Der Varianz-Gamma Prozess Alternative Models for Stock Prices – Tilman Sayer Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Allgemein Allgemein: Varianz-Gamma Modell Sei Rt = St+1/St Rendite Es gilt: 2 log(Rt) ~ N(μ,σ V) 2 mit Erwartungswert μ und zufälliger Varianz σ V V ~ Gamma(γ,c) Gammaverteilte Zufallsvariable Sei X ~ Gamma(γ,c), dann ist die Dichte von X gegeben durch: 1 cv c v e g (v ) ( ) für x >0 mit der Gammafunktion Γ(γ) γ: „Form Parameter“ c: „Ort Parameter“ Gammaverteilte Zufallsvariable Sei X ~ Gamma(γ,c), dann ist die Charakteristische Funktion von X gegeben durch: iu X u 1 c Momente der Gammaverteilung Sei X ~ Gamma(γ,c): Erwartungswert /c 2 Varianz /c Schiefe 2/ Kurtosis 31 2 / Gammaprozess Gamma Gamma X X ,t 0 Der Gammaprozess t t mit Parameter γ, c ist definiert als Prozess mit X(0) = 0 2. stationäre und unabhängige gammaverteilte Zuwächse 1. Gammaprozess Daraus folgt: Gamma Xt ist Gamma(γt,c) verteilt Lévy-Tripel eines Gammaprozesses: (1 e c ) cx 1 ,0, e x 1( x 0) dx c Varianz-Gamma Modell Sei nun Rt = St+1/St die Rendite Dann gilt: 2 X = (log(Rt) – μ) ~ N(0,σ V) mit der Dichte f ( x) e 0 x 2 /( 2 2v ) / 2v g (v)dv Varianz-Gamma Modell Dichte lässt sich über Potenzreihe darstellen f ( x) 2 / x 2 / / 2 2 / 1 2 2 / 1 2 (1 / v) K 2 / 1 x 2 / / 2 mit Bessel Funktion Kw(x) (zweiter Art und Grad w) Varianz-Gamma Modell Charakteristische Funktion für X 2u 2 X (u ) 1 2m m 2 / mit m = γ/c (Erwartungswert Gammaverteilung) 2 und v = γ/c (Varianz Gammaverteilung) vu X (u ) 1 2 2 2 1 / v und γ = c Varianz-Gamma Modell Charakteristischen Funktion X ~ VG( , c,0) und L( X | G ) N (0, 2G ) X (u ) E eiuX E E eiuX u 2 2G | G E exp 2 mit G ~ Gamma(c, c) gilt : u s g ( s )ds e X (u ) exp 2 0 0 2 2 u 2 2 s 2 c c s c 1e cs ds (c ) Momente der VG-Verteilung Sei X ~ VG(σ,v,0) 2 (V ~ Gamma(c,c) mit v = c/c = 1/c) Erwartungswert 0 Varianz 2 Schiefe 0 Kurtosis 31 Bedeutung der Kurtosis v Bedeutung von v: Kurtosis bei VG-Verteilung: Kurtosis bei Normalverteilung: 3(1+v) 3 v kann als Maß für die Dicke der Enden betrachtet werden Schätzverfahren - Momentenmethode Gegeben sind Daten Xi, i = 1,...,N. Schätzer für σ und v: 2 unverzerrter & konsistenter Schätzer für σ : 2 X ̂ 2 i N i konsistenter Schätzer für v: X i4 4 ˆ 3ˆ i N 1 1 Schätzverfahren – Maximum-Likelihood Die Parameter direkt (aus Dichte) zu schätzen ist sehr aufwendig. Transformation: θ = uX(mod2π) Die Dichte der transformierten Zufallsvariable ist nun: h( ) 1 /( 2 ) 1 X (ku) cos( k ) k 1 Mehrdimensionaler V.G. Prozess Sei X eine mehrdimensionale Zufallsvariable mit X ~ N(0,ΣV), mit Σ Covarianz-Matrix und V ~ Gamma(c,c). Für die Charakteristische Funktion von X gilt nun: u u X (u ) 1 2 T 1 / v Nachteil: Kurtosis v ist für alle Verteilungen gleich, Steuerung des Prozesses eingeschränkt Mehrdimensionaler V.G. Prozess Schätzer für Σ durch Momentenmethode Schätzer für v erhält man durch Transformierte Maximum-Likelihood Schätzung angewandt auf θi = uXi(mod2π) und 1 h 1 X ku cosk 2 k 1 Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Simulation – Gamma Zufallszahlen Berman‘s Gamma Generator: 1. 2 uniform verteilte Zufallszahlen u1 und u2 1 /(1 a ) 1/ a 2. x u1 und y u 2 3. Wenn x + y >1 1. 4. 2 uniform verteilte Zufallszahlen u1 und u2 5. x log( u1u2 ) ist Gamma(a,1) verteilt Simulation – Gammaprozess Gamma Prozess: 1. Erzeuge n Gamma(aΔt,b) Zufallszahlen gn 2. Simuliere Gammaprozess Gt mit G0 = 0 GnΔt = G(n-1)Δt + gn Gt ist Gamma(at,b) verteilt Simulation – Varianz-Gamma Prozess (Gewinn & Verlust) Darstellung als Differenz zweier u.i. gammaverteilter Zufallsvariablen U(t) und W(t) Y(t) = U(t) - W(t) U(t) „entspricht“ Gewinn, W(t) „entspricht“ Verlust Erwartungswert für U(t) und W(t): 2v h h Varianz für U(t) und W(t): 2 für Zuwächse über Intervalle der Länge h 2 Simulation – Varianz-Gamma Prozess (zufälliger Zeitwechsel) b(G(t)) = Y(t) mit b(.) Unabhängige Brownsche Bewegung ohne Drift 2 und Varianz σ G(.) Gamma Prozess bestehend aus u.i. gammaverteilten Zufallszahlen mit Erwartungswert h und Varianz v*h für Zuwächse über Intervalle der Länge h Simulation – Varianz-Gamma Prozess (zufälliger Zeitwechsel) Interpretation: „Didn‘t have much of a year this year“ „Ökonomische Uhr“ Transformation der Zeiten Aber: Zeiten sind zufällig! Verteilung der Kurzen und Langen Frist Y (t ) Betrachtung von A(t ) , der standardisierten t Zufallsvariablen, liefert die Charakteristische Funktion u 2 A( t ) (u ) 1 2t t v Verteilung der Kurzen und Langen Frist t v u 2 A( t ) (u ) 1 bedeutet, dass die 2t Verteilung von Y(t) sich für große t der Normalverteilung annähert. Kurtosis 3(1+v/t) 3 für t Compound Poisson Approximation Darstellung eines VG-Prozesses als Brownsche Bewegung mit Gammazeit Differenz zweier Gammaprozesse Betrachtung: Prozesse mit unabhängigen, stationären, gammaverteilte Zuwächsen (G(t), U(t), W(t)) Compound Poisson Approximation Theorem Für einen (Gamma) Prozess Z(t) mit stationären, unabhängigen, gammaverteilten Zuwächsen 2 mit Erwartungswert μ und Varianz σ gilt: 1. Lévy-Darstellung der Verteilung der Zuwächse hat keine Gauß-Komponente 2. Lévy-Maß ( dz ) 0, z 0 z 1 2 (dz ) exp( ) , z 0, z Compound Poisson Approximation Theorem (cont.) Z(t) ist der Grenzwert für n eines Compound Poisson Prozesses mit Ankunftsrate n / und u.i.v Sprünge, deren Größe durch die Dichte e z / 1( z 1/ n ) , n e z / / z dz 1/ n z n gegeben wird. Compound Poisson Approximation Ergebnis: 1. Z(t) ist reiner Sprungprozess, somit auch G(t) 2. Idee der Compound Poisson Approximation: Sprünge die kleiner als 1/n sind werden nicht betrachtet n gilt: Ankunftsrate Sprunghöhe 0 Approximation VG-Prozess Corollar Der VG-Prozess Y(t) ist ein reiner Sprungprozess, der als Differenz zweier unabhängiger Compound Poisson Prozesse approximiert werden kann. Beide Prozesse haben die Ankunftsrate (1 / v) n und u.i.v Sprünge, die durch die Dichte des Theorems beschrieben werden. e z / z / 1( z 1/ n ) , n e / z dz, / 2 1/ n z n Approximation VG Corollar (cont.) Ferner ist das Lévy-Maß des VG-Prozesses gegeben durch: F (dx) e x / F 0 0 2 / / x dx, x 0, Exakte Struktur der Sprünge Z(t), als Prozess mit unabhängigen und stationären gammaverteilten Zuwächsen für t [0,1], lässt sich auch durch die Sprünge darstellen. Ferner ist die gemeinsame Verteilung der Sprunggrößen gegeben. Exakte Struktur der Sprünge Theorem Für einen Prozess Z(t) mit unabhängigen und stationären gammaverteilten Zuwächsen mit 2 Erwatungswert μ und Varianz σ und t [0,1] gilt: Z (t ) J j 1[ 0,t ) (U j ) a.s. j 1 mit Jj: Größe des j-größten Sprunges Uj uniform [0,1]-verteilte Zufallsvariable Exakte Struktur der Sprünge Theorem (cont.) Die gemeinsame Verteilung der größten k Sprünge ist durch folgendes rekursives Schema gegeben N ( x ) ( / ) e w / w dw x / es gilt: P J1 x1 exp N [ x1 ], x1 0, P( J j x j | J j 1 x j 1 ,..., J1 x1 ) exp N [ x j ] N [ x j 1 ], 0 x j x j 1 Exakte Struktur der Sprünge Im Besonderen ist die Verteilungsfunktion der größten k Sprünge gegeben. j k 1 N ( x ) k ( x) e N [ x ] (1) j , x0 j! j 0 Bemerkung: Aktienpreise „realistischer“ als Diffusionsprozess Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Aktienpreismodell Modellierung des Aktienpreises nach BS: 1 2 S (t ) S (0) exp t W (t ) 2 Brownsche Bewegung W(t) wird ersetzt durch Varianz-Gamma Prozess N(t). Aktienpreismodell Annahme: Aktienpreisprozess ist ein Semimartingalprozess“ S (t ) S (0) exp i 1 (u ) ln 2 1 u / 2 1 t N (t ) mit , der Log-Charakteristischen Funktion Aktienpreismodell Alternative Darstellung: t S (t ) S (0) ( / i ) S (t _)dt 0 S t _ e N s 1 0 s t Sprung in N der Höhe ΔN Sprung in S der Höhe S (t _)e N s 1 Aktienpreismodell Alternative Darstellung: N (; dt , dx) 1N t s , N s ( ) (dt , dx) s ( ) 0 s S (t ) S (0) / i S (t _)dt 0 S (t _)e [ 0 ,t ] x x 1 ; ds, dx N Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Äquivalentes Martingal Maß für VGProzess Annahme: Es existiert ein Bond mit Laufzeit T und Nennwert 1. Sein Preis wird bestimmt -r(T-t) durch e . Mit konstanter Zinsrate r. Äquivalentes Martingal Maß für VGProzess Für Q äquivalent zu P gilt: -rt 1. e S(t) ist ein Q-Martingal 2. Preis einer Call-Option Wt mit Laufzeit T und Strike K ist gegeben durch: S (T ) K r (T t ) Et e (t )S (T ) K Wt E e Q t r (T t ) Äquivalentes Martingal Maß für VGProzess Q wird bestimmt durch die Radon-Nikodym Ableitung von Q mit Bezug zu P und der „Maßwechseldichte“ dQ (t ) E | Ft dP P Frage: λ(t)? Äquivalentes Martingal Maß für VGProzess Preisprozess S(t) S (t ) S (0) exp i t N (t ) mit N(t): 1. N(0) = 0 2. unabhängige und stationäre Zuwächse Äquivalentes Martingal Maß für VGProzess N(t) ist ein „Spezielles Semimartingal“, d.h. N N0 N C x N v A Da N0 = 0 und N keine stetige MartingalC Komponente besitzt, ist N = 0, und somit N (t ) x ( v) A N mit den Kenndaten(A,C,v) Äquivalentes Martingal Maß für VGProzess Durch den Maßwechsel von P zu Q, ändern sich die Kenngrößen von N (als Q Martingal) A' h( x)(Y 1) v C 0 v Yv mit einer Funktion Y, die die Sprünge umgewichtet und h( x) x1 x 1 Äquivalentes Martingal Maß für VGProzess Da Q und P zueinander äquivalent sind, muss Y strikt positiv sein. Y (; t , x) e Frage: Ψ(w;t,x)? ( ;t , x ) Äquivalentes Martingal Maß für VGProzess Mit Hilfe des Doléan-Dade Exponentials ξ(X) für ein Semimartingale X ( , s , x ) ( X )t exp e 1 dsK (dx) , s, N s s t [ 0 , t ] x und einer Taylorapproximation von Ψ in 0 folgt ( , t , x) ( , t ) x e( , t , x) Äquivalentes Martingal Maß für VGProzess ( , t , x) ( , t ) x e( , t , x) bzw.: ( , t , x) ( , t ) x da die meisten Sprunghöhen sehr klein sind, e 0 Frage: α(w,t) Äquivalentes Martingal Maß für VGProzess Daraus folgt nun, dass die Maßwechseldichte λ sich approximativ darstellen lässt als t ( , s ) (t ) exp ( , s )N s ds i 0 s t Äquivalentes Martingal Maß für VGProzess Das Maß Q wird bestimmt durch -rt „e S(t) ist ein Q-Martingal“. Somit gilt nun, dass -rt e λ(t)S(t) ein P-Martingal ist e (t ) S (t ) S (0) exp ( , s ) N s s t r / i t rt ( , s ) ds i 0 t Äquivalentes Martingal Maß für VGProzess e rt (t ) S (t ) S (0) (t ) exp r / i t t ( , s) ( , s) ds 0 ds 0 i i t mit t , s (t ) exp ( , s) N s ds s t 0 i ein P-Martingal, muss nun für (μ-r) folgendes gelten: Äquivalentes Martingal Maß für VGProzess ( , s ) ( , s ) r i i i bzw: (α konstant) r i i i und somit gilt für λ N ( t ) / i t (t ) e Äquivalentes Martingal Maß für VGProzess Ergebnis: Der Maßwechsel wird also durch folgende Gleichungen bestimmt r i i N ( t ) / i t (t ) e Wt Et e r (T t ) i (t )S (T ) K Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Ökonomisches Modell N ( t ) / i t Modellwirtschaft in der (t ) e der Maßwechselprozess ist und α als relative Risikoabneigung eines stellvertretenden Agenten/Handelnden betrachtet werden kann. Ökonomisches Modell Ökonomie besteht aus: einer Aktie mit Preisprozess S(t) Risikoloser Bond mit Laufzeit T, Nennwert 1 und Preisprozess B(t) δ „persönlicher Abzinsfaktor“ Ökonomisches Modell Agent wählt Konsumfunktion c(t) und versucht t E e U (c(t ))dt zu maximieren. 0 Nutzenfunktion U (c)) (1 / )c mit relativer Risikoabneigung 1 Budget-Beschränkung: Konsum wird ausschließlich durch Gewinne finanziert Ökonomisches Modell Firma zahlt Dividende D(t) an Aktionäre (Agent) D(t ) D(0) exp t ( / i) N (t ) Ökonomisches Modell In einer solchen Ökonomie gilt für den Aktienprozess: Et e s t U ' D( s ) D( s )ds t S (t ) U ' D(t ) D(t ) S (t ) ( / i) ( / i) Ökonomisches Modell Bond: B(t ) e (T t )[ (1 ) ( 1) ( / i ) (( 1) / i )] konstanter , risikoloser Zins r Maßwechselprozess: 1 e D(T ) (t ) E P rT 1 E e D(T ) rT P t (t ) exp 1N (t ) ( 1) / i t Inhalt Gammaverteilung, VG-Verteilung Simulation der Prozesse Aktienpreismodell Äquivalentes Martingalmaß Ökonomisches Modell Optionspreisberechnung Optionspreisberechnung Preis einer Call-Option Wt mit Laufzeit T und Strike K ist gegeben durch Wt E e Q t r (T t ) S (T ) K bzw.: Wt E e für Laufzeit t Q t rt S (t ) K Optionspreisberechnung Es gilt für S (t ) S (0) exp i mit i i t N (t ) r i 2 1 1 / 2 St S0 exp N t r ln t 2 1 / 2 v Optionspreisberechnung Weiterhin gilt für den Maßwechsel t v N ( t ) ln 1/ 1 2 / 2 (t ) e Damit gilt für den Optionspreis nun W E e (t )S (t ) K P rt Optionspreisberechnung W E e (t )S (t ) K P rt Integrieren mit Bezug zur Dichte von N(t) (bedingt auf die gammaverteilt Zufallsvariable G) liefert: 1 W (G ) S 0 2 2 1 Ke 2 rt 2 t / 2 G / 2 d e G G t /v 2G / 2 d e G G Optionspreisberechnung Durch Integration von G mit Bezug zur Gammadichte erhält man: t / v 1 g g e W W g dg (t / ) 0 Numerische Lösung der Integration nur für kleine Werte t/v notwendig. t/v groß N (t ) / t approximativ N(0,1) Optionspreisberechnung Für N(t) approximativ N(0,1) gilt: W S0e 2 t / 2 Ke 1 v / 2 rt 2t / 2 t /v 2 1 v 2 /2 d1 d t /v 2 2 ln( S 0 / K ) r (1 / v) ln 1 v / 2 / 1 v 2 / 2 d1 t t d 2 d1 t Ende