2.10.

Имитационное моделирование в финансах: аналитическое

моделирование цены акции

При изучении основных типов случайных процессов мы изучали процесс

случайного блуждания. Это с.п. с дискретным временем и согласно
определению он, задается уравнением:

ξ (t + 1) = ξ (t ) + ε (t + 1) ,

где ε(t) это гауссовский белый шум с нулевым средним.

Было доказано, что этот процесс можно представить в виде (если ξ0=0):
t +1
ξ (t + 1) = ∑ ε (k )
к =1

и, что этот процесс не является стационарным.

В тоже время, с.п. вида:

ξ (t + 1) − ξ (t ) = ∆ξ (t + 1) = ε (t + 1) ,
где, величину
∆ξ (t + 1) = ξ (t + 1) − ξ (t )
называют конечной разностью первого порядка, будет уже стационарным.

Рассмотрим такой с.п. как цена акции. В этом разделе будем обозначать его
через S(t). Это случайный процесс уже с непрерывным временем.
Доходность (простая, simple) в этом случае будет вычисляться по формуле:

S (t + 1)
R(t + 1) = − 1.
S (t )
В свою очередь, логарифмическая доходность будет вычисляться по
следующей формуле:
S (t + 1)
r (t + 1) = ln( ).
S (t )
Последнее выражение можно переписать в виде:

r (t + 1) = ln(1 + R(t + 1)) .

В дальнейшем мы более подробно остановимся на вероятностных свойствах

этих с.п.
Доказано, что S(t) является марковским. с.п. Это предположение
говорит о том, что вероятностное распределение цены в некоторый
фиксированный момент в будущем не зависит от того, каким оно было в
прошлом, а будет зависеть только от настоящего. Ниже приведена цитата из
1
книги Дж. Халла «Опционы, фьючерсы и другие производные финансовые
инструменты»:

Моделирование поведения цены акции S(t) может происходить на основе

следующего предположения. Предполагается, что в случае непрерывного
времени, цена акции (бездивидендной) удовлетворяет следующему
стохастическому дифференциальному уравнению (геометрическое
броуновское движение):

. (2.10.1)

В этом уравнении:
•через S(t) обозначена цена акции в момент времени t,
•через µ обозначена ожидаемая доходность акции,
•через σ - волатильность доходности, измеренная при помощи с.к.о.,
•через dW обозначен винеровский процесс.
Пример 2.10.1. (заимствован у Дж. Халла). Предположим, что µ=15%, а
волатильность σ=30%. Запишите уравнение (2.10.1).

Замечание. Ниже приведена цитата о параметрах модели (2.10.1) из книги

Дж. Халла «Опционы, фьючерсы и другие производные финансовые
инструменты»:

Случайный процесс вида (2.10.1) это аналог процесса случайного

блуждания для процессов с непрерывным временем.

2
Определение 2.10.1. Случайный процесс называют винеровским процессом,
если выполняются следующие свойства:
1. На малом промежутке времени ∆t , изменение (приращение) этого
процесса может быть описано следующим образом:
∆W = N (t ) × ∆t . (2.10.2)
Через N(t) в (2.10.2) обозначена нормально распределенная с.в. с нулевым
математическим ожиданием и единичной дисперсией (стандартное
нормальное распределение).
2. Сами случайные величины ∆W на двух (любых) малых промежутках
времени являются независимыми с.в. Иными словами, это процесс с
независимыми приращениями.

Очевидно, что
E[ΔW]=0; V[ΔW]= Δt.

С учетом определения винеровского процесса, уравнение геометрического

броуновского движения из примера 2.10.1 можно переписать так:

dS (t ) =
S (t )0,15dt + S (t )0, 3 N (t ) ∆t

Вернемся к уравнению (2.10.1) и рассмотрим его частный случай:

dS (t ) = µS (t ) dt .
Разделим обе части уравнения на S(t):
dS (t )
= µdt
S (t )
Это уравнение с разделенными переменными, проинтегрируем его:

T T
dS
∫
to
S
= ∫ µdt
t0
Отсюда:

ln S (t ) Tt0 = µt T
t0
Выполнив подстановку, получаем следующее выражение для S(t):

S (T )
= exp( µ (T − t0 ))
S (t0 )

3
 S (T ) = S (t0 )e µ (T −t0 )
Отметим, что этот с.п. (цена акции!!!) не может принимать отрицательные
значения.

Несмотря на предположении о непрерывности времени при изучении цены

акции, на практике, мы наблюдаем изменение цены акции в дискретные
моменты времени. Если время изменяется дискретно, то вместо
дифференциального уравнения, используют уравнение в конечных
разностях:
∆S= µ S ∆t + σ S ∆W (2.10.3)
где, через ∆S обозначена конечная разность первого порядка, т.е.:

∆S=∆S(t)=S(t)-S(t-1)=St-St-1. (2.10.3’)

Перепишем уравнение (2.10.3) в виде:

∆S (t )
= µ∆t + σN (t ) ∆t (2.10.4)
S (t )
В последнем уравнении в левой части стоит доходность (простая) акции за
период Δt . Если мы вычислим математическое ожидание от с.в. в левой и
правой части равенства, то увидим, что слагаемое µΔt это ожидаемое
значение этой величины:
∆S (t )
Е[ ] = E[ µ∆t + σN (t ) ∆t ] = µ∆t
S (t )
В свою очередь, дисперсия доходности будет равна:
∆S (t )
V[ ] = V [ µ∆t + σN (t ) ∆t ] = σ 2 ∆t .
S (t )
Таким образом, числовые характеристики это с.п. (доходности акции S(t)) за
период Δt, будут равны:
Е[ R (t )] = µ∆t ,
V [ R(t )] = σ 2 ∆t .

4
В 12 главе книги Халла, говорится о том, что доходность акции будет
распределена по нормальному закону с параметрами:
∆S (t )
∈ N ( µ∆t ; σ ∆t )
S (t )
Кроме того, если известна цена S(t-1), то можно смоделировать прирост
1
цены акции, например, за неделю. Для этого нужно вычислить Δt= и
52
подставить в формулу:
) S (t − 1)( µ∆t + σ
∆S (t= ∆t N (t − 1))

ДЗ. Напишите, какой закон распределения, и, с какими числовыми

характеристиками, будет у абсолютного прироста (приращения) цены S(t)
при фиксированном значении цены S(t-1).

Вернемся к уравнению (2.10.3) и перепишем его в виде:

St +1 − St = µSt ∆t + σSt ∆Wt (2.10.5)

Или:
St +1 = St + µSt ∆t + σSt ∆Wt ,

St +1 = St (1 + µ∆t + σ∆Wt ) . (2.10.6)

Как уже отмечалось выше, для винеровского процесса ∆W имеет место
представление: ∆W= N (t ) × ∆t , где, как и раньше, через N(t) обозначено
значение стандартной нормально распределенной с.в.

Поэтому, окончательное уравнение для St+1 будет иметь вид:

St +1 = St (1 + µ∆t + σN (t ) ∆t ) (2.10.7)
5
Пример 2.10.2. Рассмотрим, как применять уравнение (2.10.7) для
вычисления значения цены акции в последующие моменты времени
(прогнозирования), через предыдущие значения. Предположим, что
начальное значение цены равно S0=100 у.е. , µ=10%, σ=30%, ∆t=0.2.

Как следует из уравнения (2.10.7), чтобы получать значения S(t+1), на

каждом шаге t, нужно моделировать значения стандартной нормальной с.в..
Для того, чтобы получить прогноз значений S1, S2, S3 нам будет нужно
смоделировать значения N(0), N(1), N(2).
Запишем выражение для вычисления S1, S2, S3.

S=
1 S0 (1 + µ∆t + σ N (0) ∆t ) . (2.10.8)
Подставляем в уравнение известные нам значения, получаем:

S1= 100(1 + 0.1× 0.2 + 0.3 × N (0) 0.2)

где N(0) значение нормально распределенной с.в. с параметрами (0, 1),
смоделированное нами в момент времени t=0. Это значение мы получаем
при помощи статистического моделирования, например, в Stata. Пусть
N(0)=0.15, тогда
S1= 100(1 + 0.1× 0.2 + 0.3 × 0.15 × 0.2)= 104.01
Значит,
S1=104.01 (у.е).
Получите значения S2, S3.

Используя данный подход, основанный на статистическом моделировании,

мы можем вычислять значение цены акции для каждого последующего
момента времени и получить в итоге (смоделировать) одну реализацию
1
временного ряда, обозначим ее St . Затем, мы можем повторить всю
2
рассмотренную процедуру моделирования и получить St . В результате
получим смоделированные реализации случайного процесса «цена акции
S(t)».

6
 2.11. Моделирование цены опциона
Известно, что цена опциона (европейского) call и put соответственно, на
момент времени Т равна:

(2.11.1)
В уравнении (2.11.1) через S(t) обозначена цена базового актива в момент
времени Т, а через К, цена исполнения.
Очевидно, что К (цену исполнения) мы знаем.
1. Возникает вполне закономерный вопрос: каким образом «сегодня» мы
можем узнать (оценить) цену акции в момент времени Т?
2. Второй, не менее важный вопрос, как нам узнать (оценить), чему равна
цена опциона в настоящий (текущий) (в тот, в который мы решаем купить
этот опцион) момент времени?
Очевидно, что ответ на второй вопрос связан с операцией приведения (а
именно, дисконтирования), которая позволяет нам, зная будущую стоимость
опциона, найти настоящую. Для этого мы можем использовать следующее
равенство, (полученное в предположении о риск нейтральных условиях и о
том, что рассматривается опцион call):

(2.11.2)

7
Иными словами: цена европейского опциона «call» представляет собой его
ожидаемую стоимость (в момент времени Т), приведенную к данному
моменту времени.

В последнем выражении мы легко вычисляем дисконтирующий множитель

ехр(-rT). Остается вопрос, связанный с нахождением E[max(ST-K,0)].

Решим задачу нахождения цены европейского опциона, используя для этого

метод Монте-Карло. Сначала, мы решим задачу нахождения величины
max(ST-K,0) – цены опциона в момент времени Т и будем использовать для
этого метод имитационного моделирования. Затем последовательно
реализуем остальные шаги по моделированию.

Алгоритм моделирования цены опциона

1. На первом шаге смоделируем достаточное число реализаций цены акции

S j (t ) j=1,2,…n и для каждой вычислим S J (T ) .

2. На втором шаге, для каждой реализации Sjt вычислим цену опциона

max(SjT-K,0) в момент времени Т.

3. В выражении (2.11.2) используется математическое ожидание с.в. max(SjT-

K,0), но математическое ожидание мы найти не сможем. Однако можем
вычислить его оценку - выборочное среднее.
Таким образом, на третьем шаге по выборке всех полученных результатов
max[( S j (T ) − K ), 0] , находим выборочное среднее:

Е
ˆ max[( S J (T ) − K ),0]

4. Найдем оценку цены опциона, используя формулу:

Vˆ (today ) = exp(−rT ) × Eˆ (max( S (T ) − K , 0))

Замечание. Если акция является бездивидендной, то рассматриваемый
подход можно также использовать для оценки американского опциона на
покупку.
Замечание. При многократном моделировании цены акции и цены опциона
в EXCEL нам будет нужно каждый раз получать значение стандартной
нормальной с.в. Для этого мы будем использовать метод композиции:

N=(слчис()+слчис()+слчис()+слчис()+…слчис() -6)

8
Таким образом, в основе моделирования цены опциона лежит процедура
статистического моделирования цены базового актива, в предположении,
что она удовлетворяет уравнению геометрического броуновского движения.

Алгоритм моделирования цены европейского опциона call

Моделируем цену базового актива на основе
модели геометрического броуновского S j=
t +1 S j t (1 + µ∆t + σ N (t ) ∆t ) ,j=1,…,n
движения
Находим цену опциона в момент времени Т. max[( S j (T ) − K ), 0] , j=1,…,n
Находим оценку математического ожидания
цены опциона в момент времени Т.
Еˆ max[( S j (T ) − K ), 0] , j=1,…,n
Находим цену опциона в текущий момент
времени
Vˆ (today ) = exp(−rT ) × Eˆ (max( S (T ) − K , 0))
j=1,…,n

Пример 2.11.1. (Моделирование цены акции и цены опциона). Откройте

файл ECXEL «пример 2.11.1 Моделирование цены опциона» и
последовательно выполните все задания.

1. Откройте лист ECXEL «ИМ цены акций 10 реализаций» и внимательно

изучите все параметры модели (2.10.7), представленные на этом листе.

2. Используя уравнение (2.10.7)

St +1 = St (1 + µ∆t + σN (t ) ∆t )
смоделируйте 25 значений цены акции. Повторите задание 10 раз, вы
получите 10 реализаций с.п. S(t). Выполняя задание, при реализации
алгоритма по формуле (2.10.7), значение N(t) моделируйте сразу по
методу композиции

3. Откройте лист ECXEL «ИМ цены акций 30 реализаций» и смоделируйте 30

реализаций с.п. S(t)

4. Откройте лист ECXEL «ИМ цены опциона» и внимательно изучите все

данные.

5. Cмоделируйте 100 реализаций цены акции и для каждой вычислите

значение SjT (j=1,…,100).

6. Для каждого полученного значения SjT вычислите ( S (T ) − K ) , а затем

j

для каждого значения S (T ) найдите max[( S (T ) − K ), 0] .

j j

9
7. По выборке значений max[( S (T ) − K ), 0] найдите выборочное среднее,
j

это будет Еˆ max[( S (T ) − K ), 0] .

j

8. Найдите оценку цены европейского опциона call, используя формулу:

Vˆ (today ) = exp(− rT ) × Eˆ (max( S (T ) − K , 0))

10