Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introdução à Econofísica Aula 20 O processo browniano geométrico revisitado: forma diferencial de Ito Como mencionado na aula 19, o movimento browniano geométrico pode ser escrito na forma diferencial estocástica de Ito: dS (t) = ρS (t) dt+ σS (t) dW (t) , onde S (t) é o preço da ação no instante t. Podemos fazer uma mudança de variável: X (t) = ln S (t) S (t0) , onde t0 < t é um instante de tempo onde o preço do ativo é conhecido, isto é, S (t0) = s0. Para aplicar o lema de Ito, calculemos: ∂X ∂S = 1 S , ∂2X ∂S2 = − 1 S2 e, portanto, dX = dt ρS∂X∂S + [σS]2 ∂2X ∂S2 + 12ρS ∂X ∂S dW = dt ρS (t) 1S (t) − σ2 2 [S (t)]2 1 [S (t)]2 + σS (t) 1 S (t) dW (t) . Logo, dX (t) = ρ− σ2 2 dt+ σdW (t) , que é a equação diferencial estocástica para o movimento browniano. Assim, a distribuição para X fica dada em termos da variável real x como: u (x, t− t0) = 1√ 2piσ2 (t− t0) exp − [ x− ( ρ− σ22 ) (t− t0) ]2 2σ2 (t− t0) , 1 Conforme t tende a t0, a distribuição fica cada vez mais próxima de uma função delta centrada na origem. Esse comportamento faz sentido, pois X deve ser zero em t0, já que S (t0) = s0 e, portanto, X (t0) = ln S (t0) S (t0) = 0. Normalmente, sabemos o preço hoje e desejamos a probabilidade de termos determinado preço no futuro. Seja T o tempo futuro e t, o atual. Assim, a distribuição de acima fica: u (x, T − t) = 1√ 2piσ2 (T − t) exp − [ x− ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) . Seguindo a aula 5, podemos escrever a densidade de probabilidade para o quo- ciente S (T ) S (t) , se conhecermos S (t): g (s, T − t) = 1 s √ 2piσ2 (T − t) exp − [ ln s− lnS (t)− ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) . O valor esperado de S (T ) S (t) , condicional a termos conhecimento exato de S (t) é denotado por E S (T ) S (t) ∣∣∣∣∣∣S (t) e é dado por: E S (T ) S (t) ∣∣∣∣∣∣S (t) = ˆ +∞ −∞ ds s S (t) g (s, T − t) = 1 S (t) √ 2piσ2 (T − t) ˆ +∞ −∞ ds exp − [ ln sS(t) − ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) . 2 Fazendo a substituição de variável: z = ln s S (t) , vem: E S (T ) S (t) ∣∣∣∣∣∣S (t) = 1√ 2piσ2 (T − t) ˆ +∞ −∞ dz exp z − [ z − ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) . Mas, z − [ z − ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = z − z2 − 2z ( ρ− σ22 ) (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = − z2 − 2z ( ρ− σ22 ) (T − t)− 2zσ2 (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = −z 2 − 2zρ (T − t)− zσ2 (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = − z2 − 2z ( ρ+ σ 2 2 ) (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = − [ z − ( ρ+ σ 2 2 ) (T − t) ]2 2σ2 (T − t) − [( ρ− σ22 )2 − (ρ+ σ22 )2] (T − t)2 2σ2 (T − t) = − [ z − ( ρ+ σ 2 2 ) (T − t) ]2 − 2ρσ2 (T − t)2 2σ2 (T − t) 3 = − [ z − ( ρ+ σ 2 2 ) (T − t) ]2 2σ2 (T − t) + ρ (T − t) e, portanto, E S (T ) S (t) ∣∣∣∣∣∣S (t) = exp [ρ (T − t)] . Para o cálculo da variância, temos que calcular:ˆ +∞ −∞ ds s S (t) 2 g (s, T − t) = 1 [S (t)]2 √ 2piσ2 (T − t) × ˆ +∞ −∞ ds s exp − [ ln sS(t) − ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = 1√ 2piσ2 (T − t) × ˆ +∞ −∞ dz exp 2z − [ z − ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) . Mas, 2z − [ z − ( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = 2z − z2 − 2z ( ρ− σ22 ) (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = − z2 − 2z ( ρ− σ22 ) (T − t)− 4zσ2 (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = −z 2 − 2zρ (T − t)− 3zσ2 (T − t) 2σ2 (T − t) − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = − z2 − 2z ( ρ+ 3σ 2 2 ) (T − t) 2σ2 (T − t) 4 − [( ρ− σ22 ) (T − t) ]2 2σ2 (T − t) = − [ z − ( ρ+ 3σ 2 2 ) (T − t) ]2 2σ2 (T − t) − [( ρ− σ22 )2 − (ρ+ 3σ22 )2] (T − t)2 2σ2 (T − t) = − [ z − ( ρ+ 3σ 2 2 ) (T − t) ]2 2σ2 (T − t) − [( σ2 2 )2 − 4ρσ2 − (3σ22 )2] (T − t)2 2σ2 (T − t) = − [ z − ( ρ+ 3σ 2 2 ) (T − t) ]2 2σ2 (T − t) + ( 4ρσ2 + 2σ4 ) (T − t)2 2σ2 (T − t) = − [ z − ( ρ+ 3σ 2 2 ) (T − t) ]2 2σ2 (T − t) + ( 2ρ+ σ2 ) (T − t) e, portanto, ˆ +∞ −∞ ds s S (t) 2 g (s, T − t) = exp [(2ρ+ σ2) (T − t)] . Assim, a variância condicional fica: var S (T ) S (t) ∣∣∣∣∣∣S (t) = exp [(2ρ+ σ2) (T − t)]− exp [2ρ (T − t)] = exp [2ρ (T − t)] {exp [σ2 (T − t)]− 1} . 5
Compartilhar