = 0, i→∞ ii’) przy minimalizacji funkcjonału celu E y e−ατi h Y Π (τi ) → 0, gdy i → ∞, przy maksymalizacji funkcjonału celu E y e−ατi v Y Π (τi ) → 0, gdy i → ∞, to Π jest sterowaniem dopuszczalnym i optymalnym dla y. 56 ROZDZIAŁ 3. STEROWANIE IMPULSOWE Dowód. Jasne jest, że Π jest sterowaniem dopuszczalnym. Musimy tylko pokazać jego optymalność. Niech Πi b˛edzie obci˛eciem Π do i pierwszych impulsów. Wystarczy zatem pokazać, że J(Πi ) zbiega do v(y), gdzie y jest poczatkowym ˛ stanem procesu. Rozważmy najpierw przypadek minimalizacji funkcjonału celu. Zauważmy, że J(Πi ) − v(y) = J(Πi ) − Ki v(y) = i nZ ∞ X o e−αt f Y Πi (t) dt + = Ey e−ατk c Y Πi (τk ), Nk 0 − Ey nZ τi k=1 i X e−αt f Y Πi (t) dt + 0 o e−ατk c Y Πi (τk ), Nk + e−ατi v Y Πi (τi ) k=1 Warunkujemy wzgl˛edem F̃τi n nZ J(Πi ) − v(y) = E E y ∞ y o o e−αt f Y Πi (t) dtF̃τi − e−ατi v Y Πi (τi ) τi A zatem J(Πi ) − v(y) ≤ E y e−ατi h Y Πi (τi ) wykorzystujac ˛ fakt, że v jest funkcja˛ nieujemna; ˛ wynika to z nieujemności f i c. Zatem na mocy założenia ii’) mamy lim J(Πi ) − v(y) = 0. i→∞ Dowód dla przypadku maksymalizowania funkcjonału celu jest niemalże identyczny. Po przekształceniach dostajemy v(y) − J(Πi ) ≤ E y e−ατi v Y Πi (τi ) , co na mocy założenia ii’) daży ˛ do zera. WNIOSEK 3.12. Warunek ii’) twierdzenia 3.11 jest zb˛edny, gdy f jest funkcja˛ ograniczona.˛ Dowód. Niech F = supy∈Ẽ |f (y)|. Wtedy F E y e−ατi h Y Πi (τi ) ≤ E y e−ατi = α F E y e−ατi v Y Πi (τi ) ≤ E y e−ατi = α F y −ατi E e → 0, α F y −ατi → 0, E e α gdyż z i’) i ze zbieżności zmajoryzowanej E y e−ατi → 0. Aby skorzystać w podanej powyżej teorii musimy wiedzieć, że funkcja wartości spełnia równanie Bellmana i jest ciagła. ˛ Zaprezentujemy dwie metody rozwiazania ˛ tego problemu, które, jak si˛e okaże, b˛eda˛ silnie ze soba˛ powiazane. ˛ Choc b˛eda˛ one niekonstruktywne, tzn. pozwola˛ jedynie dowieść istnienia rozwiazania, ˛ w przeciwieństwie do metod z zastosowaniem nierówności quasi-wariacyjnych, to pozwola˛ na wykazanie istnienia rozwiazania ˛ optymalnego dla wi˛ekszej klasy problemów. Dla przejrzystości założymy, że f jest funkcja˛ ograniczona.˛ 57 3.3. RÓWNANIE BELLMANA Granica rozwiaza ˛ ń czastkowych ˛ Niech Ai (y) b˛edzie zbiorem tych sterowań dopuszczalnych, które maja˛ co najwyżej i impulsów tzn. τi+1 = ∞ p.n. Oznaczmy vi (y) = inf J(Π), y ∈ Ẽ. Π∈Ai (y) Zatem vi to funkcja wartości dla problemu z ograniczona˛ przez i liczba˛ dozwolonych impulsów. Oczywiście ciag ˛ vi (y) jest nierosnacy ˛ i ograniczony z dołu przez 0 dla każdego y ∈ Ẽ. Ma zatem granic˛e, która˛ oznaczamy przez v(y). LEMAT 3.13. v jest funkcja˛ wartości. Dowód. Ustalmy y ∈ E i oznaczmy przez u funkcj˛e wartości. Wtedy u(y) = inf J(Π). Π∈A(y) Weźmy dowolny > 0 i Π ∈ A(y) takie, że J(Π) − u(y) < . Rozważmy nast˛epnie obci˛ecie Πi sterowania Π do i pierwszych impulsów. Wtedy, podobnie jak w dowodzie twierdzenia 3.11, mamy J(Πi ) − J(Π) ≤ E y e−ατi h Y Π (τi ) . Na mocy wniosku 3.12 istnieje takie i, że J(Πi ) − J(Π) < . Stad ˛ J(Πi ) − u(y) < 2, czyli vi (y) − u(y) < 2. A zatem vi (y) daży ˛ do u(y) z dowolności wyboru . Stad ˛ v = u. Głównym problemem pozostaje pokazanie, że v, otrzymane jako granica vi , jest funkcja˛ ciagł ˛ a˛ i spełnia równanie Bellmana. Jeżeli f jest funkcja˛ ciagł ˛ a˛ oraz M przekształca funkcje ciagłe ˛ w cia˛ głe, to vi sa˛ funkcjami ciagłymi. ˛ Jeśli zatem pokażemy, że vi zbiegaja˛ do v jednostajnie na zbiorach zwartych, to v b˛edzie funkcja˛ ciagł ˛ a.˛ Łatwo też wykażemy, że v spełnia równanie Bellmana. Twierdzenie o punkcie stałym Bardzo silnym narz˛edziem do poszukiwania rozwiazań ˛ równania Bellmana jest zastosowanie twierdzenia o punkcie stałym odwzorowania wkl˛esłego i monotonicznego. Ograniczymy si˛e tutaj do samego zacytowania ostatecznego wyniku bez jego dowodu. Niech h b˛edzie potencjałem Z ∞ y e−αt f Y (t) dt, y ∈ Ẽ. h(y) = E 0 TWIERDZENIE 3.14 (Zabczyk [33]). Jeśli h ∈ Cb (Ẽ), γh ≤ M 0, gdzie 0 jest funkcja˛ zerowa,˛ zaś γ > 0 i M przekształca Cb (Ẽ) w Cb (Ẽ), to równanie Bellmana v = Kv ma dokładnie jedno rozwiazanie ˛ ṽ w zbiorze Cb (Ẽ). Ponadto dla dowolnego v0 ∈ Cb (Ẽ), v0 ≥ 0 Ki v0 → ṽ, i → ∞. jednostajnie i wykładniczo szybko. Twierdzenie powyższe stanie si˛e pełne, jeśli pokażemy, że rozwiazanie ˛ ṽ równania Bellmana jest funkcja˛ wartości. W tym celu udowodnijmy 58 ROZDZIAŁ 3. STEROWANIE IMPULSOWE LEMAT 3.15. Jeśli istnieje funkcja impulsu dla M h, M vi , i = 1, 2, . . ., to vi (y) = Ki h(y), i = 1, 2, . . . , gdzie h jest potencjałem. Dowód. Oczywiste jest, że v0 = h. Ustalmy y ∈ Ẽ. nZ ∞ o e−αt f Y Π (t) dt + e−ατ1 c N0 , X(τ1 ), N1 v1 (y) = inf J(Π) = inf E y Π∈A1 (y) Π∈A1 (y) 0 n Z τ1 e−αt f Y Π (t) dt + e−ατ1 c N0 , X(τ1 ), N1 = inf E y Π∈A1 (y) 0 nZ ∞ oo e−αt f Y Π (t) dtF̃τ1 + Ey τ1 n Z τ1 o e−αt f Y Π (t) dt + e−ατ1 c N0 , X(τ1 ), N1 + e−ατ1 h N1 , X(τ1 ) = inf E y Π∈A1 (y) 0 nZ τ o e−αt f Y (t) dt + e−ατ M h Y (τ ) = Kv0 . = inf E y τ 0 Ostatnia równość wynika z istnienia funkcji impulsu. Bez tego mielibyśmy tylko górne oszacowanie. Podobnie pokazujemy, że vi+1 = Kvi , co kończy dowód. Na mocy twierdzenia 3.14 Ki h daży ˛ do ciagłego ˛ rozwiazania ˛ równania Bellmana. Na podstawie lematów 3.13 i 3.15 ciag ˛ ten zbiega do funkcji wartości. Stad ˛ funkcja wartości spełnia równanie Bellmana i jest ciagła, ˛ a zatem definiuje strategi˛e optymalna.˛ Rozdział 4 Problem portfelowy z kosztami za transakcje Na przestrzeni probabilistycznej (Ω, F, P) z filtracja˛ (Ft )t≥0 rozważmy rynek finansowy, na którym ceny akcji modelowane sa˛ przez jednorodny w czasie proces Markowa S(t), X(t) t≥0 , gdzie S(t) = S 1 (t), . . . , S d (t) ∈ (0, ∞)d opisuje ceny d aktywów, a X(t) ∈ Rm odpowiada m czynnikom ekonomicznym. Czynniki ekonomiczne moga˛ reprezentować poziom bezrobocia, deficyt budżetowy, stopy procentowe, optymizm konsumentów i ceny instrumentów, których nie możemy kupować. Zauważmy, że dodanie procesu czynników ekonomicznych do opisu modelu powi˛eksza znacznie pole zachowań cen akcji. Sam proces S(t) t≥0 nie musi być procesem Markowa. Ponadto, patrzac ˛ z punktu widzenia praktyka, poprawia jakość statystycznej estymacji parametrów modelu. Te argumen ty sa˛ rozwini˛ete w pracy Bieleckiego, Pliski i Sherrisa [4]. Zakładamy, że proces S(t), X(t) t≥0 ma prawostronnie ciagłe ˛ trajektorie z lewostronnymi granicami (cádlág) i spełnia warunek Fellera, tzn. zwiazana ˛ z nim półgrupa przekształca przestrzeń funkcji ciagłych ˛ ograniczonych, znikajacych ˛ w nieskończoności w siebie. Rozpoczynajac ˛ z ustalonego portfela dokonujemy inwestycji w akcje. Niech N i (t) określa liczb˛e akcji aktywu i w portfelu w momencie t ≥ 0. Proces N (t) = N 1 (t), . . . , N d (t) opisuje cały portfel w momencie t. Zakładamy, że N i (t) ∈ [0, ∞), i = 1, . . . , d, a wi˛ec krótka sprzedaż jest zabroniona. Naszym celem jest maksymalizacja zdyskontowanego funkcjonału użyteczności z nieskończonym horyzontem czasowym: Z ∞ E e−αs F Y (s) ds, 0 gdzie Y (s) = N (s), S(s), X(s) . Funkcja F mierzy użyteczność lub jakość portfela, zaś α > 0 jest stopa˛ dyskonta. Intuicja, jaka stoi za użyciem funkcjonału w postaci całkowej, bazuje na spostrzeżeniu, że w ocenie przebiegu inwestycji ważne jest jej zachowanie w każdym momencie. Zarzadzaj ˛ acy ˛ funduszami inwestycyjnymi wiedza,˛ że notowania wartości jednostki uczestnictwa dost˛epne sa˛ inwestorom dla każdego dnia roboczego. Inwestorzy zaś zainteresowani sa˛ tym, by wartość ta rosła stabilnie, bez nadmiernych spadków. Wtedy naturalne jest przyj˛ecie funkcji F zależnej od bogactwa portfela: F (η, s, x) = u(η · s), gdzie η · s = Pd i=1 η i si jest iloczynem skalarnym w Rd , zaś u : R+ → R+ jest funkcja˛ użyteczności 59 60 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE np. u(x) = ln(x), u(x) = xβ , β ∈ (0, 1), u(x) = x. Zakładamy, że strategie inwestycyjne maja˛ charakter impulsowy. Podyktowane jest to istnieniem kosztów transakcji, które posiadaja˛ składnik stały i zmienny. Koszty te opisane sa˛ przez funkcj˛e c(η, η1 , s). Wartość c(η, η1 , s) odpowiada kosztowi dokonania zmiany zawartości portfela z η do η1 , gdy ceny akcji wynosza˛ s. DEFINICJA 4.1. Funkcja c(η, η1 , s) : [0, ∞)d × [0, ∞)d × (0, ∞)d → R+ jest funkcja˛ kosztu, jeśli c(η, η1 , s) = K + c̃(η, η1 , s) oraz i) ii) iii) iv) v) vi) K > 0, c̃(η, η1 , s) jest ciagła, ˛ c̃(η, η1 + γ, s) − c̃(η, η1 , s) ≤ βγs dla dowolnego γ ∈ [0, ∞)d i ustalonego β > 0, c̃(αη, αη1 , s) ≤ αc̃(η, η1 , s) dla α ≥ 1, c̃(η, η1 , s) ≥ 0, c̃(η + γ, η1 + γ, s) ≤ c̃(η, η1 , s) dla γ ∈ [0, ∞)d . Założenia i)-vi) sa˛ wbrew pozorom bardzo intuicyjne. Ciagłość ˛ funkcji kosztu wymusza to, że mała zmiana transakcji nie może powodować dużej zmiany jej kosztu. Punkt iii) ustanawia górna˛ granic˛e kosztu: koszt transakcji polegajacej ˛ na dokupieniu γ akcji nie może przekraczać wielokrotności wartości zakupu. Nie wymagamy przy tym, aby β była mniejsza od 1. Na rynku zarzadzanie ˛ dużym portfelem jest zawsze nie droższe (w przeliczeniu na akcj˛e), a zwykle tańsze, niż małym portfelem. Zostało to uchwycone w warunku iv). Podobna własność zapisana jest w warunku vi): połaczenie ˛ dwóch portfeli nie może spowodować zwi˛ekszenia kosztów transakcji. Najprostszym przykładem funkcji kosztu jest suma kosztu stałego i proporcjonalnego do wolumenu transakcji. Niech zatem γ, γ̃ b˛eda˛ dwoma macierzami diagonalnymi o nieujemnych wyrazach. Wtedy c(η, η1 , s) = K + (η − η1 )+ γs + (η − η1 )− γ̃s, gdzie η + jest cz˛eścia˛ dodatnia˛ każdej współrz˛ednej, zaś η − – cz˛eścia˛ ujemna,˛ spełnia założenia definicji 4.1. Rozważane przez nas strategie inwestycyjne sa˛ samofinansujace. ˛ Wszystkie koszty ponoszone w procesie inwestycyjnym musza˛ być pokrywane ze sprzedaży instrumentów, tzn. zakupy i koszty transakcji sa˛ finansowane ze sprzedaży. Jeśli zatem koszty transakcji sa˛ zbyt duże, to może si˛e okazać, że jedynym dopuszczalnym sposobem post˛epowania jest niedokonywanie żadnych ruchów. Nie wyklucza to wszakże istnienia strategii optymalnej. DEFINICJA 4.2. Π = (N0 , 0), (N1 , τ1 ), . . . jest strategia˛ dopuszczalna˛ dla (s, x) ∈ (0, ∞)d × Rm , jeśli i) 0 ≤ τ1 ≤ τ2 · · · sa˛ momentami stopu, ii) Ni jest Fτi mierzalne, iii) Ni ∈ [0, ∞)d P(s,x) -p.n., 61 4.1. WYNIKI WSTEPNE ˛ iv) Ni · S(τi ) + c Ni−1 , Ni , S(τi ) = Ni−1 · S(τi ) P(s,x) -p.n. (samofinansowanie), v) P(s,x) (limn→∞ τn = ∞) = 1. Zauważmy, że dopuszczalność strategii zależy od punktów startu (s, x) procesu modelujacego ˛ rynek. Warunek iv) bardzo ogranicza możliwości manewru. Jednak jeśli tylko Ni · S(τ ) > K i c(0, 0, s) = 0, to zbiór możliwych transakcji jest niepusty. Dzi˛eki ciagłości ˛ c mogliśmy napisać równość w warunku iv) wiedzac, ˛ że istnieje punkt stały tego przekształcenia. Z istnienia składnika stałego w funkcji kosztu wynika, że handlowanie w sposób ciagły ˛ nie jest możliwe. Naturalna˛ odpowiedzia˛ jest wybór podejścia impulsowego, uj˛etego w definicji 4.2. Zauważmy jednak, że istnieje znaczna różnica pomi˛edzy klasycznym problemem sterowania impulsowego (patrz poprzedni rozdział i Bensoussan, Lions [1]) a tym, który rozważamy w tym rozdziale. W podejściu klasycznym koszty impulsów wchodziły do funkcjonału celu jako składnik kary, zmniejszajacy ˛ jego wartość (patrz funkcjonał celu (3.1)). My, natomiast, odejmujemy te koszty od bogactwa portfela, czyli kodujemy je w zbiorze dost˛epnych impulsów. Ten typ problemów obecny jest w literaturze od wielu lat. W pracach Eastham’a i Hastings’a [10] oraz Korn’a [16] autorzy rozważali model bez czynników ekonomicznych i dowodzili istnienia strategii optymalnej w specjalnych przypadkach. Czynniki ekonomiczne pojawiły si˛e w pracy Bieleckiego, Pliski i Sherrisa [4]. Wspomniane prace bazowały na wykorzystaniu nierówności quasi-wariacyjnych (patrz Bensoussan, Lions [1]). W bieżacym ˛ rozdziale zastosujemy inne podejście, które pozwoli nam udowodnić istnienie markowskiej strategii przy słabych założeniach nałożonych na mechanizm kosztów transakcji i proces cen aktywów. Zakończymy przedstawiajac ˛ dwa przykłady. 4.1. Wyniki wst˛epne Na poczatek ˛ wprowadźmy notacj˛e, która b˛edzie obecna w całym rozdziale. Niech E = [0, ∞)d × d (0, ∞) × Rm . Dla y = (η, ˛ zaś (s, x) jest punktem s, x) ∈ E, gdzie η jest portfelem poczatkowym, startu procesu S(t), X(t) t≥0 , zdefiniujmy zbiór strategii A(y), które sa˛ dopuszczalne dla (s, x) i startuja˛ z portfela η, tzn. jeśli (N0 , 0), (N1 , τ1 ), . . . ∈ A(y), to N0 = η. W celu uproszczenia notacji b˛edziemy pisać Py majac ˛ na myśli miar˛e P(s,x) . Nast˛epujace ˛ stwierdzenie jest kluczowym wynikiem używanym wielokrotnie w dalszej cz˛eści rozdziału. Pokazuje ono konstrukcj˛e wielokrotności strategii inwestycyjnej pozwalajac ˛ a˛ na kumulowanie oszcz˛edności na kosztach transakcji w jednym z aktywów. Do jego udowodnienia kluczowe sa˛ warunki nałożone na funkcj˛e kosztu w definicji 4.1. STWIERDZENIE 4.3. Niech Π = (N0 , τ0 ), (N1 , τ1 ), . . . b˛edzie strategia˛ dopuszczalna˛ dla (s, x) i α > 1. Istnieje wtedy strategia Π̃ = (Ñ0 , τ0 ), (Ñ1 , τ1 ), . . . dopuszczalna dla (s, x) z Ñ0 = αN0 , taka że Ñi1 = αNi1 + γi , Ñik = αNik , k = 2, . . . , d, gdzie γi ≥ γi−1 + zaś β jest stała˛ z definicji 4.1. α−1 β+1 K , S 1 (τi ) 62 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Dowód. Szkic rozumowania jest nast˛epujacy. ˛ Rozpoczynamy z portfela Ñ0 = N0 . Transakcji dokonujemy w momentach τ1 , τ2 , . . .. Zawsze trzymamy co najmniej αNi akcji po i-tej transakcji. Struktura kosztów transakcji pozwala nam na oszcz˛edności przy każdej transakcji oddzielone od zera stała.˛ Zainwestowane w S 1 kumuluja˛ si˛e. Dokładniej, niech γi oznacza skumulowane oszcz˛edności wyrażone w liczbie akcji S 1 po i-tej transakcji, i ∈ N, γ0 = 0. Konstruujemy Π̃ w taki sposób, że Ñi − γi 1 = αNi , (4.1) gdzie 1 = (1, 0, . . . , 0) ∈ Rd i γi jest Fτi -mierzalna˛ nieujemna˛ zmienna˛ losowa.˛ Konstruujemy strategi˛e Π̃ przez indukcj˛e. Na poczatku ˛ Ñ0 = αN0 . Definiujemy Ñ1 jako punkt stały Ñ0 S(τ1 ) = Ñ1 S(τ1 ) + c Ñ0 , Ñ1 , S(τ1 ) . spełniajacy ˛ (4.1). A wi˛ec αN0 S(τ1 ) = (αN1 + γ1 1 )S(τ1 ) + K + c̃ αN0 , αN1 + γ1 1 , S(τ1 ) = (#). Z definicji αN0 S(τ1 ) = αN1 S(τ1 ) + αc N0 , N1 , S(τ1 ) ≥ αN1 S(τ1 ) + αK + c̃ αN0 , αN1 , S(τ1 ) . Zatem (#) ≤ (αN1 + γ1 1 )S(τ1 ) + K + c̃ αN0 , αN1 , S(τ1 ) + βγ1 S 1 (τ1 ) = αN1 S(τ1 ) + αK + c̃ αN0 , αN1 , S(τ1 ) + γ1 S 1 (τ1 ) + (1 − α)K + βγ1 S 1 (τ1 ) = αN0 S(τ1 ) + γ1 S 1 (τ1 ) + (1 − α)K + βγ1 S 1 (τ1 ) = Ñ0 S(τ1 ) + (1 − α)K + (β + 1)γ1 S 1 (τ1 ). Otrzymujemy wi˛ec dolne ograniczenie na γ1 (1 − α)K + (β + 1)γ1 S 1 (τ1 ) ≥ 0, które przekształcamy do γ1 ≥ α−1 β+1 K . S 1 (τ1 ) Dla jasności podajemy dalsze kroki indukcji, których myśl przewodnia została już przedstawiona, lecz notacja jest bardziej skomplikowana. Niech Ñi b˛edzie punktem stałym Ñi−1 S(τi ) = Ñi S(τi ) + c Ñi−1 , Ñi , S(τi ) spełniajacym ˛ (4.1). Zatem (αNi−1 + γi−1 1 )S(τi ) = (αNi + γi 1 )S(τi ) + K + c̃ αNi−1 + γi−1 1 , αNi + γi 1 , S(τi ) = (##). Z definicji αNi−1 S(τi ) = αNi S(τi ) + αc Ni−1 , Ni , S(τi ) ≥ αNi S(τi ) + αK + c̃ αNi−1 , αNi , S(τi ) . 63 4.1. WYNIKI WSTEPNE ˛ Stad ˛ (##) ≤ (αNi + γi 1 )S(τi ) + K + c̃ αNi−1 + γi−1 1 , αNi + γi−1 1 , S(τi ) + β(γi − γi−1 )S 1 (τi ) = αNi S(τi ) + αK + c̃ αNi−1 , αNi , S(τi ) + γi S 1 (τi ) + (1 − α)K + c̃ αNi−1 + γi−1 1 , αNi + γi−1 1 , S(τi ) − c̃ αNi−1 , αNi , S(τi ) + β(γi − γi−1 )S 1 (τi ) ≤ αNi S(τi ) + αK + c̃ αNi−1 , αNi , S(τi ) + γi S 1 (τi ) + (1 − α)K + β(γi − γi−1 )S 1 (τi ) = αNi−1 S(τi ) + γi−1 S 1 (τi ) + (γi − γi−1 )S 1 (τi ) + (1 − α)K + β(γi − γi−1 )S 1 (τi ) = Ñi−1 S(τi ) + (1 − α)K + (β + 1)(γi − γi−1 )S 1 (τi ). Otrzymujemy dolne ograniczenie na γi (1 − α)K + (β + 1)(γi − γi−1 )S 1 (τi ) ≥ 0, które zapisujemy γi − γi−1 ≥ α−1 β+1 K . S 1 (τi ) Ze strategia˛ Π ∈ A(y) zwiazujemy ˛ proces portfela N Π (t) Π N (t) = ∞ X 1[τi ,τi+1 ) (t)Ni , i=0 i proces bogactwa W Π (t) = N Π (t) · S(t). DEFINICJA 4.4. Rynek nazywamy uczciwym, jeśli proces bogactwa każdej strategii dopuszczalnej jest skończony na każdym przedziale [0, T ], T ∈ R+ . Cz˛esto bardzo trudno jest udowodnić, że optymalna strategia spełnia założenie v) definicji 4.2 (patrz np. lemat 2.12 w pracy Eastham’a i Hastings’a [10]). Stwierdzenie 4.3 pozwoli nam na pokazanie, że jeśli rynek jest uczciwy, to każda strategia spełniajaca ˛ warunki i)–iv) definicji 4.2 spełnia v). LEMAT 4.5. Jeśli rynek jest uczciwy i strategia Π spełnia warunki i)–iv) definicji 4.2 dla (s, x), to spełnia również warunek v) tzn. dla dowolnej stałej L > 0 P(s,x) lim τn ≤ L = 0. n→∞ Dowód. Ustalmy strategi˛e spełniajac ˛ a˛ i)– iv) dla (s, x) i liczb˛e L > 0. Załóżmy, że P(s,x) lim τn ≤ L > 0 n→∞ i oznaczmy to zdarzenie przez A. Dalsze rozumowanie b˛edziemy przeprowadzać na A. Strategia musi sfinansować nieskończona˛ liczb˛e transakcji na przedziale [0, L]. Musi zatem zarabiać nieskończenie wiele pieni˛edzy (choć może je wydać na dokonywanie transakcji). Skonstruujemy strategi˛e, której bogactwo b˛edzie nieskończone w momencie L, a tym samym zaprzeczy uczciwości rynku. 64 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Ustalmy α > 1. Niech Π̃ b˛edzie strategia˛ skonstruowana˛ w stwierdzeniu 4.3. Oszcz˛edności skumulowane w S 1 sa˛ ograniczone przez γi − γi−1 ≥ α−1 β+1 K . S 1 (τi ) Jako że S 1 ma prawie wszystkie trajektorie cádlág, które sa˛ funkcjami ograniczonymi na [0, L] dla każdego ω ∈ Ω, to γi daży ˛ do nieskończoności. Stad ˛ bogactwo W̃ (t) portfela Π̃ daży ˛ do nieskończoności, gdyż W̃ (L) ≥ lim γi S 0 (L). i→∞ Przeczy to uczciwości rynku i kończy dowód. 4.2. Problem optymalizacyjny Dla strategii Π ∈ A(y), y ∈ E, rozważmy proces Π N (t) Y Π (t) = S(t) . X(t) Warunek samofinansowania opisujemy specyfikujac ˛ funkcj˛e Γ : E → E (patrz podrozdz. 3.2): Γ(η, s, x) = {(η1 , s, x) ∈ E : η1 · s + c(η, η1 , s) = η · s}, (η, s, x) ∈ E. (4.2) W nomenklaturze rozdziału 3, zbiór sterowań dopuszczalnych przy funkcji Γ startujacych ˛ zy ∈E jest identyczny ze zbiorem strategii dopuszczalnych A(y). Wynika to stad, ˛ że sterowanie oddziałuje tylko na pierwsza˛ współrz˛edna.˛ Stad ˛ też b˛edziemy zamiennie używać nazw sterowanie i strategia. Wprowadzamy funkcjonał celu Z ∞ e−αt F Y Π (t) dt, Π ∈ A(y), y ∈ E, J(Π) = E y 0 dla ustalonej stopy dyskonta α ≥ 0 i nieujemnej funkcji ciagłej ˛ F : E → R+ spełniajacej ˛ Założenie UF. F (0, s, x) = min F (η, s, x), (s, x) ∈ (0, ∞) × Rm . η∈[0,∞)d W dalszej cz˛eści powiemy, co skłoniło nas do wprowadzenia powyższego założenia. Nie sa˛ to wzgl˛edy techniczne, lecz kwestia poprawności zastosowanej techniki modelowania. Niech v(y) = sup J(Π), y ∈ E, Π∈A(y) b˛edzie funkcja˛ wartości problemu. Musimy niezależnie opisać operator impulsu, gdyż, jak wspomnieliśmy w dyskusji warunku samofinansowania, zbiór Γ(y) może być pusty dla pewnych y ∈ E. W przypadku, gdy zbiór Γ(η, s, x) jest pusty, dokonujemy sztucznego skoku do (0, s, x). ( supỹ∈Γ(y) c(y, ỹ) + u(y) , Γ(y) 6= ∅ M u(y) = , y = (η, s, x) ∈ E. (4.3) u(0, s, x), Γ(y) = ∅ 65 4.2. PROBLEM OPTYMALIZACYJNY Wprowadzamy nowa˛ funkcj˛e opisujac ˛ a˛ możliwe transakcje ( Γ(y), Γ(y) 6= ∅, Γ̃(y) = dla y = (η, s, x) ∈ E. {(0, s, x)}, Γ(y) = ∅, Wtedy operator M przyjmuje postać M u(y) = sup c(y, ỹ) + u(y) . ỹ∈Γ̃(y) Teraz możemy zapisać operator Bellmana nZ τ o y e−αt F Y (t) dt + e−ατ M u Y (τ ) , y ∈ E, Ku(y) = sup E τ (4.4) 0 gdzie u : E → R+ jest dowolna˛ funkcja˛ taka,˛ że M u jest funkcja˛ mierzalna.˛ Wzbogaćmy notacj˛e. Oznaczmy przez C l (K, L) zbiór funkcji półciagłych ˛ z dołu z K do L. Pou dobnie C (K; L) jest zbiorem funkcji półciagłych ˛ z góry. Wykażmy własności operatora impulsu. LEMAT 4.6. M przekształca w siebie C b (E; R+ ), C(E; R+ ) i C u (E; R+ ). Ponadto dla każdej funkcji ciagłej, ˛ nieujemnej istnieje funkcja impulsu w myśl twierdzenia 3.10. Dowód. Ciagłość ˛ funkcji kosztu c implikuje, że Γ̃(y) jest zbiorem zwartym dla każdego y ∈ E. Weźmy zatem u ∈ C u (E, R+ ) i ciag ˛ yn → y wSE. Oznaczmy przez zn punkty realizujace ˛ maksimum w M u(yn ), tzn. u(zn ) = M u(yn ). Ponieważ n∈N Γ̃(yn ) jest zbiorem ograniczonym, to jego domkni˛ecie jest zwarte i możemy znaleźć podciag ˛ (zn ) zbiegajacy ˛ do jakiegoś z ∈ E. Oznaczmy ten podciag ˛ też przez zn . Funkcja u jest półciagła ˛ z góry, a wi˛ec lim supn→∞ u(zn ) ≤ u(z). Ponadto z ∈ Γ̃(y) z ciagłości ˛ funkcji kosztu c. Zatem u(z) ≤ M u(y) i M u jest półciagła ˛ z góry. Udowodnimy teraz, że M u jest półciagła ˛ z dołu dla ciagłej ˛ funkcji u. Podobnie jak powyżej bierzemy ciag ˛ yn zbiegajacy ˛ do y w E i ustalamy > 0. Oznaczamy przez z punkt realizujacy ˛ maksimum w M u(y) tzn. u(z) = M u(y). Z ciagłości ˛ u istnieje δ > 0, taka że ỹ ∈ B(z, δ) =⇒ |u(ỹ) − u(z)| ≤ , gdzie B(z, δ) = {y ∈ E : kz − yk ≤ δ}. Ponadto B(z, δ) ∩ Γ̃(yn ) 6= ∅ dla dostatecznie dużych n. Zatem lim inf n→∞ M u(yn ) ≥ u(z)−. Ponieważ może być dowolnie mały, to zachodzi nierówność lim inf n→∞ M u(yn ) ≥ u(z) i M u jest półciagła ˛ z dołu. Łacz ˛ ac ˛ ten rezultat z powyższym otrzymujemy, że obrazem funkcji ciagłej ˛ jest funkcja ciagła. ˛ Ograniczoność jest oczywista. Pozostało nam wykazanie, że istnieje funkcja impulsu dla operatora M u, gdzie u ∈ C(E; R+ ). Skorzystamy z twierdzenia 3.10. Jedynym warunkiem, który należy sprawdzić, jest istnienie ciagu ˛ γn odwzorowań ośrodkowych zbiegajacego ˛ punktowo do Γ̃. Połóżmy zatem γn (y) = [ B(z, 1/n), y ∈ E, z∈Γ̃(y) A wi˛ec γn (y) jest 1/n-otoczka˛ zbioru Γ̃(y). Ponadto γn sa˛ odwzorowaniami ośrodkowymi ze zbiorem E 0 (patrz definicja 3.9) składajacym ˛ si˛e ze wszystkich punktów o współrz˛ednych wymiernych. Z domkni˛etości Γ̃(y) wynika, że limn→∞ γn (y) = Γ̃(y). Zastosowanie twierdzenia 3.10 kończy dowód. 66 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Udowodnimy teraz analogon lematu 3.13. Niech Z ∞ y e−αt F Y (t) dt, y ∈ E, v0 (y) = E 0 i vi+1 = Kvi , i = 0, 1, . . .. S(t) LEMAT 4.7. Jeśli F ∈ C(E; R+ ), v(y) < ∞ dla y ∈ E i jest procesem Fellera, to vi X(t) sa˛ funkcjami ciagłymi ˛ i zbiegaja˛ monotonicznie do funkcji wartości v. Ponadto vi jest funkcja˛ wartości problemu z ograniczona˛ przez i liczba˛ impulsów. Dowód. Ciagłości ˛ vi dowodzimy przez indukcj˛e. Ciagłość ˛ v0 wynika wprost z fellerowskości procesów opisujacych ˛ model rynku. Załóżmy, że vi jest funkcja˛ ciagł ˛ a.˛ Z lematu 4.6 wynika, że M vi jest S(t) również funkcja˛ ciagł ˛ a.˛ Zatem znów na mocy fellerowskości mamy, że vi+1 jest funkcja˛ X(t) ciagł ˛ a.˛ Rozumowanie analogiczne do dowodu lematu 3.15 prowadzi do konkluzji, że vi jest funkcja˛ wartości dla problemu z ograniczona˛ przez i liczba˛ impulsów. Stad ˛ dostajemy, że vi jest ciagiem ˛ niemalejacym ˛ i vi ≤ v. Chcemy teraz wykazać, że vi zbiega punktowo do v. Ustalmy y ∈ E. Oznaczmy granic˛e limi→∞ vi (y) przez u(y). Ustalmy strategi˛e Π ∈ A(y) i oznaczmy przez Πi jej obci˛ecie do i pierwszych impulsów. Oczywiście vi (y) ≥ J(Πi ) i u(y) ≥ J(Πi ). Najpierw zauważmy, że Z τi e−αs F Y Π (s) ds gi = 0 R∞ jest monotonicznym ciagiem ˛ nieujemnych zmiennych losowych z granica˛ g = 0 e−αs F Y Π (s) ds. Zatem z twierdzenia o zbieżności monotonicznej E y gi → E y g = J(Π). Ponadto, J(Πi ) ≥ E y gi , co pociaga ˛ lim inf i→∞ J(Πi ) ≥ J(Π). To, razem z faktem, że J(Πi ) ≤ vi (y) i vi ≤ v dowodzi, że v(y) = u(y). Podamy teraz znaczenie założenia UF. Zauważmy, że w przypadku, gdy w portfelu nie ma dostatecznie dużo aktywów, aby pokryć koszty jakiejkolwiek transakcji (Γ(·) = ∅), to nast˛epuje bankructwo portfela, czyli usuni˛ecie z niego wszystkich akcji. Naszym celem jest jednak rozważanie tylko takich strategii, w których transakcje nie maja˛ miejsca w momentach, gdy zbiór Γ(·) jest pusty. Dzi˛eki warunkowi UF zapewniamy, że strategia optymalna nigdy nie zawiera transakcji prowadzacej ˛ do bankructwa, czyli spełnia ona nasze oczekiwania. 4.3. Ograniczona funkcja F W rozdziale tym zajmiemy si˛e rozwiazaniem ˛ problemu optymalnego sterowania w przypadku funkcji F ograniczonej i nieujemnej. Założenia NFL. Dla każdego y = (n, s, x) ∈ E istnieje > 0, taki że dla dowolnego T > 0 sup sup E z N Π (T )S(T ) < ∞, z∈B(y,) Π∈A(z) gdzie N Π jest procesem zawartości portfela zwiazanym ˛ ze strategia˛ Π, zaś B(y, ) jest kula˛ otwarta˛ w E. 4.3. OGRANICZONA FUNKCJA F 67 Założenie NUM. S 1 jest procesem niemalejacym. ˛ Założenie NFL pełni funkcj˛e warunku braku arbitrażu. Zauważmy, że implikuje ono uczciwość rynku. Założenie NUM wymusza, by proces S 1 był procesem rachunku bankowego tzn. wymusza istnienie procesu nieujemnego r(t), takiego że Z t r(s)ds . S 1 (t) = exp 0 Założenia NUM i NFL pozwalaja˛ na wprowadzenie oszacowań na szybkość zbieżności momentów impulsów dla strategii dopuszczalnych. Poniższy wynik b˛edziemy wielokrotnie wykorzystywać w tym rozdziale. Przedtem jednak wprowadzimy nast˛epujac ˛ a˛ konwencj˛e oznaczeń strategii inwestycyjnych. Momenty impulsów strategii Π ∈ A oznaczymy przez τ0Π , τ1Π , . . ., zaś zawartość portfela przez N0Π , N1Π , . . .. LEMAT 4.8. Jeżeli spełnione sa˛ założenia NFL i NUM, to dla dowolnego y ∈ E istnieje δ > 0 Π sup E z e−ατi → 0, sup gdy i → ∞. z∈B(y,δ) Π∈A(z) gdzie B(y, δ) jest kula˛ otwarta˛ w E. Dowód. Ustalmy T > 0. Dla dowolnej strategii dopuszczalnej Π ∈ A(z) możemy dokonać zgrubnego oszacowania Π E z e−ατi ≤ Pz (τiΠ ≤ T ) + e−αT Pz (τiΠ > T ) ≤ Pz (τiΠ ≤ T ) + e−αT . (4.5) Na mocy założenia NFL istnieje kula B(2y, ), taka że sup sup E z N Π (T )S(T ) < ∞. z∈B(2y,) Π∈A(z) Oznaczmy ta˛ liczb˛e przez H(T ). Ustalmy δ = 2 . Weźmy z ∈ B(y, δ) i strategi˛e Π ∈ A(z). Na mocy stwierdzenia 4.3 istnieje podwojona strategia Π̃ ∈ A(2z) (tzn. z α = 2) i nast˛epujace ˛ oszacowanie na oszcz˛edności zdeponowane w S 1 1 β+1 K γi − γi−1 ≥ 1 . S (τi ) 1 1 S 1 jest niemalejacy, ˛ wi˛ec γi S 1 (τi ) ≥ i β+1 K. A zatem H(T ) ≥ i β+1 K. Z nierówności Czebyszewa 1 z Π z Π̃ z Π̃ P (τi ≤ T ) = P (τi ≤ T ) ≤ P N (T )S(T , z) > i K β+1 ≤ E z N Π̃ (T )S(T , z) H(T ) ≤ 1 , 1 i β+1 K i β+1 K przy czym szacowanie to nie zależy od wyboru Π ∈ A(z), z ∈ B(y, δ). Zatem, korzystajac ˛ z (4.5), dla dowolnego Π ∈ A(z), z ∈ B(y, δ) mamy Π E z e−ατi ≤ Π H(T ) + e−αT . 1 i β+1 K Czyli E z e−ατi zbiega do e−αT jednostajnie dla Π ∈ A(z), z ∈ B(y, δ). Z dowolności T zbieżność Π E z e−ατi do zera jest też jednostajna. 68 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE TWIERDZENIE 4.9. Jeżeli spełnione sa˛ założenia NFL i NUM, oraz F ∈ C b (E; R+ ), to funkcja wartości v jest ciagła ˛ i spełnia równanie Bellmana v = Kv. Dowód. Niech v b˛edzie funkcja˛ wartości. Zauważmy najpierw, że v jest funkcja˛ ograniczona.˛ Wynika to z ograniczoności F . Niech Z ∞ y e−αt F Y (t) dt, y ∈ E, v0 (y) = E 0 i vi+1 = Kvi (y), i = 0, 1, . . .. Z lematu 4.7 wynika, że vi daż ˛ a˛ monotonicznie do v i sa˛ ciagłe. ˛ Pokażemy teraz, że v jest funkcja˛ ciagł ˛ a˛ dowodzac, ˛ że zbieżność vi do v jest niemal jednostajna (jednostajna na zbiorach zwartych). Ustalmy y ∈ E. Oznaczmy przez Πi obci˛ecie strategii Π do i pierwszych impulsów. Niech Ai (y) = {Πi : Π ∈ A(y)}. Dostajemy wtedy nast˛epujace ˛ oszacowania: 0 ≤ v(y) − vi (y) = sup J(Π) − sup J(Π̃) ≤ sup J(Π) − J(Πi ) Π∈A(y) Π̃∈Ai (y) Π∈A(y) kF k∞ y −ατ Π E e α Π∈A(y) ≤ sup (4.6) Π ˛ do zera jednostajnie na pewnej kuli B(y, δ). A zatem na tej kuli Na mocy lematu 4.8 E Π e−ατi daży zbieżność vi do v jest jednostajna. W efekcie v jest funkcja˛ ciagł ˛ a.˛ Pozostaje nam wykazanie, że v = Kv. Prosto wynika to z ciagu ˛ równości Z τ y −αs −ατ Gu(y) = G sup vi (y) = sup E e F Y (s) ds + e M sup vi Y (τ ) τ i i 0 Z τ e−αs F Y (s) ds + e−ατ sup M vi Y (τ ) = sup E y τ i 0 Z τ = sup E y e−αs F Y (s) ds + e−ατ lim M vi Y (τ ) i→∞ τ 0 Z τ = sup sup E y e−αs F Y (s) ds + e−ατ M vi Y (τ ) = sup vi (y) = v(y). i τ i 0 Wykorzystaliśmy twierdzenie o zbieżności monotonicznej pod znakiem całki i przemienność operatorów sup. Powyższe twierdzenie, razem z lematem 4.6 dowodzi, że pod warunkiem NFL i NUM istnieje strategia optymalna, która jest stacjonarna i markowska (patrz twierdzenie 3.11). Strategia ta jest sterowaniem, które zmienia tylko pierwsze d współrz˛ednych procesu Y , odpowiadajacych ˛ za zawartość portfela. Nie dokonuje si˛e sterowanie procesami cen. W dalszej cz˛eści tego podrozdziału chcielibyśmy pokazać zastosowanie twierdzenia 3.14 do wykazania, że funkcja wartości v jest ciagła ˛ i spełnia równanie Bellmana. W tym celu wprowadźmy notacj˛e 1+ H (B, T ) = sup sup E z N Π (T )S z, T ) , >0 z∈B Π∈A(z) dla zwartego zbioru B ⊆ E i T > 0. 4.3. OGRANICZONA FUNKCJA F 69 Założenie NFL1. Dla dowolnego y ∈ E istnieja˛ dodatnie stałe δ, θ, η, , przy czym η < α, takie, że H (B, t) ≤ θeηt , gdzie B = B(y, δ) ⊆ E. S(t) TWIERDZENIE 4.10. Załóżmy, że spełnione sa˛ założenia NUM i NFL1, jest procesem X(t) Fellera. Wtedy funkcja wartości v jest ciagła ˛ i spełnia równanie Bellmana v = Kv. Dowód. Rozważmy nast˛epujac ˛ a˛ rodzin˛e operatorów: Z τ y e−αs F Y (s) ds + e−ατ Mk u Y (τ ) , Kk u(y) = sup E τ 0 Mk u(η0 , s, x) = sup{u(η1 , s, x) − 1/k : η1 · s + c(η0 , η1 , s) = η0 · s, η1 ∈ [0, ∞)d } ∧ u(0, s, x) dla k ≥ 0. Na mocy twierdzenia 3.14 istnieje jednoznaczne rozwiazanie ˛ równania uk = Kk uk w przestrzeni funkcji ciagłych ˛ i ograniczonych, które jest funkcja˛ wartości zmodyfikowanego problemu sterowania z funkcjonałem celu Jk (Π) = E y nZ ∞ −αt e ∞ o X Π F Y (t) dt − e−ατi 1/k , Π ∈ A(y), y ∈ E. Π 0 i=1 Funkcje uk tworza˛ niemalejacy ˛ ciag, ˛ a zatem ich granica u jest funkcja˛ półciagł ˛ a˛ z dołu. Pokażemy, że zbieżność jest niemal jednostajna, a wi˛ec u b˛edzie funkcja˛ ciagł ˛ a.˛ W tym celu wykażemy, że ∞ X Π E y e−ατi i=1 jest ograniczone jednostajnie dla Π ∈ A(y), y ∈ B ⊆ E, B – kula. Ustalmy y ∈ E. Na mocy założenia NFL2 istnieje kula B = B(2y, δ) i dodatnie stałe θ, η, , przy czym η < α, takie, że H (B, t) ≤ θeηt , t ≥ 0. (4.7) Weźmy z ∈ B(y, δ/2) i strategi˛e Π ∈ A(z). Na mocy stwierdzenia 4.3 istnieje podwojona strategia Π̃ ∈ A(2z) (tzn. z α = 2) i nast˛epujace ˛ oszacowanie na oszcz˛edności zdeponowane w S 1 γi − γi−1 ≥ 1 β+1 K . S 1 (τi ) 1 S 1 jest niemalejacy, ˛ wi˛ec γi S 1 (τi ) ≥ i β+1 K. Z nierówności Czebyszewa, dla dowolnego t ≥ 0, 1 Pz (τiΠ ≤ t) = Pz (τiΠ̃ ≤ t) ≤ Pz N Π̃ (t)S(t) > i K β+1 1+ z Π̃ E N (t)S(t) H (B, t) ≤ ≤ 1+ 1+ , 1 1 i β+1 K i β+1 K przy czym szacowanie to nie zależy od wyboru Π ∈ A(z), z ∈ B(y, δ/2). 70 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE LEMAT 4.11. Niech h b˛edzie dystrybuanta˛ nieujemnej zmiennej losowej X. Jeśli h ≤ g, h(0) = g(0) = 0 i h(∞) = g(∞) = 1, to Z ∞ Z ∞ −αX −αt Ee = e dh(t) ≤ e−αt dg(t). 0 0 Dowód. Całkowanie przez cz˛eści daje Z T −αt e −αT dh(t) = e Z T −αt e h(T )+α −αT h(t)dt ≤ e Z −αt e g(T )+α Z g(t)dt = T e−αt dg(t). 0 0 0 0 T Powyższy lemat wraz z (4.7) pozwala nam na wyprowadzenie nast˛epujacego ˛ oszacowania: Z ∞ Z ∞ H (B, t) D Π e−αt d eηt E z e−ατi ≤ e−αt d ≤ 1+ 1+ 1 i 0 0 i β+1 K Z ∞ Dη Dη 1 = 1+ , e(η−α)t dt = 1+ i i α−η 0 gdzie D= θ 1+ . 1 β+1 K Zatem istnieje L > 0 takie, że ∞ X Π E z e−ατi ≤ ∞ Dη X 1 <L α−η i1+ i=1 i=1 dla Π ∈ A(z), z ∈ B(y, δ/2). Stad ˛ dla l > k Jl (Π) − Jk (Π) = ∞ 1 X z −ατ Π 1 E e i ≤ L, Π ∈ A(z), z ∈ B(y, δ/2). k k i=1 A wi˛ec u(z) − uk (z) ≤ L/k dla z ∈ B(y, δ/2), czyli funkcje uk zbiegaja˛ do u jednostajnie na B(y, δ/2). Z dowolności wyboru y ∈ E, u jest funkcja˛ ciagł ˛ a.˛ Oczywiście, u ≤ v. By udowodnić, że u = v zauważmy, że J(Π) − Jk (Π) ≤ L , k gdzie L jest stała˛ zależna˛ od y ∈ E, Π ∈ A(y). Otrzymujemy v(y) = sup J(Π) ≤ Π∈A(y) L L + sup Jk (Π) = + uk (y). k Π∈A(y) k Gdy k zbiega do nieskończoności uk (y) zbiega do v(y). Z jednoznaczności granicy u = v. Na koniec pokażemy, że u = Ku. Z τ y Ku(y) = K sup uk (y) = sup E e−αs F Y (s) ds + e−ατ M sup uk Y (τ ) . k τ 0 k 4.4. NIEOGRANICZONA FUNKCJA F 71 Z przemienności operatorów sup w definicji M dostajemy sup E y τ Z τ e−αs F Y (s) ds + e−ατ sup M uk Y (τ ) . k 0 Ciag ˛ funkcji ui jest monotoniczny, czyli supk uk (z) = limk→∞ uk (z), z ∈ E: sup E y τ Z τ e−αs F Y (s) ds + e−ατ lim M uk Y (τ ) k→∞ 0 Korzystamy z twierdzenia o monotonicznej zbieżności pod znakiem całki i dostajemy sup lim E τ y τ Z k→∞ e−αs F Y (s) ds + e−ατ M uk Y (τ ) . 0 Wiedzac, ˛ że E y e−ατ ≤ 1, możemy napisać sup lim E τ k→∞ y Z τ e−αs F Y (s) ds + e−ατ Mk uk Y (τ ) . 0 Na koniec, bazujac ˛ na tym, że Mk uk jest ciagiem ˛ rosnacym ˛ i tym samym pozwala na zamian˛e lim na sup, wnioskujemy sup sup E k 4.4. τ y Z τ e−αs F Y (s) ds + e−ατ Mk uk Y (τ ) = sup Kk uk (y) = sup uk (y) = u(y). k 0 k Nieograniczona funkcja F Gdy F jest funkcja˛ ograniczona,˛ to funkcjonał celu jest ograniczony i całe rozważania prowadzone sa˛ w przestrzeni funkcji ograniczonych. Jeśli F jest nieograniczone, to nie możemy liczyć na to, że funkcja wartości jest ograniczona. Choć sposób post˛epowania b˛edzie podobny jak w poprzednim rozdziale, wykazanie ciagłości ˛ funkcji wartości b˛edzie wymagało silniejszych założeń i delikatniejszych rozumowań. Dowód optymalności strategii z twierdzenia 3.11 nie b˛edzie też natychmiastowy. Założenie NFL2. Dla każdego y = (n, s, x) ∈ E istnieja˛ η > 1, > 0 takie, że sup sup E z∈B Π∈A(z) z Z ∞ η e−αt F Y Π (t) dt < ∞, 0 gdzie B = B y, ⊆ E jest kula˛ otwarta.˛ S(t) TWIERDZENIE 4.12. Załóżmy, że jest procesem Fellera i spełnione sa˛ założenia NUM, X(t) NFL i NFL2. Wtedy funkcja wartości v jest funkcja˛ ciagł ˛ a˛ i spełnia równanie Bellmana Kv = v. Ponadto istnieje strategia optymalna. 72 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Dowód. Założenie NFL2 gwarantuje, że v(y) < ∞ dla każdego y ∈ E. Niech Z ∞ e−αt F Y (t) dt, y ∈ E, v0 (y) = E y 0 i vi+1 = Kvi (y), i = 0, 1, . . .. Z lematu 4.7 wynika, że vi daż ˛ a˛ monotonicznie do v i sa˛ ciagłe. ˛ Pokażemy teraz, że v jest funkcja˛ ciagł ˛ a˛ dowodzac, ˛ że zbieżność vi do v jest niemal jednostajna. Ustalmy y ∈ E. Na mocy lematu 4.8 i założenia NFL2 istnieja˛ stałe > 0 i η > 1 takie, że sup Π sup E z e−ατi → 0, gdy i → ∞, z∈B(y,) Π∈A(z) sup sup E z ∞ Z −αt e (4.8) η dt < ∞. F Y (t) Π 0 z∈B(y,) Π∈A(z) Zauważmy, że vi daży ˛ do v jednostajnie na B(y, ), jeśli Z ∞ z e−αt F Y Π (t) dt → 0, E i → ∞, τiΠ jednostajnie dla z ∈ B(y, ) i Π ∈ A(z). Stosujemy dwukrotnie nierówność Höldera E z Z ∞ −αt e τiΠ Π F Y (t) dt ≤ E z Z ∞ −αt e 1 Z η η F Y (t) dt ∞ Π τiΠ −αt e η−1 η dt τiΠ η−1 η 1 −ατ Π η dt F Y (t) e e i =E α τiΠ Z ∞ η−1 1 η η η z 1 −ατiΠ z −αt Π E e ≤ E e F Y (t) dt α τiΠ 1 Z ∞ η−1 η η η Π z −αt z 1 −ατiΠ F Y (t) dt ≤ E e E e α 0 = (I) · (II). z Z ∞ −αt Π 1 η Na mocy (4.8) pierwszy składnik (I) jest jednostajnie ograniczony, zaś drugi składnik (II) daży ˛ jednostajnie do zera. Możemy wyciagn ˛ ać ˛ wniosek, że vi daży ˛ do v jednostajnie na B(y, ). Z dowolności y ∈ E funkcja wartości v jest ciagła. ˛ Identycznie jak w dowodzie twierdzenia 4.9 pokazujemy, że v = Kv. Na zakończenie musimy jeszcze wykazać istnienie strategii optymalnej. Na mocy lematu 4.6 istnieje funkcja impulsu I dla M v. Definiujemy zbiór kontynuacji C = {y ∈ E : M v(y) > v(y)}. Ustalmy y ∈ E. Tworzymy strategie Πi = (y, 0), (Y1 , τ1 ), . . . , (Yi , τi ) , i ∈ N, zgodnie z konstrukcja˛ przeprowadzona˛ przed twierdzeniem 3.11. Pokażemy, że strategia Π = (y, 0), (Y1 , τ1 ), . . . jest optymalna. Wystarczy wykazać, że v(y) − J(Πi ) daży ˛ do zera, gdy i daży ˛ do nieskończoności. Z lematu 4.7 wynika, że J(Πi ) = vi (y), natomiast zbieżność vi (y) do v(y) już wykazaliśmy. 73 4.5. PRZYKŁADY 4.5. Przykłady W tym podrozdziale skupimy si˛e na przykładach modeli rynków, które spełniaja˛ warunki NFL, NFL1 lub NFL2. Dyfuzja z ograniczonymi współczynnikami zależnymi od markowskich czynników ekonomicznych Modelujemy proces cen jako eksponent˛e Doleans-Dade dyfuzji ze współczynnikami zależnymi od zewn˛etrznego procesu reprezentujacego ˛ czynniki ekonomiczne. dS i (t) = µi X(t) dt + σ i X(t) · dW (t), i = 1, . . . , d, i S (t) (4.9) gdzie W (t) jest p-wymiarowym procesem Wienera, µi : Rm → R jest dryfem, σ i : Rm → Rp – wektorem zmienności, a X(t) jest procesem Fellera. Zakładamy, że µi i σ i , i = 1, . . . , d, sa˛ funkcjami ograniczonymi. Równanie (4.9) posiada jednoznaczne rozwiazanie, ˛ które możemy zapisać wzorem Z t Z t Z 2 1 t i i i i i σ X(u) du + µ X(u) du , S (t) = S (s) exp σ X(u) · dW (u) − 2 s s s i = 1, . . . , d. Ponadto, jest to proces Fellera. Korzystajac ˛ z jawnej postaci rozwiazania ˛ (4.9) udowodnimy oszacowanie na bogactwo portfela. Pozwoli nam to wykazać warunek NFL. LEMAT 4.13. Dla dowolnego y = (η, s, x) ∈ E, Π ∈ A(y), t ≥ 0, E y N Π (t) · S(t) ≤ η · s eβ̃t , (4.10) gdzie β̃ = sup µi (x). (x,i)∈Rm ×{1,...,d} Dowód. Ustalmy y, Π i t. Dla zwi˛ekszenia przejrzystości nie b˛edziemy pisać Π przy N Π i τkΠ . Wykażemy, że dla dowolnego i ∈ N E y N (τi ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) ≤ n · s eβ̃t . Warunek samofinansowania implikuje, że N (τi ∧ t) · S(τi ∧ t) ≤ N (τi−1 ∧ t) · S(τi ∧ t). Ponadto, z mocnej własności Markowa procesu cen wynika, że n o E y N (τi ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) ≤ E y E y N (τi−1 ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) Fτi−1 ∧t Rozwijamy iloczyn skalarny pod warunkowa˛ wartościa˛ oczekiwana˛ E y N (τi−1 ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) Fτi−1 ∧t = d X k=1 E y N k (τi−1 ∧ t)S k (τi ∧ t)eβ̃(t−τi ∧t) Fτi−1 ∧t 74 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Oszacowujemy każdy ze składników oddzielnie. E y N k (τi−1 ∧ t)S k (τi ∧ t)eβ̃(t−τi ∧t) Fτi−1 ∧t k y = N (τi−1 ∧ t) E eβ̃(t−τi ∧t) S k (τi−1 ∧ t) Z τi ∧t Z 1 τi ∧t σ k X(u) 2 du exp σ k X(u) dW (u) − 2 τi−1 ∧t τi−1 ∧t Z τi ∧t + µk X(u) du Fτi−1 ∧t τi−1 ∧t k k ≤ N (τi−1 ∧ t)S (τi−1 ∧ t) Z β̃(t−τi ∧t) β̃(τi ∧t−τi−1 ∧t) y e exp E e τi ∧t σ i X(u) dW (u) τi−1 ∧t 1 − 2 k β̃(τi−1 ∧t) k = N (τi−1 ∧ t)S (τi−1 ∧ t)e ponieważ Z τi ∧t τi−1 ∧t i 2 σ X(u) du Fτ ∧t i−1 , Z 2 1 s i σ X(u) du s 7→ exp σ X(u) dW (u) − 2 0 0 jest martyngałem. Podsumowujac, ˛ pokazaliśmy E y N (τi ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) ≤ E y N (τi−1 ∧ t) · S(τi−1 ∧ t)eβ̃(τi−1 ∧t) . Z s i Powtarzajac ˛ powyższe rozumowanie i − 1 razy dostajemy E y N (τi ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) ≤ n · s eβ̃t . Aby zakończyć dowód, wystarczy przejść z i do nieskończoności. Z lematu Fatou E y lim inf N (τi ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) ≤ n · s eβ̃t . i→∞ Z dopuszczalności strategii Π wynika, że τi (ω) > t dla niekończenie wielu i. Zatem lim inf N (τi ∧ t) · S(τi ∧ t)eβ̃(t−τi ∧t) = N (t) · S(t), k→∞ co kończy dowód. Zauważmy zatem, że w rozważanym modelu warunek NFL jest spełniony. Przy dodatkowych zastrzeżeniach możemy wykazać NFL2. WNIOSEK 4.14. Jeśli F (n, s, x) = (n · s)γ dla γ ∈ (0, 1) i α > β̃, to warunek NFL2 jest spełniony. Dowód. Ustalmy kul˛e B ⊆ E i oznaczmy η = γ1 . Weźmy y = (n, s, x) ∈ B i Π ∈ A(y) Z ∞ Z ∞ γη y −αt Π y E e N (t) · S(t) dt = E e−αt N Π (t) · S(t)dt 0 0 Z ∞ = e−αt E y N Π (t) · S(t) dt Z0 ∞ n·s ≤ e−αt n · s eβ̃t dt = . α − β̃ 0 75 4.5. PRZYKŁADY Zatem NFL2 jest spełniony, gdyż n · s jest ograniczony w zbiorach ograniczonych. Aby znaleźć warunki, przy których założenie NFL2 jest spełnione dla szerszej klasy funkcji, musimy udowodnić trudniejsza˛ wersj˛e lematu 4.13. LEMAT 4.15. Dla y = (n, s, x) ∈ E, Π ∈ A(y) i ograniczonego momentu stopu σ 1/2 E y e−ασ N Π (σ) · S(σ) ≤ n · s E y e−2(α−β)σ , (4.11) gdzie β = sup i=1,...,d 1 sup kσ i (x)k2 + sup µi (x) . 2 x∈Rm x∈Rm Dowód. Podobnie jak poprzednio, w dowodzie b˛edziemy opuszczać oznaczenie Π przy N Π i τiΠ . Ustalmy y = (n, s, x) ∈ E i Π ∈ A(y). Pokażemy najpierw, że dla dowolnego i ∈ N i ograniczonej zmiennej losowej ξ n 1/2 o (4.12) E y e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) E y ξ|Fτi ∧σ n 1/2 o . ≤ E y e−α(τi−1 ∧σ) N (τi−1 ∧ σ) · S(τi−1 ∧ σ) E y ξe2(β−α)(τi ∧σ−τi−1 ∧σ) Fτi−1 ∧σ Warunek samofinansowania implikuje, że N (τi ∧ t) · S(τi ∧ t) ≤ N (τi−1 ∧ t) · S(τi ∧ t). Zatem n 1/2 o E y e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) E y ξ|Fτi ∧σ n o 1/2 y y y ≤ E E N (τi−1 ∧ σ) · S(τi ∧ σ) E ξ|Fτi ∧σ Fτi−1 ∧σ Rozwijamy iloczyn skalarny pod wewn˛etrzna˛ wartościa˛ oczekiwana˛ n o 1/2 E y N (τi−1 ∧ σ) · S(τi ∧ σ) E y ξ|Fτi ∧σ Fτi−1 ∧σ = d X n o 1/2 N k (τi−1 ∧ σ)E y S k (τi ∧ σ) E y ξ|Fτi ∧σ Fτi−1 ∧σ k=1 Nast˛epnie szacujemy każdy składnik oddzielnie, korzystajac ˛ z mocnej własności Markowa procesu cen n o 1/2 N k (τi−1 ∧ σ)E y S k (τi ∧ σ) E y ξ|Fτi ∧σ Fτi−1 ∧σ = N k (τi−1 ∧ σ)S k (τi−1 ∧ σ) Z τi ∧σ Z Z τi ∧σ 1 τi ∧σ σ k X(u) 2 du + E y exp σ k X(u) dW (u) − µk X(u) du 2 τi−1 ∧σ τi−1 ∧σ τi−1 ∧σ 1/2 y Fτ ∧σ E ξ|Fτi ∧σ i−1 76 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Stosujemy nierówność Schwartza Z τi ∧σ Z Z τi ∧σ 2 1 τi ∧σ k y k k exp σ X(u) dW (u) − E σ X(u) du + µ X(u) du 2 τi−1 ∧σ τi−1 ∧σ τi−1 ∧σ 1/2 y Fτ ∧σ E ξ|Fτi ∧σ i−1 1/2 Z 2 1 τi ∧σ k ≤ E exp 2σ X(u) dW (u) − 2σ X(u) duFτi−1 ∧σ 2 τi−1 ∧σ τi−1 ∧σ Z τi ∧σ Z τi ∧σ k 2 y k exp E σ X(u) du + 2µ X(u) du − 2α(τi ∧ σ) y τi ∧σ Z k τi−1 ∧σ τi−1 ∧σ E y 1/2 ξ|Fτi ∧σ Fτi−1 ∧σ . Pierwszy czynnik możemy zapisać jako M k (τi ∧ σ) y Fτ ∧σ , E M k (τi−1 ∧ σ) i−1 gdzie t Z k M (t) = exp 0 jest martyngałem. Zatem E momentem stopu. Stad ˛ y {M k (τ E 1 2σ X(u) dW (u) − 2 k y i ∧ σ)|Fτi−1 ∧σ } = Z M k (τ t 2σ k X(u) 2 du 0 i−1 ∧ σ), ponieważ σ jest ograniczonym M k (τi ∧ σ) Fτ ∧σ = 1. M k (τi−1 ∧ σ) i−1 Drugi czynnik szacujemy korzystajac ˛ z ograniczoności σ i i µi Z τi ∧σ Z τi ∧σ i 2 y i σ X(u) du + 2µ X(u) du − α(τi ∧ σ) E exp τi−1 ∧σ τi−1 ∧σ E y 1/2 ξ|Fτi ∧σ Fτi−1 ∧σ 1/2 ≤ E e E ξ|Fτi ∧σ Fτi−1 ∧σ 1/2 y −2α(τi−1 ∧σ) 2(β−α)(τi ∧σ−τi−1 ∧σ) y = E e e E ξ|Fτi ∧σ Fτi−1 ∧σ y 2β(τi ∧σ−τi−1 ∧σ)−2α(τi ∧σ) y 1/2 = e−α(τi−1 ∧σ) E y ξ e2(β−α)(τi ∧σ−τi−1 ∧σ) Fτi−1 ∧σ Dostajemy zatem oszacowanie n 1/2 o E y e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) E y ξ|Fτi ∧σ n 1/2 o ≤ E y e−α(τi−1 ∧σ) N (τi−1 ∧ σ) · S(τi−1 ∧ σ) E y ξ e2(β−α)(τi ∧σ−τi−1 ∧σ) Fτi−1 ∧σ , które kończy dowód (4.12). 77 4.5. PRZYKŁADY Wykażemy teraz, że dla dowolnego i ∈ N n o 1/2 E y e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) ≤ n · s E y e2(β−α)(τi ∧σ) . (4.13) Zastosujmy oszacowanie (4.12) z ξ = 0 n o E y e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) n 1/2 o . ≤ E y e−α(τi−1 ∧σ) N (τi−1 ∧ σ) · S(τi−1 ∧ σ) E y e2(β−α)(τi ∧σ−τi−1 ∧σ) Fτi−1 ∧σ Nast˛epnie stosujemy (4.12) z ξ = exp 2(β − α)(τi ∧ σ − τi−1 ∧ σ) n 1/2 o E y e−α(τi−1 ∧σ) N (τi−1 ∧ σ) · S(τi−1 ∧ σ) E y e2(β−α)(τi ∧σ−τi−1 ∧σ) Fτi−1 ∧σ n 1/2 o . ≤ E y e−α(τi−2 ∧σ) N (τi−2 ∧ σ) · S(τi−2 ∧ σ) E y e2(β−α)(τi ∧σ−τi−2 ∧σ) Fτi−2 ∧σ Ostatni krok powtarzamy i − 2 razy i dostajemy (4.13). Przechodzimy teraz z i do nieskończoności. Zauważamy, że z twierdzenia o zbieżności monotonicznej pod znakiem całki i z dopuszczalności strategii Π wynika, że lim E y e2(β−α)(τi ∧σ) = E y e2(β−α)σ . i→∞ Zauważmy, że τi (ω) > σ(ω) dla niekończenie wielu i, bo σ jest ograniczonym momentem stopu, zaś Π jest strategia˛ dopuszczalna.˛ Stosujac ˛ lemat Fatou i powyższa˛ uwag˛e dostajemy n o n o lim inf E y e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) ≥ E y lim inf e−α(τi ∧σ) N (τi ∧ σ) · S(τi ∧ σ) i→∞ i→∞ n o = E y e−ασ N (σ) · S(σ) . A zatem n o 1/2 , E y e−ασ N (σ) · S(σ) ≤ n · s E y e2(β−α)σ co kończy dowód. Określimy teraz szersza˛ rodzin˛e funkcji F , dla których udowodnimy istnienie strategii optymalnej. Nie skorzystamy przy tym z twierdzenia 4.12, lecz silniej wykorzystamy postać procesu cen. Założenie AF. Istnieja˛ stałe A, B takie, że 0 ≤ F (η, s, x) ≤ A + B(η · s), (η, s, x) ∈ E. Założenie AF ogranicza wzrost funkcji F w stosunku do bogactwa. Zauważmy, że jeśli F (η, s, x) = u(η · s), czyli jest użytecznościa˛ bogactwa, to warunek AF jest spełniony dla dowolnej nieujemnej wkl˛esłej lub wypukło-wkl˛esłej funkcji u. Obejmuje to cała˛ klas˛e stosowanych obecnie funkcji użyteczności. TWIERDZENIE 4.16. Załóżmy, że F spełnia założenia AF, α > β, gdzie β = sup i=1,...,d 1 sup kσ i (x)k2 + sup µi (x) , 2 x∈Rm x∈Rm oraz zachodzi NUM. Wtedy funkcja wartości v jest funkcja˛ ciagł ˛ a˛ i spełnia równanie Bellmana Kv = v. Ponadto istnieje strategia optymalna. 78 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Dowód. Dowód tego twierdzenia b˛edzie bazował na dowodzie twierdzenia 4.12. Zauważmy, że założenie NFL jest spełnione na mocy lematu 4.13. Nie mamy tylko NFL2. Jest ono wykorzystywane w dowodzie twierdzenia 4.12 tylko do pokazania, że dla dowolnego zbioru zwartego B ⊆ E Z ∞ e−αt F N Π (t) · S(t) dt → 0 Ey τiΠ jednostajnie dla y ∈ B i Π ∈ A(y). Ustalmy zatem zbiór zwarty B ⊆ E, y ∈ B i Π ∈ A(y). Na mocy założenia AF Z ∞ Z ∞ Z ∞ e−αt B N Π (t) · S(t) dt e−αt A + e−αt F Y Π (t) dt = E y Ey τiΠ τiΠ A Π ≤ E y e−ατi + B E y α Zajmijmy si˛e drugim składnikiem Z ∞ Z −αt Π y e N (t) · S(t)dt = E τiΠ ∞ τΠ i Z ∞ −αt e Π N (t) · S(t)dt τiΠ n o Π E y e−α(t+τi ) N Π (t + τiΠ ) · S(t + τiΠ ) dt 0 Na mocy lematu 4.15 dla dowolnego T > 0 o1/2 n o n Π Π . E y e−α(t+τi ∧T ) N Π (t + τiΠ ∧ T ) · S(t + τiΠ ∧ T ) ≤ n · s E y e2(t+τi ∧T )(β−α) Ze zbieżności monotonicznej o1/2 o1/2 n n Π Π . = E y e2(t+τi )(β−α) lim E y e2(t+τi ∧T )(β−α) T →∞ i granica jest skończona, gdyż (β − α) < 0. Lemat Fatou daje n o Π E y lim inf e−α(t+τi ∧T ) N Π (t + τiΠ ∧ T ) · S(t + τiΠ ∧ T ) T →∞ n o Π ≤ lim inf E y e−α(t+τi ∧T ) N Π (t + τiΠ ∧ T ) · S(t + τiΠ ∧ T ) T →∞ n o1/2 Π . ≤ n · s E y e2(t+τi )(β−α) Zauważmy też, że Π Π lim inf e−α(t+τi ∧T ) N Π (t + τiΠ ∧ T ) · S(t + τiΠ ∧ T ) = e−α(t+τi ) N Π (t + τiΠ ) · S(t + τiΠ ), T →∞ a wi˛ec n o n Π o1/2 Π E y e−α(t+τi ) N Π (t + τiΠ ) · S(t + τiΠ ) ≤ n · s et(β−α) E y e2τi (β−α) . Podsumowujac ˛ E y Z ∞ −αt e F Y (t) dt Π τiΠ n Π o1/2 Z ∞ A y −ατ Π y 2τ (β−α) t(β−α) e dt ≤ E e i +n·sB E e i α 0 A B y n 2τ Π (β−α) o1/2 Π = E y e−ατi + n · s E e i . α α−β 79 4.5. PRZYKŁADY Π Π Warunek NFL implikuje nam, że zarówno E y e−ατi jak i E y e2τi (β−α) daż ˛ a˛ do zera jednostajnie dla y ∈ B i Π ∈ A(y). Stad ˛ Z ∞ y e−αt F N Π (t) · S(t) dt = 0, lim sup E i→∞ y∈B,Π∈A(y) τiΠ co kończy dowód, gdyż dalej post˛epujemy identycznie jak w dowodzie twierdzenia 4.12. Na zakończenie zwróćmy uwag˛e na to, że zwi˛ekszenie rodziny funkcji F okupiliśmy zmiana˛ oszacowania na możliwe stopy dyskonta α. We wniosku 4.14 wymagaliśmy tylko, by α > β̃ = sup µi (x). (x,i)∈Rm ×{1,...,d} Natomiast w twierdzeniu 4.16 żadamy, ˛ aby α > β = sup i=1,...,d 1 sup kσ i (x)k2 + sup µi (x) . 2 x∈Rm x∈Rm Multiplikatywny proces cen Ceny modelujemy jako d-wymiarowy proces dany przez S i (t) = eZ i (t) , i = 1, . . . , d. Proces Z(t) nie musi być procesem Fellera. Dopiero razem z procesem X(t), który, przypomnijmy, reprezentuje czynniki ekonomiczne, spełnia warunek Fellera. Formalnie Z(t), X(t) ∈ E Z × E X , Z d X m E = R , E = R . Zauważmy także, że proces S(t), X(t) spełnia warunek Fellera. Celem tej cz˛eści jest znalezienie wystarczajacych ˛ warunków wyrażonych w terminach procesu Z(t), X(t) na to, by były spełnione założenia NFL, NFL1 i NFL2. Wyniki b˛eda˛ znacznie ogólniejsze niż w poprzednim przykładzie, lecz także słabsze w tym sensie, że dolne ograniczenie na współczynnik dyskonta α b˛edzie wyższe. Jedynym założeniem, które zrobimy, jest Założenie MLT. Dla dowolnego T > 0 istnieje β > 0 2 2 E z S i (t) Fs ≤ S i (s) e2β(t−s) , s ≤ t ≤ T , i = 1, . . . , d, z ∈ E. Proces dyfuzji (4.9) z ograniczonymi współczynnikami spełnia MLT z β równym temu z lematu 4.15. Podobnie jak w poprzednim przykładzie, przedstawione dowody nie b˛eda˛ brały pod uwag˛e istnienia kosztów za transakcje. Tutaj jednak b˛edziemy musieli jawnie ograniczyć nasze rozważania do takiego przypadku. Chociaż usuniemy koszty za transakcje, to pozostaniemy przy wymaganiu, by nasza strategia była sterowaniem impulsowym. Zwróćmy uwag˛e, że wszelkie górne oszacowania bogactwa portfela bez kosztów za transakcje przenosza˛ si˛e w oczywisty sposób na przypadek kosztów za transakcje. Zastosowana sztuczka nie jest wi˛ec żadnym ograniczeniem. Zdefiniujemy teraz strategi˛e bez kosztów za transakcje. Różni si˛e ona od definicji 4.2 tylko punktem iv). DEFINICJA 4.17. Π = (N0 , 0), (N1 , τ1 ), . . . jest strategia˛ dopuszczalna˛ bez kosztów za transakcje dla (s0 , x0 ) ∈ E S × E X , jeśli 80 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE i) ii) iii) iv) v) 0 ≤ τ1 ≤ τ2 · · · sa˛ momentami stopu, Ni jest Fτi mierzalne, Ni ∈ E N P(s0 ,x0 ) -p.n., Ni S(τi ) = Ni−1 S(τi ) P(s0 ,x0 ) -p.n. (samofinansowanie), P(s,x) (limn→∞ τn = ∞) = 1. Zbiór strategii dopuszczalnych bez kosztów za transakcje dla y = (η0 , s0 , x0 ) ∈ E b˛edziemy oznaczać przez Ã(y). Składa si˛e on z tych wszystkich strategii dopuszczalnych bez kosztów za transakcje dla (s0 , x0 ), w których N0 = η0 . Możemy teraz sformułować główny wynik. TWIERDZENIE 4.18. Załóżmy, że proces cen spełnia warunek MLT. Dla dowolnego T > 0 istnieje β > 0 taka, że 2 sup E y N Π (T ) · S(T ) ≤ (η0 · s0 )2 e2βT , y = (η0 , s0 , x0 ) ∈ E. (4.14) Π∈Ã(y) Ponadto, β jest równa stałej z warunku MLT. Trywialnie dostajemy analogiczny wynik dla przypadku z kosztami za transakcje. WNIOSEK 4.19. Jeśli proces cen spełnia MLT, to istnieje β > 0 zależna od T > 0, taka że 2 sup E y N Π (T ) · S(T ) ≤ (η0 · s0 )2 e2βT , y = (η0 , s0 , x0 ) ∈ E. Π∈A(y) Dowód twierdzenia 4.18 bazuje na dyskretyzacji czasu i pewnego rodzaju ciagłości ˛ procesu Fellera. Poczatkowo ˛ dowodzimy (4.14) dla strategii z transakcjami w ustalonej, skończonej liczbie deterministycznych momentów. Nast˛epnie, gdy zbiór tych momentów staje si˛e g˛estszy w [0, T ], proponowane przybliżenie lewej strony (4.14) staje si˛e coraz lepsze, by w granicy osiagn ˛ ać ˛ równość. Dowód twierdzenia 4.18. W dowodzie, jeśli nie b˛edzie to niejednoznaczne, opuszczać b˛edziemy oznaczenie Π przy N Π i τiΠ . Dla n ∈ N wprowadzimy diadyczny podział odcinka [0, T ] o n T 2T Dn = 0, n , n , . . . , T . 2 2 W zbiorze strategii Ã(y) wybieramy te, których transakcje maja˛ miejsce w Dn Py -p.n. Oznaczamy ten zbiór przez Ãn (y). Możemy postrzegać strategie z Ãn (y) jako takie, które maja˛ transakcj˛e w każdym punkcie Dn . Uzasadnić to można brakiem kosztów za transakcje. Teraz, niech Ãm (y) b˛edzie zbiorem strategii o co najwyżej m transakcjach w [0, T ]. Zaś Ãm eciem dwóch powyższych n (y) jest przeci˛ zbiorów. Formalnie Ãn (y) = {Π ∈ Ã(y) : Py (τi ∩ [0, T ] ∈ Dn ∀i) = 1}, y ∈ E, n ∈ N, Ãm (y) = {Π ∈ Ã(y) : τm+1 > T Py -p.n.}, y ∈ E, m ∈ N, m Ãm n (y) = à (y) ∩ Ãn (y), y ∈ E, m ∈ N. Poniższy lemat dowodzi całkowalności lewej strony (4.14) dla strategii z Ãm . LEMAT 4.20. 2 E y N Π (T ) · S(T ) < ∞, Π ∈ Ãm (y), m ∈ N, y ∈ E. 81 4.5. PRZYKŁADY Dowód. Wykażemy oszacowanie 2 E y N Π (T ) · S(T ) ≤ (η0 · s0 )2 e2mβT , (4.15) gdzie y = (η0 , s0 , x0 ), Π ∈ Ãm (y), zaś β jest stała˛ z założenia MLT. 2 Zauważmy najpierw, że N (T ) · S(T ) jest nieujemna˛ zmienna˛ losowa,˛ wi˛ec jej warunkowa wartość oczekiwana jest dobrze zdefiniowana, choć może być nieskończona w niektórych punktach. Π ≤ T . Formalnie można to Ustalmy m ∈ N. Brak kosztów za transakcje pozwala nam założyć, że τm zrobić w nast˛epujacy ˛ sposób 0 τ10 = τ1 ∧ T , . . . , τm = τm ∧ T , 0 0 τm+1 = τ1 ∨ T , . . . τ2m = τm ∨ T , 0 τ2m+k = τm+k , k > 0. Oczywiście, proces zawartości portfela zwiazany ˛ z powyższa˛ modyfikacja˛ strategii jest identyczny z Π N (t). Tak wi˛ec, zakładajac ˛ τm ≤ T , piszemy d X d nX o 2 E y N (T ) · S(T ) = E y N i (T )S i (T )N j (T )S j (T ) i=1 j=1 = Ey d X d nX o E y N i (T )S i (T )N j (T )S j (T )Fτm . i=1 j=1 Szacujemy każdy składnik z osobna z nierówności Schwartza E y N i (T )S i (T )N j (T )S j (T )Fτm = E y N i (τm )S i (T )N j (τm )S j (T )Fτm = N i (τm )N j (τm )E y S i (T )S j (T )Fτm 2 12 ≤ N i (τm )N j (τm ) E y S i (T ) Fτm 2 12 E y S j (T ) Fτm . Na mocy założenia MLT powyższe wyrażenie możemy oszacować z góry przez 12 21 j N i (τm )N j (τm )S i (τm ) E y e2β(T −τm ) Fτm S (τm ) E y e2β(T −τm ) Fτm ≤ N i (τm )N j (τm )S i (τm )S j (τm )e2βT . Ostatecznie d X d nX o 2 E y N (T ) · S(T ) ≤ E y N i (τm )N j (τm )S i (τm )S j (τm )e2βT i=1 j=1 =E y 2 N (τm ) · S(τm ) e2βT . Założenie o samofinansowaniu daje 2 2 E y N (τm ) · S(τm ) e2βT = E y N (τm −) · S(τm ) e2βT . 82 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Powtarzajac ˛ powyższe rozumowanie m razy dochodzimy do (4.15). W poniższym lemacie wykorzystamy spostrzeżenie, że strategie z Ãn (y) można traktować jako strategie, które maja˛ transakcj˛e w każdym punkcie Dn . Oznaczmy przez β stała˛ z założenia MLT dla horyzontu T . LEMAT 4.21. Dla każdego n ∈ N 2 E y N Π (T ) · S(T ) ≤ (η0 · s0 )2 e2βT , Π ∈ Ãn (y), y = (η0 , s0 , x0 ) ∈ E. Dowód. Oznaczmy punkty Dn przez t0 , t1 , . . . , t2n , tzn. ti = T i/2n . Ponadto, niech N2n = N Π (t2n ), N2n −1 = N Π (t2n −1 ), . . . . Oczywiście Ni jest Fti -mierzalne dla i = 0, . . . 2n . Skorzystajmy z warunku samofinansowania N2n · S(T ) = N2n −1 · S(T ) i rozwińmy iloczyn skalarny 2 2 2 E y N Π (T ) · S(T ) = E y N2n · S(T ) = E y N2n −1 · S(T ) d X d nX o y =E N2in −1 S i (T )N2jn −1 S j (T ) (4.16) i=1 j=1 =E y d X d nX o E y N2in −1 S i (T )N2jn −1 S j (T )Ft2n −1 . i=1 j=1 Szacujemy każdy składnik oddzielnie korzystajac ˛ z nierówności Schwartza E y N2in −1 S i (T )N2jn −1 S j (T )Ft2n −1 = N2in −1 N2jn −1 E y S i (T )S j (T )Ft2n −1 2 21 ≤ N2in −1 N2jn −1 E y S i (T ) Ft2n −1 2 12 y j . E S (T ) Ft2n −1 (4.17) Na mocy założenia MLT szacujemy to przez β β N2in −1 N2jn −1 S i (t2n −1 )e 2n S j (t2n −1 )e 2n . Ostatecznie (4.16) jest ograniczone z góry przez Ey d X d nX 2β N2in −1 S i (t2n −1 )N2jn −1 S j (t2n −1 )e 2n o 2 2β = E y N2n −1 · S(t2n −1 ) e 2n . i=1 j=1 Powtarzajac ˛ powyższe rozumowanie (2n − 1) razy dochodzimy do nierówności, która˛ mieliśmy udowodnić. W dalszej ˛ półgrupy zwiazanej ˛ z procesem cz˛eści dowodu b˛edziemy wykorzystywali ciagłość Z(t), X(t) . W celu uproszczenia zapisu przyjmijmy Ỹ (t) = Z(t), X(t) . Poniższe lematy oraz referencje do dowodów pochodza˛ z pracy Stettnera [30]. LEMAT 4.22. Dla dowolnego zbioru zwartego K ⊆ E Z × E X , > 0, T > 0, istnieje zbiór zwarty K1 ⊇ K, taki że sup Pỹ Ỹ (t) ∈ / K1 dla pewnego t ∈ [0, T ] < . ỹ∈K 83 4.5. PRZYKŁADY LEMAT 4.23. Niech Oδ (ỹ) = {z̃ ∈ E Z × E X : kỹ − z̃k < δ}, ỹ ∈ E Z × E X . / Oδ (ỹ) < . ∀>0, δ>0 ∀K1 – zwarty ∃h0 ∀h≤h0 ∀ỹ∈K1 Pỹ Ỹ (h) ∈ Dowód lematu 4.22 można znaleźć w pracy Mackevicius [17], lemat 2. Lemat 4.23 może być dowiedziony identycznie do lematu 2.5 z monografii Dynkina [9]. Jako wniosek dostajemy WNIOSEK 4.24. Niech τ b˛edzie ograniczonym momentem stopu. Dla dowolnych stałych δ, > 0 i zbioru zwartego B̃ ∈ E Z × E X istnieje η > 0, takie że Pỹ kỸ (τ ) − Ỹ (σ)k ≥ δ, Ỹ (τ ) ∈ B̃ ≤ , ỹ ∈ E Z × E X . dla dowolnej Fτ -mierzalnej zmiennej losowej σ spełniajacej ˛ 0 ≤ σ − τ ≤ η. Skorzystamy teraz z ciagłości ˛ procesu Fellera, udowodnionej powyżej, oraz z lematu 4.21, aby otrzymać oszacowanie górne na bogactwo portfeli zwiazanych ˛ ze strategiami z Ãm (y). LEMAT 4.25. Dla m ∈ N, y ∈ E, Π ∈ Ãm (y) 2 E y N Π (T ) · S(T ) ≤ lim n→∞ 2 0 E y N Π (T ) · S(T ) . sup Π0 ∈Ãm n (y) Dowód. Dowód opiera si˛e na nast˛epujacej ˛ dyskretyzacji strategii. Niech Π ∈ Ãm (y), Π = (N0 , τ0 ), (N1 , τ1 ), . . . , (Nm , τm ) . Jak poprzednio, możemy założyć, że τm ≤ T . Konstruujemy n-dyskretyzacj˛e Π, oznaczana˛ przez Πn , która b˛edzie elementem Ãm n (y). Modyfikujemy momenty transakcji: τn,l = kT , 2n jeżeli (k − 1)T kT < τl ≤ n , n 2 2 k = 0, 1, . . . , 2n , l = 0, 1, . . . , m. Zatem 0 ≤ τn,l − τn ≤ 2−n . Żadamy, ˛ aby liczba akcji w portfelu Πn była proporcjonalna do liczby akcji w portfelu Π, tzn. Nn,l = αn,l Nl , l = 0, 1, . . . , m. Oczywiście αn,0 = 1. Ponadto musi być spełniony warunek samofinansowania αn,l−1 Nl−1 · S(τn,l ) = αn,l Nl · S(τn,l ). Powyższa relacja determinuje w całości αn,l . Ponadto, αn,l jest Fτn,l -mierzalna˛ zmienna˛ losowa.˛ Teraz dla dowolnych δ, > 0 znajdziemy N (δ, ), takie że dla n ≥ N (δ, ) istnieje zbiór An (δ, ) ⊆ Ω o mierze Py {An (δ, )} ≥ 1 − oraz An (δ, ) ⊆ n S i (τ ) o n,l −δ δ ∈ [e , e ], i = 1, . . . , d, l = 0, . . . , m . S i (τl ) Na mocy lematu 4.22 istnieje zbiór zwarty B̃1 ⊆ E Z × E X , taki że y ∈ [0, ∞)d × B̃1 i Py Z(t), X(t) ∈ / B̃1 dla t ∈ [0, T ] < . m+1 (4.18) 84 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE Z wniosku 4.24 możemy znaleźć N ∈ N, takie że n-dyskretyzacja Πn strategii Π spełnia dla n ≥ N Py |Z(τn,l ) − Z(τl )| > δ, Z(τl ), X(τl ) ∈ B̃1 ≤ , l = 1, . . . , m. m+1 Stad ˛ Py {Acn (δ, )} = Py ∃l∈{1,2,...,m} |Z(τn,l ) − Z(τl )| > δ = Py ∃l∈{1,2,...,m} |Z(τn,l ) − Z(τl )| > δ, ∃t∈[0,T ] Z(τl ), X(τl ) ∈ / B̃1 + Py ∃l∈{1,2,...,m} |Z(τn,l ) − Z(τl )| > δ, ∀t∈[0,T ] Z(τl ), X(τl ) ∈ B̃1 ≤ Py ∃t∈[0,T ] Z(τl ), X(τl ) ∈ / B̃1 m X + Py |Z(τn,l ) − Z(τl )| > δ, ∀t∈[0,T ] Z(τl ), X(τl ) ∈ B̃1 l=1 ≤ +m = . m+1 m+1 Ustalmy δ, > 0 i weźmy n ≥ N (δ, ). Podamy teraz oszacowanie dolne na αn,m na zbiorze An (δ, ). Ustalmy numer transakcji l ∈ {1, . . . , m}. Bogactwo przed transakcja˛ jest równe Nn,l−1 · S(τn,l ). Relacja (4.18) pozwala nam na dokonanie nast˛epujacych ˛ przekształceń: Nn,l−1 · S(τn,l ) = αn,l−1 Nl−1 · S(τn,l ) = αn,l−1 d X i Nl−1 S i (τn,l ) i=1 ≥ αn,l−1 d X i S i (τl )e−δ = αn,l−1 e−δ Nl−1 · S(τl ). Nl−1 i=1 Ponieważ Π jest strategia˛ samofinansujac ˛ a˛ αn,l−1 e−δ Nl−1 · S(τl ) = αn,l−1 e−δ Nl · S(τl ). A zatem, na mocy (4.18) αn,l−1 e−δ Nl · S(τl ) = αn,l−1 e−δ ≥ αn,l−1 e−δ d X i=1 d X Nli S i (τl ) Nli S i (τn,l )e−δ = αn,l−1 e−2δ Nl · S(τn,l ). i=1 Warunek samofinansowania dla strategii Πn ma postać Nn,l · S(τn,l ) = Nn,l−1 · S(τn,l ). Dostajemy zatem Nn,l ≥ αn,l−1 e−2δ Nl , co pozwala zapisać oszacowanie dolne na αn,l w postaci rekurencyjnej: αn,l ≥ αn,l−1 e−2δ . Czyli αn,m ≥ e−2mδ . Podsumowujac ˛ 2 2 2 E y 1An (δ,) Nn,m · S(T ) = E y 1An (δ,) αm Nm · S(T ) ≥ E y 1An (δ,) e−2mδ Nm · S(T ) 2 = e−4mδ E y 1An (δ,) Nm · S(T ) . 85 4.5. PRZYKŁADY Możemy teraz oszacować bogactwo portfela Π w momencie T przy pomocy strategii zdyskretyzowanych. Mamy 2 2 2 E y Nm · S(T ) = E y 1An (δ,) Nm · S(T ) + E y 1Acn (δ,) Nm · S(T ) 2 2 ≤ e4mδ E y 1An (δ,) Nn,m · S(T ) + E y 1Acn (δ,) Nm · S(T ) 2 2 ≤ e4mδ E y Nn,m · S(T ) + E y 1Acn (δ,) Nm · S(T ) 2 2 0 ≤ e4mδ lim sup E y N Π (T ) · S(T ) + E y 1Acn (δ,) Nm · S(T ) . (4.19) k→∞ Π0 ∈Ãm (y) k Zauważmy, że (4.19) zależy od n tylko poprzez zbiór An (δ, ). Weźmy δ = daż ˛ ace ˛ do zera. Wtedy 2 0 0 2 e4mδ lim sup E y N Π (T ) · S(T ) → lim sup E y N Π (T ) · S(T ) k→∞ Π0 ∈Ãm (y) k→∞ Π0 ∈Ãm (y) k k oraz 2 E y 1Acn (δ,) Nm · S(T ) → 0 na mocy twierdzenia o zbieżności zmajoryzowanej, gdyż z lematu 4.20 wynika, że Nm · S(T ) jest całkowalne z kwadratem. Zdefiniujmy W (m, y) = sup 2 E y N Π (T ) · S(T ) , m ∈ N, y ∈ E. Π∈Ãm (y) Dla dowolnej strategii Π ∈ Ãm (y), y = (η0 , s0 , x0 ) ∈ E, na mocy lematów 4.25 i 4.21 2 2 0 E y N Π (T ) · S(T ) ≤ lim sup E y N Π (T ) · S(T ) ≤ (η0 · s0 )2 e2βT . n→∞ Π0 ∈Ãm n (y) Zatem ciag ˛ W (m, y) m∈N jest ograniczony przez (η0 · s0 )2 e2βT dla y = (η0 , s0 , x0 ) ∈ E. Ponadto jest niemalejacy ˛ wzgl˛edem m i zbiega do 2 sup E y N Π (T ) · S(T ) . Π∈A(y) Twierdzenie 4.18 lub dokładniej wniosek 4.19 pozwala nam znaleźć warunki dostateczne, by założenia NFL, NFL1 i NFL2 były spełnione. Niech wi˛ec MLT zachodzi ze stała˛ β, uniwersalna˛ dla T > 0. Wtedy dla T > 0, z = (η0 , s0 , x0 ) ∈ E, Π ∈ A(z) 2 E y N Π (T ) · S(T ) ≤ 1 + E y N Π (T ) · S(T ) ≤ 1 + (η0 · s0 )2 e2βT , (4.20) czyli założenie NFL jest spełnione. Aby wykazać NFL1 weźmy = 1, z = (η0 , s0 , x0 ) ∈ B ⊆ E – kula i zauważmy 2 sup E y N Π (T ) · S(T ) ≤ (η0 · s0 )2 e2βt . (4.21) Π∈A(z) Pokazaliśmy, że NFL1 jest zachodzi ze stała˛ η = 2β. Jedynie przypadek NFL2 nie jest oczywisty. Załóżmy, podobnie jak w twierdzeniu 4.16, że F spełnia założenie AF: 0 ≤ F (η, s, x) ≤ A + B(η · s), (η, s, x) ∈ E, 86 ROZDZIAŁ 4. PROBLEM PORTFELOWY Z KOSZTAMI ZA TRANSAKCJE dla pewnych stałych A, B ∈ R+ . Na mocy (4.20) i (4.21), z = (η0 , s0 , x0 ) ∈ E Z ∞ 2 y e−αt F Y Π (t) dt sup E Π∈A(z) 0 ≤ sup E y Π∈A(z) Z ∞ 2 e−αt A2 + 2ABN Π (t) · S(t) + B 2 N Π (t) · S(t) dt 0 ∞ 2 e−αt N Π (t) · S(t) dt N (t) · S(t)dt + B E α 0 0 Z ∞ Z ∞ 2 A 1 −αt+2βt 2 2 2 ≤ e−αt+2βt dt. e dt + B (η0 · s0 ) + 2AB + (η0 · s0 ) α α 0 0 = A2 + 2AB E y Z ∞ −αt e Π 2 y Z Przyjmujac ˛ α > 2β, dostajemy górne ograniczenie zależne tylko od (η0 · s0 )2 , czyli od kwadratu bogactwa poczatkowego. ˛ Jest ono ograniczone na dowolnym zbiorze zwartym zawartym w E, co dowodzi założenia NFL2. Jak wspomnieliśmy na poczatku ˛ tego przykładu, model dyfuzyjny rozpatrywany wcześniej spełnia założenie MLT ze stała˛ β identyczna˛ do tej z lematu 4.15. Tutaj udowodniliśmy istnienie strategii optymalnej dla F spełniajacego ˛ założenie AF i czynnika dyskonta α > 2β. Natomiast w twierdzeniu 4.16 dowodzimy tej samej tezy, ale przy słabszych założeniach: α > β. Udało nam si˛e zatem dowieść ogólniejszego rezultatu ale kosztem gorszego oszacowania na czynnik dyskonta. Bibliografia [1] Bensoussan, A., Lions, J. L., Contrôl Impulsionnel Inéquations Quasi-Variationnelles, 1982, Dunod, Paris [2] Bensoussan, A., Lions, J. L., Nouvelles Methodes en Contrôle Impulsionnel, Applied Mathematics and Optimization 1, 1975, 289-312 [3] Bichteler, K., Stochastic integration with jumps, 2002, Cambridge University Press, Cambridge [4] Bielecki, T.R., Pliska, S.R., Sherris, M., Risk sensitive asset allocation, J. Economic Dynamics and Control 24, 2000, 1145-1177 [5] Cvitanić, J., Shreve, S.E., Soner H.M., There is no nontrivial hedging portfolio for option pricing with transaction costs, 1995, Annals of Applied Probability 5/2, 327-355 [6] Davis, M.H.A., Markov Models and Optimization, 1993, Chapman & Hall, London [7] Delbaen, F., Schachermayer, W., A general version of the fundamental theorem of asset pricing, Mathematische Annalen 300, 1994, 463-520 [8] Dunford, N., Schwartz, J. T., Linear operators, Interscience Publishers, 1958 [9] Dynkin, E. B., Markov processes, 1965, Springer [10] Eastham J.F., Hastings, K.J., Optimal impulse control of portfolios, Mathematics of Operation Research 13, 4, 1988, 588 – 605 [11] He, S., Wang, J., Yan, J., Semimartingale Theory and Stochastic Calculus, Science Press and CRC Press Inc., 1992 [12] Jouini, E., Napp, C., Arbitrage and investment opportunities, Stochastics, 2001 [13] Jouini, E., Napp, C., Schachermayer, W., Arbitrage and state price deflators in a general intertemporal framework, ukaże si˛e w Journal of Mathematical Economics [14] Karatzas, I., Shreve, S. E., Brownian Motion and Stochastic Calculus, Springer-Verlag, 1991 [15] Karatzas, I., Shreve, S. E., Methods of Mathematical Finance, Springer-Verlag, 1998 [16] Korn, R, Portfolio optimization with strictly positive transaction cost and impulse control, Finanace and Stochastics 2, 1998, 85 – 114 [17] Mackevicius, V., Passing to the limit in the optimal stopping problems of Markov processes, ibidem 13.1, 1973, 115 – 128 87 88 BIBLIOGRAFIA [18] Markowitz, H.M., Portfolio Selection, 1952, Journal of Finance 7 (1), 77-91 [19] Merton, R.C., Optimum consumption and portfolio rules in a continuous-time model, J. of Economical Theory 3, 373-413 [20] Napp, C., Pricing issues with investment flows. Applications to market models with frictions, J. of Mathematical Economics 35, 2001, 383-408 [21] Palczewski, J., Arbitrage and pricing in a general model with flows, 2003, Applicationes Mathematicae 30, 413-429 [22] Palczewski, J., Stettner, Ł., Impulsive control of portfolios, złożone do Applied Mathematics and Optimisation [23] Palczewski, J., Zabczyk, J., Portfolio diversification with Markovian prices, 2004, Preprint IMPAN 649 [24] Pliska, S. R., Suzuki, K., Optimal tracking for asset allocation with fixed and proportional transaction costs, Quantitative Finance, 2004, vol. 4, no. 2, 233-243 [25] Robin, M., Contrôle Impulsionnel des processus de Markov, praca habilitacyjna, Univérsité de Paris IX, 1978 [26] Rogers, L. C. G., Williams D., Diffusions, Markov processes and martingales, 2000, Cambridge University Press [27] Schäl, M., A selection theorem for optimization problems, Archiv der Mathematik 25, 1974, 219-224 [28] Schwartz, L., Fonctions mesurables et *-scalairement mesurables, mesures banachiques majorees, martingales banachiques, et propriete de Radon-Nikodym, Exposés 4, 5 et 6, Seminaire Maurey-Schwartz, Ecole Polytechnique, 1974-1975 [29] Stettner, Ł., On impulsive control with long run average cost criterion, Studia Math., 1983, vol. 76, 279-298 [30] Stettner, Ł., On some stopping and impulsive control problems with a general discount rate criteria, Probability and Mathematical Statistics 10, 2, 1989, 223 – 245 [31] Stricker, Ch., Arbitrage et lois de martingale, Ann. Inst. Henri Poincaré 26, no. 3, 1990, 451-460 [32] Yosida, K., Functional analysis, Springer-Verlag, 1966 [33] Zabczyk, J., Stopping problems in stochastic control, Proceedings of International Congress of Mathematicians, 1983, 1425-1437