J La distribuzione lognorm: 15.1 Introduzione per prezzare le opzioni € ate te tun'importante proprieta: esso mostra che, date certe assunzi governa il prezzo prezzare opzioni e alte attivita i cui prezzi dipendono dal prezzo di un’azione tostante. perd quell sviluppate analitico. Al fine di sviluppare una formula di Black-Scholes, che sar lo & computazionale, ‘mula per il pricing delle opzioni (come del prezzo di Un’assunzione centrale de! mode! derare che i prezzi del assunzione, Il nostro metodo s Black-Scholes, ma proveremo a“ di questo, lasceremo la trattazione dei dettagli tecnici det modello B&S ad al sti pit avanzati Questa é la struttura del capitolo:© successivamente, spiegheremo perché la distribuzione lognormale sia una di- stribuzione “accettabile”” per i prezzi azionari; * infine, mostreremo come simulare dei sentieri di prezzo lognormale. 15.2 Come si distribuiscono i prezzi azionari? Quali sono delle assunzioni ragionevoli sul comportamento dei prezzi azionari nel tempo? Chiaramente, il prezzo futuro di un’azione (o di qualsiasi altra fi- i incerto. Ma qual é la sua distribuzione? A dire il vero, que- 1, I prezzo futuro dell'azione é incerto. Dato il prezzo di oggi, non sappiamo nul- la sul prezzo di domani. 2, Le variazioni nel prezzo dell'azione sono continue. Su periodi brevi di tempo, queste variazioni sono molto contenute, ¢ tendono a zero quando I'intervallo temporale tende a zero’. -zz0 dell’azione non & mai pari a zero. Questa proprieti implica che noi ‘escludiamo il caso delle azioni delle societa fall |. Il rendimento medio derivante dalla detenzione di un’azione tende ad aumenta- re nel tempo. Si noti 'uso del termine “‘tende”: non sappiamo se la detenzione di un’azione per un tempo piti lungo ci consentira di conseguire rendimenti pit elevati; tuttavia, noi prevediamo che la detenzione di un’attivita rischiosa per lo di tempo pit lungo ci consentira di conseguire, in media, rendimen- ti pid elevati, Anche Vincertezza associata al rendimento di un’azione tende ad aumentare con il trascorrere del tempo (quindi, con I’aumentare del periodo di detenzione azione). Quindi, dato il prezzo detl’azione oggi, la varianza del prezzo del- Vazione domani sara contenuta; tuttavia, la varianza del prezzo dell'azione fra lun mese sari superiore a quella giomaliera e, naturalmente, la varianza fra un anno sari ancora maggiore 15.2.1 Le propri igionevoli’” e i sentieri dei prezzi azionari periodo di tempo. ,attualmente negozi Prezzi giornalieri di 3 azioni . Fe 250 Zinv92 10.gen80 Clima Abepr90 08-989 2916799 1728.9 OEnOrD Se simulassimo dei sentieri di prezzi azionari (nel corso del capitolo, effettue questo tipo di esercizio usando una distribuzione lognormale), come remmo che fossero? Secondo le cinque proprieta menzionate in precedet aspetteremmo: Linee ondulate, ‘“nervose”’. . Linee continue, senza salt . Linee sempre positive e che non artivano mai a zero, indipendentemen {quanto sia basso il loro valore. 3po, la media di tutte le linee “pl azione. Pitt lontano andiamo nel tempo Ad un determinato punto n maggiore del prezzo iniziale de giore sari questa media. . Con il passare del tempo, la deviazione standard di tutte le linee “*plausi sari maggiore,LO Ecco un altro modo per considerare i prezzi azionari. Si suy i rendimenti dell’indice Standard & Poor's 500. CR Seite PREZZI E RENDIMENTI DELL INDICE S&P 500 Data SP500__Rendimento -O.0nes < =LN(BBBS) 0.0026 < =LN(B7/E6) tes “opty oni 0.0007 a2 34 09) 3 7 Se rappresentassimo graficamente questi rendimenti riferiti ad ; difficile una qualche interpretazione: rm eth Rendimenti gioralieri del'indice S&P500 (ottobre 1998-ottobre 1999) ndo il logaritmo naturale del rapporto fra i di generazione dei rendi € pari a 30 e il giomo 2 periodo & pari a LN(31/30) = 3.279%. ‘om -om oor 0 001 002 009 EREQUOUNS IC Tasatii cone racne mae (iu, Sm2e9 1 a I AMIE Ec Come vedremo nel prossimo paragrafo, l'assunzione che i rendimenti dei pre distribuiscano normalmente sta alla base della distribuzione lognormale. 15.3 Le distribuzioni lognormali dei prezzi e i processi di diffusione geometrica In questo paragrafo formalizzeremo i concetti precedenti e descriveremo « tendiamo per distribuzione lognormale dei prezzi. Spicgheremo inolFax. Allora, possiamo esprimere i fuente modo: S;,.a, = S, exp [Fa, AM ‘sumiamo che il tasso di rendimento un breve periodo di tempo At, buisca normalmente, con media w Ate varianza 0? At ‘Un altro modo per esprimere il prezzo dell’azione S,,.a, al tempo ¢+At & il se- Buente: caso della distribuzione lognormale, as- Sie8t = exp [pars czvai] Ss dove Zé una variabile casuale normale standard (cioé, con media = 0 ¢ deviazione ‘standard =1 Per comprendere il significato di questa assunzione, si supponga inizialmente che = 0. In questo caso avremo: Sear = S;exp [u Ad) che indica semplicemente che il prezzo wione cresce, con certezza, ad un tas- 80 esponenziale. In questo caso, I'azione & come se fosse un titolo obbligazionario Privo di rischio che rende interessi a un tasso i, in regime di capitalizzazione composta continua. Adesso si supponga che o > 0. In questo caso, lassunzione di lognormalita impli- ca che, benché la tendenza sia verso l’incremento del prezzo dell'azione, clemento di incertezza (distribuito normalmente) che deve essere preso in consi. derazione. I miglior modo per considerare questo el della simulazione. Si supponga, ad esempio, di male di prezzo nel quale 1 = 15%, o = 30% e A. prezzo al tempo = 35. Per simulare i possi al tempo Av, occorre prima di tutto selezionare (casualmente) un numero Z da una distribuzione norma. le standard". Si supponga che questo numero sia 0.1165, Allora, il prezzo dell’a- Zione Sg, al tempo At sara Sar= Si» exp [war + 02VAi] = = 35 « exp [0, 15 + 0,004 + 0,3 + 0,1165 + 0,004] = 35, 0985 ‘vete qualche conoscenza su tema della diffusione dei proces, riconoscerete che il processo tora dei prezsi un proceso di difisione geometica: S = wd +42, dove db = 2 (tecnicamente denominato “white noise"), mentre Z & una variabile ea Boel e VBA) che permettono di effetuare ‘Naturalmente, avremmo potuto estrarre un numero cast esempio, il nostro numero casuale Z fosse stato -0,9102, al ne sarebbe stato pati a Sas = So* exp [ware ozv/Bu] = = 0,004 + 0,3 * —0,910265 + 0,004) = 34,4214 Questo proceso @ illustrat nel folio di lavoro seguente, dove abbiano ge una serie di 250 numeri casual extra da una distibuzione normale Opi numero easualeZ a a stesa probablit i essere esto, Ad ogni es ne di Z, in un determinato intervallo temporale At, corrisponderi il pre zione Sia: = 35+ exp (0, distribuzione lognormale ito StrumentijAr io di lavoro precedente abbiamo usa PadiGeerasi dll anterp calc pper creare una serie di 250 num La finestra di dialogo del Generatore appare come di seguito’ yuando defiRiassumendo: per simulare la crescita del prezzo azionario, quando il prezzo se- ‘gue una distribuzione lognormale, occorre eseguire le seguenti operazioni: * moltiplicare Ar (il tempo trascorso) per (il tasso medio di crescita). Questo fomisce la parte “certa”” del rendimento; * estrarre un numero da una variabile casuale normale standard ¢ moltiplicare questo numero per oVAt. Questo fomisce la parte “incerta” (la radice quadrata del tempo implica che la varianza del rendit ne’ lineare nel tempo. A tal fine, si vedano le considerazioni segui © clevare ““e”” alla somma di questi due risultati 15.4 Che aspetto ha la distribuzione lognormale? Sappiamo che Ia distribuzione normale assume la forma di una “curva a campa- na’*. Come appare invece la distribuzione lognormale? Nel seguente esercizio si- ‘muleremo 1000 prezzi azionari (di fine anno) casuali. Questo esperiment tensione dell’esercizio eseguito nel paragrafo precedente, Poi i di fine anno, il nostro periodo di riferimento sara Ar = eseguire questo esperimento: ‘© produciamo una serie di 1000 numeri casuali “normali standard”; © usiamo ogni numero casuale per produrre un prezzo azionatio di fine anno 51 = Sy * exp [uAr + oZV At] = Sy + exp [js + 02], poiché At = 1; © ordiniamo i prezzi azionari in intervalli di classe di una certa dimensione ¢ reiamo un istogramma, Dopo. i VAij], possiamo wver prodotto 1000 prezzi lognormali, exp [wAr + 02: Ba funzions ratrioe Frequenza() per determinare le frequenze di questi pt in intervalli di classe di una certa dimensione®: "pines, Pas80Quando eseguiamo questa simulazione per un grande numero di punt, la risultan- te curva di densiti diventa pressoché continua. Di seguito, ad esempio, riportiamo luna distribuzione di frequenza relativa a 100.000 ripe con jx = 10%, @ = 20% © At = 1 (questa simulazione in VBA & stata eseguita in 3 secondi, uti, lizzando un computer con un processore Pentium Ill): a ‘Simulazione di rendimenti lognormal Ecco il programma VBA che ha prodotto questo output; SS ee ‘*Similazione dei rendimenti lognornali {Si noti che abbiamo posto il delta = 1! ‘Sub RandonumberSimilation() Application. ScreenUpdating = False Range(*tempoinizio) ~"Time Value ReDim Frequency (070 1000) as Integer For Index=1 oN start: Staticrandi, xand2, $1, $2, x1, x2 andl =2*Rnd-1 rand2=2* Rnd -1 Si=randi 2 +rana2>2 IfS1>1Then Goto start (continua) 82 = Sqr(-2* Log(S1) / 51) x1 =randi * s2, a = rand2 * $2 Return! = Exp {media + sigma * x1) Return2 = Exp (media + signa * x2) Frequency (Int (Returnl / 0.01)} = Frequency (Int (Return / 0.01)) 4 Frequency (Int (Return? / 0.01)} = Frequency (Int (Return /0.01)) 4 Next Index For Index = 07 400 Range (*output*) .Cells (Index +1, 1) = Frequency (Index) / Next Index Range|"tempofine") = Time Rango("tenpotrascorso*) = Range(*tempofine*) ~ Range(*tempoinizio") Range ("tenpotrascorso*) .NumberFormat = *hh:mm:ss* End Sub La routine che produce numeri casuali ‘‘normali standard’ é contenuta nella 18 dopo la parola “start”; questa routine & descritta in dettaglio nel Capitolo 2 15.5 La simulazione dei sentieri di prezzo lognormale Adesso ritorniamo al problema della simulazione dei prezzi lognormali = 20% Se il prezzo inizialedell'azione Sy =$25, allorail prezzo ri uguale a Say = So * exp [war + otv/ai] = 25% exp [ous 0,004 +0,20« 2/00¢ il prezzo fra due giorni sari: Soon = Soon + exp [0,15 + 0,004-+ 0,20 2,/0,004] ¢ cosi via. Ad ogni ripetizione, il numero casuale ‘normale standard” Z rappre- Senta il fattore incerto del rendimento del prezzo. Questo significa che tutti i sen- tieri generati saranno diversi. Beco un programma VBA, denominato “*SimulazioneSentieroPrezz0””, che con- sente di riprodurre un tipico sentiero di prezzo: ‘Sub SimilazionesentieroPrezzo() (2* Index ~2) * exp {media * deitat + Index - 1) * Exp(media* delta_t + La aistribuzione lognormal Beco come appare, su un foglio di lavoro, output derivante da questo prog) sma: mo usando il comando Application.sereenupdating locizziamo notevolmente la simulazione (provate per notare la differenza). Possiamo modificare leggermente il programma VBA per produrre di prezzo lognormali. In questo caso, si otterra il seguente risultato Prezzo azionos ($)con il passare del temp, ¢ coi a arianza dei rendimenti. Questo fatto é in accordo con le proprieta 4 e 5 dei prezzi azionari discusse nel Paragrafo 15.2: in sostanza, si prevede che il rendimento di un’azione e l’incertezza associata a que- sto rendimento aumentino con il trascorrere suddivisa in due categorie: * fondamentale pensano che azionario di una societi, osserva i suoi uo rapporto chien le, i suoi mercati e cosi i dell’analisi tecnica, invece, pensano che i prezzi minati da particolati schemi. Secondo i “‘tecni Serie storica dei prezzi di un’azione, si possono prevedere ragionevoliipotesi) i prezzifuturi dell azione. Potreste sent rezz0 lognormale ‘eenlea La distribuzione lognormal posizione testa e sp: *) nel periodo compreso 40 e 100, Si pué notare anche un Ii massimo di $35. Cosi, un anali Superi quel livello (se volete diventare un analista tecnico, dovrete imparai dere in quello che comunicate...) 15.7 Icalcolo dei parametri della distribuzione lognorma dai prezzi azionari Lo scopo principale di questo paragrafo & quello di mostrare c ri possano essere usati per calcolare i parametti .¢ o della di ‘male. Prima di procedere in questo senso, ci soffermiamo un mom cato della media e della varianza del logaritmo del rendimento di e[m Cs) = E|pde + o2VAi) =pdter ee ee ae Questo significa che sia il rendimento logaritmico atteso, sia la varianza del rendi- mento logaritmico del prezzo dell’azione, sono lineati nel tempo. Adesso si supponga di voler stimare i parametri lognormali jz e dai dati storici dei prezzi azionari. Pertanto: medial in (Safs)] van n (Sa/)] Ar ar Per essere pit chiari, passiamo adesso ad un caso specifico. Nel seguente foglio di lavoro riportiamo i prezzi mensili di una determinata azione; da questi, calcolere- ndimenti logari jti che per calcolare ¢ utilizzeremo la funzione Dev.st.pop, assumendo ti rappresentino la distribuzione effettiva. ue ee 2138 < =weDAcEct7, '574% «SDV St PORGE CTT) eK <= ‘ope -cORADOL, Ovviamente, questo non & unico modo per zione lognormale. Esistono almeno altri due i parametri della distribu- tod: possiamo usare altre procedure per estrapolare Ia media ¢ la deviazione stan- dard dei rendimenti fivturi dalle serie storiche dei rendimenti azionari. Ad , si potrebbe ricorrere alla media mobile; prezzo di un’opzione su tolo (Paragrafo 16.4), - Questo metodo &illustrato nel prossimo eapi- La aistripuzione Wgnormare ESERCIZI |. Scrivete un programma in VBA che riproduca la distribuzione di frequen logno! le per un numero arbitrario di rpetizioni. Ci, quest programma dovrebbe © produrre N numer casual “normal standard"; © per ogni numero casuale geneato,determinare il relatvo prezzo lognormal, ¢ valente a exp [jAr-+ 02V/Ai] classificare i prezzi cosi ottenuti passo di 01; una volta ottenute le frequenze, creare un grafico simile a quello del parag 154 intervalli di classe che vanno da 0 a 3, coi Nel foglio di lavoro "Dati Esercizio 2”” vengono riportati i prezzi giornalieri dell ce S&PSOO © tobre 1999.1 Tl modello “‘Black-Schole; 16.1 Introduzione della teoria dei processi stocastici e un notevole “investimento ‘matiche. Intendiamo piuttosto descrivere la meccanica del me ‘come sia possibile implementarlo in Excel! 16.2 Il modelo di Black e Scholes cconsiderazione un'azione il cui prezzo segue una distribuzion, re il prezzo di un’opzione call scritta sull'azione:nee pre C = SN(d\) — Xe"™N(d;) dove In (S/X) + (r+ 0? /2)T ovT a= dy = d)—oVT In questa formula, C indica il prezzo della call, S il prezzo dell’azione sottostante, X il prezzo di esercizio d T la scadenza della call (numero di petiodi alla Tesse eo é la deviazione standard del logaritmo limento dell’azione. N( ) indica un valore della distribuzione normale stan- dard. Si ipotizza che non saranno pagati idi sull’azione prima della scaden- zaT. Sulla base del teorema della “‘Parita p eda il Capitolo 14), un*opzione Put con la stessa scadenza Te prezzo di esercizio X, scritta sulla medesima azione, avri un prezzo P = C — $ + Xe~’T. Sostituendo C con l’espr ne precedente, € dopo alcune trasformazioni algebriche, si ricava la formula di Black-Scholes per il pricing delle opzioni put: P = Xe'™N(—d2) — SN(—d,) 16.2.1 L’implementazione delle formule di Black-Scholes in un foglio di calcolo Le formule di Black-Scholes per il pricing delle opzioni call e put sono ag: ‘mente replicabili in un foglio di caleoto. L’esempio che segue mostra come cal lare il prezzo di un’opzione call scritta su un'azione il cui prezzo corrent 5 =25, il prezzo di esercizio ¢ X = 25, i tasso d’interesse annuo & r = 6% e = 30%, L’opzione ha una scadenza T = 0,5 anni, $i osservi che tutti etre i pa- rametri 7, r € sono espressi in termini annuali, Si noti che ut due volte: la prima, utilizzando il teorema dell ti put-call”, la seconda, utilizzando direttamente la formula di Black-Scholes, ‘del Capitolo 15 deserive come ealeolare il valore annualizato dio, logn nom anual tivo La formula di Black-Scholes per il Pricing delle Opzioni Possiamo utilizzare questo foglio di lavoro per effettuare l'usuale analisi di ser biliti. A titolo di esempio, riportiamo in basso una Tabella Dati (si veda Capitolo 27) che mostra il valore della call, calcolato secondo la formula Black-Scholes, e il suo valore intrinseco (rappresentato da max(S-X:0)), al vari del prezzo S dell’azione sottostante. Si noti che abbiamo nascosto I’intestazic della tabella dati (riga 21).16.3 La funzione di pricing secondo il modello Black-Scholes in VBA Sebbene l'implementazione delle formule di Black-Scholes, mostrata nel paragra- fo precedente, sia pi che sufficiente per le nostre finalita, altre volte pud essere utile riuscire ad identificare una formula ‘“chiusa’” utilizeabile direttamente in Excel, A tal fine, possiamo ricorrere alle potenzialiti del programma VBA, Ad ‘esempio, nel riquadro sottostante riportiamo il programma relativo ad una funzio- he che consente di determinare il prezzo di un'opzione call: Function dome (Azione, Bsercizio, Scadenza, Interesse, sigma) Gone = (Log Azione / Esercizio) + Interesse * Scadenta) / (sigma * Sgr (Scadenza))+0.5 * sigma * Sqr (Scadenza) nd Function Function Calloption (Azione, Fsercizio, Scadenza, Interesse, sigma) Gall0ption = Azione * Application.NormsDist (dome Azione, Esercizio,_ Scadenza, Interesse, sigma)) - Esercizio * Exp(-Scadenza* Interesse) * Application. NormsDist (done (Azione, Esercizio, Scadenza, Interesse, sigma) sigma * Sqr(Scadenza) ) Bhd Function il prezzo della call secondo la formula - osser 70 della funzione di Excel NormSDist’, che restituisce la distribuzione normale standard cumulata; per richiamare questa funzione in VBA, é necessario digitare Application. NormSDist. 16.3.1 Il pricing delle opzioni put Secondo il teorema della “Parita put-c la formula P = C— $+ Xe~"T. Anch formula in VBA: il prezzo di un’opzione put & dato dal- ‘questo caso, & possibile riprodurre tale Function Putoption(Azione, Esercizio, Scadenza, Interesse, sigma) Putoption=Cal option (Azione, Esercizio, Scadenza, Interesse, sigma) _ + Bsercizio * Exp(Interesse * Scadenza) - Azione ‘oro seguente, riportiamo un esempio di ut grafico stato creato tramite una tab 16.4 Ii calcolo della volatilita implicita Un problema comune nel pricing delle opzioni é il seguente: dato un prezzo ‘un‘opzione call, e dati il prezzo corrente dell’azione S, il tasso d’interesse scadenza dell opzione Te il prezzo d’esercizio dell’opzione X, trovare la cin base alla quale lopzione & implicitamente valutata. Si consideri, ad eset a seguente opzione call: eC = 4; © il prezzo del © il_prezzo corrente dell’azione $= 45; © ilprezzo d’esercizio dell’opzione & X = 50; © il asso d’interesse & r = 8%; © la scadenza de! te approssimazioni suecessive, in quanto il prezzo dell’opzione & monWma te crescente in funzione di c. Di seguito, riport - foalio di caoale mecrara Di Sezuito,Hiportiamo una tabella dati derivata da un La formula di Black-Scholes per ilPricing delle opzioni ‘Tabella dati t 1.2577 <5, ester aaa at 15% 2.18575) tee 168 Tm cris eee fotteniamo un valore dio = 25,116%, come mostrato nel foglio di lavoro B possibile utilizzare il programma Visual Basic for Applications per crear funzione che consenta di trovare per un’opzione call. Tale funzione & de ‘come CallVolatility(Azione, Esercizio, Seadenza, Interesse, Obiettivo) © gomenti sono specificati di seguito: © Azione prezzo dell’azione, S; © Esercizio prezzo d’es '® Scadenza_scadenza: © Interesse tasso d’interesse, 3 © Obiettivo prezzo della call, C. La flunzione é in grado di trovare quel valore di ¢ per il quale la formula di E Scholes & pari a C.a Function¢alivolatility (Azione, Esercizio, Scadenza, Interesse, biettivo)| Wigh=1 Low=0 Dolihile (High - Low) > 0.0001 ZECalloption(Azione, Esercizio, Scadenza, Interesse, (High + Low) / 2) > Obiettivo Then High = (High + tow) /2 Else: Low= (High +Low) /2 End 1€ Loop Callvelatitity = (High + tow) /2 Bnd Function La tecnica utilizzata dalla funzione & molto simile al metodo delle approssimazio- ni successive, Partiamo da due possibili valori di o: una stima massima (High), pari al 100%, e una stima minima (Low), pari allo 0%. A questo punto, procedia ‘mo nel seguente modo: © inseriamo 1a media dei valori massimo (High) minimo (Low) nella formula di Black-Scholes. Da cid ricaviamo la funzione CallOption(Azione, Esercizio, Seadenza, Inte (High + Low) / 2) (si osservi che la funzione che la funzione CallOption sia gia disponi- bile nel fog! se CallOption(Azione, Esercizio, Seadenza, Interesse, (High + Low) / 2) > Obiettivo, allora la stima corrente di , data da (High + Low) / 2), é troppo clevata. Pertanto, sostituiamo il valore massimo (High) con la media dei due valori (High + Low) /2; se CallOption(Azione, Esercizio, Scadenza, Interesse, (High + Low) / 2) < Obiettivo, allora la stima corrente dio, data da (High + Low) /2, é troppo bas- 8a. Pertanto, sostituiamo il valore minimo (Low) con la media dei due valori (High + Low) /2. Ripetiamo ques 0,0001 (0 di Di seguit procedura fino a quando la differenza High-Low é minore di tra costante arbitraria)*, riportiamo un esempio di applicazione di questa funzione, che include {Questa regola di arresto funziona sempre (ovvero, fa fermare, prima o poi la procedura) per la bisezione appl na funzione monotonica. Avremmo potuo sosttute questo ertetio con la Shenae af anche una tabella dati e un grafico che mostrano la volatiita implicita in funzio 15.356 < ltestazion ‘Volatilita implicita del 16.6 La strategia “Bang for the buck” 8 altro che una semplice applicazione della formula di BI Ste ptizat esc che Ile d na terminal roe ‘mentera entro un breve periodo di tempo. Volete comprare opzioni call su azione che vi consentano di ottenere un massimo “bang for the bucl che il tasso di profito percentuale sul vostro investimento in opzioni sia massi Utilizzando la formula di Black-Scholes, & agevole mostrare che dovreste: I con la scadenza pit ravvicinata possi © comprare opzio che siano quanto pili possibile out of the money (ovr © comprare opzioni 10 prezzo desercizio possibile). che abbianoSSS: eS Ecco un’illustrazione di questa strategia su un foglio di caleolo: LASTRATEGIA "BANG FOR THE BUCK” lt 58070 <- =DISTRIB.NORM ST(B9)"BO/B16 La call “bang”, definita nella cella B18, é semplicemente la variazione percentua- le del prezzo dell’opzione di variazione percentuale del prezzo dell’a- zione (in economia, tale rapporto & noto come “elasticita di prezzo”): CEIG, OGIS a, s Cal bang = oe ago OMS In modo analogo, per un’opzione put, la strategia “bang for the buck” é definita dalla formula riportata in basso (ovviamente, il presupposto dietro questa strat per un’opzione put é che, entro un breve periodo, il prezzo dell’azione dimim Put bang = ‘Tale formula & definita nella cella B19. Per rendere pid agevole la comprensione del risultato, abbiamo omesso il segno negativo, definendo cosi la put “bang” Ss =M(-d) 5 Il grafico seguente mostra la strategia ‘bang for the buck" per le opzioni call e put: pereentuale sull’investimento in opzioni). In altre ps i se Sono quelle maggiormente out-of-the-money e con la pili breve scadenzi S, prezzo delt'azione > SeeseaTy- differenza tra il prezzo ESERCIZI Utilizzate il modello di Black-Scholes per determinare il prezzo di: * un'opzione call sertta su un‘azione che ha un prezzo corrente di 50, un prezzo d’e- servizio di X = 50, T =0,5,r = 10%e o = 25%; ‘+ un'opzione put con gli stessi parametri della call precedente, Utilizeate i dati del'esempio precedente ¢, con 'ausilio di una tabella dati (DatijTabetta), create dei grafici che mostrino: “Black-Scholes” al variare del tasso d'interesse r; ela td del prezzo della put “Black-Scholes” al variare del prezzo d’esercizio X. Create un grafico che metta a confronto il valore intrinseco di una call (definito come ‘Max(S-X-0)) eil suo prezzo calcolato secondo la formula di Black-Scholes. Da questo ‘grafico dovreste essere in grado di dedurre che non é mai ottimale esercitare prima della scadenza un'opzione call valutata secondo la formula di Black-Scholes. Create un grafico che metta a confronto il valore intrinseco di una put (=Max(X- ':0)) €il suo prezzo determinato secondo la formula di Black-Scholes. Da questo gra- fico dovreste essere in grado di dedurre che potrebbe essere ottimale esercitare prima della scadeniza un’ opzione put valutata secondo la formula di Black-Scholes, ‘azione American Express del Capitolo 14, Assumete che 26 Febbraio 1996, e che le date di scadenza delle opzioni 16 Febbraio 1996 = 15 Marzo 1996 5 = 19 Aprile 1996 “Lug = 19 Luglio 1996 Costruite due tabelle: ‘© Una seconda per le opzioni Utilizzate il Risolutore dl ezz0 dell'azione secondo (0 secondo la formula nel caso di un’attivita con prezzo S do, il precedente teorema conduce al’ tazione delle opzioni call C=Se"™N(a)—Xe™ (a), dove iduazione della seguente formu In (S/X) + (r—k+0%/2)T moms ontar + ieee a= dy = dy oT Utilizzate questo model a dl tasso di cambio attuale sul prezzo dell’ opzione.rarer eSNG 9 La formula di Black-Scholes pud snche essere usta pr alco i premio di unop- zone call, come percentuale de prezzo deserciio in termini di 9. C= SN(dh) X07 Nd)» € = 5 nid) —e-*H(a) dove 4, = BGA (+022) 7 er ieva <0, oF Implementate questa formula in un fogio di cao, 10, Analogamente a quanto eto neleserizo 9, a formula di Black-Scholes pu’ anche essere usata per calolare il premio di un'optione put, come perventale sel proses ‘desercizio in termini di S/X: » 8 = SN(—ah) + Xe N(—ds) > P= eT d) — 5 Nay Pa -SN(-di) +Xe™N(-dy) > 2 N(-ds) =F N(-ai) dove _n(S/x) + (r+ot/2)r ek ovT y= ay —oVT a Implementate questa formula in Excel. Trovate il valore di $/X in base al quale C/X'e PAX si “incroviano”” quando T = 0,5%, o = 25%, r = 10% (potete anche usare il Risolutore di Excel). Notate che questo punto d’incontro dipende dal tasso di interesse e dalla scadenza dell'opzione, ma non da ¢.