Volatilità e informazione implicita

Slides:



Advertisements
Presentazioni simili
INFLAZIONE, PRODUZIONE E CRESCITA DELLA MONETA
Advertisements

I derivati e la loro gestione
Appunti di analisi matematica: Integrale Definito
Le distribuzioni di probabilità continue
Algoritmi e Strutture Dati
I modelli di valutazione delle opzioni su tassi
IL CALCOLO DEL VAR: UN CONFRONTO FRA Metodi QUANTITATIVI 2a convention aifirm, milano, 8 marzo 2001 Prof. Paolo Giudici Università di Pavia
Analisi microeconomica del turismo
6. Catene di Markov a tempo continuo (CMTC)
Il modello dei circuiti della gestione
LA COPERTURA DEI RISCHI BANCARI MEDIANTE STRUMENTI DERIVATI
N. 5/2006 FACOLTA’ DI SCIENZE ECONOMICHE E AZIENDALI
6. Catene di Markov a tempo continuo (CMTC)
Metodi Probabilistici, Statistici e Processi Stocastici Università Carlo Cattaneo Emanuele Borgonovo Metodi Probailistici, Statistici e Processi Stocastici.
Interpretazione Astratta
Inferenza statistica per un singolo campione
UNIVERSITA’ DEGLI STUDI DI ROMA
Richiami preliminari Lezione 0
SERVIZI E ATTIVITA DI INVESTIMENTO Prof. Massimo Rubino de Ritis Aprile 2011.
Dipartimento di Informatica e Sistemistica Alessandro DE CARLI Anno Accademico MOVIMENTAZIONE CONTROLLATA AZIONAMENTI CON MOTORE BRUSHLESS.
Economia politica II – Modulo di Macroeconomia
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
IAS 39: STRUMENTI FINANZIARI: RILEVAZIONE E VALUTAZIONE
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Posta Certificata Cosè e come funziona: valore legale, applicazioni e prove pratiche di invio e ricezione. Posta Certificata Cosè e come funziona: valore.
Analisi e Gestione del Rischio
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
Mercati Azionari, Obbligazionari e Derivati A.A. 2006/ II semestre Docente: Massimo Pinna Università degli Studi di Cagliari Facoltà di Economia.
Anche la RB-Delete ha due fasi: Nella prima viene tolto un nodo y avente uno dei sottoalberi vuoto sostituendolo con la radice dellaltro sottoalbero. Per.
Codici delle voci di bilancio Per preparare il bilancio, si parte da “Prima nota di cassa e banca”
Claudio Zara – Università Bocconi – Sistema finanziario CLEF Lezione I mercati degli strumenti derivati – swaps, contratti a termine e financial futures.
1 Questionario di soddisfazione ATA - a. sc. 2008/09 Il questionario è stato somministrato nel mese di aprile Sono stati restituiti 29 questionari.
LE SAI LE TABELLINE? Mettiti alla prova!.
Modelli Finanziari nel Tempo Continuo
Analisi e Gestione del Rischio Lezione 3 Ricognizione delle posizioni e marking to market.
Introduzione alla Regressione Lineare e alla Correlazione.
Programma esercizio NTV (orario 28/4-08/12/2012) RAMP UP – PERIODICITA.
Pippo.
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Lez. 3 - Gli Indici di VARIABILITA’
lun mar mer gio ven SAB DOM FEBBRAIO.
Valutazione opzioni Europee:
Impariamo a determinarne il prezzo
Il controllo dei rischi dal quantitative easing alla vicenda greca
COMUNE DI BOLOGNA Dipartimento Riqualificazione Urbana Simulazione invio telematico SCIA Processo di dematerializzazione per la presentazione delle pratiche.
1 Analisi della gestione finanziaria dal 04 Gennaio 2008 Fondo Pensione Astri Comparto Bilanciato report al: 4 giugno 2010.
Equazioni differenziali e applicazioni economiche
Analisi e gestione del rischio
Analisi e gestione del rischio
Introduzione alle opzioni
Analisi e Gestione del Rischio Lezione 10 Rischio di prodotti strutturati VaR ed Expected Shortfall.
Valutazione delle opzioni
Analisi e Gestione del Rischio
I rischi di mercato: i modelli di simulazione Lezione 9
Assicurazioni vita e mercato del risparmio gestito Lezione 6 Il modello di Black Scholes.
Analisi e Gestione del Rischio Lezione 7 Prodotti con pay-off non lineare.
Fisici sul mercato Introduzione alla finanza quantitativa
Assicurazioni vita e mercato del risparmio gestito Lezione 4 Derivati e Leverage.
Opzioni, Futures e altri Derivati, J. Hull
Formule Conversione Tassi Interesse
Analisi e gestione del rischio Lezione 14 Tecniche di cartolarizzazione e CDO.
Gli strumenti finanziari derivati e il rischio di impresa
Assicurazioni vita e mercato del risparmio gestito Lezione 10 Equity Linked Note.
Volatilità e informazione implicita
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