第13章 维纳过程和伊藤引理

合集下载

维纳过程和伊藤引理

维纳过程和伊藤引理
Chapter 13 第十三章
Wiener Processes and Itô’s Lemma
维纳过程和伊藤引理
1
Stochastic Processes 随机过程
Describes the way in which a variable such as a stock price, exchange rate or interest rate changes through time 描述变量(例如股价、汇率、利率)随时间变化的方 式。
5
Weak-Form Market Efficiency
市场弱式有效
This asserts that it is impossible to produce consistently superior returns with a trading rule based on the past history of stock prices. In other words technical analysis does not work. 这表明不可能利用基于历史股价的交易规则来获取持续的超额 收益
Is the process followed by the temperature at a certain place Markov? 某个地方的温度服从马尔科夫过程吗
We assume that stock prices follow Markov processes 我们假设股票价格服从马尔科夫 维纳过程
Define f(m,v) as a normal distribution with mean m and variance v 定义f(m,v) 为均值为m,方差为v 的正态分布 A variable z follows a Wiener process if 一个变量z服从维纳过程如果满足如下条件

赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解答案

赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解答案

赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解答案赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解完整版>精研学习?>无偿试用20%资料全国547所院校视频及题库全收集考研全套>视频资料>课后答案>往年真题>职称考试第1章引言1.1复习笔记1.2课后习题详解第2章期货市场的运作机制2.1复习笔记2.2课后习题详解第3章利用期货的对冲策略3.1复习笔记3.2课后习题详解第4章利率4.1复习笔记4.2课后习题详解第5章如何确定远期和期货价格5.1复习笔记5.2课后习题详解第6章利率期货6.1复习笔记6.2课后习题详解第7章互换7.1复习笔记7.2课后习题详解第8章证券化与2007年信用危机8.1复习笔记第9章OIS贴现、信用以及资金费用9.1复习笔记9.2课后习题详解第10章期权市场机制10.1复习笔记10.2课后习题详解第11章股票期权的性质11.1复习笔记11.2课后习题详解第12章期权交易策略12.1复习笔记12.2课后习题详解第13章二叉树13.1复习笔记13.2课后习题详解第14章维纳过程和伊藤引理14.1复习笔记14.2课后习题详解第15章布莱克-斯科尔斯-默顿模型15.1复习笔记15.2课后习题详解第16章雇员股票期权16.1复习笔记16.2课后习题详解第17章股指期权与货币期权17.1复习笔记17.2课后习题详解第18章期货期权18.1复习笔记18.2课后习题详解第19章希腊值19.1复习笔记第20章波动率微笑20.1复习笔记20.2课后习题详解第21章基本数值方法21.1复习笔记21.2课后习题详解第22章风险价值度22.1复习笔记22.2课后习题详解第23章估计波动率和相关系数23.1复习笔记23.2课后习题详解第24章信用风险24.1复习笔记24.2课后习题详解第25章信用衍生产品25.1复习笔记25.2课后习题详解第26章特种期权26.1复习笔记26.2课后习题详解第27章再谈模型和数值算法27.1复习笔记27.2课后习题详解第28章鞅与测度28.1复习笔记28.2课后习题详解第29章利率衍生产品:标准市场模型29.1复习笔记29.2课后习题详解第30章曲率、时间与Quanto调整30.1复习笔记30.2课后习题详解第31章利率衍生产品:短期利率模型31.1复习笔记31.2课后习题详解第32章HJM,LMM模型以及多种零息曲线32.1复习笔记32.2课后习题详解第33章再谈互换33.1复习笔记33.2课后习题详解第34章能源与商品衍生产品34.1复习笔记34.2课后习题详解第35章章实物期权35.1复习笔记35.2课后习题详解第36章重大金融损失与借鉴36.1复习笔记36.2课后习题详解。

补充:伊藤引理与维纳过程

补充:伊藤引理与维纳过程
目前,伊藤引理已经成为概率论、数理统计、金融数学、控制系统等多个 领域的重要工具,并在实际应用中发挥着重要作用。
02
维纳过程简介
维纳过程的定义
维纳过程是一种数学模型,用于描述随机波动现象,如金融 市场价格的变动、气候变化等。它是一种连续时间、连续状 态的随机过程,具有独立同分布的增量。
维纳过程是布朗运动的数学描述,布朗运动是微观粒子在液 体中由于受到周围分子的无规则热运动撞击而发生的随机运 动。
VS
该定理由日本数学家伊藤清于1951 年首次发表,因此被称为伊藤引理。
伊藤引理的应用领域
金融数学
伊藤引理在金融数学中有着广泛的应用,特别是在衍生品 定价和风险管理中。它提供了对资产价格动态的数学建模 和定价的基础。
统计学
在统计学中,伊藤引理被用于分析统计模型的随机扰动, 以及随机误差对估计量的影响。它为统计推断提供了理论 基础。
维纳过程的应用领域
01
金融领域
维纳过程被广泛应用于金融衍生品定价、风险管理等领域。通过模拟金
融市场价格的波动,可以对期权、期货等金融产品进行定价和风险评估。
02
物理领域
在物理学中,维纳过程可以用来描述粒子的扩散、热传导等现象。
03
生物领域
在生物学中,维纳过程可以用来描述物种繁衍、基因突变等现象,也可
伊藤引理涉及到的是一种特定的随机微分方程,而维纳过程描述的是更一般的随 机波动现象。
伊藤引理与维纳过程的应用案例
1
在金融工程中,伊藤引理被用于计算股票价格和 期权价格的期望值和方差,从而为投资决策提供 依据。
2
在物理学中,维纳过程被用于描述气体分子的随 机碰撞和扩散现象,以及电路中的噪声等。
3

维纳过程_精品文档

维纳过程_精品文档

维纳过程什么是维纳过程?维纳过程(Wiener process),又称布朗运动(Brownian motion),是一种随机过程,常用来描述粒子在流体介质中的随机运动。

维纳过程最早由数学家尼尔斯·维纳(Norbert Wiener)于20世纪20年代提出,并广泛应用于物理、金融等领域的建模和预测。

维纳过程在数学上具有许多有趣的特性,例如连续性、无界性和马尔可夫性等。

它是一种满足齐次增量和高斯分布的过程,也就是说,在维纳过程中,任意两个时刻之间的增量是独立同分布的高斯随机变量。

维纳过程的定义维纳过程可以用数学形式进行定义。

设维纳过程{W(t), t >= 0}满足以下条件:1.初始点:W(0) = 0;2.齐次增量:对于任意的s < t,W(t) - W(s)是一个均值为0、方差为t-s的高斯随机变量;3.独立增量:对于任意的s < t < u < v,W(t) - W(s)和W(v) - W(u)是独立的。

维纳过程可以看作是一个随机游走,在任意一小段时间内,粒子的位置发生微小的随机扰动,随着时间的推移,这些微小扰动累积起来,形成了维纳过程。

维纳过程的性质维纳过程具有一些重要的性质,这些性质使得它在建模和预测中具有广泛的应用。

连续性维纳过程是连续的,即其路径是连续函数。

这意味着在任意时刻上,维纳过程的取值都是确定的,不存在跳跃现象。

无界性维纳过程是无界的,即它可以在任意区间内无限增长或无限减小。

这是因为维纳过程的增量是高斯分布的,高斯分布的尾端是无界的。

马尔可夫性维纳过程具有马尔可夫性,即给定当前时刻的状态,未来的发展与过去的历史无关。

这意味着维纳过程的未来状态只与当前状态相关,与之前的状态无关。

维纳过程的应用维纳过程在许多领域有着重要的应用,以下是几个典型的应用案例:物理学中的应用在物理学中,维纳过程可用于描述微粒在液体或气体中的随机扩散运动。

维纳过程的连续性和无界性使得它可以模拟各种扩散现象,例如热传导、粒子的布朗运动等。

补充:伊藤引理与维纳过程

补充:伊藤引理与维纳过程
• 股价的几何布朗运动 ������������ = ������������������������ + ������������������������ • 期权价格是股价和时间的函数 ������ = ������ ������, ������ • 那么期权的价格运动方程 ������������ ������������ 1 ������ 2 ������ ������������ 2 ������������ = ������������ + + ������������ ������������ + ������������������������ 2 ������������ ������������ 2 ������������ ������������ •
∆������ = ������∆������ + ������������ ∆������ ������~������ 0,1 • 因此∆������ 具有正态分布 ∆������ 的均值为������∆������ ∆������ 的标准差为������ ∆������ ∆������ 的方差为������ 2 ∆������
2
• 从而有
������������������������ − ������������������0 ~������
1 2 ������ − ������ ������,������ 2 ������ 2
•即
1 2 ������������������������ ~������ ������������������0 + ������ − ������ ������,������ 2 ������ 2
• 那么������ ������, ������ =������������,������ ������, ������ = ������������

Hull《期权、期货及其他衍生产品

Hull《期权、期货及其他衍生产品

Hull《期权、期货及其他衍生产品》
一、导言二、期货市场的运作机制三、利用期货的对冲策略四、利率
五、远期和期货价格的确定
六、利率期货七、互换
八、证券化与2007年信用危机
九、期权市场机制十、股票期权的性质十一、期权交易策略十二、二叉树
十三、维纳过程和伊藤引理
十四、布莱克-斯科尔斯-默顿模型
十五、雇员股票期权
十六、期指期权与货币期权
十七、期货期权十八、希腊值
十九、波动率微笑二十、基本数值方法二十一、风险价值度
二十二、估计波动率和相关指数
二十三、信用风险二十四、信用衍生产品二十五、特种期权
二十六、再论模型和数值算法
二十七、鞅与测速
二十八、利率衍生产品:标准市场模型
二十九、曲率、时间与Quanto调整
三十、利率衍生产品:短期利率模型
三十一、利率衍生产品:HJM与LMM模型三十二、再谈互换
三十三、能源与商品衍生产品
三十四、实物期权
三十五、重大金融损失与借鉴。

金融工程-维纳过程与伊藤引理

金融工程-维纳过程与伊藤引理

金融工程-维纳过程与伊藤引理1. 引言金融工程是应用数学和统计学原理来研究金融市场的学科。

维纳过程和伊藤引理是金融工程中涉及的重要数学工具。

本文将介绍维纳过程和伊藤引理的基本概念、性质与应用。

2. 维纳过程2.1 基本概念维纳过程,也称为布朗运动,是随机过程的一种特殊形式。

维纳过程具有以下特点:•连续性:维纳过程在任意时间段上都是连续的。

•独立增量性:维纳过程在不重叠的时间段上的增量是独立的。

•高斯分布性:维纳过程的增量服从均值为0、方差与时间成正比的高斯分布。

维纳过程可以用数学形式表示为:$$ W(t) = W(0) + \\mu t + \\sigma B(t) $$其中,W(t)是维纳过程在时间t的取值,W(0)是初始值,$\\mu$是均值,$\\sigma$是标准差,B(t)是标准维纳过程。

2.2 性质与应用维纳过程具有以下重要性质和应用:•随机游走:维纳过程可以看作是经过离散化处理的随机游走过程,在金融工程中可以用来建模股票价格的变动。

•连续性:维纳过程的连续性特征使得它在对连续时间内的金融市场进行建模和分析时非常有用。

•黑-斯科尔斯方程:维纳过程是解黑-斯科尔斯偏微分方程的随机解的核心。

•风险度量:维纳过程可用于度量金融市场中的风险。

3. 伊藤引理3.1 基本概念伊藤引理是针对随机过程的链式法则的一种推广,它允许我们对随机过程进行微分运算。

伊藤引理的基本形式如下:$$ df(t) = f'(t)dt + f''(t)dW(t) + \\frac{1}{2}f'''(t)dW^2(t) $$其中,f(t)是一个光滑函数,f′(t)、f″(t)和f‴(t)分别表示f(t)对时间t的一阶、二阶和三阶导数,dW(t)表示维纳过程的微分,dW2(t)表示dW(t)的平方。

3.2 性质与应用伊藤引理具有以下重要性质和应用:•随机微分方程:伊藤引理使得我们能够对随机微分方程进行计算与求解。

金融工程之维纳过程与伊藤引理

金融工程之维纳过程与伊藤引理

金融工程之维纳过程与伊藤引理引言在金融工程领域中,维纳过程和伊藤引理是非常重要的概念。

维纳过程是一种随机过程,被广泛应用于金融建模中。

伊藤引理则是描述了维纳过程的微分表达式,可以帮助我们求解更加复杂的金融问题。

本文将介绍维纳过程的基本概念并详细讲解伊藤引理的推导和应用。

维纳过程的定义维纳过程(Wiener process),又称布朗运动(Brownian motion),是一种连续的、平稳的随机过程。

它最早由维纳(Norbert Wiener)于1923年引入,被广泛应用于各个领域,尤其是金融工程。

维纳过程具有以下几个重要的特性: 1. 随机性:维纳过程是一种随机过程,其轨迹是不可预测的,呈现出随机性。

2. 连续性:维纳过程在任意时间点上都是连续的,不断变化。

3. 平稳性:维纳过程的均值为0,且其方差与时间间隔成正比。

这意味着维纳过程具有恒定的波动性。

伊藤引理的推导伊藤引理(Itô’s lemma)是描述维纳过程微分表达式的重要工具。

它是由伊藤清在1950年代初引入的,是数学中的一个经典结果。

伊藤引理的推导基于泰勒展开式。

假设有两个随机变量X和Y,它们可以被表示为X = f(t, W)和Y = g(t, W),其中W是维纳过程。

我们想要求解X和Y的微分表达式。

利用泰勒展开式,我们可以得到以下等式:dX = (∂f/∂t) dt +(∂f/∂W) dW + (1/2)(∂2f/∂W2) (dW)^2 + … dY = (∂g/∂t) dt + (∂g/∂W) dW + (1/2)(∂2g/∂W2) (dW)^2 + …根据维纳过程的特性,我们知道(dW)^2 = dt。

因此,上述等式可以简化为:dX = (∂f/∂t) dt + (∂f/∂W) dW dY = (∂g/∂t) dt + (∂g/∂W) dW伊藤引理则给出了更一般的形式:dX = (∂f/∂t) dt + (∂f/∂W) dW + (1/2)(∂2f/∂W2) dt 其中,(1/2)(∂2f/∂W2) dt表示了由于随机变量W的波动性而引入的附加项。

伊藤引理证明过程

伊藤引理证明过程

伊藤引理证明过程我们先来了解一下伊藤引理的背景。

在随机微分方程中,我们常常关注的是随机过程在一段时间内的期望值的变化。

而随机过程的变化是由两个部分决定的,一个是确定性的部分,另一个是随机的部分。

伊藤引理就是用来描述这两部分之间的关系的。

伊藤引理的完整表述较为抽象,但可以简化为以下形式:对于一个随机过程X(t),我们可以将其表示为一个随机微分方程:dX(t) = a(t)dt + b(t)dW(t),其中a(t)和b(t)是随时间变化的函数,dW(t)是随机项,表示布朗运动的微分。

那么伊藤引理告诉我们,如果我们想计算X(t)在一段时间内的期望值的变化,可以通过以下公式计算:E[X(t+dt) - X(t)] = a(t)dt + b(t)dW(t)。

接下来,我们来推导伊藤引理的证明过程。

首先,我们将随机过程X(t)进行泰勒展开:X(t+dt) = X(t) + dX(t),其中dX(t)是一个小量。

将随机微分方程代入,可以得到:X(t+dt) = X(t) + a(t)dt + b(t)dW(t)。

接下来,我们对上式进行求导。

由于dW(t)是随机项,其平方项很小,我们可以忽略。

同时,根据布朗运动的性质,我们知道dW(t)的期望值为0,它的平方的期望值为dt。

根据泰勒展开的定义,我们可以得到:E[dX(t)] = a(t)dt + \frac{1}{2}b(t)^2dt。

我们将上式代入原始的展开式中:X(t+dt) = X(t) + E[dX(t)]。

整理可得:E[X(t+dt) - X(t)] = E[dX(t)] = a(t)dt + \frac{1}{2}b(t)^2dt。

由此可见,伊藤引理的证明过程是基于随机微分方程的泰勒展开,并且通过对展开式的求导和期望值的计算,得到了随机过程X(t)在一段时间内的期望值的变化。

我们来看一下伊藤引理的应用。

在金融学中,伊藤引理常常用于计算金融资产的价格变动。

郑振龙《金融工程》笔记和课后习题详解-布莱克-舒尔斯-默顿期权定价模型【圣才出品】

郑振龙《金融工程》笔记和课后习题详解-布莱克-舒尔斯-默顿期权定价模型【圣才出品】

第十一章布莱克-舒尔斯-默顿期权定价模型11.1复习笔记一、布莱克-舒尔斯-默顿期权定价模型的基本思路以下对B-S-M模型的整体思路作一个简要的归纳:要研究期权的价格,首先必须研究股票价格的变化规律。

通过观察市场中的股票价格可知,股票价格的变化过程是一个随机过程——几何布朗运动,其具体形式如下:(11.1)当股票价格服从式(11.1)时,作为股票衍生产品的期权价格,将服从(11.2)将式(11.1)和(11.2)联立方程组,就可以解出一个期权价格所满足的微分方程,求解这一方程,就得到了期权价格的最终公式。

二、股票价格的变化过程通常用形如的几何布朗运动来描绘股票价格的变化过程,几何布朗运动中最重要的是dz项,它代表影响股票价格变化的随机因素,通常称之为标准布朗运动或维纳过程。

1.标准布朗运动设△£代表一个小的时间间隔长度,Δz代表变量z在△t时间内的变化,如果变量z遵循标准布朗运动,则Δz具有以下两种特征:特征l:Δz和△t的关系满足(11.3)其中,ε~φ[0,1]。

特征2:对于任何两个不同时间间隔Δt,Δz的值相互独立。

用z(T)-z(t)表示变量z在T-t中的变化量,它可被看做是在N个长度为△t的小时间间隔中z的变化总量,其中N=(T—t)/Δt,因此,其中εi(i=1,2,…,N)是标准正态分布的随机抽样值。

由此可见:①在任意长度的时间间隔T-t中,遵循标准布朗运动的变量的变化值服从均值为0、标准差为根号下T-t的正态分布;②在任意长度的时间间隔T-t中,方差具有可加性,总是等于时间长度,不受△t如何划分的影响,但标准差就不具有可加性。

当△t→0时,就可以得到极限的或者说连续的标准布朗运动(11.4)下面直接引用维纳过程的一些数学性质来大致解释其在股价建模中应用的原因:首先,维纳过程中用ε即标准正态分布的随机变量来反映变量变化的随机特征。

其次,数学上可以证明,具备特征1和特征2的维纳过程是一个马尔可夫随机过程,这一点与金融学中的弱式效率市场假说不谋而合。

财务管理第13章-投资分析(4)Black-Scholes期权定价模型

财务管理第13章-投资分析(4)Black-Scholes期权定价模型

2022/10/3
(13.16)
31
▪ 由于ST服从对数正态分布,其pdf为
f (ST ) ST
1
exp[ (ln ST E(ln ST ))2 ]
2
2 2
将 ln ST s, E(ln ST ) s , u 由(13.16)得到
Ct er
Xu
1
(s s )2
exp[
2
2u 2
]dST
df (f f s 1 2 f 2s2 )dt f s dw
t s
2 s2
s
2022/10/3
19
f
(f t
f s
s
1 2
2 f s2
2s2 )t f s w
s
假设某投资者以δ份的标的资产多头和1个单位的 衍生证券空头来构造一个组合,且δ满足
f s
则该组合的收益为
f s f fs s
E(ST ) St exp[(T t)]
St exp( )
(13.13)
2022/10/3
29
▪ 根据B-S微分方程可知,定价是在风险中性 条件下,则资产的期望回报为无风险回报, 则
E(ST ) St exp(r ) (13.14)
由(13.13)和(13.14)得到
r
(13.15)
这表明:在风险中性的世界中,任何可交易的金 融资产的回报率均为无风险利率。
10
▪ 一般维纳过程仍不足以代表随机变量复杂 的变动特征。
➢ 漂移率和方差率为常数不恰当
dxt adt bdwt
▪若把变量xt的漂移率a和方差率b当作变量x和 时间t的函数,扩展后得到的即为ITO过程
dxt a(x,t)dt b(x,t)dwt

赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解答案

赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解答案

赫尔《期权、期货及其他衍生产品》(第9版)笔记和课后习题详解完整版>精研学习䋞>无偿试用20%资料全国547所院校视频及题库全收集考研全套>视频资料>课后答案>往年真题>职称考试第1章引言1.1复习笔记1.2课后习题详解第2章期货市场的运作机制2.1复习笔记2.2课后习题详解第3章利用期货的对冲策略3.1复习笔记3.2课后习题详解第4章利率4.1复习笔记4.2课后习题详解第5章如何确定远期和期货价格5.1复习笔记5.2课后习题详解第6章利率期货6.1复习笔记6.2课后习题详解第7章互换7.1复习笔记7.2课后习题详解第8章证券化与2007年信用危机8.1复习笔记8.2课后习题详解第9章OIS贴现、信用以及资金费用9.1复习笔记9.2课后习题详解第10章期权市场机制10.1复习笔记10.2课后习题详解第11章股票期权的性质11.1复习笔记11.2课后习题详解第12章期权交易策略12.1复习笔记12.2课后习题详解第13章二叉树13.1复习笔记13.2课后习题详解第14章维纳过程和伊藤引理14.1复习笔记14.2课后习题详解第15章布莱克-斯科尔斯-默顿模型15.1复习笔记15.2课后习题详解第16章雇员股票期权16.1复习笔记16.2课后习题详解第17章股指期权与货币期权17.1复习笔记17.2课后习题详解第18章期货期权18.1复习笔记18.2课后习题详解第19章希腊值19.1复习笔记19.2课后习题详解第20章波动率微笑20.1复习笔记20.2课后习题详解第21章基本数值方法21.1复习笔记21.2课后习题详解第22章风险价值度22.1复习笔记22.2课后习题详解第23章估计波动率和相关系数23.1复习笔记23.2课后习题详解第24章信用风险24.1复习笔记24.2课后习题详解第25章信用衍生产品25.1复习笔记25.2课后习题详解第26章特种期权26.1复习笔记26.2课后习题详解第27章再谈模型和数值算法27.1复习笔记27.2课后习题详解第28章鞅与测度28.1复习笔记28.2课后习题详解第29章利率衍生产品:标准市场模型29.1复习笔记29.2课后习题详解第30章曲率、时间与Quanto调整30.1复习笔记30.2课后习题详解第31章利率衍生产品:短期利率模型31.1复习笔记31.2课后习题详解第32章HJM,LMM模型以及多种零息曲线32.1复习笔记32.2课后习题详解第33章再谈互换33.1复习笔记33.2课后习题详解第34章能源与商品衍生产品34.1复习笔记34.2课后习题详解第35章章实物期权35.1复习笔记35.2课后习题详解第36章重大金融损失与借鉴36.1复习笔记36.2课后习题详解。

维纳过程和伊藤引理

维纳过程和伊藤引理

Stock Returns
Recall the multiplicative model log S(k+1) = log S(k)+w(k), w(k) iid N(2). The continuous-time approximation is dlog S(t) = dt + dW(t). Integrating this equation, we have log S(t) = log S(0) + t + W(t). For t fixed, the right-hand side is a normally distributed random variable with mean logS(0) + t and variance 2t. The process S(t) is known as the geometric Brownian motion.
Let S(0)=z. An equivalent way of defining a geometric Brownian motion is that the process S(t) satisfies S(t) = z e X(t) = z exp{t + W(t)} =z exp{(-2/2)t + W(t)}. Consider the successive ratios S(t1)/S(t0), S(t2)/S(t1), …,S(tn)/S(tn-1). Since the Brownian motion has independent increments, these ratios are independent random variables. log S(t) = X(t) ~ N(logS(0) + t, 2 t). As S(t)=ze X(t), to find the moments of S(t), consider E(S(t)) = E(E(S(t)|S(0)=z)) =E(E(z exp{(-2/2)t + W(t)}|S(0)=z)) = z exp{(-2/2)t}E(eW(t))

维纳过程和伊藤引理

维纳过程和伊藤引理
5
Weak-Form Market Efficiency
市场弱式有效
This asserts that it is impossible to produce consistently superior returns with a trading rule based on the past history of stock prices. In other words technical analysis does not work. 这表明不可能利用基于历史股价的交易规则来获取持续的超额 收益
12
Generalized Wiener Processes
广义维纳过程
A Wiener process has a drift rate (i.e. average change per unit time) of 0 and a variance rate of 1 维纳过程的漂移率(即变量每单位时间的平均变 化)为0,方差率为1
In this respect, stochastic calculus is analogous to ordinary calculus 随机微积分可以类比于普通微积分
15
Taking Limits . . .取极限
16
The Example Revisited 回到上面例子
A stock price starts at 40 and has a probability distribution of f(40,100) at the end of the year 股票价格开始为40美元,年末股票价格服从f(40,100) 的正态 分布
为什么广义维纳过程对股票不合适
For a stock price we can conjecture that its expected percentage change in a short period of time remains constant (not its expected actual change) 对于股票价格,我们可以猜测在短期内股票价格百分比变化的期望 保持不变(不是实际价格变化的期望)
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

11
13.2 连续时间随机过程
Example




A variable is currently 40 It follows a Markov process Process is stationary (i.e. the parameters of the process do not change as we move through time) At the end of 1 year the variable will have a normal probability distribution with mean 40 and standard deviation 10
16
13.2.1 标准维纳过程 A Wiener Process


Define f(m,v) as a normal distribution with mean m and variance v A variable z follows a Wiener process if


Dt内的变化
The change in z in a small interval of time Dt is Dz

T 内的变化 Dz Mean of [z (T ) – z (0)] is 0 Variance of [z (T ) – z (0)] is T Standard deviation of [z (T ) – z (0)] is
T
在Excel中的模拟。
18
3.5 3 2.5 2 1.5
随机过程(stochastic [sto'kæstɪk] process)的 含义
随机变量 静态 随机向量 随机序列 动态 随机过程


每时每刻都是一个随机变量。按时间顺序排列的 随机变量集。 随机变量服从于某分布,随机过程遵循某种过程。
随机过程空间)
离散时间(discrete time) 连续时间(continuous time)
陕西师范大学 国际商学院
曹培慎
Chapter 13 Wiener Processes and Itô’s Lemma 维纳过程和伊藤引理
Options, Futures, and Other Derivatives, 8th Edition, Copyright © John C. Hull 2012
13.2.2 广义维纳过程 Generalized Wiener Processes


漂移率 方差率 A Wiener process has a drift rate (i.e. average change per unit time) of 0 and a variance rate of 1 In a generalized Wiener process the drift rate and the variance rate can be set equal to any chosen constants
24
The Example Revisited



A stock price starts at 40 and has a probability distribution of f(40,100) at the end of the year If we assume the stochastic process is Markov with no drift then the process is dS = 10dz If the stock price were expected to grow by $8 on average during the year, so that the year-end distribution is f(48,100), the process would be dS = 8dt + 10dz
14
Variances & Standard Deviations


In Markov processes changes in successive periods of time are independent This means that variances are additive Standard deviations are not additive
dx adt bdz
22
Generalized Wiener Processes
(continued)
Dx a Dt b Dt

Mean change in x per unit time is a Variance of change in x per unit time is b2
1
0.5 0
0 -0.5
0.2
0.4
0.6
0.8
1
1.2
3
2
1
0 0 -1 0.2 0.4 0.6 0.8 1 1.2
-2
-3
重要的一点
(Dz) 的期望:
2
根据 D(X)=E ( X ) ( EX )
2 2
所以 E ((Dz) ) D(Dz ) ( E ( Dz )) Dt
2 2
例13-1 假定随机变量遵循维纳过程,其初始 值为25,时间以年为单位。在1年末,变量值 服从正态分布,其期望值为25,标准差为1.在 5年末,变量服从正态分布,其期望值为25, 标准差为 5 。 变量在将来某一确定时刻由标准差来定义不 确定性,并且与未来时间长度的平方根成正 比。
23
Taking Limits . . .



What does an expression involving dz and dt mean? It should be interpreted as meaning that the corresponding expression involving Dz and Dt is true in the limit as Dt tends to zero In this respect, stochastic calculus is analogous to ordinary calculus
Dx a( x, t )Dt b( x, t ) Dt is true in the limit as Dt tends to zero
27
Why a Generalized Wiener Process Is Not Appropriate for Stocks


For a stock price we can conjecture that its expected percentage change in a short period of time remains constant (not its expected actual change) We can also conjecture that our uncertainty as to the size of future stock price movements is proportional to the level of the stock price
9


人们在实际中常遇到具有下述特性的随机过程:在已知它 所处的状态的条件下,它未来的演变不依赖于它以往的演 变。这种已知“现在”的条件下,“将来”与“过去”独 立的特性称为马尔可夫性,具有这种性质的随机过程叫做 马尔可夫过程。 荷花池中一只青蛙的跳跃是马尔可夫过程的一个形象化的 例子。青蛙依照它瞬间或起的念头从一片荷叶上跳到另一 片荷叶上,因为青蛙是没有记忆的,当所处的位置已知时, 它下一步跳往何处和它以往走过的路径无关。如果将荷叶 编号并用X0,X1,X2,…分别表示青蛙最初处的荷叶号码及 第一次、第二次、……跳跃后所处的荷叶号码,那么{Xn, n≥0} 就是马尔可夫过程。
15
Variances & Standard Deviations (continued)


In our example it is correct to say that the variance is 100 per year. It is strictly speaking not correct to say that the standard deviation is 10 per year.


按变量(状态空间)
离散变量(discrete variable) 连续变量(continuous variable)

按具有的性质


本章将建立关于股票价格的连续变量、连续时间 的随机过程模型。 定价中的一个重要原理:伊藤引理(Ito`s Lemma)
Stochastic Processes
Weak-Form Market Efficiency


This asserts that it is impossible to produce consistently superior returns with a trading rule based on the past history of stock prices. In other words technical analysis does not work. A Markov process for stock prices is consistent with weak-form market efficiency

Each day a stock price

increases by $1 with probability 30% stays the same with probability 50% reduces by $1 with probability 20%
相关文档
最新文档