![Page 1: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/1.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Ciclo di seminari: Metodi Computazionaliper la Finanza
C.d.L.M. Finanza e Assicurazioni – a.a. 2018/2019
Lezione 4: Simulazione Moti Browniani e Pricing di derivati conMonte Carlo
I. Oliva MATLAB e finanza
![Page 2: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/2.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Cos’e il Metodo Monte Carlo?
Dinamica di Black-Scholes{dBt = rBtdtdSt = µStdt + σStdWt
Goal: determinare il prezzo di un derivato al tempo t, t ∈ [0,T ],sotto la misura risk-neutral Q
Dt = EQ[ H(ST )
er(T−t)
∣∣∣Ft
], ∀ t ∈ [0,T ]
I. Oliva MATLAB e finanza
![Page 3: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/3.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Cos’e il Metodo Monte Carlo?
Domanda 1 Come determiniamo il prezzo (a scadenza) delsottostante?
Simulazione di M traiettorie del sottostante
Domanda 2 Qual e il payoff del derivato?
Calcolo del payoff per ogni simulazione
Domanda 3 Come calcoliamo il prezzo Dt del derivato al tempot?
Metodo Monte Carlo: Dt ≈ 1M∑M
j=1 H(S(j)T )
I. Oliva MATLAB e finanza
![Page 4: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/4.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Cos’e il Metodo Monte Carlo?
Metodo Monte Carlo
Metodo stocastico per il calcolo numerico di quantitadeterministiche.
Il metodo viene utilizzato per la prima volta all’inizio della IIGuerra Mondiale da Von Neumann ed Ulam, mentre lavoravano alProgetto Manhattan (realizzazione della bomba atomica, LosAlamos, NM, 1943 – 1945)
Idea: quante volte una freccetta colpisce il bersaglio?
I. Oliva MATLAB e finanza
![Page 5: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/5.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Cos’e il Metodo Monte Carlo?
I. Oliva MATLAB e finanza
![Page 6: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/6.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Cos’e il Metodo Monte Carlo?
Idea: se il numero (N) di lanci e grande, allora numero difreccette nel bersaglio (v) ≈ area del cerchio∑
vN ≈ Ac
Aq
D’altra parte,{Ac = π · r2
Aq = 4r2 ⇒ π = 4 · AcAq≈ 4 ·
∑v
N
I. Oliva MATLAB e finanza
![Page 7: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/7.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Standard
{Wt}t≥0 processo di Wiener: W0 = 0, Wt −Ws ∼ N (0, t − s)
Scadenzario in [0,T ] : 0 = t0 < t1 < . . . < tN−1 < tN = T (Nfissato a priori, e.g. numero giorni lavorativi in un anno)
Una simulazione: X (1)i ∼ N (0, 1), i = 1, . . . ,N
W (1)0 = 0
W (1)t1 = W (1)
0 +√
t1 − t0X (1)1
W (1)t2 = W (1)
t1 +√
t2 − t1X (1)2
. . .
W (1)T = W (1)
tN−1 +√
tN − tN−1X (1)N
I. Oliva MATLAB e finanza
![Page 8: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/8.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Standard
{Wt}t≥0 processo di Wiener: W0 = 0, Wt −Ws ∼ N (0, t − s)
Scadenzario in [0,T ] : 0 = t0 < t1 < . . . < tN−1 < tN = T (Nfissato a priori, e.g. numero giorni lavorativi in un anno)
Due simulazioni: X (1)i ∼ N (0, 1), X (2)
i ∼ N (0, 1), i = 1, . . . ,N
W (1)0 = 0
W (1)t1 = W (1)
0 +√
t1 − t0X (1)1
W (1)t2 = W (1)
t1 +√
t2 − t1X (1)2
. . .
W (1)T = W (1)
tN−1 +√
tN − tN−1X (1)N
W (2)0 = 0
W (2)t1 = W (2)
0 +√
t1 − t0X (2)1
W (2)t2 = W (2)
t1 +√
t2 − t1X (2)2
. . .
W (2)T = W (2)
tN−1 +√
tN − tN−1X (2)N
I. Oliva MATLAB e finanza
![Page 9: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/9.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Standard
{Wt}t≥0 processo di Wiener: W0 = 0, Wt −Ws ∼ N (0, t − s)
Scadenzario in [0,T ] : 0 = t0 < t1 < . . . < tN−1 < tN = T (Nfissato a priori, e.g. numero giorni lavorativi in un anno)
M simulazioni: X (j)i ∼ N (0, 1), i = 1, . . . ,N, j = 1, . . . ,M
W (j)0 = 0
W (j)t1 = W (j)
0 +√
t1 − t0X (j)1
W (j)t2 = W (j)
t1 +√
t2 − t1X (j)2
. . .
W (j)T = W (j)
tN−1 +√
tN − tN−1X (j)N
I. Oliva MATLAB e finanza
![Page 10: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/10.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Standard
W =
W (1)0 W (1)
t1 W (1)t2 . . . W (1)
TN−1W (1)
T
W (2)0 W (2)
t1 W (2)t2 . . . W (2)
TN−1W (2)
T
W (3)0 W (3)
t1 W (3)t2 . . . W (3)
TN−1W (3)
T. . . . . . . . . . . . . . . . . .
W (M−1)0 W (M−1)
t1 W (M−1)t2 . . . W (M−1)
TN−1W (M−1)
T
W (M)0 W (M)
t1 W (M)t2 . . . W (M)
TN−1W (M)
T
I. Oliva MATLAB e finanza
![Page 11: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/11.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione di processi di Wiener
I. Oliva MATLAB e finanza
![Page 12: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/12.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Generalizzato
{Yt}t≥0 Moto Browniano generalizzato:Y0 = y0, dYt = adt + σdWt
Scadenzario in [0,T ] : 0 = t0 < t1 < . . . < tN−1 < tN = T (Nfissato a priori, e.g. numero giorni lavorativi in un anno)
Una simulazione: X (1)i ∼ N (0, 1), i = 1, . . . ,N
Y (1)0 = y0
Y (1)t1 = Y (1)
0 + a(t1 − t0) + σ√
t1 − t0X (1)1
Y (1)t2 = Y (1)
1 + a(t2 − t1) + σ√
t2 − t2X (1)2
. . .
Y (1)tN = Y (1)
N−1 + a(tN − tN−1) + σ√
tN − tN−1X (1)N
I. Oliva MATLAB e finanza
![Page 13: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/13.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Generalizzato
{Yt}t≥0 Moto Browniano generalizzato:Y0 = y0, dYt = adt + σdWt
Scadenzario in [0,T ] : 0 = t0 < t1 < . . . < tN−1 < tN = T (Nfissato a priori, e.g. numero giorni lavorativi in un anno)
Due simulazioni: X (1)i ∼ N (0, 1), ,X (2)
i ∼ N (0, 1) i = 1, . . . ,N
Y (1)0 = y0
Y (1)t1 = Y (1)
0 + a(t1 − t0) + σ√
t1 − t0X (1)1
Y (1)t2 = Y (1)
1 + a(t2 − t1) + σ√
t2 − t2X (1)2
. . .
Y (1)tN
= Y (1)N−1 + a(tN − tN−1) + σ
√tN − tN−1X (1)
N
Y (2)0 = y0
Y (2)t1 = Y (2)
0 + a(t1 − t0) + σ√
t1 − t0X (2)1
Y (2)t2 = Y (2)
1 + a(t2 − t1) + σ√
t2 − t2X (2)2
. . .
Y (2)tN
= Y (2)N−1 + a(tN − tN−1) + σ
√tN − tN−1X (2)
NI. Oliva MATLAB e finanza
![Page 14: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/14.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Generalizzato
{Yt}t≥0 Moto Browniano generalizzato:Y0 = y0, dYt = adt + σdWt
Scadenzario in [0,T ] : 0 = t0 < t1 < . . . < tN−1 < tN = T (Nfissato a priori, e.g. numero giorni lavorativi in un anno)
M simulazioni: X (j)i ∼ N (0, 1), i = 1, . . . ,N, j = 1, . . . ,M
Y (j)0 = y0
Y (j)t1 = Y (j)
0 + a(t1 − t0) + σ√
t1 − t0X (j)1
Y (j)t2 = Y (j)
1 + a(t2 − t1) + σ√
t2 − t2X (j)2
. . .
Y (j)tN = Y (j)
N−1 + a(tN − tN−1) + σ√
tN − tN−1X (j)N
I. Oliva MATLAB e finanza
![Page 15: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/15.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Standard
Y =
Y (1)0 Y (1)
t1 Y (1)t2 . . . Y (1)
TN−1Y (1)
T
Y (2)0 Y (2)
t1 Y (2)t2 . . . Y (2)
TN−1Y (2)
T
Y (3)0 Y (3)
t1 Y (3)t2 . . . Y (3)
TN−1Y (3)
T. . . . . . . . . . . . . . . . . .
Y (M−1)0 Y (M−1)
t1 Y (M−1)t2 . . . Y (M−1)
TN−1Y (M−1)
T
Y (M)0 Y (M)
t1 Y (M)t2 . . . Y (M)
TN−1Y (M)
T
I. Oliva MATLAB e finanza
![Page 16: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/16.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione di Moti Browniani generalizzati
I. Oliva MATLAB e finanza
![Page 17: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/17.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Geometrico
{St}t≥0 Moto Browniano geometrico: S0 = s0,
dSt = µStdt + σStdWt , St = s0 exp{(
µ− σ2
2
)t + σ (Wt −W0)
}Una simulazione: X (1)
i ∼ N (0, 1), i = 1, . . . ,N
S(1)t0 = s0
S(1)t1 = s0 exp
{(µ− σ2
2
)(t1 − t0) + σ
√t1 − t0X (1)
1
}S(1)
t2 = s0 exp{(
µ− σ2
2
)(t2 − t1) + σ
√t2 − t1X (1)
2
}. . .
S(1)tN = s0 exp
{(µ− σ2
2
)(tN − tN−1) + σ
√tN − tN−1X (1)
N
}I. Oliva MATLAB e finanza
![Page 18: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/18.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Geometrico
{St}t≥0 Moto Browniano geometrico: S0 = s0,
dSt = µStdt + σStdWt , St = s0 exp{(
µ− σ2
2
)t + σ (Wt −W0)
}M simulazioni: X (j)
i ∼ N (0, 1), i = 1, . . . ,N, j = 1, . . . ,M
S(j)t0 = s0
S(j)t1 = s0 exp
{(µ− σ2
2
)(t1 − t0) + σ
√t1 − t0X (j)
1
}S(j)
t2 = s0 exp{(
µ− σ2
2
)(t2 − t1) + σ
√t2 − t1X (j)
2
}. . .
S(j)tN = s0 exp
{(µ− σ2
2
)(tN − tN−1) + σ
√tN − tN−1X (j)
N
}I. Oliva MATLAB e finanza
![Page 19: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/19.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione Moto Browniano Standard
S =
S(1) S(1)t1 S(1)
t2 . . . S(1)TN−1
S(1)T
S(2)0 S(2)
t1 S(2)t2 . . . S(2)
TN−1S(2)
T
S(3)0 S(3)
t1 S(3)t2 . . . S(3)
TN−1S(3)
T. . . . . . . . . . . . . . . . . .
S(M−1)0 S(M−1)
t1 S(M−1)t2 . . . S(M−1)
TN−1S(M−1)
T
S(M)0 S(M)
t1 S(M)t2 . . . S(M)
TN−1S(M)
T
I. Oliva MATLAB e finanza
![Page 20: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/20.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione di Moti Browniani geometrici
I. Oliva MATLAB e finanza
![Page 21: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/21.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Due Moti Browniani correlati
dBt = rBtdtdS(1)
t = µ1S(1)t dt + σ1S(1)
t dW (1)t
dS(2)t = µ2S(2)
t dt + σ2S(2)t dW (2)
t
Corr(dW (1)
t , dW (2)t)
= ρ, ⇒ C =(
1 ρρ 1
)
I. Oliva MATLAB e finanza
![Page 22: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/22.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Dal punto di vista algoritmico /1:
1. scelta dei parametri del modello (ρ = 0.4) efattorizzazione di Cholesky C = A · A′ , (Atriangolare inferiore)
2. scelta dello scadenzario t = [0, t1, t2, . . . , tN−1,T ]
3. costruzione delle differenze dei tempi delloscadenzario dti = ti − ti−1, i = 1, . . . ,N (vettore dt)
4. estrazione di M vettori casuali di lunghezza N dadistribuzione normale standard per ciascun motobrowniano (matrici X1 e X2)
I. Oliva MATLAB e finanza
![Page 23: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/23.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Dal punto di vista algoritmico /2:
5. per ogni istante di osservazione i = 1, . . . ,N :memorizzazione delle estrazioni di tutte lesimulazioni al tempo i-esimo (matrice M × 2)costruzione della matrice Z , di dimensioneM × 2 in accordo con l’espressione del MotoBrowniano (standard, generalizzato, geometrico)Attenzione alle dimensioni degli addendi!!
6. costruzione di due matrici W1 e W2 (M × (N + 1))delle traiettorie dei Moti Browniani
7. rappresentazione grafica delle traiettorie simulate
I. Oliva MATLAB e finanza
![Page 24: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/24.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione di MB standard correlati
I. Oliva MATLAB e finanza
![Page 25: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/25.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione di MB generalizzati correlati
I. Oliva MATLAB e finanza
![Page 26: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/26.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Simulazione di processi di WienerSimulazione di Moti Browniani generalizzatiSimulazione di Moti Browniani geometriciSimulazione di processi stocastici multivariati
Simulazione di MB geometrici correlati
I. Oliva MATLAB e finanza
![Page 27: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/27.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Esercizio
Con il metodo Monte Carlo, considerando il modello di Black eScholes per la dinamica del prezzo di un’azione con parametriS0 = 90, r = 0.06, σ = 0.2, valutare in t = 0 i seguenti titoli:
1 una call europea ed una put europea con scadenza T = 1.2anni e strike price K = 95
2 un titolo derivato avente, alla scadenza T = 1.2 anni, ilseguente payoff
HT = max{K − S, 0} ,
dove K = 95 e, indicato con 0 = t0 < t1 < . . . < tp = T unoscadenzario prefissato (osservazioni giornaliere),S = 1
p∑p
i=1 Sti .
I. Oliva MATLAB e finanza
![Page 28: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/28.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Esercizio
Con il metodo Monte Carlo, considerando il modello di Black eScholes bivariato, sotto la misura risk-neutral Q, di parametrir = 0.06, σ = [0.2, 0.4], S0 = [90, 100] con correlazione ρ = 0.4per la dinamica dei prezzi S j , j = 1, 2 di due azioni, si calcoli int = 0 il valore V0 di un derivato avente, alla scadenza T = 1 anno,il payoff sotto indicato:
HT = max{K − S, 0},
dove K = 102 e S = 3√∏2
j=1 S jT .
I. Oliva MATLAB e finanza
![Page 29: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/29.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Esercizio
Con il metodo Monte Carlo, considerando il modello di Black eScholes bivariato, sotto la misura risk-neutral Q, di parametrir = 0.06, σ = [0.2, 0.4], S0 = [90, 100] con correlazione ρ = 0.4per la dinamica dei prezzi S i , i = 1, 2 di due azioni, si calcoli int = 0 il valore V0 di un derivato, avente alla scadenza T = 1 anno,il payoff sotto riportato
HT = max{S − K , 0},
dove K = 102 e S = max{
12(S1
t1 + S2t1), . . . , 1
2(S1tp + S2
tp )},
essendo 0 = t0 < t1 < . . . < tp = T uno scadenzario prefissato(osservazioni giornaliere).
I. Oliva MATLAB e finanza
![Page 30: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/30.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
Ipotesi del modello di Black e Scholes:
No arbitraggio, costi di transazione, dividendi
titoli negoziati continuamente e scambiati anchein valori frazionari
log-rendimenti indipendenti e normalmentedistribuiti
volatilita costante
I. Oliva MATLAB e finanza
![Page 31: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/31.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
Modello di Heston
dBt = rBtdtdSt = µStdt +√vtStdW (1)
t
dvt = k(θ − vt)dt + η√vtdW (2)
t
con µ ∈ R, k, θ, η > 0 e d⟨W (1)
t ,W (2)t⟩
= ρdt
θ media di lungo periodok velocita di ritornoη vol-of-vol
I. Oliva MATLAB e finanza
![Page 32: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/32.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
schema di EuleroDiscretizzazione temporale:
0 := t0 < t1 < t2 < . . . , tN−1 < tN =: T , con ti = iTN
Discretizzazione processo del prezzo:
Sti = Sti−1+µSti−1∆t+√vti Sti−1∆W (1)ti , ∆W (1)
ti := W (1)ti −W (1)
ti−1
Discretizzazione processo square-root della varianza:
vti = vti−1+k(θ−vti−1)∆t+√vtiη∆W (2)ti , ∆W (2)
ti := W (2)ti −W (2)
ti−1
Attenzione! Il processo {vt}t≥0 deve essere sempre positivo(metodo della specularita)
I. Oliva MATLAB e finanza
![Page 33: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/33.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
Processi Jump Diffusion
dSt = µStdt +√
vtStdWt + StdJt
dove Jt =∑Nt
j=1 Yj , con Nt processo di Poisson e Yj v.a.i.i.d(processo di Poisson composto)
{N(λ)t}t≥0 t.c. N(λ)t ∼ Po(λt), (P(N(λ)t = k) = e−λt (λt)k
k! )
Yj ∼ N (µJ , σJ)
I. Oliva MATLAB e finanza
![Page 34: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/34.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
Discretizzazione
Discretizzazione temporale:
0 := t0 < t1 < t2 < . . . , tN−1 < tN =: T , con ti = iTN
Simulazione traiettorie (come MB geometrico univariato +termine di salto )
I. Oliva MATLAB e finanza
![Page 35: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/35.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
Esercizio
Con il metodo di Eulero simulare M = 10, 50, 100, traiettorie delprezzo di un’azione, considerando per esso una dinamica data daun processo Jump Diffusion con i seguenti parametri:
S0 = 90, σ = 0.2, µ = 0.7, µJ = −0.02, σJ = 0.22, λ = 30 .
I. Oliva MATLAB e finanza
![Page 36: Ciclo di seminari: Metodi Computazionali per la Finanza...Pricing di derivati con Monte Carlo Simulazione di processi stocastici Pricing di derivati Modelli di Heston e Jump-Diffusion](https://reader034.vdocuments.net/reader034/viewer/2022043009/5f9cf1c9c39d217870745553/html5/thumbnails/36.jpg)
Pricing di derivati con Monte CarloSimulazione di processi stocastici
Pricing di derivatiModelli di Heston e Jump-Diffusion
Modello di HestonModello di Black-Scholes con salti
Esercizio
Con il metodo Monte Carlo, determinare al tempo t = 0 il prezzo D0 di untitolo derivato avente il seguente payoff
HT = max{K − S, 0} ,
dove K = 95, T = 1 anno e S = 1p∑p
i=1 Sti , essendo0 = t0 < t1 < . . . < tp = T uno scadenzario prefissato, costituito daosservazioni giornaliere, e sapendo che {St}t≥0 e il processo stocastico chegoverna l’andamento del sottostante, nei seguenti casi:
modello di Black e Scholes, con parametri assegnatir = 1%, σ = 25%, S0 = 100;
modello Jump-Diffusion, con parametri assegnatir = 1%, σ = 25%, S0 = 100, λ = 30 ed ampiezza di salto distribuitasecondo una v.a. normale di media µJ = 0.02 e varianza σ2
J = 22%;
modello di Heston, con parametri assegnati r = 1%, σ = 25%, S0 =100, V0 = 0.3, k = 4, θ = 0.04, η = 0.45, ρ = −0.3.
I. Oliva MATLAB e finanza