Gergely Noémi. Numerikus módszerek a Black-Scholes egyenlet megoldásához. Eötvös Loránd Tudományegyetem Természettudományi Kar. Témavezet : Tóth Árpád

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Gergely Noémi. Numerikus módszerek a Black-Scholes egyenlet megoldásához. Eötvös Loránd Tudományegyetem Természettudományi Kar. Témavezet : Tóth Árpád"

Átírás

1 Eötvös Loránd Tudományegyetem Természettudományi Kar Gergely Noémi Numerikus módszerek a Black-Scholes egyenlet megoldásához BSc Szakdolgozat Témavezet : Tóth Árpád Analízis Tanszék Budapest, 2014

2 Köszönetnyilvánítás Ezúton szeretnék köszönetet mondani témavezet mnek, Tóth Árpádnak, aki hasznos ötletivel és kérdéseimre adott kielégít válaszaival segítette munkámat. Valamint köszönettel tartozom családomnak, barátaimnak és a csoporttársaimnak, akik kitartóan támogattak egyetemi éveim alatt. 2

3 Tartalomjegyzék 1. Opció fajták: Alapfogalmak áttekintése: Opció típusok: Európai típusú opció: Amerikai típusú opció: Bermuda típusú opció: Egzotikus opció: Összetett opciós pozíciók: Különböz típusú opciók Black-Scholes egyenlet: Európai vételi opció: Európai eladási opció: Digitális vételi opció Digitális eladási opció Korlátos (limitáras) opciók Összetett opciós pozíciók Black-Scholes egyenlet matematikai áttekintése Részvény derivativák árszabása és elemzése Érzékenységi vizsgálatok A Black-Scholes egyenlet visszavezetése a H vezetési egyenletre Véges dierenciák módszere Egylépéses módszerek Az explicit Euler-módszer

4 Az implicit Euler-módszer A Crank Nicolson-módszer H vezetési egyenlet véges dierenciákkal való közelítése

5 1. fejezet Opció fajták: Az opciók olyan ügyletek,melyek értéke más értékpapírok árfolyamától függ. Feltételes követelésnek is szokták nevezni ezeket az eszközöket. Ma már opciós ügyletekkel számos t zsdén kereskednek. Ezek többségében részvényekre, devizára, nemesfémekre, részvényindexekre, határid s kamatláb-csereügyletekre és mez gazdasági termékekre szólnak Alapfogalmak áttekintése: Deníció. A vételi opció (call option) egy jogot (de nem kötelezettséget) biztosít az opció tulajdonosának, hogy egy adott id ben vagy adott id ig megvásárolja az opció tárgyát egy meghatározott árfolyamon, (kötési árfolyamon) Megjegyzés. A vételi opció tulajdonosának csak akkor éri meg lehívni vételi opcióját, ha a megvásárolandó opció tárgyának piaci értéke meghaladja a kötési árfolyamot. Ha a piaci árfolyam nagyobb a kötési árfolyamnál, akkor az opció tulajdonosa lehívhatja az opció tárgyát a kötési árfolyamon és így protra tehet szert! De ha nem hívja le a lejáratáig, akkor a vételi opció lejár, és nem lesz már többé értéke! Jövedelem = Részvényárfolyam - Kötési árfolyam Prot = Jövedelem - Eredeti befektetés 5

6 Deníció. Az opció tulajdonosának az eladási opció (put option) jogot biztosít arra, hogy egy meghatározott áron adjon el egy eszközt (az opció alapját képz tárgyat). A vételi opció estében minél alacsonyabb az eszközértéke (azaz csökken),annál nagyobb protunk lesz, míg ezzel szemben az eladási opciót akkor éri meg lehívni, ha az opció tárgyának árfolyama alacsonyabb,mint a kötési árfolyam. Jövedelem = Kötési árfolyam - Részvény árfolyam Prot = Jövedelem - Eredeti befektetés Ezek után, most vizsgáljuk meg az opciók nyereségességi helyzetét. Az opciós ügyletek nyereségességi helyzete a piaci ár és a lehívási ár alakulásától függ. Ha a lehívási ár alacsonyabb, mint a piaci ár, akkor a vételi opció nyereséges, míg ha eladási opcióról van szó akkor az veszteséges lesz. Ha a lehívási ár megegyezik a piaci árral, akkor sem a vételi opciót sem az eladási opciót nem érdemes lehívni, hisz ilyenkor egy semleges helyzet áll el, ugyanis ebben az esetben nem lesz nyereségünk. Viszont, ha a lehívási ár nagyobb, mint a piaci ár, akkor a vételi opció esetében veszteséges helyzet áll el, míg az eladási opciónál nyereséges. Ezt most foglaljuk össze egy táblázat segítségével: Piaci helyzet Vételi opció Eladási opció Piaci ár > Lehívási ár Nyereséges Veszteséges Piaci ár = Lehívási ár Semleges Semleges Piaci ár < Leívási ár Veszteséges Nyereséges Érdemes gyelni még a prémium összegére is, azaz az opciós jogért zetett díjra. Ugyanis el állhat olyan helyzet is, mikor a piaci ár nagyobb mint a lehívási ár, azaz a vételi opciónk lehívása elvileg nyereséggel járna, de a prémium összeg meghaladja ezt a nyereségességi összeget, ekkor vagy pont semlegesen jövünk ki vagy pont veszteségesen, és ekkor nem éri meg lehívni az opciónkat. Tehát összefoglalva nyereségességi helyzet így állhat el : Vételi opció: Piaci ár > Lehívási ár + Prémium Eladási opció: Lehívási opció < Piaci ár + Prémium 6

7 Ha egy opciót rögtön lehívunk és ez jövedelmet biztosít az opció tulajdonosának, akkor ezt bels értékkel rendelkez (in-the-money, ITM) opciónak nevezzük. Viszont, ha a lehívás veszteséges, akkor az opciót bels érték nélkülinek (out-of-the-money, OTM) hívjuk. Ezek alapján, a vételi opció ITM, ha az eszköz árfolyama alatt van a kötési árfolyam, ellenkez esetben OTM-r l beszélünk. Hasonlóan bels értéke van az eladási opciónak, ha az eszköz értéke felett van a kötési árfolyam. Egy opció atthe-money (ATM), ha az eszköz azonnali ára megegyezik a kötési árfolyammal Opció típusok: Európai típusú opció: Az Európai opció esetében, az opció tulajdonosa kizárólag egy el re meghatározott id pontban élhet opciós jogával. (Miszerint, hogy lehívja az opciót vagy sem.) A vételi opció kiírójának "csak" annyi a kockázata, hogy neki rendelkeznie kell az alaptermékkel az el re meghatározott id pontban, ugyanis nem tudhatja el re, hogy az opció tulajdonosa lehívja majd az opciót vagy sem Amerikai típusú opció: Az Amerikai típusú opciónál az opció tulajdonosa már nem csak egy adott pillanatban élhet opciós jogával-mint az Európai opció esetében-, az opció lehívása egy adott id intervallum alatt bármikor megtörténhet. Ekkor a vételi opció kiírójának a kockázata is nagy lesz, hisz az opció lehívása bármikor megtörténhet, ezért az alapterméknek is mindig rendelkezésre kell állnia. Ez pedig igencsak jelent s költséget jelent a kötelezett számára Bermuda típusú opció: A Bermuda opció az Európai és az Amerikai típusú opciók között egy átment, hisz ekkor az opció jogosultja csak megadott id pontokban élhet opciós jogával. 7

8 Egzotikus opció: Valamilyen szempontból eltérnek az els dlegesen alkalmazott opciós típusoktól, innen is kapták nevüket. 1. Limitáras opciók (más néven korlátos opciók): A limitáras opciók kizetése függ attól, hogy meghaladja-e az alaptermék ára az el re meghatározott limitet. Ha nem haladja meg ezt a korlátot, akkor az opció limitár alatt értéktelen és akkor jár le, mikor az alaptermék ára alacsonyabb lesz, mint a limitár. Azonban a limitár alatt értékes opciók az árfolyam limitár alá esésekor zetnek. Ez egy olyan opció melynek értéke az adott termék lejárati ára mellett még attól is függ, hogy ez az ár átlép-e egy bizonyos korlátot. 2. Bináris opció (vagy fogadásos opció): Ebben az esetben ha jól tippeljük meg az eszköz árának elmozdulást nyerünk ellenkez esetben veszítünk. Vételi opció esetén a tulajdonos arra számít, hogy emelkedni fog az eszköz ára, míg eladási opció esetén az ár csökkenését várja. Ha jól tippeltünk, akkor "Bent a pénzben" kifejezést használjuk, viszont ha veszítettünk, akkor pedig a "Kint a pénzb l" kifejezést. "Pénznél" kifejezést akkor használjuk, mikor az eszköz árában elmozdulás nem történik, ebben az esetben nem is nyertünk és nem is veszítettünk, és ilyenkor a befektetett pénzünket is visszakapjuk Összetett opciós pozíciók: Ezeknek a pozícióknak az a lényege, hogy olyan kombinációkat hozzanak létre a befektet k, mellyel minimalizálni tudják a kockázatot, és a nyereséget pedig maximalizálni. Az összetett opciók egy típusa az opciós spreadek. A spredek esetében is ugyanúgy egy opció eladásról és egy másik vételér l beszélünk. Ami viszont még fontos a spreadeknél, hogy azonos típusú opcióknak kell lenniük, azaz vagy csak eladási vagy csal vételi lehet az opciónk. Két f típusa van a bull spread és a bear spread. 8

9 1. Bull spread A befektet bull spread esetén az árak emelkedésére számít, éppen ezért egy olyan opciót fog megvenni, melynek a küszöbára alacsonyabb és egy olyat ad majd el, melynek a küszöbára magasabb. Vételi opció esetén, egy adott lehívási áron kell vásárolnia egy vételi opciót, és egy magasabb lehívási áron eladni egy másik opciót, természetesen ugyanazzal a lehívási id ponttal. Az eladási opciónál pedig a befektet egy alacsonyabb lehívási áron vásárol eladási opciót, és egy magasabb lehívási áron ad elegy másikat. 2. Bear spread A bear spread fordítottja a bull spreadnek, ugyanis itt a befektet nem az árfolyamok növekedésére számít, hanem éppen a csökkenésükre. Épp ezért fog megvenni egy magasabb kötési árfolyamú opciót és fog eladni egy alacsonyabb kötési árfolyamút. Vételi opció esetén a befektet el ször magasabb kötési árfolyamon vásárol opciót és alacsonyabb kötési árfolyamon fog eladni egy másik vételi opciót. Eladási opciók kombinációjaként is el állítható bear spread. Mégpedig egy magasabb árfolyamon lév eladási opció megvásárlásával, és egy eladási opció alacsonyabb árfolyamon történ eladásával állítható el. 3. Buttery spread (Pillangó) A Pillangó-féle összetett pozíció négy opciós pozíció kombinációja alkotja. Két spread illetve egy bull spread és egy bear spreadb l áll. Ennek a lényege, hogy két közepes árfolyamú vételi opciót adunk elés egy magasabb meg egy alacsonyabb árfolyamú vételi opciót veszünk meg. Ezen opciók közül néhányat a következ fejezetben részletesebben megvizsgálunk. 9

10 2. fejezet Különböz típusú opciók 2.1. Black-Scholes egyenlet: Rövidebb alakja: V t σ2 S 2 2 V V + rs S2 S V + L t BSV = 0 rv = 0 (2.1) ahol, V(S,t) jelöli az opció értékét S a részvény árfolyamot r kockázatmentes kamatlábat σ a volatilitást Ennek az egyenletnek több megoldásai is lehet a peremfeltételekt l függ en. Az S és t (id ) lehetséges értékeinek határán ezek a feltételek határozzák meg a származtatott ügyleteink értékét Európai vételi opció: Az els fejezetben már láttuk, hogy a vételi opció jogot biztosít az opció tulajdonosának arra, hogy a lejárati id pontba (T) lehívja az opciót. Természetesen csak 10

11 akkor van értelme az alaptermék megvásárlásának, ha az eszköz jelenértéke magasabb mint a lehívási ár, azaz S > E. Ha ez a lehívás nem történik meg - S E esetén - akkor az opció értéktelen lesz. Tehát az opció lejáratkori értéke vagy 0 vagy S E, ami a nettó prot. C + L t BSC = 0 C(0, t) = 0 C(S, t) = Se δ(t t) Ee r(t t), ha S C(S, T ) = max(s E, 0) = Ismert a vételi opció analitikus megoldása: A jelölések: { S E, ha S > E 0, ha S E C(S, t) = Se δ(t t) N(d 1 ) Ee r(t t) N(d 2 ) d 1 = lns lne + (r δ σ2 (T t) σ T t (2.2) d 2 = d 1 σ T t (2.3) N(y) = 1 2π y e 1 2 x2 dx (2.4) Az N(d 2 )paraméter jelöli annak a valószín ségét, hogy a lehívási árnál magasabb lesz az eszköz értéke, a δ pedig a folytonos osztalék hozamát. 11

12 2.3. Európai eladási opció: Az európai eladási opció jogot biztosít az opció tulajdonosának, hogy eladjon egy eszközt egy el re meghatározott kötési árfolyamon (E) a lejáratkori id ben (T). Ha az eszköz ára magasabb, mint a lehívási ár akkor az opció értéktelen, azaz P (S, T ) = 0 S > E. Ha az eszköz ára alacsonyabb, mint a lehívási ár, akkor a nettó prot E S. A peremérték feltételek: P + L t BSP = 0 r(t t) P (0, t) = Ee P (S, t) = 0, ha S { E S,ha S < E P (S, T ) = max(e S, 0) = 0,ha S > E Az eladási opció analitikus megoldása is ismert ( d 1, d 2 és az N, pedig a (2.2), (2.3) és (2.4) egyenleteknél már láttuk): P (S, t) = Ee r(t t) N( d 2 ) Se δ(t t) N( d 1 ) 2.4. Digitális vételi opció Vételi opció esetén, a keresked az eszköz emelkedésére számít. Már akkor is nyereséges egy ilyen bináris opciós üzlet, ha az eszköz árában csak nagyon minimális 12

13 emelkedés történik. A digitális vételi opció a Heaviside függvénnyel írható le: { C = 1,ha S > E H(S) : C = 0,ha S < E Összegezve a problémákat: C + L t BSC = 0 C(0, t) = 0 C(S, t) = Qe r(t t), S { Q,ha S > E C(S, T ) = QH(S E) = 0,ha S < E Az (2.2), és (2.4) egyenletb l d 1 és N segítségével ismert a digitális vételi opció analitikus megoldása, miszerint C(S, t) = Qe r(t t) N(d 2 ) Ha az eszköz árában semmilyen változás nem történik akkor az egyenletünk a következ lesz: C + L t BSC = 0 C(0, t) = 0 C(S, t) = Se δ(t t), S { S,ha S > E C(S, T ) = SH(S E) = 0,ha S < E 13

14 2.5. Digitális eladási opció Ebben az esetben a keresked az eszköz árának csökkenésére számít. Már akkor is nyereséges egy ilyen bináris opciós üzlet, ha az eszköz árában csak nagyon minimális csökkenés történik. A digitális eladási opció egyenlete: P + L t BSP = 0 r(t t) P (0, t) = Qe P (S, t) = 0, S { 0,ha S > E P (S, T ) = Q(1 H(S E)) = Q,ha S < E A digitális eladási opció analitikus megoldása: P (S, t) = Qe r(t t) N( d 2 ) Emellett az a lehet ség is fennáll, hogy az eszközben semmi változás nem történik. Ekkor az egyenletünk: P + L t BSP = 0 δ(t t) P (0, t) = Se P (S, t) = 0, ha S { 0,ha S > E P (S, T ) = Q(1 H(S E)) = S,ha S < E 14

15 Megoldása ekkor az opciónknak: P (S, t) = Se δ(t t) N( d 1 ) 2.6. Korlátos (limitáras) opciók A korlátos opciók is különböznek az európai vanília 1 opcióktól. Ezeket az opciókat is az egzotikus opciók közé soroljuk. Ebben a részben a limitár alatt értéktelen opciókról lesz szó. Limitár alatt értéktelen az opciónk, ha az alaptermék ára nem haladja meg az el re meghatározott B korlátot. Tehát az opció értéktelen ha S < B, és ezért a baloldali peremfeltétel változik, miszerint V (B, t) = 0 helyett V (0, t) = 0 lesz. Egyetlen megoldás, hogy a dierenciál egyenletet a S [B, S max ] területen kell megoldani. A pontos megoldása: V (S, t) = C(S, t) ( S B ) (k 1) C( B2 S, t) ahol C(S, t) jelöli a standard európai vételi opció megoldását, és k = 2r σ Összetett opciós pozíciók Bull spread (Er söd különbözeti ügylet) Vételi opció esetén, a maximális veszteség a kapott és zetett prémiumok különbsége, míg a maximális nyereség a lehívási árak különbsége lesz. Az eladási opciónál pedig a maximális nyereség a kapott és a zetett prémiumok különbsége, és a maximális veszteség pedig a különböz lehívási árfolyamok különbsége lesz. 1 Egy termék legegyszer bb változatának elnevezése 15

16 0, ha S < E 1 V (S, t) = max(s E 1, 0) max(s E 2, 0) S E 1, ha E 1 < S < E 2 S, ha S > E 2 Bear spread (Gyengül különbözeti ügylet) Vételi opció esetén a maximális nyereség a kizetett és a kapott prémiumok különbsége lesz, míg a maximális veszteség pedig a lehívási árak különbsége. Eladási opciónál pedig a maximális nyereség a lehívási árfolyamok különbsége, és a maximális veszteség pedig a kizetett és a kapott prémiumok különbsége lesz. 16

17 S, ha S < E 1 V (S, t) = max(e 1 S, 0) max(e 2 S, 0) E 2 S, ha E 1 < S < E 2 0, ha S > E 2 Buttery spread (Pillangó) Pillangó vétele esetén a befektet a volatilitás csökkenését várja vagy azt, hogy egy bizonyos intervallumon belül legyen lejáratkor az árfolyam. Ebben az esetben a nyereség a középs árfolyam és a széls árfolyamok közül a kisebbik különbsége plusz a kapott és a zetett prémiumok különbsége lesz. Pillangó eladásnál a befektet a volatilitás emelkedésére számít, illetve hogy az azonnali ár jelent sebben tér majd el lejáratkor az árfolyamtól. A nyereség a kapott és a kizetett prémiumok különbsége és a veszteség pedig a középs árfolyam és a széls árfolyamok közül a kisebbik különbsége plusz a kapott és a zetett prémiumok különbsége. V (S, t) = (max(s E 1, 0) max(s E 2, 0)) + S, ha S < E 1 S E 1, ha E 1 < S < E 2 +(max(e 2 S, 0) max(e 3 S, 0)) E 3 S, ha E 2 < S < E 3 0, ha S > E 3 17

18 3. fejezet Black-Scholes egyenlet matematikai áttekintése 3.1. Részvény derivativák árszabása és elemzése Ezekkel az eszközkészletekkel opciók és egyéb részvény derivativák árszabása, érzékenysége és prot portfóliója számítható ki. Ehhez hasonló becslések hasznosak portfóliók kezelésére Érzékenységi vizsgálatok Az opció árszabással kapcsolatban 6 alapvet vizsgálattípust említhetünk: (delta), Γ(gamma), Λ(lambda), ρ(rho), Θ(theta) és Vega a görögök. Az eszközcsomaggal lehet ségünk nyílik ezek érzékenységének és implikált volatilitásának kiszámolására. 1. : Egy származtatott értékpapír deltája nem más, mint a saját értékének a változási üteme az alap nyereség árához viszonyítva. Ez azon görbe els deriváltja, mely összekapcsolja a származék árát az alap értékpapírok árával. Ha delta nagy, a származék ára érzékeny az alap értékpapírok árának kis változásaira. = V S 2. Γ: Egy származtatott értékpapír gammája kifejezi a delta változási ütemét az alap nyereség árához képest. Azaz a második deriváltja az opció árának az ér- 18

19 tékpapír árához képest. Ha gamma kicsi, delta változása kicsi. Az érzékenységvizsgálat fontos annak az eldöntésében, hogyan szabályozzuk a hedge 1 pozícióját. Γ = 2 V S 2 3. Λ: Más néven egy opció rugalmasságaként nevezik. Egy opció árának százalékos változását reprezentálja az alap értékpapír árának 1%-os változásának függvényében. 4. ρ: Az opció árának változási üteme az alap értékpapírok kockázatmentes kamatváltozásütemének függvényében. ρ = V r 5. Θ: Egy származtatott értékpapír árának változási üteme az id függvényében. Általában nagyon kicsi vagy negatív érték, mivel egy opció értéke általában hajlamos leesni a lejárati id höz közeledve. Θ = V t 6. Vega: Az opció árváltozásának és a volatilitás változásának aránya. Az id múlásával az alaptermék ára változik, erre utal a volatilitás. Minél nagyobb egy termék változékonysága, annál nagyobb lesz a termékre kiírt opció értéke, akár vételi, akár eladási opcióról van szó. Vételi opció megvásárlása esetén a vega értéke pozitív, és annál nagyobb az értéke minél inkább közelít a lehívási árhoz. Viszont a vételi opció eladásakor a vega értéke negatív és akkor a legkisebb, ha a piaci ár közelíti a lehívási árat. Vega értéke az eladási opció megvételekor is pozitív lesz, s akkor lesz a legnagyobb az értéke, ha a lehívási ár és a piaci ár közötti különbség minimális. Vega értéke az eladási opció eladásakor is negatív lesz és értéke akkor lesz a legkisebb, ha a a piaci és lehívási ár közeli. A volatilitás számszer síthet, úgy hogy meghatározzuk az alaptermék folytonos kamatozással számított hozamának szórását. V ega = V σ Implikált volatilitás: Egy opció implikált volatilitása a variancia, amely egy vételi opció árat egyenl vé tesz a piaci árral. Ez egy alapt ke jöv beni volatilitásának piaci becslésére alkalmazzák ezenkívül ha szükséges- egy bemen volatilitást nyújt más Black-Scholes funkciókhoz. 1 hedge (Fedezeti ügylet): ennek során az árfolyam nem kívánt változásából fakadó kockázatot igyekeznek kivédeni a piaci szerepl k. Az árfolyam kockázat ellen védekez adott jöv beli id pontra, devizára, összegre szólóvételi vagy eladási opciót, jogot vásárol díj ellenében. 19

20 Analízis modellek: Részvény derivativák analízisére ez az eszközkészlet Black-Scholes modellt alkalmaz. A Black-Scholes modell hipotéziseket állít fel az alap értékpapírokkal és ezek viselkedésével kapcsolatban. Black-Scholes modell: A Black-Scholes modell használata az alábbi feltételezéseket vonja maga után: Az opció ára egy Ito-folyamatot 2 követ. Egy opció csak a lejárati idején belül használható. Rövid eladás engedélyezett. Nincsenek tranzakciós költségek. Minden értékpapír osztható és nem kell zetni utána jutalékot. Nincs kockázatmentes arbitrázs 3. A kereskedés egy folytatólagos folyamat. A kockázatmentes kamatláb állandó és ugyanannyi marad az összes lejáratig Megjegyzés. Ha a felsoroltak közül akár egy is nem teljesül, akkor ez a modell nem használható. 2 Ito-folyamat: általánosított Wiener-folyamat. Az Ito-folyamat a következ képlettel adható meg: dx = a(x, t)dt + b(x, t)dz, ahol a és b paraméterek az alapul szolgáló x változó és az id függvényei. Általánosított Wiener-folyamat a következ módon írhatjuk fel dz függvényében egy x változóra: dx = adt + bdz 3 kockázatmentes nyereséget biztosító egyszeri ügylet vagy ügyletek egy sorozata 20

21 3.2. A Black-Scholes egyenlet visszavezetése a H vezetési egyenletre 4 Tegyük fel, hogy adott egy vékony, henger alakú rúd, és jelölje u(x, t) a rúd x koordinátájú pontjának h mérsékletét a t id pillanatban. Az egydimenziós H vezetési 5 egyenlet: u(x, t) t 2 u(x, t) x 2 = 0 < x <, t > Deníció. A H vezetési egyenlet alapmegoldása: { 1 H(x, t) = 4πt e x2 4t,ha x R, t 0 0,ha x R, t < 0 H(x, t) ismeretével meghatározható egy adott kezdeti feltételekb l kiinduló megoldás Tétel. A h vezetési egyenlet kezdetiérték-probléma megoldása u(x, t) = = 1 4πt H(x s, t)u(s, 0)ds e x s 2 4t u(s, 0)ds (3.1) A Black-Scholes parciális dierenciálegyenlet és peremérték-probléma L(V ) = V t σ2 S 2 2 V V + rs rv = 0 0 S, 0 t T S2 S V (S, T ) = f(s), 0 S V (0, t) = 0 0 t T Ha V az értéke a vételi opciónak, akkor a peremérték f(s) = max(s E, 0), ahol E jelöli a vételi opció kötési árfolyamának árát. Legyen S = e x, t = T 2τ σ 2 4 Ebben az alfejezetben az [5] és [6] irodalmat követtem. 5 Besenyei Ádám - Komornik Vilmos - Simon László: Parciális dierenciálegyenletek cím könyve alapján 21

22 Ebb l x és τ kifejezve: Ezek után a V (S, t) a következ lesz: τ = 1 2 σ2 (T t) x = ln(s) ) V (S, t) = v(x, τ) = v (ln(s), σ2 2 (T t) A V -nek az S és t szerinti els deriváltjai kifejezhet a v x és τ szerinti deriváltjaival. V t = v σ2 2 τ, mivel τ t = σ2 2 V S = 1 v S x, mivel x S = 1 S Szükségünk van még az S szerinti második deriváltra is: 2 V S = ( V ) = 2 S S = 1 S 2 v x + 1 S = 1 S 2 v x + 1 S ( 1 v ) S S x ( v ) S x = 1 S 2 v x + 1 S 2 2 v x 2 x ( v x ) x S Behelyettesítve ezeket a kifejezéseket a Black-Scholes egyenletbe a következ egyenletet kapjuk: v τ ( σ 2 ) + 1 ( 2 σ2 S v S 2 x v ) ( 1 + rs S 2 x 2 S v ) rv = 0 (3.2) x Majd v τ -ra rendezve, az els deriváltban S-sel, míg a második deriváltban S2 -tel és végül az egészet σ2 -vel egyszer sítve a következ egyszer sített alakot kapjuk: 2 v τ = 2 v x + (2r 2 σ 1) v 2 x 2r σ v 2 Legyen κ = 2r és t = τ (a volatilitás és a kockázatmentes kamatláb arányát méri a σ 2 κ), ekkor az egyenletünk a következ képpen fog változni v t = 2 v + (κ 1) v κv, (3.3) x2 x 22

23 ahol, < x <, 0 t σ2 2 T v(x, 0) = V (e x, T ) = f(e x ), < x < A következ átparaméterezéssel tovább tudjuk majd egyszer síteni az egyenletünket: v(x, t) = e αx+βt u(x, t) = φu ahol α-t és β-t olyan konstansok, melyeket kés bb határozunk meg. Ezek után írjuk fel a v-nek x és t szerinti deriváltját: v = βφu + φ u t t v = αφu + φ u x x 2 v x = 2 α2 φu + 2αφ u x + u φ 2 x 2 Rakjuk ezeket a kifejezéseket a (3.2)-es egyenletbe, βφu + φ u t = α2 φu + 2αφ u x + u ( φ 2 x + (κ 1) αφu + φ u ) κφu 2 x majd φ-vel leosztva βu + u t = α2 u + 2α u x + 2 u ( x + (κ 1) αu + u ) κu 2 x u -re rendezve. t Majd α-t és β-t úgy választjuk meg, hogy az u együtthatója 0 legyen. Azaz α = 1 2 (k 1) = σ2 2r 2σ 2 β = 1 ( σ 2 4 (k + + 2r ) 2 1)2 = 2σ 2 α-t β-t behelyettesítve és u -re rendezve meg is kaptuk a h vezetési egyenletet: t u t = 2 u x, σ2 < x <, 0 t 2 2 T (3.4) u(x, 0) = e αx v(x, 0) = e αx f(e x ), < x < (3.5) Már majdnem kész vagyunk, még a kezdeti feltételeket is át kell transzformálnunk. Ha az opció vételi opció, E kötési árfolyammal, akkor f(x) = max(x E, 0) és u(x, 0) = e αx max(e x E, 0) = e k 1 ( 2 )x ( (k+1)2 4 )0 v(x, 0) = e ( k 1 2 )x max(e x 1, 0) = max(e ( k+1 2 )x e ( k 1 2 )x, 0) 23

24 Ha az x változó szigorúan pozitív, akkor ez az u(x, 0) függvény is szigorúan pozitív lesz. A (3.1)-es egyenlethez vezessünk be egy új változót: y = (s x)/ 2τ Akkor most helyettesítsük is be ezeket az új változót u(x, τ) = 1 2 τπ = 1 2π = 1 2π = 1 2π x/ 2τ = 1 2π = I 1 I 2 x/ 2τ u(s, 0)e (s x)2 /4τ dy u(y 2τ + x, 0)e 1 2 y2 dy max{e 1 2 (k+1)(x+y 2τ) e 1 2 (k 1)(x+y 2τ), 0}e 1 2 y2 dy ( ) e 1 2 (k+1)(x+y 2τ) e 1 2 (k 1)(x+y 2τ) e 1 2 y2 dy e 1 2 (k+1)(x+y 2τ) e 1 2 y2 dy 1 2π x/ 2τ e 1 2 (k 1)(x+y 2τ) e 1 2 y2 dy El ször értékeljük ki I 1 -et: ahol I 1 = 1 2π = e 1 2 (k+1)x 2π x/ 2τ x/ 2τ = e 1 2 (k+1)x+ 1 4 (k+1)2 τ 2π e 1 2 (k+1)(x+y 2τ) 1 2 y2 dy e 1 4 (k+1)2τ e 1 2 (y 1 2 (k+1) 2τ) 2 dy = e 1 2 (k+1)x+ 1 4 (k+1)2τ Φ(d 1 ), d 1 = x/ 2τ 1 2 (k+1) 2τ x 2τ (k + 1) 2τ, e 1 2 z2 dz és Φ pedig a a normális eloszlás eloszlásfüggvénye, azaz Φ(d) = 1 2π d e y2 1 2 dy = e y2 2 dy 2π d 24

25 Az I 2 ugyanúgy levezethet, mint az I 1, annyi különbséggel, hogy az (k + 1) helyére mindig (k 1)-et írunk. Ezek alapján az I 2 a következ lesz: I 2 = e 1 2 (k 1)x+ 1 4 (k 1)2τ Φ(d 2 ) ahol d 2 = x 2τ (k 1) 2τ Ezek utána transzformált h vezetési egyenlet megoldása a kezdetiérték-problémára: u(x, τ) = I 1 I 2 = e 1 2 (k+1)x+ 1 4 (k+1)2τ Φ(d 1 ) e 1 2 (k 1)x+ 1 4 (k 1)2τ Φ(d 2 ) Azaz v(x, t) a következ képpen írható fel: v(x, t) = e 1 2 (k 1)x 1 4 (k+1)2τ u(x, τ) ( ) = e 1 2 (k 1)x 1 4 (k+1)2 τ e 1 2 (k+1)x+ 1 4 (k+1)2τ Φ(d 1 ) e 1 2 (k 1)x+ 1 4 (k 1)2τ Φ(d 2 ) Végül utolsó lépésként helyettesítsünk be (3.2)-be és V (S, t)-be: x = ln(s), τ = 1 2 σ2 (T t), V (S, t) = v(x, t) És ezzel végs megoldásként meg is kaptuk a Black-Scholes formulát. 25

26 4. fejezet Véges dierenciák módszere 4.1. Egylépéses módszerek Ebben az alfejezetben a [3] irodalom 9. fejezetének 9.3-as bekezdése alapján lépésr l lépésre levezetjük az Egylépéses módszereket. Csak nagyon speciális f függvény esetén adható meg képlet segítségével a közönséges dierenciálegyenletek kezdetiérték-feladatainak megoldásai, éppen ezért numerikus megoldst állítunk el, miszerint az ismeretlen megoldás függvény értékeit véges számú lépéssel közelítve határozzuk meg az értelmezési tartomány egyes pontjaiban. Most olyan típusú eljárásokat nézünk, ahol valamely rögzített id pontbeli közelítést egy azt megel z id pontbeli közelítés felhasználásával határozunk meg. Az ilyen módszereket nevezzük egylépéses módszereknek. Továbbiakban a célunk a du = f(t, u), dt t [0, T ] (4.1) u(0) = u 0 (4.2) feladat egylépéses módszerrel történ közelít megoldása, ahol a T > 0 olyan szám amely mellett a (4.1) és a (4.2) feladatnak létezik egyértelm megoldása a [0, T ] intervallumon. 26

27 Az explicit Euler-módszer El ször bevezetjük a θ-módszert, mert majd szeretnénk felhasználni az explicit Euler-módszer levezetésénél Tétel. Tetsz leges θ R esetén az α = (1 θ)u (t i ) + θu (t i+1 ) (4.3) megválasztású α függvény esetén az α u (t i ) = O(h i ) (4.4) becslés érvényes. Kell egy olyan P 1 (t) polinom, amely átmegy a (t i, u(t i )) ponton, és irányát az u(t) függvény t i és t i+1 pontbeli érint inek iránya határozza meg. Ezért legyen P 1 (t) := u(t i ) + α(t t i ) t [t i, t i+1 ] alakú, ahol α = α(u (t i ), u (t i+1 )) egy adott függvény. Ez a P 1 (t) polinom az y i+1 = y i + αh i (4.5) egylépéses numerikus módszert határozza meg, ahol a (4.1) és a (4.3) összefüggések alapján α = (1 θ)f(t i, y i ) + θf(t i+1, y i+1 ). (4.6) Deníció. A (4.5)-(4.6) numerikus módszert θ-módszernek nevezzük. Ezek után, hogy végeztünk a θ-módszer áttekintésével, áttérhetünk az explicit Eulermódszer tárgyalására. Nézzük a θ-módszert a θ=0 megválasztással. Ebben az estben a a következ numerikus módszert generálja a (4.5) és a (4.6): y i+1 = y i + h i f(t i, y i ), i = 0, 1,..., N 1 (4.7) Az ismeretlen u(t) függvény t i pontbeli közelítése y i lesz, y 0 = u(0) = u 0 (4.8) azaz (4.7) iterációban az i=0 értékhez tartozó y 0 értéke adott. 27

28 Deníció. Explicit Euler-módszernek nevezzük a (4.7) és a (4.8) képlettel deniált egylépéses közelít módszert Megjegyzés. Egy egyszer függvény behelyettesítéssel kiszámolható a t i+1 pontbeli közelítés, a t i pontbeli érték ismeretében. Ezért nevezzük a (4.7) (4.8) módszert explicitnek Az implicit Euler-módszer Most nézzük a θ-módszert a θ=1 megválasztással. Ebben az estben a a következ numerikus módszert generálja a (4.5) és a (4.6): y i+1 = y i + h i f(t i+1, y i+1 ), i = 0, 1,..., N 1 (4.9) y 0 = u 0 (4.10) Deníció. Implicit Euler-módszernek nevezzük a (4.9) (4.10) képletekkel de- niált egylépéses numerikus módszert Megjegyzés. Az id ben való el rehaladáshoz y i ismeretében y i+1 értékét minden egyes id lépésben egy egyenlet meghatározásával tudjuk csak meghatározni, ezért nevezzük, a (4.9) implicit Euler-módszert implicitnek A Crank Nicolson-módszer Most nézzük a θ-módszert a θ=0.5 megválasztással. Ebben az estben a a következ numerikus módszert generálja a (4.5) és a (4.6): ahol y 0 = u 0. y i+1 y i = h i 2 [f(t i, y i ) + f(t i+1, y i+1 )], i = 0, 1,..., N 1 (4.11) Deníció. Crank Nicolson-módszernek nevezzük a (4.11) képlettel deniált egylépéses módszert. Rögzített rácshálón a numerikus megoldás explicit Euler-módszer és implicit Eulermódszer esetén nagyjából hasonló pontosságot ad, míg a Crank Nicolson-módszer pontosabb az el z két módszernél. Meggyelhetjük a nomodó rácshálókon, hogy a Crnak Nicolson-módszer hibafüggvénye O(h 2 ), az implicit és explicit Euler-módszer hibafüggvénye viszont csak O(h) rendben tart nullához. 28

29 H vezetési egyenlet véges dierenciákkal való közelítése Mint azt már láthattuk az el z fejezet végén a Black-Scholes egyenlet visszavezethet a H vezetési egyenletre. Ezek után elegend a H vezetési egyenletnek a véges dierenciákkal való közelítését bemutatnunk. Az egydimenziós H vezetési egyenlet: u(x, t) t 2 u(x, t) x 2 = f(x, t), ahol (x, t) (0, l) (0, t ] (4.12) A hozzá tartozó kezdeti feltétel: u(x, 0) = µ 0 (x), x (0, l) És peremfeltétel: u(0, t) = µ 1 (t), u(l, t) = µ 2 (t), t (0, t ] ahol f, µ 0, µ 1, µ 2 adott függvények. Jelölje Ω t = (0, l) (0, t ) azon pontok halmazát amelyen a (4.12) egyenletet felírjuk, Γ t = Ω t \ Ω t pedig ennek parabolikus peremét, végül µ egy olyan függvényt mely a Γ halmazon értelmezett és egyes szakaszain megegyezik µ 0, µ 1, µ 2 függvényekkel. Ezek után tegyük fel, hogy f C(Ω t ) és µ C(Γ t ). Most vezessünk be egy L : C 2,1 (Ω t ) C(Ω t ) C(Γ t ) lineáris operátort és egy f : Ω t R függvényt. Lu(x, t) = { ( u 2 u)(x, t) t x 2 u(x, t), ha (x, t) Ω t, ha (x, t) Γ t { f(x, t), ha (x, t) Ωt f(x, t) = µ(x, t), ha (x, t) Γ t 29

30 A következ egyenlet megoldásával megkapjuk a (4.12) megoldását is, ahol az u C 2,1 (Ω t ) az ismeretlen. Lu = f (4.13) Numerikus eljárásunk lényegét most összefoglaljuk három pontban. 1. Megadjuk az Ω t halmazon a rácshálókat a következ képpen ω h,τ = {(x i, t n ), x i = ih t n = nτ, i = 1, 2,... N x 1, n = 1, 2,... N t } ω h,τ = {(x i, t n ), x i = ih t n = nτ, i = 0, 1, 2,... N x, n = 0, 1, 2,... N t } N x és N t az x és t irányú osztásrészek számát jelöli, h = l N x és τ = t N t pedig a lépésközöket míg a Γ h,τ = ω h,τ \ ω h,τ rácsháló Γ t parabolikus peremre es pontjait. 2. Legyen F(ω h,τ ) és F(ω h,τ ) vektorterek, amelyeket az ω h,τ és az ω h,τ rácsokon értelmezett R-be képez függvények alkotják. 3. Célunk egy y h,τ F(ω h,τ ) rácsfüggvény meghatározása ω h,τ pontjaiban, h, τ 0 esetén, ahol y az u egy közelítése. Tehát adjunk meg egy L h,τ b h,τ F(ω h,τ ) elemet. Ekkor a : F(ω h,τ ) F(ω h,τ ) lineáris operátort és egy L h,τ y h,τ = b h,τ (4.14) operátoregyenletnek y h,τ egy megoldása lesz, amely az el bb felsorolt 3 tulajdonsággal rendelkezni fog. Az L h,τ operátor el áll a következ képpen L h,τ = 1 2 (L 1 h,τ + L 2h,τ ) Lemma. (L 1h,τ operátor megválasztásához) Legyen y C 4,2 (Ω t ). y t (x i, t n ) = y(x i, t n+1 ) y(x i, t n ) + O(τ) τ 2 y x (x i, t 2 n ) = y(x i+1, t n ) 2y(x i, t n ) + y(x i 1, t n ) + O(τ + h 2 ). h Lemma. (L 2h,τ operátor megválasztásához) Legyen y C 4,2 (Ω t ). y t (x i, t n ) = y(x i, t n+1 ) y(x i, t n ) + O(τ) τ 2 y x (x i, t 2 n ) = y(x i+1, t n+1 ) 2y(x i, t n+1 ) + y(x i 1, t n+1 ) + O(τ + h 2 ). h 2 30

31 Célunk (Ly)(x i, t n ) érték közelítése O(τ +h) pontossággal y függvény ω h,τ rácspontbeli értékeivel. Ezek után vezessünk be egy új jelölést, miszerint y h,τ F(ω h,τ ) adott rácsfüggvény esetén y h (x i, t n ) = y i,n, f(x i, t n ) =: f i,n és µ(x i, t n ) = µ i,n. Ezek után a következ képpen deniálható az L h,τ : F(ω h,τ ) F(ω h,τ ) rácsoperátor, és a b h,τ : F(ω h,τ ) rácsfüggvény: (L h,τ y h,τ )(x i, t n ) = ( y i,n+1 y i,n 1 yi+1,n 2y i,n +y i 1,n + τ 2 h ) 2 y i+1,n+1 2y i,n+1 +y i 1,n+1 h 2 y i,n, ha (x i, t n ) ω h,τ, ha (x i, t n ) γ h,τ b h,τ (x i, t n ) = { fi,n, ha (x i, t n ) ω h,τ µ i,n, ha (x i, t n ) γ h,τ A (4.14) egyenletünk ezek alapján azt jelenti, hogy olyan y h,τ F(ω h,τ ) rácsfüggvényt keresünk, amelyet az el bb deniált L h,τ operátor a b h,τ rácsfüggvénybe képez le. 31

32 Irodalomjegyzék [1] Bodie-Kane-Marcus, Befektetések, Aula Kiadó, 2006 [2] John C. Hull, Opciók, határid s ügyletek és egyéb származtatott termékek, Panem Kft., 1999 [3] Faragó István-Horváth Róbert, Numerikus módszerek, Typotex, 2011 [4] Hudák Renáta, Kockázatkezelés-Opciós ügyletek,2009 [5] [6] rchan/teaching/math4210/chap08.pdf [7] 32

Gergely Noémi. Numerikus módszerek a Black-Scholes egyenlet megoldásához. Eötvös Loránd Tudományegyetem Természettudományi Kar. Témavezet : Tóth Árpád

Gergely Noémi. Numerikus módszerek a Black-Scholes egyenlet megoldásához. Eötvös Loránd Tudományegyetem Természettudományi Kar. Témavezet : Tóth Árpád Eötvös Loránd Tudományegyetem Természettudományi Kar Gergely Noémi Numerikus módszerek a Black-Scholes egyenlet megoldásához BSc Szakdolgozat Témavezet : Tóth Árpád Analízis Tanszék Budapest, 2017 Köszönetnyilvánítás

Részletesebben

Pénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt!

Pénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt! NÉV: NEPTUN KÓD: Pénzügyi matematika Vizsgadolgozat I. RÉSZ Az ebben a részben feltett 4 kérdés közül legalább 3-ra kell hibátlan választ adni ahhoz, hogy a vizsga sikeres lehessen. Kett vagy kevesebb

Részletesebben

OPCIÓS PIACOK VIZSGA MINTASOR

OPCIÓS PIACOK VIZSGA MINTASOR OPCIÓS PIACOK VIZSGA MINTASOR ELMÉLET ÉS SZÁMOLÁS ELMÉLETI ÉS SZÁMOLÁSI KÉRDÉSEK 1. A devizára szóló európai call opciók a) belsőértéke mindig negatív. b) időértéke pozitív és negatív is lehet. c) időértéke

Részletesebben

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:

Részletesebben

Gazdasági Információs Rendszerek

Gazdasági Információs Rendszerek Gazdasági Információs Rendszerek 7. előadás Bánhelyi Balázs Alkalmazott Informatika Tanszék, Szegedi Tudományegyetem 2009 Opció fogalma Az opció jövőbeni döntési lehetőséget jelent valami megtételére,

Részletesebben

Neptun kód: KTA60220, KTA60850, TMME0408, KT30725, KT30320, T M3537

Neptun kód: KTA60220, KTA60850, TMME0408, KT30725, KT30320, T M3537 Opcióértékelés/Opcióelmélet kurzusok Neptun kód: KTA60220, KTA60850, TMME0408, KT30725, KT30320, T M3537 2013-14, I. félév tagozat: nappali Oktatók: Gáll József (előadás), jozsef.gall kukac econ.unideb.hu,

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

Parciális dierenciálegyenletek

Parciális dierenciálegyenletek Parciális dierenciálegyenletek 2009. május 25. A félév lezárásaként néhány alap-deníciót és alap-példát szeretnék adni a Parciális Dierenciálegynletek (PDE) témaköréb l. Épp csak egy kis izelít t. Az alapfeladatok

Részletesebben

3. Lineáris differenciálegyenletek

3. Lineáris differenciálegyenletek 3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra

Részletesebben

(CIB Prémium befektetés)

(CIB Prémium befektetés) CIB Bank Zrt. Részletes terméktájékoztatója a Keretszerződés Opcióhoz kötött Betét elhelyezésére és a kapcsolódó Opciós Devizaügylet megkötésére vonatkozó keretszerződés hatálya alá tartozó ügyletekre

Részletesebben

MINTASOR (Figyelem az I. rész - Szabályzatok és Elszámolás tesztkérdéseiben megadott válaszok a hatályos szabályzatok szerint változhatnak!

MINTASOR (Figyelem az I. rész - Szabályzatok és Elszámolás tesztkérdéseiben megadott válaszok a hatályos szabályzatok szerint változhatnak! OPCIÓS PIACOK VIZSGA MINTASOR (Figyelem az I. rész - Szabályzatok és Elszámolás tesztkérdéseiben megadott válaszok a hatályos szabályzatok szerint változhatnak!) NÉV:. SZÜLETÉSI DÁTUM: PONTSZÁM: / 30 Tisztelt

Részletesebben

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék,   Wettl Ferenc (BME) Utolsó el adás / 20 Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális

Részletesebben

TERMÉKTÁJÉKOZTATÓ DIGITÁLIS (BINÁRIS) OPCIÓS ÜGYLETEKHEZ

TERMÉKTÁJÉKOZTATÓ DIGITÁLIS (BINÁRIS) OPCIÓS ÜGYLETEKHEZ TERMÉKTÁJÉKOZTATÓ DIGITÁLIS (BINÁRIS) OPCIÓS ÜGYLETEKHEZ A termék leírása: A Devizaárfolyam Digitális-opció (vagy más kifejezéssel Bináris opciós) egy olyan ügylet, amely keretében az opció jogosultja

Részletesebben

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját! Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el

Részletesebben

Végeselem modellezés alapjai 1. óra

Végeselem modellezés alapjai 1. óra Végeselem modellezés alapjai. óra Gyenge alak, Tesztfüggvény, Lagrange-féle alakfüggvény, Stiness mátrix Kivonat Az óra célja, hogy megismertesse a végeselem módszer (FEM) alkalmazását egy egyszer probléma,

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

Opciók árazása. Szakdolgozat. Írta: Kiss Valéria. Matematika BSc, Matematikai elemz szakirány. Témavezet :

Opciók árazása. Szakdolgozat. Írta: Kiss Valéria. Matematika BSc, Matematikai elemz szakirány. Témavezet : Opciók árazása Szakdolgozat Írta: Kiss Valéria Matematika BSc, Matematikai elemz szakirány Témavezet : Sikolya Eszter, adjunktus Alkalmazott Analízis és Számításmatematikai Tanszék Eötvös Loránd Tudományegyetem,

Részletesebben

Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához

Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Izsák Ferenc 2007. szeptember 17. Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához 1 Vázlat Bevezetés: a vizsgált egyenlet,

Részletesebben

Lagrange-féle multiplikátor módszer és alkalmazása

Lagrange-féle multiplikátor módszer és alkalmazása Eötvös Loránd Tudományegyetem Természettudományi Kar Nemesné Jónás Nikolett Lagrange-féle multiplikátor módszer és alkalmazása Matematika BSc, Matematikai elemz szakirány Témavezet : Szekeres Béla János,

Részletesebben

Opciók és stratégiák

Opciók és stratégiák Opciók és stratégiák Bevezetés az opciók világába Opciós fogalmak Az opció árát meghatározó tényezők Az opciók görög betűi Delta hedging Opciós arbitrázs Opciós stratégiák osztályzása Stratégia példatár

Részletesebben

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0,

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0, Feladatok az 5. hétre. Eredményekkel és kidolgozott megoldásokkal. Oldjuk meg az alábbi másodrend lineáris homogén d.e. - et, tudva, hogy egy megoldása az y = x! x y xy + y = 0.. Oldjuk meg a következ

Részletesebben

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1 Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =

Részletesebben

A hullámegyenlet megoldása magasabb dimenziókban

A hullámegyenlet megoldása magasabb dimenziókban A hullámegyenlet megoldása magasabb dimenziókban Orbán Ágnes Fábián Gábor Kolozsi Zoltán 2009. október 29. A hullámegyenlet Hullámegyenletnek nevezzük a következ lineáris parciális dierenciálegyenletet:

Részletesebben

A mérési eredmény megadása

A mérési eredmény megadása A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű

Részletesebben

1. Parciális függvény, parciális derivált (ismétlés)

1. Parciális függvény, parciális derivált (ismétlés) Operációkutatás NYME Gazdaságinformatikus mesterképzés El adó: Kalmár János (kalmar[kukac]inf.nyme.hu) Többváltozós széls érték számítás Parciális függvény, parciális derivált Széls érték korlátos zárt

Részletesebben

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság. 2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve

Részletesebben

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése 2 SZÉLSŽÉRTÉKSZÁMÍTÁS DEFINÍCIÓ 21 A széls érték fogalma, létezése Azt mondjuk, hogy az f : D R k R függvénynek lokális (helyi) maximuma (minimuma) van az x 0 D pontban, ha van olyan ε > 0 hogy f(x 0 )

Részletesebben

λx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j)

λx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j) Matematika A3 gyakorlat Energetika és Mechatronika BSc szakok, 016/17 ősz 10 feladatsor: Magasabbrendű lineáris differenciálegyenletek (megoldás) 1 Határozzuk meg az e λx, xe λx, x e λx,, x k 1 e λx függvények

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti összefoglaló a Valószín ségszámítás kurzushoz Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

DEVIZAÁRFOLYAM OPCIÓ I. A TERMÉK LÉNYEGE

DEVIZAÁRFOLYAM OPCIÓ I. A TERMÉK LÉNYEGE DEVIZAÁRFOLYAM OPCIÓ Tisztelt Ügyfelünk! Kérjük, hogy az ügylet megkötése előtt jelen Ügyféltájékoztatót valamint a Befektetési szolgáltatási és a kiegészítő szolgáltatási tevékenység körébe tartozó termékek

Részletesebben

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy:

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy: Függvények 015. július 1. 1. Feladat: Határozza meg a következ összetett függvényeket! f(x) = cos x + x g(x) = x f(g(x)) =? g(f(x)) =? Megoldás: Összetett függvény el állításához a küls függvényben a független

Részletesebben

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.

Részletesebben

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,

Részletesebben

Dierenciálhányados, derivált

Dierenciálhányados, derivált 9. fejezet Dierenciálhányados, derivált A dierenciálhányados deníciója D 9.1 Az egyváltozós valós f függvény x0 pontbeli dierenciálhányadosának nevezzük a lim f(x0 + h) f(x0) h 0 h határértéket, ha ez

Részletesebben

Hajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel

Hajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel Hajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel Segédlet az A végeselem módszer alapjai tárgy 4. laborgyakorlatához http://www.mm.bme.hu/~kossa/vemalap4.pdf Kossa Attila (kossa@mm.bme.hu)

Részletesebben

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim.

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim. Függvények 205. július 3. Határozza meg a következ határértékeket!. Feladat: 2. Feladat: 3. Feladat: 4. Feladat: (2 + 7 5 ) (2 + 7 5 ) (2 + 0 ) (2 + 7 5 ) (2 + 7 5 ) (2 + 0) (2 + 0 7 5 ) (2 + 0 7 5 ) (2

Részletesebben

(!), {z C z z 0 < R} K (K: konv. tart.) lim cn+1

(!), {z C z z 0 < R} K (K: konv. tart.) lim cn+1 Komlex analízis Komlex hatványsorok c n (z z 0 ) n ; R = lim n c n, R = (!), {z C z z 0 < R} K (K: konv. tart.) lim cn+ c n n=0. Van-e olyan komlex hatványsor, melynek a) üres a konvergenciatartománya,

Részletesebben

TERMÉKTÁJÉKOZTATÓ EGYSZERŰ (PLAIN VANILLA) DEVIZAÁRFOLYAM OPCIÓS ÜGYLETEKHEZ

TERMÉKTÁJÉKOZTATÓ EGYSZERŰ (PLAIN VANILLA) DEVIZAÁRFOLYAM OPCIÓS ÜGYLETEKHEZ TERMÉKTÁJÉKOZTATÓ EGYSZERŰ (PLAIN VANILLA) DEVIZAÁRFOLYAM OPCIÓS ÜGYLETEKHEZ A termék leírása: A Devizaárfolyam-opciós ügylet (más néven devizaopció) keretében az opció jogosultja (vásárlója) Opciós Díj

Részletesebben

Meghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait.

Meghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait. Közönséges differenciálegyenletek Meghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait. Célunk a függvény meghatározása Egyetlen független

Részletesebben

OPERÁCIÓKUTATÁS. No. 1. Nagy Tamás - Klafszky Emil SZTOCHASZTIKUS JELENSÉGEK

OPERÁCIÓKUTATÁS. No. 1. Nagy Tamás - Klafszky Emil SZTOCHASZTIKUS JELENSÉGEK OPERÁCIÓKUTATÁS No. 1. Nagy Tamás - Klafszky Emil SZTOCHASZTIKUS JELENSÉGEK Budapest 2002 Nagy Tamás - Klafszky Emil: SZTOCHASZTIKUS JELENSÉGEK OPERÁCIÓKUTATÁS No.1 Szerkeszti: Komáromi Éva Megjelenik

Részletesebben

Differenciálegyenletek. Vajda István március 4.

Differenciálegyenletek. Vajda István március 4. Analízis előadások Vajda István 2009. március 4. Függvényegyenletek Definíció: Az olyan egyenleteket, amelyekben a meghatározandó ismeretlen függvény, függvényegyenletnek nevezzük. Függvényegyenletek Definíció:

Részletesebben

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31 Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós

Részletesebben

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási

Részletesebben

Terméktájékoztató. Digitális devizaárfolyam opciós ügylet Digital FX Option

Terméktájékoztató. Digitális devizaárfolyam opciós ügylet Digital FX Option Terméktájékoztató Digital FX Option A termék leírása A Digitális Devizaárfolyam opció (vagy más kifejezéssel Bináris opció) egy olyan ügylet, amely keretében az opció jogosultja (vásárlója) Opciós Díj

Részletesebben

Matematika III előadás

Matematika III előadás Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,

Részletesebben

TERMÉKTÁJÉKOZTATÓ ÁTLAGÁRFOLYAMOS DEVIZA OPCIÓKHOZ (ÁZSIAI TÍPUSÚ OPCIÓ)

TERMÉKTÁJÉKOZTATÓ ÁTLAGÁRFOLYAMOS DEVIZA OPCIÓKHOZ (ÁZSIAI TÍPUSÚ OPCIÓ) TERMÉKTÁJÉKOZTATÓ ÁTLAGÁRFOLYAMOS DEVIZA OPCIÓKHOZ (ÁZSIAI TÍPUSÚ OPCIÓ) A termék leírása Az Átlagárfolyamos devizaopció vagy más néven Ázsiai típusú opció keretében az ügyfél egy olyan devizaopciós megállapodást

Részletesebben

Végeselem analízis. 1. el adás

Végeselem analízis. 1. el adás Végeselem analízis 1. el adás Pere Balázs Széchenyi István Egyetem, Alkalmazott Mechanika Tanszék 2016. szeptember 7. Mi az a VégesElem Analízis (VEA)? Parciális dierenciálegyenletek (egyenletrendszerek)

Részletesebben

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén Matematikai modellek, I. kisprojekt Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén Unger amás István B.Sc. szakos matematikus hallgató ungert@maxwell.sze.hu, http://maxwell.sze.hu/~ungert

Részletesebben

differenciálegyenletek

differenciálegyenletek Állandó együtthatójú lineáris homogén differenciálegyenletek L[y] = y (n) + a 1y (n 1) + + a ny = 0 a i R (1) a valós, állandó együtthatójú lineáris homogén n-ed rendű differenciálegyenlet Megoldását y

Részletesebben

Mátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22

Mátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22 Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény

Részletesebben

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns

Részletesebben

Dierenciálhatóság. Wettl Ferenc el adása alapján és

Dierenciálhatóság. Wettl Ferenc el adása alapján és 205.0.9. és 205.0.26. 205.0.9. és 205.0.26. / Tartalom A dierenciálhatóság fogalma Pontbeli dierenciálhatóság Jobb és bal oldali dierenciálhatóság Folytonosság és dierenciálhatóság Deriváltfüggvény 2 Dierenciálási

Részletesebben

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási

Részletesebben

Függvények határértéke, folytonossága

Függvények határértéke, folytonossága Függvények határértéke, folytonossága 25. február 22.. Alapfeladatok. Feladat: Határozzuk meg az f() = 23 4 5 3 + 9 a végtelenben és a mínusz végtelenben! függvény határértékét Megoldás: Vizsgáljuk el

Részletesebben

Opkut deníciók és tételek

Opkut deníciók és tételek Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét

Részletesebben

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor . Számsorok, hatványsorok, Taylor-sor, Fourier-sor Vizsgálja meg a következ végtelen sorokat konvergencia szempontjából. Tétel. (Cauchy-féle bels konvergenciakritérium) A a n végtelen sor akkor és csakis

Részletesebben

Lineáris egyenletrendszerek

Lineáris egyenletrendszerek Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

Pénzügyi matematika. Sz cs Gábor szi félév. Szegedi Tudományegyetem, Bolyai Intézet

Pénzügyi matematika. Sz cs Gábor szi félév. Szegedi Tudományegyetem, Bolyai Intézet Pénzügyi matematika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2016. szi félév Bevezetés Értékpapírpiacok Értékpapírpiacok A t zsde (piac, market) egy olyan intézmény, melyen a résztvev k különféle

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

Samu Viktória. A Helmholtz-egyenlet

Samu Viktória. A Helmholtz-egyenlet Eötvös Loránd Tudományegyetem Természettudományi Kar Samu Viktória A Helmholtz-egyenlet BSc Szakdolgozat Témavezet : Dr. Tóth Árpád Analízis Tanszék Budapest, 2014 Köszönetnyilvánítás Szeretném megköszönni

Részletesebben

Tıkeáttételes termékekkel túlszárnyalni a piacot. T. Kilian Equity Markets & Commodities

Tıkeáttételes termékekkel túlszárnyalni a piacot. T. Kilian Equity Markets & Commodities Tıkeáttételes termékekkel túlszárnyalni a piacot Mi az opció/opciós jegy? Az opció jog, de nem kötelezettség arra vonatkozólag, hogy részvényt, devizát, kötvényt, indexet vagy árut (mögöttes termék vagy

Részletesebben

Közönséges differenciálegyenletek kétpontos peremérték-feladatai a numerikus modellezésben

Közönséges differenciálegyenletek kétpontos peremérték-feladatai a numerikus modellezésben Eötvös Loránd Tudományegyetem Természettudományi Kar Közönséges differenciálegyenletek kétpontos peremérték-feladatai a numerikus modellezésben BSc Szakdolgozat Készítette: Horváth Eszter Matematika BSc,

Részletesebben

Differenciálegyenletek numerikus megoldása

Differenciálegyenletek numerikus megoldása a Matematika mérnököknek II. című tárgyhoz Differenciálegyenletek numerikus megoldása Fokozatos közeĺıtés módszere (1) (2) x (t) = f (t, x(t)), x I, x(ξ) = η. Az (1)-(2) kezdeti érték probléma ekvivalens

Részletesebben

8-9 Opciós piacok. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1

8-9 Opciós piacok. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1 8-9 Opciós piacok 1 Opció típusok Call: vételi jog Put: eladási jog Európai opció: csak lejáratkor érvényesíthető Amerikai opció: lejáratig bármikor érvényesíthető Pozíciók: long call, long put (vételi

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

Részletesebben

A Black-Scholes parciális differenciálegyenlet

A Black-Scholes parciális differenciálegyenlet Eötvös Loránd Tudományegyetem Természettudományi Kar A Black-Scholes parciális differenciálegyenlet BSc szakdolgozat Fábián Anikó Matematika BSc, Alkalmazott matematikus szakirány Témavezető: Sikolya Eszter,

Részletesebben

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27 Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek

Részletesebben

Tizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc

Tizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc Tizenegyedi gyaorlat: Parciális dierenciálegyenlete Dierenciálegyenlete, Földtudomány és Környezettan BSc A parciális dierenciálegyenlete elmélete még a özönséges egyenleteénél is jóval tágabb, így a félévben

Részletesebben

ZÉRÓ KÖLTSÉGŰ OPCIÓ I. A TERMÉK LÉNYEGE

ZÉRÓ KÖLTSÉGŰ OPCIÓ I. A TERMÉK LÉNYEGE ZÉRÓ KÖLTSÉGŰ OPCIÓ Tisztelt Ügyfelünk! Kérjük, hogy az ügylet megkötése előtt jelen Ügyféltájékoztatót valamint a Befektetési szolgáltatási és a kiegészítő szolgáltatási tevékenység körébe tartozó termékek

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

7. forward extra ügylet (forward extra)

7. forward extra ügylet (forward extra) 7. forward extra ügylet (forward extra) MIFID komplexitás FX 3 a termék leírása A forward extra ügylet ötvözi a határidôs ügylet biztonságát az opciós ügyletek rugalmasságával. Amennyiben konkrét elképzelése

Részletesebben

Lagrange és Hamilton mechanika

Lagrange és Hamilton mechanika Lagrange és 2010. október 17. Lagrange és Tartalom 1 Variáció Lagrange egyenlet Legendre transzformáció Hamilton egyenletek 2 3 Szimplektikus sokaság Hamilton mez Hamilton és Lagrange egyenletek ekvivalenciája

Részletesebben

Matematika I. NÉV:... FELADATOK:

Matematika I. NÉV:... FELADATOK: 24.2.9. Matematika I. NÉV:... FELADATOK:. A tanult módon vizsgáljuk az a = 3, a n = 3a n 2 (n > ) rekurzív sorozatot. pt 2n 2 + e 2. Definíció szerint és formálisan is igazoljuk, hogy lim =. pt n 3 + n

Részletesebben

Rövid távú modell Pénzkereslet, LM görbe

Rövid távú modell Pénzkereslet, LM görbe Rövid távú modell Pénzkereslet, Kuncz Izabella Makroökonómia Tanszék Budapesti Corvinus Egyetem Makroökonómia Kuncz Izabella Rövid távú modell Pénzkereslet, Mit tudunk eddig? Elkezdtük levezetni a rövid

Részletesebben

Bevezetés az opciók világába Opciók a mindennapokban

Bevezetés az opciók világába Opciók a mindennapokban Opciók és stratégiák Bevezetés az opciók világába Opciós fogalmak Az opció árát meghatározó tényezők Az opciók görög betűi Delta hedging Opciós arbitrázs Opciós stratégiák osztályzása Stratégia példatár

Részletesebben

1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1

1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1 numerikus analízis ii 34 Ezért [ a, b] - n legfeljebb n darab gyöke lehet = r (m 1) n = r m + n 1 19 B - SPLINEOK VOLT: Ω n véges felosztás S n (Ω n ) véges dimenziós altér A bázis az úgynevezett egyoldalú

Részletesebben

Rövid távú modell III. Pénzkereslet, LM görbe

Rövid távú modell III. Pénzkereslet, LM görbe Rövid távú modell III. Pénzkereslet, Makroökonómia Tanszék Budapesti Corvinus Egyetem Makroökonómia Rövid távú modell III. Pénzkereslet, Félév végi dolgozat 40 pontos vizsga május 23. hétf 10 óra május

Részletesebben

Bevezető a profit kb. 300% nem szabad ilyet csinálni piac-semleges opciós prémiumokból Call és Put opciókat shortoltunk hónapról hónapra

Bevezető a profit kb. 300% nem szabad ilyet csinálni piac-semleges opciós prémiumokból Call és Put opciókat shortoltunk hónapról hónapra 1 Bevezető A történet 212 márciusában kezdődik és 213 áprilisáig tart, a profit kb. 3%. A cím pedig egyértelművé teszi: nem szabad ilyet csinálni. És, hogy miért a tiltás, az alábbiakban kiderül. Kezdetben

Részletesebben

Lineáris algebra numerikus módszerei

Lineáris algebra numerikus módszerei Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y

Részletesebben

Matematika I. NÉV:... FELADATOK: 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon.

Matematika I. NÉV:... FELADATOK: 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon. 215.12.8. Matematika I. NÉV:... 1. Lineáris transzformációk segítségével ábrázoljuk az f(x) = ln(2 3x) függvényt. 7pt 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon.

Részletesebben

Differenciálegyenletek numerikus megoldása

Differenciálegyenletek numerikus megoldása Eötvös Loránd Tudományegyetem Természettudományi Kar Somogyi Crescencia Kornélia Differenciálegyenletek numerikus megoldása BSc szakdolgozat Témavezet : Dr. Kovács Sándor Numerikus Analízis Tanszék Budapest,

Részletesebben

(EGT-vonatkozású szöveg)

(EGT-vonatkozású szöveg) 2014.5.20. L 148/29 A BIZOTTSÁG 528/2014/EU FELHATALMAZÁSON ALAPULÓ RENDELETE (2014. március 12.) az 575/2013/EU európai parlamenti és tanácsi rendeletnek az opciókkal kapcsolatos, piaci kockázati sztenderd

Részletesebben

ANALÍZIS II. Példatár

ANALÍZIS II. Példatár ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3

Részletesebben

Mátrixhatvány-vektor szorzatok hatékony számítása

Mátrixhatvány-vektor szorzatok hatékony számítása Mátrixhatvány-vektor szorzatok hatékony számítása Izsák Ferenc ELTE TTK, Alkalmazott Analízis és Számításmatematikai Tanszék & ELTE-MTA NumNet Kutatócsoport munkatárs: Szekeres Béla János Alkalmazott Analízis

Részletesebben

Egyváltozós függvények 1.

Egyváltozós függvények 1. Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata

Részletesebben

Boros Zoltán február

Boros Zoltán február Többváltozós függvények differenciál- és integrálszámítása (2 3. előadás) Boros Zoltán 209. február 9 26.. Vektorváltozós függvények differenciálhatósága és iránymenti deriváltjai A továbbiakban D R n

Részletesebben

Ipari matematika 2. gyakorlófeladatok

Ipari matematika 2. gyakorlófeladatok Ipari matematika. gyakorlófeladatok. december 5. A feladatok megoldása általában többféle úton is kiszámítató. Interpoláció a. Polinom-interpoláció segítségével adjunk közelítést sin π értékére a sin =,

Részletesebben

Stippinger Marcell: Tőzsdei modellezés (Szeminárium 2. előadás)

Stippinger Marcell: Tőzsdei modellezés (Szeminárium 2. előadás) 1 2010. április 8. Cégvilág 2010, Wigner Jenő Kollégium nagytermében Pénzügy: elsősorban MC-szimulációés informatikai feladatok. Fizikusok keresettek, egzotikus nyelveket is el kell sajátítani. 2 3 Matematikai

Részletesebben

KÖTVÉNYFORRÁS MENEDZSMENT GYOMAENDRŐD VÁROS ÖNKORMÁNYZATA TÁJÉKOZTATÓ

KÖTVÉNYFORRÁS MENEDZSMENT GYOMAENDRŐD VÁROS ÖNKORMÁNYZATA TÁJÉKOZTATÓ KÖTVÉNYFORRÁS MENEDZSMENT GYOMAENDRŐD VÁROS ÖNKORMÁNYZATA TÁJÉKOZTATÓ 2010.04.01 2010.06.30 1. ELŐZMÉNYEK KIBOCSÁTÁS Gyomaendrőd Város Önkormányzata 2008. február 27-én összesen 6.316.000,- CHF értékben,

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten KOMPLEX SZÁMOK Készítette: Gábor Szakmai felel s: Gábor Vázlat 1 2 3 Történeti bevezetés

Részletesebben

A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a

A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a a Matematika mérnököknek I. című tárgyhoz Függvények. Függvények A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a szabadon eső test sebessége az idő függvénye. Konstans hőmérsékleten

Részletesebben

Numerikus integrálás

Numerikus integrálás Közelítő és szimbolikus számítások 11. gyakorlat Numerikus integrálás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Határozatlan integrál

Részletesebben

Differenciálegyenletek december 13.

Differenciálegyenletek december 13. Differenciálegyenletek 2018. december 13. Elsőrendű DE Definíció. Az elsőrendű differenciálegyenlet általános alakja y = f (x, y), ahol f (x, y) adott kétváltozós függvény. Minden y = y(x) függvény, amire

Részletesebben

MiFID - Befektetői kérdőív - Magánszemélyek részére

MiFID - Befektetői kérdőív - Magánszemélyek részére AZONOSÍTÓ ADATOK Ügyfél neve Állandó lakcím Adóazonosító jele Ügyfél azonosító MiFID - Befektetői kérdőív - Magánszemélyek részére A Raiffeisen Bank Zrt. (továbbiakban: Bank) a befektetési vállalkozásokról

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN Készült a TÁMOP-4.1.-08//a/KMR-009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék

Részletesebben

IRÁNYMUTATÁS A MÓDOSÍTOTT ÁTLAGIDŐ KORREKCIÓJÁHOZ EBA/GL/2016/09 04/01/2017. Iránymutatás

IRÁNYMUTATÁS A MÓDOSÍTOTT ÁTLAGIDŐ KORREKCIÓJÁHOZ EBA/GL/2016/09 04/01/2017. Iránymutatás IRÁNYMUTATÁS A MÓDOSÍTOTT ÁTLAGIDŐ KORREKCIÓJÁHOZ EBA/GL/2016/09 04/01/2017 Iránymutatás a hitelviszonyt megtestesítő értékpapírok módosított átlagidejének korrekciójához az 575/2013/EU rendelet 340. cikke

Részletesebben

Segédanyag az A3 tárgy gyakorlatához

Segédanyag az A3 tárgy gyakorlatához Segédanyag az A3 tárgy gyakorlatához Sáfár Orsolya Szeparábilis dierenciálegyenletek A megoldásról általában: A szeparábilis dierenciálegyenlet álatlános alakja: y (x) = f(x)g(y). Ebben az esetben g(y)-al

Részletesebben

10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai

10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál

Részletesebben

Gyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi

Gyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi Gyakorló feladatok Agbeko Kwami Nutefe és Nagy Noémi 25 Tartalomjegyzék. Klasszikus hibaszámítás 3 2. Lineáris egyenletrendszerek 3 3. Interpoláció 4 4. Sajátérték, sajátvektor 6 5. Lineáris és nemlineáris

Részletesebben