Rozdzia l 2 Modele na drzewach binarnych
Transkrypt
Rozdzia l 2 Modele na drzewach binarnych
Rozdzial 2 Modele na drzewach binarnych W tym rozdziale rozważamy analogon modelu Coxa–Rossa–Rubinsteina (w skrócie CRR) dla cen obligacji. Przedstawimy modele cen obligacji w czasie dyskretnym na drzewach binarnych. Omówione zostana֒ warunki braku arbitrażu, modele Ho–Lee i HJM (Heath–Jarrow–Morton). 2.1 Drzewa binarne Kroki w drzewie oznaczamy przez t = 0, 1, 2, ..., T a dlugość przedzialu czasowego przez τ . Dla danego wez ֒ la ωt = α1 α2 · · · αt , gdzie α1 , α2 , · · · , αt ∈ {u, d} oznaczamy przez B(t, T ; ωt ) wartość w weźle ωt ceny w chwili t obligacji o zapadalności w chwili ֒ T ≥ t, przyjmujac ω = ∅. 0 ֒ W przeciwieństwie do modelu CRR, mamy w każdym weźle (inna) ֒ liczbe֒ ak֒ tywów B(0, 1; ω0), B(0, 2; ω0), B(0, 3; ω0), .... B(0, T ; ω0), potem B(1, 2; ω1), B(1, 3; ω1), ...... B(1, T ; ω1), w przedostatnim B(T − 1, T ; ωT −1), a w ostatnim weźle mamy warunek końcowy ֒ B(T, T ; ωT ) = 1. Jeśli t < S to cena B(t, S, ωt ) może “wzrosnać” do B(t + 1, S; ωtu) lub “zmaleć” ֒ do B(t + 1, S; ωtd). Zwykle ale nie zawsze! (patrz model HJM) B(t + 1, S; ωt u) > B(t + 1, S; ωt d). Nie ma jednak powodów by n.p. B(t + 1, S; ωt u) > B(t, S; ωt ). Zauważmy, że zbiór zdarzeń elementarnych to Ω = {d, u}T . Ponadto ωt to obciecie ω ∈ Ω do pierwszych t-wyrazów. ֒ 15 16 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH 2.1.1 Przykladowe drzewo binarne Przykladowe drzewo binarne dla T = 3 wyglada nastepuj aco: ֒ ֒ ֒ B(0, 0) = 1 B(0, 1) B(0, 2) B(0, 3) ր ց 2.1.2 B(1, 1; u) = 1 B(1, 2; u) B(1, 3; u) B(1, 1; d) = 1 B(1, 2; d) B(1, 3; d) B(2, 2; uu) = 1 B(2, 3; uu) ր ց B(2, 2; ud) = 1 B(2, 3; ud) B(2, 2; du) = 1 B(2, 3; du) ր ց B(2, 2; dd) = 1 B(2, 3; dd). Miary martyngalowe i brak arbitrażu Pojecie barku arbitrażu definiuje sie֒ w ten sam sposób jak dla rynku akcji. Czyli ar֒ bitraż to istnienie strategii samofinansujacej sie, ֒ ֒ która z zerowego kapitalu poczatko֒ wego prowadzi w jakiejś chwili do zysku Z: P(Z ≥ 0) = 1 i P(Z > 0) > 0. Przypomnijmy, że: rachunek bankowy B(t) (patrz Definicja 11) oraz stopa krótka r(t) (patrz Definicja 10) dane sa֒ wzorami. ( t−1 ) X log B(t, t + 1) r(t) = − , B(t) = exp τ r(u) . (2.1) τ u=0 Zdefiniujmy rodzine֒ liczb p(t, S; ωt), 0 ≤ t < t + 1 < S, w nastepuj acy sposób1 ֒ ֒ p(t, S; ωt ) := := B(t, S; ωt ) − B(t + 1, S; ωtd)e−τ r(t;ωt ) B(t + 1, S; ωt u)e−τ r(t;ωt ) − B(t + 1, S; ωtd)e−τ r(t;ωt ) (2.2) B(t, S; ωt ) − B(t + 1, S; ωtd)B(t, t + 1; ωt ) . B(t + 1, S; ωt u)B(t, t + 1; ωt ) − B(t + 1, S; ωtd)B(t, t + 1; ωt ) Twierdzenie 6 Niech T bedzie maksymalnym czasem wykupu obligacji w modelu. ֒ Niech p(t, S; ωt ) bed a zdefiniowane wzorami (2.2). Wówczas w modelu nie ma arbi֒ ֒ trażu wtedy i tylko wtedy gdy dla wszystkich t i wt ∈ {u, d}t zachodza֒ warunki: p(t, t + 2; ωt) = p(t, t + 3; ωt ) = · · · = p(t, T − 1; ωt). p(t, S; ωt ) ∈ (0, 1) 1 dla każdego S = t + 2, . . . , T − 1. Symbolowi nieoznaczonemy 0/0 przyporzadkujemy dowolna֒ wartość. ֒ (2.3) (2.4) 2.1. DRZEWA BINARNE 17 Ponadto, jeżeli zachodza֒ powyższe warunki, to p(t; ωt ) := p(t, t + 2; ωt ) = . . . = p(t, T − 1; ωt ) (2.5) jest warunkowym prawdopodobieństwem martyngalowym, że dla dowolnego t + 1 < S < T , cena S-obligacji w chwili t + 1 bedzie równa B(t + 1, S; ωt u) pod warunkiem, ֒ że w chwili t wynosila ona B(t, S; ωt ). Dowód Warunek na brak arbitrażu wyprowadza sie֒ tak samo jak dla rynku akcji, tutaj T -tym walorem jest po prostu obligacja o czasie zapadalności T . Fundamentalne prawo wyceny mówi, że brak arbitrażu jest równoważny istnieniu miary martyngalowej (z ang. risk neutral probability), to jest miary na Ω = {u, d}T , przy której zdyskontowane ceny (wszystkich aktywów na rynku) sa֒ martyngalami. Dyskontowanie polega na dzieleniu procesu cen przez rachunek bankowy B(t). Niech E∗ oznacza operator wartości oczekiwanej wzgledem miary martyngalowej. ֒ Warunek braku arbitrażu ma postać ∗ E B(t + 1, S) |Ft B(t + 1) = B(t, S) B(t) dla wszystkich t + 1 < S, (2.6) gdzie Ft jest σ-cialem zbiorów, które zaszly do momentu t. Ze wzoru (2.1), B(t + 1) jest Ft mierzalne (stan naszego konta w chwili t + 1 jest znany w chwili t). Stad ֒ (2.6) ma postać E∗ (B(t + 1, S)|Ft) = B(t, S) B(t + 1) = eτ r(t) B(t, S) B(t) dla wszystkich t + 1 < S, Niech dla zadanej ωt , p(t; ωt ) oznacza warunkowe prawdopodobieństwo martyngalowe, że dla dowolnego t + 1 < S < T , cena S-obligacji w chwili t + 1 bedzie równa ֒ B(t + 1, S; ωtu) pod warunkiem, że w chwili t wynosila ona B(t, S; ωt ). Mamy E∗ (B(t + 1, S)|Ft) (ωt ) = p(t; ωt )B(t + 1, S; ωtu) + (1 − p(t; ωt )) B(t + 1, S; ωtd) = p(t; ωt ) (B(t + 1, S; ωtu) − B(t + 1, S; ωtd)) + B(t + 1, S; ωtd). Tak wiec ֒ (2.6) możemy zapisać w postaci p(t; ωt ) = B(t, S; ωt ) − B(t + 1, S; ωtd)e−τ r(t;ωt ) B(t + 1, S; ωt u)e−τ r(t;ωt ) − B(t + 1, S; ωtd)e−τ r(t;ωt ) dla wszystkich t + 1 < S. 18 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH 2.1.3 Przyklad B(1, 1; u) = 1 B(1, 2; u) B(1, 3; u) p(0) ր B(0, 0) = 1 B(0, 1) B(0, 2) B(0, 3) p(1; u) ր r(1; u) ց 1 − p(1; u) B(2, 2; uu) = 1 B(2, 3; uu) → B(3, 3; uu) = 1 B(2, 2; ud) = 1 B(2, 3; ud) → B(3, 3; ud) = 1 B(2, 2; du) = 1 B(2, 3; du) → B(3, 3; du) = 1 B(2, 2; dd) = 1 B(2, 3; dd) → B(3, 3; dd) = 1. r(0) ց 1 − p(0) B(1, 1; d) = 1 B(1, 2; d) B(1, 3; d) p(1; d) ր r(1; d) ց 1 − p(1; d) Zaobserwujmy, że ceny z najdluższymi czasami wykupu wraz z stopami krótkimi (równoważnie z cenami z czasem do wykupu 1) jak poniżej B(1, 3; u) ր B(0, 3) ր r(1; u) ց B(2, 3; uu) → B(3, 3; uu) = 1 B(2, 3; ud) → B(3, 3; ud) = 1 B(2, 3; du) → B(3, 3; du) = 1 B(2, 3; dd) → B(3, 3; dd) = 1 r(0) ց B(1, 3; d) ր r(1; d) ց determinuja֒ wszystkie ceny B(t, S) w dowolnych wez ֒ lach drzewa! Pozostale ceny liczymy z warunku braku arbitrażu, przeksztalcajac ֒ (2.2) do postaci B(t, S; ωt ) = [p(t; ωt )B(t + 1, S; ωtu) + (1 − p(t; ωt ))B(t + 1, S; ωt d)] e−τ r(t;ωt ) . Zadanie 7 Uzupelnij drzewo cen, w którym τ = z czasem wykupu 3 sa֒ nastepuj ace ֒ ֒ B(1, 3; u) = 0.908 ր B(0, 3) = 0.87 T = 3 oraz ceny dla obligacji ր r(1; u) = 2% ց B(2, 3; uu) = 0.989 B(2, 3; ud) = 0.89 r(0) = 4% ց 2.1.4 1 , 12 (2.7) B(1, 3; d) = 0.85 ր r(1; d) = 4% ց B(2, 3; du) = 0.985 B(2, 3; dd) = 0.85. Arbitraż i strategie arbitrażowe Aby wykryć arbitraż musimy policzyć p(t, S; ω) dane wzorem (2.2), na każdej galezi ֒ używajac ֒ różnych czasów wykupu S = t + 2, . . . , T − 1. 2.1. DRZEWA BINARNE 19 Poniżej uwzglednimy parametr S w p(t, S; ωt) by zaznaczyć, że prawdopodo֒ bieństwo bylo policzone dla czasu wykupu S. Wiemy, że brak arbitrażu oznacza, że p nie zależy od S oraz, że p ∈ (0, 1) czyli, że zachodza֒ warunki (2.3) i (2.4). Jeśli (2.2) prowadzi do wartości p(t, S; ωt ), dla których nie zachodza֒ (2.3) lub (2.4) to oczywiscie w modelu wystepuje arbitraż! ֒ Przeanalizujmy teraz możliwe scienariusze wystepowania arbitrażu. ֒ Piewsza możliwość Zalóżmy, że dla jakiś 0 ≤ t < t + 2 ≤ S i ωt , zachodzi p := p(t, S; ωt ) ≥ 1 lub p(t, S; ωt ) ≤ 0. Wtedy (2.2) prowadzi do oszacowań B(t, S; ωt )eτ r(t;ωt ) ≥ B(t + 1, S; ωtu) > B(t + 1, S; ωtd), gdy p ≥ 1 i B(t + 1, S; ωt u) > B(t + 1, S; ωt u), B(t, S; ωt )eτ r(t;ωt ) ≤ B(t + 1, S; ωtu) < B(t + 1, S; ωtd), gdy p ≥ 1 i B(t + 1, S; ωt u) < B(t + 1, S; ωt d), B(t, S; ωt )eτ r(t;ωt ) ≤ B(t + 1, S; ωtd) < B(t + 1, S; ωtd), gdy p ≤ 0 i B(t + 1, S; ωt d) < B(t + 1, S; ωt u), B(t, S; ωt )eτ r(t;ωt ) ≥ B(t + 1, S; ωtd) > B(t + 1, S; ωtu), gdy p ≤ 0 i B(t + 1, S; ωt d) > B(t + 1, S; ωt u). Stad ֒ albo B(t, S; ωt )eτ r(t;ωt ) ≤ min {B(t + 1, S; ωt d), B(t + 1, S; ωtu)} (2.8) B(t, S; ωt )eτ r(t;ωt ) ≥ max {B(t + 1, S; ωtd), B(t + 1, S; ωtu)} . (2.9) albo Zauważmy, że (2.8) oznacza, że ceny w chwili t, S-obligacji sa֒ niedoszacowane i powinniśmy grać na wzrost cen S-obligacji. Strategia arbitrażowa polega wiec ֒ na wzieciu w chwili t pożyczki na jednej (a najlepiej na tyle ile si e da) S-obligacji. W ֒ ֒ chwili t + 1 sprzedajemy nasza֒ obligacje. ֒ l scenariusz ֒ Niezależnie od tego czy nastapi d czy u kwota uzyskana ze sprzedaży pozwala na splate֒ dlugu i daje zysk gdy w formule wystepuje ostra nierówność z prawdopodobieństwem 1 a gdy równość z ֒ niezerowym prawdopodobieństwem (o ile B(t + 1, S; ωt u) 6= B(t + 1, S; ωtd)). Natomiast gdy zachodzi (2.9), to znaczy, że ceny w chwili t, S-obligacji sa֒ przeszacowane i powinniśmy grać na spadek ich cen. Strategia arbitrażowa polega wiec ֒ na wystawieniu w chwili t jednej (a najlepiej tylu ile da sie֒ sprzedać) S-obligacji i ulokowaniu kwoty uzyskanej za jej sprzedaż na rachunku bankowym. Bilans jest nastepuj acy: w chwili t uzyskujemy ze sprzedaży B(t, S; ωt ). Lokujemy B(t, S; ωt ) ֒ ֒ τ r(t;ωt ) w banku uzyskujac . Kwota ta pozwala na ֒ w chwili t + 1 kwote B(t, S; ωt )e 20 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH splate֒ dlugu i daje zysk gdy w formule wystepuje ostra nierówność z prawdopodo֒ bieństwem 1 a gdy równość z niezerowym prawdopodobieństwem. Druga możliwość Istnieja֒ t, ωt oraz dwa czasy wykupu S1 < S2 , takie, że p(t, S1 ; ωt ) 6= p(t, S2 ; ωt ). Aby skrócić zapis bedziemy pomijali czynnik ωt . Zalóżmy, że p(t, S1 ) < p(t, S2 ) oraz, ֒ że B(t + 1, S1 ; u) > B(t + 1, S1 ; d) i B(t + 1, S2 ; u) > B(t + 1, S2 ; d). Analiza pozostalych przypadków może być przeprowadzona w podobny sposób. Znalezienie strategi arbitrażowej zaczniemy od utworzenia w chwili t i weźle ωt ֒ portfelu obligacji o czasach wykupu S2 i t + 1 replikujacego w chwili t + 1 ceny ֒ obligacji o czasie wykupu S1 . Szukamy wiec ֒ x i y takich, że xB(t + 1, S2 ; u) + yB(t + 1, t + 1) = B(t + 1, S1 ; u), xB(t + 1, S2 ; d) + yB(t + 1, t + 1) = B(t + 1, S1 ; d). Oczywiście B(t + 1, t + 1) = 1. Stad ֒ x= oraz B(t + 1, S1 ; u) − B(t + 1, S1 ; d) B(t + 1, S2 ; u) − B(t + 1, S2 ; u) y = B(t + 1, S1 ; u) − B(t + 1, S1 ; u) − B(t + 1, S1 ; d) B(t + 1, S2 ; u). B(t + 1, S2 ; u) − B(t + 1, S2 ; u) W chwili t wartość portfela wynosi xB(t, S2 )+yB(t, t+1) a w chwili t+1, B(t+1, S1). Oczywiście w przypadku braku arbitrażu powinno być xB(t, S2 ) + yB(t, t + 1) = B(t, S1 ). Istotnie, gdyby xB(t, S2 ) + yB(t, t + 1) < B(t, S1 ), to arbitraż uzyskamy sprzedajac ֒ w chwili t jedna֒ obligacje o czasie wykupu S1 i tworzac ֒ portfel x obligacji o czasie wykupu S2 oraz y obligacji o czasie wykupu t + 1. W chwili t + 1 jesteśmy w stanie splacić nasz dlug uzyskujacy dochód B(t, S1 ) − xB(t, S2 ) − yB(t, t + 1). ֒ Podobnie, gdyby xB(t, S2 )+yB(t, t+1) > B(t, S1 ), to arbitraż uzyskamy sprzedajac ֒ portfel x obligacji o czasie wykupu S2 i y obligacji o czasie wykupu t + 1, kupujac ֒ jedna֒ obligacje o czasie wykupu S1 . Znowu w czasie t + 1 sprzedaż posiadanej S1 obligacji umożliwia nam splate֒ dlugu i uzyskanie zysku xB(t, S2 ) + yB(t, t + 1) − B(t, S1 ). Pozostaje wiec czy p(t, S1 ) 6= p(t, S2 ) implikuje xB(t, S2 ) + ֒ do rozstrzygniecia ֒ yB(t, t + 1) 6= B(t, S1 ). Czyli, czy z faktu, że B(t, S1 ) − B(t + 1, S1 ; d)B(t, t + 1) B(t + 1, S1 ; u)B(t, t + 1) − B(t + 1, S1 ; d)B(t, t + 1) B(t, S2 ) − B(t + 1, S2 ; d)B(t, t + 1) 6= B(t + 1, S2 ; u)B(t, t + 1) − B(t + 1, S2 ; d)B(t, t + 1) 2.1. DRZEWA BINARNE 21 wynika B(t + 1, S1; u) − B(t + 1, S1; d) B(t, S2 ) B(t + 1, S2; u) − B(t + 1, S2; u) B(t + 1, S1 ; u) − B(t + 1, S1 ; d) + B(t + 1, S1 ; u) − B(t + 1, S2 ; u) B(t, t + 1) B(t + 1, S2 ; u) − B(t + 1, S2 ; u) 6= B(t, S1 ). Mnożac ֒ obie strony pierwszej nierówność przez B(t, t + 1) otrzymujemy, że jest ona równoważna nierówności B(t, S1 ) − B(t + 1, S1 ; d)B(t, t + 1) B(t, S2 ) − B(t + 1, S2 d)B(t, t + 1) 6= , (2.10) B(t + 1, S1; u) − B(t + 1, S1; d) B(t + 1, S2 u) − B(t + 1, S2 d) która֒ możemy zapisać w postaci B(t + 1, S1; u) − B(t + 1, S1; d) (B(t, S2 ) − B(t + 1, S2 ; u)B(t, t + 1)) B(t + 1, S2; u) − B(t + 1, S2; u) 6= B(t, S1 ) − B(t + 1, S1; u)B(t, t + 1). Czyli, że B(t, S1 ) − B(t + 1, S1 ; u)B(t, t + 1) B(t + 1, S1 ; u) − B(t + 1, S1 ; d) 6= . B(t + 1, S2 ; u) − B(t + 1, S2 ; u) B(t, S2 ) − B(t + 1, S2 ; u)B(t, t + 1) (2.11) Oczywiście (2.10) jest równoważne (2.11). W pewnym sensie powtórzyliśmy dowód fundamentalnego twierdzenia wyceny! 2.1.5 Zadania Zadanie 8 Czy w nastepuj acym modelu wystepuje arbitraż? ֒ ֒ ֒ B(0, 1) = 0.991 B(0, 2) = 0.987 B(0, 3) = 0.945 ր ց B(1, 2; u) = 0.996 B(1, 3; u) = 0.987 ր ց B(1, 2; d) = 0.968 B(1, 3; d) = 0.95. ր ց B(2, 3; uu) = 0.9997 B(2, 3; ud) = 0.967 B(2, 3; du) = 0.989 B(2, 3; dd) = 0.978. Jaka jest strategia arbitrażowa? Zadanie 9 Czy w nastepuj acym modelu cen ֒ ֒ B(0, 1) = 0.91090 B(0, 2) = 0.82256 B(0, 3) = 0.75470 p(0, 2) = 0.750 p(0, 3) = 0.750 ր ց q(0, 2) = 0.250 q(0, 3) = 0.250 B(1, 2) = 0.89760 B(1, 3) = 0.81960 B(1, 2) = 0.91930 B(1, 3) = 0.85530 p(1, 3) = 0.799 ր ց q(1, 3) = 0.201 B(2, 3) = 0.91650 p(1, 3) = −0.411 ր ց q(1, 3) = 1.411 B(2, 3) = 0.90540 B(2, 3) = 0.89960 B(2, 3) = 0.92310 22 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH wystepuje arbitraż? Jaka jest strategia arbitrażowa? ֒ 2.2 Model Ho–Lee Model ten jest odpowiednikiem modelu Coxa–Rossa–Rubinsteina cen akcji. Zostal zbudowany w 1986 i jest uznany jako pierwszy poważny model struktury terminowej. 2.2.1 Zalożenia modelu Model Ho–Lee (HL) jest oparty na drzewie binarnym “rekombinowanym”, to znaczy takim, w którym ceny obligacji nie zależa֒ od calej ścieżki ale od liczby wzrostów i spadków. Jeśli ceny sa֒ deterministyczne to, patrz Twierdzenie 1 i Wniosek 1, istnieje r takie, że B(t, S) = e−r(S−t) dla t ≤ S ≤ T . Stad ֒ B(t + 1, S) = e−r(S−t−1) = e−r(S−t) er = B(t, S) . B(t, t + 1) Ho i Lee przyjeli, że ֒ B(t, S; ωt ) h(S − (t + 1); u), B(t, t + 1; ωt ) B(t, S; ωt ) h(S − (t + 1); d), B(t + 1, S; ωt d) = B(t, t + 1; ωt ) B(t + 1, S; ωt u) = gdzie h(·; u) i h(·; d) sa֒ pewnymi mnożnikami (z ang. “perturbation factors”) zależnymi od czasu do wykupu S − (t + 1). Bed ֒ a֒ one wyliczone później. h(S−(t+1);u) h(S−(t+1);d) Wyrażenia B(t,t+1;ωt ) i B(t,t+1;ωt ) w modelu HL odpowiadaja֒ wyrażeniom 1+U i 1 + R w modelu CRR. Ale (w przeciwieństwie do CRR) zależa֒ one od czasu t i czasu wykupu S. 2.2.2 Postać mnożników Naszym celem jest wyznaczenie h(·; u) i h(·; d). Oczywiście B(S, S) = 1 implikuje h(0; u) = h(0; d) = 1. Istotnie niech t + 1 = S. Wstawiajac ֒ do wzoru otrzymujemy 1 = B(t + 1, S; ωtu) = B(t, S; ωt ) h(0; u) = h(0; u). B(t, S; ωt ) 2.2. MODEL HO–LEE 23 Podobnie 1 = B(t + 1, S; ωt d) = B(t, S; ωt ) h(0; d) = h(0; d). B(t, S; ωt ) Nastepne wyliczenia polegaja֒ na użyciu braku arbitrażu. Z warunku braku arbitrażu ֒ wynika istnienie miary probabilistycznej, przy której wszystkie procesy zdyskontowanych cen sa֒ martyngalami. Przypomnijmy, patrz Twierdzenie 6, że warunkiem braku arbitrażu jest istnienie p = p(t, wt ) ∈ (0, 1) takiego, że dla każdego S ≥ t + 2, B(t, S; ωt ) = B(t, t + 1; ωt ) [pB(t + 1, S; ωtu) + (1 − p)B(t + 1, S; ωtd)] , co, po wstawieniu dynamiki cen daje warunek 1 = ph(t + 1, S; u) + (1 − p)h(t + 1, S; d) dla t < S. Dodatkowo zakladamy, że p jest stale (nie zależy ani od t ani od ωt ani od S). Nastepnie zakladamy, że drzewo jest rekombinowane, co znaczy, że cena po dro֒ dze ud jest taka sama jak po du. Czyli, że B(t + 2, S; ωtud) = B(t + 2, S; ωt du). Lewa (potem prawa) strona wystepuj ace w powyższej równości sa֒ równe ֒ ֒ B(t + 1, S; ωt u)h(S − (t + 2); d) B(t + 1, t + 2; ωt u) B(t, S; ωt )h(S − (t + 1); u)h(S − (t + 2); d) , = B(t, t + 2; ωt )h(1; u) B(t + 1, S; ωt d)h(S − (t + 2); u) B(t + 2, S; ωtdu) = B(t + 1, t + 2; ωt d) B(t, S; ωt )h(S − (t + 1); d)h(S − (t + 2); u) = . B(t, t + 2; ωt )h(1; d) B(t + 2, S; ωtud) = A wiec ֒ dla S ≥ t + 2, mamy h(S − (t + 1); d)h(S − (t + 2); u) h(S − (t + 1); u)h(S − (t + 2); d) = . h(1; u) h(1; d) Reasumujac ֒ ph(n; u) + (1 − p)h(n; d) = 1, h(n; d) h(1; d) h(n + 1; d) = h(n + 1; u) h(n; u) h(1; u) (2.12) (2.13) 24 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH dla dowolnych n = 0, 1, 2, . . . . Kladac ֒ δ = h(1;d) h(1;u) wnioskujemy z (2.13), że h(n; d) = δn, h(n; u) a z (2.12) wnioskujemy δn h(n; d) = , (1 − p)δ n + p h(n; u) = 1 (1 − p)δ n + p dla n = 0, 1, 2, . . . . 2.2.3 Ceny obligacji i stopa krótka Model HL jest wyznaczony przez podanie (znanych w czasie 0) cen B(0, 1), . . . , B(0, T ) oraz parametrów p i δ, które moga֒ być wyznaczone przy kalibracji modelu. Analiza dla konkretnych danych liczbowych podana jest (wraz z drzewem cen opcji) w Przykladzie 12. Dla zadanych t ≥ 0, S, gdzie t ≤ S ≤ T , oraz ωt = α1 α2 · · · αt−1 , gdzie α1 , α2 , · · · , αt−1 ∈ {u, d} mamy B(t, S; α1 α2 · · · αt ) B(t − 1, S; α1α2 · · · αt−1 ) h(S − t; αt ) = B(t − 1, t; α1 α2 · · · αt−1 ) = B(t−2,S;α1 ···αt−2 ) h(S − (t − 1); αt−1 ) B(t−2,t−1;α1 ···αt−2 ) h(S B(t−2,t;α1 ···αt−2 ) h(t − (t − 1); α ) t−1 B(t−2,t−1;α1 ···αt−2 ) − t; αt ) (2.14) B(t − 2, S; α1α2 · · · αt−2 ) h(S − (t − 1); αt−1 ) h(S − t; αt ) B(t − 2, t; α1 α2 · · · αt−2 ) h(1; αt−1 ) .. . h(S − (t − 1); αt−1 ) B(0, S) h(S − 1; α1 ) h(S − 2; α2 ) ··· h(S − t; αt ). = B(0, t) h(t − 1; α1 ) h(t − 2; α2 ) h(1; αt−1 ) = Dla dowolnego n mamy h(n; d) = δ n h(n; u). (2.15) Ponieważ drzewo jest rekombinowane cena w weźle nie zależy od formy α1 α2 · · · αt ֒ ale od tego ile w niej jest znaków d a ile u. Jeśli mamy j znaków d, czyli t − j 2.2. MODEL HO–LEE 25 znaków u to taka֒ ścieżke֒ oznaczamy przez dj ut−j . Wtedy B(t, S; dj ut−j ) h(S − t; u) B(0, S) j(S−t) h(S − 1; u) h(S − 2; u) δ ··· = B(0, t) h(t − 1; u) h(t − 2; u) h(0; u) t−1 B(0, S) j(S−t) (1 − p)δ + p (1 − p)δ t−2 + p (1 − p)δ 0 + p = ··· . δ B(0, t) (1 − p)δ S−1 + p (1 − p)δ S−2 + p (1 − p)δ S−t + p Na uwage֒ w powyższym wzorze zasluguje wspólczynnik δ j(S−t) . Jest on zwiazany z ֒ równościa֒ (2.15). Mianowicie, w zasadniczym wzorze (2.14) mamy wyrażenie h(S − (t − 1); αt−1 ) h(S − 1; α1 ) h(S − 2; α2 ) ··· h(S − t; αt ). h(t − 1; α1 ) h(t − 2; α2 ) h(1; αt−1 ) Biorac ֒ pod uwage֒ (2.15) możemy go zapisać w postaci δl × h(S − 1; u) h(S − 2; u) h(S − (t − 1); u) ··· h(S − t; u), h(t − 1; u) h(t − 2; u) h(1; u) dla pewnego l. Pokażemy, że l = j(S − t). Istotnie jeżeli αk = d to δ S−k h(S − k; u) h(S − k; u) h(S − k; αk ) = t−k = δ S−t . h(t − k; αk ) δ h(t − k; u) h(t − k; u) S−t Jeżeli αt = d to h(S − t; αt ) = δ S−t h(S − t; u). Stad pojawi sie֒ tyle ֒ wyrażenie δ razy ile d w α1 · · · αt , a wiec ֒ j-razy. Możemy teraz policzyć stopy krótkie. Mamy B(t, t + 1; dj ut−j ) B(0, t + 1) j h(t; u) h(t − 1; u) h(2; u) = ··· h(1; u) δ B(0, t) h(t − 1; u) h(t − 2; u) h(1; u) B(0, t + 1) j = δ h(t; u) B(0, t) δj B(0, t + 1) . = B(0, t) (1 − p)δ t + p Wynika stad, że ֒ 1 r(t; dj ut−j ) = − log B(t, t + 1; dj ut−j ) τ 1 j = f (0, t) − log δ + log((1 − p)δ t + p), τ τ 26 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH gdzie f (0, t) := log B(0, t) − log B(0, t + 1) . τ Policzymy teraz wartość oczekiwana֒ i wariancje֒ r(t) wzgledem prawdopodobieństwa ֒ martyngalowego. Czy rzeczywiście r(t) jest zmienna֒ losowa? Który ze skladników ֒ jest losowy? Oczywiście liczba j wyrażeń d! Tak wiec wartość oczekiwana dana jest ֒ wzorem Ej 1 log δ + log((1 − p)δ t + p) τ τ t X 1 t! 1 = f (0, t) − ln δ j (1 − p)j pt−j + log((1 − p)δ t + p) τ j!(t − j)! τ j=0 µr(t) = E r(t) = f (0, t) − = f (0, t) − 1 log δ t(1 − p) + log((1 − p)δ t + p), τ τ gdzie korzystamy z nastepuj acego wzoru na wartość oczekiwana֒ rozkladu dwumia֒ ֒ nowego: Ej = t X j=0 j t X (t − 1)! t! (1 − p)j pt−j = t(1 − p) (1 − p)j−1pt−j j!(t − j)! (j − 1)!(t − j)! j=1 t−1 X (t − 1)! (1 − p)j pt−j = t(1 − p)((1 − p) + p)t−1 = t(1 − p) j!(t − j)! j=0 = t(1 − p). Podobnie możemy policzyć wariancje֒ 2 σr(t) (log σ)2 = Var(r(t)) = E (r(t) − E r(t)) = E (j − E j)2 2 τ ! t 2 X t (ln δ) 2 (1 − p)j pt−j − (t(1 − p)) j2 = j τ2 j=0 2 = (ln δ)2 tp(1 − p). τ2 Użyliśmy nastepuj acej formuly na wariancje֒ zmiennej losowej o rozkladzie dwumia֒ ֒ 2.3. MODEL HJM (HEATH–JARROW–MORTON) W CZASIE DYSKRETNYM27 nowym: t X j=0 j2 t! (1 − p)j pt−j − (t(1 − p))2 j!(t − j)! t X t X t! t! = j(j − 1) (1 − p)j pt−j + j (1 − p)j pt−j − (t(1 − p))2 j!(t − j)! j!(t − j)! j=0 j=0 = t(t − 1)(1 − p)2 t X (t − 2)! (1 − p)j−2p(t−2)−(j−2) (j − 2)!((t − 2) − (j − 2))! t−2 X (t − 2)! (1 − p)j p(t−2)−j + t(1 − p) − (t(1 − p))2 j!(t − 2 − j)! j=2 + t(1 − p) − (t(1 − p))2 = t(t − 1)(1 − p) 2 j=0 2 = t(t − 1)(1 − p) + t(1 − p) − (t(1 − p))2 = tp(1 − p). 2 Zauważmy, że σr(t) jest proporcjonalne do t, co znaczy, że wolatylność jest stale. 2.3 Model HJM (Heath–Jarrow–Morton) w czasie dyskretnym Model HJM daje wiecej elastyczności w porównaniu z modelem HL. Bedziemy ֒ ֒ rozważali wersje modelu HJM na (nie rekombinowanym) drzewie binarnym. Wieloczynnikowe warianty moga֒ być również rozważane. 2.3.1 Modele stóp forward Wiemy, że ceny obligacji B(t, S) i stopy forward zwiazane sa֒ nastepuj ac ֒ ֒ ֒ a֒ relacja֒ f (t, S) = − log B(t, S + 1) − log B(t, S) τ dla t i S takich, że 0 ≤ t ≤ S < T . Ponadto ( B(t, S) = exp −τ S−1 X i=t f (t, i) ) (2.16) 28 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH dla t i S takich, że 0 ≤ t ≤ S ≤ T . Oczywiście zamiast rozważyć drzewa cen, można rozważyć drzewo stóp forward f (0, 0) f (0, 1) f (0, 2) ր ց f (1, 1; u) f (1, 2; u) ր ց f (1, 1; d) f (1, 2; d) ր ց f (2, 2; uu) f (2, 2; ud) f (2, 2; du) f (2, 2; dd), gdzie dla prostoty przyjeliśmy, że T = 3. ֒ W dyskretnym modelu HJM zaklada sie, ֒ że stopy forward zdefiniowane sa֒ rekurencyjnie √ f (t + 1, S, ωt u) = f (t, S, ωt ) + µ(t, S, ωt )τ + σ(t, S, ωt ) τ , √ f (t + 1, S, ωt d) = f (t, S, ωt ) + µ(t, S, ωt )τ − σ(t, S, ωt ) τ , (2.17) na każdym weźle ωt dla t < T − 2, przy zadanych funkcjach µ(t, S, ωt ) i σ(t, S, ωt ). ֒ Dodatkowo, zaklada sie, wy֒ że prawdopodobieństwo martyngalowe na każdej galezi ֒ 1 nosi p(t, ωt ) = 2 . W rezultacie warunkowa wartość oczekiwana i wariancje stóp f (t + 1, S) w chwili t dane sa֒ wzorami E (f (t + 1, S)|Ft) = f (t, S) + µ(t, S)τ, Var (f (t + 1, S)|Ft) = E (f (t + 1, S) − E (f (t, S)|Ft) |Ft )2 = (σ(t, S))2 τ. Oczywiście wartość oczekiwana brana jest po mierze martyngalowej, a Ft to σ-cialo generowane przez ωt = α1 α2 · · · αt . 2.3.2 Warunek braku arbitrażu Przypomnijmy, że w drzewie binarnym warunek braku arbitrażu oznacza, że poniższe prawdopodobieństwa nie zależa֒ od czasów wykupu S, a dodatkowo w naszym przypadku wynosza֒ 1/2. Naszym celem bedzie ich wyliczenie w zależności od µ i σ ֒ 2.3. MODEL HJM (HEATH–JARROW–MORTON) W CZASIE DYSKRETNYM29 wystepuj acych w równaniach na stopy forward. Mamy ֒ ֒ p(t, S; ωt ) = = = = = B(t, S) − B(t + 1, S, ωt d)B(t, t + 1) B(t + 1, S, ωt u)B(t, t + 1) − B(t + 1, S, ωt d)B(t, t + 1) e−τ PS−1 i=t f (t,i) PS−1 − e−τ PS−1 i=t+1 f (t+1,i,ωt d) −τ f (t,t) PS−1 e e−τ i=t+1 f (t+1,i,ωt u) e−τ f (t,t) − e−τ i=t+1 f (t+1,i,ωt d) e−τ f (t,t) PS−1 PS−1 e−τ i=t+1 f (t,i) − e−τ i=t+1 f (t+1,i,ωt d) e−τ PS−1 i=t+1 f (t+1,i,ωt u) PS−1 − e−τ PS−1 f (t+1,i,ωt d) PS−1 √ −τ i=t+1 [f (t,i)+µ(t,i)τ −σ(t,i) τ ] i=t+1 e−τ i=t+1 f (t,i) − e PS−1 √ √ i=t+1 [f (t,i)+µ(t,i)τ −σ(t,i) τ ] i=t+1 [f (t,i)+µ(t,i)τ +σ(t,i) τ ] − e−τ PS−1 e−τ PS−1 PS−1 2 3/2 i=t+1 σ(t,i) eτ i=t+1 µ(t,i) − eτ e−τ 3/2 PS−1 i=t+1 σ(t,i) − eτ 3/2 Przypomnijmy, że cosh x := PS−1 i=t+1 σ(t,i) . e−x + ex . 2 Ponieważ p(t, S; ωt) = 1/2, mamy τ2 e PS−1 i=t+1 µ(t,i) ( = cosh τ 3/2 S−1 X i=t+1 ) σ(t, i) . Równość ta zachodzi dla wszystkich t i S takich, że 1 ≤ t + 1 < S ≤ T . W szczególności, implikuje to, że wszystkie wspólczynniki dryfu µ(t, i) sa֒ zdeterminowane przez wolatylności σ(t, i). Istotnie, kladac ֒ S = t + 2, . . . , T , otrzymujemy ciag ֒ równości eτ eτ 2 µ(t,t+1) = cosh τ 3/2 σ(t, t + 1), 2 [µ(t,t+1)+µ(t,t+2)] = cosh τ 3/2 [σ(t, t + 1) + σ(t, t + 2)] , . . . eτ 2 [µ(t,t+1)+...+µ(t,T −1)] (2.18) = cosh τ 3/2 [σ(t, t + 1) + . . . + σ(t, T − 1)] , z których wyliczamy µ(t, t + 1), µ(t, t + 2), . . . , µ(t, T − 1) w zależności od σ(t, t + 1), σ(t, t + 2), . . . , σ(t, T − 1). 30 ROZDZIAL 2. MODELE NA DRZEWACH BINARNYCH 2.3.3 Konstrukcja struktury terminowej na drzewie Z powyższych rozważań wynika, że drzewo stóp forward f (t, S) lub równoważnie cen obligacji B(t, S), jest wyznaczone przez stopy poczatkowe ֒ f (0, 0), f (0, 1), . . . , f (0, T − 1) oraz wolatylności σ(t, t + 1), σ(t, t + 2), . . . , σ(t, T − 1), t = 0, 1, . . . , T − 2. Algorytm konstrukcji drzewa dla modelu HJM jest nastepuj acy: ֒ ֒ • Niech f (0, S), S = 0, . . . , T −1 bed ֒ a֒ wartościami stopy forward w chwili t = 0. Wartości bieżace stóp forward (lub cen obligacji) sa֒ dostepne. ֒ ֒ • Wyestymować wolatylności σ(t, S), na przyklad z danych historycznych z wybranych instrumentów pochodnych. • Z σ wyliczyć dryf µ używajac ֒ (2.18). • Wyliczyć drzewo stóp forward f (t, S) korzystajac ֒ z wartości poczatkowych ֒ f (0, S) oraz ze znanych µ i σ. W tym punkcie używamy (2.17). • Wyliczyć ceny obligacji B(t, S) ze stóp forward f (t, S), korzystajac ֒ z (2.16). Majac ֒ drzewo cen można wyceniać instrumenty pochodne. Zadanie 10 Skonstruuj drzewo stóp f (t, S) i cen B(t, S) dla modelu, w którym T = 3, τ = 1 oraz f (0, 0) = 2.9561%, f (0, 1) = 2.9465%, f (0, 2) = 2.9608%, σ(0, 1) = σ(0, 2) = σ(1, 2, u) = σ(1, 2, d) = 0, 01. 2.4 Wycena opcji na drzewach Zalóżmy, że mamy zadana֒ strukture֒ terminowa֒ na drzewie binarnym, to znaczy dla t, S = 0, 1, · · · , T , t ≤ S, zadane sa֒ ceny obligacji B(t, S; α1 · · · αt ) w dowolnym weźle ωt = α1 · · · αt ∈ {d, u}t . Oczywiście zakladamy, że model jest wolny od arbi֒ trażu (wyznaczanie cen arbitrażowych opcji w modelu z arbitrażem nie ma sensu). Możemy wiec ֒ wyliczyć prawdopodobieństwa martyngalowe (z ang. risk nutral probabilities) p(t, ωt ). Model jest zupelny, czyli prawdopodobieństwa martyngalowe sa֒ 2.4. WYCENA OPCJI NA DRZEWACH 31 jedyne. Przypomnijmy (patrz wzór (2.2)), że prawdopodobieństwa martyngalowe wyliczamy z nastepuj acego wzoru ֒ ֒ p(t; ωt ) = B(t, S; ωt )/B(t, t + 1; ωt ) − B(t + 1, S; ωt d) , B(t + 1, S; ωtu) − B(t + 1, S; ωt d) S ≥ t + 2. Przypomnijmy, że cena C(t) w chwili t, instrumentu Z o cenie zapadalności S ≤ T dana jest przez warunkowa֒ wartość oczekiwana֒ ( S−1 ) ! X C(t) = E Z exp − τ r(k) | Ft . k=t nP o S−1 Przypomnijmy, że czynnik dyskontujacy exp τ r(k) jest zyskiem z rachunku k=t ֒ bankowego na odcinku [t, S]. Możemy ja֒ podać na każdym weźle ωt ∈ {u, d}. Algorytm wyliczania C polega ֒ na posuwaniu sie֒ po drzewie od wez ֒ lów ωS do pierwszego wez ֒ la. Oczywiście C(S; ωS ) = Z(ωS ), ωS ∈ {d, u}S . Nastepnie ֒ C(S − 1; ωS−1) = [p(S − 1; ωS−1 )Z(ωS−1u) + (1 − p(S − 1; ωS−1)) Z(ωS−1d)] e−τ r(S−1;ωS−1 ) . Ogólnie C(t; ωt ) = [p(t; ωt )C(t + 1; ωtu) + (1 − p(t; ωt )) C(t + 1; ωt d)] e−τ r(t;ωt ) . 1 , wycenić opcje֒ Zadanie 11 W modelu na drzewie z Zadania 7, T = 3, τ = 12 kupna (call ) na obligacje֒ o czasie zapadalności T = 3 z cena֒ realizacji (z ang. strike price) 0.9 i z data֒ wygaśniecia opcji (z ang. expiration date) 2. ֒ Zadanie 12 W modelu Ho–Lee zadane sa:֒ ceny poczatkowe ֒ B(0, 1) = 0.945, B(0, 2) = 0.987, B(0, 3) = 0.991, prawdopodobienstwo p = 0.41 oraz parametr δ = 1.0099. Dla T = 3, znaleźć drzewo cen wraz z drzewem cen opcji sprzedaży (put) 3-obligacji, o momencie zapadalności 2 i cenie realizacji K = 0.95575. Zwrócić uwage֒ na nietypowa֒ interpretacje֒ symboli u i d. Zadanie 13 Dla modelu HJM rozważnego w Zadaniu 10 wycenić opcje֒ kupna 3obligacji o momencie wykupu 2 i cenie realizacji K = 0.97.