Option Pricing Theory

Università di Pisa
Dipartimento di economia e management

Laurea magistrale in Banca, Finanza aziendale e Mercati finanziari
Option pricing theory: dal modello

Black-Scholes-Merton al modello di Leland,
analisi e confronto
Supervisors: Candidate:
Prof. Davide Radi Matteo Treccozzi
Anno accademico 2021/2022

Sommario
Oggetto di questa tesi sono le opzioni, uno tra gli strumenti finanziari derivati più noti e scam-
biati. L’analisi prenderà forma gradualmente: si partirà dalla storia di questo particolare stru-
mento, dalla definizione nelle sue varie declinazioni e successivamente saranno spiegate le
funzioni che il derivato ha all’interno del mercato, i possibili utilizzi e i suoi limiti. Studieremo
quali sono i fattori che influenzano le opzioni e in che modo il loro valore varia al variare di
questi ultimi.
Successivamente consideriamo il problema del pricing delle opzioni. In particolare verranno
presentati due modelli per il pricing: il modello Black-Scholes-Merton, uno dei più noti in
campo finanziario, i cui autori sono stati insigniti del premio Nobel per l’economia nel 1997 e
il modello di Leland che ne rappresenta un’estensione; le ipotesi sottostanti sono infatti iden-
tiche fatta eccezione per quella sui costi di transazione. Il modello di Leland, a differenza di
quello di Black-Scholes-Merton, non ipotizza costi di transazione pari a zero. Entrambi i mo-
delli saranno derivati attraverso un approccio hedging, ossia si baseranno sulla creazione di un
portafoglio detto ”di replica” in quanto in un mondo senza possibilità di arbitraggio si propone
di replicare il ritorno di un asset privo di rischio. Questo approccio ci permetterà di arrivare
ai problemi e alle rispettive soluzioni per il pricing secondo i due modelli. Nella derivazione
delle formule saranno utilizzati strumenti del calcolo stocastico, quali ad esempio il Lemma di
Itô.
La tesi si concluderà dunque con l’implementazione dei due modelli attraverso il software MA-
TLAB. I risultati saranno messi a confronto tra di loro e soprattutto con i dati di mercato, al fine
di trarre le conclusioni finali riguardo all’affidabilità e alla solidità dei due modelli nel valutare
le opzioni.
Indice
1 Introduzione 2
2 Le opzioni 4
2.1 Brevi cenni storici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 La funzione economica dei mercati delle opzioni . . . . . . . . . . . . . . . . . 5
2.3 Cosa sono le opzioni? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3.1 Opzioni call . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.2 Opzioni Put . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3.3 Le posizioni sulle opzioni . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.4 Ipotesi sottostanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Proprietà delle stock options . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.1 I fattori che influenzano il prezzo dell’opzione . . . . . . . . . . . . . . 12
2.4.2 Limiti al prezzo delle opzioni . . . . . . . . . . . . . . . . . . . . . . . 15
2.5 Le principali strategie che coinvolgono le opzioni . . . . . . . . . . . . . . . . 23
2.5.1 Perché investire in opzioni? . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5.2 Opzioni e asset sottostante . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5.3 Spreads . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5.4 Combinazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 Il modello Black-Scholes-Merton 35
3.1 Ipotesi del modello . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 Costruzione del portafoglio di non arbitraggio e derivazione della PDE . . . . 37
3.3 Soluzione del problema e formula per il pricing delle opzioni Europee . . . . . 42
i
3.3.1 Il significato di N (d1 ) e N (d2 ) . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 Proprietà della formula . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.4 Calibrazione del modello . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Le lettere Greche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.5.1 Delta hedging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.5.2 Costi di transazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.5.3 Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.6 Implementazione modello . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4 Il modello di Leland 56
4.1 Ipotesi del modello . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Derivazione della PDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.3 Le lettere Greche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.3.1 Delta hedging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3.2 Costi di transazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3.3 Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.4 Implementazione modello . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5 Comparazione dei modelli 70

5.1 Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2 Risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
A Richiami di matematica 79
A.1 Arbitraggio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
A.2 Il Processo di Wiener . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
A.2.1 Come cambia il prezzo di un asset? . . . . . . . . . . . . . . . . . . . . 81
A.2.2 I processi stocastici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
A.2.3 I processi di Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
A.2.4 Processo di Wiener e sue proprietà . . . . . . . . . . . . . . . . . . . . 83
A.2.5 Altre proprietà del processo . . . . . . . . . . . . . . . . . . . . . . . . 87
A.2.6 Proprietà degli incrementi del processo di Wiener . . . . . . . . . . . . 92
ii
A.3 Lemma di Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
A.3.1 Calcolo deterministico e formula di Taylor . . . . . . . . . . . . . . . . 94
A.3.2 Calcolo stocastico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
A.3.3 Proprietà dell’integrale di Itô . . . . . . . . . . . . . . . . . . . . . . . 100
A.4 Moto geometrico Browniano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.4.1 I processi di Itô . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.4.2 Il processo per il prezzo di un’azione . . . . . . . . . . . . . . . . . . . 102
A.4.3 I ritorni nel GBM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
A.4.4 Ipotesi di rendimenti Normali . . . . . . . . . . . . . . . . . . . . . . . 106
A.5 Pricing delle opzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
A.5.1 Subfunctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
A.6 Confronto dei modelli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Indice Analitico 117
iii
Lista delle abbreviazioni
ATM At the Money
BSM Black-Scholes-Merton
CAPM Capital Asset Pricing Model
CBOE Chicago Board Option Exchange
EPTs Exchange Traded Products
ETF Exchange Traded Fund
GBM Geometric Brownian Motion
ITM In the Money
OTM Out of the Money
PDE Partial Derivatives Equation
SDE Stochastic Differential Equation
1
Capitolo 1
Introduzione
I mercati finanziari giocano ormai da tempo un ruolo fondamentale nel complesso funzio-
namento dell’economia. Esistono vari tipi di mercati finanziari, tra i più famosi possiamo
citare:
1. Mercato azionario, come quello di New York o Londra;
2. Mercato obbligazionario, che ha a che fare con titoli di stato o corporate bonds;
3. Mercato valutario, in cui vengono scambiate valute;
Abbiamo quindi vari mercati su cui di diverso tipo sono scambiati. Piccoli e grandi investitori
allocano le proprie ricchezze in vista di obiettivi diversi, come il risparmio o la speculazio-
ne. Proprio per via di richieste sempre più sofisticate da parte degli investitori rispetto a una
semplice compravendita, sono stati introdotti nuovi prodotti finanziari. Noti come derivati
finanziari, contingent claims o semplicemente derivati, questi possono dare agli investitori nu-
merose opportunità per soddisfare i propri obiettivi di investimento al meglio. Indubbiamente
i derivati hanno contribuito a massimizzare l’efficienza dei mercati e accogliere le richieste di
una platea sempre più numerosa di investitori alla ricerca di nuove opportunità ma chi tratta
il mondo della finanza sicuramente conosce la portata di tali strumenti la cui storia è alquanto
rumorosa proprio per via della loro potenza e pericolosità. Basti ricordare la crisi dei mutui
subprime i cui effetti sono stati amplificati dai famosi mortgage-backed security, un tipo di de-
rivato le cui performance dipendono dal pagamento dei mutui da parte dei clienti della banca
2
emittente lo stesso mutuo. Ma andiamo per gradi e cerchiamo di dare una definizione di de-
rivato e del loro funzionamento. In finanza uno strumento derivato è uno strumento il cui
ritorno dipende dal valore di un altro asset sottostante. Il payoff di ogni strumento inoltre
funziona in modo diverso e dipende quindi da specifiche condizioni di mercato (da qui contin-
gent claim). Tra i prodotti derivati più famosi troviamo le opzioni, i futures e gli swaps. Nei
prossimi capitoli mi concentrerò sulle opzioni.
3
Capitolo 2
Le opzioni
2.1 Brevi cenni storici

Il concetto di opzione risale addirittura alla civiltà greca e all’antico impero romano, ma è il
diciassettesimo secolo il periodo decisivo nella storia delle opzioni. Si tratta della prima volta
in cui si verificò un massiccio uso di questo strumento con la creazione di fatto di un vero e
proprio mercato organizzato. E’ il periodo della bolla dei tulipani: gli olandesi svilupparono un
grande mercato opzionario. Rivenditori e coltivatori di tulipani erano coinvolti in contratti di
opzione al fine di contenere la loro esposizione al rischio entro livelli ritenuti da loro accettabili.
Se da un lato parte degli operatori usavano le opzioni come strumento di copertura, dall’altro
c’erano gli speculatori che cercavano di approfittare delle imperfezioni del mercato in cerca di
occasioni di guadagno. Il mercato era completamente non regolamentato e disorganizzato, il
sistema dei margini era inesistente come gli obblighi provenienti dallo stesso contratto di op-
zione. Il risultato, non appena il mercato dei tulipani crollò nel 1636, fu che molti sottoscrittori
di opzioni non furono in grado di pagare quanto dovuto e a risentirne fu l’intera economia. I
problemi derivanti dallo scoppio della bolla dei tulipani diedero alle opzioni una cattiva repu-
tazione in tutta Europa.
Le opzioni continuarono a essere scambiate in un mercato organizzato a Londra per la prima
volta alla fine del diciassettesimo secolo. In ogni caso l’attività del mercato era scarsa in questo
primo stadio, proprio come conseguenza della cattiva immagine creata dal disastro olandese e
l’attribuzione di un carattere speculativo di questi strumenti. L’opposizione si consolidò quan-
4
do nel 1733 le opzioni furono dichiarate illegali a Londra. La proibizione durò fino al 1860
anche se in realtà lo scambio di opzioni continuò durante questo periodo su una scala più pic-
cola. Dal 1860 le opzioni tornarono a essere legali.
Lo scambio di opzioni in America iniziò nel tardo diciottesimo secolo. Furono temporanea-
mente bandite durante la crisi del 1931 e per un periodo durante la seconda guerra mondiale.
Il 1973 è un anno importante nella storia delle opzioni: Il Chicago Board of Trade istituı̀ il
Chicago Board Options Exchange (CBOE), il più grande mercato di opzioni negli Stati Uniti.
Nello stesso anno Fischer Black, Robert Merton e Myron Scholes sviluppano il modello Black-
Scholes-Merton, il modello di pricing delle opzioni più utilizzato. Oggigiorno sono presenti
anche altri mercati organizzati in Europa, Oceania e Asia. Come abbiamo visto le opzioni so-
no state fonte di innovazione, iniziando dagli olandesi che usarono le opzioni per coprirsi dal
rischio ma come spesso accade con i derivati sono stati anche usati per speculare. Quando
però la speculazione è fuori controllo, come di fatto è accaduto, le conseguenze per l’economia
possono essere gravi.
2.2 La funzione economica dei mercati delle opzioni

Come abbiamo visto, le opzioni hanno avuto per lungo tempo una cattiva reputazione, dovuta
principalmente al loro uso speculativo durante alcuni periodi storici, che ha portato a situazio-
ni poco favorevoli per l’intera economia. Questa idea periste ancora oggi, ma non è un giudizio
unanime tra i mercati. Gli oppositori attaccano i mercati delle opzioni affermando che questi
mercati, che siano organizzati o meno, incentivano una speculazione non necessario andando
a danneggiare anche gli altri mercati senza un reale beneficio. Altri paragonano il mercato
delle opzioni al gioco d’azzardo piuttosto che a un vero e proprio mercato finanziario. L’o-
biezione più comune è che il mercato delle opzioni distoglie capitale di rischio al mercato dei
sottostanti, riducendo il volume totale degli scambi e di conseguenza la sua liquidità. Dall’altro
lato troviamo i sostenitori del derivato i quali affermano che le opzioni sono un strumento per
controllare il rischio. I difensori del mercato delle opzioni elencano altre ragioni per le quali gli
stessi mercati hanno ragione di esistere: le opzioni offrono un pattern di ritorno che non può
5
essere ottenuto nel mercato dei sottostanti1 ; offrono vantaggi in termini di tassazione rispetto
ai mercati dei sottostanti; il trading di opzioni offre in generale costi di transazione più bassi;
offrono opportunità di ottenere ritorni più alti rispetto agli asset sottostanti; forniscono un
mezzo di copertura contro imprevisti cambi del valore dell’asset sottostante; infine le opzioni
danno l’opportunità di fare short selling su un asset laddove questo sia proibito nel proprio
mercato.
Tutte queste ragioni suggeriscono che l’esistenza di un mercato delle opzioni potrebbe miglio-
rare il benessere di tutti gli investitori, persino quelli che non investono in opzioni. Come
possono le opzioni migliorare le condizioni degli investitori che non partecipano allo stesso
mercato? La risposta si declina in due principali motivazioni: la promozione di completezza 2
e di efficienza. Il mercato delle opzioni aumenta il numero di opportunità nel mercato attra-
verso opzioni su asset già esistenti, piuttosto che attraverso la creazione di nuovi basic asset.
Analogamente alle obbligazioni e alle azioni, il valore delle opzioni incorpora le prospettive
aziendali, le preferenze e le aspettative del mercato riguardo gli eventi futuri, contribuendo
all’efficienza allocativa delle risorse.
2.3 Cosa sono le opzioni?

Esistono due tipi fondamentali di opzioni:
Definition 1 (Opzione Call). Le opzioni call danno al possessore (holder) dell’opzione il diritto
di comprare un asset ad un dato prezzo predefinito, (strike price o prezzo d’esercizio) a una certa
data (expiration date o maturity date), dal sottoscrittore (writer) dell’opzione.
Definition 2 (Opzione Put). Le opzioni put danno al possessore dell’opzione il diritto di

vendere un asset ad un dato prezzo e a una certa data al sottoscrittore dell’opzione.
Una distinzione importante riguarda il momento dell’esercizio del diritto fornito dall’op-
zione: le opzioni europee permettono di esercitare il diritto solamente alla maturity mentre in
1
Ad esempio, il mercato delle opzioni permette a qualsiasi investitore di non detenere azioni quando il prezzo
delle azioni è basso e decrescente o comprarle non appena il prezzo aumenta
2
Un mercato è detto completo quando ogni possibile ritorno per ogni possibile stato del mondo può essere
replicato attraverso un portafoglio di titoli già esistenti sul mercato
6
quelle americane il diritto può essere esercitato in ogni momento, il che le rende più difficili
da analizzare rispetto alla controparte europea. Altro elemento sicuramente rilevante nella
definizione di opzione è che queste forniscono un diritto e non un obbligo, caratteristica che
le contraddistingue dai futures e forwards. Dato che l’opzione fornisce quindi un diritto senza
obbligo al possessore questa deve avere valore positivo.
2.3.1 Opzioni call
Consideriamo il caso di un investitore che acquista un’opzione call europea scritta su un’a-
zione con strike price 100 $ e maturity 4 mesi. Il prezzo dell’opzione è di 5 $ mentre il valore
corrente dell’azione è di 98 $. Supponiamo che l’investitore sia interessato a comprare 100 di
queste azioni cosı̀ da avere un investimento totale di 500$ . Dato che l’opzione è di tipo europeo
il diritto si potrà esercitare solo a scadenza. Se il prezzo dell’azione in questa data è inferiore a
100 l’investitore non avrà nessuna convenienza ad esercitare il diritto (non c’è convenienza a
comprare a 100$ qualcosa che sul mercato vale meno di 100$ ). Sotto queste circostanze l’inve-
stitore perderebbe l’intera somma investita. Supponiamo invece ora che il prezzo dell’azione
a scadenza sia 115$ : esercitando l’opzione l’investitore può comprare 100 azioni al prezzo di
100 $. Se le azioni sono vendute immediatamente sul mercato, questo si assicura un profitto
di 15$ per azione, e quindi 1,500$ in totale, ignorando i costi di transazione. Prendendo in
considerazione il costo iniziale delle opzioni, il profitto netto sarà pari a 1,000$. E’ importante
sottolineare che nonostante il prezzo del sottostante a scadenza sia maggiore dello strike price
l’investitore può incorrere in una perdita complessiva. Supponiamo infatti un prezzo di 102$
a scadenza: il non esercizio dell’opzione porta l’investitore a perdere 5$ per azione, nel caso
di esercizio invece la perdita sarà di 3$ per azione (avendo un profitto lordo per azione di $
102-$ 100 = $ 2), che è sicuramente meglio del caso precedente. In generale possiamo quin-
di concludere che quando il prezzo dell’azione è superiore allo strike price l’investitore avrà
sempre convenienza ad esercitare l’opzione. La figura 2.1 mostra il profitto o la perdita netta
su un’opzione per l’acquisto di un’azione in funzione del prezzo dell’azione a scadenza.
7
Figura 2.1: Profitto derivante dall’acquisto di un’opzione call europea. Prezzo dell’opzione = $
5; Strike price = $ 100
2.3.2 Opzioni Put
Mentre il detentore di un’opzione call spera in un rialzo del prezzo del sottostante, il detentore
di un’opzione put punta al ribasso. Prendiamo ora come esempio un investitore che compra
un’opzione put europea con uno strike price di 70 $ con l’obiettivo di vendere 100 azioni di
una certa società. Ipotizziamo che il valore corrente dell’azione sia di 65 $ , la scadenza del
contratto di 3 mesi e il prezzo dell’opzione per vendere un’azione 7 $ . L’investimento iniziale
sarà quindi pari a 700 $ e l’opzione verrà esercitata solo a scadenza, essendo europea, e solo se
il prezzo del sottostante sarà inferiore a 70 $ . Immaginiamo che a scadenza questo prezzo sia
55 $ . L’investitore può cosı̀ comprare 100 azioni a 55 $ per azione e grazie all’opzione venderle
a un prezzo di 70 $ , realizzando cosı̀ un guadagno di 15 $ per azione, o 1,500 $ in totale (i costi
di transazione sono ignorati). Considerando il costo iniziale dell’investimento il profitto netto
sarà pari a $ 1,500 - $ 700 = $ 800. Analogamente al caso dell’opzione call non c’è garanzia
che l’investitore realizzi un guadagno. Se il prezzo finale dell’azione sarà maggiore di $ 70,
l’opzione scade senza alcun valore, e l’investitore perderà la somma per intero. La figura 2.2
mostra il profitto o la perdita per il detentore dell’opzione put sopra-descritta in funzione del
prezzo del sottostante.
8
Figura 2.2: Profitto derivante dall’acquisto di un’opzione put europea. Prezzo dell’opzione = $
7; Strike price = $ 70
2.3.3 Le posizioni sulle opzioni
Come in ogni contratto, anche in quello di opzione ci sono due lati. Da un lato abbiamo l’inve-
stitore che ha preso una posizione long (cioè ha comprato l’opzione), dall’altro l’intermediario
o l’investitore che ha sottoscritto l’opzione (posizione short). Il sottoscrittore dell’opzione (o
emittente) riceve il pagamento dello strumento in anticipo e ha una potenziale obbligazione
a scadenza o in qualsiasi momento fino a scadenza in caso di opzione americana. Dato K lo
strike price di un’opzione call europea e ST il prezzo a scadenza dell’asset sottostante, il payoff
derivante dall’acquisto di tale opzione è descritto dalla seguente funzione:
max(ST − K, 0)
La funzione riflette il fatto che l’opzione verrà esercitata solo quando ST > K. Il ritorno
dell’investitore con posizione short sarà l’opposto di quello con posizione long:
−max(ST − K, 0) = min(K − ST , 0)
9
Dato il ritorno derivante dall’acquisto di una call si dice che l’opzione è in-the-money (ITM)
quando il prezzo del titolo su cui è scritta l’opzione è superiore al prezzo di esercizio e quindi
un profitto (non necessariamente globale) è garantito. Al contrario quando il prezzo del sot-
tostante è inferiore al prezzo di esercizio l’opzione si dice sia out-of-money (OTM). Quando
invece prezzo del sottostante e prezzo di esercizio coincidono l’opzione si dice at-the-money
(ATM).
Il payoff derivante dall’acquisto di un’opzione put europea è:
max(K − ST , 0)
Specularmente il payoff del writer di tale opzione è:
−max(K − ST , 0) = min(ST − K, 0)
Al contrario di quanto accadeva con le opzioni call le put si definiscono ITM quando il prez-
zo del sottostante è inferiore a quello di esercizio, OTM nel caso opposto. In figura 2.3 e 2.4
sono illustrati i payoff rispettivamente dell’opzione call e put descritte nei paragrafi precedenti.
Figura 2.3: Profitti derivanti da una po- Figura 2.4: Profitti derivanti da una po-
sizione corta su un’opzione call europea. sizione corta su un’opzione put europea.
Prezzo dell’opzione = $ 5; strike price = $ Prezzo dell’opzione = $ 7; strike price = $
100 70
Riassumiamo le 4 possibili posizioni sulle opzioni nella figura 2.5:
10
Figura 2.5: Payoff derivanti da due generiche opzioni call e put europee per le 4 possibili
posizioni: (a) long call; (b) short call; (c) long put; (d) short put. Strike price = K ; price of
asset at maturity = ST .
2.3.4 Ipotesi sottostanti
In questa sezione abbiamo dato uno sguardo ai meccanismi basilari riguardanti le opzioni.
L’analisi svolta si basa però su alcune assunzioni più o meno forti.
1. (Momento dell’esercizio) Come già mezionato le opzioni possono anche essere di tipo
Americano. Ciò significa che il detentore degli esempi precedenti non sarebbe obbliga-
to ad aspettare l’expiration date per esercitare l’opzione; in questo caso ci potrebbero
essere potenziali situazioni in cui esercitare l’opzione americana prima della scadenza
risulterebbe ottimale;
2. (Sottostante) Negli esempi abbiamo preso in considerazione opzioni scritte su azioni,

ma esistono altri mercati in cui la natura dell’asset sottostante è diversa. Sicuramente le
11
stock options o equity options sono le più scambiate, altri tipi di opzioni che meritano però
sicuramente di essere menzionate sono le Exchange-traded products(ETPs) Options (gli
ETPs includono anche gli ETF); le opzioni su valuta estera; le opzioni su indici;
3. (Costi di transazione) Gli investimenti degli esempi precedenti non considerano i costi
di transazione: per i grandi investitori questa potrebbe non essere un assunzione forte
ma per gli investitori retail le commissioni variano significativamente da intermediario
a intermediario. Di solito queste sono composte da un costo fisso più una percentuale
proporzionale all’ammontare della transazione.
2.4 Proprietà delle stock options

In questa sezione analizziamo i fattori e il modo in cui questi possono influire sul prezzo delle
opzioni. Il prezzo delle opzioni deve inoltre appartenere ad alcuni intervalli specifici, in caso
contrario un arbitraggio potrà avere luogo. Infine enunceremo la relazione che sussite tra il
prezzo di un’opzione call europea, un’opzione put europea e il prezzo dell’azione sottostante:
la nota call-put parity.
2.4.1 I fattori che influenzano il prezzo dell’opzione
Ci sono sei fattori che influenzano il prezzo di una stock option:
1. il valore corrente dell’azione, S0 ;
2. il prezzo di esercizio, K;
3. la scadenza, T ;
4. la volatilità dell’azione, σ;
5. il tasso risk-free, r;
6. i dividendi attesi;
Per ipotesi si analizza il modo in cui il prezzo di un’opzione risponde quando c’è un cam-
biamento in uno di questi fattori mentre gli altri rimangono costanti.
12
Prezzo dell’azione e prezzo di esercizio
Il payoff di un’opzione call, come enunciato nei paragrafi precedenti, è l’eccedenza del prezzo
dell’azione rispetto a quello di esercizio. Si evince che il valore dell’opzione crescerà all’au-
mentare del prezzo dell’azione, al contrario diminuirà all’aumentare del prezzo di esercizio. Il
ritorno derivante da un’opzione put è invece la differenza, se positiva, tra il prezzo di esercizio
e il prezzo dell’azione. Ne deriva che le opzioni put si comportano in modo opposto rispetto
alle call: il loro valore diminuirà all’aumentare del prezzo dell’azione (chi acquista una put
infatti punta al ribasso) e aumenterà all’aumentare del prezzo di esercizio.
Scadenza e volatilità
Per quanto riguarda la scadenza le cose non sono cosı̀ semplici. Possiamo sicuramente af-
fermare che sia le opzioni call che put di tipo Americano crescono di valore (o almeno non
decrescono) quando la maturity si allunga. Consideriamo due contratti di opzione identici
che differiscono soltanto per la durata, il possessore dell’opzione con più lunga scadenza ha le
stesse opportunità del possessore dell’opzione con più breve scadenza ma non solo, ha anche
le opportunità che si possono presentare nel maggior lasso di tempo durante il quale poter
esercitare l’opzione. Da qui ne deriva che una maggiore possibilità di scelta dovrebbe essere
più onerosa o quantomeno non meno onerosa rispetto a una minore possibilità. Le cose si
fanno più complesse per le opzioni europee. Non c’è una risposta univoca riguardo l’impatto
di variazioni della scadenza sul prezzo dell’opzione. Prendiamo ad esempio un’opzione call
europea, in generale si potrebbe pensare che un’opzione OTM ha un valore maggiore all’al-
lungarsi della maturity in quanto il prezzo del sottostane ha più tempo per superare il prezzo
d’esercizio. Una maggiore scadenza dà più possibilità al sottostante di oscillare, in altre parole
si dovrebbe fare attenzione, prima di giungere a una conclusione definitiva, alla volatilità del
sottostante. Banalmente, possiamo definire la volatilità di un titolo come una misura di quanto
siamo incerti riguardo i movimenti futuri dell’asset. Un aumento della volatilità incrementa il
valore dell’opzione. Le oscillazioni non sono un problema in termini di perdita in quanto nel
peggiore dei casi il diritto non viene esercitato e la perdita massima in cui l’investitore incorre
è ”solamente” il costo dell’opzione, indipendentemente da quanto il sottostante possa andare
13
al ribasso, mentre il guadagno è potenzialmente infinito. Allo stesso modo il possessore di
un’opzione put beneficia del decremento dei prezzi ma ha un rischio di perdita limitato nel ca-
so in cui il prezzo del sottostante aumenti. Tornando alla scadenza, se da un lato quest’ultima
è direttamente proporzionale al valore dell’opzione, dall’altro si ha un effetto opposto dovuto
al decremento del present value del payoff, essendo lo sconto più alto. Volatilità e fattore di
sconto sono due parametri che non possono essere presi in considerazione separatamente. Se
la volatilità è alta e il tasso di sconto è basso, il valore dell’opzione aumenterà. Se la volatilità
è bassa e il tasso di sconto è alto, il valore dell’opzione diminuirà. Un’altra ragione per cui la
risposta non è univoca potrebbe essere la distribuzione dei dividendi: se in un mese la società
emittente il titolo sottostante prevede di distribuire agli azionisti dividendi significativi allora
può darsi che l’opzione con scadenza a un mese sarà più richiesta dagli investitori e avrà di
conseguenza un valore più alto rispetto a una con scadenza a due mesi e cosı̀ via.
Tasso risk-free
Variazioni del tasso risk-free hanno un doppio effetto sul valore delle opzioni. In generale
quando i tassi di interesse aumentano, gli investitori richiedono un profitto atteso più alto
dall’investire in azioni. Comprare un’azione tuttavia è più costoso rispetto a comprare un’op-
zione, quindi un aumento dei tassi rende più richieste le opzioni call e meno richieste le put.
In pratica gli investitori possono ”risparmiare” comprando l’opzione invece che investire di-
rettamente in azioni e grazie alla differenza ottenere entrate dai tassi di interesse più alti. In
aggiunta, il valore atteso scontato di qualsiasi cash-flow derivante dal possesso di un’opzione
diminuisce all’aumentare dei tassi. L’impatto combinato dei due effetti è di far crescere il valo-
re delle opzioni call e diminuire quello delle put. Ricordiamo che in questa sede si assume che
al variare di un parametro, tra quelli che influenzano il valore dell’opzione gli altri rimangano
costanti; nella pratica ci si può aspettare che il prezzo delle azioni diminuisca all’aumentare
dei tassi d’interesse (le azioni diventano meno appetibili se i titoli meno rischiosi promettono
un rendimento più alto). Il risultato sarebbe quindi un decremento del valore delle opzioni call
e un aumento di quello delle put. Analogamente un andamento dei tassi decrescente, combi-
nato a un aumento dei prezzi delle azioni porta a un aumento del valore delle opzioni call e
una diminuzione del valore delle put.
14
Dividendi attesi
Ogni società ha la propria politica di dividendi: alcune pagano dividendi elevati agli azionisti,
mentre altre decidono di trattenere gli utili per poterli reinvestire. Il pagamento del dividendo
riduce il valore dell’azione per un ammontare pari al dividendo stesso (ciò avviene nel giorno
di stacco del dividendo). La riduzione nel valore dell’azione ha un impatto negativo sul prezzo
delle opzioni call e positivo sul prezzo delle put.
2.4.2 Limiti al prezzo delle opzioni
Ipotesi e notazione
In questa sezione sfrutteremo il principio di arbitraggio per determinare l’intervallo di valori

entro cui il prezzo dell’opzione deve stare, in caso contrario una strategia di arbitraggio potrà
essere messa in atto dagli operatori. Inoltre, al fine di identificare tali limiti assumeremo che i
mercati rispettino alcune condizioni, tra cui le più importanti sono:
1. assenza di costi di transazione;
2. nessun vincolo al credito per gli investitori;
3. presenza di un tasso risk-free a cui prendere e dare in prestito;
4. attività finanziarie perfettamente divisibili;
5. vendite allo scoperto consentite.3
La notazione usata sarà la seguente:
1. S0 :prezzo del sottostante al momento dell’acquisto dell’opzione;
2. X : prezzo di esercizio dell’opzione;
3. T : scadenza;
3
La vendita allo scoperto, o short selling, è una particolare operazione finanziaria che consente la vendita di
titoli non direttamente posseduti, ma presi in prestito dietro corrispettivo nell’aspettativa di lucrare grazie a un
movimento ribassista del valore del titolo
15
4. ST : prezzo del sottostante alla scadenza;
5. r : tasso risk-free;
6. C : valore di un’opzione call Americana;
7. c : valore di un’opzione call Europea;
8. P : valore di un’opzione put Americana;
9. p : valore di un’opzione put Europea;
Limiti al prezzo delle opzioni call
Iniziamo da un vincolo banale: dato che l’opzione fornisce un diritto al possessore, il prezzo
di un’opzione call deve essere non negativo:
C, c ≥ 0
Inoltre, dato che le opzioni di tipo Americano attribuiscono più diritti rispetto alla controparte
europea, deve valere:
C≥c
Per quanto riguarda le opzioni europee, un vincolo meno banale è il seguente:
c ≤ S0
Un’opzione call non può mai valere più di quanto valga l’attività finanziaria su cui è scritta. In
caso contrario un arbitraggio potrebbe essere facilmente essere messo in atto costruendo un
portafoglio in cui si acquista l’attività sottostante e si sottoscrive l’opzione call. Per assurdo
ipotizziamo quindi che valga c ≥ S0 , la somma c viene pagata in anticipo al sottoscrittore, che
può acquistare il sottostante al prezzo S0 e investire la differenza, che per ipotesi è positiva,
in un titolo privo di rischio per un periodo pari alla scadenza del contratto di opzione T . A
scadenza quindi abbiamo due possibili scenari: in un primo scenario vale ST < X, l’opzione
non viene esercitata dal possessore e il sottoscrittore non ha nessun obbligo; diversamente ac-
cade invece nel caso in cui a scadenza valga ST ≥ X, in questo caso l’investitore che mette in
16
pratica l’arbitraggio nonché writer dell’opzione call è obbligato a pagare all’holder una somma
pari alla differenza ST − X. Per quanto riguarda il sottostante e il titolo privo di rischio questi
si comportano ugualmente in entrambi gli scenari: il sottostante a scadenza avrà un valore
pari a ST e l’investimento nel titolo risk-free restituirà una somma pari a (c − S)(1 + r)T .
Riassumiamo la strategia di arbitraggio nella seguente tabella:
Figura 2.6: Strategia di arbitraggio per la determinazione del limite superiore al prezzo di una
call europea
Proviamo ad analizzare ora un portafoglio in cui al contrario del caso precedente si acquista
un’opzione call e si vende allo scoperto l’attività sottostante mentre la differenza S − c viene
investita al tasso privo di rischio. L’esborso iniziale anche qui è pari a zero, analogamente al
caso precedente dobbiamo verificare se nei due possibili scenari futuri si presentino possibilità
di arbitraggio o meno.
Figura 2.7: Strategia di arbitraggio per la determinazione del limite inferiore al prezzo di una
call europea
Nello stato ST > X il payoff è (1 + r)T (S − c) − ST . Esprimiamo la condizione in termini

del prezzo della call affichè il payoff sia positivo; in altre parole deve valere:
X
c<S− (1+r)T
mentre per avere un payoff positivo nello stato ST ≤ X deve valere:
17
ST
c<S− (1+r)T
Si osservi che in questo stato S − ST /(1 + r)T ≥ S − X/(1 + r)T , per cui se
X
c<S− (1+r)T
L’investitore otterrebbe un guadagno in entrambi i possibili stati violando il principio di arbi-

traggio. La conclusione è che il prezzo di una call europea deve rispettare il seguente limite
inferiore:
X
c≥S− (1+r)T
La figura 2.8 ci fornisce una rapida lettura delle combinazioni di c ed S tali per cui il prezzo
delle opzioni call rispetta il Principio di non Arbitraggio.
Figura 2.8: Limiti di prezzo di un’opzione call europea
Limiti al prezzo delle opzioni put
Sulla falsa riga di quanto fatto nel paragrafo precedente per le opzioni call, procediamo con
la determinazione dei vincoli al prezzo delle opzioni put. I primi due vincoli sono banali e
analoghi al caso precedente, ossia:
18
P, p ≥ 0, P ≥ p
Per le opzioni di tipo Europeo, il limite superiore è il seguente:
X
p≤ (1+r)T
Il prezzo della put non può mai essere maggiore del valore attuale del prezzo di esercizio. Per
dimostrarlo, costruiamo nuovamente un portafoglio e per assurdo assumiamo che il vincolo
non sia rispettato. Consideriamo quindi un investitore che sottoscrive un’opzione put, e quin-
di incassa in anticipo la somma p, e investe la stessa somma nel titolo privo di rischio per
esattamente T periodi. A scadenza, nello scenario in cui ST < X, il possessore dell’opzione
eserciterà il diritto e il sottoscrittore sarà obbligato a comprare l’attività sottostante al prezzo
di esercizio incorrendo in una perdita pari a −(X − ST ). Nel secondo scenario, vale a dire nel
caso in cui ST ≥ X, il possessore non avrà convenienza a esercitare l’opzione e questa morirà.
Per quanto riguarda il titolo privo di rischio, a scadenza l’investitore avrà un ritorno pari a
p(1 + r)T in entrambi gli stati.
Figura 2.9: Strategia di arbitraggio per la determinazione del limite superiore al prezzo di
un’opzione put europea
Notiamo subito che il risultato nel secondo scenario è sempre positivo 4 . Per rispettare il
Principio di non Arbitraggio il payoff derivante dal primo scenario deve essere negativo. Al
limite ST = 0, quindi p ≤ X/(1 + r)T diventa condizione sufficiente per rispettare il Principio.
Se attraverso la costruzione di un portafoglio in cui l’investitore è sottoscrittore di un’opzione
put abbiamo determinato il limite superiore al prezzo di un’opzione put, procediamo ora ad
analizzare un portafoglio in cui si acquista la stessa opzione. Il portafoglio prevede inoltre
4
Il valore p di un’opzione put deve essere sempre positivo, più problematica è l’assunzione riguardo un tasso
privo di rischio positivo. Quando parliamo di arbitraggio si assume sempre ci sia un tasso r > 0; nella pratica
ciò non è sempre vero, soprattutto negli ultimi anni tassi al di sotto di questa soglia sono stati implementati da
diverse autorità di politica monetaria, come ad esempio Giappone e alcuni paesi dell’Eurozona
19
l’acquisto dell’attività sottostante, le due uscite sono quindi finanziate tramite l’attività risk-
free (l’investitore prende a prestito, per cui stavolta a scadenza è previsto il pagamento del
debito). A scadenza, in entrambi gli scenari, sottostante e titolo risk-free daranno luogo allo
stesso payoff: rispettivamente il sottostante avrà un valore pari a ST mentre il costo del fi-
nanziamento sarà proprio il tasso r applicato per T periodi alla somma (S + p). Nello stato
ST ≤ X l’investitore esercita l’opzione ottenendo un guadagno pari a X − ST ; nel caso in cui
ST > X l’opzione non viene esercitata.
Figura 2.10: Strategia di arbitraggio per la determinazione del limite inferiore al prezzo di
un’opzione put europea
L’esborso iniziale è nullo, per non avere arbitraggio dobbiamo quindi garantire che l’inve-
stitore non ottenga un profitto positivo indipendentemente dallo stato in cui si trova. Nello
stato caratterizzato da ST ≤ X si ha un guadagno solo se:
X
p< (1+r)T
−S
mentre quando ST > X si ha un guadagno se:
ST
p< (1+r)T
−S
Si noti che nello stato ST > X si ha che X/(1 + r)T − S ≤ ST /(1 + r)T − S. Ne consegue
che la condizione
X
p< (1+r)T
−S
garantisce un guadagno indipendentemente dallo stato del mondo. Possiamo quindi conclu-
dere che per rispettare il Principio di non Arbitraggio deve valere:
X
p≥ (1+r)T
−S
20
Riassumiamo i risultati della nostra analisi nella seguente figura che mostra l’area entro cui il
Principio di non Arbitraggio è rispettato in funzione di p ed S, dati lo strike price X,il tasso
risk-free r e la Maturity T .
Figura 2.11: Limiti di prezzo di un’opzione put europea
Call-put parity
La Call-put parity è un’importante relazione di tipo lineare tra i prezzi di due opzioni europee,
appunto una call e una put, che hanno stesso asset sottostante, stessa scadenza e stesso prezzo
di esercizio. La relazione fornisce un metodo per determinare il prezzo che un’opzione put
dovrebbe avere per rispettare il Principio di non Arbitraggio partendo da quello della call e
viceversa. Grazie a questa relazione si può quindi determinare se l’opzione è sottoprezzata o
sovraprezzata e quindi attuare una strategia di arbitraggio sfruttando il disallineamento del
mercato. Finora, al fine di identificare i limiti di prezzo delle opzioni, abbiamo considerato
portafogli che contenevano opzioni call e opzioni put separatamente. La relazione, anche detta
di conversione delle opzioni, si ricava attraverso la costruzione di due portafogli, uno in cui si
sottoscrive un’opzione call e si acquista una put, l’altro in cui si assumono le posizioni inverse.
Si consideri il primo portafoglio: si incassa in anticipo il prezzo dell’opzione call c, si acquista
21
sia l’opzione put che l’attività sottostante e si finanzia il tutto al tasso risk-free r cosı̀ da avere
un esborso iniziale pari a 0. I payoff nei due possibili stati del mondo sono rappresentati nella
seguente figura:
Figura 2.12: Parità fra opzioni call e put: portafoglio 1
Possiamo subito notare che i payoff nei due diversi stati sono identici tra di loro, imponiamo
quindi la condizione:
X − (1 + r)T (S + p − c) ≤ 0
ossia:
X
p≥ +c−S (2.1)
(1 + r)T
Passiamo ora al secondo portafoglio, come già accennato questo prevede la sottoscrizione del-
l’opzione put, l’acquisto della call e la vendita allo scoperto del titolo sottostante. Il flusso
risultante è investito/finanziato (non ne conosciamo l’entità) al tasso risk-free in modo da assi-
curare sempre un esborso iniziale nullo. Anche in questo caso i payoff risultanti dal portafoglio
Figura 2.13: Parità fra opzioni call e put: portafoglio 2
sono identici in entrambi gli stati del mondo. Come fatto per il primo portafoglio imponiamo
la condizione:
−X − (1 + r)T (c − p − S) ≤ 0
22
ossia:
X
p≤ +c−S (2.2)
(1 + r)T
Combinando la condizione 2.1 e la condizione 2.2 otteniamo la relazione che sussiste tra prezzo
dell’opzione put e dell’opzione call:
X
p=c+ (1+r)T
−S
Graficamente, con l’aggiunta della relazione di parità‘, si puo’ notare come si restringe l’in-
sieme dei prezzi che possono essere considerati di equilibrio. Un disallineamento e quindi il
non rispetto delle condizioni enunciate finora può favorire l’attuazione di arbitraggi secondo
le strategie mostrate nei due portafogli che ci hanno portato alla determinazione della Call-put
parity.
Figura 2.14: Limiti di prezzo di un’opzione put e relazione di parità tra prezzo di una put e di
una call
2.5 Le principali strategie che coinvolgono le opzioni
2.5.1 Perché investire in opzioni?
Chi sottoscrive un’opzione call si aspetta un ribasso del valore dell’asset sottostante, assume
in altre parole una posizione short. Investitori del genere devono essere presenti sul mercato,
23
poiché se tutti si aspettassero che il valore di un determinato asset stia per aumentare il suo
prezzo di mercato sarebbe più alto di quanto di fatto dovrebbe essere. Allo stesso modo devono
esistere investitori che credono che il valore dell’asset crescerà (o il prezzo sarà più basso ri-
spetto a quello che dovrebbe essere). Questi investitori ”rialzisti” sono potenziali sottoscrittori
di opzioni put e compratori di call. La ragione che spinge un investitore a sottoscrivere (o com-
prare) un’opzione è che questa fornisce in un certo senso un’assicurazione contro movimenti
avversi del sottostante. Consideriamo un mercato in cui si può investire solo in opzioni put
o nell’asset sottostante. Un investitore utilizza tutta la sua disponibilità per comprare quante
più unità possibili dell’asset sottostante. Il valore di un tale portafoglio segue completamente
l’andamento del valore dell’asset, e di conseguenza, a un suo eventuale crollo, questo perderà
valore in egual misura. Un portafoglio composto esclusivamente da opzioni put presenterà
quindi il problema contrario: un’eventuale rialzo dei prezzi del sottostante farà perdere all’in-
vestitore l’intero ammontare dell’operazione. E’ tra queste due posizioni estreme che esiste un
rapporto opzione/asset che previene che a ogni movimento aleatorio del valore dell’asset non
corrisponda alcun movimento imprevedibile del valore del portafoglio. In altre parole la corre-
lazione tra i payoff dell’asset e dell’opzione viene sfruttata per ridurre il rischio cui l’investitore
è sottoposto investendo sul mercato. Questa tecnica in finanza prende il nome di Hedging.
L’esempio preso in considerazione è banale, in realtà nel mondo della finanza i trader possono
sfruttare i pattern di un numero molto maggiore di strumenti da combinare al fine di tenere
sotto controllo il rischio. In questa sessione cercheremo di illustrare le principali operazioni di
hedging che si possono attuare sui mercati. Benché non sono le uniche combinazioni possibili,
ci soffermeremo solo su portafogli di opzioni/sottostanti e opzioni/opzioni.
2.5.2 Opzioni e asset sottostante
Per facilità assumeremo che (a) l’asset su cui l’opzione è scritta sia un’azione e (b) il profitto
risultante dalla strategia d’investimento non sarà soggetto ad attualizzazione, sarà meramente
il payoff finale al netto del costo iniziale. Il portafoglio rappresentato nella figura 2.15 rappre-
senta il payoff derivante dalla combinazione della sottoscrizione di un’opzione call su azione
e possesso dell’azione stessa. Le linee tratteggiate indicano il payoff derivante dalla posizione
sul singolo strumento mentre la linea continua indica il profilo di guadagno dell’intero por-
24
Covered call Reverse covered call
Figura 2.15: Profilo di guadagno derivante Figura 2.16: Profilo di guadagno derivante
dall’acquisto di un’azione e dalla contempo- dalla vendita allo scoperto di un’azione e dal-
ranea sottoscrizione di un’opzione call scritta l’acquisto di un’opzione call scritta sulla stessa
sulla stessa azione con prezzo di esercizio K azione con prezzo di esercizio K
tafoglio. Questa strategia è detta covered call proprio perché la posizione lunga sull’azione
”copre” o protegge l’investitore dal payoff derivante dalla posizione short sulla call quando si
verifica un brusco aumento del prezzo dell’azione. Notiamo che la strategia annulla i possibili
guadagni derivanti dal possesso dell’azione quando ST > K ma allo stesso tempo riduce le
perdite per ST < K. E’ quindi una strategia che ripara da eventuali perdite al costo di non
poter beneficiare dei guadagni derivanti dal rialzo dei prezzi del titolo. Nella figura accanto
abbiamo invece una reverse covered call. Il nome deriva dal fatto che qui le posizioni su op-
zione call e azione sono invertite: in questo caso si ha una posizione corta sull’azione e lunga
sull’opzione. I vantaggi della strategia consistono nel poter puntare su una discesa del prezzo
dell’azione proteggendosi allo stesso tempo da un suo eventuale rialzo. La perdita massima in-
fatti è limitata al prezzo della call. Passiamo ora alle analoghe strategie comprendenti stavolta
le opzioni put. Come già ribadito, il compratore di un’opzione put si aspetta un ribasso dei
prezzi. La strategia più immediata è quindi quella della protective put, ossia il contemporaneo
acquisto di un’azione e una put scritta sulla stessa azione. Il profilo di guadagno di tale strate-
gia è rappresentato nel grafio che segue: Anche in questo caso la correlazione tra i due payoff
restituisce benefici in termini di limitazione delle perdite, che nel peggiore scenario sono pari
25
Protective put Reverse protective put
Figura 2.17: Profilo di guadagno derivan- Figura 2.18: Profilo di guadagno derivante
te dall’acquisto congiunto di un’azione e di dalla vendita allo scoperto di un’azione e dal-
un’opzione put scritta sulla stessa azione con la sottoscrizione di un’opzione put scritta sulla
prezzo di esercizio K stessa azione con prezzo di esercizio K
al costo della put. Allo stesso tempo attuare tale strategia diminuisce i guadagni nel caso di
rialzo dei prezzi, infatti questi si trovano su un livello più basso rispetto a quelli che si potreb-
bero ottenere dal solo possesso del titolo sottostante. Ultimo caso è quello in cui si assume una
posizione corta sia sull’opzione put che sull’azione sottostante, ossia la reverse protective put.
Possiamo osservare che il profilo dei guadagni rappresentato nelle ultime 4 figure somiglia
molto a quello descritto nella sezione sulle posizioni sulle opzioni. La covered call ha la stessa
forma della short put, la protective put invece della long call. La Call-put parity ci dà modo di
capire perché questo accade. Riportiamo di seguito la relazione
K
p + S0 = c + (1+r)T
dove p indica il prezzo della put, S0 il prezzo dell’azione, c il prezzo della call, K il prezzo d’e-
sercizio ed r il tasso privo di rischio. In questi termini, l’equazione mostra che la combinazione
di una posizione lunga su un’opzione put europea e sul sottostante equivale ad assumere una
posizione lunga su una call più un certo ammontare di denaro (= K/(1 + r)T ). Questo spiega
perché il profilo di guadagno della protective put è simile a quello della long call. L’inverso
vale ovviamente per la reverse protective put. La Call-put parity può essere riorganizzata nel
seguente modo:
26
K
S0 − c = (1+r)T
−p
L’intuizione che ci fornisce adesso è che una posizione lunga sull’azione combinata con una
posizione corta su un’opzione call europea è equivalente a una posizione corta su una put più
un certo ammontare di denaro (= K/(1 + r)T ). Questa equivalenza spiega perché il pattern
di guadagno della covered call ricorda quello della short put.
2.5.3 Spreads
Le spread sono strategie d’investimento in cui si prende una posizione in due o più opzioni
dello stesso tipo (ad esempio due o più opzioni put).
Bull spreads
La bull spread è una tra le più famose strategie di spread. Consiste nell’investimento in due
opzioni call europee: la prima si acquista e ha un prezzo di esercizio pari a K1 , la seconda
si sottoscrive e ha un prezzo di esercizio pari a K2 > K1 . Entrambe le opzioni hanno la
stessa scadenza. Come sappiamo, poiché il prezzo delle opzioni call diminuisce all’aumentare
del prezzo di esercizio, la strategia richiede un investimento iniziale. Il profilo di guadagni
dell’intera strategia è la somma dei due singoli payoff ed è rappresentato dalla linea continua
nel grafico. Anche in questo caso, il payoff totale della strategia dipenderà dallo stato del
Figura 2.19: Profilo di guadagno generato da una strategia bull spread usando due opzioni call
27
mondo che si presenterà. Assumiamo che l’azione abbia buone performance e a scadenza abbia
un valore ST > K2 , cioé il prezzo a scadenza è maggiore dello strike price più alto. Entrambe
le opzioni verranno esercitate, quella comprata genererà un guadagno pari a ST − K1 , mentre
quella sottoscritta una perdita pari a −(ST − K2 ). Sommando i due payoff otteniamo un
payoff totale uguale alla differenza dei due prezzi di esercizio K2 − K1 . Se il prezzo dell’azione
a scadenza è compreso tra i due prezzi di esercizio, il detentore dell’opzione con strike price K2
non avrà convenienza a esercitare il diritto e di conseguenza il payoff totale sarà semplicemente
ST −K1 . Ultimo caso è quello in cui l’azione a scadenza non va oltre il primo prezzo di esercizio.
Nessuno avrà convenienza a esercitare le opzioni e il payoff totale sarà pari a 0. Una strategia
bull spread limita le perdite ma allo stesso tempo i guadagni: l’investitore rinuncia al pieno
potenziale che l’acquisto dell’opzione call con strike price K1 potrebbe generare sottoscrivendo
un’opzione con strike price K2 . In cambio di questa rinuncia l’investitore incassa il valore della
seconda opzione. Possiamo riassumere i risultati appena descritti nel seguente modo:
Figura 2.20: Payoff di una strategia bull spread su due opzioni call per ogni stato del mondo
Ci sono tre tipi di bull spread:
1. entrambe le opzioni sono inizialmente ITM;
2. un’opzione è inizialmente ITM, l’altra è OTM;
3. entrambe le opzioni sono inizialmente OTM;
La strategia più aggressiva è ovviamente la terza. Costruirla costa relativamente poco e presen-
ta una bassa probabilità di ottenere un payoff relativamente alto (= K2 − K1 , ossia il massimo
spread). La strategia bull spread può essere creata anche attraverso l’acquisto di un’opzione
put europea con strike price più basso e la sottoscrizione di una stessa opzione ma con un
28
più alto strike price. A differenza delle bull spread costruite con le opzioni call, queste ultime
prevedono un incasso iniziale ma a scadenza hanno un payoff che sarà nullo o negativo. In-
fatti per ST < K1 entrambe le opzioni verranno esercitate, ma siccome quella sottoscritta ha
un prezzo di esercizio più alto, l’investitore andrà incontro ad una perdita. Si verificherà una
perdita anche nel caso in cui il sottostante si posizioni a scadenza tra i due prezzi di esercizio
in quanto la put con posizione long ”morirà” mentre quella sottoscritta verrà esercitata dal
suo possessore. Oltre il livello K2 nessuna delle due opzioni verrà esercitata e il payoff totale
sarà nullo (l’investitore guadagnerà quindi grazie alla differenza positiva di prezzo delle due
opzioni incassata in anticipo).
Figura 2.21: Profilo di guadagno generato da una strategia bull spread su due opzioni put
Bear spreads
Se l’investitore che persegue una bull spread spera che il prezzo dell’azione aumenti, chi crea
una bear spread spera in un ribasso. Una strategia bear spread può essere creata attraverso la
sottoscrizione di un’opzione put europea con prezzo di esercizio K1 e l’acquisto di una stessa
opzione con prezzo di esercizio K2 > K1 . Dato che le opzioni put diventano più costose al
crescere del prezzo di esercizio l’opzione sottoscritta sarà meno costosa di quella acquistata,
il che comporta un esborso iniziale. Sostanzialmente l’investitore compra un’opzione put con
un certo prezzo di esercizio e sceglie di rinunciare a una parte del potenziale profitto generata
29
da quest’ultima vendendo una put con un più basso prezzo di esercizio. In cambio del profitto
rinunciato, l’investitore incassa il prezzo dell’opzione sottoscritta.
Figura 2.22: Profilo di guadagno generato da una strategia bear spread su due opzioni put
A scadenza il payoff totale dipenderà da dove si posizionerà il sottostante. Nell’intervallo

ST ≤ K1 entrambe le opzioni verranno esercitate, l’investitore subirà quindi una perdita pari
a −(K1 − ST ) causata dall’opzione sottoscritta, e otterrà un guadagno pari a K2 − ST grazie
all’opzione acquistata. Il payoff totale della strategia, dato dalla somma dei singoli payoff,
sarà quindi uguale a K2 − K1 , che per ipotesi è positivo. Nell’intervallo K1 < ST < K2 il
possessore dell’opzione con strike price K1 non avrà più convenienza a esercitare l’opzione
mentre quella su cui l’investitore ha una posizione long darà un guadagno pari a K2 − ST .
Infine, quando ST ≥ K2 , nessuno trarrà vantaggi dall’esercitare le opzioni e il payoff totale
sarà nullo. Il profitto viene calcolato sottraendo al payoff totale il costo iniziale del portafoglio.
Come le bull spread, anche le bear spread possono essere realizzate usando le opzioni call al
posto delle put. In questo caso l’investitore acquista un’opzione call con alto strike price e ne
sottoscrive una con un più basso prezzo di esercizio. Le bear spread costruite con le opzioni
call sono caratterizzate da un cash flow iniziale in entrata, ma hanno payoff nullo o negativo.
30
Figura 2.23: Payoff di una strategia bear spread su due opzioni put per ogni stato del mondo
Figura 2.24: Profilo di guadagno generato da una strategia bear spread su due opzioni call
2.5.4 Combinazioni
Una combinazione è una strategia d’investimento che consiste nell’assumere una posizione su
entrambe le opzioni put e call sulla stessa azione.
Straddle
Sicuramente tra le più conosciute, la Straddle consiste nel comprare sia un’opzione call che
una put con stesso prezzo di esercizio e stessa scadenza.
Il pattern del guadagno della Straddle è abbastanza intuitivo. Se a scadenza il sottostante
si trova in prossimità del prezzo di esercizio K, l’investitore andrà incontro a una perdita; se
invece si verifica un movimento sufficientemente ampio del sottostante in una qualsiasi di-
rezione allora otterrà un guadagno. Tale strategia è quindi appropriata quando ci si aspetta
31
Figura 2.25: Profilo di guadagno generato da una Straddle
un movimento significativo nel valore del sottostante ma non la direzione in cui questo av-
verrà. La strategia cosı̀ descritta è più precisamente conosciuta come bottom Straddle. Una top
Straddle consiste invece in una posizione inversa rispetto alla precedente, ossia una sottoscri-
zione sia di una call che di una put con stesso prezzo di esercizio e stessa scadenza. Tuttavia
la top Straddle è una strategia molto rischiosa in quanto a differenza della sua controparte, che
nel peggiore degli scenari genera una perdita circoscritta ai prezzi delle due opzioni, questa
può potenzialmente portare a una perdita illimitata se a scadenza l’azione ha compiuto un
importante movimento verso l’alto.
Strips e straps
Una strip consiste in una posizione lunga in un’opzione call europea e due put tutte con stesso
prezzo di esercizio e stessa scadenza. Una strap consiste invece in una posizione lunga su due
opzioni call europee e una put con stesso prezzo di esercizio e scadenza.
In entrambe le strategie l’investitore scommette su un significativo movimento nel prezzo
dell’azione. Tuttavia nella strip si da più peso alle opzioni put, in altre parole si valuta il
ribasso relativamente più probabile (l’inclinazione del pattern dei profitti è infatti più ripida
nella parte sinistra proprio perché l’investitore beneficerà maggiormente di un ribasso). Al
32
Strip Strap
Figura 2.26: Profilo di guadagno di una strip Figura 2.27: Profilo di guadagno di una strap
(una call + due put) (due call + una put)
contrario, nella strap si da più peso alla ”parte call” del portafoglio, ossia il rialzo del prezzo
dell’azione è considerato più probabile del ribasso.
Strangle
La strangle è un tipo di combinazione che consiste nell’assumere una posizione lunga sia su
un’opzione call europea che una put con stessa scadenza ma diverso prezzo di esercizio. In
figura abbiamo il pattern che segue il guadagno generato da una strangle in cui i prezzi di
esercizio dell’opzione call K2 è maggiore rispetto a quello della put (= K1 ). A fianco invece
sono calcolati i payoff nei vari scenari che si possono presentare. La strangle è una strategia
Figura 2.29: Payoff di una strangle su due

Figura 2.28: Profilo di guadagno di una
opzioni put per ogni stato del mondo
strangle (call strike price > put strike
price)
che ricorda la straddle: l’investitore si aspetta un movimento deciso del prezzo del sottostante
33
ma è incerto riguardo la sua direzione. Comparando le due strategie possiamo osservare che
affinché si ottenga un guadagno il rialzo o il ribasso debba essere più marcato nella strangle
che nella straddle. Tuttavia, se il prezzo dell’azione a scadenza si posiziona intorno a un valo-
re centrale il cosiddetto ”downside risk”5 è minore nella strangle. Il profitto generato da una
strangle dipende da quanto sono vicini i due prezzi di esercizio. Tanto più sono distanti, tanto
più si riduce il downside risk, ma allo stesso tempo tanto più forte dovrà essere il movimento
del prezzo del sottostante affinché si possa realizzare un profitto. Analogamente alla straddle,
è possibile assumere una posizione corta sulla strangle. Tale strategia sarà quindi adatta agli
investitori che ritengono improbabili grossi movimenti del prezzo dell’azione e i profitti sa-
ranno ottenuti quando questo a scadenza si posizionerà all’interno dei due prezzi di esercizio.
In ogni caso anche questa è una strategia alquanto rischiosa poichè la perdita che si potrebbe
subire è potenzialmente infinita.
5
In finanza il downside risk è una misura che quantifica la perdita potenziale in cui si può incorrere in seguito
a un investimento in un asset o in una strategia d’investimento.
34
Capitolo 3
Il modello Black-Scholes-Merton
Agli inizi degli anni 70, Fischer Black, Myron Scholes, e Robert Merton propongono per la
prima volta un modello per valutare le opzioni Europee. Inoltre il modello ha successivamen-
te avuto grande influenza anche nel campo degli altri derivati. L’importanza del modello fu
riconosciuta nel 1997, quando Myron Scholes e Robert Merton furono insigniti del Nobel per
l’economia. Sfortunatamente, Fischer Black morı̀ nel 1995, altrimenti avrebbe anche lui senza
dubbio ricevuto il prestigioso riconoscimento. L’approccio alla Black e Scholes prevedeva la
costruzione di un portafoglio privo di rischio costituito da un’opzione e l’azione sottostante e
sostenendo che, in assenza di arbitraggio, il ritorno di tale portafoglio su un breve periodo di
tempo dovesse essere pari al tasso risk-free. Il modello di Merton è stato pubblicato non molto
tempo dopo il modello Black-Scholes. Una differenza sostanziale tra i due modelli è costituita
dal fatto che il modello di Merton tiene conto anche dei dividendi, che non sono inclusi nel
primo. Tuttavia, il modello non è diventato cosı̀ popolare come il precedente, in particolare a
causa del fatto che considera un dividendo continuo e di importo costante. L’ipotesi restrittiva
rende il modello considerevolmente irrealistico; tuttavia, in seguito si è scoperto che, indipen-
dentemente dalla restrizione, è adatto per la valutazione di futures e opzioni su valute.
In questo capitolo ci concentreremo sull’approccio alla Black e Scholes, in particolare mo-
streremo in primis le ipotesi sottostanti al modello stesso per poi passare alla costruzione del
portafoglio e alla derivazione della formula per il pricing delle opzioni.
35
3.1 Ipotesi del modello
Un mercato alla Black-Scholes è un mercato in cui:
1. Esiste un asset privo di rischio B con ritorno
Ḃt = r · Bt
E’ un’equazione differenziale ordinaria che descrive il valore di un titolo privo di rischio

1
nel tempo con soluzione:
Bt = B0 · ert
2. Esiste un asset rischioso con valore St che segue un Moto Geometrico Browniano, cioè
la seguente equazione differenziale stocastica:
dSt = µSt dt + σSt dWt
o in forma chiusa:
1 2 )t+σW
St = e(µ− 2 σ t
3. Sono consentite le vendite allo scoperto;
4. Non c’è possibilità di arbitraggio;
5. Non ci sono costi di transazione né tasse;
6. Tutti gli asset sono perfettamente divisibili.

1
Con titolo privo di rischio si fa riferimento di solito a un’obbligazione emessa da un paese finanziariamente
solido o al tasso offerto da un conto corrente (attività che non dovrebbero presentare rischio di default)
36
3.2 Costruzione del portafoglio di non arbitraggio e deri-
vazione della PDE
Dato un mercato alla Black e Scholes e un’opzione call C scritta sul sottostante S, vogliamo
determinare qual è il prezzo dell’opzione. Come sappiamo, il payoff è cosı̀ descritto:
Figura 3.1: Payoff di un’opzione call
φ(ST ) = max(ST − K, 0)
Il payoff ci fornisce quindi il valore dell’opzione a scadenza, ma nulla dice sul valore che il
derivato dovrebbe avere oggi. Quello che cerchiamo è il prezzo di non arbitraggio dell’opzio-
ne. Nel mercato cosı̀ come l’abbiamo descritto abbiamo tre asset: il titolo privo di rischio, il
sottostante e l’opzione. Il prezzo del titolo risk-free è noto in quanto r è dato, allo stesso modo
conosciamo il valore del sottostante poiché per ipotesi segue un Moto Geometrico Browniano.
Dato che il prezzo è di non arbitraggio quello che possiamo fare è costruire un portafoglio con
due dei tre asset presenti nel nostro mercato che replichi il valore del terzo asset. Le combina-
zioni possono essere quindi varie: replicare il valore del titolo rischioso non è sicuramente la
scelta migliore, sappiamo che questo segue un GBM, per definizione è quindi stocastico o me-
glio sappiamo qual è il suo valore a meno di una variabile aleatoria rappresentata dal Processo
di Wiener. Quello di cui siamo sicuri è invece il valore dell’asset privo di rischio, infatti come
riportato sopra questo al generico istante t assume un valore pari a Bt = B0 · ert . Costruiamo
37
quindi un portagolio composto da un’unita dell’opzione e α unità del sottostante. In assenza
di arbitraggio il portafoglio dovrà rendere quanto il titolo privo di rischio.
V = αS + C (3.1)
Dove V è il portafoglio che replica il titolo privo di rischio, S il sottostante e C l’opzione della
quale vogliamo conoscere il valore. L’obiettivo è quello di determinare α in modo tale che il
portafoglio abbia un rendimento pari a r. Per trovare la risposta dobbiamo sapere prima come
si evolve il valore del portafoglio nel tempo. In altre parole ci chiediamo qual è il differenziale
dVt del portafoglio.
dVt = αdS + dCt (3.2)
dS è noto, per ipotesi è il Moto Geometrico Browniano:
dSt = µSt dt + σSt dWt (3.3)
Quello che non è noto è dCt . C non è nota ma sappiamo che è una funzione che dipende dal
tempo e dal sottostante. Il suo differenziale allora, per il Lemma di Ito, è:
∂C ∂C 1 ∂ 2C
C(t, S) → dC = dt + dS + 2
(dS)2 (3.4)
∂t ∂S 2∂ S
Possiamo quindi andare a sostituire dS:
∂C ∂C 1 ∂ 2C
dC = dt + (µSt dt + σSt dWt ) + 2
(µSt dt + σSt dWt )2 (3.5)
∂t ∂S 2∂ S
Prendiamo in considerazione il termine (dS)2 :
(dS)2 = µ2 St2 dt2 + σ 2 St2 (dWt )2 + 2µσSt dt(dWt )
Richiamando le regole di calcolo di Ito abbiamo che questo è uguale a:
(dS)2 = σ 2 St2 dt (3.6)
in quanto
(dt )2 = o(dt ) ,
(dWt )2 = dt ,
dt · dWt = o(dt )
38
Possiamo ora tornare allo sviluppo di dC:
∂C ∂C 1 ∂ 2C 2 2
dC = dt + (µSt dt + σSt dWt ) + (σ St dt ) (3.7)
∂t ∂S 2 ∂ 2S
Mettiamo a fattore comune i termini con dt
∂C ∂C 1 2 2 ∂ 2 C ∂C
dC = ( + µSt + σ St 2 ) dt + σSt dWt (3.8)
| ∂t ∂S{z 2 ∂ S} | {z∂S}
=drift =diffusion
Questa espressione ci da il differenziale, ossia come si evolve il valore dell’opzione call nel tem-
po. Adesso che sappiamo come varia l’opzione proviamo a mettere questi elementi all’interno
del differenziale dell’intero portafoglio. Riprendiamo quindi da dVt
dVt = αdS + dCt
Sostituiamo dS e dCt che adesso conosciamo
∂C ∂C 1 2 2 ∂ 2 C ∂C
dVt = α (µSt dt + σSt dWt ) + ( + µSt + σ St 2 )dt + σSt dWt (3.9)
| {z } | ∂t ∂S 2 {z ∂ S ∂S }
=dS
=dC
Mettiamo a fattore comune gli elementi con dt e dWt
∂C ∂C 1 ∂ 2C ∂C
dVt = ( + µSt (α + ) + σ 2 St2 2 ) dt + (σSt (α + )) dWt (3.10)
| ∂t ∂S
{z 2 ∂ S} | {z ∂S }
=drif t =dif f usion
Quello che troviamo è che la variazione di valore del portafoglio, costruito combinando α unità
del sottostante e un’unità dell’opzione, segue un processo stocastico con drift e diffusion come
indicati sopra. Osservando la SDE notiamo che questa è composta da una parte deterministica
e una stocastica. L’unico elemento di incertezza nel processo che il portafoglio segue è dato
dal diffusion.
L’obiettivo è costruire un portafoglio privo di rischio, in altre parole dobbiamo eliminare la
componente di incertezza. In particolare questo è possibile assegnando ad α un valore pari a
− ∂C
∂S
.
In questo modo dVt diventa:
∂C ∂C 1 ∂ 2C
dVt = ( + µSt (α + ) + σ 2 St2 2 )dt (3.11)
∂t ∂S 2 ∂ S
39
Abbiamo cosı̀ ottenuto un portafoglio privo di rischio. Se il portafoglio è privo di rischio e il
mercato è privo di arbitraggio (e per ipotesi il mercato alla Black e Scholes lo è) il rendimento
del portafoglio deve essere pari al rendimento del titolo risk-free. Se il portafoglios avesse un
rendimento superiore a quest’ultimo, gli arbitragisti potrebbero ottenere un portafoglio senza
rischio prendendo a prestito denaro al tasso privo di rischio e comprando il portafoglio; se il
portafoglio rendesse invece meno, potrebbero ottenere un profitto senza rischio assumendo
una posizione corta sul portafoglio e una lunga sul titolo privo di rischio. Segue quindi che:
dVt = rVt dt (3.12)
Ossia il portafoglio deve rendere esattamente quanto investire l’ammontare di denaro Vt al

tasso privo di rischio r. Sviluppiamo sostituendo dVt con il risultato appena trovato mentre Vt
può essere esplicitato nelle sue due componenti.
∂C ∂C 1 2 2 ∂ 2C
( + µSt (α + ) + σ St 2 )dt = r(αSt + Ct )dt (3.13)
∂t ∂S 2 ∂ S
Per avere un portafoglio privo di rischio abbiamo già detto che la quantità di azioni in porta-
foglio α deve essere uguale a − ∂C
∂S
.
∂C 1 2 2 ∂ 2 C ∂C
( + σ St 2 )dt = r(− St + Ct )dt (3.14)
∂t 2 ∂ S ∂S
Dividiamo per dt
∂C 1 2 2 ∂ 2 C ∂C
+ σ St 2 = r(− S t + Ct ) (3.15)
∂t 2 ∂ S ∂S
Infine riordiniamo il tutto per ottenere
∂C ∂C 1 ∂ 2C
+r St + σ 2 St2 2 = rCt (3.16)
∂t ∂S 2 ∂ S
Questa è l’equazione di Black e Scholes ossia un’equazione alle derivate parziali. L’e-
quazione ha infinite soluzioni. Tuttavia, si possono associare all’equazione determinate condi-
zioni, corrispondenti ai vari payoff dei derivati che possono essere definiti con S come sotto-
stante. In questo modo, la soluzione del sistema sarà il prezzo di non arbitraggio del derivato,
che dipenderà appunto dai limiti che sono stati imposti. Nel caso in cui si volesse prezzare
un’opzione call Europea dovremo imporre:
φ(ST ) = max(ST − K, 0)
40
Nel caso di un’opzione put:
φ(ST ) = max(K − ST , 0)
Associando il payoff del derivato otteniamo il problema alle equazioni differenziali di Black e
Scholes. Nello specifico, procediamo alla risoluzione del problema per un’opzione call Europea:

 ∂C + r ∂C St + 1 σ 2 St2 ∂ 22C = rCt

∂t ∂S 2 ∂ S
. (3.17)
φ(ST ) = max(ST − K, 0)

Si può notare come il problema non dipende da µ, o in altre parole, questo non è influenzato
dalle preferenze verso il rischio degli investitori. Le variabili che appaiono nell’equazione sono
il valore corrente dell’azione sottostante, il tempo, la volatilità dell’azione e il tasso d’interes-
se risk-free. Tutte sono indipendenti dalle preferenze sul rischio. Se la formula includesse µ,
l’equazione alle derivate parziali di Black e Scholes non sarebbe indipente dalle attitudini al ri-
schio. In particolare, tanto più è alta l’avversione al rischio, tanto più gli investitori richiedono
un ritorno atteso µ più alto per ogni dato asset (il cosiddetto premio per il rischio). Se le pre-
ferenze sul rischio non influenzano la PDE, non influenzano neanche la soluzione e ogni tipo
di ipotesi riguardo queste ultime può essere adottata, compresa quindi quella della neutralità
al rischio. In un mondo neutrale al rischio, il ritorno atteso di un generico asset è uguale al
tasso privo di rischio r. Quest’assunzione semplifica significativamente l’analisi dei derivati.
Gli investitori, all’aumentare del rischio, non chiedono di essere compensati con un maggio-
re rendimento. Inoltre il valore attuale di ogni cash flow può essere ottenuto scontando il suo
valore atteso al tasso risk-free. E’ importante sottolineare che la valutazione risk-neutral è me-
ramente uno strumento utile al fine di ottenere una soluzione al problema di Black e Scholes
per il pricing dei derivati. Le soluzioni ottenute sono però valide anche in scenari non neutrali
al rischio in quanto quando ci spostiamo verso un mondo avverso al rischio accadono due co-
se: il payoff atteso del derivato cambia ma allo stesso tempo cambia anche il tasso a cui questo
va scontato. Gli effetti generati da questi due cambiamenti tendono a compensarsi esattamente.
41
3.3 Soluzione del problema e formula per il pricing delle
opzioni Europee
Le più famose soluzioni all’equazione alle derivate parziali di Black e Scholes sono quelle per
il pricing di opzioni call e put Europee:
Ct = St N (d1 ) − Ke−r(T −t) N (d2 ) (3.18)
e
Pt = Ke−rT N (d2 ) − St N (−d1 ) (3.19)
dove
σ2
ln St + (r + )T
d1 = K √ 2
; (3.20)
σ T
2
ln SKt + (r − σ2 )T √
d2 = √ = d1 − σ T (3.21)
σ T
Come già ribadito nella sezione precedente la soluzione dipende da prezzo di esercizio K, tas-
so privo di rischio r, maturity T e la volatilità del sottostante σ. Il drift del sottostante non
impatta sul prezzo risk-neutral del derivato. N (x) è la funzione di probabilità cumulata di una
distribuzione Normale standard. In altre parole è la probabilità che una variabile con distribu-
zione normale assuma valori inferiori a x.
Figura 3.2: L’area evidenziata rappresenta N (x)
42
3.3.1 Il significato di N (d1 ) e N (d2 )
Il termine N (d2 ) ha un’interpretazione abbastanza semplice. E’ la probabilità che un’opzio-

ne call sarà esercitata in un mondo neutrale al rischio. N (d1 ) non è invece di cosı̀ semplice
interpretazione. L’espressione St N (d1 )e−rT è il valore atteso dell’azione a scadenza T in un
mondo neutrale al rischio quando i prezzi dell’azione al di sotto del prezzo di esercizio K sono
considerati come zeri. Il prezzo di esercizio sarà pagato solo se il prezzo dell’azione è maggiore
di K e come appena detto questo evento ha probabilità N (d2 ). Il payoff atteso in un mondo
neutrale al rischio è pertanto:
St N (d1 )e−rT − KN (d2 ) (3.22)
Attualizzando tale payoff dal tempo T al tempo 0 otteniamo la formula di Black e Scholes
per il pricing di un’opzione call Europea vista precedentemente. Un modo molto intuitivo di
guardare la formula per il pricing è il seguente:
N (d1 ) rT
C = e−rT N (d2 )[St e − K] (3.23)
N (d2 )
Dove i termini che compaiono all’interno dell’equazione possono essere cosı̀ interpretati:
• e−rT : Fattore di sconto;
• N (d2 ): Probabilità di esercizio;
• St erT N (d1 )/N (d2 ): Prezzo atteso dell’azione in un mondo neutrale al rischio se l’opzio-
ne viene esercitata.N (d1 )/N (d2 ) rappresenta infatti la probabilità che il valore di S sia
condizionato a S > K;
• K: Prezzo di esercizio.
3.3.2 Proprietà della formula
In questa sezione mostreremo le proprietà generali delle formule di Black e Scholes per il pri-
cing delle opzioni call e put considerando cosa accade quando alcuni dei parametri assumono
valori estremi. Quando il prezzo dell’azione St assume valori molto alti, un’opzione call Eu-
ropea sarà esercitata quasi certamente. Dall’equazione 3.18, ci aspettiamo quindi che il pezzo
della call diventi:
43
C = St − Ke−rT
in quanto per prezzi sufficientemente alti, sia d1 e d2 diventano molto grandi, e di conseguenza
N (d1 ) e N (d2 ) tenderanno a 1. Al contrario, quando il prezzo dell’azione assume valori elevati,
il prezzo di un’opzione put tende a 0. Questo è coerente con quanto visto nell’equazione 3.19
per il pricing delle opzioni put Europee, poiché in questo caso sia N (d1 ) che N (d2 ) tendono a 0.
Analizziamo ora cosa accade quando la volatilità dell’azione sottostante il contratto d’opzione
tende a 0. Dato che l’azione è potenzialmente senza rischio, il suo prezzo crescerà a un tasso
pari a r fino a un valore di St erT al tempo T e il payoff derivante da un’opzione call sarà pari
a:
max(St erT − K, 0)
Scontando a un tasso r, il valore dell’opzione oggi è:
e−rT max(St erT − K, 0) = max(St − Ke−rT , 0)
Per dimostrare che questo è coerente con l’equazione 3.18, consideriamo prima lo scenario in
cui St > KerT . Questo implica che ln SKt + rT > 0. Quando σ tende a 0, d1 e d2 tendono a
+ inf, cosicché N (d1 ) e N (d2 ) tendono a 1 e l’equazione 3.18 diventa:
C = St − Ke−rT
Quando invece St > KerT , segue che ln SKt + rT < 0. Quando σ tende a 0, d1 e d2 tendono a
− inf e N (d1 ) e N (d2 ) tendono a 0. L’equazione 3.18 da quindi che il prezzo dell’opzione call
è pari a 0. Il prezzo di un’opzione call è pertanto sempre pari a max(St − Ke−rT , 0) quando σ
tende a 0. In modo analogo, può essere dimostrato che il prezzo di un’opzione put è sempre il
max(Ke−rT − St , 0) quando σ tende a 0.
3.4 Calibrazione del modello

Riprendiamo dalla sezione precedente la formula 3.18 per il pricing di un’opzione call Europea
e implementiamola per trovare il prezzo all’istante t = 0:
C0 = S0 N (d1 ) − Ke−r(T −t) N (d2 )
44
dove
St 2
ln +(r+ σ2 )T
d1 = K √
σ T
;
√
d2 = d1 − σ T
Concentriamoci ora sulle variabili che compaiono nella formula di Black e Scholes. S0 è il
prezzo del sottostante oggi; K e T , ossia prezzo di esercizio e scadenza sono espressamente
definite nel contratto al momento della stipula; il tasso d’interesse privo di rischio è noto ed è
pari a r. Il parametro che potrebbe dare maggiori difficoltà nell’implementazione della formula
è sicuramente σ. σ rappresenta la volatilità del sottostante, o più precisamente la volatilità
dei ritorni collegati al sottostante. Nel modello Black e Scholes il sottostante segue un Moto
geometrico Browniano. Riprendiamo la SDE che lo rappresenta:
o in forma chiusa
σ2
St = S0 e(µ− 2
)T +σWT
Nell’appendice A è analizzata con più precisione la dinamica dei ritorni logaritmici di tale
processo stocastico:
1
d ln St = (µ − σ 2 ) dt + σdWt
| {z2 }
| {z }
dif f usion
drif t
Il processo stocastico che descrive i ritorni logaritmici non è altro che un processo di tipo
Gaussiano. La componente di drift non dipende dalla variabile aleatoria S e il diffusion è
semplicemente una costante per l’incremento del processo di Wiener, che come sappiamo è a
sua volta una variabile aleatoria normale
ln St ∼ N (ln S0 + (µ − 21 σ 2 )T, σ 2 T )
Nel modello B-S il sottostante segue un Moto geometrico Browniano che implica che i
ritorni siano normali. σ, la variabile del modello che vogliamo calibrare, è la volatilità dei
ritorni logaritmici per unità di tempo. Se avessimo a disposizione le serie storiche dei prezzi
45
del sottostante questa sarebbe uguale alla deviazione standard dei ritorni logaritmici. Andiamo
quindi a calcolare valore atteso e varianza dei ritorni cosı̀ come li abbiamo espressi:
1
E[d ln St ] = E[(µ − σ 2 )dt + σdWt ] (3.24)
2
A meno di dWt , tutti gli elementi sono deterministici, compreso il parametro che vogliamo
stimare σ, pertanto possiamo portarli fuori dall’operatore valore atteso:
1
E[d ln St ] = (µ − σ 2 )dt + σE[dWt ] (3.25)
2
Ricordiamo che per com’è definito il processo di Wiener E[dWt ] = 0. Il valore atteso dei ritorni
logaritmici è quindi uguale a:
1
E[d ln St ] = (µ − σ 2 )dt (3.26)
2
Passiamo ora alla varianza:
1
V[d ln St ] = V[(µ − σ 2 )dt + σdWt ] (3.27)
2
Ancora abbiamo che tutte le componenti all’interno dell’operatore varianza sono determini-
stiche a meno di dWt . Chiaramente deterministiche non impattano sulla varianza in quanto la
varianza di un termine deterministico è pari a 0. Ciò che rimane è:
V[d ln St ] = V[σdWt ] (3.28)
Essendo anche σ un parametro deterministico possiamo estrarlo dall’operatore elevandolo al

quadrato per le regole della varianza.
V[d ln St ] = σ 2 V[dWt ] (3.29)
La varianza dell’incremento del processo di Wiener è nota ed è pari al lasso di tempo su cui è
calcolato l’incremento V[dWt ] = dt:
V[d ln St ] = σ 2 dt (3.30)
Abbiamo trovato quindi media e varianza teorica dei ritorni logaritmici del sottostante. Empi-
ricamente non possiamo approssimare il valore di tali grandezze ma possiamo farlo calcolando
46
la loro versione campionaria 2 . Creiamo un sistema che ci permette di trovare i due parametri
µ e σ da utilizzare nell’implementazione delle formule di Black e Scholes.

E[d ln St ] = (µ − 1 σ 2 )dt

2
. (3.31)
V[d ln St ] = σ 2 dt

Svolgendo qualche passaggio algebrico


µ = 1 E[d ln St ] + 1 V[d ln St ]

dt 2
q . (3.32)
σ = V[d ln St ]

dt
Grazie all’approssimazione di E[d ln St ] e V[d ln St ] siamo quindi in grado di calcolare i para-

metri µ e σ da utilizzare nella formula di Black e Scholes.
3.5 Le lettere Greche

L’approccio utilizzato per la derivazione del modello BSM e che sarà analogamente utilizzato
nel modello di Leland è quello dell’hedging: si crea un portafoglio in grado di replicare uno
specifico payoff. Questo è un punto cruciale per gli istituti finanziari. Quando un istituto fi-
nanziario vende un’opzione a un cliente, questa necessita di coprirsi dal rischio di perdita che il
derivato potrebbe causare. Per l’intermediario l’ideale sarebbe comprare un’opzione identica a
quella venduta. In questo modo, l’intermediario si coprirebbe da ogni rischio dato che i payoff
dei due strumenti si compensano esattamente. Tuttavia tale caso non è sempre possibile. Tal-
volta gli istituti finanziari emettono strumenti tailor made, ossia su misura, sotto specifiche
richieste e necessità del cliente. In questi casi non esistono prodotti standardizzati in grado di
coprire l’esposizione al rischio e pertanto, l’istituto incorre in un problema di hedging, ossia
di copertura. In questa sezione tratteremo un argomento collegato alla gestione del rischio
proveniente dalla copertura, comunemente noto come ”The Greek letters”. Ogni lettera Greca
misura una diversa dimensione del rischio nell’assumere una posizione su un’opzione e l’o-
biettivo del trader è quello di gestire le Greche cosı̀ che ogni rischio sia accettabile.
2
Avendo un campione storico di osservazioni dei valori del sottostante S = (S0 , S1 , ..., Sn ) che da luogo al
vettore di ritorni logaritmici R = (∼, ln SS01 , ..., ln SSn−1
n
), possiamo approssimare il valore atteso e la varianza del
Pn Si
ln
differenziale dei ritorni logaritmici come segue E[d ln St ] ≈ mean(R) = , V[d ln St ] ≈ (std(R))2
i=1 Si−1
n−1
47
Per calcolare le lettere Greche, è necessario assumere un modello di pricing per le opzioni. Di
solito i trader si basano sul modello Black-Scholes-Merton.
3.5.1 Delta hedging
Il delta di un’opzione è definito come il tasso di cambio del prezzo di un’opzione rispetto al
prezzo dell’asset sottostante. In generale:
∂C
∆= (3.33)
∂S
Il delta di un’opzione è già stato utilizzato nel modello BSM per la costruzione del portafoglio
di replica (sotto una diversa notazione). Il portafoglio è composto da un’unità dell’opzione e da
α unità dell’azione sottostante. Successivamente troviamo che, per assicurarsi che il portafo-
glio sia senza rischio ed eliminare la componente stocastica, α deve essere uguale a − ∂C
∂S
. Dal
punto di vista finanziario ha senso: se si investe in un’opzione call, si assume una posizione
lunga sull’azione e l’unico modo per coprirsi dal rischio di ribasso tramite azioni è venderne
una certa quantità allo scoperto, viceversa se si assume una posizione lunga in un’opzione put.
Come detto nel capitolo 2 le opzioni put si comportano infatti in modo opposto alle call, ossia
il loro valore diminuisce all’aumentare del prezzo del sottostante.
Il delta di un’unità dell’azione è pari a 1. L’interesse del trader sarà quindi quello di comprare
(vendere) tante azioni fin quando il delta totale delle azioni eguaglia quello dell’opzione. In
questo modo il delta delle azioni compensa quello delle opzioni e la posizione totale del por-
tafoglio è definita come delta neutral.
E’ importante sottolineare che, dato che il delta di un’opzione non rimane costante, la po-
sizione del trader rimane coperta solo per brevi lassi di tempo. La copertura va aggiustata
periodicamente. Questo passaggio è noto come ribilanciamento.
Per un’opzione call Europea puo’ essere dimostrato che nel modello BSM:
∆(call) = N (d1 ) (3.34)
dove d1 è definito dall’equazione 3.20 e N è la distribuzione cumulata di una Normale standard.

La formula restituisce il delta di una posizione lunga in un’opzione call. Il delta di una posizione
corta su un’opzione call è dato da −N (d1 ). Usare il delta hedging per una posizione corta in
48
un’opzione call Europea significa mantenere una posizione lunga di N (d1 ) per ogni opzione
venduta. Analogamente, usare il delta hedging per una posizione lunga su un’opzione call
Europea implica mantenere una posizione corta di N (d1 ) azioni per ogni opzione acquistata.
Per un’opzione put Europea, il delta hedging è dato da:
∆(put) = N (d1 ) − 1 (3.35)
Il delta è negativo, ciò implica che una posizione lunga in un’opzione put Europea dovrebbe es-
sere coperto da una posizione lunga sull’azione sottostante e una posizione corta su un’opzione
put dovrebbe al contrario essere coperta da una posizione corta sull’azione.
3.5.2 Costi di transazione
I trader di derivati ribilanciano le proprie posizioni una volta al giorno per mantenere la neutra-
lità del delta. Quando l’investitore possiede un numero limitato di opzioni, il ribilanciamento
potrebbe essere particolarmente costoso a causa dei costi di transazione a cui è soggetto sul-
le compravendite. Per un portafoglio sufficientemente grande invece, il ribilanciamento sarà
probabilmente più praticabile in quanto solo uno scambio nell’asset sottostante è necessario
affinché il delta dell’intero portafoglio si azzeri. I costi di transazione saranno assorbiti dai
profitti generati dal portafoglio.
3.5.3 Gamma
Il gamma (Γ) di un opzione scritta su un asset sottostante è il tasso a cui varia il delta del
portafoglio rispetto al prezzo dell’asset sottostante. E’ uguale alla derivata parziale seconda
dell’opzione rispetto al prezzo dell’azione:
∂ 2C
Γ= (3.36)
∂S 2
Se gamma è piccolo, il delta varia lentamente e i ribilanciamenti volti a mantenere il delta

neutro avvengono con una frequenza relativamente minore. Tuttavia, quando gamma è signi-
ficativamente grande, il delta è molto sensibile a variazioni del prezzo dell’asset sottostante.
Risulta quindi particolarmente rischioso lasciare un portafoglio delta-neutrale invariato per
49
qualsiasi periodo di tempo.
Per un’opzione call o put Europea , il gamma dato dal modello Black-Scholes-Merton è dato
da:
N 0 (d1 )
Γ= √ (3.37)
S0 σ T
dove N 0 (x) è la funzione di densità di una distribuzione Normale standard. Il gamma deri-
vante da una posizione lunga in un’opzione call o put è sempre positivo. Questo risultato
è fondamentale nel calcolo della soluzione del problema alle derivate parziali di Leland che
affronteremo nella prossima sezione.
3.6 Implementazione modello

In questa sezione provvederò a implementare e testare i risultati derivanti dal modello oggetto
del capitolo. L’implementazione sarà espletata in MATLAB, piattaforma di programmazione
tra le più utilizzate da ingegneri e scienziati. In poche parole l’analisi dimostrerà la solidità del
modello e delle ipotesi sottostanti.
Il primo passo è selezionare un asset da analizzare: grazie alla banca dati offerta da Thomson
reuters scarichiamo la serie dei prezzi storici di Alphabet Inc., famosa holding che comprende
Google. Disponendo degli storici del prezzo dell’azione, calcoliamo i parametri calibrati del
modello, ossia µ e σ, cosı̀ come indicati dall’equazione 3.31. Per ipotesi l’asset segue un Moto
geometrico Browniano. Possiamo quindi testare l’ipotesi simulando il processo stocastico e
confrontandolo con i dati di mercato.
50
Figura 3.3: Prezzi storici delle azioni Google e simulazione GBM
Il percorso indicato in rosso è il percorso effettivo seguito dall’azione analizzata, mentre

quelli in grigio indicano i percorsi simulati con i parametri calibrati. Possiamo notare che,
al di là di qualche percorso anomalo, la maggior parte delle simulazioni si posiziona attorno
al percorso effettivo. In altre parole l’ipotesi di Moto geometrico Browniano come processo
seguito dall’asset è solida, e possiamo utilizzarla al fine di prezzare i derivati scritti sullo stesso
asset.
Proseguiamo applicando le formule per il pricing del modello BSM. Il tasso privo di rischio
utilizzato è il tasso Euribor giornaliero alla data dell’analisi (r = −0.51%). L’analisi è stata
compiuta il 23-12-2021, giorno in cui le quotazioni si sono chiuse su un prezzo dell’azione di
2938 $.
51
Figura 3.4: Pricing di due opzioni call scritte su azioni Alphabet Inc. per diverse Maturity
secondo il modello BSM. Ultimo prezzo dell’asset: 2938 $
Ai fini dell’analisi sono state prese in considerazione due opzioni call. Le linee continue
nel grafico rappresentano i risultati secondo il modello BSM, mentre i punti rappresentano i
prezzi delle stesse opzioni sul mercato. Le opzioni indicate dalla linea blu hanno un prezzo
di esercizio di 2900 $, vale a dire che al momento dell’analisi sono opzioni ITM. Le opzioni
rappresentate dalla linea rossa hanno un prezzo di esercizio di 2950 $ e sono pertanto OTM.
Sull’asse delle ascisse troviamo le scadenze: le opzioni prese in considerazione hanno scadenza
rispettivamente pari a 4 giorni, 1 mese, 3 mesi, 6 mesi, 9 mesi e 1 anno.
Come possiamo vedere il modello sembra dare una buona approssimazione di quelli che sono
e che dovrebbero essere i dati di mercato. Per scadenze brevi, le opzioni hanno prezzi rela-
tivamente bassi, il che riflette il fatto che sia improbabile che in un breve lasso temporale il
prezzo dell’asset compia un salto tale da far conseguire al possessore dell’opzione un guada-
gno significativo. Con l’allungarsi della scadenza questi aumentano e i prezzi delle opzioni
ITM sono sempre maggiori rispetto a quelli delle opzioni OTM. Con una scadenza più lontana,
la probabilità che il valore dell’asset cresca andando a creare un maggiore gap tra esso stesso
52
e il prezzo di esercizio aumenta, dando luogo a un ritorno più ampio e pertanto il diritto che il
derivato fornisce diventa più oneroso.
Un modo interessante per riassumere i risultati del modello è attraverso un grafico in 3 dimen-
sioni. Oggetto di analisi saranno sempre le azioni Alphabet Inc. e le opzioni annesse.
Figura 3.5: Il modello BSM per il pricing di opzioni call Europee scritte su azioni Alphabet Inc.
In questo modo, siamo in grado di capire come si muove il prezzo delle opzioni call in fun-
zione delle due dimensioni fondamentali che lo influenzano: prezzo di esercizio e scadenza.
Opzioni con alto strike price e brevissima maturity hanno un valore pressoché nullo, data la
grandissima improbabilità dello strumento di generare profitti. Al contrario, nel settore oppo-
sto del grafico troviamo le opzioni più costose, quelle con basso strike price e lunga scadenza.
Analogamente a quanto fatto per le opzioni call, possiamo compiere lo stesso tipo di analisi
con le opzioni put.
53
Figura 3.6: Il modello BSM per il pricing di opzioni put Europee scritte su azioni Alphabet Inc.
I risultati confermano quanto detto a livello teorico. La superficie è ribaltata rispetto al caso
delle opzioni call. Il diritto a poter vendere questa volta fa sı̀ che i ritorni siano ipoteticamente
maggiori, e quindi le opzioni più costose, quando abbiamo prezzi di esercizio e scadenze più
alte, cosı̀ come evidenziato dal grafico.
Proseguiamo testando il modello con un nuovo Dataset, prendiamo in considerazione adesso
la nota società produttrice di smartphone Apple Inc.. Applichiamo le formule del modello
Black-Scholes-Merton e confrontiamo i risultati con quelli che sono i prezzi che si trovano sul
mercato sia per opzioni put che call.
54
Call Put
Figura 3.7: Pricing di opzioni call scritte su Figura 3.8: Pricing di opzioni put scritte su
azioni Apple. Ultimo prezzo dell’asset: 172.57 azioni Apple. Ultimo prezzo dell’asset: 172.57
$ $
Infine analizziamo un ulteriore caso per fornire maggiore solidità a quelli che sono i risultati
del modello: il caso Tesla.
Call Put
azioni Tesla. Ultimo prezzo dell’asset: 1067 $ azioni Tesla. Ultimo prezzo dell’asset: 1067 $
Anche se presente qualche imprecisione, il modello fornisce una buona approssimazione

dei prezzi di mercato e torna talvolta utile agli intermediari quando vanno a creare prodotti
tailor-made con payoff identici a quelli delle opzioni ma scadenze diverse da quelle standard
in quanto fornisce appunto il prezzo che quello strumento dovrebbe avere.
55
Capitolo 4
Il modello di Leland
Il modello Black-Scholes-Merton (BSM) ha avuto un grande impatto sul trading di titoli nel
mondo reale. Tuttavia, il modello BSM non tiene conto di alcuni aspetti quali ad esempio i
costi di transazione. Esistono molti studi che hanno esplorato modi per affrontare la replica
del payoff delle opzioni e gli errori di copertura dovuti ai costi di transazione.
Leland (1985) ha sviluppato una strategia di copertura in cui il prezzo di un’opzione dovrebbe
essere dato dalla formula fornita dal modello BSM ma con una volatilità corretta. La volatilità
rettificata dipende in modo diretto dai costi di transazione, dalla volatilità dell’attività sotto-
stante e dall’intervallo di ribilanciamento del portafoglio replicante. Nonostante le critiche
alla strategia di Leland, numerosi studi hanno dimostrato empiricamente che la sua strategia
è più accurata del modello BSM. Inoltre, Leland (2007) ha fornito due aggiustamenti alla for-
mula originale (1985) incorporando i costi iniziali di negoziazione. Gli adeguamenti sono stati
effettuati perché il modello originale non considerava esplicitamente i costi iniziali di nego-
ziazione. Inoltre, il modello di Leland, come quello sviluppato da Black-Scholes-Merton, non
dipende dalle preferenze di rischio dell’investitore e ha una soluzione in forma chiusa.
I trader sostengono diversi tipi di costi di transazione ogni volta che apportano modifiche al-
la composizione del proprio portafoglio. Questi includono commissioni, spread e altri costi
correlati all’impatto sul prezzo delle negoziazioni. Il modello di Leland fornisce una strategia
modificata del modello BSM, ampiamente utilizzato in finanza, ma allo stesso tempo porta con
sé questioni irrisolte, come ad esempio se possa essere utilizzato efficacemente per valutare e
coprire le opzioni con costi di transazione realistici.
56
4.1 Ipotesi del modello
Come fatto per il modello BSM, prima di procedere alla derivazione della formula per il pricing
delle opzioni, elenchiamo le ipotesi sottostanti al modello.
Sostanzialmente, i due modelli si basano sulle stesse ipotesi, con una differenza per quanto
riguarda i costi di transazione. Un mercato alla Leland è quindi un mercato in cui:
1. Esiste un asset privo di rischio B con ritorno
Ḃt = r · Bt
E’ un’equazione differenziale ordinaria che descrive il valore di un titolo privo di rischio

nel tempo con soluzione:
Bt = B0 · ert
2. Esiste un asset rischioso con valore St che segue un Moto Geometrico Browniano, cioè
la seguente equazione differenziale stocastica:
o in forma chiusa:
1 2 )t+σW
St = e(µ− 2 σ t
3. Sono consentite le vendite allo scoperto;
4. Non c’è possibilità di arbitraggio;
5. Tutti gli asset sono perfettamente divisibili;
6. I costi di transazione c dipendono dal bid-ask spread 1 e sono pari a:
c= Sask −Sbid
S
,
dove S indica il prezzo medio tra ask e bid S = (Sask + Sbid )/2.
1
I termini bid (”prezzo denaro”) e ask (”prezzo lettera”) sono due termini quotidianamente usati in finanza e
indicano rispettivamente il prezzo massimo che un investitore è disposto a pagare per l’acquisto di un titolo e il
prezzo minimo che un investitore è disposto ad accettare qualora voglia vendere un titolo.
57
4.2 Derivazione della PDE
La derivazione dell’equazione alle derivate parziali del modello di Leland ricalca sostanzial-
mente quella del modello BSM e, pertanto, in questa sezione richiameremo spesso le formule
chiave di quest’ultimo. L’approccio è quello di costruire un portafoglio privo di rischio con gli
strumenti finanziari presenti nel mercato, ossia le azioni, le opzioni e il titolo privo di rischio.
Iniziamo prendendo il portafoglio replicante dato dal modello BSM. Il portafoglio replicante è
composto da un’opzione C e α unità del sottostante, dove α = − ∂C
∂S
:
V = αS + C (4.1)
Data la presenza dei costi di transazione, la copertura non puo’ avvenire nel continuo. In
altre parole per poter replicare il portafoglio nel tempo e rispettare il principio di arbitraggio,
un ribilanciamento deve essere attuato e questo avviene a intervalli discreti di lunghezza ∆t
distanti tra di loro.
Tenendo conto adesso dei costi di transazione, analizziamo come varia il valore del nuovo
portafoglio. Il numero di transazioni è dato dalla variazione della quantità α investita in azioni
durante l’intervallo di ribilanciamento ∆t. Il costo di una singola transazione è pari a cS/2 cosı̀
da avere un costo totale di cS
2
|∆α|, prendendo le variazioni in valore assoluto cosı̀ da evitare
le compensazioni. Cosı̀, la variazione di valore del portafoglio sarà uguale alla somma delle
variazioni subite dal sottostante e dall’opzione al netto dei costi di transazione:
cS
∆V = ∆C + α∆S − |∆α| (4.2)
2
La variabile S, per ipotesi, segue un Moto geometrico Browniano. Riportiamo la variazione

subita da S durante l’intervallo ∆t:
∆St = µSt ∆t + σSt ∆Wt (4.3)
Grazie al modello Black-Scholes-Merton, conosciamo il differenziale del derivato, dato dall’e-

quazione 3.8, preso in questa sede in termini discreti:
∂C ∂C 1 2 2 ∂ 2 C ∂C
∆C = ( + µSt + σ St 2 )∆t + σSt ∆Wt (4.4)
∂t ∂S 2 ∂ S ∂S
58
2
Dunque ciò che rimane è derivare ∆α. Sappiamo che α = − ∂C
∂S
, cosı̀ ∂α
∂S
= − ∂∂SC2 . Da qui, per
lo sviluppo in serie di Taylor, possiamo approssimare la variazione subita da α a:
∂α ∂ 2C
∆α ≈ ∆S = − 2 ∆S (4.5)
∂S ∂S
Sostituiamo ancora una volta ∆S dal GBM, giungendo al seguente risultato:
∂ 2C ∂ 2C
∆α ≈ − 2 µSt ∆t − σS∆Wt (4.6)
∂S ∂S 2
Riguardo l’equazione 4.6, Leland dimostra che:

2
1. il primo termine è trascurabile, ciò che si prende in considerazione è pertanto ∂∂SC2 σS∆Wt
2. quando calcoliamo la variazione del processo di Wiener in valore assoluto, questa puo’
q
essere sostituita con il suo valore atteso E[|∆Wt |] = π2 ∆t
Possiamo quindi concludere la derivazione di ∆α:
∂ 2C
∆α ≈ − σSt ∆Wt ; (4.7)
∂S 2 r
∂ 2C ∂ 2C 2
|∆α| ≈ | 2 |σSt |∆Wt | ≈ | 2 |σSt ∆t (4.8)
∂S ∂S π
Possiamo ora riprendere la formula rappresentativa della variazione di valore del portafoglio
di replica nell’intervallo ∆t. Prima di procedere riassumiamo i risultati trovati:
cS
∆V = ∆C + α∆S − 2
|∆α|,
∆St = µSt ∆t + σSt ∆Wt ,
2
∆C = ( ∂C
∂t
+ µSt ∂C
∂S
+ 12 σ 2 St2 ∂∂ 2CS )∆t + σSt ∂C
∂S
∆Wt ,
q
2
∆α ≈ | ∂∂SC2 |σSt π2 ∆t
Cosı̀, possiamo esprimere la variazione di valore del portafoglio come segue:

r
2
∂C 1 2 2∂ C c ∂ 2C 2
∆V = ( + σ (St ) 2
− St | 2 |σS )∆t (4.9)
∂t 2 ∂S 2 ∂S π∆t
Analogamente al modello BSM, al fine di escludere possibilità di arbitraggio nel mercato, il

portafoglio deve avere un rendimento pari al titolo privo di rischio:
∆V = rV ∆t (4.10)
59
Il portafoglio V è composto da un’opzione e α = −∂C/∂S unità del sottostante. Dunque:
∂C
∆V = r(C − S)∆t (4.11)
∂S
Comparando la 4.9 e la 4.11:
r
∂C 1 2 ∂ 2C c ∂ 2C 2 ∂C
( + σ (St )2 2 − St | 2 |σSt ) = r(C −
∆t St )
∆t
(4.12)
∂t 2 ∂S 2 ∂S π∆t ∂S
Riordiniamo per ottenere l’equazione alle derivate parziali di Leland nella sua forma fina-
le: r
∂C 1 2 ∂ 2 C c 2 ∂ 2C ∂C
+ σ St 2 [1 − √ sign( 2 )] + r St − rC = 02 (4.13)
∂t 2 ∂S σ ∆t π ∂S ∂S
Ancora una volta l’equazione presenta infinite soluzioni, ma associandola a una determinata
condizione, ossia il payoff del derivato oggetto di pricing, la soluzione diventa unica e pari al
prezzo del derivato. Prima di procedere però è doveroso fare qualche osservazione sulla PDE
di Leland. In assenza di costi di transazione (c = 0), l’equazione è esattamente uguale a quella
del modello Black-Scholes-Merton.
∂2C
Ricordiamo inoltre che per il pricing di opzioni call e put nel modello BSM si ha ∂S 2
> 0
2
(gamma positivo) e pertanto sign( ∂∂SC2 > 0) = 1.
r
∂C 1 ∂ 2 C 2 c 2 ∂C
+ St 2 σ [1 − √ ]+r St − rCt = 0 (4.14)
∂t 2 ∂S σ ∆t π ∂S
La varianza, che indica la volatilità dei ritorni collegati al sottostante S, è moltiplicata per un
fattore direttamente collegato ai costi di transazione.
r
c 2
2 2
σ̂ = σ [1 − √ ] = σ 2 [1 − Le] (4.15)
σ ∆t π
In altre parole, inserendo il prezzo BSM di un’opzione call/put con volatilità corretta all’interno
dell’equazione di Leland scopriamo che questo rappresenta una soluzione della stessa PDE per
il pricing delle opzioni Europee. Il termine Le è noto come numero di Leland.
∂C 1 ∂ 2 C 2 ∂C
+ St 2 σ̂ + r St − rC = 0 (4.16)
∂t 2 ∂S ∂S
2
La funzione sign (signum) è una funzione che estrae il segno di un numero reale. In particolare, la funzione



 −1 se x < 0


sign(x) è definita come segue: sign(x) = 0 se x = 0 .



1 se x > 0

60
Inoltre, σ̂ 2 deve essere positivo, il che ci fornisce un limite sul possibile intervallo di ribilancia-
mento ∆t (il possibile lasso temporale che intercorre tra due ipotetici cambi nella composizione
del portafoglio) e sullo stesso numero di Leland. Nello specifico:
r
c 2
2 2
σ̂ = σ [1 − √ ] > 0, (4.17)
σ ∆t π
r
c 2
1− √ > 0, (4.18)
σ ∆t π
r
c 2
√ = Le < 1, (4.19)
σ ∆t π
c2 2
< 1, (4.20)
σ 2 ∆t π
c2 2
∆t > 2 (4.21)
σ π
In altre parole possiamo affermare che il numero di Leland non puo’ essere maggiore di 1,
altrimenti la volatilità corretta sarebbe negativa. Nel seguente grafico è rappresentata la di-
pendenza tra Le e l’intervallo ∆t:
Figura 4.1: Relazione tra Le e ∆t
All’allungarsi dell’intervallo di ribilanciamento il numero di Leland si avvicina a 0. Dal

punto di vista finanziario questo ha senso, i costi di transazione e la loro incertezza diventano
61
arbitrariamente grandi quando ∆t approccia lo 0; al contrario un ∆t → +∞ rende l’influenza
dei costi di transazione nulla in quanto il ribilanciamento avviene appunto a intervalli infiniti
e la volatilità corretta eguaglia la volatilità del modello BSM. In assenza di costi di transazione
(c = 0), un ∆t particolarmente grande o piccolo non influisce sull’accuratezza del nostro
portafoglio di replica.
Riprendiamo ora la PDE di Leland e associamo la condizione rappresentativa del payoff di
un’opzione call. 
 ∂C + 1 St ∂ 2 C2 σ̂ 2 + r ∂C St − rC = 0

∂t 2 ∂S ∂S
. (4.22)
φ(ST ) = max(ST − K, 0)

La soluzione del sistema restituisce il prezzo di un’opzione call Europea:
Ct (St , t, σ̂) = St N (d1 ) − Ke−r(T −t) N (d2 ) (4.23)
dove
σ̂ 2
ln SKt + (r + )T
d1 = √ 2
; (4.24)
σ̂ T
σ̂ 2 √
ln St + (r − )T
d2 = K √ 2
= d1 − σ̂ T (4.25)
σ̂ T
Analogamente, il prezzo di un’opzione put Europea sarà il prezzo BSM di un’opzione put
calcolata con volatilità corretta:
Pt (St , t, σ̂) = Ke−rT N (d2 ) − St N (−d1 ) (4.26)
4.3 Le lettere Greche

Per comprendere la derivazione della PDE, è necessario fare una digressione su un argomento
alquanto famoso nel mondo della finanza e che è strumentale nel calcolo della soluzione al
problema di Leland.
Come ribadito nella sezione precedente, l’approccio utilizzato nel modello BSM e che sarà uti-
lizzato nel modello di Leland è quello dell’hedging: si crea un portafoglio in grado di replicare
uno specifico payoff. Questo è un punto cruciale per gli istituti finanziari. Quando un istituto
62
finanziario vende un’opzione a un cliente, questa necessita di coprirsi dal rischio di perdita
che il derivato potrebbe causare. Per l’intermediario l’ideale sarebbe comprare un’opzione
identica a quella venduta. In questo modo, l’intermediario si coprirebbe da ogni rischio dato
che i payoff dei due strumenti si compensano esattamente. Tuttavia tale caso non è sempre
possibile. Talvolta gli istituti finanziari emettono strumenti tailor made, ossia su misura, sotto
specifiche richieste e necessità del cliente. In questi casi non esistono prodotti standardizzati
in grado di coprire l’esposizione al rischio e pertanto, l’istituto incorre in un problema di hed-
ging, ossia di copertura. In questa sezione tratteremo un argomento collegato alla gestione del
rischio proveniente dalla copertura, comunemente noto come ”The Greek letters”. Ogni lettera
Greca misura una diversa dimensione del rischio nell’assumere una posizione su un’opzione
e l’obiettivo del trader è quello di gestire le Greche cosı̀ che ogni rischio sia accettabile.
Per calcolare le lettere Greche, è necessario assumere un modello di pricing per le opzioni. Di
solito i trader si basano sul modello Black-Scholes-Merton.
4.3.1 Delta hedging
Il delta di un’opzione è definito come il tasso di cambio del prezzo di un’opzione rispetto al
prezzo dell’asset sottostante. In generale:
∂C
∆= (4.27)
∂S
Il delta di un’opzione è già stato utilizzato nel modello BSM per la costruzione del portafoglio
di replica (sotto una diversa notazione). Il portafoglio è composto da un’unità dell’opzione e da
α unità dell’azione sottostante. Successivamente troviamo che, per assicurarsi che il portafo-
glio sia senza rischio ed eliminare la componente stocastica, α deve essere uguale a − ∂C
∂S
. Dal
punto di vista finanziario ha senso: se si investe in un’opzione call, si assume una posizione
lunga sull’azione e l’unico modo per coprirsi dal rischio di ribasso tramite azioni è venderne
una certa quantità allo scoperto, viceversa se si assume una posizione lunga in un’opzione put.
Come detto nel capitolo 2 le opzioni put si comportano infatti in modo opposto alle call, ossia
il loro valore diminuisce all’aumentare del prezzo del sottostante.
Il delta di un’unità dell’azione è pari a 1. L’interesse del trader sarà quindi quello di comprare
(vendere) tante azioni fin quando il delta totale delle azioni eguaglia quello dell’opzione. In
63
questo modo il delta delle azioni compensa quello delle opzioni e la posizione totale del por-
tafoglio è definita come delta neutral.
E’ importante sottolineare che, dato che il delta di un’opzione non rimane costante, la po-
sizione del trader rimane coperta solo per brevi lassi di tempo. La copertura va aggiustata
periodicamente. Questo passaggio è noto come ribilanciamento.
Per un’opzione call Europea puo’ essere dimostrato che nel modello BSM:
∆(call) = N (d1 ) (4.28)
dove d1 è definito dall’equazione 3.20 e N è la distribuzione cumulata di una Normale standard.

La formula restituisce il delta di una posizione lunga in un’opzione call. Il delta di una posizione
corta su un’opzione call è dato da −N (d1 ). Usare il delta hedging per una posizione corta in
un’opzione call Europea significa mantenere una posizione lunga di N (d1 ) per ogni opzione
venduta. Analogamente, usare il delta hedging per una posizione lunga su un’opzione call
Europea implica mantenere una posizione corta di N (d1 ) azioni per ogni opzione acquistata.
Per un’opzione put Europea, il delta hedging è dato da:
∆(put) = N (d1 ) − 1 (4.29)
Il delta è negativo, ciò implica che una posizione lunga in un’opzione put Europea dovrebbe es-
sere coperto da una posizione lunga sull’azione sottostante e una posizione corta su un’opzione
put dovrebbe al contrario essere coperta da una posizione corta sull’azione.
4.3.2 Costi di transazione
I trader di derivati ribilanciano le proprie posizioni una volta al giorno per mantenere la neutra-
lità del delta. Quando l’investitore possiede un numero limitato di opzioni, il ribilanciamento
potrebbe essere particolarmente costoso a causa dei costi di transazione a cui è soggetto sul-
le compravendite. Per un portafoglio sufficientemente grande invece, il ribilanciamento sarà
probabilmente più praticabile in quanto solo uno scambio nell’asset sottostante è necessario
affinché il delta dell’intero portafoglio si azzeri. I costi di transazione saranno assorbiti dai
profitti generati dal portafoglio.
64
4.3.3 Gamma
Il gamma (Γ) di un opzione scritta su un asset sottostante è il tasso a cui varia il delta del
portafoglio rispetto al prezzo dell’asset sottostante. E’ uguale alla derivata parziale seconda
dell’opzione rispetto al prezzo dell’azione:
∂ 2C
Γ= (4.30)
∂S 2
Se gamma è piccolo, il delta varia lentamente e i ribilanciamenti volti a mantenere il delta

neutro avvengono con una frequenza relativamente minore. Tuttavia, quando gamma è signi-
ficativamente grande, il delta è molto sensibile a variazioni del prezzo dell’asset sottostante.
Risulta quindi particolarmente rischioso lasciare un portafoglio delta-neutrale invariato per
qualsiasi periodo di tempo.
Per un’opzione call o put Europea , il gamma dato dal modello Black-Scholes-Merton è dato
da:
N 0 (d1 )
Γ= √ (4.31)
S0 σ T
dove N 0 (x) è la funzione di densità di una distribuzione Normale standard. Il gamma deri-
vante da una posizione lunga in un’opzione call o put è sempre positivo. Questo risultato
è fondamentale nel calcolo della soluzione del problema alle derivate parziali di Leland che
affronteremo nella prossima sezione.
4.4 Implementazione modello

Dopo aver derivato le formule per il pricing delle opzioni Europee secondo il modello di Le-
land, proseguiamo, analogamente a quanto fatto per il modello Black-Scholes-Merton, all’im-
plementazione del modello e il successivo confronto dei risultati ottenuti.
Riprendiamo il caso di Alphabet Inc.: l’analisi include il pricing di due opzioni call Europee
alla data del 23-12-2021, quando il prezzo dell’azione sottostante al momento della chiusura
del mercato è pari a 2938 $. Le scadenze delle opzioni considerate sono 4 giorni, 1 mese, 3
mesi, 6 mesi, 9 mesi e 1 anno. Nel modello di Leland inoltre ricordiamo la presenza dei costi
di transazione che sono direttamente proporzionali al bid-ask spread e che sono fondamentali
65
per il calcolo del numero di Leland e quindi della volatilità corretta. Alla chiusura delle tratta-
zioni abbiamo il prezzo denaro pari a 2935,5 $ e un prezzo lettera di 2938 $ per ottenere costi
di transazione c = 8, 5128e − 04.
Figura 4.2: Pricing di due opzioni call scritte su azioni Alphabet Inc. per diverse Maturity
secondo il modello di Leland. Ultimo prezzo dell’asset: 2938 $
Continuiamo in modo parallelo al capitolo precedente e riportiamo dunque il caso Apple e

il caso Tesla.
66
Call Put
azioni Apple. Ultimo prezzo dell’asset: 172.57 azioni Apple. Ultimo prezzo dell’asset: 172.57
$ $
Call Put
azioni Tesla. Ultimo prezzo dell’asset: 1067 $ azioni Tesla. Ultimo prezzo dell’asset: 1067 $
Come possiamo osservare, anche il modello di Leland fornisce una buona approssimazione
di quelli che sono i dati reali.
Riprendiamo il caso di Alphabet Inc. per osservare come si muove il prezzo delle opzioni in
funzione delle sue due dimensioni principali: prezzo di esercizio e scadenza.
67
Figura 4.7: Il modello di Leland per il pricing di opzioni call Europee scritte su azioni Alphabet
Inc.
Anche in questo caso il modello sembra replicare in modo fedele le regole teoriche delle
opzioni. L’ultimo prezzo noto dell’azione sottostante è di 2938 $. Nella parte destra della
superficie troviamo le opzioni call più costose in quanto si tratta di tutte quelle opzioni che
hanno un prezzo di esercizio inferiore a quello del sottostante al momento della valutazione. Il
valore di queste aumenta inoltre con l’allungarsi della maturity. Al contrario, all’allontanarsi
del prezzo di esercizio dal prezzo del sottostante le opzioni perdono valore. Per livelli di prezzi
di esercizio di molto più alti rispetto al prezzo del sottostante il valore delle call diminuisce
drasticamente, soprattutto per quelle opzioni a brevissima scadenza.
Ragionamento analogo ma opposto vale per le opzioni put, come dimostra il seguente grafico.
68
Figura 4.8: Il modello di Leland per il pricing di opzioni put Europee scritte su azioni Alphabet
Inc.
Possiamo concludere che entrambi i modelli sanno catturare il funzionamento di questi

particolari strumenti finanziari. Presi singolarmente puo’ risultare anche difficile notare dif-
ferenze tra i due modelli. Non rimane altro quindi che comparare i due modelli mettendoli
direttamente a confronto sia graficamente che empiricamente in modo da trarre conclusioni
più significative.
69
Capitolo 5
Comparazione dei modelli
5.1 Dataset
In questa tesi abbiamo analizzato due importanti modelli per il pricing delle opzioni Europee.
Entrambi i modelli sono derivati grazie alla creazione di un portafoglio che, in un mondo neu-
trale al rischio, garantisce l’assenza di arbitraggio. Abbiamo mostrato che l’implementazione
dei modelli è possibile e entrambi sembrano dare risultati coerenti sia con le nozioni teoriche
sottostanti il derivato che con i dati forniti direttamente dai mercati. Andiamo quindi a com-
parare ed evidenziare le differenze tra i due modelli. Capiremo se e quanto è incisiva l’ipotesi
dell’assenza di costi di transazione nel modello BSM e se l’introduzione dell’ipotesi di costi
di transazione fissi di Leland riesce di fatto a fornire risultati più solidi e affini con i dati di
mercato.
Al fini del confronto, sarà preso in considerazione un set di società, più precisamente, saranno
oggetto di analisi le opzioni, sia call che put, scritte sulle azioni delle nove società con maggio-
re capitalizzazione del Nasdaq composite index, famoso indice che include più di 3.000 società
appartenenti al campo della tecnologia e biotecnologia come Apple, Microsoft, Amazon e Intel.
Le opzioni considerate inoltre sono estratte casualmente, in tal senso saranno prezzate sia call
che put ITM e OTM al momento dell’analisi.
Attraverso MATLAB andiamo a creare un codice che ci permette di comparare i modelli nel
seguente modo: saranno prese in considerazione 6 opzioni, sia call che put, per ogni società,
con diverse scadenze e saranno poi calcolati e rappresentati gli errori assoluti tra i prezzi teori-
70
ci dei due modelli e il prezzo di mercato. In questo modo saremo capaci di determinare subito
quale dei due modelli riesce a prezzare più accuratamente il derivato e il margine di errore di
ciascun modello.
5.2 Risultati
Riportiamo i risultati ottenuti dall’analisi. Sull’asse delle ascisse sono riportate le varie sca-
denze del derivato; nella didascalia invece inseriamo informazioni fondamentali per l’analisi,
come ad esempio la data e il prezzo del sottostante al momento del test e il prezzo di esercizio.
Il tasso privo di rischio utilizzato è il tasso Euribor overnight, r = −0.495%.
Microsoft Inc.
Figura 5.1: Data: 31-12-2021. Ultimo prezzo dell’azione = $ 339.32. Prezzo di esercizio = $ 310
71
Apple Inc.
Meta Platforms Inc.
72
Amazon Inc.
Figura 5.4: Data: 02-01-2022. Ultimo prezzo dell’azione = $ 3334.34. Prezzo di esercizio = $
3330
Alphabet Inc.
Figura 5.5: Data: 02-01-2022. Ultimo prezzo dell’azione = $ 2897.04. Prezzo di esercizio = $
3000
73
Nvidia Corp.
ASLM Holding
74
Broadcom Inc.
Adobe Inc.
Come si puo’ osservare dai grafici i risultati dell’analisi sono abbastanza chiari: nella mag-
gior parte dei casi gli errori derivanti dal modello di Leland sono inferiori a quelli derivanti
75
dal modello Black-Scholes-Merton. In alcuni casi la differenza tra i due modelli è molto mar-
cata, come ad esempio per Alphabet Inc. o ASLM Holding, in cui la formula di Leland prevale
su quella Black-Scholes-Merton. Si verificano tuttavia casi in cui il modello non fornisce i ri-
sultati sperati, basti osservare il caso Microsoft Inc., dove per alcune opzioni la formula BSM
supera, seppur leggermente, la precisione della formula di Leland. Una plausibile spiegazione
di un tale risultato sta nell’elevata volatilità del titolo. Le azioni Microsoft, e di conseguenza le
opzioni scritte su di esse, presentano per l’appunto volumi di scambio più elevati rispetto ad
altri casi analizzati ed essendo quindi più liquide le frizioni sono minime; cosı̀ la volatilità cor-
retta del modello di Leland, inferiore per definizione rispetto alla volatilità del modello BSM,
potrebbe andare in contrasto e allontanarsi da quella che di fatto il titolo presenta. In partico-
lare possiamo osservare il caso del pricing delle opzioni put su azioni Microsoft. Prendiamo
in considerazione questo caso in quanto, visto singolarmente, non sembra che un modello sia
più incisivo dell’altro.
Microsoft put
Figura 5.10: Correlazione tra volatilità ed errori
Nella parte superiore della figura le due linee continue rappresentano rispettivamente le
due volatilità calcolate secondo i modelli BSM e Leland. I punti indicano invece la volatilità
che si dovrebbe utilizzare per rendere nullo l’errore (a parità degli altri parametri). Osser-
76
vando attentamente il grafico possiamo giungere a due conclusioni: la prima è che esiste una
correlazione positiva tra volatilità ed errori; in particolare in figura sono stati evidenziati i casi
delle opzioni con scadenza 4 Febbraio, 18 Marzo, 17 Giugno e 16 Settembre. La volatilità che
si dovrebbe utilizzare se si volesse prezzare le opzioni attraverso l’approccio dei due modelli si
muove tra quella derivante dal modello BSM e quella derivante dal modello di Leland e l’errore
risponde di conseguenza. La volatilità esatta, trovandosi al di sotto di quella di Leland (e di
conseguenza più lontana da quella del modello BSM), fa sı̀ che il modello risulti più preciso nei
casi della terza e della quarta opzione e viceversa negli altri. La seconda conclusione a cui si
giunge è che una volatilità costante puo’ essere una limitazione per il modello in quanto sem-
bra che al fine di diminuire gli errori la volatilità dovrebbe avere inizialmente valori più alti
rispetto a quelli suggeriti dai modelli per le opzioni con più breve scadenza per poi attestarsi
su valori più bassi e quasi stabili ma mai costanti. Steven Heston (1993) propone infatti un
modello dove la volatilità è stocastica e perciò non costante.
77
Conclusioni
Il modello ideato da Fischer Black, Myron Scholes e Robert Merton è il più ampiamente uti-
lizzato nel mondo della finanza per vari motivi: si basa su una strategia delta hedging, la sua
semplicità e la sua capacità di riuscire a catturare il movimento dei prezzi del mercato. Tuttavia
il modello soffre di alcune limitazioni: viene utilizzato solo per prezzare le opzioni Europee e
non tiene conto del fatto che le opzioni Americane potrebbero essere esercitate prima della
data di scadenza. Inoltre, il modello presuppone che dividendi, volatilità e tassi privi di rischio
rimangano costanti per tutta la vita dell’opzione. Negli anni numerosi economisti hanno pro-
vato ad approcciarsi alle limitazioni del modello nel tentativo di correggerle. In particolare,
Hayne Leland propone una variante del modello che considera costi di transazione fissi.
Come sviluppato e dimostrato nella tesi, l’assunzione di costi di transazione positivi ha sicu-
ramente delle implicazioni sia a livello analitico che empirico. Questo lavoro ha l’obiettivo di
mettere in luce i due modelli e le differenze che le due diverse ipotesi comportano, in partico-
lare, l’assunzione ipotizzata da Leland sembra potersi rivelare decisiva al fine di fornire una
maggiore precisione nel pricing delle opzioni Europee.
78
Appendice A
Richiami di matematica
A.1 Arbitraggio
In economia e finanza la condizione di arbitraggio è spesso richiamata quando si fa riferimento
all’ equilibrio di un mercato o al pricing di strumenti finanziari. Infatti, anche in questa tesi, il
concetto di arbitraggio è stato uno strumento fondamentale nei capitoli 2, 3 e 4 per determinare
i limiti al prezzo delle opzioni e le formule per il pricing delle stesse. L’arbitraggio puo’ essere
definito in diversi modi. La definizione che più si addice all’ambito della finanza è sicuramente
la seguente
Definition 3 (Arbitraggio). L’arbitraggio è una strategia d’investimento che consente di

ottenere profitti certi senza correre alcun rischio a fronte di un investimento iniziale nullo.
Per avere degli esempi pratici, possiamo fare riferimento al capitolo 2. In particolare
riprendiamo uno dei vincoli al prezzo delle opzioni call:
c ≤ S0
Supponiamo per ipotesi che il vincolo non valga. Una strategia di arbitraggio potrà essere im-
plementata sfruttando il disallineamento del prezzo dell’opzione call. Dato che questa infatti
ha un costo superiore rispetto a quello che dovrebbe avere, all’investitore basta sottoscrivere
l’opzione. Ciò significa che incasserà la somma c in anticipo. A scadenza dovrà quindi pagare
la differenza −(ST − S) nel caso in cui il sottostante assuma un valore più alto del prezzo di
79
Figura A.1: Strategia di arbitraggio per la determinazione del limite superiore al prezzo di una
call europea
esercizio. Non sarà dovuto nulla invece in caso contrario. Come si può notare dall’ultima riga
della tabella, a fronte di un investimento iniziale pari a 0, si ha un profitto certo in tutti gli stati
del mondo. In equilibrio questo non dovrebbe essere possibile, nel senso che non ci dovrebbero
essere situazioni in cui un individuo possa conseguire dei guadagni senza sopportare alcun ri-
schio e senza investire nessuna somma di denaro. I mercati non soddisfano sempre il Principio
di Arbitraggio e gli agenti più attenti sfruttano tali disallineamenti in cerca di opportunità di
profitto. Gli arbitraggi possono quindi influire sulla domanda e sull’offerta e di conseguenza
sul prezzo degli strumenti finanziari. Di solito queste situazioni non perdurano nel tempo in
quanto in risposta a tale mossa degli agenti si attivano dei meccanismi di aggiustamento che
precludono tali opportunità. L’idea generale è che nel lungo periodo il Principio di Arbitrag-
gio dovrebbe essere rispettato. Le ragioni più comuni che spiegano la presenza di arbitraggi
all’interno dei mercati sono la presenza di frizioni (ad esempio due mercati che hanno costi
di transazione o tasse diverse su uno stesso titolo) o la possibile non piena razionalità degli
investitori.
Possiamo anche dare una definizione più formale di arbitraggio:
Definition 4 (Arbitraggio - definizione matematica). Un portafoglio ϕ̄ ∈ Rd+1 costituisce

un arbitraggio se:
1. il suo valore al tempo 0 è
ϕ̄S¯0 ≤ 0
costruire il portafoglio comporta un costo negativo o nullo;
2. il suo valore al periodo successivo è
80
ϕ̄S¯1 ≥ 0
il valore del portafoglio negli istanti successivi all’investimento non assume valori ne-
gativi;
3. esiste almeno un evento per cui il valore del portafoglio è positivo. Tale evento ha
probabilità:
P(ϕ̄S¯1 > 0) > 0
si possono fare profitti con probabilità non negativa.
A.2 Il Processo di Wiener
A.2.1 Come cambia il prezzo di un asset?
Fin da quando esistono i mercati azionari, è stato possibile per gli investitori osservare il prezzo
delle azioni e le sue serie storiche. Dai giornali alle televisioni, fino agli schermi odierni azioni,
indici e altri asset finanziari sono quotati quotidianamente. Per molte persone, le variazioni
di valore di un asset nel tempo sono un ottimo esempio di Random walk, ossia un processo di
realizzazioni aleatorie da parte di un oggetto, ad esempio, un’azione. L’espressione Random
walk si presta a suggerire proprio che il percorso seguito dall’asset è casuale e pertanto, im-
prevedibile. Le serie storiche dell’asset possono sicuramente aiutarci e fornirci informazioni
quali ad esempio il probabile salto che l’asset compierà, la possibile distribuzione dei prezzi
futuri, la sua media e varianza; ma non è possibile prevedere il passo successivo che l’asset
seguirà. Quest’ultima è un’ipotesi sottostante a molti dei modelli di pricing esistenti.
Andiamo adesso più nello specifico e cerchiamo di capire come possiamo spiegare i cambia-
menti che il prezzo di un asset segue.
A.2.2 I processi stocastici
Ogni variabile il cui valore segue una dinamica incerta nel tempo è detta seguire un processo
stocastico. I processi stocastici possono essere classificati in base a due criteri: i tempi in cui le
81
variazioni avvengono e i valori che la variabile puo’ assumere. Un processo stocastico a tempo
discreto è un processo nel quale il valore della variabile puo’ cambiare soltanto in determinati
momenti, mentre una variabile che segue un processo a tempo continuo puo’ avere variazioni
in qualsiasi momento. I processi stocastici si dividono inoltre in processi a variabile continua e
a variabile discreta. Nei primi la variabile sottostante puo’ assumere qualsiasi valore all’interno
di un determinato range, al contrario per le variabili discrete solo alcuni valori sono possibili.
I processi stocastici e il loro funzionamento rappresentano il primo passo per comprendere il
pricing delle opzioni e di tanti altri strumenti derivati.
In verità, nella pratica i prezzi delle azioni non seguono né un processo a tempo continuo,
né uno a variabile continua. I prezzi delle azioni possono assumere solo valori discreti (ad
esempio, multipli di un centesimo) e variare solo negli orari in cui i mercati sono aperti agli
scambi. Tuttavia, i processi continui si rivelano uno strumento molto utile a diversi fini.
A.2.3 I processi di Markov
Un processo di Markov è un particolare processo stocastico dove soltanto il valore corrente

della variabile è rilevante per predire quello futuro. La storia passata della variabile non è rile-
vante a tal fine e per questo sono anche noti come processi ”senza memoria”. Supponiamo che
il prezzo oggi di un’azione sia di $ 100. Se l’azione segue un processo di Markov, le previsioni
del prezzo futuro dovrebbero essere indipendenti dal prezzo del titolo una settimana, un mese
o un anno fa. L’unica informazione rilevante è che il prezzo attuale è $100.
Le previsioni per il futuro sono incerte e sono espresse in termini di distribuzione di probabi-
lità. Per le caratteristiche dei processi di Markov la distribuzione di probabilità del prezzo in
qualsiasi momento futuro non dipende dal percorso seguito dal prezzo nel passato.
Tale proprietà dei processi di Markov rispecchia l’ipotesi di efficienza informativa in forma
debole: il prezzo corrente di un’azione racchiude tutte le informazioni contenute nei prezzi
passati del titolo stesso. Se l’ipotesi di efficienza in forma debole non fosse vera, gli analisti
tecnici potrebbero ottenere extra-profitti andando a studiare i grafici degli storici dei prezzi del-
le azioni. Immaginiamo che venga scoperto che un’azione abbia un pattern nei movimenti del
prezzo che garantisce sempre un 65% di possibilità di ripide risalite successive. Gli investitori
cercherebbero dunque di comprare tale azione non appena vedrebbero il pattern manifestarsi.
82
La domanda dell’azione crescerebbe immediatamente. Questo porterebbe subito ad un imme-
diato aumento del prezzo dell’azione e l’effetto osservato di qualsiasi opportunità di guadagno
svanirebbe.
A.2.4 Processo di Wiener e sue proprietà
Supponiamo che al tempo t il prezzo dell’asset sia S. Consideriamo un piccolo intervallo di

tempo successivo dt, durante il quale S subisce una variazione pari a S + dS 1 . In che modo
potremmo spiegare il ritorno dell’asset dS/S? Uno dei modelli più comuni scompone il ritorno
in due componenti. Una componente è prevedibile e deterministica. Il suo contributo è pari a
µdt
dove µ è una misura del tasso medio di crescita del prezzo dell’asset, noto anche come drift.
Più precisamente, il drift rappresenta il valore medio degli incrementi per unità di tempo di
un processo stocastico. Nei modelli più semplici, µ è preso come una costante; in altri più
complessi, µ è funzione di S e t.
La seconda componente che contribuisce al ritorno dS/S racchiude le variazioni casuali che
il prezzo dell’asset puo’ subire in risposta a eventi esterni, come ad esempio notizie riguardo
la società emittente il titolo. Questa seconda componente è rappresentato da un campione
casuale estratto da una distribuzione normale con media zero ed è pari a
σdW
dove σ è un parametro noto come diffusion o volatilità che misura la deviazione standard dei
ritorni. Combinando insieme le due componenti otteniamo la seguente equazione differenziale
stocastica:
dS
= µdt + σdW (A.1)
S
che è rappresentazione matematica del semplice modello enunciato per simulare il percorso
del prezzo dell’asset.
Per comprendere appieno la formula A.1 dobbiamo chiarire il significato di dW .
1
La notazione d· sta a indicare le variazioni che qualsiasi quantità subisce su un intervallo di tempo
infinitesimale
83
Se σ fosse uguale a 0, il termine dW scomparirebbe e avremmo la seguente equazione diffe-
renziale ordinaria
dS
S
= µdt
dS
dt
= µS
Quando µ è costante l’equazione puo’ essere risolta nel seguente modo:
S = S0 eµ(t−t0 ) ,
che assicura una crescita esponenziale del valore dell’asset. S0 è il valore dell’asset al tempo
t = t0 . Cosı̀, se σ = 0 il prezzo dell’asset è totalmente deterministico e possiamo prevedere
con certezza quale sarà il suo prezzo futuro.
Il termine dW , che contiene l’incertezza riguardo i movimenti futuri del prezzo del titolo, è
noto come processo di Wiener. Quali sono quindi le caratteristiche che tale processo possiede?
In generale, un processo Xt tale che:
Pt
Xt = i=1 yi
con yi che puo’ assumere i seguenti valori con eguali probabilità,


+1

yi = .
−1

per il teorema del limite centrale, è distribuito secondo una normale con media 0 e varianza t:
Pt
Xt = i=1 yi ∼ N (0, t)
Consideriamo ora variazioni molto piccole, come ad esempio:

√

+ dt

yi = √ . (A.2)
− dt

Quando la variabile yi è costruita nel seguente modo, sempre per il teorema del limite centrale,
relativamente alla variazione riferita al periodo che va da t a t + dt, è distribuita secondo una
84
normale con media 0 e varianza dt.
Questo tipo di incremento è per definizione il differenziale del processo di Wiener dWt .
yi ∼ N (0, dt) = dWt (A.3)
La somma di tali incrementi dà luogo al processo di Wiener Wt o Moto Browniano

n
X
Wt = yi (A.4)
i
E’ un particolare processo stocastico di Markov che rispetta le seguenti proprietà fondamen-

tali. Una variabile (Wt )t≥0 segue un processo di Wiener se:
1. il valore del processo al tempo 0 è pari a 0 quasi sicuramente
W0 = 0, a.s. (A.5)
2. gli incrementi del processo sono indipendenti
Cov(Wtn − Wtn−1 ; Wtn−1 − Wtn−2 ; ...; Wt1 − Wt0 ) = 0 (A.6)
3. gli incrementi hanno una distribuzione Normale. Dati due istanti t e s tali che t > s > 0,
la variazione Wt −Ws che il processo di Wiener subisce è una variabile aleatoria normale
con media 0 e varianza t − s
mean[Wt − Ws ] = 0; (A.7)
var[Wt − Ws ] = t − s; (A.8)
∀t > s > 0
In generale la variazione ∆W in un brevissimo lasso di tempo ∆t è:

√
∆W = ∆t (A.9)
dove rappresenta una distribuzione normale standard φ(0, 1).
85
Come conseguenza della proprietà precedente abbiamo che
Wt = Wt − W0 ∼ N (0, t) (A.10)
Il valore della variabile al tempo t non è altro che una normale con media 0 e varianza t. La
previsione (il valore atteso) del valore del processo è sempre 0 ma la volatilità aumenta col
tempo, o in altre parole, la precisione di tale previsione diminuisce tanto più la previsione è
lontana nel tempo.
Possiamo simulare il processo di Wiener attraverso la discretizzazione delle sue variazioni
come riportato nell’equazione A.9.
Figura A.2: Simulazione del processo di Wiener per N = 80 percorsi
In figura il processo è stato simulato un numero di volte N = 80. Notiamo come la discre-
tizzazione porta al risultato già enunciato: la nuvola di percorsi ha un andamento casuale ma
si muove attorno a un valore medio di 0.
86
A.2.5 Altre proprietà del processo
Esiste poi un altro set di proprietà che derivano dalla definizione di processo di Wiener e che
saranno essenziali per andare a definire il Lemma di Itô.
1. Wt è continua. In finanza ogni asset si comporta in modo diverso. I processi continui

si oppongono a quelli a salti, dove appunto il percorso presenta dei veri e propri salti di
valori.
2. Wt non è mai monotono. Non si verifica mai una crescita o decrescita costante monotona
del processo in nessun intervallo, si alternano invece crescite e decrescite continue.
Figura A.3: Monotonia del processo di Wiener
Infatti, simulando il processo, anche quando questo sembra crescente, si puo’ notare
come in realtà nessun sotto-intervallo lo sia, presentando una dinamica frastagliata.
3. il processo di Wiener non è derivabile. Calcolando la derivata si puo’ in un certo senso

predire l’andamento del processo o in altre parole il trend che questo presenta. Il fatto che
il processo non si possa derivare implica quindi che il processo stesso non è prevedibile.
87
Dal punto di vista finanziario questa proprietà ha ragion d’essere in quanto l’andamento
futuro di un asset è di per sé aleatorio.
Dimostrazione. Per la definizione di derivabilità abbiamo:
Wt −Wt−dt
limS→+∞ dt
Dato che è un processo a incrementi indipendenti possiamo scrivere
dWt
limS→+∞ dt
Dall’equazione A.2 conosciamo la definizione di incremento del processo di Wiener,

sostituendo
√
± dt
limS→+∞ dt
Semplificando
1
limS→+∞ dt
1
= 0
= + inf
La derivata in conclusione non esiste.
4. è un processo a variazioni non limitate

Dimostrazione.
Prendiamo la variazione totale di un processo di Wiener. Questa sarà uguale alla som-
matoria di tutte le variazioni che si verificano nei sotto-intervalli presi in considerazione.
Più precisamente consideriamo un intervallo t e dividiamolo in n sotto-intervalli cosı̀ da
avere ti − ti−1 = dt = nt . Le variazioni vengono prese in valore assoluto cosı̀ da evitare
compensazioni. Andiamo a calcolare quindi il valore assoluto di questa quantità:
Pn
T V (W ) = i=1 |Wti − Wti−1 |
Per come è definito il processo di Wiener questa quantità è uguale a:
Pn q 2dt
T V (W ) = i=1 π
88
sostituiamo per dt:
Pn q 2t
T V (W ) = i=1 πn
tutti gli addendi della sommatoria sono uguali, per cui il valore di tale sommatoria sarà
n volte l’argomento della stessa sommatoria:
q
2t
T V (W ) = n πn
che possiamo riscrivere come:

q
2tn
T V (W ) = π
Quando la partizione diventa sempre più piccola, ossia n diventa sempre più grande:
q
2tn
limn→+∞ π
= +∞
La variazione che il processo subisce passando da un istante a un altro è una variazione

di valore infinito. Al contrario, una funzione deterministica, e non stocastica, ha una
variazione totale limitata.
5. è un processo a variazione quadratica finita.

Dimostrazione.
Analogamente a quanto fatto per calcolare la variazione totale, procediamo con il calcolo
di quella quadratica. Essendo una variabile stocastica, si calcola il valore atteso di essa:
Pn
E[QV (W )] = i=1 E[(Wti − Wti−1 )2 ]
Il processo di Wiener ha media 0, in altre parole il valore atteso dell’incremento del

processo di Wiener corrisponde alla varianza dell’incremento stesso tra gli istanti i e
i − 12 .
Per la definizione di processo di Wiener sappiamo che la varianza dell’incremento è dato
dalla lunghezza dell’intervallo su cui è calcolato l’incremento. In questo caso particolare
si ha:
2
VAR[S] = E[S 2 ] − (E[S])2 . S è l’incremento del processo di Wiener dW , che, come sappiamo, ha media 0
per cui ciò che rimane è VAR[S] = E[S 2 ]
89
Pn tn −t0
i=1 n
ossia la lunghezza dell’intervallo diviso il numero di sotto-intervalli di partizione. Tutti

gli addendi della sommatoria sono uguali, per cui
n tn −t
=Z n
0
A
La variazione quadratica di un processo di Wiener tra un istante iniziale t0 e un istante

finale tn è data semplicemente dalla differenza tra i tempi su cui è calcolata la variazione.
Al contrario, le funzioni deterministiche hanno variazione quadratica nulla.
6. il processo di Wiener è un processo di Markov. Abbiamo già spiegato cosa questo

significhi ma cerchiamo di dare una definizione formale della proprietà:
E[Wt |Fs ] = E[Wt |σ(Ws )]
con s < t. Calcolare il valore atteso del processo al tempo t, condizionato all’informa-
zione Fs , ossia tutta l’informazione contenuta dal processo da 0 in s, equivale a calcolare
il valore atteso del processo condizionato a σ(Ws ), ossia il singolo valore del sistema al
tempo s.
7. la covarianza tra il valore del processo a un generico istante t e un istante s è pari al

minimo tra t ed s:
E[Wt Ws ] = min(s, t)
Dimostrazione.
Dato t > s possiamo scrivere la covarianza tra Wt e Ws come:
Cov(Wt , Ws ) = Cov(Wt − Ws + Ws , Ws )
Il processo di Wiener è fatto di incrementi indipendenti, quindi possiamo dividere la

covarianza
Cov(Wt , Ws ) = Cov(Wt − Ws , Ws ) + Cov(Ws , Ws )
90
Inoltre, sempre per via degli incrementi indipendenti, il primo termine sarà pari a 0. Ciò
che rimane è quindi il secondo termine, ossia la covarianza di Ws con sé stesso, pari alla
varianza di Ws .
Cov(Wt , Ws ) = 0 + VAR[Ws ]
per definizione di processo di Wiener sappiamo che quest’ultima è pari proprio all’istan-
te in cui si osserva il processo, quindi in questo caso:
Cov(Wt , Ws ) = VAR[Ws ] = s
8. il processo di Wiener è una Martingala, ossia un particolare gruppo di processi stocasti-

ci per cui data l’informazione disponibile al tempo corrente, la migliore previsione sul
valore del sistema in futuro è lo stesso valore corrente.
Dimostrazione.
Per dimostrare tale proprietà dobbiamo provare due punti:
(a) il valore atteso del valore assoluto del processo di Wiener è finito;
E[|Wt |] < +∞
(b) il valore atteso del processo condizionato all’informazione disponibile all’istante

precedente è uguale al valore corrente. In generale, dato s < t
E[Wt |Fs ] = Wt
Riscriviamo il valore atteso di Wt come segue:
E[Wt |Fs ] = E[Wt − Ws + Ws |Fs ]
A questo punto, per la linearità dell’operatore valore atteso possiamo dividere in due
parti il termine a destra dell’equazione:
E[Wt |Fs ] = E[Wt − Ws |Fs ] + E[Ws |Fs ]
91
Gli incrementi di un processo di Wiener sono indipendenti tra di loro, ciò implica che
l’informazione al tempo precedente non influenza il valore atteso; per quanto riguarda il
secondo termine, Ws è misurabile rispetto a Fs , ossia condizionare il valore del processo
rispetto all’informazione da esso generato fino allo stesso istante equivale a prendere il
valore stesso del processo in tale istante.
E[Wt |Fs ] = E[Wt − Ws ] + Ws
E[Wt |Fs ] = Ws
Per le proprietà del processo di Wiener, il valore atteso degli incrementi del processo
stesso è 0, pertanto, ciò che rimane è proprio Ws . La proprietà di Martingalità era facil-
mente prevedibile: la migliore stima di un processo che in media ha incrementi pari a
0 è che questi appunto si compensino e avere cosı̀ la previsione di un valore futuro che
non si discosta da quello presente.
A.2.6 Proprietà degli incrementi del processo di Wiener
In questa sezione si elencano le proprietà degli incrementi del processo di Wiener, fondamen-
tali per la derivazione del Lemma di Itô, a sua volta fondamentale per derivare i modelli di
pricing delle opzioni.
1. dWt ∼ N (0, dt)

La proprietà è data dalla definizione stessa di processo di Wiener: i suoi incrementi sono
distribuiti normalmente con media 0 e varianza dt.
2. E[dWt ] = 0
Dalla prima proprietà segue che il valore atteso dell’incremento è pari a 0.
3. E[dWt dt] = dtE[dWt ] = 0

Essendo dt costante, si estrae dal valore atteso e per la proprietà numero 2 si ha che tale
quantità è uguale a 0.
92
4. E[(dWt )2 ] = V[dWt ] = dt
Essendo la media degli incrementi pari a 0, segue che il momento secondo corrisponde
con la varianza, che, come riportato dalla proprietà numero 1, è pari a dt.
5. V[(dWt )2 ] = E[(dWt )4 ] − E[(dWt )2 ]2 = 3dt2 − (dt)2 = 2dt2 = o(dt)3

Per definizione di varianza possiamo esprimere la varianza del quadrato di dWt come dif-
ferenza tra momento quarto e momento secondo al quadrato. Il momento quarto di una
distribuzione normale è pari a 3 volte la sua varianza al quadrato; dalla proprietà numero
4 invece sappiamo che il valore atteso di (dWt )2 è pari alla varianza degli incrementi e
cioè a dt.
6. (dWt )2 = dt
E’ una variabile aleatoria con delle caratteristiche ben specifiche: precisamente la pro-
prietà numero 4 ci fornisce la sua media, la proprietà numero 5 la varianza. Poiché questa
variabile ha varianza nulla, il suo valore sarà pari alla sua media, e cioè dt.
7. E[(dWt dt)2 ] = dt2 E[dWt2 ] = dt2 dt = dt3 = o(dt)

Per le proprietà del valore atteso estraiamo dt2 dal valore atteso e lo moltiplichiamo per
E[dWt2 ], che, come riportato dalla proprietà numero 4, è pari a dt. Il risultato finale è
dt3 , che è sicuramente un o(dt).
8. V[dWt dt] = E[(dWt dt)2 ] − E[(dWt dt)]2 = o(dt) − 0 = o(dt)

Scomponiamo la varianza come da definizione, e grazie alla proprietà numero 3 e 7 ,
giungiamo alla conclusione che il suo valore è proprio un o(dt).
9. dWt dt = o(dt) = 0
E’ una variabile aleatoria. La media, secondo la proprietà numero 3 è 0. La varianza
invece ci è fornita dalla proprietà numero 8 ed è pari a o(dt). Il suo valore quindi è un
o(dt), ossia è trascurabile.
Le proprietà degli incrementi del processo di Wiener portano alla tabella delle regole di Itô,
una tabella che evidenzia i rapporti tra dt e dWt :
3
o(dt): quantità che converge a 0 più velocemente di quanto non lo faccia dt
93
dt dWt
dt 0 0
dWt 0 dt
A.3 Lemma di Itô
A.3.1 Calcolo deterministico e formula di Taylor
Data una funzione f (t), sotto certe condizioni, si puo’ rappresentare attraverso l’espansione
di Taylor:
∂f 1 ∂ 2f 1 ∂ 2f
f (t + dt) = f (t) + dt + 2
(dt)2
+ 2
(dt)3 + ... (A.11)
∂t 2 ∂t 3! ∂t
dove i punti di sospensione indicano gli elementi di grado superiore nell’espansione di Taylor.
Posso vedere l’incremento df come:
∂f
df = dt + o(dt) (A.12)
∂t
Ricordiamo che dt2 = o(dt), e pertanto, quelli di grado superiore al secondo saranno anch’essi
delle quantità che convergeranno a zero più velocemente di dt.
Prendiamo in considerazione adesso una funzione a due variabili:
∂f ∂f 1 ∂ 2f 2 1 ∂ 2f 2 ∂ 2f
f (t + dt, x + dx) = f (t, x) + dt + dx + (dt) + (dx) + (dt)(dx) + ...
∂t ∂x 2 ∂t2 2 ∂x2 ∂t∂x
(A.13)
La variazione totale df questa volta sarà quindi pari a
∂f ∂f
df = dt + dx + o(dt) + o(dx) (A.14)
∂t ∂x
Quanto abbiamo scritto è vero quando trattiamo funzioni deterministiche. Quando abbiamo
un argomento non deterministico le cose diventano più complesse. Supponiamo la funzione
f (t, x) sia stocastica, in particolare supponiamo x rappresenti un processo di Wiener. Il dif-
ferenziale della funzione non sarà uguale a quanto espresso dall’equazione A.14 in quanto in
questo caso il termine (dx)2 non è più pari a o(dt); osservando la tabella delle regole di cal-
colo di Itô ricordiamo che (dWt )2 = dt. Quando si ha a che fare con funzioni stocastiche il
94
differenziale della funzione non può più essere approssimato con i soli termini di primo grado
e alle loro derivate prime, ma si deve tenere conto anche del termine (dx)2 .
Il tutto ci conduce al noto Lemma di Itô, il quale afferma che, dato un processo stocastico xt ,
rappresentato da un’equazione differenziale stocastica
dxt = h(x, t)dt + g(t, x)dWt (A.15)
una funzione di tale processo stocastico yt (xt ) è un processo stocastico rappresentato dalla
seguente equazione differenziale stocastica
∂y ∂y 1 ∂ 2y
dyt = dt + dx + (dx)2 (A.16)
∂t ∂x 2 ∂x2
Il fatto che x sia questa volta un processo stocastico non mi permette di eliminare il termine
(dx)2 perché non è un o(dt).
In particolare possiamo sviluppare il termine (dx)2 direttamente dalla sua definizione riportata
dall’equazione A.15:
(dxt )2 = (h(x, t)dt + g(t, x)dWt )2 , (A.17)
= h2 dt2 + g 2 (dWt )2 + 2hgdWt dt (A.18)
Per le regole di calcolo di Itô, sia il termine dt2 che dtdWt sono degli o(dt), mentre (dWt )2 = dt,
e pertanto, sostituendo nell’equazione A.16, otteniamo il seguente risultato:
∂y ∂y 1 ∂ 2y
dyt = dt + dx + gdt (A.19)
∂t ∂x 2 ∂x2
Dato un processo stocastico, un nuovo processo stocastico funzione del primo, il Lemma di Itô
ci fornisce l’equazione che rappresenta il nuovo processo stocastico. Il risultato è fondamentale
per il pricing dei derivati e per la finanza in generale.
A.3.2 Calcolo stocastico
Il Lemma di Itô è uno strumento usato per risolvere le equazioni differenziali stocastiche, equa-
zioni che esprimono l’andamento del valore di un asset finanziario. Le equazioni differenziali
non sono altro che la rappresentazione di integrali stocastici, o integrali di Itô, che saranno
oggetto di questa sezione.
95
Gli integrali stocastici hanno caratteristiche differenti da quelli deterministici, o integrali di
Riemann. Riassumiamo in breve ciò che l’integrale stocastico è: data una funzione f
f : [a, b] → R
e una partizione dell’intervallo [a, b] tale che:
a < t1 < t2 < ... < tn−1 < tn = b
Prendiamo due somme, una superiore:

n
X
Sn = max f (t)(ti − ti−1 ), (A.20)
i=1
ti ∈ [ti−1 , ti ]
e una inferiore:
n
X
Sf = min f (t)(ti − ti−1 ), (A.21)
i=1
ti ∈ [ti−1 , ti ]
che rappresentano approssimazioni dell’area ricoperta dalla funzione f nell’intervallo [ti−1 , ti ],

la prima per eccesso, la seconda per difetto. L’area esatta avrà quindi un valore compreso tra
le due approssimazioni.
96
Figura A.4: Integrale deterministico
Queste dovrebbero convergere quando il numero di parti n in cui dividiamo l’intervallo

tende a +∞. Con un numero elevato, e quindi con una partizione raffinata di sotto-intervalli,
gli eccessi delle approssimazioni tendono ad appiattirsi. Si ha che:
Z b
lim Sn = lim Sf = f (t) dt = L (A.22)
n→+∞ n→+∞ a
se esiste, il limite della somma superiore per n → +∞ uguale a quello della somma inferiore,
questo è l’integrale di Riemann. Il secondo teorema fondamentale del calcolo integrale fornisce
la regola di calcolo degli integrali deterministici . Sia una funzione f :
f : [a, b] → R
e sia F la sua antiderivata:
F : [a, b] → R,
con f = ∂F
∂t
allora l’integrale della funzione f è uguale a:

Z b
f (t) dt = F (b) − F (a) ∀t ∈ [a, b] (A.23)
a
97
L’integrale da un estremo a a un estremo b della funzione f è uguale alla differenza tra l’anti-
derivata calcolata nell’estremo superiore e quella calcolata nell’estremo inferiore.
La stessa regola non puo’ essere applicata agli integrali stocastici, ricordiamo che il processo
di Wiener ha variazioni assolute illimitate e pertanto, calcolare il limite di una sommatoria del
processo di Wiener darebbe un risultato pari a +∞. Nel calcolo stocastico dobbiamo perciò
dare una definizione diversa di integrale. Nello specifico per un integrale stocastico è la varia-
zione quadratica che deve convergere, non quella assoluta. Per le altre proprietà del processo
di Wiener, sappiamo che questo ha una variazione quadratica totale finita.
Data una funzione f , stavolta non deterministica, che dipende dal tempo e da una variabile
aleatoria ω:
f (t, ω) : [0, +∞]xΩ → R
Considerato l’intervallo [0, T ] e una partizione
0 = t0 < t1 < ... < tn−1 < tn = T
definiamo l’integrale di Itô come:
Definition 5 (Integrale di Itô ).

Z T
If (0, T ) = f (t) dWt (A.24)
0
A differenza dell’integrale deterministico, il termine dt viene sostituito con il termine dWt ,

che sta ad indicare proprio l’integrazione rispetto al processo di Wiener.
Possiamo esprimere l’integrale in termini di sommatoria:
n
X
lim f (ti−1 )[Wti − Wti−1 ] (A.25)
n→+∞
i=1
Mettendo a confronto questa definizione di integrale stocastico con quella di integrale deter-
ministico si possono notare subito delle similitudini. Riprendiamo la definizione in termini di
sommatoria dell’integrale deterministico (A.21):
Pn
Sf = i=1 min f (t)(ti − ti−1 )
98
Mentre nell’integrale deterministico compare la differenza tra gli estremi del sotto-intervallo
[ti − ti−1 ], nell’integrale stocastico, questa lascia posto al valore del processo di Wiener calco-
lato nei due estremi. Inoltre, la differenza non viene moltiplicata né per il massimo e né per il
minimo valore della funzione nell’intervallo, ma per il valore che la funzione assume esatta-
mente nell’estremo sinistro ti−1 . Questa è una delle caratteristiche fondamentali che definisce
il processo di Itô, ossia proprio la sommatoria della funzione f calcolata nell’estremo inferiore
dell’intervallo di integrazione moltiplicata per la variazione del processo di Wiener nel dato
intervallo.
Tuttavia nell’equazione A.25, tra parentesi quadre troviamo le variazioni assolute del processo
di Wiener, che, come sappiamo non sono finite. Calcolare il limite di questa sommatoria ha
poco significato quando abbiamo a che fare con un processo stocastico come quello di Wiener.
Ciò che possiamo fare è studiare la convergenza delle variazioni quadratiche del processo, che,
al contrario, hanno valore finito:
lim E[(Ifn − If )2 ] = 0 (A.26)

n→+∞
dove Ifn rappresenta un integrale (o una sommatoria) che dipende dalla partizione dell’inter-
vallo e If un secondo integrale che non dipende invece dalla partizione utilizzata. Se la diffe-
renza al quadrato converge a zero quando n → +∞ allora possiamo dire che If è l’integrale
di Itô della funzione f . Abbiamo che Ifn
n
X
Ifn = f (ti−1 )[Wti − Wti−1 ] (A.27)
i=1
Questa approssimazione dell’integrale converge in variazione media quadratica a If quando

n → +∞. Cosı̀, If sarà l’integrale di Itô della funzione f .
A questo punto possiamo chiederci se, analogamente all’integrale deterministico, esiste una
regola di calcolo per l’integrale stocastico. Ebbene una regola esiste ed è fornita dal Lemma di
Itô. Vediamo quindi quali sono i passaggi della sua applicazione.
Prendiamo una funzione deterministica f (x), per calcolare l’integrale;
Z T
f (x) dx (A.28)
0
Presa la funzione g(t, x), ossia l’antiderivata di f (x) tale che ∂g

∂x
= f (x), consideriamo un
nuovo processo stocastico yt che non dipende da x ma dal processo di Wiener yt = g(t, Wt ).
99
Per il Lemma di Itô sappiamo che il differenziale dyt è:
∂g ∂g 1 ∂ 2g
dyt = dt + dWt + 2
(dWt )2 (A.29)
∂t ∂W 2 ∂W
La soluzione dell’equazione differenziale ottenuta sarà proprio la soluzione dell’integrale sto-

castico. Notiamo che, a differenza dell’integrale deterministico, la soluzione di un integrale di
Itô è un processo stocastico e non un valore.
A.3.3 Proprietà dell’integrale di Itô
Tutti gli integrali di Itô rientrano nel più grande insieme dei processi di Itô (o processo di
Wiener generalizzato), ossia un processo caratterizzato dalla seguente forma:
Z t Z t
xt = x0 + g(xs , s) (ds) + f (xs , s) (dWs ) (A.30)
0 0
o, in termini di equazione differenziale stocastica:
dxt = g(xt , t)dt + f (xt , t)dWt (A.31)
e in cui entrambe le funzioni g e f sono funzioni del valore della variabile sottostante x che del
tempo t. Le due funzioni inoltre non rappresentano altro che il drift e il diffusion del processo
di Itô: g indica il valore atteso degli incrementi del processo, f la sua volatilità.
Come tutti i processi stocastici, anche questo avrà un valore atteso e una varianza. Iniziamo a
elencare le proprietà dell’integrale partendo proprio da queste ultime:
1. E[If (0, T )] = 0
La proprietà principiale è che il valore atteso di un generico integrale di Itô ha valore
atteso pari a 0.
RT RT
2. E[If2 (0, T )] = E[ 0
f 2 (t, x) (dWt )2 ] = E[ 0
f 2 (t, x) dt]
Il valore atteso del quadrato di un integrale stocastico non è un integrale stocastico.
Questo è dovuto al fatto che il differenziale del processo di Wiener, dalle regole di calcolo
di Itô, se preso al quadrato diventa dt, una componente non stocastica. Questa seconda
proprietà è nota come proprietà di isometria dell’integrale di Itô.
100
RT RT
3. If (0, T ) = 0
f (t) dWt ∼ N (0, 0
f 2 (t) dt)
Data una funzione deterministica f e un integrale di Itô If (0, T ) composto come de-
scritto sopra abbiamo che tale integrale è una variabile aleatoria Gaussiana con media 0
RT
e varianza 0 f 2 (t) dt.
4. E[If (0, T )|Ft ] = If (0, t)

Un integrale (processo) di Itô è una Martingala. Il valore atteso di If condizionato a un
set informativo al tempo t < T è uguale al valore dell’integrale calcolato da 0 a t stesso.
RT
5. QV (If (0, T )) = 0
f 2 (t) dt
La variazione quadratica di un integrale di Itô If (0, T ) è pari a un integrale determini-
stico.
A.4 Moto geometrico Browniano
A.4.1 I processi di Itô
Come accennato nella sezione precedente, un processo di Itô puo’ essere rappresentato come
segue: Z t Z t
xt = x0 + g(xs , s) (ds) + f (xs , s) (dWs ) (A.32)
0 0
Lo stesso processo puo’ essere espresso come equazione differenziale stocastica:
dxt = g(xt , t)dt + f (xt , t)dWt (A.33)
ossia come espressione del valore dell’incremento del processo x al tempo t.

Le funzioni f e g rappresentano il drift e il diffusion del processo. Studiamo il valore atteso
dell’equazione A.33:
E[dxt ] = E[g(xt , t)dt + f (xt , t)dWt ] (A.34)
Le funzioni f e g sono delle costanti, pertanto possono essere estratte dal valore atteso. L’unica
variabile aleatoria che compare all’interno del valore atteso è dWt .
E[dxt ] = g(xt , t)dt + f (xt , t)E[dWt ] (A.35)
101
ma per le proprietà degli incrementi del processo di Wiener, sappiamo che il valore atteso degli
incrementi è pari a 0. Segue che il valore atteso degli incrementi di un processo di Itô per unità
di tempo è pari a g(xt , t).
Procediamo analogamente al calcolo della varianza
V[dxt ] = V[g(xt , t)dt + f (xt , t)dWt ] (A.36)
La funzione g è una componente deterministica, la sua varianza sarà perciò pari a 0.
V[dxt ] = V[f (xt , t)dWt ] (A.37)
Anche la funzione f è a sua volta deterministica. A questo punto per le proprietà della varianza
possiamo scrivere:
V[dxt ] = f 2 (xt , t)V[dWt ] (A.38)
Infine, per le proprietà del processo di Wiener, sappiamo che la varianza di dWt non è altro
che la lunghezza dell’intervallo su cui è calcolata la variazione. La componente diffusiva rap-
presenta quindi la volatilità del processo di Itô.
Facendo variare le funzioni f e g i processi di Itô possono dar vita a particolari processi molto
importanti nella finanza.
A.4.2 Il processo per il prezzo di un’azione
Come già accennato nel paragrafo precedente, in finanza possiamo distinguere vari processi
stocastici, ognuno dei quali descrive l’andamento di uno strumento, un tasso o altra grandezza
finanziaria. Ai fini della nostra analisi, il processo più rilevante è sicuramente il Moto geome-
trico Browniano (GBM), processo che descrive l’andamento del prezzo di un’azione e che sta
alla base del modello Black-Scholes-Merton illustrato nel capitolo 3.
Ogni processo, o meglio la sua variazione, puo’ essere rappresentata sotto forma di equazione
differenziale stocastica (SDE). Il differenziale del Moto geometrico Browniano è definito nel
seguente modo:
dSt = µSt dt + σSt dWt (A.39)
102
mentre la forma analitica, ossia l’equazione che ci dà il valore dell’azione S al tempo t, è
ottenuta partendo dall’equazione A.39 e svolgendo qualche passaggio algebrico:
dSt
= µdt + σdWt , (A.40)
St
Z t Z t Z t
1
(ds) = µ (ds) + σ (dWs ), (A.41)
0 Ss 0 0
Z t
1
(ds) = µt + σdWt (A.42)
0 Ss
Se S fosse deterministica, la sua antiderivata sarebbe semplicemente:

Z t
1
(ds) = ln St (A.43)
0 Ss
ma S è una funzione stocastica. Utilizziamo il Lemma di Itô per trovare il differenziale del
logaritmo naturale di S:
∂ ln S ∂ ln S 1 ∂ 2 ln S
d(lnS) = dt + dS + (dS)2 (A.44)
∂t ∂S 2 ∂S 2
Il logaritmo naturale di S non dipende dal tempo, perciò la sua derivata è 0.
∂ lnS ∂ ln S 1 ∂ 2 ln S
(A.45)

d(lnS) = dt + dS + (dS)2
∂t ∂S 2 ∂S 2
Procediamo quindi attraverso alcuni semplici calcoli:
1 1 1
d(lnS) = dS + (− 2 )(dS)2 (A.46)
S 2 S
La variabile S segue un Moto geometrico Browniano, il suo differenziale è dato dall’equazione
A.39. Andiamo quindi a sostituire ricordando che, per le regole di calcolo di Itô, il differenziale
elevato al quadrato è uguale a:
(dSt )2 = (µSt dt + σSt dWt )2 , (A.47)
(dSt )2 = σ 2 (St )2 dt (A.48)
Riprendiamo il differenziale del logaritmo naturale di S e eseguiamo qualche semplificazione:

1 1 1
d(lnS) = (µSt dt + σSt dWt ) + (− 2 )σ 2 (St )2 dt, (A.49)
S 2 S
1 1 1 1
d(lnS) = µSt dt + σSt dWt + (− 2 )σ 2 (St )2 dt, (A.50)
S S 2 S
1
d(lnS) = µdt + σdWt − σ 2 dt, (A.51)
2
1 2
d(lnS) = (µ − σ )dt + σdWt (A.52)
2
103
Da notare che la derivata di ln S non è uguale a S1 ds, risultato corretto nel caso in cui S fosse
una funzione deterministica. Il fatto che S sia stocastica comporta che la derivata abbia un
termine aggiuntivo, come si puo’ verificare facilmente dall’equazione A.46. Da quest’ultima
abbiamo che:
1 1
d(ln S) = dS − σ 2 dt (A.53)
S 2
Calcolando l’integrale dell’equazione:
Z t t
1 2 t
Z Z
1
d(ln S) = dS − σ dt, (A.54)
0 0 S 2 0
Z t
St 1 1
ln = dS − σ 2 t (A.55)
S0 0 S 2
In altre parole l’integrale di 1

S
non è pari soltanto al logaritmo naturale di S, a questo viene
sommata una componente aggiuntiva, che è proprio la variazione quadratica.
Z t
1 St 1 2
ds = ln + σ t (A.56)
0 S S0
| {z }
2{z }
|
caso deterministico variazione quadratica
Rt
L’ultima equazione, insieme alla A.42, danno due espressioni di 1
0 S
ds, pertanto, mettendole
insieme otteniamo:
St 1 2
ln + σ t = µt + σdWt (A.57)
S0 2
Raccogliendo per t e riordinando:
St 1
ln = (µ − σ 2 )t + t + σdWt (A.58)
S0 2
Infine, esplicitiamo S per ottenere:
1 2 )t+σdW
St = S0 e(µ− 2 σ t
(A.59)
L’equazione A.59 non è altro che la formula chiusa del Moto geometrico Browniano, ossia
la soluzione dell’equazione differenziale stocastica data dall’equazione A.39. La formula viene
utilizzata per descrivere la dinamica del valore delle azioni di una generica società quotata ed
è pertanto fondamentale nell’ambito del pricing delle opzioni.
L’importanza del Moto Geometrico Browniano deriva dalla sua capacità di rappresentare in
modo abbastanza preciso quello che potrebbe essere il percorso seguito da un’azione. Infatti,
104
possiamo simulare il processo stocastico e metterlo a confronto con il processo effettivo di
un’azione.
Figura A.5: GBM simulation for S&P500 index
In figura testiamo la capacità del processo di rappresentare l’indice S&P500. La nuvola di

punti grigi in figura A.5 rappresenta i possibili percorsi generati dal Moto Geometrico Bro-
wniano secondo l’equazione differenziale stocastica A.39, mentre il percorso marcato in nero
non è altro che la rappresentazione di quelli che sono stati i valori reali dell’indice dal 1950 ad
oggi. Possiamo notare come la nuvola delle possibili realizzazioni contiene il percorso effettivo
seguito dall’indice e riesce a catturare il suo andamento tendenzialmente crescente. Questo sta
a significare che il processo stocastico è solido con quanto accade nella realtà e puo’ rappresen-
tare efficacemente l’andamento dell’asset oggetto di analisi. Essendo un processo stocastico
aleatorio è plausibile che alcune realizzazioni si discostino da quella vera. Questi percorsi sono
tuttavia degli outliers e la solidità della simulazione perdura comunque in quanto il percorso
vero giace all’interno dell’area più densa di percorsi generati.
105
A.4.3 I ritorni nel GBM
Supponiamo adesso che la variabile S4 segua un Moto geometrico Browniano. Dato St il

valore dell’azione il ritorno Gt sarà:
Gt (St ) = ln St (A.60)
Abbiamo che Gt è funzione di St , allora per il Lemma di Itô abbiamo che il differenziale del
ritorno sarà:
∂G ∂G 1 ∂ 2G
dGt = dt + dS + (dS)2 , (A.61)
∂t ∂S 2 ∂S 2
1 1 1 2 2
dGt = dS − σ S dt, (A.62)
S 2 S2
1
dGt = µdt + σdWt − σ 2 dt, (A.63)
2
1 2
dGt = (µ − σ )dt + σdWt (A.64)
2
Il ritorno relativamente a un periodo è uguale a:
St 1
Gt − Gt−1 = ln = µ − σ 2 + σW1 (A.65)
St−1 2
Se il valore di un asset segue un Moto geometrico Browniano, allora i ritorni dell’asset si

distribuiscono secondo una Normale:
St 1 1
ln = µ − σ 2 + σW1 ∼ N (µ − σ 2 ; σ 2 ) (A.66)
St−1 2 2
La media dei ritorni (o il ritorno atteso) è:
µ − 21 σ 2
ossia è pari al ritorno medio dell’asset µ ridotto per un aggiustamento per il rischio 21 σ 2 . In
altre parole 12 σ 2 rappresenta il premio per il rischio.
A.4.4 Ipotesi di rendimenti Normali
Assumere che l’asset sottostante segua un Moto geometrico Browniano comporta che i rendi-
menti siano distribuiti normalmente. Ci chiediamo quindi quanto questo risultato sia veritiero
nella realtà.
106
Negli ultimi 20 anni l’indice S&P500, indice che tiene traccia delle performance delle più grandi
500 società quotate nel mercato americano, ha avuto una crescita di oltre il 200%. Il ritorno
mensile medio collegato all’indice è approssimativamente dello 0.5% con una deviazione stan-
dard del 4.5%.
Sovrapponiamo i ritorni effettivi su quelli teorici dati da una distribuzione Normale con media
e deviazione standard come indicati sopra.
Figura A.6: Actual distribution vs. Normal distribution
La distribuzione effettiva sembra approssimativamente normale ma se osserviamo il lato

sinistro della distribuzione, possiamo notare la presenza delle famose fat tails. La loro presenza
sta a significare che eventi estremi accadono con una maggiore frequenza nella realtà rispetto
a quello che una distribuzione Normale prevede. Un’altra prova del non perfetto matching
tra distribuzione vera e Normale è la maggiore snellezza tra ritorni effettivi e ritorni teorici al
centro della campana. Questi due fattori dimostrano che la distribuzione Normale potrebbe
non essere la migliore scelta per descrivere i ritorni delle azioni.
Un’altra via per verificare la normalità della distribuzione è attraverso un QQplot.
107
Figura A.7: QQ plot for monthly S&P 500 returns
Le deviazioni dalla retta rossa a 45 gradi rappresentano differenze dalla distribuzione Nor-
male. Sebbene la maggior parte delle osservazioni giace approssimativamente sulla linea rossa,
possiamo notare deviazioni significative a sinistra e qualche deviazione di entità minore nella
parte destra della coda. I valori sull’asse delle ascisse ci dicono con quale frequenza ci si puo’
aspettare che un’osservazione di quella magnitudine combaci con la normale. I valori sull’asse
delle ordinate esprimono la frequenza effettiva con cui l’osservazione accade.
Per esempio, i due punti nella parte sinistra sono dei chiari valori anomali. Entrambi rappre-
sentano ritorni dell’indice che vanno al di sotto del -20%. Il Dataset comprende 233 osserva-
zioni in totale, quindi i due valori rappresentano un mero 0.86% delle osservazioni.
Bibliografia
[1] John C. Hull ; Sankarshan Basu. Options, futures and other derivatives. Pearson, University
of Toronto, 10 edition, 2018.
108
[2] Paul Wilmott ; Sam Howison; Jeff Dewynne. The mathematics of financial derivatives. Press
syndacate of the University of Cambridge, Cambridge, 1995.
[3] Eleuterio Vallelado Gonzàles. Options evolution: the introduction of organized markets
in the u.s.a. University of Valladolid, 1992.
[4] Hayne E. Leland. Option pricing and replication with transactions costs. The journal of
Finance, December 1985.
[5] Davide Fiaschi; Nicola Meccheri. Note di studio su Economia dei Mercati Finanziari.
Dipartimento di Economia e Management, Univerità di Pisa, 2018.
[6] Beáta Stehlı́ková. Leland model: Derivation of the pde for the price of a derivative. Faculty
of Mathematics, Physics and Informatics Comenius University, Bratislava, 2014.
109
Appendice numerica
A.5 Pricing delle opzioni
1 clc ; clear all ; close all ;

2
3 % e s t r a z i o n d e g l i s t o r i c i da un x l s x f i l e
4 Go og le = r e a d m a t r i x ( ’ Google . x l s x ’ ) ;
5 Go og le = Google ( 8 : 4 3 7 6 , 2 ) ;
6 Go og le = f l i p u d ( Google ) ;
7 s t a r t D a t e = d a t e t i m e ( ’ 2003 −01 −02 ’ ) ; endDate = d a t e t i m e ( ’
2021 −12 −23 ’ ) ;
8 xData = l i n s p a c e ( s t a r t D a t e , endDate , l e n g t h ( Google ) ) ;
9
10 % t e s t Moto G e o m e t r i c o Browniano e c a l c o l o d e l l a v a r i a n z a
c a l i b r a t a secondo
11 % i l m o d e l l o BSM
12 figure (1)
13
14 p l o t ( xData , Google , ’ r ’ , ’ L i n e W i d t h ’ , 1 ) ;
15 y l a b e l ( ’ Google s t o c k p r i c e ’ ) ;
16 x l a b e l ( ’ Time ’ ) ;
17 h o l d on ;
18 ax = g c a ;
110
19 ax . XTick = xData ;
20 d a t e t i c k ( ’ x ’ , ’ yyyy ’ , ’ k e e p l i m i t s ’ ) ;
21 x l i m ( [ s t a r t D a t e endDate + 2 0 0 ] ) ;
22 s e t ( gca , ’ c o l o r ’ , ’ none ’ ) ;
23 h o l d on ;
24 S = Google ;
25 dlnS = d i f f ( log ( S ) ) ; % dln ( S )
26 d t = 1 / 2 5 0 ; % i n t e r v a l l o d i s c r e t i z z a z i o n e = 1 su 2 5 0 g i o r n i s i
t r a d i n g l ’ anno
27 sigma = s q r t ( v a r ( d l n S ) / d t ) % v a r i a n z a c a l i b r a t a
28 mu = ( mean ( d l n S ) / d t + 0 . 5 ∗ v a r ( d l n S ) )
29
30 T = length ( S ) /250;
31 t0 = 0;
32 x0 = S ( 1 ) ;
33 N = 100;
34 W = E u l e r (@( t , x ) mu∗ x , @( t , x ) sigma ∗ x , dt , T , t 0 , x0 , N ) ; %
s i m u l a z i o n e GBM a t t r a v e r s o l a f u n z i o n e E u l e r
35 p l o t ( xData ,W, ’ − ’ , ’ c o l o r ’ , [ 0 . 7 5 0 . 7 5 0 . 7 5 ] ) ;
36 p l o t ( xData , Google , ’ r ’ , ’ L i n e W i d t h ’ , 1 )
37
38 % a p p l i c a z i o n e d e l l e f o r m u l e BSM e L e l a n d e p r i c i n g d e l l e
opzioni
39
40 figure (2)
41
42
43 r = −0.0051;T = 0 : 0 . 0 1 : 1 ; K=2900; S ask =2938; S bid = 2 9 3 5 . 5 ;

44 [ C BS , P BS ] = B S p r i c i n g ( Google ( end ) , T , r , K , sigma ) ;
45 [ C Le , P L e ] = L e l a n d p r i c i n g ( Google ( end ) , S a s k , S b i d , T , dt , r , K ,
111
sigma ) ;
46
47 % p l o t e c o n f r o n t o d e i m o d e l l i con i d a t i d i m e r c a t o
48
49 p l o t ( T , C BS , ’ : b ’ ) ;
50 h o l d on ;
51 p l o t ( T , C Le , ’ −−b ’ ) ;
52 maturity = [ 0 . 0 1 0 . 0 8 0 . 2 5 0 . 5 0 . 7 5 1 ] ; % v e t t o r e d e i tempi
e s p r e s s i in anni
53 p r i c e s = [ 5 5 . 9 9 8 . 3 7 176 254 3 0 9 . 7 3 9 2 . 9 ] ; % v e t t o r i p r e z z i d i
mercato e s t r a t t i a t t r a v e r s o E i k o n R e f i n i t i v
54 h= p l o t ( m a t u r i t y , p r i c e s , ’ bo ’ ) ;
55 h . Annotation . LegendInformation . I c o n D i s p l a y S t y l e = ’ o f f ’ ;
56 x l a b e l ( ’ Maturiy ’ ) ;
57 ylabel ( ’ Call option price ’ ) ;
58 g r i d on ;
59 ax = g c a ;
61
62 K=2950;
63 [ C BS , P BS ] = B S p r i c i n g ( Google ( end ) , T , r , K , sigma ) ;
64 [ C Le , P L e ] = L e l a n d p r i c i n g ( Google ( end ) , S a s k , S b i d , T , dt , r , K ,
sigma ) ;
65 p l o t ( T , C BS , ’ : r ’ ) ;
66 p l o t ( T , C Le , ’ −− r ’ ) ;
67 maturity =[0.01 0.08 0.25 0.5 0.75 1 ] ;
68 prices =[23.16 65.8 153.8 230.15 282.69 355];
69 h= p l o t ( m a t u r i t y , p r i c e s , ’ r o ’ ) ;
70 h . Annotation . LegendInformation . I c o n D i s p l a y S t y l e = ’ o f f ’ ;
71 l g d = l e g e n d ( ’BSM ’ , ’ L e l a n d ’ , ’BSM ’ , ’ L e l a n d ’ , ’ L o c a t i o n ’ , ’ b e s t ’ ) ;
112
A.5.1 Subfunctions
Euler function
Funzione attraverso la quale possiamo simulare qualsiasi processo stocastico rappresentato

dalla seguente SDE: dxt = mu(xt , t)dt + sigma(xt , t)dWt dove µ e σ rapresentano le fun-
zioni di drift e diffusion e variano a seconda del processo stocastico. Il processo di Wiener è
approssimato da una Normale a media 0 e varianza dt. x0 rappresenta la condizione inizia-
le del processo. T tempo finale simulazione. t0 tempo iniziale simulazione . dt intervallo di
discretizzazione. N numero di percorsi che si vogliono simulare.
1 f u n c t i o n x = E u l e r ( mu , sigma , dt , T , t 0 , x0 , N )
2 x = z e r o s ( round ( T / d t ) ,N ) ; % s c o r r e n d o l e r i g h e s i hanno i tempi ,
s u l l e colonne i p e r c o r s i
3 x ( 1 , : ) = x0 ∗ o n e s ( 1 , N ) ; % i m p o s t a z i o n e c o n d i z i o n e i n i z i a l e .
Uguale per t u t t i i p e r c o r s i
4 t = t0 ;
5 for i = 2 : T/ dt
6 dx = mu ( t , x ( i − 1 , : ) ) ∗ d t + sigma ( t , x ( i − 1 , : ) ) . ∗ normrnd ( 0 , s q r t (
d t ) , 1 ,N ) ; % c a l c o l o d e l d i f f e r e n z i a l e che a n d r a
sommarsi a l v a l o r e d e l p r o c e s s o a l l ’ i s t a n t e p r e c e d e n t e
7 x ( i , : ) = x ( i − 1 , : ) +dx ;
8 t = t + dt ;
9 end
10 end
BSpricing function
L’otput di questa funzione consiste nei prezzi di opzioni call e put Europee secondo il modello
BSM. Gli input indicano invece: S0 il prezzo corrente del sottostante, T la maturity, r il tasso
privo di rischio, K il prezzo di esercizio e sigma la volatilità del sottostante.
1 f u n c t i o n [ C , P ] = B S p r i c i n g ( S0 , T , r , K , sigma )
113
2 d1 = l o g ( S0 . / K ) + ( r + sigma . ˆ 2 / 2 ) . ∗ T ; d1 = d1 . / ( sigma . ∗ s q r t ( T ) ) ;
3 d2 = d1 − sigma . ∗ s q r t ( T ) ;
4 C = S0 . ∗ normcdf ( d1 , 0 , 1 ) −K . ∗ exp ( − r . ∗ T ) . ∗ normcdf ( d2 , 0 , 1 ) ; % l a
f u n z i o n e normcdf r a p p r e s e n t a l a d i s t r i b u z i o n e c u m u l a t i v a d i
una Normale s t a n d a r d
5 P = K . ∗ exp ( − r . ∗ T ) . ∗ normcdf ( − d2 , 0 , 1 ) − S0 . ∗ normcdf ( − d1 , 0 , 1 ) ;
6 end
Leland pricing function
La seguente sotto-funzione restituisce i prezzi di opzioni call e put Europee secondo il modello
di Leland. Il metodo di pricing è simile a quello del modello BSM, ma in seguito all’ipotesi
di costi di transazione tra gli input si aggiungono S ask e S bid, ossia prezzo denaro e prezzo
lettera, che saranno utilizzati per il calcolo dei costi di transazione e in seguito del numero di
Leland. Tra gli input compare anche dt, ossia l’intervallo di ribilanciamento, a differenza del
modello BSM dove questo avviene nel continuo.
1 f u n c t i o n [ C , P ] = L e l a n d p r i c i n g ( S0 , S a s k , S b i d , T , dt , r , K , sigma )
2 S =( S ask + S bid ) / 2 ;
3 c =( S ask − S b i d ) / S ;
4 Le = c . / ( sigma ∗ s q r t ( d t ) ) . ∗ s q r t ( 2 / p i ) ; % c a l c o l o d e l numero d i
Leland
5 a d j s i g m a = sigma . ∗ ( 1 − Le ) % c a l c o l o d e l l a v o l a t i l i t a ’ c o r r e t t a
6 d1 = l o g ( S0 . / K ) + ( r + a d j s i g m a . ˆ 2 / 2 ) . ∗ T ; d1 = d1 . / ( a d j s i g m a . ∗ s q r t (
T) ) ;
7 d2 = d1 − a d j s i g m a . ∗ s q r t ( T ) ;
8 C = S0 . ∗ normcdf ( d1 , 0 , 1 ) −K . ∗ exp ( − r . ∗ T ) . ∗ normcdf ( d2 , 0 , 1 ) ;
9 P = K . ∗ exp ( − r . ∗ T ) . ∗ normcdf ( − d2 , 0 , 1 ) − S0 . ∗ normcdf ( − d1 , 0 , 1 ) ;
10 end
114
A.6 Confronto dei modelli
Di seguito è riportato il codice utilizzato per il confronto e il calcolo degli errori mostrati nel
capitolo 5. Gli input sono quelli visti nelle funzioni precedenti. Se ne aggiungono però di
nuovi. In particolare c e p rappresentano i vettori dei prezzi delle call e put su cui si vogliono
calcolare gli errori. L’input T in questo caso sarà un vettore riga di 6 maturity quali sono quelle
delle opzioni da confrontare con i dati di mercato.
1 f u n c t i o n c o m p a r i s o n f u n c t i o n ( S , x1 , x2 , c , p , S a s k , S b i d , T , dt , r , K ,
name )
2 S= r e a d m a t r i x ( S ) ;
3 S=S ( x1 : x2 , 2 ) ;
4 S= f l i p u d ( S ) ;
5 S0 =S ( end ) ;
6 dlnS = d i f f ( log ( S ) ) ; % dln ( S )
7 sigma = s q r t ( v a r ( d l n S ) / d t )
8
9 % c a l c o l o d e i p r e z z i s e c o n d o i due m o d e l l i e d e g l i e r r o r i
assoluti delle sei
10 %opzioni oggetto di a n a l i s i
11
12 [ C BS , P BS ] = B S p r i c i n g ( S0 , T , r , K , sigma ) ;
13 [ C Le , P L e ] = L e l a n d p r i c i n g ( S0 , S a s k , S b i d , T , dt , r , K , sigma ) ;
14 e r r o r s c a l l = a b s ( [ C BS ( 1 ) − c ( 1 ) C Le ( 1 ) − c ( 1 ) ; C BS ( 2 ) − c ( 2 ) C Le ( 2 )
− c ( 2 ) ; C BS ( 3 ) − c ( 3 ) C Le ( 3 ) − c ( 3 ) ; C BS ( 4 ) − c ( 4 ) C Le ( 4 ) − c ( 4 ) ;
C BS ( 5 ) − c ( 5 ) C Le ( 5 ) − c ( 5 ) ; C BS ( 6 ) − c ( 6 ) C Le ( 6 ) − c ( 6 ) ] ) ;
15 e r r o r s p u t = a b s ( [ P BS ( 1 ) −p ( 1 ) P L e ( 1 ) −p ( 1 ) ; P BS ( 2 ) −p ( 2 ) P L e ( 2 ) −
p ( 2 ) ; P BS ( 3 ) −p ( 3 ) P L e ( 3 ) −p ( 3 ) ; P BS ( 4 ) −p ( 4 ) a b s ( P L e ( 4 ) −p
( 4 ) ) ; P BS ( 5 ) −p ( 5 ) P L e ( 5 ) −p ( 5 ) ; P BS ( 6 ) −p ( 6 ) P L e ( 6 ) −p ( 6 ) ] ) ;
16
17 f i g u r e ( ’ name ’ , name ) ;
115
18
19 subplot (2 ,1 ,1) %plot degli errori delle opzioni c a l l

20
21 bar ( e r r o r s c a l l ) ;
23 ylabel ( ’ Absolute errors ’ ) ;
24 t i t l e ( ’ Call ’ ) ;
25 g r i d on ;
26 ax = g c a ;
28 x t i c k l a b e l s ( { ’ 7 J a n ’ ’ 4 Feb ’ ’ 18 Mar ’ ’ 17 J u n ’ ’ 16 Sep ’ ’ 20 J a n
’ }) ;
29 l g d = l e g e n d ( ’BSM ’ , ’ L e l a n d ’ , ’ L o c a t i o n ’ , ’ n o r t h w e s t ’ ) ;
30 lgd . FontSize =6;
31
32 s u b p l o t ( 2 , 1 , 2 ) % p l o t d e g l i e r r o r i d e l l e o p z i o n i put
33
34 bar ( e r r o r s p u t ) ;
36 ylabel ( ’ Absolute errors ’ ) ;
37 t i t l e ( ’ Put ’ ) ;
38 g r i d on ;
39 ax = g c a ;
41 x t i c k l a b e l s ( { ’ 7 J a n ’ ’ 4 Feb ’ ’ 18 Mar ’ ’ 17 J u n ’ ’ 16 Sep ’ ’ 20 J a n
’ }) ;
42 l g d = l e g e n d ( ’BSM ’ , ’ L e l a n d ’ , ’ L o c a t i o n ’ , ’ n o r t h w e s t ’ ) ;
43 lgd . FontSize =6;
44
45 end
116
Indice Analitico
Black-Scholes PDE, 40 GMB returns, 106

BSM mean and variance, 47
Itô’s Lemma, 95
BSM pricing formula for European call
Itô’s process, 101
options, 42
BSM pricing formula for European put
Leland adjusted volatility, 60
options, 42
Leland PDE, 60
Call-put parity, 23 Leland pricing formula for European call
options, 62
European call option pay-off, 9
Leland pricing formula for European put
European put option pay-off, 10
options, 62
Geometric Brownian Motion SDE, 103
GMB closed formula, 104 Wiener process (Brownian Motion), 85
117
Ringraziamenti
Dedico questo spazio dell’elaborato alle persone che hanno contribuito al raggiungimento di
questo traguardo.
In primis ringrazio il mio relatore, il professore Radi, per la supervisione della tesi e per le
conoscenze trasmesse durante il suo corso.
Ringrazio infinitamente i miei genitori, che mi hanno sostenuto costantemente, mettendo-

mi nelle condizioni di poter dare sempre la priorità ai miei studi.
Ringrazio Alessia e Marcello, colleghi e copiloti di questo mio percorso.
Ringrazio tutti i miei amici, che direttamente e indirettamente mi hanno aiutato ad arrivare
fin qui.
118

Option Pricing Theory

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Option Pricing Theory

Caricato da

Copyright:

Formati disponibili

Università di Pisa

Dipartimento di economia e management

Option pricing theory: dal modello

Anno accademico 2021/2022

5 Comparazione dei modelli 70

Indice Analitico 117

ATM At the Money

CAPM Capital Asset Pricing Model

CBOE Chicago Board Option Exchange

EPTs Exchange Traded Products

ETF Exchange Traded Fund

GBM Geometric Brownian Motion

ITM In the Money

OTM Out of the Money

PDE Partial Derivatives Equation

SDE Stochastic Differential Equation

1. Mercato azionario, come quello di New York o Londra;

3. Mercato valutario, in cui vengono scambiate valute;

2.1 Brevi cenni storici

2.2 La funzione economica dei mercati delle opzioni

2.3 Cosa sono le opzioni?

Definition 2 (Opzione Put). Le opzioni put danno al possessore dell’opzione il diritto di

2.3.1 Opzioni call

2.3.2 Opzioni Put

2.3.3 Le posizioni sulle opzioni

Specularmente il payoff del writer di tale opzione è:

Riassumiamo le 4 possibili posizioni sulle opzioni nella figura 2.5:

2.3.4 Ipotesi sottostanti

2. (Sottostante) Negli esempi abbiamo preso in considerazione opzioni scritte su azioni,

2.4 Proprietà delle stock options

2.4.1 I fattori che influenzano il prezzo dell’opzione

Ci sono sei fattori che influenzano il prezzo di una stock option:

1. il valore corrente dell’azione, S0 ;

2.4.2 Limiti al prezzo delle opzioni

In questa sezione sfrutteremo il principio di arbitraggio per determinare l’intervallo di valori

1. assenza di costi di transazione;

2. nessun vincolo al credito per gli investitori;

3. presenza di un tasso risk-free a cui prendere e dare in prestito;

4. attività finanziarie perfettamente divisibili;

5. vendite allo scoperto consentite.3

La notazione usata sarà la seguente:

1. S0 :prezzo del sottostante al momento dell’acquisto dell’opzione;

2. X : prezzo di esercizio dell’opzione;

6. C : valore di un’opzione call Americana;

7. c : valore di un’opzione call Europea;

8. P : valore di un’opzione put Americana;

9. p : valore di un’opzione put Europea;

Limiti al prezzo delle opzioni call

Per quanto riguarda le opzioni europee, un vincolo meno banale è il seguente:

Nello stato ST > X il payoff è (1 + r)T (S − c) − ST . Esprimiamo la condizione in termini

mentre per avere un payoff positivo nello stato ST ≤ X deve valere:

L’investitore otterrebbe un guadagno in entrambi i possibili stati violando il principio di arbi-

Figura 2.8: Limiti di prezzo di un’opzione call europea

Limiti al prezzo delle opzioni put

Per le opzioni di tipo Europeo, il limite superiore è il seguente:

mentre quando ST > X si ha un guadagno se:

Figura 2.11: Limiti di prezzo di un’opzione put europea

Figura 2.12: Parità fra opzioni call e put: portafoglio 1

Figura 2.13: Parità fra opzioni call e put: portafoglio 2

2.5 Le principali strategie che coinvolgono le opzioni

2.5.1 Perché investire in opzioni?

2.5.2 Opzioni e asset sottostante

prezzo di esercizio K stessa azione con prezzo di esercizio K

Ci sono tre tipi di bull spread: