Spelling suggestions: "subject:"unvollständig finanzmärkte"" "subject:"unvollständig finanzmärkten""
1 |
Market completion and robust utility maximizationMüller, Matthias 28 September 2005 (has links)
Der erste Teil der Arbeit beschreibt eine Methode, Auszahlungen zu bewerten, die einem auf dem Finanzmarkt nicht absicherbaren Risiken ausgesetzt sind. Im zweiten Teil berechnen wir den maximalen Nutzen und optimale Handelsstrategien auf unvollständigen Märkten mit Hilfe von stochastischen Rückwärtsgleichungen. Wir betrachten Händler, deren Einkommen einer externen Risikoquelle ausgesetzt sind. Diese vervollständigen den Markt, indem sie entweder einen Bond schaffen oder gegenseitig Verträge schliessen. Eine andere Moeglichkeit ist eine Anleihe, die von einer Versicherung herausgegeben wird. Die Risikoquellen, die wir in Betracht ziehen, können Versicherungs-, Wetter-oder Klimarisiko sein. Aktienpreise sind exogen gegeben. Wir berechnen Preise für die zusätzlichen Anlagen so dass Angebot und Nachfrage dafür gleich sind. Wir haben partielle Markträumung. Die Präferenzen der Händler sind durch erwarteten Nutzen gegeben. In Kapitel 2 bis Kapitel 4 haben die Händler exponentielle Nutzenfunktionen. Um den Gleichgewichtspreis zu finden, wenden wir stochastische Rückwärtsgleichungen an. In Kapitel 5 beschreiben wir ein Einperiodenmodell mit Nutzenfunktionen, die die Inada-Bedingungen erfüllen. Der zweite Teil dieser Arbeit beschäftigt sich mit dem robusten Nutzenmaximierungsproblem auf einem unvollständigen Finanzmarkt. Entweder das Wahrscheinlichkeitsmass oder die Koeffizienten des Aktienmarktes sind ungewiss. Die Lösung der Rückwärtsgleichung beschreibt die nutzenmaximierende Handelsstrategie und das Wahrscheinlichkeitsmass, das in der Auswertung des robusten Nutzens benutzt wird. Für die exponentielle Nutzenfunktion berechnen wir Nutzenindifferenzpreise. Ausserdem wenden wir diese Techniken auf die Maximierung des erwarteten Nutzens bezüglich eines festen Wahrscheinlichkeitsmasses an. Dafür betrachten wir abgeschlossene, im allgemeinen nicht konvexe zulässige Mengen für die Handelsstrategien. / The first part of the thesis proposes a method to find prices and hedging strategies for risky claims exposed to a risk factor that is not hedgeable on a financial market. In the second part we calculate the maximal utility and optimal trading strategies on incomplete markets using Backward Stochastic Differential Equations. We consider agents with incomes exposed to a non-hedgeable external source of risk by creating either a bond or by signing contracts. The sources of risk we think of may be insurance, weather or climate risk. Stock prices are seen as exogenuosly given. We calculate prices for the additional securities such that supply is equal to demand, the market clears partially. The preferences of the agents are described by expected utility. In Chapter 2 through Chapter 4 the agents use exponential utility functions, the model is placed in a Brownian filtration. In order to find the equilibrium price, we use Backward Stochastic Differential Equations. Chapter 5 provides a one--period model where the agents use utility functions satisfying the Inada condition. The second part of this thesis considers the robust utility maximization problem on an incomplete financial market. Either the probability measure or drift and volatility of the stock price process are uncertain. We apply a martingale argument and solve a saddle point problem. The solution of a Backward Stochastic Differential Equation describes the maximizing trading strategy as well as the probability measure that is used in the robust utility. We consider the exponential, the power and the logarithmic utility functions. For the exponential utility function we calculate utility indifference prices of not perfectly hedgeable claims. Finally, we maximize the expected utility with respect to a single probability measure. We apply a martingale argument and solve maximization problems. This allows us to consider closed, in general non--convex constraints on the values of trading strategies.
|
Page generated in 0.04 seconds