Math Problem Statement
Έστω ότι η τρέχουσα τιμή μετοχής είναι S_0=2. Η λήξη ενός call option είναι T=3/12 έτη και η τιμή εξάσκησης του call option είναι K=2.5 Υποθέτουμε ότι έχετε πουλήσει ένα τέτοιο call option στην τιμή Y =0.3 Στην αγορά υπάρχει διαθέσιμο ένα call option στην αγορά με τιμή εξάσκησης L=3 και τιμή πώλησης 0.2. Το ετήσιο επιτόκιο συνεχούς ανατοκισμού: r=0.01 Να κατασκευάσετε 2 χαρτοφυλάκια με τους εξής περιορισμούς:
• Κανένα από τα 2 να μην έχει ζημιά μεγαλύτερη από D=3
• Και τα 2 να έχουν την ιδιότητα του απεριόριστου πιθανού κέρδους
• Το 1 από τα 2 να έχει τουλάχιστον 1 call option με τιμή εξάσκησης L=3
Να καταγράψετε τις συναρτήσεις κέρδους Π(x) για τα 2 χαρτοφυλάκια και να αποδείξετε ότι για κάθε x>0, Π(x)≥−D και ότι limx→∞Π(x)=+∞.
Ποιο από τα 2 χαρτοφυλάκια θα επιλέγατε αν η S_T ακολουθεί την Γεωμετρική κίνηση Brown με παραμέτρους m=0.2 και σ=0.01; Υπολογίστε τη μέση τιμή της Π(S_T) και αποφασίστε ποιο χαρτοφυλάκιο θα κατασκευάσετε.
Solution
Για να κατασκευάσουμε τα δύο χαρτοφυλάκια με τους συγκεκριμένους περιορισμούς και να εξετάσουμε τις συναρτήσεις κέρδους για κάθε περίπτωση, πρέπει να χρησιμοποιήσουμε τους κανόνες των δικαιωμάτων προαίρεσης (options) και την επίδραση του ετήσιου επιτοκίου.
Δεδομένα του προβλήματος:
- Τρέχουσα τιμή της μετοχής:
- Λήξη call option: έτη
- Τιμή εξάσκησης του δικού μας call option:
- Πουλήσαμε το call option με τιμή:
- Διαθέσιμο call option με τιμή εξάσκησης και τιμή πώλησης:
- Συνεχές ετήσιο επιτόκιο:
- Ζημία που δεν πρέπει να υπερβαίνει:
- Οι συναρτήσεις κέρδους πρέπει να έχουν απεριόριστο κέρδος.
Ανάλυση των συναρτήσεων κέρδους για ένα χαρτοφυλάκιο με δικαιώματα προαίρεσης (options):
Η συνάρτηση κέρδους ενός call option με τιμή εξάσκησης είναι:
Όπου είναι η τιμή της μετοχής στην λήξη . Το ίδιο ισχύει και για το call option με τιμή εξάσκησης .
Χαρτοφυλάκιο 1:
Κατασκευή με την χρήση του call option με τιμή εξάσκησης :
- Έχουμε πουλήσει ένα call option με τιμή εξάσκησης στην τιμή .
- Αγοράζουμε ένα call option με τιμή εξάσκησης στην τιμή .
Συνάρτηση κέρδους:
Η συνάρτηση κέρδους του χαρτοφυλακίου 1 είναι:
Απλοποιώντας:
Ανάλυση ορίων:
- Για , , αφού δεν εξασκείται κανένα option.
- Για , η συνάρτηση κέρδους πλησιάζει το άπειρο επειδή το κέρδος από το call option με αυξάνεται απεριόριστα, ενώ η απώλεια από το call option με είναι πεπερασμένη.
Ελάχιστη ζημιά:
Η ελάχιστη ζημιά είναι . Ας εξετάσουμε την ζημία για :
Για , η συνάρτηση κέρδους είναι:
Άρα η ελάχιστη ζημιά είναι μικρότερη από 3.
Χαρτοφυλάκιο 2:
Κατασκευή χωρίς τη χρήση του call option με τιμή εξάσκησης :
- Έχουμε πουλήσει ένα call option με τιμή εξάσκησης στην τιμή .
- Αγοράζουμε ένα call option με τιμή εξάσκησης (άλλο αντίθετο).
Συνάρτηση κέρδους:
Η συνάρτηση κέρδους του χαρτοφυλακίου 2 είναι:
Αυτή η συνάρτηση περιγράφει μια πιο απλή στρατηγική, όπου πάλι η ελάχιστη ζημιά είναι πεπερασμένη.
Όρια:
- Για , η συνάρτηση πλησιάζει το άπειρο (απεριόριστο κέρδος).
Επιλογή Χαρτοφυλακίου:
Αν η ακολουθεί την Γεωμετρική Κίνηση Brown με παραμέτρους και , η αναμενόμενη τιμή της είναι:
Υπολογίζοντας την αναμενόμενη τιμή, και κατόπιν συγκρίνοντας τη με τις συναρτήσεις κέρδους των δύο χαρτοφυλακίων, μπορούμε να επιλέξουμε το πιο κερδοφόρο χαρτοφυλάκιο.
Θέλετε να υπολογίσουμε ακριβώς την αναμενόμενη τιμή της και να κάνουμε τη σύγκριση;
Ask a new question for Free
By Image
Drop file here or Click Here to upload
Math Problem Analysis
Mathematical Concepts
Options Pricing
Portfolio Construction
Geometric Brownian Motion
Profit Functions
Formulas
Π_call(x) = max(x - K, 0)
Π_1(x) = -max(x - 2.5, 0) + max(x - 3, 0) + 0.1
Π_2(x) = -max(x - 2.5, 0) + 0.3
Expected value of S_T: E[S_T] = S_0 e^{(m - σ²/2)T}
Theorems
Option Pricing Formula
Geometric Brownian Motion Model
Suitable Grade Level
Undergraduate Finance/Math
Related Recommendation
Portfolio Optimization with Three Risky Assets: Minimum-Variance and Optimal Portfolio
Geometric Brownian Motion with Drift: Step-by-Step Solution
Solve Problem 13-1: Binomial Model for Option Pricing with Risk-Free Rate
Pension Fund Manager Portfolio Optimization with Stock, Bond, and T-bill Funds
Optimizing Asset Portfolios with Mean-Variance and Black-Litterman Models