Введение 3
Глава 1. Теоретическая часть 4
1.1. Модели динамики акций 6
1.1.1 Модель Блэка-Шоулза 7
1.1.2 Модель Хестона 8
1.1.3 Модель Бейтса 10
1.2. Оценивание опционов 12
1.3. Многомерная динамика 19
1.3.1 Метод калибровки корреляции 23
1.3.2 Моделирование пуассоновских процессов в многомерной модели Бейтса 27
1.4. Метод MQE 30
1.5. Оценивание структурных нот 34
Глава 2. Практическая часть 36
Заключение 46
Список литературы 47
Приложение 50
В последние годы финансовые рынки, в частности, фондовые, получили бурное развитие. Нередко клиенты просят у банка продать определенный дериватив, который не торгуется на бирже. Поэтому банку необходимо оценить дериватив не слишком дорого, чтобы клиент продолжил сотрудничество, и не слишком дешево, чтобы получить неплохую прибыль.
При оценивании дериватива возникают трудности в выборе моделей, их калибровке [21] и последующей оценке стоимости дериватива при помощи методов Монте-Карло или решения уравнений в частных производных. В связи с этим целью данной работы будет применение стохастических моделей к оцениванию деривативов в случае их зависимости от группы акций и их сравнении на примере структурных нот.
Вопросу калибровок моделей к ценам европейских опционов и оцениванию опционов посвящено огромное количество работ, например [23], [25], [11]. В работах [13], [26] рассмотрены методы калибровок корреляционной структуры в случае многомерной моделей Хестона и последующее моделирование методом Монте-Карло. В случае многомерной модели Бейтса возникает вопрос в моделировании совместной динамики прыжков генерируемых совокупностью пуассоновских процессов. Поэтому одной из задач данной работы является построение метода моделирования совместной динамики прыжков и амплитуд прыжков в многомерной модели Бейтса и последующее сравнение с методом моделирования без учета совместной динамики.
В ходе работы были выбраны стохастические модели и откалиброваны при помощи методов, описанных в [15], [26], [13], после чего были применены к оцениванию деривативов на примере структурных нот. После было проведено сравнение этих моделей, в ходе которого выяснилось, что наиболее неустойчивой моделью относительно повышения размерности модели оказалась модель Блэка-Шоулза, наиболее простая из рассмотренных, устойчивыми моделями являются модель Хестона и модель Бейтса с методом моделирования совместной динамики прыжков и амплитуд прыжков, разработанным в данной работе и описанным в секции (1.3.2).
В ходе сравнения моделей выяснилось, что оценочная справедливая стоимость структурной ноты имеет тенденцию к росту при увеличении экспирации, а риск наихудшего сценария по выплатам падает с течением времени, при этом при экспирациях больше пяти лет оценочная справедливая стоимость структурной ноты становится выше номинальной.
[1] Булинский А.В., Ширяев А.Н. Теория случайных процессов. М.: ФИЗ- МАТЛИТ,2005. — 400 с.
[2] Буре В.М., Парилина Е.М. Теория вероятности и математическая статистика. СПб.: Издательство «Лань», 2013. — 416 с.
[3] Колесников А.В. Лекции по теории вероятности
[4] Маталыцкий М. А., Хацкевич Г. А.. Теория вероятностей, математическая статистика и случайные процессы. Минск : Выш. шк., 2012. - 720 с.
[5] Шарп У., Александер Г., Бэйли Дж. Инвестиции: Пер. с англ. М.: ИНФАРА-М, 2001. - 1028 с.
[6] Ширяев А. Н. Основы стохастической финансовой математики : В 2-х т. Т 1 : Факты, модели. М. : МЦНМО, 2016. - 440 с.
[7] Ширяев А. Н. Основы стохастической финансовой математики : В 2-х т. Т. 2 : Теория. М. : МЦНМО, 2016. - 464 с.
[8] Andersen L. Efficient Simulation of the Heston Stochastic Volatility Model. L., 2007
[9] Bakshi G., Cao C., Chen Z.Empirical Performance of Alternative Option Pricing Models // The Journal of Finance. 1997. Vol. 52. No 5. P. 2003¬2049.
[10] Black F.,Scholes M. (1973). The Pricing of Options and Corporate Liabilities // Journal of Political Economy. 1973. Vol.81. N 3. Pp. 637-654.
[11] Boukai B. On the RND under Heston’s stochastic volatility model. 2021 // https://doi.org/10.48550/arXiv.2101.03626
[12] Brandimarte P. Handbook in Monte Carlo Simulation: Applications in Financial Engineering, Risk Management, and Economics. N.Y., 2014. - 662 p.
[13] Dimitroff G., Lorenz S., Szimayer A. A Parsimonious Multi-Asset Heston Model: Calibration and Derivative Pricing.2009 // SSRN eLibrary.
[14] Ghosh S., Henderson S.G. Behavior of the NORTA method for correlated random vector generation as the dimension increases // ACM Transactions on Modeling and Computer SimulationVolume. 2003. Issue 13. 3July. Pp. 276-294
[15] Grzelak L.A. Mathematical Modeling and Computation in Finance. Amsterdam, 2020. - 556 p.
[16] Hagan P.S., Kumar D., Lesniewski A., Woodward D.E. Managing smile risk. Wilmott, 2002. - 108 p.
[17] Heston S.L. A Closed-Form Solution for Options with Stochastic Volatility with Applications to Bond and Currency Options // The Review of Financial Studies. 1993. Vol. 6. Issue 2. Pp. 327-343.
[18] Hull J. Options, Futures, and Other Derivatives. N.Y., 2021. - 882 p.
[19] Jackel P. Monte Carlo methods in finance. L., 2002. - 409 p.
[20] Kreinin A. Correlated Poisson Processes and Their Applications in Financial Modeling. // Financial Signal Processing and Machine Learning. April 2016
[21] Loerx A., Sachs E.W. Model Calibration in Option Pricing. 2012. Vol. 17. No 1 // https://doi.org/10.24200/squjs.vol17iss1pp84-102
[22] Note Sur Une Methode de Resolution des equations Normales Provenant de L’Application de la MeThode des Moindres Carres a un Systeme D’equations Lineaires en Nombre Inferieur a Celui des Inconnues // Application de la Methode a la Resolution D’un Systeme Defini D’eQuations LineAires. Bull. Geodesique. 1924. N 2. Pp. 67-77 // https://doi.org/10.1007/BF03031308
[23] Romo E., Ortiz-Gracia L. SWIFT calibration of the Heston
model // Mathematics. 2021. Vol. 9. N 5. Pp. 529-539 //
https://doi.org/10.339Q/math9Q5Q529
[24] Storn R., Price K. Differential Evolution - A Simple and Efficient Heuristic for global Optimization over Continuous Spaces // Journal of Global Optimization. 1997. Vol. 11. Pp. 341-359
[25] Sydow L. and al. BENCHOP - The BENCHmarking
project in option pricing. 2015. Pp. 2361-2379 //
https://doi.org/1Q.1Q8Q/QQ2Q716Q.2Q15.1Q72172
[26] Wadman W.S. An advanced Monte Carlo method for the multi-asset Heston model. November 2Q1Q // https://www.researchgate.net/publication/325952691
[27] Wilson D. E. A.. The Estimation of Stochastic Models in Finance with Volatility and Jump Intensity. A thesis presented to the University of Waterloo in fulfillment of the thesis requirement for the degree of Doctor of Philosophy in Statistics Waterloo. Ontario. Canada. 2Q18.
[28] https://finance.yahoo.com/
[29] https://fred.stlouisfed.org/series/SOFR
[3Q] https://www.investopedia.com/terms/s/structurednote.asp