Volatilità e informazione implicita

Slides:



Advertisements
Presentazioni simili
N. 5/2006 FACOLTA’ DI SCIENZE ECONOMICHE E AZIENDALI
Advertisements

UNIVERSITA’ DEGLI STUDI DI ROMA
Analisi e Gestione del Rischio
Analisi e gestione del rischio
Analisi e gestione del rischio
Analisi e gestione del rischio
Assicurazioni vita e mercato del risparmio gestito
Volatilità e informazione implicita
Valutazione opzioni Europee:
Analisi e gestione del rischio
Valutazione delle opzioni
Assicurazioni vita e mercato del risparmio gestito Lezione 6 Il modello di Black Scholes.
Assicurazioni vita e mercato del risparmio gestito Lezione 4 Derivati e Leverage.
Assicurazioni vita e mercato del risparmio gestito Lezione 10 Equity Linked Note.
Programma di lealtà con consegna automatica. Programma di lealtà ADR con consegna automatica Nell'ambito del programma di lealtà ADR con consegna automatica.
Corso di Analisi Statistica per le Imprese Indici di variabilità ed eterogeneità Prof. L. Neri a.a
OIC 32 - Strumenti finanziari derivati
Precorso di Statistica per le Lauree Magistrali
Acquistare azioni indebitandosi
Capitolo 20 Il reddito aggregato
I CONTRATTI DI BORSA Seconda Università degli Studi di Napoli
I mercati dei capitali e il pricing del rischio
Dip. Economia Politica e Statistica
Rielaborato da Atzeni et al., Basi di dati, Mc-Graw Hill
Capitolo 7 Equilibrio nei mercati concorrenziali
Corso di Analisi Statistica per le Imprese Indici di variabilità ed eterogeneità Prof. L. Neri a.a
Algoritmi di stima con perdita di pacchetti in reti di sensori wireless: modellizzazione a catene di Markov, stima e stima distribuita Chiara Brighenti,
Offerta in concorrenza perfetta: il lato dei costi
Crescita I: Paolo Sospiro
DISTRIBUZIONI TEORICHE DI PROBABILITA’
PIANIFICAZIONE DEI TRASPORTI Regressione lineare
Le Opzioni finanziarie
Dip. Economia Politica e Statistica
- Catene di rapporti - Proporzioni continue - Funzioni matematiche
APPUNTI DI STATISTICA INFERENZIALE
Mercati finanziari efficienti 2
Intervalli di Fiducia Introduzione Intervalli di fiducia per la media – Caso varianza nota Intervalli di fiducia per la media – Caso varianza non nota.
Es. 6 pag 92.
Finanza Computazionale
Derivati e gestione dei rischi di mercato
Derivati e gestione dei rischi di mercato
Precorso di Statistica per le Lauree Magistrali
Strategie in opzioni ad altissima probabilità di successo
Metodi numerici in finanza: il pricing di opzioni esotiche
Rapporti e proporzioni
Rapporti e proporzioni
K4 è planare? E K3,3 e K5 sono planari? Sì!
Macroeconomia PIL cenni.
Un esempio Una casa farmaceutica dichiara che un nuovo antidolorifico che sta per immettere sul mercato fa effetto mediamente in un tempo pari a 12,75.
Università degli Studi di Modena e Reggio Emilia
Intervalli di confidenza
PROCEDURA per la misura e la relativa stima
Lezione n°6 Prof.ssa Rossella Petreschi
I principali mercati azionari nell’ultimo anno (in euro)
LA RETTA.
Analisi e gestione del rischio
Derivati e gestione dei rischi di mercato
Algoritmi e Strutture Dati
Dip. Economia Politica e Statistica
Precorso di Statistica per le Lauree Magistrali
Introduzione a Logisim
Economia politica Lezione 17
Andrea Cardoni Dipartimento Discipline Giuridiche ed Aziendali
Master Intensivo per l’apprendimento della tecnica di Gann via skype
Inserire la foto del prodotto
Analisi e Gestione del Rischio
Numeri indice di prezzi e quantità
Dip. Economia Politica e Statistica
Diritto pubblico dell’economia
CLOUD.
Transcript della presentazione:

Volatilità e informazione implicita

Il modello di Black & Scholes Il modello di Black & Scholes è basato sull’assunzione di distribuzione normale dei rendimenti. Si tratta di un modello nel tempo continuo. Ricordando la definizione di prezzo forward F(Y,t) = Y(t)/v(t,T) U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna Prezzi di opzioni put Dalla relazione di parità put-call e dalla proprietà della normale standard secondo la quale: 1 – N(a) = N(– a) otteniamo U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna Volatilità implicita La volatilità utilizzata è selezionata per ottenere prezzi coerenti con quelli osservati sul mercato. Questo concetto è noto come volatilità implicita e rappresenta un esempio di informazione implicita estratto dai dati di mercato. Si noti che il modello di Black e Scholes è basato sull’ipotesi che la volatilità sia costante. U. Cherubini / G. Lusignani - Università di Bologna

Il mondo di Black e Scholes La volatilità è costante, che equivale a dire che i rendimenti sono distribuiti normalmente I portafogli di replica sono ribilanciati senza costo nel tempo continuo, e i derivati possono essere replicati esattamente (mercati completi) I derivati non sono soggetti a rischio di controparte cioè il rischio che la controparte possa non tenere fede alle proprie oibbligazioni. U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna Oltre Black & Scholes Il modello di Black & Scholes implica la stessa volatilità per ogni contratto derivato Dal crash del 1987, questa regolarità non è supportata dai dati La volatilità implicita varia per diversi strike (smile effect) La volatilità implicita varia per diverse date di esercizio (struttura a termine di volatilità) Il sottostante non ha distribuzione log-normale. U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna Smile, please! U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna

Informazione implicita Nel mondo di Black e Scholes, a volatilità costante, e distribuzione normale dei rendimenti, la volatilità implicita di una opzione qualsiasi racchiude tutta l’informazione implicita nei mercati. Dopo Black e Scholes, si prova a estrarre da tutte le opzioni scambiate sul mercato per una stessa data di esercizio l’intera distribuzione aggiustata per il rischio dei prezzi (informazione implicita) utilizzando l’approccio di Breeden e Litzemberger. Più recentemente prezzi di opzioni con strike e tempi di esercizio diversi sono stati utilizzati per estrarre la dinamica implicita dei prezzi (alberi impliciti) U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna Digitali… U. Cherubini / G. Lusignani - Università di Bologna

…e spread verticali (super-replica) U. Cherubini / G. Lusignani - Università di Bologna

Probabilità implicita nelle call… Ricordiamo che il valore dell’opzione digitale cash-or-nothing (CoN) è dato da Digital Call CoN = P(t,T)Q( S(T) > K) Sappiamo anche che il pay-off può essere approssimato da …da cui U. Cherubini / G. Lusignani - Università di Bologna

…e nelle put La stessa analisi può esser fatta per l’opzione put digitale, cioè che paga un’unità di valuta se S(T)  K Digitale Put CoN = P(t,T)Q( S(T)  K) Allo stesso modo l’approssimazione da dati di mercato è …da cui U. Cherubini / G. Lusignani - Università di Bologna

Probabilità implicita S&P Mib – Aprile U. Cherubini / G. Lusignani - Università di Bologna

Probabilità implicita S&P Mib Maggio U. Cherubini / G. Lusignani - Università di Bologna

Eventi estremi: aprile U. Cherubini / G. Lusignani - Università di Bologna

Eventi estremi: maggio U. Cherubini / G. Lusignani - Università di Bologna

U. Cherubini / G. Lusignani - Università di Bologna Alberi Impliciti U. Cherubini / G. Lusignani - Università di Bologna