第13章 维纳过程和伊藤引理.pptVIP

* * 小结 随机过程描述了变量值的变化随时间的发展变化。马尔科夫过程中只有变量的现值与预测将来值有关。变量的以往历史以及如何演变成现值的方式则都与预测将来值不相关。 维纳过程dz是一个描述正态分布变量变化的过程。该过程的漂移为0，每单位时间的方差为1.0。这就是说，若零时刻变量的值为，那么在T时刻它的均值为、标准差为的正态分布。 一般化的维纳过程描述了单位时间内漂移为a，方差率为的正态分布变量的变化过程，其中a和b为常数。 这就是说，若零时刻变量的值为，在T时刻它是均值为、标准差为的正态分布。 Ito过程是x的漂移率和方差率，均为x本身和时间的函数。在一个很短时间期内，作为一个很好的近似，x的变化为正态分布，但长时间内x的变化则可能是非常正态分布。 通过模拟变量行为，可得到对变量随机过程的直观理解。这包括将一段时间分割成许多时间小段，对变量可能的轨迹进行随机取样，就可算出变量将来的概率分布。在第17章中将进一步讨论蒙特卡罗模拟。 伊藤定理是一种计算遵循随机过程的变量函数所遵循的随机过程的方法。在第13章我们将看到，伊藤定理在衍生证券定价中是非常重要的。关键点是：变量的随机过程中的维纳过程dz，精确地等于该变量函数的随机过程中的维纳过程。两者不确定性的基本来源是相同的。 随机过程中通常假设股票价格服从几何布朗运动。在此过程中，股票持有者在任何短时间内的收益率都是正态分布，且任何两段不重合时间间隔的收益相互独立。未来时刻的股票价格服从对数正态分布。在下一章中我们要讨论的Black-Scholes模型就是基于几何布朗运动假设。 首席执行官( Chief Executive Officer, CEO) 首席财务官(Chief Finance Officer, CFO) 首席风险官(Chief Risk Officer, CRO) * * * * * * * * * * * * * * * * * * * * * * * * * * * * * An Ito Process for Stock Prices where m is the expected return s is the volatility. The discrete time equivalent is The process is known as geometric Brownian motion 股价的百分比变化服从正态分布 例13-3 考虑无股息股票，其波动率为每年30%，连续复利期望收益率为15%。这时， 假定时间间隔为1星期，即0.0192年，因此 Interest Rates What would be a reasonable stochastic process to assume for the short-term interest rate? * * Monte Carlo Simulation We can sample random paths for the stock price by sampling values for e Suppose m= 0.15, s= 0.30, and Dt = 1 week (=1/52 or 0.192 years), then * Monte Carlo Simulation – Sampling one Path 运用Excel 已知的过程及其特征 标准维纳过程(标准布朗运动) 广义维纳过程(广义布朗运动) 伊藤过程 几何维纳过程(几何布朗运动) 扩散过程 时间上是某种过程，截面上是某种分布。 期望、方差的变化特征。 13.4 参数 参数miu为投资者在很短一段时间内获取的收益率的期望值。大多数投资者在承担更大风险时会要求更高的预期收益，因此miu依赖于股票收益的风险。更准确地讲， miu取决于投资者不能通过分散化来消除的那部分风险。 miu的取值应该与经济体系中的利率水平有关。利率水平越高，投资者对给定股票的预期收益也会越高。 衍生产品价格与miu无关。而sigma至关重要. 13.5 相关过程 Correlated Processes Suppose dz1 and dz2 are Wiener processes with correlation r Then * 运用Excel画二元函数图像 二元函数z=xy的图像 * 13.6 伊藤引理 It?’s Lemma If we know the stochastic process followed by x, It?’s lemma tells us the stochastic process followed by some function G (x, t ) Sin