La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Il pricing dei derivati: Metodo di Montecarlo, Path Integrals L. Bellucci, G. Cipriani M.Rosa-Clot, S.Taddei Firenze E. Bennati Dip Scienze Econ. (Pisa)

Presentazioni simili


Presentazione sul tema: "Il pricing dei derivati: Metodo di Montecarlo, Path Integrals L. Bellucci, G. Cipriani M.Rosa-Clot, S.Taddei Firenze E. Bennati Dip Scienze Econ. (Pisa)"— Transcript della presentazione:

1 Il pricing dei derivati: Metodo di Montecarlo, Path Integrals L. Bellucci, G. Cipriani M.Rosa-Clot, S.Taddei Firenze E. Bennati Dip Scienze Econ. (Pisa) M.Cerchiai, C.Giannotti G. Einaudi, P. Rosa-Clot (Pisa) A. Amendolia, (Sassari)

2 Un indice di borsa: il cambio EURO/$

3 Analisi dellindice Ci sono andamenti di lungo periodo Si sovrappongono movimenti veloci Rumore Fisici e ingegneri chiamano rumore tutti quei fenomeni impreditibili che alterano il processo fisico e le sue leggi di fondo Volatilità Gli economisti chiamano volatilità la rapida fluttuazione di un indice o di un prezzo determinata dalle spinte impredittibili del mercato

4 La legge binomiale Si assume che ci sia una probalbilità definita che abbia luogo un evento (1/2 se si lancia una moneta e si vuole trovare testa) e si chiede con quale frequenza compare testa in un certo numero di lanci. In generale

5 Eventi casuali Rischio Esempio canonico : il lancio della moneta testa p=.5 croceq=.5 p + q = 1 Distribuzione Binomiale Curva Gaussiana

6 Legge dei grandi numeri

7 Distribuzioni di probabilità Come verificare che la legge gaussiana è vera ? Osservando molte volte levento ! Quante volte ? Moltissime ! ! ! Processo di Wiener : per il lancio della moneta abbiamo assunto x= 1 x = w MATALAB: BINOMIALE

8 Lanci ripetuti:100, 1000, 10000, 50000

9 Il continuo e il metodo di Montecarlo un semplice caso di barriera

10 Processo di Wiener In generale assumiamo: x = x,t) t + (x,t) w In particolare per esempio si ha r = a (b - r ) t + w Vasicek oppure r = a (b - r ) t + r w CIR

11 Il caso generale: equazioni stocastiche Soluzioni analitiche (in pochi casi) equazione differenziale (Fokker Plank) metodo di montecarlo (lunghi tempi di CPU) Metodi discretizzati ad albero E la corrispondente equazione differezniale

12 Le tecniche di soluzione Soluzioni analitiche (in pochi casi) Soluzione della equazione differenziale (metodo generale ci sono problemi matematici delicati) metodo di montecarlo (lunghi tempi di CPU) Metodi discretizzati ad albero (funziona bene solo in casi 1D) Metodo dei Path Integral (funziona in dimensioni ed è rapido e generale)

13 Un sempio disoluzione analitica IL MODELLO CIR

14 Una realizzazione del modello CIR

15 Modelli realistici Il modello di Vasicek ha seri limiti (ammette per esempio tassi di interesse negativi) Un modello migliore è quello CIR (Cox Ingersoll Ross) che sostituisce ad una volatilità costante una legata alla radice del tasso. Tale modello ammette soluzioni analitiche. PROBELMA I : sganciarsi dai modelli e utilizzare i tassi reali PROBLEMA II: valutare un funzionale generico

16 Un esempio :anno 1998 interesse a 30 anni per la lira

17 Cosa è un funzionale Nella figura accanto tutto quello e supera la linea nera viene pesato calcolato attualizzando il valore col tasso di interesse corrispondente I funzionali possono essere molto complicati: per esempio i possono essere barriere, oppure cedole, oppure il diritto di esercizio di qualche clasuola

18 Calcolare un funzionale comporta Mediare su tutti i cammini possibili Ma icammini possono dipendere dal funzionale stesso Quindi iterare moltissimi processi mediando i diversi risultati MONTECARLO Discretizzare il processo a step finiti Conoscere la distribuzione di probabilità ad ogni istante Integrare numericamente sulle distribuzioni PATH INTEGRAL

19 Path Integral 1 La distribuzione di probabilità condizionata (y,t,x,0) dà la probablità di trovare il valore y della variabile al tempo t essendo nota la distribuzione al tempo t=0. Per tale distribuzione vale la legge di composizione Path Integral 1

20 Path Integral 2 Per piccoli incrementi temporali si ha in generale Con

21 Si tratta ora di effettuare N convoluzioni ottenendo in tal modo lampiezza di probabilità per tempi finiti. La grandezza (y-x)/ t rappresenta una specie di velocità e la funzione L(x,v,t) è la lagrangiana del sistema. Path Integral 3

22 Realizzazione di alcuni cammini Partendo da zero si realizzano 5 diversi percorsi La funzione di trasferimento è nota per ogni intervallo t

23 Il formalismo di Feymann Wiener formula la teoria degli integrali stocastici nel 1921 Feynman introduce il concetto di path integral in meccanica quantistica nel 42. Non vengono applicati fino al lavoro di Kreutz e Freedman del 1981 (problemi di calcolo) Poi esplodono gli approcci Montecarlo: problema di tempo ma multidimensionalità Più recentemente approcci deterministici: Rosa-Clot e Taddei. Molto veloci ma bassa dimensionalità: <4. Basta e avanza per i mercati finanziari.

24 Vantaggi formali e numerici Teoria solidamente fondata Sono noti tutti i casi analitici e le loro possibili estensioni Si riproducono tutti i casi noti in letteratura Sono note molte tecniche approssimate Numericamente stabile Da fondamento più generale agli alberi E molto veloce (quanto gli alberi) Permette di estendere a casi complessi la valutazione del funzionale

25 Il funzionale In genere si tratta di valutare grandezze che dipendono dalla realizzazione del processo stocastico. Esempi tipici sono il cap e la put american

26 Esempio di un cap Con Questa definizione formale si traduce numericamente in una prescrizione molto semplice: quando il tasso di interesse supera il valore si calcola attualizzato il valore in eccesso.

27 Esempio di una put american Lopzione viene esercitata quando il suo valore scende sotto un valore tale da massimizzare il guadagno

28 Tempi di CPU per il pricing di opzioni

29 Il problema delle volatilità Un problema aperto e molto complesso è quello delle fluttuazioni non gaussiane degli indici di borsa. In altre parole ci sono scarti molto elevati rispetto al valore della deviazione standard: la teoria prevede che la probabilità di una fluttuazione maggiore di 3 volte la deviazione standard sia 1/1000 In realtà abbiamo spesso deviazioni che sono 10 volte superiori alla deviazione standard

30 Il problema dei dati: il FIB30

31 Analisi degli scarti con ritardo di tic

32 Confronto con una gaussiana


Scaricare ppt "Il pricing dei derivati: Metodo di Montecarlo, Path Integrals L. Bellucci, G. Cipriani M.Rosa-Clot, S.Taddei Firenze E. Bennati Dip Scienze Econ. (Pisa)"

Presentazioni simili


Annunci Google