Finanz - Und Versicherungsmathematik
Finanz - Und Versicherungsmathematik
Skriptum
zur Vorlesung an der
Heinrich-Heine-Universität Düsseldorf
Sommersemester 2022
Inhaltsverzeichnis
2 Lebensversicherungsmathematik 56
2.1 Verzinsung und Zahlungspläne . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2 Modellierung von Lebensdauern und Sterblichkeiten . . . . . . . . . . . . . . 61
2.3 Kapitalversicherungen und Leibrenten . . . . . . . . . . . . . . . . . . . . . . . 67
2.4 Prämienkalkulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.5 Das Deckungskapital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3 Schadenversicherungsmathematik 80
3.1 Das individuelle Risikomodell . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2 Das kollektive Risikomodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.3 Schadenanzahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.4 Gesamtschaden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.5 Ruinwahrscheinlichkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.6 Spätschadenreservierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
Literaturverzeichnis 115
Einleitung
Ziel dieses Skriptes ist die Erarbeitung der Grundlagen der Finanz- und Versicherungs-
mathematik. Vorausgesetzt werden elementare Kenntnisse der Stochastik, wie man sie bei-
spielsweise in Dehling and Haupt (2004) nachlesen kann.
Im ersten Teil werden einige der zentralen Konzepte der Finanzmathematik am Beispiel
diskreter Finanzmarktmodelle behandelt. Wesentliche Inhalte betreffen die Optionspreis-
bewertung, das Cox-Ross-Rubinstein- und Black-Scholes-Modell, sowie die Charakterisie-
rung arbitragefreier (diskreter) Finanzmärkte. Zahlreiche einschlägige Lehrbücher empfeh-
len sich zum Vertiefen, etwa Bäuerle and Rieder (2017), Irle (2012); Korn and Korn (2001),
Föllmer and Schied (2011).
Der zweite Teil widmet sich der Lebensversicherungsmathematik. Zentrale Aspekte bilden
das Konzept der Verzinsung, die Modellierung von Sterblichkeiten, und die darauf beru-
hende Kalkulation von Prämien. Zum vertiefenden Studium können Gerber (1997) oder
Milbrodt and Helbig (2016); Koller (2010); Dickson et al. (2013) herangezogen werden.
Im dritten Teil der Vorlesung geht es um Schadenversicherungsmathematik. Behandelt
werden beispielsweise stochastische Modelle für Schadenanzahlen und -höhen, Ruinwahr-
scheinlichkeiten, und Methoden der Spätschadenreservierung. Einschlägige Lehrbücher um-
fassen Schmidt (2006); Goelden et al. (2016); Mikosch (2009).
Das Skript beruht in weiten Teilen auf einem uns dankenswerterweise zur Verfügung ge-
stellten Manuskript von Dr. Christian Müller zur gleichnamigen Vorlesung im Sommerse-
mester 2019. Etwaige Fehler gehen auf uns zurück.
Kapitel 1
Die Finanzmathematik beschäftigt sich mit der Lösung finanzwirtschaftlicher Probleme auf
Grundlage einer rigorosen mathematischen (üblicherweise stochastischen) Modellierung
von Finanzmärkten. Zu den behandelten Problemen gehört beispielsweise die Bewertung
von Optionen und allgemeinen Zahlungsansprüchen, die Portfoliooptimierung oder die
Einschätzung finanzwirtschaftlicher Risiken.
Der mathematische Anspruch ist dabei als hoch anzusehen und erfordert technisch aufwen-
dige Konzepte, etwa aus der stochastischen Analysis. Die grundlegenden Ideen lassen sich
jedoch sehr transparent in den in dieser Vorlesung behandelten diskreten Finanzmarktmo-
dellen in diskreter Zeit illustrieren. Die dabei entwickelten Intuitionen erweisen sich bei
einem vertieften Studium als nützlich für das Verständnis komplexerer Modelle.
Wir beginnen das Kapitel mit einem einleitenden Beispiel über die Optionsbepreisung in
einem sehr einfachen Modell, dem sogenannten Einperiodenmodell (welches auch als “Ele-
mentarteilchen der Finanzmathematik” bezeichnet werden könnte). Sämtliche auftretende
Begriffe werden später präzisiert.
Geldeinheit. Der Aktienkurs zum momentanen Zeitpunkt t = 0 sei bekannt mit S0 = 120,
während der zukünftige Preis zum Zeitpunkt T unbekannt und zufällig sei. Wir unterstel-
len als stochastisches Modell, dass nur zwei Wertentwicklungen von ST möglich sind: mit
Wahrscheinlichkeit p steigt der Kurs auf 150, während er mit Wahrscheinlichkeit 1 p auf
den Kurs 100 fällt. Mathematisch können wir das etwa realisieren, indem wir als Grund-
raum W = {u, d} (up und down) mit Wahrscheinlichkeitsmaß P ({u}) = p und P ({d}) =
1 p ansetzen, und dann die Zufallsvariable
betrachten.
Der mit der Option vereinbarte Kaufpreis der Aktie zum Zeitpunkt T betrage K = 140
Geldeinheiten. Im Marktszenario w = u eines steigenden Aktienkurses wird die Inhabe-
rin der Option ihr Kaufrecht ausüben. Sie kann die erworbene Aktie dann umgehend zum
Kurs 150 verkaufen, und damit einen Gewinn von 10 = 150 140 = ST (u) K realisie-
ren. Diesen Gewinn bezeichnen wir auch als ‘Auszahlung der Option’. Im Szenario w = d
hingegen ergibt es keinen Sinn, die Option zu ziehen; der realisierbare Gewinn und damit
die Auszahlung der Option beträgt 0. Zusammengefasst können wir die Auszahlung H als
Zufallsvariable auffassen:
Zentrale Aufgabe der Optionsbepreisung ist nun die Angabe eines (aus Sicht von Käuferin
und Verkäuferin) fairen Preises, zu welchem die Option zum heutigen Zeitpunkt t = 0
ausgegeben werden sollte. Mit anderen Worten: auf welchen heutigen Preis P0 sollten sich
Käuferin und Verkäuferin einigen, ohne dass eine von beiden einen systematischen Nach-
teil hat?
Den Grundsatz der Fairness setzen wir anschaulich dadurch um, dass wir sogenannte
Arbitragemöglichkeiten ausschließen: es soll unmöglich sein, am Finanzmarkt einen risi-
kolosen Gewinn zu realisieren. Man spricht auch vom No-Arbitrage-Prinzip; dieses ist an-
schaulich (und empirisch) zumindest näherungsweise auf realen Finanzmärkten erfüllt.
Die Grundidee der Bepreisung besteht nun darin, im Finanzmarkt eine sogenannte repli-
zierende Handelsstrategie (hedging strategy) aufzustellen, welche bei einem gegebenen
Anfangskapital V0 zum Zeitpunkt t = T den zufälligen Wert VT = H besitzen soll (also
VT (w ) = H (w ) für alle w). Die Stillhalterin der Option könnte dann genau diese Strategie
nutzen, um zum Zeitpunkt T den Zahlungsansprüchen der Käuferin genau entsprechen zu
können. Im Anschluss werden wir zeigen, dass V0 der eindeutige Preis der Option ist, bei
dem Arbitragefreiheit besteht.
Genauer verstehen wir dabei unter einer Handelsstrategie eine zum Zeitpunkt t = 0 zu
tätigende Investition in a Stückzahlen der Aktie und in b Stückzahlen des Bondes, wo-
bei bei der Festlegung von (a, b) nicht auf (stochastische) Informationen aus der Zukunft
zurückgegriffen werden darf. Wir erhalten ein Portfolio, dessen Wert zum Zeitpunkt t = 0
V0 = V0 (a, b) = b + aS0
5
beträgt. Hierbei nehmen wir an, dass beliebige Anteile a, b 2 R realisierbar sind. Für b < 0
bedeutet dies die Aufnahme eines zinslosen Kredits der Höhe b, während a < 0 einem
Leerverkauf von Aktien entspricht (durch kostenloses Ausleihen der Aktie und des an-
schließenden Verkaufs). Der Wert des Portfolios zum Zeitpunkt t = T ist offensichtlich
zufällig, und gegeben durch
VT (w ) = b + aST (w ).
Das Portfolio bzw. die Handelsstrategie wird dadurch zu einer replizierenden Handelsstra-
tegie für H, dass wir die Forderung VT (w ) = H (w ) für w 2 {u, d} ergänzen. Diese führt
zum linearen Gleichungssystem
b + 150a = 10
b + 100a = 0
Das einfache Modell aus Beispiel 1.1 wird in den folgenden Kapiteln in vielfacher Weise
verallgemeinert werden. Dabei werden jedoch stets die folgenden vereinfachenden (und
6 Kapitel 1. Grundlagen der Finanzmathematik
Wir betrachten in diesem Kapitel ein allgemeines stochastisches Modell für einen Finanz-
markt, bei dem es endlich viele, äquidistante Handelszeitpunkte t 2 {0, . . . , T } gibt und
wir t = 0 als momentanen Zeitpunkt interpretieren. Zu diesen Zeitpunkten bestehen je-
weils d + 1 Anlagemöglichkeiten: zum Einen kann in ein risikoloses Wertpapier
( Bt )t=0,...,T = ( B0 , . . . , BT ),
einen sogenannten Bond, investiert werden, von welchem wir annehmen, dass die Preis-
entwicklung deterministisch mit B0 = 1 und Bt+1 Bt für t 2 {0, . . . , T 1} ist (häufig:
Bt = (1 + r )t mit einem Zinssatz r 0, die sogenannte einfache Verzinsung). Zum Ande-
ren kann in d risikobehaftete Wertpapiere (Aktien)
mit zufälliger Preisentwicklung investiert werden, wobei S0k > 0 der momentane, bekannte
Wert der kten Aktie ist, und wobei Stk > 0 für jedes t 2 {1, . . . , T } und k 2 {1, . . . , d}
eine Zufallsvariable auf einem gemeinsamen zugrundeliegenden Wahrscheinlichkeitsraum
(W, P ) ist.
An den Grundraum stellen wir die vereinfachende Forderung, dass dieser höchstens abzähl-
bar ist. Jedes Elementarereignis w 2 W können wir als eine mögliche Marktentwicklung
des Finanzmarktes (über die gesamte Laufzeit t 2 {1, . . . , T }) interpretieren. An das Wahr-
scheinlichkeitsmaß stellen wir ohne Einschränkung der Allgemeinheit die Forderung, dass
P ({w }) > 0 für alle w 2 W gilt (andernfalls betrachte die Einschränkung von W auf alle
Elementarereignisse mit positiver Wahrscheinlichkeit).
für alle k 2 {1, . . . , d} und t 2 {0, . . . , T 1} gilt. Das Tupel a = (a0 , . . . , a T 1) bezeich-
nen wir auch als Aktien-Handelsstrategie.
Interpretation: akt gibt die Stückzahl der k-ten Aktie und b t die Anzahl Bonds an, die wäh-
rend der Zeitperiode [t, t + 1) gehalten werden. Gleichung (1.1) besagt, dass die Zusam-
mensetzung des Portfolios für die Zeitperiode [t, t + 1) zum Zeitpunkt t (also die Investi-
tion zu diesem Zeitpunkt) allein auf Basis der bis zu diesem Zeitpunkt am Finanzmarkt
verfügbaren Information erfolgen muss.
d
j,!
Vt := b t Bt + hat , St i = b t Bt + Â akt Stk , t 2 {0, . . . , T 1},
k =1
d
 akt k
j,
Vt := b t 1 Bt + h a t 1 , St i = b t 1 Bt + 1 St , t 2 {1, . . . , T }.
k =1
j,!
Vt entspricht dem Kapitalbedarf zum Zeitpunkt t, um die Handelsstrategie ausführen
j,
zu können (also dem Wert nach einer eventuellen Portfolioumschichtung). Vt ist der
Wert des Portfolios zum Zeitpunkt t, der sich auf Grundlage der Marktentwicklung aus
dem Portfolio zum Zeitpunkt t 1 ergibt (also dem Wert vor einer eventuellen Portfo-
lioumschichtung).
Eine Handelsstrategie heißt selbstfinanzierend, falls
j,! j,
Vt = Vt für alle t 2 {1, . . . , T 1}.
Für die Umschichtung des Portfolios wird also zu keinem Zeitpunkt Kapital hinzu- oder
abgeführt. Wir nennen vereinfachend
( j,!
j Vt t 2 {0, . . . , T 1},
Vt := j,
Vt t=T
Lemma 1.4.
Sei j = (a, b) eine Handelsstrategie. j ist genau dann selbstfinanzierend, wenn für alle
t 2 {0, . . . , T 1} gilt
t D
Sn E
Â
j
b t = V0 Da n , . (1.2)
n =0 Bn
j
Beweis. Angenommen j ist selbstfinanzierend. Wegen B0 = 1 gilt nach Definition von V0
D S0 E
j
V0 = b 0 B0 + ha0 , S0 i = b 0 + Da0 , ,
B0
und das ist äquivalent zur Behauptung für t = 0. Für t 2 {1, . . . , T 1} ist die Selbstfi-
j,! j,
nanzierungseigenschaft Vt = Vt äquivalent zu ( b t b t 1 ) Bt = hat at 1 , St i, also
wegen Bt > 0 auch zu
D St E
Db t = Dat , .
Bt
Somit erhalten wir mit einem Teleskopsummenargument
t t D Sn E t D Sn E
 Dbn = b0  Â
j
bt = b0 + Dan , = V0 Dan ,
n =1 n =1
Bn n =0 Bn
wie behauptet.
Gilt umgekehrt (1.2), so folgt für t 2 {1, . . . , T 1}
D St E
bt bt 1 = Dat , () ( b t bt 1 ) Bt = hat at 1 , St i,
Bt
j,! j,
welches äquivalent zur Selbstfinanzierungseigenschaft Vt = Vt ist.
Man beachte, dass die zum Zeitpunkt 0 getätigte Anlage eines Kapitals der Höhe K/Bs in
den risikolosen Bond (formal entspricht das der Handelsstrategie j mit at = 0, b t = K/Bs
j
für alle t) zum Zeitpunkt s gerade den Wert Vs = b s Bs = K besitzt.
Lemma 1.6.
e j := V j /Bt einer selbstfinanzierenden Handelsstrategie
Für den diskontierten Wert Vt t
j = (a, b) gilt
t
ej = Vj +
Vt 0 Â han e
1 , D Sn i (1.3)
n =1
Beweis. Für t = 0 folgt die Aussage aus B0 = 1 und der Definition einer leeren Summe als
j,! j,
Null. Für n 2 {1, . . . , t} gilt auf Grund von Vn = Vn
j j
Vn Vn 1 1 1
= ( b n Bn + han , Sn i) ( b n 1 Bn 1 + han 1 , Sn 1 i)
Bn Bn 1 Bn Bn 1
1 1
= ( b n 1 Bn + han 1 , Sn i) ( b n 1 Bn 1 + han 1 , Sn 1 i)
Bn Bn 1
Sn Sn 1
= han 1 , i
Bn Bn 1
= han 1 , DSen i (1.4)
für t 2 {1, . . . , T }. Die Aussage von Lemma 1.6 lässt sich damit umschreiben zu
e j = V j + Gta
V (1.5)
t 0
Wir präzisieren nun den Arbitragebegriff aus Beispiel 1.1, also einem möglichen risikolosen
Gewinn.
Bemerkung 1.9.
(a) Die No-Arbitrage-Bedingung ist im Wesentlichen eine Bedingung an das zugrunde-
10 Kapitel 1. Grundlagen der Finanzmathematik
liegende Wahrscheinlichkeitsmaß P.
j
(b) Wegen P ({w }) > 0 für alle w 2 W gilt Bedingung (ii) genau dann, wenn VT (w ) 0
j
für alle w 2 W, und Bedingung (iii) gilt genau dann, wenn es ein w 2 W mit VT (w ) >
0 gibt.
j j
(c) Aus (1.5) folgt VT = BT (V0 + GTa ) = BT GTa mit BT > 0 und somit gilt Bedingung (ii)
genau dann, wenn P ( GTa 0) = 1 (und damit wenn GTa (w ) 0 für alle w 2 W), und
Bedingung (iii) gilt genau dann, wenn P ( GTa > 0) > 0 (und damit wenn GTa (w ) > 0
für ein w 2 W).
⌅
Satz 1.10.
Es existiert genau dann eine Arbitrage, wenn es ein t 2 {1, . . . , T } und eine R d -wertige
Zufallsvariable x = x t = x t (S0 , . . . , St 1 ) gibt, die nur von der Preisentwicklung bis zur
Zeit t 1 abhängt, sodass
⇣ ⌘ ⇣ ⌘
P hx, DSet i 0 = 1 und P hx, DSet i > 0 > 0. (1.6)
Für eine Arbitragemöglichkeit muss also bereits innerhalb mindestens einer Zeitperiode
ein risikofreier Gewinn möglich sein.
Dann ist t T und auf Grund von Gleichung (1.4) aus dem Beweis von Lemma 1.6 gilt
j j
V Vt 1
hat 1 , DSet i = t . (1.7)
Bt Bt 1
j j j
Weiterhin gilt entweder P (Vt 1 = 0) = 1 oder P (Vt 1 < 0) > 0. Im Fall P (Vt 1 = 0) = 1
ergibt sich aus (1.7) mit Wahrscheinlichkeit 1
j
V
hat 1 , DSet i = t
Bt
j
mit Wahrscheinlichkeit 1. Außerdem gilt für w 2 {Vt 1 < 0}
j j
Vt (w ) Vt 1 (w )
hx (w ), DSet (w )i = > 0,
Bt Bt 1
j j
Daraus folgt P (VT 0) = P (hx, DSet i 0) = 1 und P (VT > 0) = P (hx, DSet i > 0) > 0.
Wegen (1.2) ist j selbstfinanzierend und somit eine Arbitrage.
Beispiel 1.11.
Der Finanzmarkt bestehe aus T = 2 Zeitperioden, einem Bond mit B0 = B1 = B2 = 1 und
einer Aktie, deren Preis sich für p1 , p2 2 (0, 1) folgendermaßen entwickelt:
S9 2 = 8
p2
S9 1 = 6 / S2 = 5
1 p2
p1
S0 = 4 S9 2 = 4
p2
1 p1 %
S1 = 3 / S2 = 1
1 p2
2
P ({w1 , w2 }) = ’ { p j 1{ w = u } + ( 1
j
p j ) 1{ w j = d } }
j =1
und S1 (w ) = 6 · 1{w1 =u} + 3 · 1{w1 =3} , sowie S2 (u, u) = 8, S2 (u, d) = 5, S2 (d, u) = 4, S2 (d, d) =
1. Wir erhalten für t = 1
⇢
2x für w1 = u
hx, DSe1 i = x (S1 S0 ) = .
x für w1 = d
Damit P (hx, DSe1 i 0) = 1 gilt, muss also x = 0 gewählt werden. Das gilt analog auch für
die zweite Zeitperiode, da hx, DSe2 i unterschiedliches Vorzeichen für w2 = u bzw. w2 = d
besitzt. Für x = 0 ist jedoch P (hx, DSet i > 0) = 0 und somit kann es auf Grund von Satz 1.10
in diesem Finanzmarkt keine Arbitrage geben. ⌅
12 Kapitel 1. Grundlagen der Finanzmathematik
⇣ 1 T ⌘ ⇣1 T ⌘
H = ST
T Â St +
bzw. H=
TÂ
St ST
+
.
t =1 t =1
H = ST K
(e) Ein Digital-Call ist ein Wettschein, der die Auszahlung von 1 Währungseinheit liefert,
1.1 Diskrete Finanzmärkte in diskreter Zeit 13
falls der Kurs des Basiswerts zum Zeitpunkt T nicht unter dem Basispreis K liegt. Der
Zahlungsanspruch eines Digital-Call ist
H = 1{ S T K}
(f) Ein Down-and-Out-Call ist eine modifizierte europäische Call-Option, bei der die
Auszahlung nur dann stattfindet, wenn der Kursverlauf während der gesamten Lauf-
zeit oberhalb einer Barriere B > 0 lag. Der Zahlungsanspruch eines Down-and-Out-
Call ist
H = (ST K )+ · 1{min(S0 ,...,ST )> B} . ⌅
Lemma 1.14.
Unter der No-Arbitrage-Bedingung ist der Preis eines erreichbaren Zahlungsanspruchs
eindeutig und somit unabhängig von der gewählten Hedgingstrategie.
Beweis. Sei H ein erreichbarer Zahlungsanspruch und seien j = (a, b), j0 = (a0 , b0 ) zwei
Hedgingstrategien. Dann gilt nach Lemma 1.6
T T
H j0 j0
  ha0n 1 , DSen i.
j e e j e
V0 + h a n 1 , D S n i = VT = = VT = V0 +
n =1
B T n =1
j j0
Angenommen, es wäre nun V0 > V0 . Betrachte dann die selbstfinanzierende Handelsstra-
y
a, bb) definiert durch b
tegie y = (b a = a0 a und bb wie in (1.2) mit V0 = 0. Der diskontierte
Gewinn dieser Strategie erfüllt nach (1.5)
T
j0 j0 j0
GTba = Â ha0n 1 an e
1 , D Sn i
e
=VT V0 ej + Vj = Vj
VT 0 0 V0 > 0
n =1
und damit ist y nach Bemerkung 1.9(c) eine Arbitrage im Widerspruch zur No-Arbitrage-
Bedingung.
Beispiel 1.15.
Gegeben sei der arbitragefreie Finanzmarkt aus Beispiel 1.11. Wir konstruieren eine Hed-
gingstrategie und den eindeutigen Preis P( H ) für den Digital-Call
⇢
1 für w1 = u
H = 1 { S2 5} = .
0 für w1 = d
j
Für eine Hedgingstrategie j = (a, b) muss V2 = H gelten. Festzulegen sind die Konstanten
a0 , b 0 und die Zufallsvariablen a1 = a1 (S1 ), b 1 = b 1 (S1 ). Wir schreiben im folgenden auch
a1 (w1 ) = a1 (S1 (w1 , ·)) und b 1 (w1 ) = b 1 (S1 (w1 , ·)). Für t = 2 und w1 = u liefert die
j
Bedingung V2 = H das lineare Gleichungssystem
j
b 1 (u) + 8a1 (u) = b 1 (u) B2 + S2 (u, u)a1 (u) = V2 (u, u) = H (u, u) = 1
j
b 1 (u) + 5a1 (u) = b 1 (u) B2 + S2 (u, d)a1 (u) = V2 (u, d) = H (u, d) = 1
14 Kapitel 1. Grundlagen der Finanzmathematik
j 1 1
P( H ) = V0 = b 0 + a0 S0 = 1+ ·4 = . ⌅
3 3
S18 = uS0
p
S0 > 0
1 p &
S1 = dS0
Wir klären zunächst die wichtige Frage, unter welchen Bedingungen der Finanzmarkt im
einperiodigen Cox-Ross-Rubinstein-Modell arbitragefrei und vollständig ist.
1.2 Das Cox-Ross-Rubinstein Modell 15
Satz 1.16.
Der Finanzmarkt im einperiodigen Cox-Ross-Rubinstein-Modell ist genau dann arbitra-
gefrei, wenn
d < 1 + r < u.
dS0 uS0
d < 1 + r < u () < S0 <
1+r 1+r
(1.8)
S1 ( d ) S0 S (u) S0
() <0< 1 () DSe1 (d) < 0 < DSe1 (u).
B1 B0 B1 B0
“=)”: angenommen, die Ungleichung d < 1 + r < u ist verletzt, und es gilt 1 + r d < u
(der Fall d < u 1 + r geht analog). Dann gilt wie in (1.8) 0 DSe1 (d) < DSe1 (u) und damit
ist nach Satz 1.10 eine Arbitrage-Möglichkeit gefunden, etwa indem man x = x (S0 ) = 1
setzt.
“(=”: Die Aussage auf der rechten Seite von (1.8) impliziert dass, für jedes x 2 R \ {0} ein
w 2 W = {u, d} existiert mit xDSe1 (w ) < 0. Daher ist P xDSe1 (w ) 0 < 1. Für x = 0 ist
P (xDSe1 > 0) = 0. Insgesamt ist für jede deterministische Zufallsvariable x = x (S0 ) 2 R
die Bedingung in (1.6) für t = 1 verletzt, und daher existiert nach Satz 1.10 keine Arbitrage-
Möglichkeit.
Satz 1.17.
Unter der No-Arbitrage-Bedingung ist der Finanzmarkt im einperiodigen Cox-Ross-Ru-
binstein-Modell vollständig, d.h. zu jedem Zahlungsanspruch H gibt es eine (eindeutige)
j
Hedgingstrategie j = (a0 , b 0 ) mit V1 = H. Dabei sind
j
Beweis. Damit j eine Hedgingstrategie ist, muss H = V1 = b 0 B1 + a0 S1 = b 0 (1 + r ) + a0 S1
gelten. Daraus folgt das lineare Gleichungssystem
j
b 0 (1 + r ) + a0 uS0 = V1 (u) = H (u)
j
b 0 (1 + r ) + a0 dS0 = V1 (d) = H (d)
und dieses hat die eindeutige Lösung in (1.9). Gleichung (1.10) folgt direkt durch Einsetzen.
16 Kapitel 1. Grundlagen der Finanzmathematik
Bemerkung 1.18.
Die Preisformel in Gleichung (1.10) können wir auch schreiben als
uH (d) dH (u) H ( u ) H ( d ) (1 + r )
P( H ) = +
(u d)(1 + r ) (u d)(1 + r )
H (u) 1 + r d H ( d ) u (1 + r )
= +
1+r u d 1+r ✓ u d ◆
H (u) 1 + r d H (d) 1+r d
= + 1 . (1.11)
1+r u d 1+r u d
1+r d
q := 2 (0, 1).
u d
S1 ( u ) S1 ( d )
EQ [Se1 ] = Q ({u}) + Q ({d})
1+r 1+r
uS0 dS0
= q+ (1 q )
1 +✓r 1+r ◆
u 1+r d d u (1 + r )
= S0 +
1+r u d 1+r u d
u(1 + r ) ud + du d(1 + r )
= S0
(1 + r )(u d)
= S0 = Se0 . (1.12)
Außerdem ist Q das eindeutige Wahrscheinlichkeitsmaß auf W mit EQ [Se1 ] = Se0 , denn diese
Gleichung impliziert bereits
uS0 dS0
S0 = Q ({u}) + {1 Q ({u})}
1+r 1+r
1+r d
und Auflösen nach Q ({u}) liefert genau Q ({u}) = u d = q. Man nennt Q auch Martin-
galmaß oder risikoneutrales Maß. ⌅
Bt = (1 + r )t für t 2 {0, . . . , T }. Sei P ein beliebiges Produktmaß auf W mit P ({! }) > 0 für
alle ! 2 W, d.h. für ! = (w1 , . . . , wT ) 2 W mit wt 2 {u, d} gelte
T
P ({! }) = ’ p t 1{ w t = u } + ( 1 p t ) 1{ w t = d }
t =1
für gewisse p1 , . . . , p T 2 (0, 1). Die Zufallsvariablen Y1 , . . . , YT seien die Projektionen mit
Yt (! ) = wt . (1.13)
Aus der Stochastik ist bekannt, dass Y1 , . . . , YT unabhängig bezüglich P sind. Die Aktie
habe die Preisentwicklung
t
St = S0 ’ Yn . (1.14)
n =1
für t 2 {1, . . . , T }, wobei S0 > 0 deterministisch ist. Die folgende Grafik ist eine schemati-
sche Darstellung des Finanzmarkts für T = 3.
S37 = u3 S0
p3
S28 = u2 S0
p2
1 p3 '
S19 = uS0 S37 = u2 dS0
p1 p3
1 p2 &
S0 > 0 S28 = udS0
p2
1 p1 % 1 p3 '
S1 = dS0 S37 = ud2 S0
p3
1 p2 &
S2 = d 2 S0
1 p3 '
S3 = d 3 S0
Satz 1.19.
Der Finanzmarkt im mehrperiodigen Cox-Ross-Rubinstein-Modell ist genau dann arbi-
tragefrei, wenn
d < 1 + r < u.
18 Kapitel 1. Grundlagen der Finanzmathematik
äquivalent zu
8 9
✓ ◆< > =
Yt
x 1 = 0.
1+r : ;
<
“=)”: angenommen, die Ungleichung d < 1 + r < u ist verletzt, und es gilt 1 + r d < u
(der Fall d < u 1 + r geht analog). Aus der Äquivalenz (1.8) folgt dann 0 DSe1 (d) <
DSe1 (u) und damit ist nach Satz 1.10 eine Arbitrage-Möglichkeit gefunden, etwa indem man
t = 1 und x = x (S0 ) = 1 setzt.
“(=”: Nach Satz 1.10 genügt es zu zeigen, dass für jedes t 2 {1, . . . , T } und für jede Zu-
fallsvariable x = x t = x t (S0 , . . . , St 1 ) entweder P (xDSet 0) < 1 oder P (xDSet > 0) = 0
gilt. Letztere Gleichheit gilt offensichtlich, falls x ⌘ 0; es genügt also, die Aussage für Zu-
fallsvariablen x 6⌘ 0 zu zeigen.
Sei also im Folgenden t 2 {1, . . . , T } und x 6⌘ 0 fest. Wegen (1.14) hängt
x ( ! ) = x ( S0 , S1 ( ! ) , . . . , S t 1 (! )) = x ( S0 , S0 w 1 , . . . , S0 w 1 · · · · · w t 1)
nur von den ersten t 1 Koordinaten des Produktraums ab. Wir können daher wegen x 6⌘ 0
Elemente w1 , . . . , wt 1 2 {u, d} dergestalt wählen, dass x (! ) 6= 0 für alle ! 2 W deren
erste t 1 Koordinaten mit w1 , . . . , wt 1 übereinstimmen. Die Bedingung d < 1 + r < u
impliziert nun, dass die Zufallsvariable Yt /(1 + r ) 1 für wt 2 {u, d} unterschiedliches
Vorzeichen annimmt. Wir können damit ! 2 W so wählen, dass x (! ) (Yt (! )/(1 + r ) 1) <
0 gilt. Die Äquivalenz am Eingang des Beweises impliziert dann x (! )DSet (! ) < 0, und
damit folgt P (xDSet 0) < 1.
Für die Preissetzung von Zahlungsansprüchen unter No-Arbitrage werden wir wie in Be-
merkung 1.18 ein Wahrscheinlichkeitsmaß Q einführen. Für ! = (w1 , . . . , wT ) 2 W sei
T ⇢
q für wt = u 1+r d
Q ({! }) := ’ q ( wt ) mit q(wt ) :=
1 q für wt = d
, q :=
u d
2 (0, 1). (1.15)
t =1
Bezüglich Q sind die Zufallsvariablen Y1 , . . . , YT aus (1.13) sogar u.i.v. mit Q (Yt = u) = q
und Q (Yt = d) = 1 q. Für den diskontierten Aktienpreis Set gilt somit ähnlich wie in (1.12)
t ✓ ◆t
St S 0 E [ Y1 ]
(1 + r )t n’
Q
EQ [Set ] = EQ = EQ [Y1 ] = S0 (1.16)
(1 + r ) t =1 1+r
✓ ◆ ✓ ◆
uq + d(1 q) t u 1+r d d u (1 + r ) t
= S0 = S0 + = S0 = Se0 .
1+r 1+r u d 1+r u d
Satz 1.20.
Unter der No-Arbitrage-Bedingung ist der Finanzmarkt im mehrperiodigen Cox-Ross-
Rubinstein-Modell vollständig, d.h. zu jedem Zahlungsanspruch H gibt es eine (eindeu-
j
tige) Hedgingstrategie j = (a, b) mit VT = H. Der Preis P( H ) von H ist
H (! ) H
= b 0 + a0 S0 = Â Q ({! })
j
P( H ) = V0 = EQ (1.17)
! 2W
BT BT
Beweis. Wir bestimmen die eindeutige Hedgingstrategie j und den Preis P( H ) rekursiv.
Für ! = (w1 , . . . , wT ) und t 2 {1, . . . , T 1} sei ! t := (w1 , . . . , wt ). Da j selbstfinanzierend
ist (Definition 1.3), gilt für jedes t 2 {1, . . . , T }
j j,
Vt = Vt = bt 1 Bt + at 1 St . (1.18)
j
Außerdem gilt per Definition von Vt 1
j j,!
Vt 1 = Vt = bt 1 Bt 1 + at 1 St 1 . (1.19)
j
Aus VT = H folgt mit Gleichung (1.18) das lineare Gleichungssystem
1 1 T 1 T 1 T 1
H (! T , u) = VT (! T , u) = b T 1 (! ) BT + a T 1 (! )uST 1 (! )
T 1 T 1 T 1 T 1 T 1
H (! , d) = VT (! , d) = b T 1 (! ) BT + a T 1 (! )dST 1 (! )
T 1 H (! T 1 , u ) H (! T 1 , d )
aT 1 (! )= ,
( u d ) S T 1 (! T 1 )
T 1 uH (! T 1 , d) dH (! T 1 , u)
bT 1 (! )= .
( u d ) BT
a T 1 und b T 1 hängen nur von ! T 1 ab und sind somit wegen wt = St (! )/St 1 (! ) (für
t 2 {1, . . . , T }) vollständig durch S0 , . . . , ST 1 bestimmt. Damit ist Bedingung (1.1) an j für
t = T 1 erfüllt. Einsetzen in (1.19) liefert wie in (1.11) mit q = (1 + r d)/(u d).
j T 1 T 1 T 1 T 1
VT 1 (! ) = bT 1 (! ) BT 1 + aT 1 (! )ST 1 (! )
uH (! T 1 , d) dH (! T 1 , u) H (! T 1 , u) H (! T 1 , d)
= +
(u d)(1 + r ) u d
H (! 1 , u )
T H (! T 1 , d )
= q+ (1 q )
1+r 1+r
H (! T 1 , w T )
= Â q ( w T ). (1.20)
w 2{u,d}
1+r
T
20 Kapitel 1. Grundlagen der Finanzmathematik
Da j selbstfinanzierend ist, können wir (1.20) mithilfe von (1.18) auch schreiben als
H (! T 2, w
T 1 , wT )
 T 1
j
q(wT ) = VT 1 (! )
wT 2{u,d}
1+r
T 2 T 2 T 1
= bT 2 (! ) BT 1 + aT 2 (! )ST 1 (! )
T 2 T 2 T 2
= bT 2 (! ) BT 1 + aT 2 (! )wT 1 S T 2 (! ).
Variieren wir in dieser Gleichung wT 1 2 {u, d}, so erhalten wir ein Gleichungssystem in
a T 2 (! T 2 ), b T 2 (! T 2 ). Einsetzen der eindeutigen Lösung in (1.19) liefert wie im vorheri-
gen Schritt
1 ⇣ H (! T 2, w
T 1 , wT )
⌘
T 2
 Â
j
VT 2 (! )= q(wT ) q(wT 1)
2{u,d}
1+r w 1+r
wT 1 T 2{ u,d }
H (! T 2 , w T 1 , w T )
= Â (1 + r )2
q(wT 1 ) q ( w T ).
2
(wT 1 ,w T )2{ u,d }
H ( w1 , . . . , w T ) H (! )
 q ( w1 ) · . . . · q ( w T ) =  Q ( ! )
j
P( H ) = V0 = .
(w1 ,...,wT )2{u,d} T
(1 + r ) T ! 2W
BT
Bemerkung 1.21.
Der Beweis von Satz 1.20 liefert auch den Preis von H zu einem beliebigen Zeitpunkt t 2
{1, . . . , T 1} durch
H ( ! t , w t +1 , . . . , w T ) T
Vt (! t ) = Â ’ q ( w n ),
j
wobei ! t = (w1 , . . . , wt ) 2 {u, d}t . Der Preis zur Zeit t ist damit eine Zufallsvariable, die
von ! nur über ! t = (w1 , . . . , wt ) und somit der zufälligen Marktentwicklung bis zur Zeit
t abhängt. ⌅
Korollar 1.22.
Hängt der Zahlungsanspruch H = H (ST ) nur vom Aktienendkurs ST ab, so ist der ein-
deutige Preis P( H ) im mehrperiodigen CRR-Modell unter der No-Arbitrage-Bedingung
gegeben durch
✓ ◆
1 T T n
BT nÂ
P( H ) = q ( 1 q ) T n H ( u n d T n S0 ) . (1.21)
=0 n
T T
ST (! ) = S0 ’ Yt (! ) = S0 ’ wt = S0 u N (! ) d T N (! )
.
t =1 t =1
T
Q ({! }) = ’ q ( w t ) = q N (! ) ( 1 q)T N (! )
.
t =1
! 2W
T ✓ ◆
1 T
=
BT Â n q n (1 q)T n
H (un d T n
S0 ) .
n =0
Bemerkung 1.23.
Mit einer Bin( T, q)-verteilten Zufallsvariablen N lässt sich (1.21) auch schreiben als
1
P( H ) = E [ H (u N dT N
S0 )].
BT
Aus diesem Grund wird das Cox-Ross-Rubinstein-Modell häufig auch als Binomialmodell
bezeichnet. ⌅
Das Black-Scholes-Modell ist wie das Cox-Ross-Rubinstein Modell ein Modell für einen
Finanzmarkt bestehend aus zwei Finanzgütern: einem risikolosen Bond und einem risiko-
behafteten Aktienkurs. Im Gegensatz zu letzterem Modell handelt es sich um ein zeitsteti-
ges Modell, bei dem die Indexmenge dem Intervall [0, T ] entspricht. Eine rigorose Analyse
zeitstetiger Finanzmärkte erfordert tiefliegende Resultate der Wahrscheinlichkeitstheorie
(insbesondere der stochastischen Analysis), so dass wir uns in diesem Kapitel gelegentlich
heuristischen Argumenten bedienen.
Kapital mehrfach verzinst. Mit dem unterjährigen Zinssatz (1 + r/m) ergibt sich nach m
Verzinsungsperioden (also einem Jahr), dass B1 = B0 (1 + r/m)m . Für m ! • ergibt sich
gerade B1 = B0 er wie bei stetiger Verzinsung angenommen.
Zur Entwicklung des Modells für den Aktienkurs St betrachten wir zunächst dessen Ren-
dite, also den relativen Zuwachs des Aktienkurses vom Zeitpunkt t1 zum Zeitpunkt t2
(0 t1 < t2 T):
St2 St1
.
St1
Diese lässt sich nach dem Mittelwertsatz für kleine t2 t1 approximieren durch die soge-
nannte Log-Rendite
St St1
log(St2 ) log(St1 ) ⇡ 2 .
St1
Empirische Beobachtungen von Finanzmärkten legen nahe:
(i) Die Verteilung von log(St2 ) log(St1 ) ist nur abhängig von t2 t1 , und genauer nähe-
rungsweise normalverteilt mit Erwartungswert a(t2 t1 ) 2 R und Varianz s2 (t2 t1 )
(anschaulich: sowohl erwartete Rendite, als auch Varianz wächst linear in der Länge
des betrachteten Zeitabstands). Man nennt s auch Volatilität.
(ii) Für t1 < t2 < · · · < tk sind die Log-Renditen
unkorreliert.
Wir werden nun (heuristisch) ein Modell aufstellen, welches diese beiden Eigenschaften
sicherstellt. Angenommen, wir könnten Zufallsvariablen (Wt )t2[0,T ] definieren, welche die
Eigenschaft besitzen, dass W0 = 0 und
für alle 0 t1 < t2 < . . . tk T unabhängig normalverteilt sind mit Erwartungswert 0 und
Varianz t2 t1 , . . . , tk tk 1 (das geht: unter weiteren Annahmen spricht man von einer
Brownschen Bewegung, siehe Abbildung 1.1 für vier simulierte Verläufe; die genaue Kon-
struktion und das weitere Studium ist anspruchsvoll und erfordert tiefliegende Kenntnisse
der Wahrscheinlichkeitstheorie). Setzt man dann
St = S0 esWt +at ,
so folgt log St = log S0 + sWt + at, und daher ergibt sich für die Log-Rendite nach den
Rechenregeln für Normalverteilungen
2
log St j log St j 1
= s(Wt j Wt j 1 ) + a(t j tj 1) ⇠ N ( a(t j tj 1 ), s (t j tj 1 )).
Es gilt also Eigenschaft (i), und aus der Unabhängigkeit der Wt j Wt j 1 ergibt sich auch (ii).
Das so definierte Modell heißt Black-Scholes-Modell (BS-Modell), und bildet seit seiner
Einführung 1973 ein Standardmodell der zeitstetigen Finanzmathematik. In Abbildung 1.1
finden sich vier simulierte Verläufe von (St )t2[0,1] .
1.3 Die Black-Scholes-Formel 23
2
6
5
1
4
Wt
St
0
3
2
−1
1
−2
0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
Zeit Zeit
Abbildung 1.1: Links: vier realisierte Pfade der Brownschen Bewegung (Wt )t2[0,1] . Rechts:
zugehörige Pfade des Black-Scholes Aktienkurses (St )t2[0,1] mit S0 = 1, a = 1, s2 = 1.
Für den erwarteten Aktienkurs E [St ] ergibt sich unter Beachtung der Tatsache, dass die
momenterzeugende Funktion einer N (0, t 2 )-verteilten Zufallsvariable X durch m(t) =
2 2
E [etX ] = et t /2 gegeben ist,
2 /2) t
E [St ] = S0 e at E [esWt ] = S0 e(a+s = S0 eµt , (1.22)
falls wir µ = a + s2 /2 setzen. Der erwartete Aktienkurs weist also eine ähnliche Funktions-
gestalt wie der Bond Bt = B0 ert bei stetiger Verzinsung auf. ⌅
k
(n) (n)
SkDn = S0 ’ Yi ,
i =1
24 Kapitel 1. Grundlagen der Finanzmathematik
(n) (n)
bezeichnen, so dass gerade P n (Yi = un ) = pn und P n (Yi = dn ) = 1 pn für jedes
i 2 {1, . . . , n} gilt. Für den Bond setzen wir die Zinsrate rn dergestalt an, dass 1 + rn = erDn
gilt, also
(n)
BkDn = B0 (1 + rn )k = B0 erkDn . (1.23)
Es ergibt sich für jeden stetigen Zeitpunkt t 2 [0, T ], dass mit tn = bt/Dn cDn ! t gilt:
(n)
Bbt/Dn cDn = B0 erbt/Dn cDn ! B0 ert =: Bt .
⇣ bt/Dn c ⌘ bt/Dn c
(n) (n) (n)
log(Sbt/Dn cDn ) log(S0 ) = log ’ Yk = Â log(Yk ). (1.24)
k =1 k =1
Die Log-Rendite lässt sich also als eine Summe von unabhängigen und identisch verteilten
Zufallsvariablen umschreiben, und die Normalität folgt dann aus einem geeigneten zentra-
len Grenzwertsatz. Anders als in der klassischen ZGWS-Situation (vgl. Vorlesung Stocha-
stik) ist jedoch die Verteilung der einzelnen Summanden von n abhängig. Wir formulieren
daher zunächst eine entsprechende Erweiterung:
⇤ 3 ⇤ Xk,n E [ Xk,n ]
sup E [| X1,n | ]C<• mit Xk,n := p
n 2N Var( Xk,n )
1.3 Die Black-Scholes-Formel 25
Sei (Sn⇤ )n2N die Folge der standardisierten Summenvariablen definiert durch
mn
1
Sn⇤ := p
mn  Xk,n
⇤
k =1
mit zugehöriger Verteilungsfunktion FSn⇤ . Dann gilt für alle Folgen ( xn )n2N ✓ R mit
limn!• xn = x 2 R
lim FSn⇤ ( xn ) = F( x ),
n!•
Lemma 1.26.
In der Situation aus Satz 1.25 gilt für jedes h 2 C 3 (R ) mit
dass
lim E [ h(Sn⇤ )] = E [ h( Z )],
n!•
Beweis von Lemma 1.26. Sei ( Zn )n2N eine Folge von unabhängig standardnormalverteilten
Zufallsvariablen, die unabhängig von ( Xk,n )1kmn ist. Für n 2 N sei Yn := mn 1/2 Âim=n1 Zi
und für i 2 {1, . . . , mn } sei
(n) 1 ⇤
Ui := p ( X1,n + . . . + Xi⇤ 1,n + Zi+1 + . . . + Zmn ).
mn
D (n)
Offensichtlich ist auch Yn standardnormalverteilt (also Z = Yn ), und weiter ist Ui un-
⇤ und Z . Ein Teleskopsummenargument liefert
abhängig von Xi,n i
! !
D 1 mn ⇤ 1 mn
mn i mn iÂ
h(Sn⇤ ) h( Z ) = h(Sn⇤ ) h(Yn ) = h p Xi,n h p Zi
=1 =1
mn ✓ ⇤ ◆
Xi,n
✓ ◆
(n) (n) Zi
= Â h Ui + p h Ui + p . (1.25)
i =1
mn mn
(n) ⇤ ,Z
abhängigkeit von Ui und Xi,n i
E [ h(Sn⇤ )] E [ h( Z )]
mn ✓ ⇤ ◆ ✓ ◆
(n) Xi,n (n) Zi
= Â E h Ui + p h Ui + p
i =1
mn mn
" #
mn ⇤ ⇤ 2 Zi2
(n) Xi,n Zi (n) ( Xi,n )
= Â E h (Ui ) p
0 00
+ E h (Ui )
i =1
mn 2mn
" #
⇤ )2
(n) (n) ( Xi,n (n) (n) Zi2
+ E h00 (x i ) h00 (Ui ) h00 (z i ) h 00
(Ui )
2mn 2mn
mn ⇤ ]
E [ Xi,n E [ Zi ] ⇤ )2 ]
E [( Xi,n E [ Zi2 ]
(n) (n) (n)
= Â E[h0 (Ui )] p
mn
+ E [h00 (Ui )]
2mn
+ E [ Ri ]
i =1
mn
(n)
= Â E [ Ri ]
i =1
mit
⇤ )2
(n) (n) (n) ( Xi,n (n) (n) Zi2
Ri := h00 (x i ) h00 (Ui ) h00 (z i ) h00 (Ui )
2mn 2mn
(man beachte, dass alle Erwartungswerte wegen K (h) < • existieren). Eine Anwendung
des Mittelwertsatzes auf h00 ergibt die Abschätzungen
⇤ |
| Xi,n
(n) (n) (n) (n)
|h00 (x i ) h00 (Ui )| k h000 k• |x i Ui | K (h) p , (1.27)
mn
(n) (n) (n) (n) | Zi|
|h00 (z i ) h00 (Ui )| k h000 k• |z i Ui | K (h) p (1.28)
mn
mn mn ✓ ◆
(n) (n) C E [| Z |3 ] n!•
|E [h(Sn⇤ )] E [ h( Z )]| = Â E [ Ri ] Â E [| Ri |] K (h) p + p1 !0
i =1 i =1
2 mn 2 mn
Beweis von Satz 1.25. 1. Schritt: Sei zunächst xn = x 2 R für alle n 2 N und sei # > 0. Seien
h1 , h2 : R ! [0, 1] mit
✓ ◆4 !4
y x
h1 (y) := 1( •,x ] ( y ) 1 1[ x #,x ] ( y ),
#
1.3 Die Black-Scholes-Formel 27
✓ ◆4 !4
y # x
h2 (y) := 1( •,x +#] ( y ) 1 1[ x,x+#] (y).
#
Dann sind h1 , h2 2 C 3 (R ) mit K (h1 ), K (h2 ) < • und es gilt h1 (y) 1( •,x ] ( y ) h2 (y) für
alle y 2 R. Daraus folgt
E [ h1 (Sn⇤ )] E [1( ⇤
•,x ] ( Sn )] E [h2 (Sn⇤ )].
Ausgestattet mit dem zentralen Grenzwertsatz können wir nun den angestrebten Bezug
zwischen dem CRR- und dem BS-Modell formulieren.
Satz 1.27.
Es seien a 2 R und s > 0. Setzen wir in der Folge von CRR-Modellen
p p
Dn s Dn
un = es , dn = e , rn = erDn 1, (1.29)
1 a p p
pn = + Dn + o ( Dn ) (1.30)
2 2s
für n ! •, so gilt für jedes 0 < t T
(n)
lim P n log(Sbt/Dn cDn ) log(S0 ) x = F at,s2 t ( x ), x 2 R,
n!•
28 Kapitel 1. Grundlagen der Finanzmathematik
wobei F at,s2 t die Verteilungsfunktion der N ( at, s2 t)-Verteilung bezeichnet. Unter dem
risikoneutralen Maß Q n definiert durch
1 + rn dn
pn = qn := ,
un dn
Vor dem Beweis des Satzes interpretieren wir dessen Annahmen und Ergebnisse.
Bemerkung 1.28.
(i) Mit den Parametern aus (1.29) sind in den approximierenden CRR-Modellen für große
n Arbitragemöglichkeiten ausgeschlossen. In der Tat gilt
p p
s Dn Dn
dn < 1 + rn < un () e < erDn < es
r r
p p n n
() s Dn < rDn < s Dn () s <r<s ,
T T
und letztere Ungleichung ist für hinreichend große n erfüllt. Damit folgt die Aussage
aus Satz 1.19.
(ii) Durch Einsetzen von a = r s2 /2 in (1.22) ergibt sich als erwarteter Aktienkurs im
BS-Modell S0 ert , so dass bei Verwendung risikoneutraler Maße im approximieren-
den CRR-Modell das (erwartete) Wachstumsverhalten von Aktie und Bond im BS-
Modell identisch sind. Für den diskontierten Aktienkurs gilt in diesem Fall E [S̃t ] =
E [St /Bt ] = S0 = S0 /B0 , falls B0 = 1 gesetzt wird; vgl. Gleichung (1.16).
⌅
Beweis von Satz 1.27. Wir zeigen zunächst, dass qn Gleichung (1.30) mit a = r s2 /2 erfüllt.
Unter Beachtung der Taylorentwicklungen
1 1 x
ex 1 = x + 12 x2 + O( x3 ), = + O ( x 2 ),
2s + x 2s 4s2
für x ! 0 ergibt sich wegen Dn ! 0
p
1 + rn dn erDn e s Dn
qn = = p p
un dn e s Dn e s Dn
p
erDn +s Dn 1
= p
e2s Dn 1
p p
(rDn + s Dn ) + 12 (rDn + s Dn )2 + O(D3/2
n )
= p 1
p 3/2
2s Dn + 2 (2s Dn )2 + O(Dn )
2 p
s + (r + s2 ) Dn + O(Dn )
= p
2s + 2s2 Dn + O(Dn )
n 2 p
on 1 1p o
= s + (r + s2 ) Dn + O(Dn ) Dn + O(Dn )
2s 2
1.3 Die Black-Scholes-Formel 29
2
1 r + s2 s p
= +( ) Dn + O(Dn )
2 2s 2
2
1 r s2 p
= + D n + O ( D n ),
2 2s
für n ! •.
Für den Beweis der asymptotischen Normalitätsaussage erinnern wir an (1.24):
⇣ bt/Dn c ⌘ bt/Dn c mn
(n) (n) (n)
log(Sbt/Dn cDn ) log(S0 ) = log ’ Yk = Â log(Yk ) =: Â Xk,n =: Sn ,
k =1 k =1 k =1
wobei mn = bt/Dn c ! •. Die Zufallsvariablen ( Xk,n )1kmn sind dabei bezüglich des
Wahrscheinlichkeitsmaßes P n u.i.v. mit
p
EPn [ X1,n ] = log(un ) pn + log(dn )(1 pn ) = s Dn (2pn 1) = aDn + o (Dn ),
p
EPn [| X1,n |] = | log(un )| pn + | log(dn )|(1 pn ) = s Dn ,
2 2 2
EPn [ X1,n ] = log(un ) pn + log(dn ) (1 pn ) = s2 Dn ,
3 3
EPn [| X1,n |3 ] = | log(un ) pn + log(dn ) (1 pn ) = s3 D3/2
n .
⇤ 3 EPn [| X1,n EPn [ X1,n ]|3 ] EPn [| X1,n |3 ] + EPn [| X1,n |]3
EPn [| X1,n | ]= 4 · 2 ]
VarPn ( X1,n )3/2 (EPn [ X1,n E [ X1,n ]2 )3/2
s3 D3/2
n
= 8· 16,
(s2 Dn + O(D2n ))3/2
Analog:
x E P n [ Sn ] x at
zn = p = p + o (1).
VarPn [Sn ] s2 t
30 Kapitel 1. Grundlagen der Finanzmathematik
Wir schließen dieses Kapitel mit einer Herleitung der berühmten Black-Scholes-Formel,
welche den fairen Ausgabepreis einer europäischen Call-Option mit Ausübungspreis K
und Ausgabezeitpunkt T im BS-Modell angibt; also P( H ) mit H = (ST K )+ . Da wir
im Rahmen dieser Vorlesung die Optionsbepreisung in zeitstetigen Modellen nicht behan-
deln, begnügen wir uns damit, den Grenzwert der Folge der entsprechenden Optionspreise
in den approximierenden CRR-Modellen aus Satz 1.27 zu bestimmen. Vom sich ergebenden
Grenzwert lässt sich mit fortgeschritteneren Methoden zeigen, dass er genau dem gesuch-
ten fairen Preis im BS-Modell entspricht.
(n)
Im folgenden bezeichnen wir mit C0 = P( H (n) ) den fairen Ausgabepreis der europäischen
(n)
Call-Option H (n) = (SnDn K )+ im nten approxmierenden CRR-Modell mit Parametern
un , dn , rn aus (1.29), wobei wir im Folgenden B0 = 1 annehmen. Mit
bezeichnen wir den kleinsten Wert k, so dass sich in einem Marktentwicklungsszenario mit
k-fachem Auftreten von un und (n k )-fachem Auftreten von dn eine positive Auszahlung
(n)
ergibt. Nach Korollar 1.22 gilt für C0 im CRR-Modell mit Parametern un , dn , rn aus (1.29),
dass
✓ ◆
(n) 1 n n k
C0 = (n) Â qn (1 qn )n k (ukn dnn k S0 K )+
BnDn k=0 k
n ✓ ◆
1 n k
= (n) Â qn (1 qn )n k (ukn dnn k S0 K )
BnDn k=an k
n ✓ ◆✓ ◆ ✓ ◆ ✓ ◆
n q n u n k (1 q n ) d n n k K n n k
= S0 Â rT Â
q n (1 q n ) n k , (1.32)
k= a
k 1 + r n 1 + r n e k= a
k
n n
(n)
wobei qn = 1+ rn dn n rT
un dn wie in (1.15) definiert ist und wir BnDn = (1 + rn ) = e , siehe (1.23),
verwendet haben.
wobei ⇣ ⌘ ⇣ 2 ⌘
S0
log K + T s2 + r
a := p .
s T
qn un (1 q n ) d n
Beweis. Mit qen := 1+r n gilt 1 qen = 1+r n und wir können (1.32) umschreiben zu
(n) rT
C0 = S0 Bin(n, qen )( an ) Ke Bin(n, qn )( an ),
wobei Bin(n, p)( a) := Ânk=a (nk) pk (1 p)n k die Tailfunktion der Binomialverteilung be-
zeichnet. Es genügt daher zu zeigen, dass
Wir beweisen hier nur (1.33), denn (1.34) lässt sich analog beweisen. Für jedes n 2 N sei-
en dazu ( Xk,n )1kn unabhängige Bin(1, qen )-verteilte Zufallsvariablen. Beachte, dass diese
die Voraussetzungen von Satz 1.25 erfüllen. Die Summenvariable Sn = Ânk=1 Xk,n ist dann
Bin(n, qen ) verteilt, so dass
Bin(n, qen )( an ) = P (Sn an )
Das Ereignis auf der rechten Seite schreiben wir im Folgenden um. Beachte dazu, dass
⇣ ⌘
✓ ◆k log K
n log(dn )
k n k un K S0
un dn S0 K > 0 () > () k > ⇣ ⌘ =: bn ,
dn S0 dnn log un dn
n (a 1)
Nach Definition von an in (1.31) ist unan dnn an S0 K > 0 und unan 1 dn n S0 K 0, d.h.
an > bn und an 1 bn . Somit ist bn 2 [ an 1, an ), und das Ereignis {Sn an } ist identisch
mit dem Ereignis {Sn > bn }. Wir erhalten:
Sn E [ Sn ] Sn ne
qn 1 n X qen 1 n ⇤
Sn⇤ = p =p = p  p k,n = p  Xk,n
Var(Sn ) qn (1 qen )
ne n k=1 qen (1 qen ) n k =1
32 Kapitel 1. Grundlagen der Finanzmathematik
bn ne
qn n!•
lim p ! a, (1.35)
n!• qn (1 qen )
ne