Calcolo Stocastico

Informazioni preliminari
Si considera un mercato dei capitali perfetti, ossia che prevede le seguenti caratteristiche:
 Si può vendere e acquistare qualsiasi quantità di titoli;
 è possibile vendere allo scoperto;
 i tassi attivi sono uguali a quelli passivi;
 non sono possibili arbitraggi.
L’arbitraggio si definisce come l'operazione che consiste nell'acquistare un bene o un'attività finanziaria su un mercato
rivendendolo su un altro mercato, sfruttando le differenze di prezzo al fine di ottenere un profitto. Se ne distinguono
due tipi: l’arbitraggio di tipo A consente un profitto immediato oggi a fronte di una spesa nulla futura; l’arbitraggio di
tipo B permette, non spendendo nulla oggi, di avere una possibilità di guadagno futura.
Il modello binomiale a un solo periodo
Nel modello binomiale ad un solo periodo si prende in considerazione un lasso di tempo Δt, intervallato dagli istanti 0
e t. Gli strumenti presi in esame sono due: lo stock e il bond. Lo stock è la componente aleatoria di un portafoglio,
quindi è un sottostante in un mercato quotato. Il bond è un titolo risk free deterministico. Conseguentemente, se per
lo stock è possibile aspettarsi due esiti (rialzo o ribasso) al tempo t, il bond è invece uno strumento che assicura una
certa rendita nel futuro.

È possibile utilizzare questi strumenti per prezzare un derivato qualsiasi, che chiaramente avrà anch’esso due esiti
diversi: f(u) in caso di rialzo ed f(d) in caso di ribasso.
Prezzare un derivato col metodo del portafoglio di replica
Questa tecnica si basa sul principio di no arbitrage: visto che il mercato perfetto non ammette arbitraggi, è possibile
costruire un portafoglio combinando titoli bond e stock in grado di replicare la performance futura del derivato e,
conseguentemente, anche il suo prezzo al tempo 0.
Si considerino:
 φ  indica la quantità dei titoli stock che compongono il portafoglio: se positiva si acquistano dei titoli, se
negativa si vende allo scoperto.
 Ψ  indica la quantità dei titoli bond che compongono il portafoglio: se positiva si investe del denaro, se
negativa si chiede in prestito.
È quindi possibile affermare che il prezzo del derivato (V0) al tempo 0 corrisponde al valore del portafoglio.
𝑉 = φ𝑆 + ΨB
Allo stesso modo, il valore futuro del portafoglio deve essere uguale al valore futuro del derivato nei due scenari di
rialzo e di ribasso.
φ𝑆 + Ψ𝐵 = 𝑓(𝑢)
φ𝑆 + Ψ𝐵 = 𝑓(𝑑)
È quindi possibile ricavare i valori di φ e Ψ che risolvono il sistema, che andranno poi sostituiti nell’equazione
precedente per ricavare V0.
𝑓(𝑢) − 𝑓(𝑑)
φ=
𝑆 −𝑆
𝑓(𝑢) − φ𝑆
Ψ=
𝐵
Prezzare un derivato col metodo delle risk neutral probabilities
Sostituendo i valori di φ e Ψ nell’equazione che definisce V0, con le dovute semplificazioni risulta che…
1 𝑆 𝐵 −𝑆 𝑆 −𝑆 𝐵
𝑉 = [ 𝑓(𝑢) + 𝑓(𝑑)]
𝐵 𝑆 −𝑆 𝑆 −𝑆
1
Da quest’equazione è possibile ricavare delle “proprietà artificiali” che possono essere utilizzate per ricavare il prezzo
attuale del derivato come se fosse un valore atteso.
𝑆 𝐵 −𝑆
𝑞=
𝑆 −𝑆
𝑆 −𝑆 𝐵
1−𝑞 =
𝑆 −𝑆
Segue che…
1
𝑉 = [𝑞 𝑓(𝑢) + (1 − 𝑞) 𝑓(𝑑)]
𝐵
Chiaramente, vale che q e (1-q) sono compresi fra 0 e 1; in altre parole, deve valere che 𝑆 < 𝑆 𝐵 < 𝑆 . Se così non
fosse si potrebbero realizzare degli arbitraggi: infatti, se 𝑆 𝐵 < 𝑆 , allora non converrebbe mai investire in titoli bond,
perché il sottostante di mercato dà comunque un rendimento migliore anche nel caso a ribasso.
Al contrario, se 𝑆 < 𝑆 𝐵 , allora non converrebbe mai investire nel sottostante, perché il titolo bond darebbe un
rendimento superiore al primo anche nel caso a rialzo.
Esempio – Prezzare un contratto forward
Il forward è un contratto di compravendita a termine avente come sottostante un bene reale oppure un'attività
finanziaria. È un contratto derivato simmetrico: entrambi i contraenti sono obbligati a effettuare una prestazione a
scadenza, ossia l'acquisto e la vendita dell'attività sottostante alla data pattuita secondo il prezzo di consegna (o
delivery price K) concordato all'atto della stipula. La stipula non comporta alcun esborso monetario immediato.
Si consideri la posizione lunga, ovvero quella dell’acquirente. L’unico prezzo che garantisce che fra le parti non vi sia
alcuna spesa immediata è…
𝑘=𝑆 𝑒 ∆
Il payoff del derivato sarà…
𝑓(𝑢) = 𝑆 − 𝑘
𝑓(𝑑) = 𝑆 − 𝑘
Il prezzo del forward è quindi…
1 1 1
𝑉 = [𝑞 𝑓(𝑢) + (1 − 𝑞) 𝑓(𝑑)] = [𝑞 (𝑆 − 𝑘) + (1 − 𝑞) (𝑆 − 𝑘)] = [𝑞 (𝑆 − 𝑆 ) + 𝑆 − 𝑘]
𝐵 𝐵 𝐵
1 1
= [𝑆 𝐵 − 𝑆 + 𝑆 − 𝑘] = [𝑆 𝐵 − 𝑘]
𝐵 𝐵

Esempio – Si dimostra che se il derivato è una call allora il portafoglio di replica avrà φ>0 e ψ<0
Un'opzione call è uno strumento derivato in base al quale l'acquirente
dell'opzione acquista il diritto, ma non l'obbligo, di acquistare un titolo
(detto sottostante) a un dato strike price k. Al fine di acquisire tale diritto,
l'acquirente paga una somma detta premio. Si distingue fra call europea,
che può essere esercitata solamente a una certa data, e call americana,
che può essere esercitata in qualunque momento tra la stipula del
contratto e la scadenza.
Il payoff della posizione lunga (compratore) della call, al lordo del premio,
è rappresentata nel grafico a lato. In termini matematici…
𝑝𝑎𝑦𝑜𝑓𝑓 = max (𝑆 − 𝑘; 0)
Quindi, in base alla definizione del payoff, 𝑓(𝑢) = 𝑆 − 𝑘 e 𝑓(𝑑) = 0, quindi…
𝑓(𝑢) − 𝑓(𝑑) 𝑆 −𝑘
φ= = >0
𝑆 −𝑆 𝑆 −𝑆
La quantità φ è maggiore di 0 perché Su > k e Su > Sd.
Allo stesso modo…
𝑆 −𝑘
𝑓(𝑢) − φ𝑆 𝑆 −𝑘− 𝑆 𝑆 (𝑘 − 𝑆 )
Ψ= = 𝑆 −𝑆 = <0
𝐵 𝐵 𝐵 (𝑆 − 𝑆 )
Dal punto di vista logico, chi vende la call teme un rialzo del sottostante, quindi per coprire le eventuali perdite gli
conviene comprarlo chiedendo dei soldi in prestito.
2
Esempio – Si dimostra che se il derivato è una put allora il portafoglio di replica avrà φ<0 e ψ>0
Un'opzione put è uno strumento derivato in base al quale l'acquirente
dell'opzione acquista il diritto, ma non l'obbligo, di vendere un titolo
(detto sottostante) a un dato strike price k, mentre l'altra parte si
impegnerà ad acquistare il titolo, se l'acquirente dell'opzione decide di
esercitare il suo diritto, ma avrà nel frattempo incassato il premio
(obbligatorio) dall'acquirente stesso. Si distingue fra put europea, che può
essere esercitata solamente a una certa data, e put americana, che può
essere esercitata in qualunque momento tra la conclusione del contratto
e la scadenza.
Il payoff della posizione lunga (compratore) della put, al lordo del premio, è rappresentata nel grafico a lato. In termini
matematici…
𝑝𝑎𝑦𝑜𝑓𝑓 = max (k − S, 0)
Quindi, in base alla definizione del payoff, 𝑓(𝑢) = 0 e 𝑓(𝑑) = 𝑘 − 𝑆 , quindi…
𝑓(𝑢) − 𝑓(𝑑) 𝑆 −𝑘
φ= = <0
𝑆 −𝑆 𝑆 −𝑆
La quantità φ è maggiore di 0 perché Sd < k, Su > Sd.
Allo stesso modo…
𝑆 (𝑘 − 𝑆 )
Ψ= >0
𝐵 (𝑆 − 𝑆 )
Dal punto di vista logico, chi vende la put teme un ribasso del sottostante, quindi per coprire le eventuali perdite gli
conviene venderlo allo scoperto per investire il ricavato in un bond.
Prezzare un derivato col metodo di Black e Sholes
L’approccio di Black e Sholes consiste nel prezzare un derivato partendo dalla costruzione di un portafoglio
deterministico, cioè in grado di restituire lo stesso valore finale indipendentemente dal fatto che il mercato vada a
rialzo o a ribasso. Il portafoglio è composto da una quantità Δ di sottostante da acquistare, e da un derivato che si
vende allo scoperto. In generale, il valore del portafoglio al tempo t è pari a…
−𝑓(𝑢) + ∆𝑆  se il mercato va a rialzo
−𝑓(𝑑) + ∆𝑆  se il mercato va a ribasso
Per ottenere un portafoglio deterministico basta considerate i due scenari equivalenti, cioè porre l’uno uguale all’altro,
per poi ricavare Δ.
−𝑓(𝑢) + ∆𝑆 = −𝑓(𝑑) + ∆𝑆
𝑓(𝑢) − 𝑓(𝑑)
∆=
𝑆 −𝑆
Poiché nel mercato dei capitali perfetti non c’è arbitraggio, il portafoglio deve offrire lo stesso rendimento del bond.
Conseguentemente, il valore del portafoglio al tempo 0 deve essere uguale al valore futuro scontato al tasso del bond.
1
−𝑓(0) + ∆𝑆 = [−𝑓(𝑢) + ∆𝑆 ]
𝐵
È quindi possibile prezzare il derivato.
1
𝑓(0) = ∆𝑆 − [−𝑓(𝑢) + ∆𝑆 ]
𝐵
Sostituendo Δ nell’equazione sopra riportata si ottiene lo stesso risultato del metodo delle risk neutral probabilities.
1 𝑆 𝐵 −𝑆 𝑆 −𝑆 𝐵
𝑉 = [ 𝑓(𝑢) + 𝑓(𝑑)]
𝐵 𝑆 −𝑆 𝑆 −𝑆

3
Il modello binomiale esteso
È possibile estendere il modello precedente in n istanti temporali creando degli alberi in cui si ha una corrispondenza
biunivoca fra nodi e cammini: ciò significa che esiste un cammino specifico per giungere ad un determinato nodo. In
questo caso, si parla di alberi non ricombinanti. Tuttavia, visto che dopo n istanti si vengono a creare 2n nodi, per
semplicità si preferisce usare gli alberi non ricombinanti, ossia quelli in cui manca una corrispondenza biunivoca fra
nodi e cammini. Ciò permette di semplificare i calcoli, visto che dopo n passi si avranno soltanto n+1 nodi.

Per prezzare un derivato, si parte dai nodi finali (di cui si conoscono i payoff da contratto) per determinare il valore dei
nodi precedenti con le risk neutral probabilities, procedendo a ritroso fino al primo nodo, che corrisponde al prezzo
del derivato al tempo 0.
Esempio – Prezzo di un derivato con albero ricombinante su 3 periodi

L’immagine raffigura due alberi ricombinanti relativi ad un sottostante, che aumenta o diminuisce di 20 il suo valore
per ogni periodo a seconda che il mercato vada a rialzo o a ribasso, e un derivato i cui payoff sono i valori dei nodi
finali. Supponendo che r=0 e che q=1/2=1-q per ogni nodo, è possibile calcolare il prezzo del derivato.
Si parte determinando i nodi dell’istante 2, quindi cuu, cud e cdd.
1 1 1
𝑐 = 60 + 20 = 40
1 2 2
Si procede poi a ritroso per tutti i nodi, fino a determinare c0, ossia il prezzo del derivato oggi.

È possibile poi costruire dei portafogli di copertura per ogni nodo, ossia dei portafogli autofinanzianti in grado di
replicare l’andamento del derivato. Questi portafogli vanno tenuti fino all’istante temporale successivo e cambiati
subito dopo per far sì che nodo per nodo il detentore abbia lo stesso valore del derivato.
Esempio – Costruzione di un portafoglio di copertura
Si riprenda l’esempio precedente e si supponga di voler costruire un portafoglio di replica al tempo 3 nel caso il
mercato segua il percorso up-up-down.
𝑓(𝑢) − 𝑓(𝑑) 60 − 20
φ = = =1
𝑆 −𝑆 160 − 120
𝑓(𝑢) − φ𝑆 60 − 1 ∗ 160
Ψ = = = −100
𝐵 1
È possibile prezzare qualsiasi derivato (call, put, cash or nothing, asset or nothing, ecc.) e costruire il relativo portafoglio
di replica, purché si conoscano i payoff finali.

4
 È poi possibile, conoscendo le risk neutral probabilities di ogni nodo, determinare
direttamente il prezzo del derivato con una formula generale che può essere
interpretata come un valore atteso artificiale scontato. Nell’esempio riportato a
lato, si avrebbe che…
1
𝑓(1) = [𝑞 𝑞 𝑓(7) + 𝑞 (1 − 𝑞 )𝑓(6) + (1 − 𝑞 )𝑞 𝑓(5)
𝐵
+ (1 − 𝑞 )(1 − 𝑞 )𝑓(4)]
Ovviamente, siccome i singoli eventi sono indipendenti, la probabilità totale è il
prodotto delle probabilità. B2 indica il valore attualizzato oggi del bond al tempo 2.
Nel caso in cui gli alberi siano ricombinanti, occorre tenere conto del numero di cammini che possono essere seguiti
per arrivare ad un nodo. Riprendendo l’esempio precedente…
1 1 1 1 1
𝑐 = [ ∗ 60 + 3 ∗ ∗ 20 + 3 ∗ ∗ 0 + ∗ 0]
1 8 8 8 8
Mercato a tre scenari
Si supponga che gli scenari di mercato siano tre: up, medium, down. Chiaramente, il derivato e lo stock avranno tre
payoff diversi a seconda dello stato di mercato: ciò però determina l’impossibilità di prezzare il derivato, perché si
avrebbe un sistema di tre equazioni a due incognite.
Per risolvere questo problema occorre considerare una terza attività aleatoria quotata, come ad esempio una call.
Definendo come X la quantità dell’option da acquistare, il portafoglio sarà del tipo (φ, ψ, X). Considerando il modello
binomiale, è possibile conoscere la composizione del portafoglio di replica risolvendo il seguente sistema.
φ𝑆 + Ψ𝐵 + 𝑋𝑐 = 𝑓(𝑢)
φ𝑆 + Ψ𝐵 + 𝑋𝑐 = 𝑓(𝑚)
φ𝑆 + Ψ𝐵 + 𝑋𝑐 = 𝑓(𝑑)
Quindi la presenza di opzioni arricchisce il mercato e lo rende completo, cioè che garantisce che tutti i derivati siano
replicabili e abbiano un unico prezzo.
Valore atteso condizionato
Il valore atteso condizionato di un processo stocastico è il suo valore atteso rispetto ad una distribuzione di probabilità.
Chiaramente, questa è una variabile aleatoria, perché i suoi valori dipendono dalla distribuzione di probabilità e dalla
filtrazione F, ossia le informazioni disponibili (per ogni t esiste una filtrazione Ft che fornisce le informazioni in merito
all’evoluzione del processo stocastico fino al tempo t).
𝐸 [𝑋|𝐹 ]
dove 𝑋 rappresenta la variabile aleatoria. Per semplicità, di seguito verrà trascritta senza la tilde.
 Proprietà 1: il valore atteso condizionato al tempo 0 è uguale al valore atteso non condizionato, perché le
informazioni disponibili sono nulle.
𝐸 [𝑋 𝐹 ] = 𝐸 [𝑋 ]
 Proprietà 2: il valore atteso condizionato al tempo T è uguale al valore della variabile stessa al tempo T.
𝐸 [𝑋 𝐹 ] = 𝑋
Esempio – Calcolo del valore atteso condizionato di una variabile aleatoria
Si consideri il sottostante rappresentato nell’albero non ricombinante a lato, con p=1-
p=1/2 per ogni nodo. Le filtrazioni riportano il cammino (i nodi) seguito fino al tempo di
riferimento, ovvero:
𝐹 = {1}
𝐹 = {(1,2); (1,3)}
𝐹 = {(1,2,4); (1,2,5); (1,3,6); (1,3,7)}
Le variabili aleatorie sono le seguenti:
𝑆 = 80
𝑆 = (60,120)
𝑆 = (180,80,72,36)
È quindi possibile calcolare i valori attesi condizionati per ogni nodo.
1 1 1 1
𝐸 𝑆 𝐹 = 𝐸 𝑆 = ∗ 180 + ∗ 80 + ∗ 72 + ∗ 36 = 92
4 4 4 4

5
 1 1
𝐸 𝑆 𝐹 = ∗ 72 + ∗ 36 = 54 → 𝑠𝑒 è 𝑠𝑡𝑎𝑡𝑜 𝑠𝑒𝑔𝑢𝑖𝑡𝑜 𝑖𝑙 𝑐𝑎𝑚𝑚𝑖𝑛𝑜 (1,2)
2 2
1 1
= ∗ 180 + ∗ 80 = 130 → 𝑠𝑒 è 𝑠𝑡𝑎𝑡𝑜 𝑠𝑒𝑔𝑢𝑖𝑡𝑜 𝑖𝑙 𝑐𝑎𝑚𝑚𝑖𝑛𝑜 (1,3)
2 2
𝐸 𝑆 𝐹 = 36 → 𝑠𝑒 è 𝑠𝑡𝑎𝑡𝑜 𝑠𝑒𝑔𝑢𝑖𝑡𝑜 𝑖𝑙 𝑐𝑎𝑚𝑚𝑖𝑛𝑜 (1,2,4)
= 72 → 𝑠𝑒 è 𝑠𝑡𝑎𝑡𝑜 𝑠𝑒𝑔𝑢𝑖𝑡𝑜 𝑖𝑙 𝑐𝑎𝑚𝑚𝑖𝑛𝑜 (1,2,5)
= 80 → 𝑠𝑒 è 𝑠𝑡𝑎𝑡𝑜 𝑠𝑒𝑔𝑢𝑖𝑡𝑜 𝑖𝑙 𝑐𝑎𝑚𝑚𝑖𝑛𝑜 (1,3,6)
= 180 → 𝑠𝑒 è 𝑠𝑡𝑎𝑡𝑜 𝑠𝑒𝑔𝑢𝑖𝑡𝑜 𝑖𝑙 𝑐𝑎𝑚𝑚𝑖𝑛𝑜 (1,3,7)
Nell’esempio precedente è stato considerato uno stock, ma è possibile fare lo stesso con un derivato considerando
l’albero dei suoi payoff.
Tower law o legge di concatenazione
Si considerino due istanti temporali i e j tali che i < j. La tower law implica che condizionare prima al tempo j e poi al
tempo i è equivalente a condizionare direttamente al tempo i.
𝐸 [𝑋 |𝐹 ] = 𝐸 [𝐸 [𝑋 |𝐹 ]|𝐹 ]
Martingala
Si consideri un processo stocastico aleatorio. Questo processo stocastico si definisce una misura di martingala se il
valore atteso condizionato al tempo n+1 (domani), considerate le informazioni disponibili al tempo n (oggi), è pari al
valore della variabile stessa al tempo n. In termini matematici…
𝐸 [𝑋 |𝐹 ] = 𝑋
Allo stesso modo, è possibile definire…
𝐸 [𝑋 |𝐹 ] ≥ 𝑋 → 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑜 𝑑𝑖 𝑠𝑢𝑏𝑚𝑎𝑟𝑡𝑖𝑛𝑔𝑎𝑙𝑎
𝐸 [𝑋 |𝐹 ] ≤ 𝑋 → 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑜 𝑑𝑖 𝑠𝑢𝑝𝑒𝑟𝑚𝑎𝑟𝑡𝑖𝑛𝑔𝑎𝑙𝑎
Definizione alternativa della martingala
𝐸 [∆𝑋 |𝐹 ] = 0
Dimostrazione
𝐸 [∆𝑋 |𝐹 ] = 𝐸 [𝑋 − 𝑋 |𝐹 ] = 𝐸 [𝑋 |𝐹 ] − 𝐸 [𝑋 |𝐹 ] = 𝑋 − 𝑋 = 0
Proprietà della tower law
Data una misura di martingala, l’uguaglianza della tower law vale per qualsiasi numero di passi. In altre parole, non è
necessario che i e j siano istanti consecutivi. Conseguentemente, il valore atteso condizionato di una martingala deve
essere uguale al valore della variabile stessa al tempo di cui sono disponibili le ultime informazioni. In termini
matematici…
𝐸 𝑋 𝐹 = 𝑋 𝑐𝑜𝑛 𝑖 < 𝑗
Dimostrazione
Si considerino, ad esempio, quattro istanti temporali: n, n+1, n+2, n+3.
𝐸 [𝑋 |𝐹 ] = 𝐸 [𝐸 [𝑋 |𝐹 ]|𝐹 ] = 𝐸 [𝑋 |𝐹 ] = 𝐸 [𝐸 [𝑋 |𝐹 ]|𝐹 ] = 𝐸 [𝑋 |𝐹 ] = 𝑋
Il valore atteso di una misura di martingala
Il valore atteso di una martingala a qualsiasi istante temporale è pari al valore iniziale della variabile stessa. In termini
matematici…
𝐸[𝑋 ] = 𝑋
Dimostrazione
Si considerino tre istanti temporali: 0, 1, 2.
𝐸[𝑋 ] = 𝐸[𝑋 |𝐹 ] = 𝑋
𝐸[𝑋 ] = 𝐸[𝐸[𝑋 |𝐹 ]|𝐹 ] = 𝐸[𝑋 |𝐹 ] = 𝑋
Risk neutral probabilities e martingala
Si consideri l’albero non ricombinante riportato a sinistra. Si consideri poi che in ogni nodo
vi sia una probabilità p=1/2 che il mercato vada up o che vada down. È facilmente
dimostrabile che il processo stocastico così descritto non è una martingala, perché il valore
atteso al tempo 1 è diverso da quello al tempo 0.
1 1
𝐸 [𝑋 |𝐹 ] = 120 + 60 = 90 ≠ 𝑆
2 2

6
Adesso si consideri una misura di probabilità Q tale che in ogni nodo essa sia uguale alle risk neutral probabilities q e
1-q. Sapendo che r=0 e che B1=B2=1, al nodo 1 le probabilità sono:
𝑆 𝐵 −𝑆 80 − 60 1
𝑞 = = =
𝑆 −𝑆 120 − 60 3
Calcolando il valore atteso al tempo 1 rispetto alla misura Q si ha che…
1 2
𝐸 [𝑋 |𝐹 ] = 120 + 60 = 80 = 𝑆
3 3
Nell’albero riportato sulla sinistra sono ora riportate le risk neutral probabilities calcolate
per ogni nodo. È quindi possibile calcolare il valore atteso del processo anche per i restanti
nodi.
2 3
𝐸 [𝑋 |𝐹 ] = 180 + 80 = 120 𝑠𝑒 𝑠𝑖 𝑝𝑎𝑟𝑡𝑒 𝑑𝑎𝑙 𝑛𝑜𝑑𝑜 3
5 5
2 1
= 72 + 36 = 60 𝑠𝑒 𝑠𝑖 𝑝𝑎𝑟𝑡𝑒 𝑑𝑎𝑙 𝑛𝑜𝑑𝑜 2
3 3
Teorema – Se in un modello binomiale si considera una distribuzione di probabilità Q (risk neutral probabilities), allora
il processo rispetto a tale distribuzione è una martingala.
Dimostrazione
Si consideri un processo 𝑍 = tale che possa andare up con probabilità q e down con probabilità 1-q. Occorre
dimostrare che il processo è una martingala.
𝑆 𝐵 −𝑆 𝑆 −𝑆 𝐵
𝐸 [𝑍 |𝐹 ] = 𝑞 𝑍 + (1 − 𝑞) 𝑍 = 𝑍 + 𝑍
𝑆 −𝑆 𝑆 −𝑆
𝑆 𝑆 𝑆 𝑆
𝑆𝐵 𝑍 −𝑆 𝑍 +𝑆 𝑍 −𝑆𝐵 𝑍 𝑆𝐵 𝐵 −𝑆 𝐵 +𝑆 𝐵 −𝑆 𝐵 𝐵
= =
𝑆 −𝑆 𝑆 −𝑆
𝑆𝐵
𝐵 𝑆 −𝑆 𝑆𝐵 𝑆𝐵 𝑆
= = = =
𝑆 −𝑆 𝐵 𝐵𝐵 𝐵
Teorema: rappresentazione delle martingala binomiali
Se si considerano due processi di martingala rispetto alla stessa misura, Si e Ni, allora vi sarà un terzo processo Qi
previsibile, cioè che si conosce al tempo i-1, tale che ∆𝑆 = 𝑄 ∗ ∆𝑁 , dove ∆𝑆 = 𝑆 − 𝑆 e ∆𝑁 = 𝑁 − 𝑁 .
Dimostrazione
Genericamente, vale ∆𝑆 = 𝑄 ∗ ∆𝑁 + 𝐾 , quindi per dimostrare il teorema è sufficiente dimostrare che Ki=0. È
possibile riscrivere l’equazione precedente come…
𝐾 = ∆𝑆 − 𝑄 ∗ ∆𝑁
Conseguentemente, anche Ki risulta essere previsibile, in quanto somma di processi previsibili; quindi…
𝐸[𝐾 |𝐹 ] = 𝐾
Sostituendo il valore di Ki nel valore atteso e ricordando che per definizione delle martingala 𝐸 [∆𝑋 |𝐹 ] = 0, si ha
che…
𝐾 = 𝐸[∆𝑆 − 𝑄 ∗ ∆𝑁 |𝐹 ] = 𝐸[∆𝑆 |𝐹 ] − 𝑄 ∗ 𝐸[∆𝑁 |𝐹 ] = 0 − 𝑄 ∗ 0 = 0
Teorema: option pricing formula – Se esiste una misura Q definita nodo per nodo tale che il processo dei prezzi scontati
è una Q-Martingala, allora esiste un unico prezzo della variabile aleatoria per ogni nodo i pari a…
𝑋
𝑉 = 𝐵 ∗ 𝐸 [ |𝐹 ]
𝐵
Segue che il prezzo del derivato, ovvero il suo valore oggi, è pari a…
𝑋
𝑉 =𝐸 [ ]
𝐵
perché B0=1 e condizionare a F0 è superfluo.
Osservazione
I portafogli di replica hanno lo stesso valore del derivato in ogni nodo, quindi l’option pricing formula fornisce anche il
valore del portafoglio di replica. Segue che il valore del portafoglio alla scadenza sarà uguale al payoff del derivato:
𝑉 =𝑋 .
7
È quindi possibile riscrivere l’option pricing formula come…
𝑉 𝑋 𝑉
=𝐸 𝐵 𝐹 =𝐸 𝐵 𝐹
𝐵
Vale a dire che il valore atteso condizionato alla misura di martingala al tempo i del processo al tempo T, è uguale al
valore del processo al tempo i. Conseguentemente, anche il processo dei portafogli scontati è una misura di martingala
rispetto a Q.
Portafogli autofinanzianti: Δ hedging
In generale, affermare che un portafoglio sia autofinanziante, vuol dire che, per ogni nodo, il valore in entrata, ossia
quello che si ha appena prima del nodo, deve essere uguale al valore in uscita, ossia quello che si ha appena dopo il
nodo.
φ 𝑆 +ΨB =φ 𝑆 +Ψ B
In generale, si ha che ∆𝑉 = 𝑉 − 𝑉 = φ 𝑆 + Ψ B − φ 𝑆 + Ψ B . Ma se il portafoglio è autofinanziante,
si ha che…
∆𝑉 = φ 𝑆 + Ψ B − φ 𝑆 + Ψ B = φ ∆𝑆 + Ψ ∆B
Quindi, se il portafoglio è autofinanziante, la variazione del valore del portafoglio dipende solo dalle variazioni delle
quotazioni dello stock sottostante e del bond, ma non dalle loro quantità.
Processi di Markov
Un processo stocastico è detto markoviano se le probabilità di transizione (ossia le probabilità che regolano il passaggio
da uno stato ad un altro stato) dipendono unicamente dallo stato assunto dal sistema nell’istante precedente a quello
considerato. In altre parole, lo stato presente del sistema permette di conoscere il suo comportamento futuro e la
storia precedente non ha influenza; per questo motivo i processi markoviani sono detti "senza memoria". In termini
matematici…
𝑃[𝑋 ∈ 𝐴|𝐹 ] = 𝑃[𝑋 ∈ 𝐴|𝑋 ]
La formula indica che la probabilità che il valore del processo appartenga ad un certo insieme di valori
condizionatamente a tutta la storia passata (filtrazione), è uguale alla probabilità condizionata al valore oggi: in pratica,
non ha importanza come si è arrivati al valore odierno, conta solo il valore stesso. Da qui si deduce che i prezzi attuali
contengono tutta l’informazione necessaria per stimare i prezzi futuri.
Cenni su opzioni
Se il sottostante non stacca dividendi, allora una call americana, che dà il diritto al detentore di esercitare prima della
scadenza, non vale di più di una call europea.
Dimostrazione
Si considerino due portafogli: il primo è composto da una call europea con strike K, il secondo da un titolo S(t)-VAt(K).
Alla scadenza dell’opzione, cioè al tempo T, si hanno due scenari (up e down).

Com’è possibile notare, nello scenario UP i due portafogli hanno lo stesso valore, mentre nello scenario down il valore
del primo portafoglio è maggiore di quello del secondo. Tuttavia, secondo il principio di non arbitraggio, se un
portafoglio vale di più dell’altro alla scadenza, allora questa condizione deve verificarsi in ogni istante t. Segue che…
𝐶 (𝑡) ≥ 𝑆(𝑡) − 𝑉𝐴 (𝐾) ≥ 𝑆(𝑡) − 𝐾
Ma, visto che la call americana può essere esercitata in qualsiasi momento, si ha che il suo payoff è proprio pari a
𝑆(𝑡) − 𝐾. Segue che…
𝐶 (𝑡) ≥ 𝐶 (𝑡)
Quindi, il valore di una call europea, in assenza di dividendi, è maggiore o uguale a quello di una call americana.
In presenza di dividendi, la condizione precedente non è verificata.
Banalmente, se un titolo stacca dei dividendi, la sua quotazione diminuisce di un valore pari al dividendo stesso; quindi,
esercitare prima o dopo lo stacco non è indifferente: per questo la call americana vale di più di quella europea.
8
Esempio
Si consideri il sottostante descritto nella figura seguente. Il sottostante distribuisce dividendi pari a 10 in ogni periodo.
Si consideri poi una call europea con strike K=89. Le probabilità up-down sono rispettivamente ¾ e ¼. Si consideri
r=0,05.

Visto che è possibile esercitare la call europea solo dopo la distribuzione dei dividendi, si ha che…
1 3 1
𝑐 = ∗ 21 + ∗ 1 = 15,38
1,05 4 4
𝑐 =0
1 3 1
𝑐 = ∗ 15,38 + ∗ 0 = 10,99
1,05 4 4
Adesso si consideri una call americana analoga alla precedente. Visto che è possibile esercitare un attimo prima della
distribuzione dei dividendi, si ha che…
𝑐 = max{15,38; 21} = 21
𝑐 = max{1; 0} = 1
1 3 1
𝑐 = ∗ 21 + ∗ 1 = 15,24
1,05 4 4
𝑐 >𝑐
La relazione di cui sopra non è verificata per la put.
Esempio
Si consideri il sottostante descritto nella figura seguente. Si consideri poi una put europea con strike K=100. Le
probabilità up-down sono rispettivamente 1/3 e 2/3. Si consideri r=0,1.

Si ha che…
𝑝 =0
1 1 2
𝑝 = ∗ 0 + ∗ 10 = 6,06
1,1 3 3
1 1 2
𝑝 = ∗ 0 + ∗ 6,06 = 3,67
1,1 3 3
Adesso si consideri una put americana analoga alla precedente. Visto che si può esercitare prima della scadenza, si ha
che 𝑝 = max{6,06; 10} = 10; al contempo, 𝑝 = max{3,67; 10} = 10, perché al tempo 0 il sottostante vale 90,
ed esercitando ottengo 100-90=10. Quindi, in assenza di dividendi, la put americana vale di più di quella europea.
Processi continui a tempo continuo
Una funzione di densità di probabilità continua è un modello che definisce analiticamente come si distribuiscono i
valori assunti da una variabile aleatoria continua. Quando si dispone di un’espressione matematica adatta alla
rappresentazione di un fenomeno continuo, siamo in grado di calcolare la probabilità che la variabile aleatoria assuma
valori compresi in intervalli. Tuttavia la probabilità che la variabile aleatoria continua assuma un particolare valore è
pari a zero.
La distribuzione normale ha alcune importanti caratteristiche:
 la distribuzione normale ha una forma campanulare e simmetrica;
9
  le sue misure di posizione centrale (valore atteso, mediana) coincidono;
 assume il suo massimo per x=0;
 la variabile aleatoria con distribuzione normale assume valori compresi tra -∞ e + ∞.
La funzione di densità di probabilità normale è data dalla seguente espressione:
1
𝑓(𝑋) = 𝑒 [ ]
√2𝜋𝜎
Per un insieme di dati con distribuzione normale:
• approssimativamente il 68.27% apparterrà all’intervallo (µ – σ, µ + σ);
• approssimativamente il 95.45% apparterrà all’intervallo (µ – 2 σ, µ + 2 σ);
• approssimativamente il 99.7% apparterrà all’intervallo (µ – 3 σ, µ + 3 σ).
Introduciamo ora una formula di trasformazione delle osservazioni, chiamata standardizzazione, che consente nel
trasformare una generica variabile aleatoria normale in una variabile aleatoria normale standardizzata.
𝑋−𝜇
𝑌=
𝜎
La variabile aleatoria standardizzata Y ha la caratteristica di avere valore atteso nullo (µ=0) e scarto quadratico medio
pari a uno (σ=1). Quindi è sempre possibile trasformare qualsiasi insieme di valori distribuiti normalmente nel
corrispondente insieme di valori standardizzati.
La funzione di densità di probabilità normale standardizzata è quindi data dalla seguente espressione:
1
𝑓(𝑋) = 𝑒
√2𝜋
È possibile definire la funzione di ripartizione (o probabilità cumulata della normale), che permette di calcolare la
probabilità per cui la variabile causale X assuma valori minori o uguali di un certo x.
1 [ ]
𝐹(𝑋) = 𝑃(𝑋 ≤ 𝑥) = 𝑒
√2𝜋𝜎
Per calcolare i valori delle probabilità non è possibile calcolare direttamente l’integrale perché la funzione non
ammette una primitiva. È possibile però avere dei valori approssimati ricavabili dalle tavole.
Teorema del limite centrali
Si consideri una successione di variabili aleatorie X indipendenti e identicamente distribuite; si consideri poi che
𝐸[𝑥 ] = 𝜇 e che 𝑉𝑎𝑟[𝑥 ] = 𝜎 .
Si consideri poi la somma Sn di n variabili xi. Quest’ultima sarà tale per cui 𝐸[𝑆 ] = 𝑛 𝜇 e che 𝑉𝑎𝑟[𝑆 ] = 𝑛 𝜎 .
Standardizzando la somma si ottiene…
𝑆 −𝑛𝜇 ∑ 𝑥 −𝑛𝜇
= ~𝑁(0,1)
√𝑛 𝜎 √𝑛 𝜎
Che equivale a dire che…
∑ 𝑥 −𝑛𝜇 1
lim 𝑃( ≤ 𝑥) = 𝑒
→ √𝑛 𝜎 √2𝜋
Moto browniano (processi di Weiner)
Random walk
Si consideri un processo di random walk Wn(t) nel discreto che abbia le seguenti proprietà:
 Wn(0)=0;
 ogni passo temporale ha lunghezza 1/𝑛;
 i salti up-down hanno uguale ampiezza pari a 1/√𝑛;
 le probabilità up-down sono uguali e pari a 1/2.
Si prenda in esame W16: se si vuole studiare il suo andamento fino a t=1 si devono prendere in considerazione 16 passi.
Nel grafico sottostante, si è analizzato l’andamento d-u-u-u-u-d-d-u-d-d-u-u-u-u-d-d.

10
 1,2

1 1

0,8
0,75 0,75 0,75

0,6
0,5 0,5 0,5 0,5 0,5
0,4

0,25 0,25 0,25 0,25

0,2

0 0 0
1/16 1/8 3/16 1/4 5/16 3/8 7/16 1/2 9/16 5/8 11/16 3/4 13/16 7/8 15/16 1
-0,2
-0,25

-0,4

Adesso si consideri W1. Poiché il valore del processo in un generico istante può aumentare di 1 o diminuire di −1 con
probabilità pari a 1/2, si ha che…
1 1
𝐸[𝑋 ] = ∗ 1 − ∗ 1 = 0
2 2
𝑉𝑎𝑟[𝑋 ] = 1
Dividendo il tutto per n passi, si ha…
𝑥 𝑥 𝑥
𝑊 = + + ⋯+
√𝑛 √𝑛 √𝑛
𝑋 1
𝐸 = 𝐸[𝑋 ] = 0
√𝑛 √𝑛
𝑋 1 1
𝑉𝑎𝑟 = 𝑉𝑎𝑟[𝑋 ] =
√𝑛 𝑛 𝑛
Quindi è possibile affermare che la posizione del processo dopo i passi è data dalla sommatoria di i variabili aleatorie
indipendenti e identicamente distribuite con media nulla e varianza pari a 1/n.
In ogni caso, all’aumentare del numero di passi, la media sarà sempre uguale a 0, mentre la varianza si amplierà, ma
comunque non potrà mai andare all’infinito perché il processo è controllato.
Estendendo queste considerazioni nel continuo, ossia se 𝑛 → ∞, è
possibile usare il teorema del limite centrale, da cui si evince che il
processo Wn(t) avrà sempre media 0 e varianza t (l’intervallo
temporale considerato), e che seguirà una distribuzione di
probabilità di tipo normale N(0,1).
Tuttavia, non è importante considerare il valore della variabile
aleatoria in un certo istante, bensì ciò che importa sono gli
incrementi, ossia le differenze fra una posizione temporale e
un’altra.
𝑊 (𝑠 + 𝑡) − 𝑊 (𝑠) ~ 𝑁(0, 𝑡)
La differenza sopra riportata indica l’incremento della posizione
temporale, che è una variabile aleatoria (in quanto differenza di
variabili aleatorie) che segue la stessa distribuzione di probabilità di
Wn(t), che non dipende dall’istante s considerato ma solo dall’intervallo temporale fra le due posizioni, ovvero t. Si
parla di processi a incrementi stazionari.
Moto browniano standardizzato
Un processo continuo al tempo continuo è un moto browniano rispetto ad una misura di probabilità P e alla sua
filtrazione F se valgono le seguenti proprietà:
1) la traiettoria Wt è continua per ogni t e per convenzione parte da 0: 𝑊 =0;
11
 2) 𝑊 ~𝑁(0, 𝑡) rispetto a P;
3) 𝑊 − 𝑊 ~𝑁(0, 𝑡) rispetto a P
questa variabile incremento è indipendente dalla filtrazione Fs, ossia da tutta i movimenti passati fino al tempo
s. Quindi gli incrementi del processo non solo sono indipendenti, ma anche stazionari.
Distribuzione log-normale
Si consideri 𝑋~𝑁(𝜇, 𝜎 ). È possibile affermare che 𝑌 = 𝑒 segue una distribuzione log normale, cioè 𝑌~𝐿𝑁(𝜇, 𝜎 ).
NOTA: la media e la varianza indicate nella parentesi corrispondono a quelle dell’esponente.
La funzione di densità di probabilità log-normale è data dalla seguente espressione:
1 1 ( )
𝑓(𝑌) = 𝑒
𝑌 √2𝜋𝜎
𝐸[𝑌] = 𝑒
𝑉𝑎𝑟[𝑌] = 𝐸[𝑌] ∗ (𝑒 − 1)
𝑀𝑒𝑑𝑖𝑎𝑛𝑎[𝑌] = 𝑒
𝑀𝑜𝑑𝑎[𝑌] = 𝑒
Distribuzione normale Distribuzione log normale

Grafico

Estensione Da - ∞ a + ∞ Da 0 a + ∞
Simmetria Simmetrica Non simmetrica
Caratteristiche Media = Mediana = Moda Media > Mediana > Moda
Moto browniano aritmetico e geometrico
Il processo 𝑆(𝑡) = 𝑆(0) + 𝜇𝑡 + 𝜎𝑊(𝑡), che segue la distribuzione normale in quanto
combinazione lineare di una distribuzione normale, è noto come moto browniano aritmetico,
rappresentato nel grafico a lato.
Questo processo però, non può essere utilizzato per rappresentare l’evoluzione dei prezzi.
Questo perché, la parte aleatoria dello stesso potrebbe portare a prezzi negativi, il che è
impossibile.
Per ovviare a questo problema, si utilizza il moto browniano geometrico, che in termini matematici è espresso come…
( )
𝑆(𝑡) = 𝑆(0)𝑒

Segue quindi che l’evoluzione dei prezzi segue una distribuzione LN(μt,σ2t).
NOTA: se S(0) ≠ 1, 𝑆(𝑡) = 𝑒 ( ) ( )
, con 𝑆(𝑡)~𝐿𝑁(𝑙𝑛 𝑆(0) + 𝜇𝑡, 𝜎𝑊(𝑡)).
Esempio – Moto browniano geometrico
Si consideri una variabile aleatoria W(t) con μ = 0 e σ = √t.
Si consideri poi un titolo tale che il suo valore attuale sia S(0) = 1, e che abbia μ = 0,01 e σ = 0,1. Si determini il valore
del titolo fra dieci anni.
𝑆(10) = 𝑒 , , ( )
Per poter studiare S(10) occorre prima studiare W(10), la cui deviazione standard è σ = √10 = 3,1623. Visto che W(t)
segue una distribuzione normale, è possibile affermare che col 99.7% di probabilità sarà compresa fra μ ± 3 σ, ossia…
−9,4869 < 𝑊(10) < 9,4869
È quindi possibile analizzare l’esponente di e, per poi passare a S(10).
−0,8487 < 0,1 + 0,1𝑊(10) < 1,0487
0,428 < 𝑆(10) = 𝑒 , , ( ) < 2,854
È quindi possibile calcolare media e varianza di S(10) e rappresentare la relativa distribuzione log normale.
12
 ,
𝐸[𝑆(10)] = 𝑒 , = 1,0151
,
𝑉𝑎𝑟[𝑆(10)] = 1,0151 𝑒 − 1 = 0,0104

Quindi, il 99.7% delle traiettorie del titolo sono comprese nel triangolo individuato fra il valore minimo di S(10) e il suo
valore massimo.
Chiaramente, il modello è sensibile alla volatilità: all’aumentare del t considerato aumenterà anche la deviazione
standard (e quindi l’intervallo di valori).
Algebra degli infinitesimi
Si consideri un differenziale, ossia un incremento infinitesimo, 𝑑𝑓(𝑥) = 𝑓(𝑥 + 𝑑𝑥) − 𝑓(𝑥). In generale, se una
funzione è deterministica e derivabile, la variazione infinitesima può essere approssimata così:
𝑓(𝑥 + 𝑑𝑥) − 𝑓(𝑥) ≅ 𝑓 (𝑥)𝑑𝑥
Dimostrazione
In base alla formula di Taylor…
1
𝑓(𝑥 + 𝑑𝑥) ≅ 𝑓(𝑥) + 𝑓 (𝑥)𝑑𝑥 + 𝑓 (𝑥)(𝑑𝑥 ) + ⋯
2
Tuttavia, poiché dx è un valore infinitesimo, le sue potenze sono trascurabili, quindi segue che…
𝑓(𝑥 + 𝑑𝑥) ≅ 𝑓(𝑥) + 𝑓 (𝑥)𝑑𝑥
Da lì si ricava l’approssimazione riportata sopra.
Quest’approssimazione è vera solo nel caso di variabili deterministiche: le potenze di dx non sono trascurabili se x è
una variabile aleatoria.
Si consideri il differenziale stocastico del moto browniano 𝑑𝑤(𝑡) = 𝑤(𝑡 + 𝑑𝑡) − 𝑤(𝑡); questo segue una distribuzione
normale con…
𝐸[𝑑𝑤(𝑡)] = 0
𝑉𝑎𝑟[𝑑𝑤(𝑡)] = 𝑑𝑡
Dimostrazione 𝑉𝑎𝑟[𝑑𝑤(𝑡)] = 𝑑𝑡
In base alla formula generale della varianza, si ha che…
𝑉𝑎𝑟[𝑑𝑤(𝑡)] = 𝐸[(𝑑𝑤) ] − (𝐸[𝑑𝑤])
Ma, poiché per definizione 𝐸[𝑑𝑤(𝑡)] = 0, resta che (vedi dimostrazione successiva)…
𝑉𝑎𝑟[𝑑𝑤(𝑡)] = 𝐸[(𝑑𝑤(𝑡)) ] = 𝑑𝑡
Cioè, il quadrato del differenziale del moto browniano è, in media, uguale a dt.
Come si è detto prima, se nel calcolo deterministico dx2 (così come tutte le altre potenze di dx) è trascurabile, lo stesso
non si può dire nel moto browniano.
𝑑𝑤(𝑡) = 𝑑𝑡

13
Dimostrazione
Per scrivere la condizione 𝑑𝑤(𝑡) = 𝑑𝑡 occorre che 𝑑𝑤(𝑡) abbia media pari a dt e varianza nulla. Occorre
dimostrare proprio quest’ultima condizione. Per definizione, si ha che…
𝑉𝑎𝑟 𝑑𝑤(𝑡) =𝐸 𝑑𝑤(𝑡) − 𝐸 𝑑𝑤(𝑡)

Poiché 𝑑𝑤(𝑡) = 𝑑𝑡, segue che 𝐸 𝑑𝑤(𝑡) = 𝑑𝑡 . Per quanto riguarda il primo termine, occorre ricordare
che dw(t) segue una distribuzione normale N(0, dt); è quindi possibile standardizzare in modo che…
𝑑𝑤(𝑡) − 0
~𝑁(0,1)
√𝑑𝑡
Per la proprietà della normale, vale che:
𝑑𝑤(𝑡)
𝐸 =3
√𝑑𝑡
Svolgendo alcuni passaggi algebrici…
𝑑𝑤(𝑡) 𝑑𝑤(𝑡) 1
𝐸 =𝐸 = 𝐸 𝑑𝑤(𝑡) =3
√𝑑𝑡 𝑑𝑡 𝑑𝑡
Quindi…
𝐸 𝑑𝑤(𝑡) = 3𝑑𝑡
Tornando alla varianza, si ottiene che…
𝑉𝑎𝑟 𝑑𝑤(𝑡) =𝐸 𝑑𝑤(𝑡) − 𝐸 𝑑𝑤(𝑡) = 3𝑑𝑡 − 𝑑𝑡
Ma t è una variabile deterministica, quindi 𝑑𝑡 è trascurabile. Segue che…
𝑉𝑎𝑟 𝑑𝑤(𝑡) ≅0
Dalle condizioni precedenti, deriva che…
𝑑𝑡 ∗ 𝑑𝑤(𝑡) = 0
Dimostrazione
Occorre dimostrare che questo prodotto ha media e varianza nulle.
𝐸[𝑑𝑡 ∗ 𝑑𝑤(𝑡)] = 𝑑𝑡 ∗ 𝐸[𝑑𝑤(𝑡)] = 0
𝑉𝑎𝑟[𝑑𝑡 ∗ 𝑑𝑤(𝑡)] = 𝑑𝑡 𝑉𝑎𝑟[𝑑𝑤(𝑡)] = 𝑑𝑡 ∗ 𝑑𝑡 = 0
Processi di Ito
Per analizzare l’evoluzione dei processi stocastici si studiano i loro differenziali. Si definisce processo di Ito un processo
la cui evoluzione è esprimibile con l’equazione differenziale stocastica, ossia…
𝑑𝑥(𝑡) = 𝜇 𝑡, 𝑥(𝑡) 𝑑𝑡 + 𝜎 𝑡, 𝑥(𝑡) 𝑑𝑤(𝑡)

drift (μ) volatilità (σ)

(parte deterministica) (parte stocastica)
Teorema o lemma di Ito
Si consideri un processo di Ito y che evolve seguendo l’equazione differenziale stocastica. Si consideri poi un altro
processo, x, il cui valore è una funzione deterministica di y nel tempo, cioè 𝑥 = 𝑓(𝑡, 𝑦 ).1
Per il teorema, anche il secondo processo xt è un processo di Ito, cioè…
𝜕𝐹 𝜕𝐹 1 𝜕 𝐹 𝜕𝐹
𝑑𝑥 = + 𝜇(𝑡, 𝑦 ) + 𝜎(𝑡, 𝑦 ) 𝑑𝑡 + 𝜎(𝑡, 𝑦 ) 𝑑𝑤
𝜕𝑡 𝜕𝑦 2 𝜕𝑦 𝜕𝑦
Semplificando la scrittura…
1
𝑑𝑥 = 𝐹 + 𝜇𝐹 + 𝜎 𝐹 𝑑𝑡 + (𝜎𝐹 )𝑑𝑤
2

1
Nell’applicazione finanziaria generalmente si interpreta xt come un derivato e dyt come un sottostante.
14
Applicazioni del lemma di Ito
1) Se il secondo processo è funzione diretta solo del primo processo 𝑥 = 𝑓(𝑦), non del tempo, si ha una
semplificazione:
1
𝑑𝑥 = 𝜇𝐹 + 𝜎 𝐹 𝑑𝑡 + (𝜎𝐹 )𝑑𝑤
2
2) Se il secondo processo è una funzione del moto browniano, 𝑥 = 𝑓(𝑤), si ha una semplificazione:
1
𝑑𝑥 = 𝐹 (𝑤) 𝑑𝑡 + 𝐹 (𝑤) 𝑑𝑤
2
Questo perché μ=0 e σ=0; sostituendole al teorema generale si ottiene la semplificazione sopra.
In particolare, se il secondo processo è 𝑥 = 𝑓(𝑤) = 𝑤 , segue che…
1 1
𝑑𝑥 = 𝐹 (𝑤) 𝑑𝑡 + 𝐹 (𝑤) 𝑑𝑤 = ∗ 2𝑑𝑡 + 2𝑤𝑑𝑤
2 2
Ovvero…
𝑑(𝑤 ) = 𝑑𝑡 + 2𝑤𝑑𝑤
Cioè risulta essere sempre un processo di Ito con μ=1 e σ=2w.
3) Il secondo processo è un moto browniano geometrico 𝑥 = 𝑓(𝑤) = 𝑒 .
1 1
𝑑𝑥 = 𝐹 (𝑤) 𝑑𝑡 + 𝐹 (𝑤) 𝑑𝑤 = 𝑒 𝑑𝑡 + 𝑒 𝑑𝑤
2 2
Ovvero…
1
𝑑(𝑒 ) = 𝑒 𝑑𝑡 + 𝑒 𝑑𝑤
2
In questo caso, sia il drift che la volatilità sono direttamente proporzionali al processo stesso; è possibile
dimostrare che, se questo accade, sicuramente x sarà un moto browniano geometrico.
Differenziale stocastico di un attività finanziaria
Come si è già detto, il moto browniano geometrico è il modello usato per descrivere l’evoluzione dei prezzi in finanza.
Si consideri un’attività finanziaria che evolve proprio secondo questo modello:
( )
𝑆(𝑡) = 𝑆(0)𝑒
Lo stesso si può riscrivere come
𝑆(𝑡) = 𝑒 ( ) ( )

Adesso si consideri 𝑦 = 𝑙𝑛𝑆(0) + 𝜇𝑡 + 𝜎𝑤(𝑡) e 𝑥 = 𝐹(𝑦) = 𝑒 . Sono quindi verificate le ipotesi del lemma di Ito,
perché il differenziale di y è pari a 𝑑𝑦 = 𝑙𝑛𝑆(0)𝑑𝑡 + 𝜇𝑑𝑡 + 𝜎𝑑𝑤(𝑡) = 𝜇𝑑𝑡 + 𝜎𝑑𝑤(𝑡). Applicando il lemma
semplificato (1)…
1 1
𝑑𝑥 = 𝜇𝐹 + 𝜎 𝐹 𝑑𝑡 + 𝜎𝐹 𝑑𝑤 = 𝜇𝑒 + 𝜎 𝑒 𝑑𝑡 + (𝜎𝑒 )𝑑𝑤
2 2
Ricordando che 𝑥 = 𝑒 = 𝑆, si ha che…
1
𝑑𝑆 = 𝜇 + 𝜎 𝑆𝑑𝑡 + (𝜎)𝑆𝑑𝑤
2
Risulta quindi che sia il drift che la volatilità sono direttamente proporzionali al processo stesso: ciò conferma che S
segue un moto browniano geometrico.
Adesso si consideri l’incremento percentuale infinitesimo dei prezzi1, ovvero…
𝑑𝑆 1
= 𝜇 + 𝜎 𝑑𝑡 + (𝜎)𝑑𝑤
𝑆 2
Questo invece è un moto browniano aritmetico che segue una distribuzione normale, in quanto combinazione lineare
di una distribuzione normale2, con…
𝑑𝑆 1 1 1
𝐸 = 𝐸 𝜇 + 𝜎 𝑑𝑡 + 𝐸[(𝜎)𝑑𝑤] = 𝜇 + 𝜎 𝑑𝑡 + 0 = 𝜇 + 𝜎 𝑑𝑡
𝑆 2 2 2
𝑑𝑆 1
𝑉𝑎𝑟 = 𝑉𝑎𝑟 𝜇 + 𝜎 𝑑𝑡 + 𝑉𝑎𝑟[(𝜎)𝑑𝑤] = 0 + 𝜎 𝑉𝑎𝑟[𝑑𝑤] = 𝜎 𝑑𝑡
𝑆 2

1 ( ∆ ) ( )
perché =
( )
2
𝑑𝑤 = 𝑤(𝑡 + 𝑑𝑡) − 𝑤(𝑡) ~ 𝑁(0, 𝑑𝑡)
15
L’integrale di Ito
Si consideri un processo stocastico X(S) adattato e un moto browniano W(S). Il processo si chiama “adapted process”,
nel senso che si adatta al moto browniano perché è possibile conoscerne il valore in un dato istante temporale s solo
se si conosce l’evoluzione del moto browniano fino ad s. L’integrale stocastico di Ito del processo stocastico rispetto
al moto browniano è…

𝑥(𝑆)𝑑𝑤(𝑆)
È possibile poi affermare che…

𝐸 𝑥(𝑆)𝑑𝑤(𝑆) = 0

DIMOSTRAZIONE
Un integrale può essere approssimato ad una sommatoria, e il valore atteso di una sommatoria sarebbe uguale alla
somma dei valori attesi. In questo caso, tutti i componenti della sommatoria sono fra loro indipendenti, perché gli
incrementi del moto browniano w(tn) sono variabili aleatorie indipendenti dalla filtrazione al tempo tn-1, cioè dalla
storia passata, e conseguentemente anche da w(tn-1).
𝑡 𝑡 𝑡
lim 𝑥 (𝑖 − 1) ∗ 𝑤 − 𝑤 (𝑖 − 1) ~ 𝑥(𝑆)𝑑𝑤(𝑆)
→ 𝑛 𝑛 𝑛
Poiché ogni elemento della sommatoria sarà un prodotto, e poiché uno dei membri del prodotto è l’incremento del
moto browniano che, com’è noto, ha valore atteso nullo, allora è immediato dedurre che il valore atteso dell’integrale
di Ito sia nullo.
Processo di Ito in forma integrale
Riprendendo la definizione del processo di Ito, si ha che questo deve soddisfare l’equazione differenziale stocastica
𝑑𝑥(𝑆) = 𝜇 𝑆, 𝑥(𝑆) 𝑑𝑠 + 𝜎 𝑆, 𝑥(𝑆) 𝑑𝑤(𝑆). È adesso possibile riscrivere quest’equazione in forma integrale, vale a
dire integrando a sinistra e a destra dell’uguale…

𝑑𝑥(𝑆) = 𝜇 𝑆, 𝑥(𝑆) 𝑑𝑠 + 𝜎 𝑆, 𝑥(𝑆) 𝑑𝑤(𝑆)

Ovvero…

𝑥(𝑡) = 𝑥(0) + 𝜇 𝑆, 𝑥(𝑆) 𝑑𝑠 + 𝜎 𝑆, 𝑥(𝑆) 𝑑𝑤(𝑆)

costante Integrale di Riemann Integrale di Ito

(costante)

Quindi, se si considera il processo dei prezzi, è possibile affermare che la quotazione finale x(t) è uguale alla quotazione
attuale x(0) a cui vanno aggiunti gli incrementi deterministici (integrale di Riemann) e gli incrementi stocastici
(integrale di Ito).
Considerando che il valore atteso dell’integrale di Ito è nullo, si ha che…

𝐸[𝑥(𝑡)] = 𝑥(0) + 𝜇 𝑆, 𝑥(𝑆) 𝑑𝑠

Teorema
Se si considera un processo di Ito caratterizzato da un’equazione con drift e volatilità proporzionali al processo,
𝑑𝑥 = 𝜇𝑥𝑑𝑡 + 𝜎𝑥𝑑𝑡,
allora il processo evolverà secondo l’equazione…
( )
𝑥(𝑡) = 𝑥(0)𝑒
Dimostrazione
Si consideri il processo 𝑦(𝑡) = ln 𝑥(𝑡) = 𝐹(𝑥). Segue che 𝐹 (𝑥) = e 𝐹 (𝑥) = − . È quindi possibile applicare il
lemma di Ito semplificato (1) considerando y come il secondo processo.
1 1 1 1 1 𝜎
𝑑𝑦 = 𝜇𝑥𝐹 + 𝜎 𝑥 𝐹 𝑑𝑡 + (𝜎𝐹 )𝑑𝑤 = 𝜇𝑥 − 𝜎 𝑥 𝑑𝑡 + 𝜎𝑥 𝑑𝑤 = 𝜇 − 𝑑𝑡 + 𝜎𝑑𝑤
2 𝑥 2 𝑥 𝑥 2
16
Integrando…
𝜎
𝑑(𝑙𝑛𝑥) = 𝜇− 𝑑𝑠 + 𝜎𝑑𝑤(𝑠)
2
𝜎
ln 𝑥(𝑡) − ln 𝑥(0) = 𝜇 − (𝑡 − 0) + 𝜎 𝑤(𝑡) − 𝑤(0)
2
𝑥(𝑡) 𝜎
ln = 𝜇− 𝑡 + 𝜎𝑤(𝑡)
𝑥(0) 2
𝑥(𝑡) ( )
=𝑒
𝑥(0)
( )
𝑥(𝑡) = 𝑥(0)𝑒
Modello Black-Sholes
Tenendo ferme le ipotesi del mercato dei capitali perfetto, il modello in questione vuole prezzare il derivato
costruendo dei portafogli autofinanzianti non rischiosi (esattamente come nel discreto). In pratica, si costruisce un
portafoglio combinando del derivato e del sottostante e si impone che esso debba rendere come rF, cioè lo si rende
deterministico.
Il sottostante, che è un processo stocastico, evolve secondo l’equazione differenziale stocastica 𝑑𝑆 = 𝜇𝑆𝑑𝑡 + 𝜎𝑆𝑑𝑤.
Il processo del derivato è legato al sottostante con una funzione deterministica; prendendo in considerazione una call,
𝐶 = 𝐹(𝑡, 𝑆).
Il portafoglio sarà costruito con una quantità -1 di call, cioè si vende un derivato, e da una quantità ±Δ del sottostante,
ovvero 𝑉 = ∆𝑆 − 𝐶 .
La sua evoluzione è esprimibile con un’equazione differenziale stocastica 𝑑𝑉 = ∆𝑑𝑆 − 𝑑𝐶. Il termine dS è conosciuto
per ipotesi, mentre dC è ottenibile tramite il lemma di Ito (perché si conosce l’evoluzione del primo processo e il
legame fra i due). Quindi…
1
𝑑𝐶 = 𝐹 + 𝜇𝑆𝐹 + 𝜎 𝑆 𝐹 𝑑𝑡 + (𝜎𝑆𝐹 )𝑑𝑤
2
Sostituendo dS e dC si ottiene che…
1
𝑑𝑉 = ∆𝜇𝑆𝑑𝑡 + ∆𝜎𝑆𝑑𝑤 − 𝐹 + 𝜇𝑆𝐹 + 𝜎 𝑆 𝐹 𝑑𝑡 − (𝜎𝑆𝐹 )𝑑𝑤
2
Separando la parte deterministica da quella aleatoria, che si vuole eliminare…
1
𝑑𝑉 = ∆𝜇𝑆 − 𝐹 − 𝜇𝑆𝐹 − 𝜎 𝑆 𝐹 𝑑𝑡 + (∆𝜎𝑆 − 𝜎𝑆𝐹 )𝑑𝑤
2
Però, siccome le ipotesi di costruzione del portafoglio prevedono che ∆𝜎𝑆 = 𝜎𝑆𝐹 , segue che ∆= 𝐹 , quindi è
possibile eliminare la parte stocastica e semplificare l’equazione precedente, che diventa…
1
𝑑𝑉 = − 𝐹 + 𝜎 𝑆 𝐹 𝑑𝑡
2
Chiaramente, poiché vale l’ipotesi di non arbitraggio, il portafoglio deterministico deve rendere quanto il bond, cioè
𝑑𝐵 = 𝑟𝑒 𝑑𝑡 = 𝑟𝐵𝑑𝑡
𝑑𝑉 = 𝑟𝑉𝑑𝑡
Ma 𝑉 = ∆𝑆 − 𝐶 = 𝐹 𝑆 − 𝐶, quindi 𝑑𝑉 = 𝑟(𝐹 𝑆 − 𝐶)𝑑𝑡.
Si hanno quindi due espressioni di dV che, ovviamente, devono coincidere: imponendo l’uguaglianza si ottiene
l’equazione delle derivate parziali del modello.
1
− 𝐹 + 𝜎 𝑆 𝐹 𝑑𝑡 = 𝑟(𝐹 𝑆 − 𝐶)𝑑𝑡
2
Semplificando…
1
𝐹 + 𝑟𝐹 𝑆 + 𝜎 𝑆 𝐹 = 𝑟𝐶
2
L’equazione vale per un generico derivato F1, non solo per le call, purchè il suo valore sia legato a quello del sottostante
tramite una funzione deterministica che ammette le derivate; quindi…

1
Per comodità, si riportano di seguito le rispettive equazioni dei derivati principali.
Call  𝐹(𝑇, 𝑆(𝑇)) = max {𝑆(𝑇) − 𝑘; 0}
Put  𝐹(𝑇, 𝑆(𝑇)) = max {𝑘 − 𝑆(𝑇); 0}
17
 1
𝐹 + 𝑟𝐹 𝑆 + 𝜎 𝑆 𝐹 = 𝑟𝐹
2
In quest’equazione, detta PDE, non compare il drift del sottostante, ma solo la sua volatilità e il tasso risk free del bond.
Occorre poi precisare che questo modello è valido solo se il sottostante evolve secondo un moto browniano
geometrico.
Prezzo di una call europea che non distribuisce dividendi
Il prezzo di una call europea che soddisfa la PDE e le condizioni del continuo è…
𝐶 = 𝑆 𝑁(𝑑 ) − 𝐾𝑒 ( ) 𝑁(𝑑 )
con
𝑆 𝜎
ln 𝐾 + 𝑟 ± 2 (𝑇 − 𝑡)
𝑑, =
𝜎√𝑇 − 𝑡
Essendo d1 il termine che prende il +, è possibile riscrivere d2 come…
𝑑 = 𝑑 − 𝜎√𝑇 − 𝑡
È quindi possibile scrivere il prezzo della call oggi (t=0).
𝐶 = 𝑆 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 )
Si verifichi che se se S0=0, allora C0=0
−∞ + 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒
lim 𝑑 , = = −∞
→ 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒
lim 𝑁(𝑑 ) = lim 𝑁(𝑑 ) = 0
→ →
Quindi…
𝐶 = 𝑆 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 ) = 0 ∗ 0 + 𝐾𝑒 ∗0=0

Si verifichi che per 𝑡 → 𝑇, cioè in prossimità della scadenza, allora il valore della call converge al suo payoff
 Scenario “In the money”  𝑆(𝑇) > 𝐾
Se 𝑆(𝑇) > 𝐾, allora > 1, quindi il logaritmo sarà positivo.
𝑆 𝜎
ln 𝐾 + 𝑟 ± 2 (0 ) 𝑛𝑢𝑚𝑒𝑟𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜
lim 𝑑 , = = = +∞
→ 𝜎√0 0
lim 𝑁(𝑑 ) = lim 𝑁(𝑑 ) = 1
→ →
Quindi…
( )
lim 𝐶 = 𝑆 ∗ 1 − 𝐾𝑒 ∗1=𝑆 −𝐾
→
 Scenario “Out of the money”  𝑆(𝑇) < 𝐾
Se 𝑆(𝑇) < 𝐾, allora < 1, quindi il logaritmo sarà negativo.
𝑆 𝜎
ln 𝐾 + 𝑟 ± 2 (0 ) 𝑛𝑢𝑚𝑒𝑟𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜
lim 𝑑 , = = = −∞
→ 𝜎√0 0
lim 𝑁(𝑑 ) = lim 𝑁(𝑑 ) = 0
→ →
Quindi…
( )
lim 𝐶 = 𝑆 ∗ 0 − 𝐾𝑒 ∗0=0
→

Esercizio – Prezzare una call

Si consideri il sottostante 𝑆 = 100. Un agente acquista una call a scadenza sei mesi, 𝑇 = 0,5, con 𝐾 = 102, 𝜎 = 0,2
e 𝑟 = 0,05.
100 0,2
ln 102 + 0,05 + 2 0,5
𝑑 = = 0,1075
0,2 0,5

Forward  𝐹(𝑇, 𝑆(𝑇)) = 𝑆(𝑇) − 𝑘

18
 𝑑 = 0,1075 − 0,2 ∗ 0,5 = −0,0339
Per calcolare N(d1) e N(d2) si utilizza la formula di approssimazione seguente.
1 𝑑
𝑁(𝑑) = +
2 𝑑
√2𝜋(1 + 6 )
Si ha che 𝑁(𝑑 ) = 0,5428 e 𝑁(𝑑 ) = 0,4864, quindi è possibile prezzare la call.
𝐶 = 100 ∗ 0,5428 − 102 ∗ 𝑒 , ∗ , ∗ 0,4864 = 5,8921
Prezzo di una put europea che non distribuisce dividendi
Visto che si è in un mercato di capitali perfetti in cui vige la regola del non arbitraggio, deve valere che la somma fra il
prezzo della put e il sottostante deve essere uguale alla somma fra il prezzo della call e il valore attuale dello strike K.
𝑃 + 𝑆 = 𝐶 + 𝐾𝑒 ( )
Segue che…
𝑃 = 𝐶 − 𝑆 + 𝐾𝑒 ( ) = 𝑆 𝑁(𝑑 ) − 𝐾𝑒 ( ) 𝑁(𝑑 ) − 𝑆 + 𝐾𝑒 ( )
= −𝑆 [1 − 𝑁(𝑑 )] + 𝑒 ( ) 𝐾[1 − 𝑁(𝑑 )]
Ma, visto che la normale è una distribuzione simmetrica, 𝑁(𝑑) = 1 − 𝑁(−𝑑), quindi 𝑁(−𝑑) = 1 − 𝑁(𝑑). Si può
quindi semplificare l’equazione precedente e si ottiene che…
𝑃 = −𝑆 𝑁(−𝑑 ) + 𝐾𝑒 ( ) 𝑁(−𝑑 )
Esercizio – Prezzare una put
Tenendo in considerazione gli stessi dati dell’esercizio della call, visto che si è già calcolato C0, si ha che…
𝑃 + 𝑆 = 𝐶 + 𝐾𝑒 ( )
𝑃 = 𝐶 − 𝑆 + 𝐾𝑒 ( ) = 5,8921 − 100 + 102 ∗ 𝑒 , ∗ , = 5,3737
In alternativa, è possibile utilizzare direttamente la formula della put.
𝑃 = −𝑆 𝑁(−𝑑 ) + 𝐾𝑒 ( ) 𝑁(−𝑑 )
Altro approccio al modello Black-Sholes: tecnica dei portafogli di replica
Nel discreto era stata analizzata la condizione tale per cui è possibile ottenere dei portafogli autofinanzianti, ovvero
∆𝑉 = φ∆𝑆 + Ψ∆B ; è possibile applicare questa stessa condizione nel continuo
𝑑𝑉 = φ𝑑𝑆 + ΨdB
dove 𝑑𝐵 = 𝑟𝑒 𝑑𝑡 = 𝑟𝐵 𝑑𝑡 (asset deterministico) e 𝑑𝑆 = 𝜇𝑆 𝑑𝑡 + 𝜎𝑆 𝑑𝑤 (asset aleatorio).
Si ottiene quindi l’equazione del portafoglio di replica…
𝑑𝑉 = (φ 𝜇𝑆 + Ψ rB )𝑑𝑡 + (φ 𝜎𝑆 )𝑑𝑤

A C
Chiaramente occorre anche considerare un derivato F il cui valore sia legato a quello del sottostante tramite una
funzione deterministica che ammette le derivate.
1
𝑑𝐹 = 𝐹 + 𝜇𝑆 𝐹 + 𝜎 𝑆 𝐹 𝑑𝑡 + (𝜎𝑆 𝐹 )𝑑𝑤
2

B D
Chiaramente, il portafoglio di replica deve coincidere col derivato, cioè 𝑑𝑉 = 𝑑𝐹 , quindi impongo due uguaglianze.
 C=D
φ =𝐹
 A=B
Prima di imporre l’uguaglianza si ricava Ψ .
𝑉 = 𝐹′ 𝑆 + Ψ B
1
Ψ = (𝑉 − 𝐹 𝑆 )
B
Ma, poiché Vt = F…
1
Ψ = (𝐹 − 𝐹 𝑆 )
B

19
 È quindi possibile procedere con l’imposizione dell’uguaglianza.
1 1
F' 𝜇𝑆 + (𝐹 − 𝐹 𝑆 )rB = 𝐹 + 𝜇𝑆 𝐹 + 𝜎 𝑆 𝐹
B 2
Con le opportune semplificazioni segue che…
1
𝐹 + 𝑟𝑆 𝐹 + 𝜎 𝑆 𝐹 = 𝑟𝐹
2
Come si è visto, anche attraverso la tecnica del portafoglio di replica si ottiene la stessa soluzione del modello Black-
Sholes.
Greche
È possibile individuare delle derivate rispetto ai vari parametri che si indicano con le lettere greche.
Theta Delta Gamma
Misura la sensibilità del valore della Misura il tasso di variazione del Misura il tasso di variazione del
derivata al passare del tempo. valore dell'opzione rispetto alle delta rispetto alle variazioni del
variazioni del prezzo del prezzo del sottostante.
sottostante.
𝜕𝐹 𝜕𝐹 𝜕 𝐹
𝛩= = 𝐹′ Δ= = 𝐹′ Γ= = 𝐹′′
𝜕𝑡 𝜕𝑆 𝜕𝑆
Kappa Rho Lambda (o vega )
Misura la sensibilità allo strike. Misura la sensibilità al tasso di Misura la sensibilità alla volatilità.
interesse.
𝜕𝐹 𝜕𝐹 𝜕𝐹
Κ= ρ= Λ=
𝜕𝐾 𝜕𝑟 𝜕𝜎
È possibile riscrivere la soluzione del modello Black-Sholes per evidenziare il ruolo delle greche.
1
𝛩 + 𝑟𝑆 Δ + 𝜎 𝑆 Γ = 𝑟𝐹
2
Nelle formule seguenti si userà 𝜏 = 𝑇 − 𝑡.
Call
𝜕𝐶
ΔCall = = 𝑁(𝑑 ) > 0
𝜕𝑆
𝜕 𝐶 𝜕 𝑓(𝑑 )
ΓCall = = 𝑁(𝑑 ) = >0
𝜕𝑆 𝜕𝑆 𝜎𝑆√𝜏
𝜕𝐶
ΛCall = = 𝑆𝑓(𝑑 )√𝜏 > 0
𝜕𝜎
𝜕𝐶
ρCall = = 𝐾𝜏𝑒 𝑁(𝑑 ) > 0
𝜕𝑟
𝜕𝐹 𝜎𝑆
𝛩𝐶𝑎𝑙𝑙 = =− 𝑓(𝑑 ) − 𝑟𝐾𝑒 𝑁(𝑑 ) < 0
𝜕𝑡 2√𝜏
Valori positivi delle greche indicano che il prezzo della call aumenterà in caso di aumento della variabile considerata.
Ad esempio, visto che Λ è positivo, se aumenta σ aumenterà anche il prezzo della call.
Chiaramente accade il contrario in caso di valori negativi. Ad esempio, 𝛩 mostra che più aumenta t, cioè più ci si
avvicina alla scadenza, più la call avrà un prezzo inferiore (com’è intuitivo).
NOTA: la derivata di N(d) è uguale alla funzione di densità della normale standardizzata, cioè 𝑁 (𝑑) = 𝑓(𝑑).
Put
𝜕𝑃
ΔPut = = 𝑁(𝑑 ) − 1 = −𝑁(−𝑑 ) < 0
𝜕𝑆
𝜕 𝑃 𝑓(𝑑 )
ΓPut = = = ΓCall > 0
𝜕𝑆 𝜎𝑆√𝜏
𝜕𝐶
ΛPut = = 𝑆𝑓(𝑑 )√𝜏 = ΛCall > 0
𝜕𝜎
NOTA: con f(d1) si intende la funzione di densità della normale standardizzata
1
𝑓(𝑑 ) = 𝑒
√2𝜋𝜎

20
Hedging
L’hedging è una tecnica di immunizzazione del portafoglio rispetto a determinate variabili. È possibile fare hedging per
tutte le greche, tuttavia si terranno in considerazione solo delta e gamma.
Il delta hedging è un’immunizzazione di prim’ordine (perché fa riferimento alla sola derivata prima) del portafoglio
rispetto alle variazioni del prezzo del sottostante. Si consideri un portafoglio composto da x titoli è da -1 call europea
(cioè in vendita); il suo delta sarà pari a…
∆𝑃 = 𝑥∆ −1∗∆
Per rendere il portafoglio delta neutrale, cioè per fare in modo che, per variazioni di prezzo del sottostante, il suo
valore resti pressoché costante, occorre porre ∆𝑃 = 0. Considerando che ∆ = 1, perché non dipendono dal
sottostante, segue che…
𝑥−∆ =0
𝑥=∆
Quindi, il numero di titoli da acquistare per rendere il portafoglio delta neutrale è pari a ∆ .
L’immunizzazione diventa più complessa se si vuole effettuare il gamma hedging: esso fornisce sicuramente una
misura più raffinata, ma occorre prendere in considerazione le derivate seconde. Sorge quindi il problema che un
∆
portafoglio così composto non può essere immunizzato, perché Γ = = 1 = 0. Occorre quindi aggiungere un
secondo derivato diverso dal precedente, ad esempio una nuova call. Chiamando y la quantità della seconda call da
acquistare, segue che…
ΓP = xΓ −Γ + 𝑦Γ = −Γ + 𝑦Γ
Ponendo ΓP = 0, si ottiene y.
Γ𝑐𝑎𝑙𝑙1
𝑦=
Γ𝑐𝑎𝑙𝑙2
Acquistando la quantità y così definita della seconda call si è ottenuto un portafoglio gamma neutrale, tuttavia si è
persa l’immunizzazione delta, perché il portafoglio è cambiato. Per rendere il nuovo portafoglio delta neutrale
occorrerà ottenere una nuova quantità x risolvendo la seguente condizione.
∆𝑃 = 𝑥∆ −1∗∆ + 𝑦∆ =0
𝑥=∆ − 𝑦∆
Esercizio
Si immunizzi un portafoglio costituito da:
- una quantità x di bond con S(0)=10 e r=0,03;
- una call in vendita con K1=12, σ=0,36, T=1;
- una quantità y di una seconda call con K2=10, σ=0,36, T=1.
Call 1:
10 0,36
ln 12 + 0,03 + 2 (1)
𝑑 = = −0,2431
0,36√1
1 (−0,2431)
∆ = 𝑁(−0,2431) = + = 0,404
2 (−0,2431)
√2𝜋(1 + 6 )
𝑓(𝑑 ) 1 −(−0,2431)2 1 0,3873
Γ = = 𝑒 2 ∗ = = 0,1076
𝜎𝑆√𝑇 − 𝑡 √2𝜋 0,36 ∗ 10 3,6
Call 2:
10 0,36
ln 10 + 0,03 + 2 (1)
𝑑 = = 0,2633
0,36√1
1 (0,2633)
∆ = 𝑁(0,2633) = + = 0,6038
2 (0,2633)
√2𝜋(1 + 6 )
2
𝑓(𝑑 ) 1 − (0,2633) 1 0,3854
Γ = = 𝑒 2 ∗ = = 0,1071
𝜎𝑆√𝑇 − 𝑡 √2𝜋 0,36 ∗ 10 3,6
A questo punto è possibile calcolare y, ossia la quantità della seconda call da acquistare per rendere il portafoglio
gamma neutrale.

21
 Γ𝑐𝑎𝑙𝑙1 0,1076
𝑦= = = 1,005
Γ𝑐𝑎𝑙𝑙2 0,1071
Si vuole rendere il portafoglio anche delta neutrale, per cui si calcola x, ovvero la quantità di titoli.
𝑥=∆ − 𝑦∆ = 0,404 − 1,005 ∗ 0,6038 = −0,2028
Interpretazione di Merton
Quest’interpretazione sfrutta il modello di Black-Scholes per determinare il valore di un’impresa. Considerando due
possibili fonti di finanziamento, ovvero le azioni (E: equity) e le obbligazioni (B: bond), si ha che il valore è dato da:
𝑉 = 𝐸 + 𝐵. Per poter applicare Black-Scholes è necessario supporre che V
evolva secondo un moto browniano geometrico. Considerando che
l’obbligazione pagherà un certo ammontare K alla scadenza T, si possono
distinguere due scenari.
 𝑉(𝑇) > 𝐾
𝐵(𝑇) = 𝐾
𝐸(𝑇) = 𝑉(𝑇) − 𝐾
 𝑉(𝑇) > 𝐾
𝐵(𝑇) = 𝑉(𝑇)
𝐸(𝑇) = 0
È però possibile raggruppare questi due scenari in due formulazioni. La prima, che indica il payoff delle azioni, è
assimilabile al payoff di una call.
𝐸(𝑇) = max{𝑉(𝑇) − 𝐾; 0} = 𝐶(0)
La seconda invece indica il payoff delle obbligazioni.
𝐵(𝑇) = min{𝑉(𝑇); 𝐾} = min{𝑉(𝑇) + 𝐾 − 𝐾; 𝐾} = 𝐾 + min{𝑉(𝑇) − 𝐾; 0}
Ma, ricordando che min{𝑓} = −max {−𝑓}, è possibile scrivere l’equazione precedente sotto forma di payoff di una
put.
𝐵(𝑇) = 𝐾 − max {𝐾 − 𝑉(𝑇); 0}
𝐵(0) = 𝑉𝐴(𝐾) − 𝑃(0)
Segue quindi che il valore dell’impresa al tempo 0 è dato da…
𝑉(0) = 𝐶(0) + 𝑉𝐴(𝐾) − 𝑃(0)
Esempio
Si stabilisca la composizione del valore attuale di un’impresa tenendo in considerazione i seguenti dati: V(0)=100, K=60,
T=8, σ=0,3, r=0,05.
100 0,3
ln 60 + 0,05 + 2 (8)
𝑑 = = 1,4977
0,3√8
𝑑 = 1,4977 − 0,3√8 = 0,6492
1 1,4977
𝑁(𝑑 ) = + = 0,9349
2 1,4977
√2𝜋(1 + 6 )
1 0,6492
𝑁(𝑑 ) = + = 0,742
2 0,6492
√2𝜋(1 + 6 )
𝐶(0) = 100 ∗ 0,9349 − 60𝑒 , ∗ ∗ 0,742 = 63,6574
𝑃(0) = −100 ∗ (1 − 0,949) + 60𝑒 , ∗ ∗ (1 − 0,742) = 3,8766
𝑉(0) = 𝐸(0) + 𝐵(0) = 63,6574 + 60𝑒 , ∗ − 3,8766 = 100
Com’è possibile vedere dall’esempio riportato sopra, l’obbligazione dell’impresa ha un valore attuale 𝐵(0) =
60𝑒 , ∗ − 3,8766 = 36,3426 inferiore a quello di un bond risk free 𝐵 (0) = 60𝑒 , ∗ = 40,2192.
Questo perché il rischio di default richiede un rendimento più alto, perché altrimenti tutti investirebbero nel bond risk
free. Considerando il tempo discreto, in cui vale la relazione 𝐵(0) ∗ (1 + 𝑖) = 𝐵(𝑇), si ha che…
60
𝑖 = − 1 = 0,0513
40,2192

22
 60
𝑖 = − 1 = 0,0647
36,3426
Esercizio – Bond convertibili
Riprendendo i dati dell’esercizio precedente, si calcoli il valore di un bond convertibile al tempo T in azioni.
Chiaramente, essendo uno strumento che dà diritti maggiori rispetto al normale bond rischioso, dovrà costare di più
di quest’ultimo. Si indichi con D(T) il debito nominale del bond (nell’esercizio precedente indicato con k).
Si suponga che ci siano N azioni in circolazioni e n bond convertibili. Se alla scadenza il detentore decide di convertirle
in azioni, chiaramente si avranno N + n azioni in circolazione.
Per determinare il valore del bond convertibile al tempo T, occorre ricordare che se 𝑉(𝑇) ≤ 𝐷(𝑇), allora 𝐵(𝑇) = 𝐴(𝑇);
se invece 𝑉(𝑇) > 𝐷(𝑇), allora 𝐵(𝑇) = 𝐷(𝑇). Segue che…
𝐵(𝑇) = min{𝑉(𝑇); 𝐷(𝑇)}
Ma, se al tempo T il detentore decide di convertire tutti i bond, allora 𝐵(𝑇) = 0 e avrà una disponibilità pari a
𝐸(𝑇). Ma se 𝐵(𝑇) = 0, allora 𝑉(𝑇) = 𝐸(𝑇), quindi la sua disponibilità sarà pari a 𝑉(𝑇).
È immediato constatare che conviene convertire i bond se…
𝑛
𝐴(𝑇) > min{𝑉(𝑇); 𝐷(𝑇)}
𝑁+𝑛
Quindi…
𝑛 𝑛
𝐵(𝑇) = max min{𝑉(𝑇); 𝐷(𝑇)} ; 𝐴(𝑇) = min{𝑉(𝑇); 𝐷(𝑇)} + max { 𝑉(𝑇) − 𝐷(𝑇); 0}
𝑁+𝑛 𝑁+𝑛

Valore del bond Premio per la

non convertibile convertibilità
Ma la seconda parte dell’equazione è riscrivibile sotto forma di una call con sottostante A(T) e strike 𝐷(𝑇),
ovvero…
𝑛 𝑁+𝑛
𝐵(𝑇) = min{𝑉(𝑇); 𝐷(𝑇)} + max {𝑉(𝑇) − 𝐷(𝑇) ; 0}
𝑁+𝑛 𝑛
Considerando N=105 e n=45, è possibile applicare Black Sholes per calcolare il secondo termine dell’equazione sopra
riportata. Il primo rappresenta il valore del bond rischioso già calcolato in precedenza. Quindi…

100 0,3
ln + 0,05 + 2 (8)
150
60 ∗
𝑑 = 45 = 0,0788
0,3√8
𝑑 = 0,0788 − 0,3√8 = −0,7697
1 0,0788
𝑁(𝑑 ) = + = 0,5314
2 (0,0788)
√2𝜋(1 + 6 )
1 −0,7697
𝑁(𝑑 ) = + = 0,2205
2 (−0,7697)
√2𝜋(1 + 6 )
𝑛 𝑁+𝑛
𝐵(0) = 𝐵(0) + max 𝑉(𝑇) − 𝐷(𝑇) ;0
𝑁+𝑛 𝑛
45 150
= 36,3426 + 100 ∗ 0,5314 − 60 ∗ 𝑒 , ∗ 0,2205 = 36,3426 + 0,3 ∗ 23,5765
150 45
= 43,4156
Proprietà dell’interpretazione di Merton
Come si è detto precedentemente, si è supposto che il valore dell’impresa evolva secondo un moto browniano
geometrico, ovvero…
𝑑𝑉(𝑡) = 𝜇𝑉(𝑡)𝑑𝑡 + 𝜎𝑉(𝑡)𝑑𝑤(𝑡)
Ciò equivale a dire che il valore dell’impresa segua una distribuzione log-normale.
( )
𝑉(𝑡) = 𝑉(0)𝑒

23
Conseguentemente, la probabilità che l’impresa vada in default e non riesca a rimborsare i suoi obbligazionisti è…
( ) ( ) 𝐾
𝑃(𝑉(𝑇) < 𝐾) = 𝑃 𝑉(0)𝑒 <𝐾 =𝑃 𝑒 <
𝑉(0)
𝐾 𝜎
𝜎 𝐾 𝑤(𝑇) 𝑙𝑛 𝑉(0) − 𝜇 − 2 𝑇
=𝑃 𝜇− 𝑇 + 𝜎𝑤(𝑇) < 𝑙𝑛 =𝑃 <
2 𝑉(0) √𝑇 𝜎√𝑇
( )
Ma, poiché ~𝑁(0,1) …
√
𝐾 𝜎
𝑙𝑛 − 𝜇− 2 𝑇
𝑉(0)
𝑃(𝑉(𝑇) < 𝐾) = 𝑁( )
𝜎√𝑇
Infine, visto che il valore dell’impresa segue una distribuzione log-normale, è possibile calcolarne la moda e la mediana.

𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 𝑉(0)𝑒
𝑀𝑜𝑑𝑎 = 𝑉(0)𝑒
Pricing delle opzioni con distribuzione dei dividendi
Si supponga che un titolo distribuisca dei dividendi nel continuo, ossia per ogni incremento dt. Per semplicità, se non
sono noti gli istanti temporali in cui verranno staccati i dividendi, né il loro importo, è possibile introdurre un tasso di
dividendo nel continuo, il dividend yield δ. Conseguentemente, se il detentore del titolo reinveste il dividendo, in ogni
intervallo che va da t a t+dt si avrà un incremento pari a 𝑆 ∗ 𝛿 ∗ 𝑑𝑡.
Quindi, alla scadenza, si avranno 𝑒 titoli; al contrario, se si vuole detenere un solo titolo alla scadenza, al tempo 0 è
sufficiente acquistare 𝑒 titoli.
Visto che il valore del titolo incrementa per ogni intervallo considerato grazie ai dividendi, si ha che…
∆𝑉 = ∆(𝑑𝑆 + 𝑆𝛿𝑑𝑡) − 𝑑𝐹
1
𝐹 + (𝑟 − 𝛿)𝑆𝐹 + 𝜎 𝑆 𝐹 = 𝑟𝐹
2
Chiaramente, si modificano anche le formule illustrate in precedenza per prezzare i derivati: basta sostituire S0 con
𝑆 𝑒 .
NOTA: se i dividendi sono noti a priori, cioè conosce il loro ammontare e gli istanti temporali in cui verranno staccati,
si parla di dividendi nel discreto. In questo caso, basterà sostituire S0 con S0-VA(D).
Call con dividendi nel continuo (dividend yield)
𝐶 =𝑆𝑒 𝑁(𝑑 ) − 𝐾𝑒 ( ) 𝑁(𝑑 )
con
𝑆 𝜎
ln 𝐾 + 𝑟 − 𝛿 ± 2 (𝑇 − 𝑡)
𝑑, =
𝜎√𝑇 − 𝑡
Esercizio: call per tassi di cambio
È possibile utilizzare le call per coprirsi contro il rischio di tassi di cambio troppo elevati. Per farlo basta considerare il
tasso di cambio stesso come sottostante.
Si consideri un tasso di cambio spot tale per cui 1€ = 1,6$1, quindi 𝑆 = 1,6. Si considerino poi i rendimenti dei bond
di entrambi i Paesi: nelle formule il tasso domestico si considera come r, quello estero come δ; in questo caso si ha
che 𝑟$ = 𝑟 = 0,08 e 𝑟€ = 𝛿 = 0,11. La call da prezzare scade dopo quattro mesi, quindi T=4/12, e ha uno strike K=1,6.
Considerando una volatilità dei tassi di cambio 𝜎 = 0,2, si ha che…
, ∗ , ∗
𝐶 = 1,6 ∗ 𝑒 ∗ 0,4885 − 1,6 ∗ 𝑒 ∗ 0,4426

1
NOTA: normalmente con tasso di cambio si intende la quantità di valuta domestica, in questo caso il dollaro, necessaria per
acquistare una valuta estera, in questo caso l’euro.
24
Call con dividendi nel discreto (dividend yield)
𝐶 = (𝑆 − 𝑉𝐴(𝐷))𝑁(𝑑 ) − 𝐾𝑒 ( ) 𝑁(𝑑 )
con
𝑆 − 𝑉𝐴(𝐷) 𝜎
ln 𝐾 + 𝑟 ± 2 (𝑇 − 𝑡)
𝑑, =
𝜎√𝑇 − 𝑡

Esercizio: call con dividendi nel discreto

Si consideri la call raffigurata a lato, con S=16, σ=0,4, r=0,04 e K=18.
In assenza di dividendi, si avrebbe che 𝑑 = 0,0055, 𝑑 = −0,3945 e 𝐶(0) = 2,041. Visto
che i dividendi sono noti, occorre calcolarne il valore attuale.
, ∗ , ∗
𝑉𝐴(𝐷) = 𝐷𝑒 = 2𝑒 + 4𝑒 = 5,8683
,
16 − 5,8683 (0,4)
ln 18 + 0,04 ± 2 (1)
𝑑, =
0,04√1
𝑑 = −1,1368
𝑑 = −1,5368
𝐶 = (16 − 5,8683)𝑁(−1,1368) − 18𝑒 , 𝑁(−1,5368) = 0,2463
Put con dividendi nel continuo
Dalla condizione
𝑃 +𝑆 𝑒 = 𝐶 + 𝑉𝐴(𝐾)
si ricava che…
𝑃 =𝐶 −𝑆 𝑒 + 𝑉𝐴(𝐾)
Dimostrazione
Si considerino due portafogli: uno composto da una put e da 𝑒 titoli, l’altro da una call e dal valore attuale dello
strike.
𝑝𝑡𝑓 = 𝑃 + 𝑆 𝑒
𝑝𝑡𝑓 = 𝐶 + 𝑉𝐴(𝐾)
Alla scadenza dell’opzione, cioè al tempo T, si hanno due scenari (up e down).

In entrambi gli scenari i due portafogli hanno lo stesso valore; conseguentemente, per la legge del non arbitraggio,
devono avere anche lo stesso prezzo al tempo 0. Cioè, si è dimostrato che 𝑃 + 𝑆 𝑒 = 𝐶 + 𝑉𝐴(𝐾).
Put con dividendi nel discreto
Dalla condizione
𝑃 + (𝑆 − 𝑉𝐴(𝐷)) = 𝐶 + 𝑉𝐴(𝐾)
si ricava che…
𝑃 = 𝐶 − (𝑆 − 𝑉𝐴(𝐷)) + 𝑉𝐴(𝐾)
Dimostrazione
Si considerino due portafogli: uno composto da una put e da un titolo, l’altro da una call, dal valore attuale dello strike
e dal valore attuale dei dividendi.
𝑝𝑡𝑓 = 𝑃 + 𝑆
𝑝𝑡𝑓 = 𝐶 + 𝑉𝐴(𝐾) + 𝑉𝐴(𝐷)
25
Alla scadenza dell’opzione, cioè al tempo T, si hanno due scenari (up e down).

In entrambi gli scenari i due portafogli hanno lo stesso valore; conseguentemente, per la legge del non arbitraggio,
devono avere anche lo stesso prezzo al tempo 0. Cioè, si è dimostrato che
𝑃 + (𝑆 − 𝑉𝐴(𝐷)) = 𝐶 + 𝑉𝐴(𝐾).
NOTA: con M(D) si intende il valore dei dividendi reinvestiti e fatti maturare fino alla scadenza del titolo (montante).
Martingala nel continuo
Un qualsiasi processo wt che evolve secondo un moto browniano è una martingala rispetto ad una misura P, cioè vale
che…
𝐸 [𝑤 |𝐹 ] = 𝑤
Dimostrazione
𝐸 [𝑤 |𝐹 ] = 𝐸 [𝑤 − 𝑤 + 𝑤 |𝐹 ] = 𝐸 [𝑤 − 𝑤 |𝐹 ] + 𝐸 [𝑤 |𝐹 ]
Si ottiene una somma fra due valori attesi. Il primo è il valore atteso di un incremento del moto browniano che, per
definizione, segue una distribuzione normale N(0,t-s); quindi 𝐸 [𝑤 − 𝑤 |𝐹 ] = 0. Il secondo è il valore atteso di una
variabile condizionata al tempo attuale, quindi è la variabile stessa: 𝐸 [𝑤 |𝐹 ] = 𝑤 . Segue che…
𝐸 [𝑤 |𝐹 ] = 0 + 𝑤 = 𝑤
Adesso si consideri una famiglia di integrali di Ito, ossia un processo y(t) definito come…

𝑦(𝑡) = 𝑥(𝑠)𝑑𝑤(𝑠)
È possibile dimostrare che il processo y(t) così definito è una martingala rispetto ad una misura P, cioè…
𝐸 [𝑦(𝑡)|𝐹 ] = 𝑦(𝑠)
Dimostrazione
È possibile scomporre il processo come somma di due integrali1.

𝑦(𝑡) = 𝑥(𝑢)𝑑𝑤(𝑢) = 𝑥(𝑢)𝑑𝑤(𝑢) + 𝑥(𝑢)𝑑𝑤(𝑢)

Segue che…
𝐸 [𝑦(𝑡)|𝐹 ] = 𝐸 ∫ 𝑥(𝑢)𝑑𝑤(𝑢) 𝐹 + 𝐸 ∫ 𝑥(𝑢)𝑑𝑤(𝑢) 𝐹
Si ottiene una somma fra due valori attesi. Il primo è il valore atteso dell’integrale che va da 0 ad s; tuttavia, visto che
si dispone della filtrazione fino a s, non ha senso fare il valore atteso, perché l’integrale fino a quel momento è noto
𝐸 ∫ 𝑥(𝑢)𝑑𝑤(𝑢) 𝐹 = ∫ 𝑥(𝑢)𝑑𝑤(𝑢) = ∫ 𝑥𝑑𝑤 . Il secondo invece, è il valore assoluto di un integrale che va da s a
t, ma, visto che si dispone dell’informazione fino a s, allora quell’integrale è un integrale di Ito, che per definizione ha
un valore atteso nullo. Quindi…

𝐸 [𝑦(𝑡)|𝐹 ] = 𝑥𝑑𝑤 + 0 = 𝑥𝑑𝑤 = 𝑦(𝑠)

Si consideri un processo di Ito governato da un’equazione differenziale stocastica.

𝑑𝑥(𝑡) = 𝜇 𝑡, 𝑥(𝑡) 𝑑𝑡 + 𝜎 𝑡, 𝑥(𝑡) 𝑑𝑤(𝑡)
È possibile dimostrare che…
𝜇 = 0 ↔ 𝑖𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑜 𝑥 è 𝑢𝑛𝑎 𝑚𝑎𝑟𝑡𝑖𝑛𝑔𝑎𝑙𝑎

1
Nella dimostrazione si scrive x(u) al posto di x(s) perché la variabile di integrazione deve essere diversa dagli estremi integrativi.
26
● Dimostrazione 𝜇 = 0 → 𝑖𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑜 𝑥 è 𝑢𝑛𝑎 𝑚𝑎𝑟𝑡𝑖𝑛𝑔𝑎𝑙𝑎
È possibile riscrivere l’equazione differenziale stocastica sotto forma di integrale1, ovvero…

𝑑𝑥(𝑠) = 𝜇 𝑠, 𝑥(𝑠) 𝑑𝑠 + 𝜎 𝑠, 𝑥(𝑠) 𝑑𝑤(𝑠)

𝑥(𝑡) = 𝑥(0) + 𝜇 𝑠, 𝑥(𝑠) 𝑑𝑠 + 𝜎 𝑠, 𝑥(𝑠) 𝑑𝑤(𝑠)

Se 𝜇 = 0, segue che…

𝑥(𝑡) = 𝑥(0) + 𝜎 𝑠, 𝑥(𝑠) 𝑑𝑤(𝑠)

Si ottiene una somma fra il valore del processo al tempo 0 e una componente stocastica che, al variare di t, è una
famiglia di integrali di Ito. Conseguentemente, il processo non è altro che la somma fra una costante e un processo
stocastico che, come dimostrato precedentemente, è una martingala. Quindi, anche x(t) è una martingala.
● Dimostrazione 𝜇 = 0 ← 𝑖𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑜 𝑥 è 𝑢𝑛𝑎 𝑚𝑎𝑟𝑡𝑖𝑛𝑔𝑎𝑙𝑎
Per dimostrare questa condizione è possibile utilizzare il teorema di rappresentazione delle martingala già illustrato
nel discreto. Si considerino due processi, w(t) ed x(t) entrambi di martingala rispetto alla filtrazione del moto
browniano Ft. Il teorema afferma che deve esistere un terzo processo 𝜑 tale che…
𝑑𝑥(𝑡) = 𝜑 𝑑𝑤(𝑡)
Generalmente, l’equazione differenziale stocastica definisce un processo come…
𝑑𝑥(𝑡) = 𝜇(… )𝑑𝑡 + 𝜎(… )𝑑𝑤(𝑡)
Ma, se vale il teorema della rappresentazione, allora il processo x(t) non può avere drift, perché il suo differenziale
contiene solo 𝑑𝑤(𝑡) e non 𝑑𝑡.
Segue che 𝜇 = 0.
Teorema di Girsanov
Per poter utilizzare l’option pricing formula nel continuo, occorre che il processo dei prezzi sia una martingala
secondo la misura Q (risk neutral measure). Occorre quindi capire come cambia il modo browniano al variare della
misura considerata (perché, come si è già detto, il moto browniano è una P martingala). Per questo, si utilizza il
Teorema di Girsanov.
Si consideri un processo w(t) P-Browniano e una costante 𝛾. Secondo il teorema, deve esistere una misura Q
equivalente2 a P tale che 𝑤(𝑡) + 𝛾𝑡 = 𝑤 (𝑡), con 𝑤 (𝑡) Q-Browniano. Quindi…
𝑤 (𝑡) = 𝑤(𝑡) + 𝛾𝑡
𝑑𝑤 (𝑡) = 𝑑𝑤(𝑡) + 𝛾𝑑𝑡
Conseguentemente, i cambiamenti di misura nei moti browniani non modificano la variabilità, ma solo il drift.
Come si è visto precedentemente, i processi di Ito sono martingale nel continuo rispetto ad una certa misura solo se il
drift è nullo; è quindi possibile applicare il teorema di Girsanov per far diventare un qualsiasi processo stocastico una
martingala (annullando il drift).
Esempio 1
Si consideri il processo 𝑑𝑥(𝑡) = 𝜇𝑥(𝑡)𝑑𝑡 + 𝜎𝑥(𝑡)𝑑𝑤(𝑡) con w(t) P-Browniano; questo processo non è una martingala,
perché ha un drift diverso da zero. È quindi possibile applicare Girsanov scegliendo un 𝛾 opportuno, che in questo caso
è pari a…
𝜇
𝛾=
𝜎
Per il teorema, esiste una misura Q tale che 𝑑𝑤 (𝑡) = 𝑑𝑤(𝑡) + 𝛾𝑑𝑡, quindi moltiplicando per σX a sinistra e a destra…
𝜎𝑋𝑑𝑤 (𝑡) = 𝜎𝑋𝑑𝑤(𝑡) + 𝜎𝑋𝛾𝑑𝑡 = 𝜎𝑋𝑑𝑤(𝑡) + 𝜇𝑋𝑑𝑡
Ma 𝜎𝑋𝑑𝑤(𝑡) + 𝜇𝑋𝑑𝑡 = 𝑑𝑋, quindi…
𝑑𝑋(𝑡) = 𝜎𝑋𝑑𝑤 (𝑡)
La nuova equazione differenziale stocastica non contiene più il drift, quindi X(t) è una martingala rispetto a Q.

1
Per farlo si sostituisce x(t) con x(s) perché la variabile di integrazione deve essere diversa dagli estremi integrativi.
2
Due misure di probabilità P e Q sono equivalenti se gli eventi possibili rispetto a P lo sono rispetto a Q, ovvero…
𝑃(𝐴) > 0 ↔ 𝑄(𝐴) > 0
𝑃(𝐴) = 0 ↔ 𝑄(𝐴) = 0
27
Esempio 2
Si consideri il processo 𝑆(𝑡) = 𝑆(0)𝑒 ( )
con w(t) P-Browniano. Per scrivere il processo in forma differenziale,
occorre aumentare il drift di , cioè 𝑑𝑆(𝑡) = (𝜇 + )𝑆(𝑡)𝑑𝑡 + 𝜎𝑆(𝑡)𝑑𝑤(𝑡); è possibile applicare il teorema di
Girsanov per far sì che il drift sia uguale al tasso risk free r (cioè in modo da avere lo stesso valore atteso del bond).
𝜎
𝜇−𝑟+ 2
𝛾=
𝜎
Considerando che 𝑤 (𝑡) = 𝑤(𝑡) + 𝛾𝑡 = 𝑤(𝑡) + 𝑡, si ha che…
𝜎
𝜎𝑤 (𝑡) = 𝜎𝑤(𝑡) + (𝜇 − 𝑟 + )𝑡
2
Considerando gli incrementi differenziali…
𝜎
𝜎𝑑𝑤(𝑡) = 𝜎𝑑𝑤(𝑡) + (𝜇 − 𝑟 + )𝑑𝑡
2
𝜎
𝑟𝑑𝑡 + 𝜎𝑑𝑤 (𝑡) = (𝜇 + )𝑑𝑡 + 𝜎𝑑𝑤(𝑡)
2
Moltiplicando S(t) a sinistra e a destra…
𝜎
𝑟𝑆(𝑡)𝑑𝑡 + 𝜎𝑆(𝑡)𝑑𝑤 (𝑡) = (𝜇 + )𝑆(𝑡)𝑑𝑡 + 𝜎𝑆(𝑡)𝑑𝑤(𝑡)
2
Ma, poiché(𝜇 + )𝑆(𝑡)𝑑𝑡 + 𝜎𝑆(𝑡)𝑑𝑤(𝑡) = 𝑑𝑆(𝑡)…
𝑑𝑆(𝑡) = 𝑟𝑆(𝑡)𝑑𝑡 + 𝜎𝑆(𝑡)𝑑𝑤 (𝑡)
Per passare alla forma esponenziale basta diminuire il drift di …
( )
𝑆(𝑡) = 𝑆(0)𝑒 ( )

Quindi, con la misura Q, è possibile far scomparire μ e far apparire r al suo posto, per questo viene detta risk neutral
measure.
Option pricing nel continuo
Si consideri un sottostante che evolve secondo un moto browniano geometrico 𝑆(𝑡) = 𝑆(0)𝑒 ( )
. Adesso si
( )
consideri il processo 𝑍 = ( )
: poiché dividere per B(t) equivale a moltiplicare per 𝑒 , si ha che…
( )
𝑍 = 𝑆(0)𝑒 𝑒 = 𝑆(0)𝑒 ( ) ( )

Adesso si consideri la sua evoluzione.

𝜎
𝑑𝑍(𝑡) = 𝜇 − 𝑟 + 𝑍(𝑡)𝑑𝑡 + 𝜎𝑍(𝑡)𝑑𝑤(𝑡)
2
Quindi questo processo non è una martingala, ma è possibile applicare il teorema di Girsanov con…
𝜎
𝜇−𝑟+ 2
𝛾=
𝜎
Si ha quindi che…
𝜎
𝜇−𝑟+ 2
𝑑𝑤 (𝑡) = 𝑑𝑤(𝑡) + 𝑑𝑡
𝜎
𝜎
𝜎𝑍(𝑡)𝑑𝑤 (𝑡) = 𝜎𝑍(𝑡)𝑑𝑤(𝑡) + 𝜇 − 𝑟 + 𝑍(𝑡)𝑑𝑡
2
Ma visto che 𝜎𝑍𝑑𝑤(𝑡) + 𝜇 − 𝑟 + 𝑍𝑑𝑡 = 𝑑𝑍(𝑡), si ha che…
𝑑𝑍(𝑡) = 𝜎𝑍(𝑡)𝑑𝑤 (𝑡)
Quindi il processo dei prezzi scontati Z(t) è una martingala rispetto alla misura Q.
Adesso occorre considerare un altro processo stocastico, ovvero quello dei valori attesi condizionati del payoff scontati
del derivato, che è una Q-Martingala per la tower law.
𝑋(𝑇)
𝐸 =𝐸 𝐹
𝐵(𝑇)

28
Adesso è quindi possibile applicare il teorema di rappresentazione delle martingala, per cui esiste 𝜑 tale che…
𝑑𝑋(𝑡) = 𝜑 𝑑𝑍(𝑡)
𝑑𝑋(𝑡)
𝜑 =
𝑑𝑍(𝑡)
Ma 𝜑 è la la quantità di stock di un portafoglio di copertura che verrà utilizzato per prezzare il sottostante, cioè
𝑉 = 𝜑 𝑆 + Ψ B ; ma poiché il portafoglio deve replicare l’asset (X), si ha che il due valori alla scadenza 𝑉 = 𝑋
coincidono, quindi…
𝑉 𝑉(𝑇)
=𝐸 𝐹 =𝐸
𝐵 𝐵(𝑇)
Segue che…
Ψ =𝐸 −𝜑 𝑍
Una volta scelti 𝜑 e Ψ , per ogni istante temporale vale…
𝑉(𝑡) = 𝐵(𝑡)𝐸(𝑡)
Quindi, l’option pricing formula nel continuo, rispetto alla misura EMM (equivalent martingale measure) è…
𝑋(𝑇)
𝑉 =𝐵𝐸 𝐹
𝐵(𝑇)
In particolare, il valore del portafoglio al tempo 0 è…
𝑋(𝑇) 𝑋(𝑇)
𝑉 =1∗𝐸 𝐹 =𝐸
𝐵(𝑇) 𝐵(𝑇)
rT
Ma visto che B(T)=e , segue che…
𝑉 = 𝑒 𝐸 [𝑋(𝑇)]
Dimostrazione – Il portafoglio di replica è autofinanziante
Nel continuo, il portafoglio è autofinanziante se vale la seguente condizione.
𝑑𝑉 = 𝜑 𝑑𝑆 + Ψ 𝑑𝐵
È possibile dimostrare che, dato un processo stocastico X e un bond deterministico B (senza volatilità 𝑑𝐵 = 𝑟𝐵 𝑑𝑡),
si ha che 𝑑(𝑋𝐵) = 𝐵𝑑𝑋 + 𝑋𝑑𝐵.
Il portafoglio di replica è stato costruito in modo che per ogni istante t valga 𝑉(𝑡) = 𝐵(𝑡)𝐸(𝑡), quindi…
𝑑𝑉 = 𝐵 𝑑𝐸 + 𝐸 𝑑𝐵
Per definizione, 𝑑𝐸 = 𝜑 𝑑𝑍 , e 𝐸 = 𝜑 𝑍 + Ψ quindi…
𝑑𝑉 = 𝐵 𝑑𝐸 + 𝐸 𝑑𝐵 = 𝐵 𝜑 𝑑𝑍 + 𝜑 𝑍 𝑑𝐵 + Ψ 𝑑𝐵 = 𝜑 (𝐵 𝑑𝑍 + 𝑍 𝑑𝐵 ) + Ψ 𝑑𝐵
Ma, sempre per la condizione illustrata prima, 𝐵 𝑑𝑍 + 𝑍 𝑑𝐵 = 𝑑(𝐵 𝑍 ) = 𝑑(𝑆 ), quindi…
𝑑𝑉 = 𝜑 𝑑𝑆 + Ψ 𝑑𝐵
Teorema di Feynman-Kac (o di rappresentazione stocastica)
Questo teorema risulta essere un collegamento fra l’approccio alle martingale e l’approccio Black-Sholes con PDE volto
a risolvere il problema del pricing di un derivato. Si consideri un processo di Ito…
𝑑𝑆 = 𝜇(𝑡, 𝑆)𝑑𝑡 + 𝜎(𝑡, 𝑆)𝑑𝑤(𝑡)
con w(t) moto browniano rispetto ad una certa misura P.
Adesso si consideri un derivato che segue il modello Black-Sholes…
1
𝐹 + 𝜇(… )𝐹 + 𝜎(… ) 𝐹 𝑑𝑤(𝑡) = 𝑟𝐹
2
Alla scadenza T deve valere che 𝐹(𝑇, 𝑆) = φ(S(T))
Allora, si ha che…
𝐹(𝑡, 𝑆) = 𝑒 ( ) 𝐸 [φ(S(T))|𝐹 ]
Dimostrazione
Si consideri il processo Z, ovvero F scontato.
𝑍(𝑡, 𝑆) = 𝑒 𝐹(𝑡, 𝑆)
Secondo il lemma di Ito, si ha che…
1
𝑑𝑍 = 𝑍 + 𝜇(… )𝑍 + 𝜎 (… )𝑍 𝑑𝑡 + (𝜎(… )𝑍 )𝑑𝑤
2
Sostituendo le derivate…
𝑍′ = −𝑟𝑒 𝐹 + 𝑒 𝐹′
𝑍′ = 𝑒 𝐹′

29
 𝑍′′
= 𝑒 𝐹′′
1
𝑑𝑍 = 𝑒 −𝑟𝐹 + 𝐹′ + 𝜇(… )𝐹 + 𝜎 (… )𝐹 𝑑𝑡 + (𝜎(… )𝑒 𝐹′ )𝑑𝑤
2

=0 perché l’interno della parentesi è 0 (per ipotesi)

Segue che…
𝑑𝑍 = (𝜎𝑒 𝐹′ )𝑑𝑤
Quindi, visto che è un processo senza deriva, è possibile affermare che Z è una martingala. Per definizione di
martingala, 𝐸 [Z(T)|𝐹 ] = 𝑍(𝑡), quindi…
𝐸 [𝑒 𝐹(𝑇, 𝑆)|𝐹 ] = 𝑒 𝐹(𝑡, 𝑆)
𝑒 𝐸 [𝐹(𝑇, 𝑆)|𝐹 ] = 𝑒 𝐹(𝑡, 𝑆)
𝑒 ( ) 𝐸 [𝐹(𝑇, 𝑆)|𝐹 ] = 𝐹(𝑡, 𝑆)
Ma 𝐹(𝑡, 𝑆) = φ(S(t)), quindi…
𝐹(𝑡, 𝑆) = 𝑒 ( ) 𝐸 [φ(S(T))|𝐹 ]
Se questo teorema viene applicato al caso in cui l’equazione differenziale stocastica del sottostante è riferita alla risk
neutral measure, allora si ottiene la formula dell’option pricing rispetto alla EMM.
Si consideri un portafoglio V che replica il derivato. In Q, 𝑑𝑆 = 𝜇𝑆𝑑𝑡 + 𝜎𝑆𝑑𝑤, quindi vale la formula di Black-Scholes.
È dunque possibile applicare il teorema di Feynman-Kac a V sotto Q.
𝑉 = 𝑒 ( ) 𝐸 [V(T)|𝐹 ]
Segue che…
𝑉 𝑉(𝑇)
=𝐸 𝐹
𝐵 𝐵(𝑇)
Opzioni binarie (o digitali)
Si considerino delle opzioni la cui caratteristica è l’avere un payoff discontinuo.
Call Put
1 𝑝𝑒𝑟 𝑆(𝑇) ≥ 𝐾 0 𝑝𝑒𝑟 𝑆(𝑇) > 𝐾
0 𝑝𝑒𝑟 𝑆(𝑇) < 𝐾 1 𝑝𝑒𝑟 𝑆(𝑇) ≤ 𝐾

Applicando la option pricing formula alla call…

𝐶 = 𝑒 𝐸 [𝑋(𝑇)] = 𝑒 [1 ∗ 𝑄(𝑆(𝑇) ≥ 𝐾) + 0 ∗ 𝑄(𝑆(𝑇) < 𝐾)] = 𝑒 𝑄(𝑆(𝑇) ≥ 𝐾)
( )
Ma 𝑆(𝑇) = 𝑆(0)𝑒 ( )
, quindi…
( ) ( ) 𝐾
𝐶 =𝑒 𝑄 𝑆(0)𝑒 ( )
≥𝐾 =𝑒 𝑄 𝑒( )
≥
𝑆(0)
𝜎 𝐾 𝐾 𝜎
=𝑒 𝑄 (𝑟 − )𝑇 + 𝜎𝑤(𝑇) ≥ ln =𝑒 𝑄 −𝜎𝑤 (𝑇) ≤ − ln + (𝑟 − )𝑇
2 𝑆(0) 𝑆(0) 2
𝑆(0) 𝜎
𝑆(0) 𝜎 𝑤 (𝑇) ln 𝐾 + (𝑟 − 2 )𝑇
=𝑒 𝑄 −𝜎𝑤 (𝑇) ≤ ln + (𝑟 − )𝑇 = 𝑒 𝑄 − ≤
𝐾 2 √𝑇 𝜎√𝑇

=d2

30
 ( ) ( ) ( )
Visto che ~𝑁(0,1) e che la distribuzione normale è simmetrica (cioè =− ), allora…
√ √ √
𝑤 (𝑇)
𝑄 − ≤𝑑 = 𝑁(𝑑 )
√𝑇
Quindi…
𝐶 = 𝑒 𝑁(𝑑 )
È possibile anche ricavare il valore della put perché, per la relazione di parità fra call e put binarie, 𝐶 +𝑃 = 1;
quindi segue che…
𝐶 +𝑃 =𝑒
𝑃 =𝑒 −𝐶 =𝑒 − 𝑒 𝑁(𝑑 ) = 𝑒 [1 − 𝑁(𝑑 )]
Quindi…
𝑃 = 𝑒 [1 − 𝑁(𝑑 )] = 𝑒 𝑁(−𝑑 )
Esempio
Si considerino i seguenti dati: S0=100, K=105, σ=0,1, T=0,25, rF=0,04. I prezzi della call standard e della put standard,
calcolati con Black-Sholes, sono…
𝐶 = 0,6462
𝑃 = 4,6015
Adesso si calcolino quelli relativi alla call e alla put standard…
𝑑 = −0,8008
𝑁(𝑑 ) = 0,2114
𝐶 = 𝑒 , ∗ , ∗ 0,2114 = 0,2093
1 − 𝑁(−𝑑 ) = 0,7886
𝑃 = 𝑒 , ∗ , ∗ 0,7886 = 0,7808
Nel caso in cui l’opzione fosse cash or nothing, cioè che dà come payoff un certo ammontare di denaro H anziché 1,
basta moltiplicare il prezzo della call/put per H. Ad esempio, per una call…
𝐻 𝑝𝑒𝑟 𝑆(𝑇) ≥ 𝐾
0 𝑝𝑒𝑟 𝑆(𝑇) < 𝐾

𝐶 = 𝐻𝐶
Nel caso in cui l’opzione fosse asset or nothing, cioè che dà come payoff il sottostante S(T) anziché 1, occorre qualche
passaggio in più per capire come prezzarla. Si parte dalla call. Nella tabella seguente si riportano i payoff delle call
studiate finora, considerando una call cash or nothing in cui H è lo strike della stessa (K).
Call standard Call cash or nothing Call asset or nothing
𝑆(𝑇) ≥ 𝐾 S(T)-K K S(T)
𝑆(𝑇) < 𝐾 0 0 0
È quindi immediato notare che acquistando una call standard e una call cash or nothing si ottiene il payoff della call
asset or nothing; quindi il portafoglio che include le due call deve valere esattamente come l’altra: al tempo 0 vale
che…
𝐶 +𝐶 =𝐶
Quindi…
𝐶 = 𝑆 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 ) + 𝐾𝑒 𝑁(𝑑 ) = 𝑆 𝑁(𝑑 )
È possibile anche ricavare il valore della put perché, per la relazione di parità fra call e put binarie, 𝐶 +𝑃 =
𝑆(𝑇); quindi segue che…
𝐶 +𝑃 =𝑆
Quindi…
𝑃 = 𝑆 [1 − 𝑁(𝑑 )] = 𝑆 𝑁(−𝑑 )
Forward start option
Una forward stard option è un’opzione che comincia a valere a partire da uno specifico punto futuro (T1) e che avrà
scadenza in un punto ancora più avanti nel futuro (T2).

31
Si consideri una call di questo tipo; il suo payoff sarà…
𝑉(𝑇 ) = max [𝑆(𝑇 ) − 𝑆(𝑇 ); 0]
Si consideri un punto t compreso fra T1 e T2. Chiaramente, in t si è a conoscenza dello strike K e di S(T1); quindi, è
possibile vedere quest’opzione come una call standard con payoff V(T2), che è prezzabile con Black-Sholes,
considerando che K= S(T1). Quindi, il valore dell’opzione al tempo T1 è…
𝑉(𝑇 ) = 𝑆(𝑇 )𝑁(𝑑 ) − 𝑆(𝑇 )𝑒 ( )
𝑁(𝑑 )
𝑆(𝑇 ) 𝜎 𝜎
ln + 𝑟 ± 2 (𝑇 − 𝑇 ) 𝑟± 2
𝑆(𝑇 )
𝑑, = = 𝑇 −𝑇
𝜎 𝑇 −𝑇 𝜎
Quindi…
𝜎 𝜎
𝑟+ 2 𝑟− 2
( )
𝑉(𝑇 ) = 𝑆(𝑇 ) 𝑁 𝑇 −𝑇 −𝑒 𝑁 𝑇 −𝑇
𝜎 𝜎

È un valore costante, non aleatorio. Lo si chiami c.

𝑉(𝑇 ) = 𝑐 ∗ 𝑆(𝑇 )
Per il principio di non arbitraggio, il valore del forward state option al tempo 0 deve essere…
𝑉(0) = 𝑐 ∗ 𝑆(0)
Lemma di Ito bidimensionale
Si considerino le due variabili in figura. Il loro differenziale è…
𝑑(𝑥, 𝑦) = 𝑓(𝑥 + 𝑑𝑥, 𝑦 + 𝑑𝑦) − 𝑓(𝑥, 𝑦)
Per trovare il primo termine della somma si utilizza la formula di Taylor
(approssimata), ovvero…
𝑓(𝑥 + 𝑑𝑥, 𝑦 + 𝑑𝑦)
1
≅ 𝑓(𝑥, 𝑦) + 𝑓 𝑑𝑥 + 𝑓 𝑑𝑦 + [𝑓 𝑑𝑥 + 2𝑓 𝑓 𝑑𝑥𝑑𝑦
2
+ 𝑓 𝑑𝑦 ]
Nel caso deterministico, la parte quadratica è trascurabile, quindi…
𝑑(𝑥, 𝑦) = 𝑓(𝑥, 𝑦) + 𝑓 𝑑𝑥 + 𝑓 𝑑𝑦 − 𝑓(𝑥, 𝑦) = 𝑓 𝑑𝑥 + 𝑓 𝑑𝑦
Nel caso stocastico, cioè se le due variabili fossero una coppia di processi che seguono il moto browniano,
occorrerebbe conoscere la loro evoluzione. Quindi, si considerino x e y come due processi di Ito.
𝑑𝑥 = 𝜇 𝑥𝑑𝑡 + 𝜎 𝑥𝑑𝑤 ~𝑁(0, 𝑑𝑡)
𝑑𝑦 = 𝜇 𝑦𝑑𝑡 + 𝜎 𝑦𝑑𝑤 ~𝑁(0, 𝑑𝑡)
I due processi, nell’ipotesi in cui siano correlati fra loro con coefficiente di correlazione ρ, devono essere tali che…
𝑑𝑤 𝑑𝑤 = 𝜌𝑑𝑡
Dimostrazione
Affinché questa uguaglianza sia vera, occorre che il valore atteso 𝐸[𝑑𝑤 𝑑𝑤 ] sia uguale a 𝜌𝑑𝑡 e che la varianza
𝑉𝑎𝑟[𝑑𝑤 𝑑𝑤 ] sia nulla.
Partiamo dalla prima condizione. Per definizione, la covarianza è data da…
𝐶𝑜𝑣[𝑑𝑤 𝑑𝑤 ] = 𝐸[𝑑𝑤 𝑑𝑤 ] − 𝐸[𝑑𝑤 ]𝐸[𝑑𝑤 ] = 𝐸[𝑑𝑤 𝑑𝑤 ]
Per definizione, la correlazione è data da…
𝐶𝑜𝑣[𝑑𝑤 𝑑𝑤 ] 𝐸[𝑑𝑤 𝑑𝑤 ] 𝐸[𝑑𝑤 𝑑𝑤 ]
𝜌= = =
𝑉𝑎𝑟[𝑑𝑤 ]𝑉𝑎𝑟[𝑑𝑤 ] √𝑑𝑡√𝑑𝑡 𝑑𝑡
Segue che…
𝐸[𝑑𝑤 𝑑𝑤 ] = 𝜌𝑑𝑡
Adesso passiamo alla seconda condizione. Per definizione, la varianza è data da…
𝑉𝑎𝑟[𝑑𝑤 𝑑𝑤 ] = 𝐸[(𝑑𝑤 ) (𝑑𝑤 ) ] − 𝐸[𝑑𝑤 𝑑𝑤 ] = 𝐸[𝑑𝑡 ∗ 𝑑𝑡] − 𝜌 𝑑𝑡 = 𝐸[𝑑𝑡 ] − 𝜌 𝑑𝑡 = 𝑑𝑡 − 𝜌 𝑑𝑡
= (1 − 𝜌 )𝑑𝑡
2
Ma, poiché dt è trascurabile, allora la varianza si può considerare nulla.

32
Prodotto di due processi di Ito
Si consideri il processo 𝑃(𝑥, 𝑦) = 𝑥𝑦. Si considerino poi le seguenti derivate…
𝑓′ = 𝑦 𝑓′ = 𝑥 𝑓′′ = 0 𝑓′′ = 1 𝑓′′ =0
L’evoluzione di P è descritta dalla regola di Ito per il prodotto, ovvero…
𝑑(𝑥𝑦) = 𝑥𝑑𝑦 + 𝑦𝑑𝑥 + 𝑑𝑥𝑑𝑦
Sostituendo dx e dy come definiti nella pagina precedente…
𝑑(𝑥𝑦) = 𝑥(𝜇 𝑑𝑡 + 𝜎 𝑑𝑤 ) + 𝑦(𝜇 𝑑𝑡 + 𝜎 𝑑𝑤 ) + (𝜇 𝑑𝑡 + 𝜎 𝑑𝑤 )(𝜇 𝑑𝑡 + 𝜎 𝑑𝑤 )
𝑑(𝑥𝑦) = 𝑥𝑦[ 𝜇 + 𝜇 + 𝜌𝜎 𝜎 𝑑𝑡 + 𝜎 𝑑𝑤 + 𝜎 𝑑𝑤 ]
È possibile dimostrare che il processo ottenuto è un processo di Ito.
Dimostrazione
P è un processo di Ito se…
𝑑𝑃
= 𝜇 𝑑𝑡 + 𝜎 𝑑𝑤
𝑃
con 𝜇 = 𝜇 + 𝜇 + 𝜌𝜎 𝜎 e 𝜎 = 𝜎 + 2𝜌𝜎 𝜎 + 𝜎 .
La deriva coincide con quella ricavata precedentemente; occorre quindi dimostrare che
𝜎 𝑑𝑤 + 𝜎 𝑑𝑤 = 𝜎 + 2𝜌𝜎 𝜎 + 𝜎 𝑑𝑤
L’unico modo per fare ciò è definire dwP come…
𝜎 𝑑𝑤 + 𝜎 𝑑𝑤
𝑑𝑤 =
𝜎
Questo processo deve seguire una normale con media pari a 0 e varianza pari a dt; occorre quindi dimostrare queste
condizioni.
𝜎 𝐸[𝑑𝑤 ] 𝜎 𝐸[𝑑𝑤 ]
𝐸[𝑑𝑤 ] = + =0+0 =0
𝜎 𝜎
𝜎 𝜎 𝜎 𝜎
𝑉𝑎𝑟[𝑑𝑤 ] = 𝐸[(𝑑𝑤 ) ] − 𝐸[𝑑𝑤 ] = 𝐸[(𝑑𝑤 ) ] = 𝐸[ (𝑑𝑤 ) + 𝑑𝑤 𝑑𝑤 + (𝑑𝑤 )
𝜎 𝜎 𝜎
𝜎 𝑑𝑡 + 2𝜌𝜎 𝜎 𝑑𝑡 + 𝜎 𝑑𝑡 𝜎 + 2𝜌𝜎 𝜎 + 𝜎
= = 𝑑𝑡 = 𝑑𝑡
𝜎 𝜎
Rapporto di due processi di Ito
Si consideri il processo 𝑅(𝑥, 𝑦) = . Si considerino poi le seguenti derivate…
1 𝑥 𝑓′′ = 0 1 2𝑥
𝑓′ = 𝑓′ = − 𝑓′′ = − 𝑓′′ =
𝑦 𝑦 𝑦 𝑦
L’evoluzione di P è descritta dalla regola di Ito per il rapporto, ovvero…
𝑥 1 𝑥 1 1 2𝑥 1 𝑥 1 2𝑥
𝑑 = 𝑑𝑥 − 𝑑𝑦 + 0𝑑𝑥 + 2 − 𝑑𝑥𝑑𝑦 + 𝑑𝑦 = 𝑑𝑥 − 𝑑𝑦 − 𝑑𝑥𝑑𝑦 + 𝑑𝑦
𝑦 𝑦 𝑦 2 𝑦 𝑦 𝑦 𝑦 𝑦 𝑦
Sostituendo dx e dy come definiti nella pagina precedente…
𝑥 𝑥
𝑑 = 𝜇 − 𝜇 − 𝜌𝜎 𝜎 + 𝜎 𝑑𝑡 + 𝜎 𝑑𝑤 − 𝜎 𝑑𝑤
𝑦 𝑦
È possibile dimostrare che il processo ottenuto è un processo di Ito.
Dimostrazione
P è un processo di Ito se…
𝑑𝑅
= 𝜇 𝑑𝑡 + 𝜎 𝑑𝑤
𝑅
con 𝜇 = 𝜇 − 𝜇 − 𝜌𝜎 𝜎 + 𝜎 e 𝜎 = 𝜎 + 2𝜌𝜎 𝜎 + 𝜎 .
La deriva coincide con quella ricavata precedentemente. Quindi, analogamente al caso precedente, occorre
dimostrare che
𝜎 𝑑𝑤 − 𝜎 𝑑𝑤 = 𝜎 + 2𝜌𝜎 𝜎 + 𝜎 𝑑𝑤
Si procede esattamente come nel caso precedente.

33
Il modello di Magrabe: exchange options
Le exchange options coinvolgono due sottostanti, S1 e S2, e danno al detentore la possibilità di scambiare alla scadenza
S2 con S1, o più precisamente di consegnare S2 e ricevere S1. L’opzione sarà evidentemente esercitata se il rendimento
di S1 ha superato quello di S2. Quindi il payoff di quest’opzione è…
𝑋(𝑇) = max {𝑆 (𝑇) − 𝑆 (𝑇); 0}
Chiaramente, non è possibile usare Black-Sholes per prezzare quest’opzione, perché considera due sottostanti anziché
uno. L’approccio di Magrabe consiste nello scrivere tutti i prezzi in rapporto ad un numerario, che in questo caso è S2.
𝑆 𝑆
𝑆 → 𝑆 → =1
𝑆 𝑆
In questo modo, è quindi possibile eliminare la volatilità di S2, perché in ogni istante sarà sempre uguale a 1. Ciò
comporta due conseguenze: la prima è che 𝑟 = 0 (perché 𝑆 (𝑇)/𝑆 (𝑇) = 1, quindi alla scadenza è come se non
generasse alcun rendimento), la seconda riguarda invece lo strike, che sarà 𝐾 = 1, perché il nuovo payoff è…
𝑆 (𝑇)
𝑋(𝑇) = max { − 1; 0}
𝑆 (𝑇)
A questo punto, è necessaria la volatilità per poter prezzare l’opzione; poiché i due sottostanti sono due processi di
Ito, la volatilità sarà quella del rapporto, ovvero…
𝜎= 𝜎 + 2𝜌𝜎 𝜎 + 𝜎
A questo punto è possibile applicare la formula di Black-Sholes, ricordando che è necessario moltiplicare per 𝑆
affinché il prezzo sia assoluto.
𝑆 (𝑡)
𝐶 = 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 ) 𝑆 (𝑡) = 𝑆 (𝑡)𝑁(𝑑 ) − 𝑆 (𝑡)𝑁(𝑑 )
𝑆 (𝑡)
Quindi, il prezzo dell’opzione oggi è…
𝐶 = 𝑆 (0)𝑁(𝑑 ) − 𝑆 (0)𝑁(𝑑 )
Se i due sottostanti distribuiscono dividendi con dividend yield rispettivi pari a 𝛿 e 𝛿 , basterà moltiplicare per 𝑒 ,
ovvero…
𝐶 , = 𝑆 (0)𝑁(𝑑 )𝑒 − 𝑆 (0)𝑁(𝑑 )𝑒
Chooser options
Sono delle opzioni particolari che permettono al detentore di scegliere, in un tempo T1
precedente alla scadenza T2, se l’opzione stessa sarà una call o una put. Chiaramente,
in T1 occorre scegliere quella che ha un maggior valore.
max{𝐶(𝑇 ); 𝑃(𝑇 )}
è possibile ricavare il valore della put attraverso la put-call parity, per cui segue che…
max 𝐶(𝑇 ); 𝐶(𝑇 ) + 𝑉𝐴 (𝐾) − 𝑆(𝑇 ) = 𝐶(𝑇 ) + max {𝑉𝐴 (𝐾) − 𝑆(𝑇 ); 0}
Ma, poiché 𝑉𝐴 (𝐾) = 𝐾𝑒 ( )
, segue che…
𝐶(𝑇 ) + max {𝐾𝑒 ( )
− 𝑆(𝑇 ); 0}
Cioè il valore dell’opzione in T1 è la somma fra una call con strike K e scadenza T2 e il payoff di una put con strike
𝐾𝑒 ( )
e scadenza T1.
È quindi possibile procedere a prezzare l’opzione con Black-Sholes.
𝑆 𝜎
ln 𝐾 + 𝑟 ± 2 𝑇
𝑑, =
𝜎 𝑇
( )
𝑆 𝜎 𝑆 𝑒 𝜎 𝑆 𝜎
ln ) + 𝑟± 2 𝑇 ln 𝐾 + 𝑟± 2 𝑇 ln 𝐾 + 𝑟(𝑇 − 𝑇 ) + 𝑟 ± 2 𝑇
𝐾𝑒 (
𝑑, = = =
𝜎 𝑇 𝜎 𝑇 𝜎 𝑇
) + 𝐾𝑒 ( ) )
𝐶𝑂 = 𝑆 𝑁 𝑑 − 𝐾𝑒 𝑁 𝑑 − 𝑆 𝑁(−𝑑 𝑒 𝑁(−𝑑
Probabilità
Probabilità che un portafoglio di gestione attiva faccia un rendimento migliore del benchmark
Si consideri un portafoglio a gestione attiva P e un indice benchmark I, entrambi processi di Ito e, ovviamente, correlati
fra loro: 𝑑𝑤 𝑑𝑤 = 𝜌𝑑𝑡. La probabilità che P abbia un rendimento maggiore di I è 𝑃(𝑃(𝑡) > 𝐼(𝑡)). Tuttavia, è
possibile riscriverla considerando il processo rapporto.
34
 𝑃(𝑡)
𝑃 𝑅(𝑡) = >1
𝐼(𝑡)
È possibile scrivere l’evoluzione di R(t) come…
( )
𝑅(𝑡) = 𝑅 𝑒
Ma visto che, per definizione di moto browniano, 𝑤 (𝑡)~𝑁(0, 𝑡), è possibile dire che 𝑤 (𝑡) ≅ √𝑡 𝑁(0,1), ed è
altrettanto possibile usare φ per indicare 𝑁(0,1).
Si ricordi che doveva essere ricavata la probabilità che il rapporto avesse un valore maggiore di 1. Ciò significa fare in
modo che l’esponente della e sia maggiore di 0.
Ipotizzando che alla creazione del fondo il gestore parta con una gestione passiva, cioè si limiti a copiare il fondo, si ha
che 𝑃(0) = 𝐼(0), quindi 𝑅(0) = 1. A questo punto, la probabilità da ricercare è…
𝜎
𝑃 𝜇 − 𝑡 + 𝜎 𝑤 (𝑡) > 0
2
Svolgendo i calcoli…
𝜎
𝜇 − 𝑡 + 𝜎 φ√𝑡 > 0
2
𝜎
−𝜎 φ√𝑡 < 𝜇 − 𝑡
2
𝜎
𝜇 − 2
−φ < √𝑡
𝜎
Ma, poiché la normale è simmetrica, si ha che…
𝜎 𝜎
𝜇 − 2 𝜇 − 2
𝑃(𝑅(𝑡) > 1) = 𝑃 φ < √𝑡 =𝑁 √𝑡
𝜎 𝜎

Per avere una probabilità maggiore del 50%, poiché √𝑡 e 𝜎 sono positivi, è sufficiente che 𝜇 > .
Probabilità che il valore di un titolo azionario superi quello di un titolo obbligazionario
( )
Si considerino un processo di Ito 𝑆(𝑡) = 𝑆 𝑒 e un bond 𝐵(𝑡) = 𝐵 𝑒 . La probabilità che S abbia un
rendimento maggiore di B è 𝑃(𝑆(𝑡) > 𝐵(𝑡)), ovvero…
( )
𝑃 𝑆 𝑒 >𝐵 𝑒

Per definizione di moto browniano, 𝑤(𝑡)~𝑁(0, 𝑡), è possibile dire che 𝑤(𝑡) ≅ √𝑡 𝑁(0,1), ed è altrettanto possibile
usare φ per indicare 𝑁(0,1).
Ipotizzando che al tempo zero i due strumenti abbiano lo stesso valore, si ha che 𝑆(0) = 𝐵(0). A questo punto, la
probabilità da ricercare è…
( )
𝑃 𝑒 >𝑒

Svolgendo i calcoli…
𝜎
−𝜎φ√𝑡 < 𝜇 − 𝑡 − 𝑟𝑡
2
𝜎
𝜇 − 2 − 𝑟 √𝑡
−φ <
𝜎
Ma, poiché la normale è simmetrica, si ha che…
𝜎 𝜎
𝜇 − 2 − 𝑟 √𝑡 𝜇 − 2 − 𝑟 √𝑡
𝑃 𝑆(𝑡) > 𝐵(𝑡) = 𝑃 −φ < =𝑁
𝜎 𝜎

Per avere una probabilità maggiore del 50%, poiché √𝑡 e 𝜎 sono positivi, è sufficiente che𝜇 > + 𝑟.
35
Paradosso di Siegel sui tassi di cambio
Il paradosso di Siegel è quel fenomeno per cui l’incertezza per i prezzi futuri può spingere agenti razionali a scambiare
temporaneamente la propria valuta con una estera, per poi scambiarle nuovamente una volta che i prezzi rispettivi si
determinino nel futuro con l’obiettivo di registrare un guadagno. Ad esempio, un agente americano può aspettarsi di
guadagnare, in media, più dollari americani investendo in euro; al contempo, un agente europeo può aspettarsi di
guadagnare, in media, più euro investendo in dollari americani. Questo paradosso è motivato dal fatto che i due agenti
hanno aspettative diverse sui tassi di cambio che, ovviamente, non possono coesistere. È possibile interpretare questo
paradosso con i moti browniani geometrici. Si considerino i seguenti processi.
€
𝑋=
$
$ 1 1 2
𝑌= 𝑌 = 𝑓(𝑋) = 𝑓 (𝑋) = − 𝑓 (𝑋) =
€ 𝑋 𝑋 𝑋
Usando il lemma di Ito è possibile descrivere l’evoluzione di Y.
𝑑𝑋 = 𝜇𝑋𝑑𝑡 + 𝜎𝑋𝑑𝑤
1 𝜎 2 1
𝑑𝑌 = 𝜇𝑋 − − 𝑋 𝑑𝑡 + 𝜎𝑋 − 𝑑𝑤
𝑋 2 𝑋 𝑋
Svolgendo i calcoli…
𝜇 𝜎 𝜎 1
𝑑𝑌 = − + 𝑑𝑡 + − 𝑑𝑤 = [(−𝜇 + 𝜎 )𝑑𝑡 − 𝜎𝑑𝑤]
𝑋 𝑋 𝑋 𝑋
Ma, considerando che 𝑌 = 𝑓(𝑋) = , allora l’incremento infinitesimo è…
𝑑𝑌
= (−𝜇 + 𝜎 )𝑑𝑡 − 𝜎𝑑𝑤
𝑌
Mentre quello di X è…
𝑑𝑋
= 𝜇𝑑𝑡 + 𝜎𝑑𝑤
𝑋
Quindi si ottiene che quando un processo accresce il suo valore l’altro si decresce, il che è ragionevole. Occorre però
osservare le aspettative dei due agenti, cioè occorre conoscere i rispettivi valori attesi.
𝑑𝑋 𝑑𝑌
𝐸 = 𝜇𝑑𝑡 𝐸 = (−𝜇 + 𝜎 )𝑑𝑡
𝑋 𝑌
Da qui si ricava che, a differenza dell’ambiente deterministico, in cui l’ipotesi di partenza non avrebbe senso, nel
contesto stocastico le aspettative sono perfettamente coerenti se…
𝜇 = −𝜇 + 𝜎  2𝜇 = 𝜎
Forward e futures
Il forward è un contratto di compravendita a termine negoziato avente come sottostante un bene reale oppure
un'attività finanziaria. È un contratto derivato simmetrico poiché entrambi i contraenti sono obbligati a effettuare una
prestazione a scadenza. La parte che assume la posizione lunga si impegna ad acquistare l'attività sottostante alla data
pattuita pagando il prezzo concordato (K); al contrario la controparte che assume la posizione corta si impegna a
vendere tale attività alla medesima data e al medesimo prezzo. I futures sono dei forward quotati in borsa.
Quindi, il payoff della posizione dell’acquirente è 𝑆(𝑇) − 𝐾. Visto che è una funzione di t e di S, dovrebbe soddisfare
la PDE del modello Black-Scholes, vale a dire che il valore del forward in un generico tempo t è…
𝐹(𝑡, 𝑆) = 𝑆(𝑡) − 𝐾𝑒 ( )
Dati rispettivamente…
𝐹 = −𝐾𝑟𝑒 ( )
𝐹 =1−0=1
𝐹 =0
Si ha che…
−𝐾𝑟𝑒 ( ) + 𝑟𝑆 = 𝑟𝐹
−𝐾𝑟𝑒 ( ) + 𝑟𝑆 = 𝑟(𝑆 − 𝐾𝑒 ( ) )
𝑟 𝑆 − 𝐾𝑒 ( ) = 𝑟(𝑆 − 𝐾𝑒 ( ) )
L’uguaglianza risulta quindi verificata.

36
Ma, ricordando la relazione di parità fra put e call, cioè che 𝐶(𝑡) − 𝑃(𝑡) = 𝑆(𝑡) − 𝐾𝑒 ( ) , si ha che per ogni istante
temporale t, un forward è replicabile da C(t)-P(t). Quindi, è possibile dimostrare la formula di Black-Sholes di un
forward anche in questo modo.
Considerando 𝐾 = 𝐹 unico prezzo di non arbitraggio del forward, si ha che…
𝐹 =𝑆 𝑒
Adesso si esamini il caso in cui il sottostante stacchi dei dividendi. Nel caso si abbia un dividend yield δ, il prezzo di un
forward oggi è…
𝐹 = 𝑆 𝑒( )
Dimostrazione
Si considerino due portafogli. Il primo è composto da uno zero coupon bond che rimborsa F0 capitalizzato al tempo T
e da un long forward (il cui valore al tempo 0 è pari a 0). Il secondo è composto da 𝑒 unità di sottostante. Per il
principio di non arbitraggio, i due portafogli devono restituire lo stesso valore alla scadenza e, conseguentemente,
devono avere lo stesso valore attuale, cioè…
𝐹𝑒 =𝑆 𝑒
Quindi…
𝑒
𝐹 =𝑆 = 𝑆 𝑒 = 𝑆 𝑒( )
𝑒
Invece, se si hanno dei dividendi discreti, il prezzo di un forward oggi è…
𝐹 = (𝑆 − 𝑉𝐴(𝐷𝐼𝑉))𝑒
Dimostrazione
Si considerino due portafogli. Il primo è composto dal valore attuale di F0, dal valore attuale dei dividendi e da un long
forward (il cui valore al tempo 0 è pari a 0). Il secondo è composto da un’unità del sottostante. Per il principio di non
arbitraggio, i due portafogli devono restituire lo stesso valore alla scadenza e, conseguentemente, devono avere lo
stesso valore attuale, cioè…
𝑉𝐴(𝐹 ) + 𝑉𝐴(𝐷) + 0 = 𝑆
𝑉𝐴(𝐹 ) = 𝑆 − 𝑉𝐴(𝐷)
𝑉𝐴(𝐹 )
= 𝑆 − 𝑉𝐴(𝐷)
𝑒
𝑉𝐴(𝐹 ) = (𝑆 − 𝑉𝐴(𝐷))𝑒
Applicazione: tassi di cambio
La valuta estera può essere vista come una valuta che genera un dividend yield. Quindi, è possibile applicare la prima
formula considerando r come il tasso domestico, δ come il tasso estero e S0 come la quantità di valuta domestica che
serve per acquistare un’unità di valuta estera oggi.
Esempio
Si consideri che la quantità di dollari (moneta domestica) necessaria per acquistare 1 yen giapponese sia 0,01$. Quindi
𝑆 = 0,01. Si considerino 𝑟 = 0,05, δ = 0,01, 𝑇 = 0,5. Applicando la formula…
𝐹 = 0,01𝑒 ( , , ) ,
= 0,0102
Si ottiene quindi che per avere 1 yen fra sei mesi serviranno 0,0102$, cioè l’individuo che sottoscrive questo forward
si impegna a comprare gli yen ad un prezzo maggiore rispetto a quello odierno: suppone che S(0,5) sarà ancora più
elevato di F0.
Applicazione: beni preziosi
I beni preziosi (es. oro) non staccano dividendi, ma hanno dei costi (es. assicurazioni, costi di custodia…) che possono
essere visti come dividendi negativi. Quindi δ viene visto come il tasso di costo per conservare il sottostante, mentre
S0 non è altro che il valore attuale del bene prezioso.
Esempio
Si consideri che il prezzo di un’oncia di oro sia 450$ e un costo stimato pari a δ = −0,005. Si considerino poi 𝑟 = 0,07
e 𝑇 = 1. Applicando la formula…
𝐹 = 450𝑒 ( , , )
= 485,05
Si ottiene quindi che per avere un’oncia d’oro fra un anno serviranno 485,05$, cioè l’individuo che sottoscrive questo
forward si impegna a comprare l’oro ad un prezzo maggiore rispetto a quello odierno: suppone che S(1) sarà ancora
più elevato di F0.
37
Formula di Black
Questa formula è usata per prezzare i derivati che hanno come sottostante altri derivati; in particolare, si consideri il
caso delle opzioni sui futures.

Nel caso di una call europea, si ha che il payoff alla scadenza è max {𝐹 − 𝐾; 0}, dove FT è la quotazione del future al
tempo T. La formula di Black per una call europea è…
𝐶 = 𝑒 [𝐹 𝑁(𝑑 ) − 𝐾𝑁(𝑑 )]
con…
𝐹 𝜎
𝑙𝑛 ± 𝑟+ 2 𝑇
𝑑, = 𝐾𝑒
𝜎√𝑇
perché 𝑆 = 𝐹 𝑒 , lo strike è 𝐾𝑒 ( )
quindi 𝑙𝑛 ( )
= 𝑙𝑛
Dimostrazione
Considerando la quotazione del future al tempo T, 𝐹 = 𝑆 𝑒 ( )
, è possibile riscrivere il payoff della call come…
( ) ( )
max{𝐹 − 𝐾; 0} = max 𝑆 𝑒 − 𝐾; 0 = 𝑒 max 𝑆 − 𝐾𝑒 ( )
;0
Quindi si ottiene il payoff di una call con strike 𝐾𝑒 ( )
. Quindi, il prezzo della call oggi è…
𝑒
𝐶 =𝑒 𝑆 𝑁(𝑑 ) − 𝐾 𝑁(𝑑 ) = 𝑒 𝑆 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 )
𝑒
=𝑒 𝑒 𝑆 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 ) = 𝑒 𝑆 𝑒 𝑁(𝑑 ) − 𝐾𝑁(𝑑 )
=𝑒 [𝐹 𝑁(𝑑 ) − 𝐾𝑁(𝑑 )]

38