Financial Risk Management

Σχετικά έγγραφα
Financial Risk Management

: Ω F F 0 t T P F 0 t T F 0 P Q. Merton 1974 XT T X T XT. T t. V t t X d T = XT [V t/t ]. τ 0 < τ < X d T = XT I {V τ T } δt XT I {V τ<t } I A

Part III - Pricing A Down-And-Out Call Option

P AND P. P : actual probability. P : risk neutral probability. Realtionship: mutual absolute continuity P P. For example:

Credit Risk. Finance and Insurance - Stochastic Analysis and Practical Methods Spring School Jena, March 2009

- 1+x 2 - x 3 + 7x x x x x x 2 - x 3 - -

A.M. Kimiagari & E. Afarideh Sani

ΠΜΣ στην Αναλογιστική Επιστήμη και Διοικητική Κινδύνου. Πιστωτικός Κίνδυνος. Διάλεξη 4: Υποδείγματα πιστωτικού κινδύνου. The Merton's Structural Model

QBER DISCUSSION PAPER No. 8/2013. On Assortative and Disassortative Mixing in Scale-Free Networks: The Case of Interbank Credit Networks

Aquinas College. Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET

Mean-Variance Analysis

ΜΕΤΡΑ ΚΙΝΔΥΝΟΥ ΣΤΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ

MOTORCAR INSURANCE I

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ ΣΠΟΥΔΕΣ

DOI /J. 1SSN

Fundamentals of Finance


Premia 14 Closed Formula Methods

ΠΩΣ ΕΠΗΡΕΑΖΕΙ Η ΜΕΡΑ ΤΗΣ ΕΒΔΟΜΑΔΑΣ ΤΙΣ ΑΠΟΔΟΣΕΙΣ ΤΩΝ ΜΕΤΟΧΩΝ ΠΡΙΝ ΚΑΙ ΜΕΤΑ ΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΚΡΙΣΗ

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ 1. ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ 2. ΣΠΟΥΔΕΣ

Slides 4. Matthieu Gomez Fall 2017

❷ s é 2s é í t é Pr 3

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2

ΘΕΩΡΙΑ ΟΜΟΛΟΓΙΩΝ. ΤΙΜΟΛΟΓΗΣΗ,ΔΙΑΧΕΙΡΗΣΗ, ΕΙΔΙΚΑ ΘΕΜΑΤΑ.

SOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM

No General Serial No JOURNAL OF XIAMEN UNIVERSITY Arts & Social Sciences CTD F CTD

Strasbourg & ISC Paris Εξέλιξη επιτοκίων (term structure)

Ειδικά Θέματα Διαχείρισης Κινδύνου. Μεταβλητότητα (Volatility)

Απόκριση σε Μοναδιαία Ωστική Δύναμη (Unit Impulse) Απόκριση σε Δυνάμεις Αυθαίρετα Μεταβαλλόμενες με το Χρόνο. Απόστολος Σ.

Teor imov r. ta matem. statist. Vip. 94, 2016, stor

The martingale pricing method for pricing fluctuation concerning stock models of callable bonds with random parameters

ΓΕΝΝΗΤΡΙΑ MUX ΚΑΤΑΓΡΑΦΙΚΟ ΗΜΙΤΟΝΙΚΟΥ ΣΗΜΑΤΟΣ. σχήμα A

Solution Series 9. i=1 x i and i=1 x i.

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ ΣΠΟΥΔΕΣ

All models have faults - that doesn t mean you can t use them as tools for making decisions. Myron Scholes

rs r r â t át r st tíst Ó P ã t r r r â

[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1

ΑΝΑΛΥΣΗ ΚΟΣΤΟΥΣ ΟΦΕΛΟΥΣ ΣΤΟΝ ΚΛΑΔΟ ΤΗΣ ΕΝΕΡΓΕΙΑΣ

THICK FILM LEAD FREE CHIP RESISTORS

ΧΡΗΜΑΤΙΣΤΗΡΙΟ ΑΘΗΝΩΝ

ΕΤΗΣΙΑ ΕΚΘΕΣΗ 2014 ALPHA ΑΝΩ ΣΥΝΘΕΤΟ ΑΜΟΙΒΑΙΟ ΚΕΦΑΛΑΙΟ ΑΠΡΙΛΙΟΣ 2015

APPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 651 APPENDIX B. BIBLIOGRAPHY 677 APPENDIX C. ANSWERS TO SELECTED EXERCISES 679

ΟΙ ΠΑΡΑΓΟΝΤΕΣ που ΕΠΗΡΕΑΖΟΥΝ την ΤΙΜΗ των ΙΚΑΙΩΜΑΤΩΝ ΠΡΟΑΙΡΕΣΗΣ

: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΚΑΙ ΤΡΑΠΕΖΙΚΗΣ ΙΟΙΚΗΤΙΚΗΣ Π.Μ.Σ «ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΑΝΑΛΥΣΗ ΓΙΑ ΣΤΕΛΕΧΗ ΕΠΙΧΕΙΡΗΣΕΩΝ»

Reflecting Brownian motion in two dimensions: Exact asymptotics for the stationary distribution

OPTIMAL STRATEGIES FOR A LONG-TERM STATIC INVESTOR

Vol. 34 ( 2014 ) No. 4. J. of Math. (PRC) : A : (2014) XJ130246).

519.22(07.07) 78 : ( ) /.. ; c (07.07) , , 2008

Laplace Expansion. Peter McCullagh. WHOA-PSI, St Louis August, Department of Statistics University of Chicago

(1) P(Ω) = 1. i=1 A i) = i=1 P(A i)

5.4 The Poisson Distribution.

Section 8.3 Trigonometric Equations

Fundamentals of Probability: A First Course. Anirban DasGupta

General Models & Inapproximability Overview. Influence Maximization σε Social Networks

ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΔΙΟΙΚΗΣΗ

ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ. Διπλωματική Εργασία

LAD Estimation for Time Series Models With Finite and Infinite Variance

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

ΤΟ ΜΟΝΤΕΛΟ Οι Υποθέσεις Η Απλή Περίπτωση για λi = μi 25 = Η Γενική Περίπτωση για λi μi..35

ss rt çã r s t Pr r Pós r çã ê t çã st t t ê s 1 t s r s r s r s r q s t r r t çã r str ê t çã r t r r r t r s

Statistics 104: Quantitative Methods for Economics Formula and Theorem Review

Cardiovascular Center Aalst

1991 US Social Survey.sav

Γενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ NON LINEAR VALUE-AT-RISK ΑΓΡΑΠΙΔΗ ΑΙΚΑΤΕΡΙΝΗ

«ΤΙΜΟΛΟΓΗΣΗ ΔΙΚΑΙΩΜΑΤΟΣ ΑΓΟΡΑΣ ΜΕΤΟΧΗΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ»

Probability and Random Processes (Part II)

ΑΠΟΤΙΜΗΣΗ ΕΞΩΤΙΚΩΝ ΔΙΚΑΙΩΜΑΤΩΝ ΕΠΙ ΕΝΟΣ ΠΕΡΙΟΥΣΙΑΚΟΥ ΣΤΟΙΧΕΙΟΥ ΚΑΙ ΔΥΟ ΧΡΟΝΙΚΩΝ ΠΕΡΙΟΔΩΝ

Generalized Affine Models

, ; 3.,,,. ; : A

Metal thin film chip resistor networks

Stationary Stochastic Processes Table of Formulas, 2017

Numerical Methods for Pricing and Hedging American Options


Stationary Stochastic Processes Table of Formulas, 2016

ΧΡΗΣΙΜΟΙ ΟΡΟΙ TΙΤΛΩΝ ΠΑΡΑΣΤΑΤΙΚΩΝ ΙΚΑΙΩΜΑΤΩΝ ΠΡΟΣ ΚΤΗΣΗ ΚΙΝΗΤΩΝ ΑΞΙΩΝ Ή WARRANTS

ON NEGATIVE MOMENTS OF CERTAIN DISCRETE DISTRIBUTIONS

Inverse trigonometric functions & General Solution of Trigonometric Equations

ΑΠΟΤΙΜΗΣΗ ΔΙΚΑΙΩΜΑΤΩΝ ΠΡΟΑΙΡΕΣΗΣ ΜΕΣΩ ΥΠΟΔΕΙΓΜΑΤΩΝ GARCH

, 11 1 / 49

Credit Risk Διάλεξη 1

Anti-Final CS/SE 3341 SOLUTIONS

Fourier Series. MATH 211, Calculus II. J. Robert Buchanan. Spring Department of Mathematics

P P Ó P. r r t r r r s 1. r r ó t t ó rr r rr r rí st s t s. Pr s t P r s rr. r t r s s s é 3 ñ

Schedulability Analysis Algorithm for Timing Constraint Workflow Models

List MF20. List of Formulae and Statistical Tables. Cambridge Pre-U Mathematics (9794) and Further Mathematics (9795)

Μεταπτυχιακή διατριβή Η ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΗ ΕΠΙΔΡΑΣΗ ΑΠΟ ΔΙΑΤΑΡΑΧΕΣ ΤΩΝ ΤΙΜΩΝ ΤΟΥ ΠΕΤΡΕΛΑΙΟΥ ΣΕ ΧΩΡΕΣ ΠΟΥ ΕΙΣΑΓΟΥΝ ΚΑΙ ΕΞΑΓΟΥΝ ΠΕΤΡΕΛΑΙΟ

Module 5. February 14, h 0min

Technical Data for Profiles. α ( C) = 250 N/mm 2 (36,000 lb./in. 2 ) = 200 N/mm 2 (29,000 lb./in 2 ) A 5 = 10% A 10 = 8%

Bayesian statistics. DS GA 1002 Probability and Statistics for Data Science.

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Ξένη Ορολογία. Ενότητα 5 : Financial Ratios

Feynman-Kac OPTIONS) PUT OPTIONS) CRANK-NICOLSON... 42

Math 6 SL Probability Distributions Practice Test Mark Scheme

*,* + -+ on Bedrock Bath. Hideyuki O, Shoichi O, Takao O, Kumiko Y, Yoshinao K and Tsuneaki G

ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ. Διπλωματική Εργασία

ΠΑΡΑΓΩΓΑ. Στέλιος Ξανθόπουλος

Proforma C. Flood-CBA#2 Training Seminars. Περίπτωση Μελέτης Ποταμός Έ βρος, Κοινότητα Λαβάρων

Transcript:

Pricing of American options University of Oulu - Department of Finance Spring 2017

Volatility-based binomial price process uuuus 0 = 26.51 uuus 0 = 24.71 uus 0 = us 0 = S 0 = ds 0 = dds 0 = ddds 0 = 16.19 dddds 0 = 15.09

Binomial price process with risk-neutral probabilities = er t d = 1 = 0.475 24.71 16.19 26.51 15.09 uuuu 1 p 4 u p0 d = 0.0760 uuud, uudu uduu, duuu 4 p 3 u p1 d = 0.2749 uudd, udud, uddu duud, dudu, dduu 6 p 2 u p2 d = 0.3731 uddd, dudd ddud, dddu 4 p 1 u p3 d = 0.2251 dddd 1 p 0 u p4 d = 0.0509

Expected price and variance in a binomial tree Upward movement multiplicator : u = e σ t Downward movement multiplicator: d = e σ t Price after an upward movement: us Price after a downward movement: ds Probability of an upward movement: = er t d Probability of a downward movement: = 1 Geometric Brownian motion: S = rs t + σsɛ t E( S) = rs t Std( S) = σs t Var( S) = σ 2 S 2 t Taylor series approximations: (1) e r t = 1 + r t + (r t)2 2! + (r t)3 3! + (r t)4 4! +... 1 + r t (2) u = e σ t (3) d = e σ t = 1 + σ t + (σ t) 2 2! + (σ t) 3 3! = 1 σ t + (σ t) 2 (σ t) 3 2! 3! + (σ t) 4 4! + (σ t) 4 4! +... 1 + σ t + σ2 t... 1 σ t + σ2 t 2 2

Expected price and variance in a binomial tree Ê( S) = Ê(S) S = puus + ds S = [ u + (1 )d 1 ] S = [ () + d 1 ] S [ e r t d ] = () + d 1 S = ( ) e r t 1 S = (1 + r t 1)S = rs t (1) Var( S) = E( S 2 ) E( S) 2 = (us) 2 + (ds) 2 [ us + ds ] 2 = (us) 2 + (1 )(ds) 2 [ us + (1 )ds ] 2 = [ () 2 p 2 u ()2] S 2 = [ e r t d ()2 (e ] r t d) 2 () 2 () 2 S 2 [ = e r t (u + d) 1 e 2r t ] S 2 (1) (2) (3) (1) [ ( = (1 + r t) 1 + σ t + σ2 t + 1 σ ) ] t + σ2 t 1 (1 + r t) 2 S 2 2 2 = = [ ( (1 + r t) 2 + σ 2 ) t 1 (1 + r t) 2] S 2 [ 2 + σ 2 t + 2r t + rσ 2 ( t) 2 1 1 2r t r 2 ( t) 2] S 2 = σ 2 S 2 t

Pricing of a European put option n P S T p T P p T 1 0.0760 26.51 0.00 0.00 4 0.2749 0.00 0.00 6 0.3731 1.00 0.37 4 0.2251 3.63 0.82 1 0.0509 15.09 5.91 0.30 S 0 = σ = 0.20 T = 0.5 1.0000 1.49 p 0 = Xe rt N( d 2 ) S 0 N( d 1 ) = 1.41 Ê[max(0, X S T )] = 1.49 p 0 = e 0.048 0.5 1.49 = 1.45 24.71 16.19 26.51 15.09 uuuu 1 p 4 u p0 d = 0.0760 uuud, uudu uduu, duuu 4 p 3 u p1 d = 0.2749 uudd, udud, uddu duud, dudu, dduu 6 p 2 u p2 d = 0.3731 uddd, dudd ddud, dddu 4 p 1 u p3 d = 0.2251 dddd 1 p 0 u p4 d = 0.0509

Binomial price with twenty-five time-steps σ = 0.20 T = 0.5 n = 25 t = 0.02 u = e σ t = 1.029 d = 1 u = e σ t = 0.972 = er t d = 0.510 = 1 = 0.490

Pricing of the option with twenty-five time-steps n P S T p T P p T 1 0.0000 40.87 0.00 0.00 25 0.0000 38.61 0.00 0.00 300 0.0000 36.47 0.00 0.00 2300 0.0001 34.45 0.00 0.00 12650 0.0005 32.54 0.00 0.00 53130 0.0021 30.74 0.00 0.00 177100 0.0068 29.03 0.00 0.00 480700 0.0178 27.43 0.00 0.00 1081575 0.0384 25.91 0.00 0.00 2042975 0.0697 24.47 0.00 0.00 3268760 0.1071 23.12 0.00 0.00 4457400 0.1404 21.84 0.00 0.00 5200300 0.1573 20.63 0.37 0.06 5200300 0.1512 19.48 1.52 0.23 4457400 0.1245 18.40 2.60 0.32 3268760 0.0877 17.39 3.61 0.32 2042975 0.0527 16.42 4.58 0.24 1081575 0.0268 15.51 5.49 0.15 480700 0.0114 14.65 6.35 0.07 177100 0.0040 13.84 7.16 0.03 53130 0.0012 13.07 7.93 0.01 12650 0.0003 12.35 8.65 0.00 2300 0.0000 11.67 9.33 0.00 300 0.0000 11.02 9.98 0.00 25 0.0000 10.41 10.59 0.00 1 0.0000 9.83 11.17 0.00 Binomial tree with 4 time steps: p 0 = e 0.048 0.5 1.49 = 1.45 Binomial tree with 25 time steps: p 0 = e 0.048 0.5 1.43 = 1.40 Binomial tree with 125 time steps: p 0 = 1.41 Black-Scholes: p 0 = Xe rt N( d 2 ) S 0 N( d 1 ) = 1.41 1.0000 1.43

50-step binomial tree

100-step binomial tree

European put option Step 1 24.71 26.51 0.00 = max(0, 21 26.51) 0.00 = max(0, 21 ) 1.00 = max(0, 21 ) = er t d = 1 = 0.475 16.19 3.63 = max(0, 21 ) 15.09 5.91 = max(0, 21 15.09)

European put option Step 2 = er t d = 1 = 0.475 24.71 0.00 0.47 2.24 16.19 4.68 0.00 e 0.048 0.125 ( 0.00 + 0.00) = 0.00 0.00 e 0.048 0.125 ( 0.00 + 1.00) = 0.47 1.00 e 0.048 0.125 ( 1.00 + 3.63) = 2.24 3.63 e 0.048 0.125 ( 3.63 + 5.91) = 4.68 5.91

European put option Step 3 = er t d = 1 = 0.475 0.22 1.30 3.38 0.00 e 0.048 0.125 ( 0.00 + 0.47) = 0.22 0.47 e 0.048 0.125 ( 0.47 + 2.24) = 1.30 2.24 e 0.048 0.125 ( 2.24 + 4.68) = 3.38 4.68

European put option Step 4 = er t d = 1 = 0.475 0.73 2.27 0.22 e 0.048 0.125 ( 0.22 + 1.30) = 0.73 1.30 e 0.048 0.125 ( 1.30 + 3.38) = 2.27 3.38

European put option Step 5 1.45 0.73 e 0.048 0.125 ( 0.73 + 2.27) = 1.45 2.27 = er t d = 1 = 0.475

American put option Step 1 24.71 26.51 0.00 = max(0, 21 26.51) 0.00 = max(0, 21 ) 1.00 = max(0, 21 ) = er t d = 1 = 0.475 16.19 3.63 = max(0, 21 ) 15.09 5.91 = max(0, 21 15.09)

American put option Step 2 = er t d = 1 = 0.475 24.71 0.00 0.47 2.36 16.19 4.81 0.00 e 0.048 0.125 ( 0.00 + 0.00) = 0.00 max(0, 21 24.71) = 0.00 0.00 e 0.048 0.125 ( 0.00 + 1.00) = 0.47 max(0, 21 21.64) = 0.00 1.00 e 0.048 0.125 ( 1.00 + 3.63) = 2.24 max(0, 21 ) = 2.36 3.63 e 0.048 0.125 ( 3.63 + 5.91) = 4.68 max(0, 21 16.19) = 4.81 5.91

American put option Step 3 = er t d = 1 = 0.475 0.22 1.36 3.63 0.00 e 0.048 0.125 ( 0.00 + 0.47) = 0.22 max(0, 21 ) = 0.00 0.47 e 0.048 0.125 ( 0.47 + 2.36) = 1.36 max(0, 21 ) = 1.00 2.36 e 0.048 0.125 ( 2.36 + 4.81) = 3.50 max(0, 21 ) = 3.63 4.81

American put option Step 4 = er t d = 1 = 0.475 0.76 2.42 0.22 e 0.048 0.125 ( 0.22 + 1.36) = 0.76 max(0, 21 ) = 0.00 1.36 e 0.048 0.125 ( 1.36 + 3.63) = 2.42 max(0, 21 ) = 2.36 3.63

American put option Step 5 1.54 0.76 e 0.048 0.125 ( 0.76 + 2.42) = 1.54 2.42 max(0, 21 ) = 1.00 Binomial tree with 4 time steps: p 0 = 1.54 Binomial tree with 25 time steps: p 0 = 1.50 Binomial tree with 125 time steps: p 0 = 1.50 = er t d = 1 = 0.475

Option value as a function of the number of steps