plik pdf - Krzysztof Piontek
Transkrypt
plik pdf - Krzysztof Piontek
Krzysztof Piontek Katedra Inwestycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu WSPÓŁCZYNNIK DELTA DLA MODELU WYCENY OPCJI UWZGLĘDNIAJĄCEGO EFEKT AR-GARCH WSTĘP Black i Scholes przy współudziale Mertona przedstawili w 1973 roku wzór na wartość europejskiej opcji kupna lub sprzedaży wystawionej na akcje spółki nie wypłacającej dywidendy [1]. Model ten stał się podstawowym podejściem wykorzystywanym przez praktyków rynków finansowych. Umożliwia on w prosty sposób wyznaczenie wartości opcji oraz analizę wrażliwości wartości opcji na poszczególne czynniki ryzyka determinujące jej wartość; wyznaczenie tzw. współczynników greckich [6]. Rozwiązanie zaproponowane przez Blacka i Scholesa, jakkolwiek przełomowe i bardzo popularne, nie jest pozbawione pewnych wad. Twórcy modelu założyli, że ceny instrumentu bazowego zmieniają się zgodnie z geometrycznym ruchem Browna, którego parametry są stałe. Jest to podejście nierealistyczne, gdyż w rzeczywistych szeregach stóp zwrotu zaobserwowano i udokumentowano szereg specyficznych efektów [9]. Do najważniejszych obserwowanych odstępstw od założenia o geometrycznym ruchu Browna zalicza się występowanie grubych ogonów rozkładów stóp zwrotu, skupiania zmienności (volatility clustering), autokorelacji w szeregach stóp zwrotu, długiej pamięci w szeregach zmienności (volatility long memory), skośności rozkładów stóp zwrotu oraz efektu dźwigni (leverage effect). Nieuwzględnienie tych własności szeregów powoduje, że w pewnych przypadkach, teoretyczne wartości uzyskane z modelu Blacka-Scholesa odbiegają od cen obserwowanych w rzeczywistości (model cechuje się obciążeniem). Konsekwencją tego są odmienne od oczekiwanych wartości zmienności implikowanych [6][9]. W przypadku, gdyby model Blacka-Scholesa wyceniał opcje prawidłowo, to zmienność implikowana powinna mieć stałą wartość niezależną od współczynnika moneyness1 opcji oraz niezależną od terminu do wygaśnięcia opcji. Rzeczywista płaszczyzna zmienności charakteryzuje się efektem "uśmiechu zmienności", czyli zależnością zmienności implikowanej od ceny wykonania oraz tzw. „strukturą czasowa zmienności”, czyli zależnością zmienności implikowanej od terminu do wygaśnięcia opcji2. W 1995 roku Duan przedstawił oparte na procedurze Monte Carlo podejście wyceny opcji, gdy w szeregu stóp zwrotu z instrumentu bazowego obserwuje się zmienną w czasie warunkowa wariancję oraz warunkową wartość oczekiwaną – efekty AR-GARCH [2][4]. Model ten, jakkolwiek znacznie bardziej skomplikowany od modelu Blacka-Scholesa umożliwia uchwycenie efektu „uśmiechu zmienności implikowanej” oraz struktur czasowych zmienności, które obserwuje się na rynkach [2][9]. Zasadniczą różnicą pomiędzy tymi modelami jest również fakt, że model Blacka-Scholesa jest modelem w czasie ciągłym, natomiast modyfikacje podejścia Duana to 1 Porównaj przypis 10. Zagadnienia te zostaną rozszerzone w dalszej części pracy podczas omówienia modelu wyceny opcji uwzględniającego efekt autokorelacji, skupiania zmienności, grubych ogonów i dźwigni. 2 2 Współczynnik delta dla modelu… AR-GARCH modele w czasie dyskretnym. Ma to swoje konsekwencje także przy wyznaczaniu współczynników greckich [8]. Przyjęcie określonego modelu wyceny opcji umożliwia właśnie wyznaczenie tzw. współczynników greckich, czyli analizę wrażliwości wartości opcji na poszczególne czynniki ryzyka (zmiana ceny instrumentu bazowego, zmiana poziomu zmienności, poziomu wolnej od ryzyka stopy procentowej, upływ czasu). Najpopularniejszym greckim współczynnikiem jest tzw. współczynnik delta mierzący wrażliwość wartości opcji3 na zmianę ceny instrumentu bazowego: ∂c ∆= , (1) ∂S gdzie c to oczywiście wartość europejskiej opcji kupna, a S - cena instrumentu bazowego. Współczynnik ten wykorzystuje się przede wszystkim przy zabezpieczaniu portfela akcji do określenia optymalnej liczby wystawianych opcji kupna4 oraz w procesie pomiaru ryzyka (np. pomiaru wartości zagrożonej (VaR)) portfela zawierającego opcje [7]. Im lepszym modelem wyceny opcji dysponuje inwestor, tym efektywniejsza powinna być procedura zabezpieczania portfela akcji oraz dokładniejszy pomiar ryzyka portfela opcji. Celem artykułu jest porównanie wartości współczynników delta uzyskiwanych w podejściu Blacka-Scholesa ze współczynnikami uzyskiwanymi na podstawie modelu ARGARCH, będącego modyfikacją procedury zaproponowanej przez Duana. Praca ta jest wstępem do dalszych badań i bardziej zaawansowanych rozważań. W części empirycznej dokonano estymacji parametrów pewnego modelu klasy AR-GARCH dla indeksu WIG20 i zaprezentowano analizę uzyskiwanych wartości współczynników delta dla dwóch rozpatrywanych modeli (Blacka-Scholesa i modyfikacji Duana) w zależności od wartości wykonania opcji (współczynnika moneyness), terminu do wygaśnięcia oraz wartości warunkowej wariancji w dniu wyznaczania współczynnika delta (w dniu pomiaru ryzyka lub zabezpieczania portfela5). Do analiz empirycznych wybrano indeks WIG20 ze względu, że stanowi od bazę dla najpopularniejszych opcji i warrantów na rynku polskim. Ze względu na ilustracyjny jedynie charakter przykładu, zaniedbano fakt, że w skład indeksu wchodzą akcje spółek mogących wypłacać dywidendy. Formalnie należałoby posłużyć się modelem Mertona zamiast modelem Blacka-Scholesa [6]. 1. WARTOŚCI WSPÓŁCZYNNIKA DELTA W MODELU BLACKA-SCHOLESA Ze względu na ograniczony rozmiar pracy oraz na fakt, iż model Blacka-Scholesa jest modelem znanym i popularnym, rozdział ten ograniczony zostanie do minimum. Wartość współczynnika delta dla modelu Blacka-Scholesa uzyskujemy w prosty sposób wprost z definicji jako pierwszą pochodną cząstkową wartości opcji po cenie instrumentu bazowego: 3 W podejściu praktycznym zakład się efektywność i równowagę rynków finansowych i delta staje się miarą wrażliwości rynkowej ceny opcji na zmianę ceny instrumentu bazowego. 4 Zabezpieczenie portfela akcji polega w tym przypadku na wystawieniu (pozycja krótka) 1 ∆ sztuk opcji kupna na każdą posiadaną (pozycja długa) sztukę akcji [6]. 5 Ponieważ wartość współczynnika delta niezależnie od modelu jest pewną funkcją ceny akcji, czasu do terminu wykonania, stopy procentowej czy zmienności, niezbędne jest oczywiście również okresowe korygowanie składu zabezpieczonego portfela (rebalancing). Krzysztof Piontek ∆ tBS {c} = N ( d1 ) , gdzie: St X ln d1 = 3 (2) σ T + r+ 2 , σ T 2 (3) ∆ tBS {c} - wartość współczynnika delta dla opcji kupna (call) w modelu Blacka-Scholesa, St – cena instrumentu bazowego w chwili t, X – cena wykonania opcji, r – wolna od ryzyka stopa procentowa, σ - zmienność (odchylenie standardowe stóp zwrotu w skali rocznej) kursu instrumentu bazowego, T – czas pozostający do terminu wygaśnięcia opcji (jako ułamek roku), N(d) – wartość dystrybuanty standaryzowanego rozkładu normalnego dla argumentu równego d. Wartość współczynnika delta dla europejskiej opcji sprzedaży ( ∆ t { p} ) można wyznaczyć (niezależnie od modelu wyceny opcji, korzystając z parytetu kupna/sprzedaży [6] z zależności: ∆ t {c} − ∆t { p} = 1 . (4) Porównane zostaną więc jedynie wartości współczynników delta dla opcji kupna. W dalszej części pracy, na etapie porównania wyników modelu Blacka-Scholesa i modelu uwzględniającego efekt AR-GARCH, za oszacowanie zmienności wykorzystywanej w modelu Blacka-Scholesa podstawiana będzie średnia bezwarunkowa zmienność6 (średnia długoterminowa zmienność) wynikająca z modelu AR-GARCH (por. wzór (12)). Taką samą wartość zmienności uzyskalibyśmy wyznaczając odchylenie standardowe stopy zwrotu z dużej próby (i przeskalowując na okres roczny). Rozwiązanie powyższe zapewnia, że w obydwu modelach wyznacza się wartości delt przy tym samym poziomie bezwarunkowej zmienności, co zapewnia porównywalność wyników. 2. WŁASNOŚCI MODELU WYCENY OPCJI UWZGLĘDNIAJĄCEGO EFEKT AR-GARCH 2.1. Wycena opcji w modelu AR-GARCH Omawiana tutaj w sposób skrótowy procedura wyceny opcji zaproponowana została przez Duana przy założeniu, że szereg stóp zwrotu z instrumentu bazowego opisywany jest modelem GARCH-M(1,1) [2]. Zostało ono jednak szybko uogólnione na inne postaci 6 Przeskalowana oczywiście na okres roczny. 3 4 Współczynnik delta dla modelu… AR-GARCH warunkowej wartości oczekiwanej oraz warunkowej wariancji7 [10][4][5]. Propozycja Duana jest uogólnieniem tradycyjnej metody wyceny przy neutralnym podejściu do ryzyka (risk neutral valuation) [11][6] w przypadku modeli z warunkową wartością oczekiwaną oraz warunkową wariancją i polega na takiej modyfikacji procesu stóp zwrotu, by dla każdej chwili, warunkowa wartość oczekiwana stopy zwrotu była równa stopie wolnej od ryzyka [2][4]. Równoważne jest to temu, iż zdyskontowana przy stopie wolnej od ryzyka cena instrumentu bazowego jest martyngałem [11]. Parametr λt modyfikujący proces stóp zwrotu nie jest stały w czasie i podejście to nazwane zostało "wyceną przy punktowej własności neutralności wobec ryzyka" (Locally Risk-Neutral Valuation Relationship LRNVR) [6]. Także w tym przypadku wprowadza się pojęcia miary P, dla procesu nieprzekształconego oraz arbitrażowej miary Q, względem której zdyskontowany proces cen instrumentu bazowego jest martyngałem. Uwzględnienie zmiennej w czasie wariancji powoduje, tzw. "niezupełność rynku" (incompletness of market) oraz istnienie w ogólności wielu możliwych miar Q, dla których spełnione jest założenie braku arbitrażu [11]. Niezbędne staje się założenie o preferencjach inwestora względem ryzyka i postaci funkcji użyteczności [2]. Do dalszej analizy przyjęto, że szereg stóp zwrotu z instrumentu bazowego może być dobrze opisany modelem AR(1)-GJR-GARCH(1,1) [9]. Model ten umożliwia opis grubych ogonów rozkładów, skupiania zmienność, autokorelacji stóp zwrotu oraz efektu dźwigni, czyli asymetrycznej reakcji inwestorów na dobre i złe wiadomości. Model ten jest niewątpliwie jednym z najbardziej popularnych (poza oczywiście modelem geometrycznego ruchu Browna) modeli szeregów stóp zwrotu z akcji i indeksów akcji. Odpowiednie postaci modelu względem tzw. miary P i Q dane są poniższymi wzorami [4]8: yt = µ + φ1 yt −1 − 0.5ht + ht zt miara P zt ∼ N (0,1) − 2 ht = ω + α1 + α1 I ( zt −1 < 0) zt −1 + β1 ht −1 (5) yt = r1 − 0.5ht + ht ηt ηt ∼ N (0,1) 2 miara Q ht = ω + α1 + α1− I (η −λ <0) (ηt −1 − λt −1 ) + β1 ht −1 t −1 t −1 µ + φ1 yt −1 − r1 λt = ht (6) ( ( ) ) gdzie: yt - logarytmiczna stopa zwrotu z instrumentu bazowego z okresu [t − 1, t ] (najczęściej W dalszej części pracy zakłada się, że stopy zwrotu z instrumentu bazowego opisywane są przez model AR(1)-GJR-GARCH(1,1) z resztami modelu o warunkowym rozkładzie normalnym (por. wzór (5) oraz [9]). 8 Pojawienie się składnika " −0.5ht " związane jest z faktem, iż rozpatrywane są logarytmiczne stopy zwrotu (por. lemat Itô np. w [11]). 7 Krzysztof Piontek 5 jednodniowa), r1 - stopa procentowa wolna od ryzyka w horyzoncie, dla którego wyznaczane są stopy zwrotu, µ, φ1, ω, α1, α1-, β1 - parametry procesu stóp zwrotu, oraz 1; gdy p = prawda . I( p ) = 0; gdy p = fałsz Wycena opcji dla chwili t oparta jest na procedurze Monte Carlo, której przebieg jest następujący [2][4][5][9][10]: a. Estymacja parametrów procesu stóp zwrotu względem miary P. Niezbędna jest też informacja o wartości warunkowej wartości oczekiwanej oraz warunkowej wariancji w chwili t , które decydują o ,,warunku początkowym'' podczas generowania zbioru trajektorii procesu w etapie b. b. Wygenerowanie m trajektorii szeregu cen instrumentu bazowego o długości n dni sesyjnych względem miary Q. Cenę Si ,n po n dniach (liczba dni do wygaśnięcia opcji) dla i-tej trajektorii uzyskuje się w oparciu o wzory (6) oraz o zależność: n n Si ,n = St exp nr1 − 0.5 hi ,t + s + ηi ,t + s . (7) s =1 s =1 W etapie tym wykorzystuje się również typowe procedury poprawy własności metody Monte Carlo, np. odbić lustrzanych czy „empirycznej symulacji martyngałów [3][4][10]. c. Wycena europejskiej opcji kupna9. Wartość opcji ct w chwili t równa jest wartości oczekiwanej (względem miary Q) ∑ ∑ zdyskontowanej wartości wypłaty opcji. Europejska opcja kupna w chwili wykonania związana jest z wypłatą równą max [ Sn − X ,0] , gdzie Sn to cena instrumentu bazowego w chwili wygaśnięcia (rozliczania) opcji, a X, to cena wykonania opcji: 1 m (8) ct = exp ( − nr1 ) max Si , n − X ,0 , m i =1 ∑ gdzie m to liczba wygenerowanych trajektorii procesu. Właściwości tego modelu wyceny opcji znaleźć można w pracach [2][4][9][10]. Rys. 1. prezentuje przykładowe uzyskiwane wartości zmienności implikowanej. Wyraźnie 9 Opcje sprzedaży można wycenić analogicznie lub poprzez parytet kupna-sprzedaży [6]. 5 Współczynnik delta dla modelu… AR-GARCH 6 można dostrzec obserwowaną na rynkach finansowych zależność zmienności implikowanej od ceny wykonania opcji oraz terminu do wygaśnięcia [9]. Kształt "uśmiechu zmienności" zależy m.in. od siły "efektu dźwigni" w szeregu stóp zwrotu instrumentu bazowego, czyli wielkości asymetrii w reakcji inwestorów na dopływające do rynku wiadomości dobre i złe. Wraz ze wzrostem terminu do wygaśnięcia, kształt "uśmiechu zmienności" staje się bardziej płaski. Dodatkowo wraz ze wzrostem terminu do wygaśnięcia obserwuje się często wzrost lub spadek zmienności implikowanej dla opcji o tym samym współczynniku moneyness10. Efekt ten nazywa się "strukturą czasową zmienności implikowanej". Związany jest on z faktem, że po okresie szczególnie niskiej lub wysokiej zmienności, obserwuje się powrót do poziomu średniego (por. Rys. 2 oraz [9[). Rys 1. Płaszczyzna zmienności implikowanej dla modelu AR(1)-GJR-GARCH(1,1) Źródło: obliczenia własne (por. Piontek (2002)). Warto zaznaczyć, iż częstym podejściem w ramach wyceny opcji jest wyznaczenie średniego poziomu zmienności w terminie do wygaśnięcia opcji z prognoz warunkowej wariancji na kolejne dni [9], a następnie podstawienie uzyskanej wartości do modelu Blacka-Scholesa. Rozwiązanie to gwarantuje jedynie połowiczną poprawę własności modelu, gdyż umożliwia uchwycenie struktur czasowych zmienności implikowanej, lecz w żaden sposób nie ujmuje „uśmiechu zmienności”. W dalszej części pracy takie połowiczne rozwiązanie nie będzie analizowane. 2.2. Współczynnik delta w modelu wyceny opcji uwzględniającym efekt AR-GARCH Tak samo jak nie istnieje wzór analityczny na wycenę opcji w modelu AR-GARCH (w wersji dla czasu dyskretnego), tak samo nie dysponujemy analitycznym wzorem na wartość współczynnika delta w tym modelu i niezbędne jest stosowanie procedur Monte Carlo. 10 Współczynnik moneyness zdefiniowany został jako: moneyness = gdzie St , Xe − rT St - cena spot akcji w chwili t , X - cena wykonania, r - wolna od ryzyka stopa procentowa T - czas do wygaśnięcia opcji w latach w skali roku, 7 Krzysztof Piontek Wartość współczynnika delta można wyznaczyć oczywiście wprost z definicji pochodnej jako granicy ilorazu różnicowego według wzoru: ∆ tGARCH {c} = ∂c ( St ) ∂St = lim ct ( St + ε ) − ct ( St − ε ) 2ε ε →0 . (9) W wzorze tym wykorzystano tzw. centralny iloraz różnicowy. Dla małych wartości ε uzyskuje się dokładne przybliżenia wartości współczynnika delta. Wymaga to jednak precyzyjnego wyznaczenia dwóch wartości cen opcji, co związane jest z koniecznością wygenerowania bardzo dużej liczby trajektorii procesu, co znacznie wydłuża czas niezbędnych obliczeń. Znacznym ułatwieniem jest możliwość skorzystania z wyprowadzonego przez Duana wzoru wyrażającego wartość współczynnika delta względem zbioru cen akcji w dniu wygaśnięcia opcji (względem miary Q dla różnych trajektorii): Sn I ( Sn > X ) . St ∆ tGARCH {c} = exp ( − r1n ) E Q (10) W praktyce korzysta się z następującego wzoru: ∆ tGARCH {c} ≅ m S 1 exp ( −r1n ) ∑ n ,i I ( S > X ) n ,i m i =1 St (11) (por. wzory (7) i (8)). Podejścia dane wzorami (9) i (10) prowadzą do tych samych wyników, ale procedura oparta na ilorazie różnicowym jest znacznie bardziej czasochłonna (aby otrzymać oszacowania współczynników delta o tym samym błędzie). Kallsen i Taqqu udowodnili, że podejścia dane wzorami (9) i (10) nie prowadzą do do końca prawidłowych współczynników delta, co związane jest z faktem, że proces zmienności warunkowej powraca do długoterminowej średniej [8]. Aby mogła nastąpić zmiana ceny instrumentu bazowego musi upłynąć jednostka czasu (czas zmienia się dyskretnie), w czasie której może zmieniać się (powracać do średniej) również wartość warunkowej zmienności, która jest warunkiem początkowym w procedurze generowania trajektorii procesu. Powoduje to, że we wzorze na deltę pojawia się kolejny składnik związany z wrażliwością zmienności procesu na zmianę ceny instrumentu bazowego [8]. Praktyczne wykorzystanie tego rozszerzenia jest już na tyle skomplikowane i wnoszące na tyle nieistotną popraw, że jest najczęściej zaniedbywane. W dalszej części pracy wyznaczone zostaną wartości współczynnika delta dla modelu wyceny opcji będącego modyfikacją procedury Duana według wzoru (11). Porównanie wartości współczynników delta dla obu modeli dla rożnych warunków brzegowych przedstawione zostanie w oparciu o przykład empiryczny. 7 8 Współczynnik delta dla modelu… AR-GARCH 3. PRZYKŁAD EMPIRYCZNY Poniższy przykład empiryczny ma jedynie charakter ilustracyjny. Pozwala on jednak określić podstawowe różnice i zależności pomiędzy wartościami współczynników delta uzyskiwanymi dla obu modeli. Przykładowym dniem, dla którego dokonywano obliczeń był dzień 01-03-2004. Wartość indeksu w tym dniu wynosiła 1783,13. Stopę wolną od ryzyka w skali roku przyjęto na poziomie 5%. Parametry modelu stóp zwrotu AR(1)-GJR-GARCH(1,1) względem miary P wyestymowane zostały na podstawie 1500 obserwacji poprzedzających dzień analizy (dziennych logarytmicznych stóp zwrotu). Tabela 1. prezentuje uzyskane wartości procesu11. Tabela 1. Parametry modelu dla indeksu WIG20 względem miary P współczynnik wartość t-value µ 0,000240 0,4981 ϕ1 0,040575 1,561 ω 6,8318e-6 3,071 α1 0,047878 4,138 α1− 0,034362 2,190 β1 Źródło: obliczenia własne. 0,916612 63,19 Bezwarunkowa wariancja procesu AR(1)-GJR-GARCH(1,1) dana jest następującym wzorem: 1 ω V= . (12) 2 1 − ϕ1 α1− 1 − α1 + + β1 2 Długoterminowa zmienność stóp zwrotu w skali roku (wyznaczona na podstawie wzoru (12) przy uwzględnieniu 252 dni sesyjnych w roku) wynosiła 30,67%. Zmienność wyznaczana bezpośrednio z 1500 obserwacji stóp zwrotu wynosiła 31,66%. W celu zapewnienie porównywalności wyników (ze względu na wartość zmienności) w dalszych obliczeniach opierających się o model Blacka-Scholesa przyjęto, ze stała w czasie zmienność procesu (geometrycznego ruchu Browna) wynosiła w skali roku właśnie 30,67%. Warunkowa wartość zmienności stóp zwrotu w kolejnych dniach może przyjmować różne wartości wahając się wokół średniej. Rys. 2. prezentuje wartości warunkowej zmienności w skali roku w kolejnych dniach w analizowanym okresie oraz wartość średniej długoterminowej zmienności. Na przykład w dniu 1-03-2004 warunkowa zmienność w skali roku (wyznaczona na podstawie wartości warunkowej wariancji) wynosiła 24,46% i była niższa od średniej. Rysunki 3, 4 oraz 5 prezentują zależności współczynników delta dla obu modeli dla różnych wartości parametru moneyness, czasu do wygaśnięcia opcji oraz ilorazu warunkowej zmienności procesu (w dniu wyznaczania parametru delta) do długoterminowej zmienności. Iloraz ten został zdefiniowany jako: 11 Wszystkie prezentowane wyniki (wartości i rysunki) uzyskano w oparciu o autorskie procedury oprogramowane w środowisku MATLAB 6.0. 9 Krzysztof Piontek Φ= ht σ , (13) gdzie σ to długoterminowa (bezwarunkowa) zmienność szeregu stóp zwrotu. Dla naszego przykładu σ w skali roku wynosi 30,67%. Na rysunkach 4 i 5 wartość ilorazuΦ jest taka sama (ten sam dzień analizy). Rys. 2. Wartości warunkowej zmienności procesu stóp zwrotu. Źródło: obliczenia własne. Rys. 3. Zależność delt od wartości Φ oraz moneyness Źródło: obliczenia własne. Rys. 4. Zależność delt od parametru moneyness dla T=1 miesiąc oraz Φ<1. Źródło: obliczenia własne. Rys. 5. Zależność delt od parametru moneyness T=3 miesiące oraz Φ<1. Źródło: obliczenia własne. Na podstawie zaprezentowanych wyników oraz wyników, które nie zostały zamieszczone ze względu na ograniczony rozmiar pracy, można wyciągnąć następujące wnioski mogące być przydatne np. podczas procedury zabezpieczania portfela. 9 10 Współczynnik delta dla modelu… AR-GARCH Dla opcji at-the-money (ATM, moneyness=1) wartości współczynników delta pokrywają się dla obu modeli niezależnie od czasu do wygaśnięcia opcji oraz wartości Φ. Dla opcji in-themoney (ITM, moneyness>1), wartości współczynników delta są wyższe dla modelu ARGARCH od modelu Blacka-Scholesa, gdy Φ<1 oraz są niższe od modelu Blacka-Scholesa, gdy Φ>1. Dla opcji out-of-the-money (OTM, moneyness<1) obserwuje się zależność przeciwną. Obrazuje to uwzględnianie w modelu AR-GARCH powrotu warunkowej zmienności do poziomu średniego. Dla opcji głęboko ITM oraz głęboko OTM różnice w wartości bezwzględnej współczynników delta stają się nieistotne. Dla opcji OTM istotny staje się natomiast błąd procentowy wartości delt dla obu modeli, gdy Φ ≠ 1 . Im dłuższy termin do wygaśnięcia opcji, tym głębiej opcja musi być OTM lub ITM, by różnice bezwzględne między wartościami delt były pomijalne. Na podstawie powyższych obserwacji można stwierdzić, iż dla opcji ATM inwestor może wyznaczać w każdym przypadku parametr delta według modelu Blacka-Scholesa. Dla opcji OTM i ITM wartości opcji według modelu Blacka-Scholsa są równie wrażliwe na zmianę ceny instrumentu bazowego, gdy chwilowa zmienność warunkowa równa jest zmienności długookresowej (średniej). Szczególną uwagę należy zwrócić na opcje będące coraz bardziej OTM, ze względu na rosnący błąd procentowy mogący być przyczyną nieskuteczności np. strategii zabezpieczającej. Przedstawione wnioski mają charakter wstępny. Celem autora w przyszłości jest pogłębienie rozważań przede wszystkim w kierunku badań empirycznych rynku polskiego i próby porównania wrażliwości wartości uzyskiwanych z modeli teoretycznych ze zmianami cen opcji i warrantów w kolejnych dniach na skutek zmiany ceny instrumentu bazowego. Literatura [1] Black F., Scholes M. (1973). The pricing of Options and Corporate Liabilities. Journal of Political Economy, nr 81, str. 637-654 [2] Duan J. (1995). The GARCH Option Pricing Model. Mathematical Finance, nr 5, str. 13-32 [3] Duan J., Gauthier G., Simonato J. (1999). Fast Valuation of Derivative Contracts by Simulation. http://www.rotman.utoronto.ca/~jcduan/emsobol.pdf [4] Hafner C., Herwartz H. (1999). Option Pricing under Linear Autoregressive Dynamics, Heteroskedasticity, and Conditional Leptokurtosis. Humboldt-Universität. Berlin. http://ideas.repec.org [5] Härdle W., Hafner C. (2000). Discrete time option pricing with flexible volatility estimation. Finance and Stochastic, nr 4, str. 189-201 [6] Hull J. (1999). Futures, options and other derivatives. Prentive-Hall, New York [7] Jorion P. (2001). Value at risk: the new benchmark for managing financial risk - 2nd edition. McGraw-Hill. New York [8] Kallsen J., Taqqu M. (1998). Option pricing in ARCH-type models. Mathematical Finance, 8/1, str. 13-26 [9] Piontek K. (2002). Modelowanie i prognozowanie zmienności instrumentów finansowych. Akademia Ekonomiczna we Wrocławiu (praca doktorska) [10] Schmitt Ch. (1996). Option Pricing Using EGARCH Models. ZEW Discussion Paper nr 96-20. Mannheim. www.zew.de [11] Weron A., Weron R. (1998). Inżynieria finansowa. WNT, Warszawa