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

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Pénzügyi matematika. Sz cs Gábor. Szeged, 2011. szi félév. Szegedi Tudományegyetem, Bolyai Intézet"

Átírás

1 Pénzügyi matematika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet Szeged, szi félév Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 1 / 79

2 Értékpapírpiacok Bevezetés Értékpapírpiacok A t zsde (piac, market) egy olyan intézmény, melyen a résztvev k különféle eszközökkel (devizával, értékpapírral, árúval, energiával, stb.) kereskednek. Mi az értékt zsdével, tehát a devizák és értékpapírok piacával foglalkozunk. Törvényileg el írt szabályok: minden résztvev ugyanazokhoz az információkhoz juthat hozzá (tiltott a bennfentes kereskedés); minden pénzügyi eszköz esetén engedélyezett a short selling (fedezetlen eladás). Feltevések, melyek a valóságban (általában) nem teljesülnek: minden pénzügyi eszköz (deviza és értékpapír) korlátlanul osztható és likvid (bármikor eladható és megvásárolható); nincsenek tranzakciós költségek, megbízási jutalékok; a banki betét- és hitelkamatok egyenl ek; nincs korlátozás a bankkölcsön nagyságára és az értékpapírvásárlás mennyiségére. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 2 / 79

3 Bevezetés Értékpapírpiacok Matematikai modellek: mindig egy rögzített [0, T ] id intervallumot vizsgálunk; a determinisztikus T > 0 értéket lejárati id pontnak nevezzük; a cél bizonyos termékek piaci árának modellezése; további cél egy optimális kereskedési stratégia kidolgozása. Modellek típusai: diszkrét idej modellek: csak bizonyos 0 = t 0 < t 1 < < t N = T id pontokban kereskedhetünk, és emiatt az értékpapírok árát is csak ezekben az id pontokban vizsgáljuk. folytonos idej modellek: a [0, T ] intervallumon bármely id pontban kereskedhetünk, ezért az árakat folytonos id ben modellezzük. A piaci szerepl k a valóságban (általában) folytonos idej modelleket alkalmaznak, de a tranzakciós költségek miatt csak véges sok id pontban kereskednek. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 3 / 79

4 Bevezetés Értékpapírpiacok Részvény (Stock) Olyan eszköz, melynek nincs rögzített hozama. A piaci ára egy 0 t T id pontban egy S t véletlen változó, melynek értéke a t id pont el tt (általában) nem ismert. Kötvény (Bond) Olyan eszköz, melynek el re bejelentett kamata van, tehát kockázatmentes. Értéke egy 0 t T id pontban B t, mely a t id pont el tt is ismert. Például, diszkrét idej piacokon: (0 = t 0 < t 1 < < t N = T) a részvény ára a t k id pontban S k = S tk, mely csak a t k id pontban válik ismerté; a kötvény ára ugyanebben az id pontban B k = B tk, melyet legkés bb a t k 1 id pontban kihírdetnek. A modellekben egy vagy több részvénnyel, de csak egy kötvénnyel dolgozunk. (A piacon több kötvény is létezhet, de mi mindig kiválasztjuk azt, amelyik a legmagasabb hozamot biztosítja.) Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 4 / 79

5 Bevezetés Származtatott értékpapírok Származtatott értékpapírok Opciók Opciónak nevezünk egy olyan szerz dést, melyben az egyik fél vételi vagy eladási kötelezettséget vállal bizonyos piaci termékre a másik féllel szemben. Opciók közös jellemz i: a kötelezettséget vállaló felet az opció eladójának nevezzük, és azt mondjuk, hogy rövid (short) pozícióban van; a másik felet vev nek hívjuk, aki hosszú (long) pozícióban van; az opció mindig egy rögzített és véges [0, T ] id intervallumra vonatkozik, T a szerz dés lejárati id pontja; a kötelezettség általában csak akkor lép életbe, ha bizonyos piaci feltételek teljesülnek; az opció érvényesítését lehívásnak nevezzük; a vev a szerz dés megkötésekor a kötelezettségvállalásért cserébe díjat zet az eladónak, ez az opció ára. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 5 / 79

6 Bevezetés Származtatott értékpapírok Az opciós szerz déseket tovább lehet adni a másodlagos piacon, gyakorlatilag értékpapírnak tekinthet ek. Származtatott értékpapírok (derivatívák) A származtatott értékpapírok olyan pénzügyi eszközök, melyek értéke más eszközök értékét l függ. Megjegyzés: Általában az opció tulajdonosa (a kedvezményezett) nem érvényesíti a vételi vagy eladási jogát, hanem az eladó az aktuális piaci árak alapján készpénzzel váltja ki a kötelezettségét. (Tranzakciós költségek!) Kizetési függvény A kizetési függvény azt mutatja meg, hogy az opció tulajdonosa mekkora pénzösszeget realizál, ha optimálisan használja fel a jogosultságát. F kérdés: Hogyan árazzunk egy opciót, tehát mennyiért adjuk el vagy vásároljuk meg, hogy megérje nekünk? Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 6 / 79

7 Bevezetés Származtatott értékpapírok Európai vételi (call) opció Vételi jog (de nem kötelesség) egy adott részvényre. Az eladó vállalja, hogy a T lejárati id pontban a szerz désben rögzített K áron elad egy darab részvényt az opció aktuális tulajdonosának, ha az ezt akarja. Az európai vételi opció jellemz i: a K értéket kötési árnak (strike) nevezzük; a továbbiakban C jelöli az opció piaci árát; kizetési függvény: f (S T ) = (S T K) + ; a vev nyeresége: f (S T ) C = (S T K) + C; az eladó nyeresége: C f (S T ) = C (S T K) +. C K S T C K S T K S T Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 7 / 79

8 Bevezetés Származtatott értékpapírok Európai eladási (put) opció Eladási jog (de nem kötelesség) egy adott részvényre. Az eladó vállalja, hogy a T lejárati id pontban a szerz désben rögzített K áron megvesz egy darab részvényt az opció aktuális tulajdonosától, ha az ezt akarja. Az európai eladási opció jellemz i: a K értéket kötési árnak (strike) nevezzük; a továbbiakban P jelöli az opció piaci árát; kizetési függvény: f (S T ) = (K S T ) + ; a vev nyeresége: f (S T ) P = (K S T ) + P; az eladó nyeresége: P f (S T ) = P (K S T ) +. K K P P K S T P K S T P K K S T Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 8 / 79

9 Bevezetés Származtatott értékpapírok Kombinált opciók Kombinált opciónak nevezzük azt, amikor az opciós szerz dés több ugyanazon értékpapírra vonatkozó opciót egyesít. Példák: Bull spread: vételi opció (K 1, T ) vétele + vételi opció (K 2, T ) eladása, ahol K 1 < K 2 ; Bear spread: vételi opció (K 1, T ) vétele + vételi opció (K 2, T ) eladása, ahol K 1 > K 2 ; Calendar spread: vételi opció (K, T 1 ) vétele + vételi opció (K, T 2 ) eladása; Straddle (terpeszállás): vételi opció (K, T ) vétele + eladási opció (K, T ) vétele; Buttery spread: vételi opció (K 1, T ) vétele + vételi opció (K 2, T ) vétele + 2 vételi opció ((K 1 + K 2 )/2, T ) eladása. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 9 / 79

10 Bevezetés Származtatott értékpapírok Példa olyan opcióra, melynek kizetési függvénye nem csak az értékpapír lejáratkori árától függ: Look-back vételi opció Vételi jog (de nem kötelesség) egy adott részvényre a szerz désben adott T id pontban min{s t, 0 t T } kötési áron. Kizetési függvénye: f = S T min{s t, 0 t T } = max{s T S t, 0 t T }. Példa olyan opcióra, mely a lejárat el tt is lehívható: Amerikai vételi opció Vételi jog (de nem kötelesség) egy adott részvényre adott K kötési áron, melyet a vev a T id pontig bármikor lehívhat. A lehívás id pontja egy τ véletlen változó (megállási id ), a kizetési függvény f = (S τ K) +. Feladat: Deniáljuk a look-back eladási és az amerikai eladási opciót, és írjuk fel a kizetési függvényüket. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 10 / 79

11 Bevezetés Származtatott értékpapírok Hogyan árazzunk egy opciót, mi egy opció igazságos ára? Az igazságos ár alatt megéri megvenni, efölött megéri eladni az opciót. Szerencsejátékoknál és biztosításmatematikában a nagy számok törvénye miatt az igazságos ár a várható kizetés, tehát a kizetés várható értéke. Ez most nem jó ötlet, a nagy számok törvénye nem alkalmazható, ugyanis egy-egy opciót csak egyszer kötünk meg, és az egyes opciók nem is függetlenek. Más módszert fogunk alkalmazni. Meghatározzuk, hogy minimálisan mennyi pénzre van szükségünk ahoz, hogy a futamid végén a rendelkezésünkre álljon akkora összeg, amennyit zetnünk kell, tehát ami az opció kizetési függvénye. Az európai (és egyes más) opciók esetében elég a vételi opciót árazni, ebb l az eladási opció ára meghatározható. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 11 / 79

12 Bevezetés Opcióárazás egylépéses bináris piacon Opcióárazás egylépéses bináris piacon Kereskedési id pontok: 0 = t 0 < t 1 = T. A részvény ára: S 0 (determinisztikus) és S 1 (véletlen). A kötvény ára: B 0 és B 1 = (1 + r)b 0, ahol r > 1. Adott egy opció, a kizetési függvénye a részvény árától függ: F = f (S 1 ). A részvénynek, és ezáltal az opciónak két értéke lehet: eseménytér: Ω = {ω, ω }, P({ω }) = p, 0 < p < 1; a részvény és a kizetési függvény értéke: (s s ) S 1 (ω) = { s, ω = ω, s, ω = ω, F (ω) = f (S 1 ) = { f, ω = ω, f, ω = ω, Feladat: Árazzuk az opciót, tehát adjunk meg egy olyan X 0 értéket, mellyel gazdálkodva az opció eladója a lejáratkor át tud adni F = f (S 1 ) összeget az opció tulajdonosának. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 12 / 79

13 Bevezetés Opcióárazás egylépéses bináris piacon Portfólió A birtokunkban lév részvények és kötvények együttesét portfóliónak nevezzük. A részvények és a kötvények száma a t id pontban γ t illetve β t. Erre a portfólióra a π t = (β t, γ t ) jelölést fogjuk használni. A portfólió értéke a t id pontban: X t = β t B t + γ t S t. A portfólióban β és γ lehet negatív is. A negatív β hitelfelvételt, a negatív γ részvények kölcsönadását jelenti. Replikáló portfólió Azt mondjuk, hogy a portfólió replikál egy F értéke X T = F m.b. opciót, ha a lejáratkori Feladat: Adjuk meg azt a minimális X 0 értéket, melyb l kiindulva összeállíthatunk egy replikáló portfóliót. Tehát adjuk egy π 1 = (β 1, γ 1 ) portfóliót úgy, hogy X 1 = β 1 B 1 + γ 1 S 1 = F m.b. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 13 / 79

14 Bevezetés Opcióárazás egylépéses bináris piacon Ez az ár valóban igazságos, ugyanis bármely más opcióár esetén arbitrázsra, kockázatmentes hozamra van lehet ség: Ha az opció piaci ára C > X 0, akkor adjuk el az opciót C áron, X 0 összegb l állítsuk össze a (β 1, γ 1 ) replikáló portfóliót, és a maradék C X 0 összeget fektessük kötvénybe. A portfóliónk értéke az opció lejárati id pontjában éppen a kizetési függvény X 1 = F, tehát kockázatmentesen kerestünk (1 + r)(c X 0 ) összeget. Ha az opció piaci ára C < X 0, akkor adjuk el X 0 áron a (β 1, γ 1 ) replikáló portfóliót (short selling). A bejöv pénzb l C áron vegyük meg az opciót, a fennmaradó X 0 C összeget fektessük kötvénybe. A portfóliót a lejáratkor vissza kell ugyan vásárolnunk, de a birtokunkban lév opció éppen fedezi ezt az árat, és a kötvények lejáratkori ára kockázatmentes nyereség. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 14 / 79

15 Bevezetés Opcióárazás egylépéses bináris piacon A π 1 = (β 1, γ 1 ) portfólió értéke a T id pontban: β 1 (1 + r)b 0 + γ 1 s = f, ha ω = ω, β 1 (1 + r)b 0 + γ 1 s = f, ha ω = ω. Ennek létezik egyértelm megoldása: γ 1 = f f s s, β 1 = f γ 1 s (1 + r)b 0 = s f s f (s s )(1 + r)b 0. A portfólió értéke a 0 id pontban, tehát az opció ára: X 0 = β 1 B 0 + γ 1 S 0 = 1 [ (1 + r)s0 s ] f + [ s ] (1 + r)s 0 f 1 + r s s = 1 [ p 1 f + (1 p )f ] = 1 + r 1 + r E (F ) = r E (X 1 ), ahol p = P ({ω }) = P (F = f ) = (1 + r)s 0 s s s. Ha s < (1 + r)s 0 < s, akkor 0 < p < 1. (Arbitrázsmentesség!) Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 15 / 79

16 Bevezetés Opcióárazás egylépéses bináris piacon Ha a s < (1 + r)s 0 < s feltétel nem teljesülne, akkor arbitrázsra, kockázatmentes nyereségre lenne lehet ség, amit a piac hosszabb vagy rövidebb id alatt korrigálna: Ha (1 + r)s 0 s teljesülne, akkor állítsuk össze a ( S 0, B 0 ) portfóliót, tehát adjunk el S 0 kötvényt, és vegyünk B 0 részvényt. A portfólió értéke: X 0 = β 1 B 0 + γ 1 S 0 = 0, X 1 = β 1 B 1 + γ 1 S 1 ( S 0 )(1 + r)b 0 + B 0 s 0. Mivel ezt a piac minden szerepl je észrevenné, mindenki részvényt akarna venni, vagyis a részvény kiindulási S 0 ára megemelkedne. Ha (1 + r)s 0 s, akkor állítsuk össze az (S 0, B 0 ) portfóliót, adjunk el B 0 részvényt (short selling), és vegyünk S 0 kötvényt. A portfólió értéke: X 0 = β 1 B 0 + γ 1 S 0 = 0, X 1 = β 1 B 1 + γ 1 S 1 S 0 (1 + r)b 0 + ( B 0 )s 0. Emiatt mindenki próbálna megszabadulni a részvényeit l, hogy a pénzét kötvénybe fektesse, vagyis a részvény S 0 ára leesne. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 16 / 79

17 Bevezetés Opcióárazás egylépéses bináris piacon Példa: Európai call opció K = 1 kötési árral: r = 0, S 0 = B 0 = 1, s = 2 s = 0, 5, f = 1, f = 0. A formulák alkalmazásával: β 1 = 1/3 és γ 1 = 2/3. A portfólió értéke a 0 id pontban: X 0 = β 1 B 0 + γ 1 S 0 = 1/3. A mesterségesen bevezetett valószín ség: p = 1/3, amivel E (X 1 ) = E (F ) = p f + (1 p )f = 1/3 = X r. Diszkontált értékfolyamat A V t = X t /B t, 0 t T, folyamatot diszkontált értékfolyamatnak nevezzük. A korábbiak miatt: E (V 1 ) = E (X 1 ) (1 + r)b 0 = X 0 B 0 = V 0. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 17 / 79

18 Bevezetés Opcióárazás kétlépéses bináris piacon Opcióárazás kétlépéses bináris piacon Kereskedési id pontok: 0 = t 0 < t 1 < t 2 = T. Eseménytér: Ω = {ω, ω, ω, ω }. A kötvény ára: B 1 = B 0 (1 + r 1 ) és B 2 = B 1 (1 + r 2 ), ahol B 0 és r 1 determinisztikus, valamint { r r 2 =, ω {ω, ω }, r, ω {ω, ω }. A részvény ára S 0, S 1 S 1 = { s, ω {ω, ω }, s, ω {ω, ω }. és S 2, ahol S 0 determinisztikus, és S 2 = s, ω = ω, s, ω = ω, s, ω = ω, s, ω = ω. Az F 2 = f (S 0, S 1, S 2 ) kizetési függvény értékei: f, f, f, f. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 18 / 79

19 Bevezetés Opcióárazás kétlépéses bináris piacon Feladat: Határozzuk meg az opció igazságos árát, és adjunk meg egy replikáló stratégiát. Megoldás: Visszavezetjük a problémát három egylépéses piacra: Meghatározzuk, hogy a t 1 id pontban mekkora F 1 t kével kell rendelkeznünk ahoz, hogy a t 2 id pontra legyen replikáló portfóliónk. Az F 1 változó értékei { f F 1 =, S 1 = s, f, S 1 = s. Kiszámoljuk, hogy a t 0 id pontban mekkora F 0 determinisztikus t kével kell rendelkeznünk, hogy a t 1 -ben legyen F 1 összegünk. Mindeközben az egylépéses piacok portfóliói stratégiát is adnak. Mindehez fel kell tennünk, hogy mindhárom piac arbitrázsmentes, tehát s < S 0 (1 + r) < s, s < s (1 + r ) < s, s < s (1 + r ) < s. Házi feladat: Adjunk formulát az F 0 replikáló portfóliók összetételét. értékre, valamint határozzuk meg a Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 19 / 79

20 Diszkrét idej piacok Diszkrét idej piacok Deníciók Diszkrét idej piac Egy {Ω, A, P, F, B, S} halmazt N lépéses diszkrét idej piacnak nevezünk, ( jelölésben: (B, S) N ), ha (Ω, A, P) valószín ségi mez, N Z + ; F = {F n : n = 1,..., N} ltráció az eseménytéren, melyre F 1 = {, Ω} = F 0 F 1 F N = A; B = {B n 0 : n = 0,..., N} a kötvény el rejelezhet árfolyamata; S = {S n 0 : n = 0,..., N} a részvény árfolyamata, mely adaptált az F ltrációhoz, tehát S n mérhet F n -re, n = 0,..., N. El rejelezhet ség Azt mondjuk, hogy véletlen változóknak egy B 0,..., B N sorozata el rejelezhet, ha B n mérhet az F n 1 -re nézve, n = 0,..., N. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 20 / 79

21 Diszkrét idej piacok Deníciók Diszkrét idej bináris piac Egy (B, S) N diszkrét idej piac bináris (r 1,..., r N ) kamatlábakkal, valamint (a 1,..., a N ) és (b 1,..., b N ) együtthatókkal, ha r n > 1 és b n > a n > 1, n = 1,..., N; a kötvény ára determinisztikus B n = (1 + r n )B n 1, n = 1,..., N; a részvény ára S n = (1 + ρ n )S n 1, és valamely 0 < p n < 1 mellett P(ρ n = b n ) = p n és P(ρ n = a n ) = 1 p n, n = 1,..., N; minden információt a részvény árából szerzünk, tehát F n = σ(s 0,..., S n ) = σ(ρ 0,..., ρ n ), n = 0,..., N; Diszkrét idej homogén bináris piac Egy diszkrét idej bináris piac homogén, ha valamely r, a, b, p R értékekre r n = r, a n = a, b n = b és p n = p, n = 1,..., N; változók függetlenek (és azonos eloszlásúak). a ρ 1,..., ρ N Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 21 / 79

22 Diszkrét idej piacok Deníciók Kényelmi feltevés A továbbiakban feltesszük, hogy egy diszkrét idej piac esetén véges az eseménytér, és minden kimenetelnek pozitív a valószín sége. Jegyezzük meg, hogy egy diszkrét idej bináris piac reprezentálható az alábbi módon. Legyen az eseménytér illetve az események halmaza { Ω 0 = (x 1,..., x N ) : x n {a n, b n }, n = 1,..., N} és A0 = P(Ω 0 ). Ekkor egy ω = (x 1,..., x N ) Ω kimenetel valószín sége P 0 ( {ω} ) = P(ρ1 = x 1,..., ρ N = x N ). A kényelmi feltevés miatt P 0 (ω) > 0 minden ω Ω 0 esetén. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 22 / 79

23 Diszkrét idej piacok Stratégia és fedezet diszkrét idej piacon Stratégia és fedezet diszkrét idej piacon Stratégia Legyen β n és γ n el rejelezhet változó, tehát legyenek mérhet ek az F n 1 σ-algebrára, n = 0,..., N. A π = { π n = (β n, γ n ) : n = 0,..., N } portfóliósorozatot stratégiának nevezzük. A stratégia értékfolyamata és diszkontált értékfolyamata X π n = β n B n + γ n S n, V π n = X π n /B n, n = 0,..., N. Megjegyzések: π n az n 1 id pontban összeállított portfólió. π 0 az eredetileg rendelkezésre álló portfólió, gyakran π 0 = (β 0, 0). Nálunk F 1 = F 0 = {0, Ω}, ezért π 0 és π 1 determinisztikus. Az Xn π és a Vn π, n = 0,..., N, sorozat adaptált. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 23 / 79

24 Diszkrét idej piacok Stratégia és fedezet diszkrét idej piacon Önnanszírozó stratégia A π stratégia önnanszírozó, ha X π n 1 = β nb n 1 + γ n S n 1, n = 1,..., N. Jelentése: Nem teszünk be és nem veszünk ki pénzt a rendszerb l. Dierenciasorozat Egy α n véletlen vagy determinisztikus sorozat dierenciasorozata Önnanszírozó stratégiák Az alábbiak ekvivalensek. 1 A π stratégia önnanszírozó. α n = α n α n 1, n = 1, 2,... 2 Xn π = β n B n + γ n S n, n = 1,..., N. 3 B n 1 β n + S n 1 γ n = 0, n = 1,..., N. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 24 / 79

25 Diszkrét idej piacok Egy általánosabb diszkrét idej modell: Stratégia és fedezet diszkrét idej piacon K 1 részvény és egy kötvény. A részvények S (k) n, k = 1,..., K, n = 0,..., N, ára adaptált, az egyes részvények árfolyamata általában nem független. Stratégia, el rejelezhet sorozat: { π = π n = ( β n, γ (1) n,..., γ (K) ) } n, n = 0,..., N. A portfólió értéke: Xn π = β n B n + K k=1 γ(k) n n, n = 0,..., N. A stratégia önnanszírozó, ha az alábbi ekvivalens állítások valamelyike teljesül: 1 X π n 1 = β nb n 1 + K 2 X π n = β n B n + K k=1 γ(k) n S (k) n 1 k=1 γ(k) n S (k) S (k), n = 1,..., N; n, n = 1,..., N; 3 B n 1 β n + K k=1 S (k) n 1 γ(k) n = 0, n = 1,..., N. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 25 / 79

26 Diszkrét idej piacok Stratégia és fedezet diszkrét idej piacon Fedezeti stratégia (hedging stratégia) Egy (B, S) N diszkrét idej piacon legyen x R és f N : R N+1 R mérhet függvény. Egy π stratégiát (x, f N ) hedging stratégiának, fedezeti stratégiának vagy röviden fedezetnek nevezünk, ha X π = 0 x és X π N f ( ) N S0,..., S N m.b. A fedezeti stratégiát minimálisnak vagy tökéletesnek nevezzük, ha X π N = f ( ) N S0,..., S N m.b. Megjegyzések: Az Ω eseményen nincsen 0 valószín ség kimenetel, ezért a m.b. egyenl ség/egyenl tlenség minden ω Ω kimenetelre teljesül. Mi csak önnanszírozó (x, f N ) fedezeti stratégiákat fogunk vizsgálni. Ezek halmaza: Π(x, f N ). ( ) Speciális eset: f N S0,..., S N = g(sn ). Például: Európai opciók. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 26 / 79

27 Diszkrét idej piacok Stratégia és fedezet diszkrét idej piacon Arbitrázsstratégia Egy (B, S) N diszkrét idej piacon egy π önnanszírozó stratégia arbitrázs vagy arbirázsstratégia, ha X π = 0 m.b.; 0 Xn π 0 m.b., n = 1,..., N; P(X π N > 0) > 0, tehát létezik ω Ω, melyre X π N (ω) > 0. Általában feltesszük, hogy a piacon arbitrázsmentes, nincsen ingyenebéd. Arbitrázsstratégia létezése Tfh egy (B, S) N diszkrét idej piacon egy π önnanszírozó stratégiára teljesül, hogy X π = 0 m.b., 0 X π N 0 m.b. és P(X π N > 0) > 0. Ekkor létezik arbitrázsstratégia a piacon. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 27 / 79

28 Diszkrét idej piacok Ekvivalens martingálmértékek Ekvivalens martingálmértékek Ekvivalens mértékek Legyen µ és µ mérték egy (X, F) mérhet téren. Azt mondjuk, hogy a két mérték ekvivalens, ha abszolút folytonosak egymásra nézve, (azaz µ µ és µ µ), tehát tetsz leges A F mérhet halmazra µ(a) = 0 pontosan akkor teljesül, ha µ (A) = 0. Ekvivalens mértékek megszámlálható alaphalmazon Legyen µ és µ mérték az (X, F) téren, ahol X megszámlálható halmaz és F = 2 X. A két mérték pontosan akkor ekvivalens, ha tetsz leges x X elem esetén µ({x}) = 0 pontosan akkor, ha µ ({x}) = 0. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 28 / 79

29 Diszkrét idej piacok Ekvivalens martingálmértékek Ekvivalens martingálmérték Azt mondjuk, hogy P martingálmérték a (B, S) N piacon, ha P valószín ségi mérték az (Ω, A) téren; az S n /B n folyamat martingált alkot a P mérték alatt az F n, n = 0,..., N, ltrációra nézve. Ha ezen túl P és P ekvivalens mértékek, akkor P ekvivalens martingálmérték a piacon. A továbbiakban E jelöli a P szerinti várható értéket. Martingálmértékek diszkrét idej piacon Egy (B, S) N diszkrét idej piacon az alábbiak ekvivalensek. 1 P martingálmérték a piacon. 2 Tetsz leges π önnanszírozó stratégia esetén a V π n = X π n /B n diszkontált értékfolyamat martingál a P mérték alatt az F n, n = 0,..., N, ltrációra nézve. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 29 / 79

30 Diszkrét idej piacok Ekvivalens martingálmértékek Ekvivalens martingálmértékek diszkrét idej bináris piacon Tfh a (B, S) N diszkrét idej bináris piacon a n < r n < b n, n = 1,..., N, és tekintsük az eseménytér korábban vett (Ω 0, A 0, P 0 ) reprezentációját. Legyen p n = r n a n, n = 1,..., N, b n a n P ( { (x1,..., x N ) }) = (1 pn). Ekkor teljesülnek az alábbiak. 1 n N xn=bn p n 1 n N xn=an 1 A ρ 1,..., ρ N változók függetlenek a P valószín ségre nézve, és P (ρ n = b n ) = p n, n = 1,..., N. 2 A piacon P az egyetlen martingálmérték. 3 Ha teljesül a kényelmi feltevés, tehát minden kimenetelnek pozitív a P 0 valószín sége, akkor P ekvivalens martingálmérték. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 30 / 79

31 Diszkrét idej piacok Ekvivalens martingálmértékek Jegyezzük meg, hogy az (B, S) N diszkrét idej homogén bináris piacon az S N részvényár lehetséges értékei s k = S 0 (1 + b) k (1 + a) N k, k = 0,..., N. A részvényár pontosan akkor s k, ha az ár k alkalommal lépett felfelé, és N k alkalommal lépett lefelé. A binoniális fán az ilyen utak száma ( ) N k. Ekvivalens martingálmértékek diszkrét idej homogén bináris piacon Tegyük fel, hogy a (B, S) N diszkrét idej homogén piacon a < r < b. Ekkor a piacon létezik pontosan egy ekvivalens martingálmérték, melyre P ( ) ( ) N (p S N = S 0 (1+b) k (1+a) N k = ) k( 1 p ) N k, k = 0,..., N, k ahol p = (r a)/(b a). Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 31 / 79

32 Diszkrét idej piacok Ekvivalens martingálmértékek A közgazdászok az ekvivalens martingálmértéket kockázatsemleges valószín ségnek nevezik. Az egyszer ség kedvéért legyen B 0 = 1, és tegyük fel, hogy S 0 összeget fektetünk be. Ha egy darab részvényt veszünk, akkor a befektetés diszkontált lejáratkori értékének várható értéke P szerint E ( S N /B N ) = S0 /B 0 = S 0. Ha a teljes összeget kötvénybe fektetjük, akkor a diszkontált lejáratkori érték várható értéke E ( S 0 B N /B N ) = S0. Tehát a kockázatos részvénybefektetés várható értékben pontosan akkora hozamot ad, mint a kötvény. Speciálisan, diszkrét idej bináris piacon E (S N ) = (1 + r 1 ) (1 + r N )S 0. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 32 / 79

33 Diszkrét idej piacok Ekvivalens martingálmértékek Martingálok Legyen V 0,..., V N az F 0,..., F N ltrációhoz adaptált sorozat, és tegyük fel, hogy tetsz leges τ : Ω {0,..., N} megállási id esetén E(V τ ) = E(V 0 ). Ekkor V 0,..., V N martingál a ltrációra nézve. Az arbitrázsmentességre vonatkozó f tétel Egy (B, S) N diszkrét idej piacon a következ k ekvivalensek. 1 Létezik ekvivalens martingálmérték. 2 A piac kizárja az arbitrázslehet séget. A f tétel következménye bináris piacon Tegyük fel, hogy egy (B, S) N diszkrét idej bináris piacon teljesül a kényelmi feltevés. Ekkor az alábbiak ekvivalensek. 1 Létezik ekvivalens martingálmérték. 2 A piac kizárja az arbitrázslehet séget. 3 a n < r n < b n, n = 1,..., N. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 33 / 79

34 A piac teljessége Diszkrét idej piacok A piac teljessége Teljes piac A (B, S) N diszkrét idej piac teljes, ha bármely f N kizetési függvényhez létezik minimális fedezet, tehát olyan π önnanszírozó stratégia, melyre X π N = f ( ) N S0,..., S N m.b. A teljességre vonatkozó f tétel következménye: Teljesség diszkrét idej bináris piacon A (B, S) N diszkrét idej bináris piac pontosan akkor teljes, ha a n r n b n, n = 1,..., N. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 34 / 79

35 Diszkrét idej piacok A piac teljessége A teljességre vonatkozó f tétel Tegyük fel, hogy a (B, S) N diszkrét idej piacon létezik P ekvivalens martingálmérték. Ekkor az alábbiak ekvivalensek. 1 A piac teljes. 2 P az egyetlen ekvivalens martingálmérték a piacon. 3 Tetsz leges (M n, F n, P ) 0 n N martingál el áll M n = M 0 + n k=1 alakban, ahol a γ n, n = 1,..., N ( Sn γ k S ) n 1, n = 1,..., N, B n B n 1 változók el rejelezhet ek. A gyakorlatban, ha adott egy piac és egy részvényopció: (2) Létezik egyértelm ekvivalens martingálmérték = (1) Az opcióra létezik fedezeti stratégia, bár nem ismerjük = (3) A fedezeti stratégia felírható, az opció árazható Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 35 / 79

36 Opciók árazása Diszkrét idej piacok Opciók árazása Befektetési költség A (B, S) N diszkrét idej piacon tekintsünk egy f N (S 0,..., S N ) kizetési függvényt, valamint az ehhez kapcsolódó opciót. A C N,fN = inf { x R : Π(x, f N ) } értéket az opció befektetési költségének nevezzük. Fedezeti stratégia létezése A (B, S) N piacon tetsz leges f N (S 0,..., S N ) kizetési függvény esetén létezik x R, melyre Π(x, f N ). Ebb l C N,fN <. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 36 / 79

37 Diszkrét idej piacok Opciók árazása Feltételes követelések árazása Tfh létezik P ekvivalens martingálmérték a (B, S) N diszkrét idej piacon, és tekintsünk egy f N (S 0,..., S N ) kizetési függvényt. Ekkor C N,fN [ ] E B0 ( ) f N S0,..., S N. B N Továbbá, ha a piac teljes, akkor a kizetési függvény replikálható, és a befektetési költség [ ] C N,fN = E B0 ( ) f N S0,..., S N. B N Megjegyzések: Teljes piacon az opció igazságos (arbitrázsmentes) ára C N,fN. Ha π egy minimális fedezeti stratégia, akkor [ X X π n = B n E π ] [ N 1 Fn = B n E ( ) ] f N S0,..., S N Fn. B N B N Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 37 / 79

38 Diszkrét idej piacok Néhány széles körben alkalmazott árazási formula Néhány széles körben alkalmazott árazási formula Árazás diszkrét idej bináris piacon Tfh a (B, S) N diszkrét idej bináris piacon a n < r n < b n, n = 1,..., N, és tegyük fel, hogy teljesül a kényelmi feltevés. Jelölje P az egyetlen ekvivalens martingálmértéket a piacon, és tekintsünk egy tetsz leges f N (S 0,..., S N ) kizetési függvényt. Ekkor az opcióra létezik minimális fedezeti stratégia, és az opció árbitrázsmentes ára C N,fN = 1 d E ( ) N f N S0,..., S N, ahol d = (1 + r n ). Speciálisan, ha f (S 0,..., S N ) = g(s N ), akkor C N,fN = 1 ( g S 0 + b n ) d H {1,...,N} n H(1 ) (1 + a n ) n H n H n=1 (1 pn). p n n H Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 38 / 79

39 Diszkrét idej piacok Néhány széles körben alkalmazott árazási formula Fedezeti stratégia diszkrét idej bináris piacon Az el z tétel feltételei mellett legyen M n = 1 d E [ f N ( S0,..., S N ) Fn ], n = 0,..., N. Ekkor teljesülnek az alábbiak. 1 Léteznek h n : R n R mérhet determinisztikus függvények, hogy M n = h n ( ρ1,..., ρ n ) m.b., n = 1,..., N. 2 Az alábbi stratégia egy lehetséges fedezet a kizetési függvényre: β 0 = M 0, γ 0 = 0, β n = M n γ n S n B n, n = 1,..., N, γ n = B [ n ( ) ( ) ] h n ρ1,..., ρ n 1, b n hn ρ1,..., ρ n 1, a n, S n 1 (b n a n ) Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 39 / 79

40 Diszkrét idej piacok Néhány széles körben alkalmazott árazási formula CoxRossRubinstein árazási formula A (B, S) N diszkrét idej homogén bináris piacon legyen a < r < b. Ekkor az európai call opció arbitrázsmentes ára K lejáratkori ár esetén ahol p = r a b a, C N,K = S 0 B(k 0, N, p) K(1 + r) N B(k 0, N, p ), p = 1 + b log 1 + r p, k 0 = 1 + K S0(1+a) N log 1+b 1+a továbbá j Z és 0 p 1 esetén N ( N ) k=j k p k (1 p) N k, 0 j N, B(j, N, p) = 0, j > N, 1, j < 0., Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 40 / 79

41 Diszkrét idej piacok Néhány széles körben alkalmazott árazási formula Put-Call paritás Ha a (B, S) N diszkrét idej piac teljes, akkor a K kötési árhoz tartozó európai vételi és eladási opció arbitrázsmentes árára P N,K = C N,K S 0 + KE ( B 0 /B N ). Speciálisan, teljes bináris piacon P N,K = C N,K S 0 + K/ N n=1 (1 + r n). Amerikai típusú opciók árazása Egy opciót amerikai típusúnak nevezünk, ha a lejárati id el tt is lehívható. Tegyük fel, hogy a (B, S) N piacon létezik P ekv. martingálmérték. Az opció fedezéséhez szükséges összeg: Cn Am, n = 0,..., N. A kizetés, ha az opciót lehívják az n. id pontban: Cn, L n = 0,..., N. Ekkor a befektetési költség C Am 0, ahol visszafelé haladó rekurzióval ] F n C Am n = max ( [ ) Cn, L Cn Eu, C Eu n = E Bn C Am n+1 B n+1, n = 0,..., N 1. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 41 / 79

42 Sztochasztikus kalkulus A standard Wiener folyamat és tulajdonságai A standard Wiener folyamat és tulajdonságai A standard Wiener folyamat A W (t), t 0, sztochasztikus folyamat standard Wiener folyamat vagy standard Brown mozgás, ha W (0) = 0 m.b. W (t), t 0, független növekmény. Tetsz leges 0 s t esetén W (t) W (s) N(0, t s). (= a folyamat stacionárius növekmény ) W (t), t 0, mintafolytonos. Legyen µ R és σ > 0 tetsz leges. Az X (t), t 0, folyamat Brown mozgás µ drifttel és σ volatilitással, ha X (t) = µt + σw (t), t 0. Sz cs Gábor (SZTE, Bolyai Intézet) Pénzügyi matematika szi félév 42 / 79

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

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

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

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

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

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

Valószín ségelmélet házi feladatok

Valószín ségelmélet házi feladatok Valószín ségelmélet házi feladatok Minden héten 3-4 házi feladatot adok ki. A megoldásokat a következ órán kell beadni, és kés bb már nem lehet pótolni. Csak az mehet vizsgázni, aki a 13 hét során kiadott

Részletesebben

Kockázati folyamatok. Sz cs Gábor. Szeged, 2012. szi félév. Szegedi Tudományegyetem, Bolyai Intézet

Kockázati folyamatok. Sz cs Gábor. Szeged, 2012. szi félév. Szegedi Tudományegyetem, Bolyai Intézet Kockázati folyamatok Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet Szeged, 2012. szi félév Sz cs Gábor (SZTE, Bolyai Intézet) Kockázati folyamatok 2012. szi félév 1 / 48 Bevezetés A kurzus céljai

Részletesebben

Véletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10.

Véletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10. 2. rész 2012. december 10. Határeloszlás tételek a bolyongás funkcionáljaira 1 A bolygó pont helyzete: EX i = 0, D 2 X i = EX 2 = 1 miatt i ES n = 0, D 2 S n = n, és a centrális határeloszlás tétel (CHT)

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

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

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

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb

Részletesebben

Funkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér

Funkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér Funkcionálanalízis Gyakorló feladatok 2017 március 22 Metrikus tér, normált tér és skalárszorzat tér N1 Metrikát deniálnak-e R-en az alábbi függvények: (a) d(x, y) = x y (b) d(x, y) = x y (c) d(x, y) =

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

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

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

Részletesebben

Itô-formula. A sztochasztikus folyamatok egyik legfontosabb formulája. Medvegyev Péter Matematika tanszék

Itô-formula. A sztochasztikus folyamatok egyik legfontosabb formulája. Medvegyev Péter Matematika tanszék Itô-formula A sztochasztikus folyamatok egyik legfontosabb formulája Medvegyev Péter Matematika tanszék 2008 Medvegyev (Corvinus Egyetem) Itô-formula 2008 1 / 39 Az Itô-formula Theorem Ha F kétszer folytonosan

Részletesebben

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Funkcionálanalízis. n=1. n=1. x n y n. n=1 Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok

Részletesebben

Analízisfeladat-gyűjtemény IV.

Analízisfeladat-gyűjtemény IV. Oktatási segédanyag a Programtervező matematikus szak Analízis. című tantárgyához (003 004. tanév tavaszi félév) Analízisfeladat-gyűjtemény IV. (Függvények határértéke és folytonossága) Összeállította

Részletesebben

Biztosítási kockázatok elemzése befektetések gyelembe vételével

Biztosítási kockázatok elemzése befektetések gyelembe vételével Biztosítási kockázatok elemzése befektetések gyelembe vételével Diplomamunka Írta: Csisztu Nóra Alkalmazott matematikus szak Témavezet k: Márkus László, egyetemi docens Valószín ségelméleti és Statisztika

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

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

LIKVIDITÁSI KOCKÁZATOK

LIKVIDITÁSI KOCKÁZATOK LIKVIDITÁSI KOCKÁZATOK SZAKDOLGOZAT Írta: Kiss Blanka Biztosítási és pénzügyi matematika MSc Kvantitatív pénzügyek szakirány Témavezet : Prokaj Vilmos egyetemi docens Valószín ségelméleti és Statisztika

Részletesebben

Konvex optimalizálás feladatok

Konvex optimalizálás feladatok (1. gyakorlat, 2014. szeptember 16.) 1. Feladat. Mutassuk meg, hogy az f : R R, f(x) := x 2 függvény konvex (a másodrend derivált segítségével, illetve deníció szerint is)! 2. Feladat. Mutassuk meg, hogy

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus folyamatok alapfogalmak Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos

Részletesebben

Valószín ségelmélet. Pap Gyula

Valószín ségelmélet. Pap Gyula Valószín ségelmélet Pap Gyula Szegedi Tudományegyetem, Bolyai Intézet, Sztochasztika Tanszék papgy@math.u-szeged.hu 1 Mértékelméleti el készítés 1.1 Deníció. Legyen Ω nemüres halmaz. Az Ω bizonyos részhalmazaiból

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

1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy

1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy /. Házi feladat. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy mindig igaz. (p (( p) q)) (( p) ( q)). Igazoljuk, hogy minden A, B és C halmazra A \ (B C) = (A \ B) (A \ C) teljesül.

Részletesebben

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31 Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen

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

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

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

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 9. el adás Bevezetés az ökonozikába El adó: London András 2015. november 2. Motiváció Komplex rendszerek modellezése statisztikus mechanika és elméleti zika

Részletesebben

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2) Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses

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

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

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

Sztochasztikus folyamatok

Sztochasztikus folyamatok Sztochasztikus folyamatok Pap Gyula, Sz cs Gábor Szegedi Tudományegyetem Bolyai Intézet, Sztochasztika Tanszék Utolsó frissítés: 2014. február 8. Tartalomjegyzék Tartalomjegyzék 2 1. Sztochasztikus folyamatok

Részletesebben

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható 8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás

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

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:

Részletesebben

Gyakorló feladatok a Valószín ségelmélet kurzushoz

Gyakorló feladatok a Valószín ségelmélet kurzushoz Gyakorló feladatok a Valószín ségelmélet kurzushoz 1 Mértékelméleti ismétlés 2 2 Generált σ-algebrák, függetlenség 3 3 A Kolmogorov 01 törvény és a BorelCantelli-lemmák 5 4 Folytonos eloszlások konvolúciója

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

Gazdasági matematika II. tanmenet

Gazdasági matematika II. tanmenet Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):

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

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

Populációdinamika kurzus, projektfeladat. Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben. El adó:

Populációdinamika kurzus, projektfeladat. Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben. El adó: Populációdinamika kurzus, projektfeladat Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben El adó: Unger Tamás István okleveles villamosmérnök matematika B.Sc. szakos hallgató Szeged

Részletesebben

Matematika A1a Analízis

Matematika A1a Analízis B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Differenciálhatóság H607, EIC 2019-03-14 Wettl

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

CHT& NSZT Hoeffding NET mom. stabilis. 2011. november 9.

CHT& NSZT Hoeffding NET mom. stabilis. 2011. november 9. CHT& NSZT Hoeffding NET mom. stabilis Becslések, határeloszlás tételek Székely Balázs 2011. november 9. CHT& NSZT Hoeffding NET mom. stabilis 1 CHT és NSZT 2 Hoeffding-egyenlőtlenség Alkalmazása: Beengedés

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Centrális határeloszlás-tétel

Centrális határeloszlás-tétel 13. fejezet Centrális határeloszlás-tétel A valószínűségszámítás legfontosabb állításai azok, amelyek független valószínűségi változók normalizált összegeire vonatkoznak. A legfontosabb ilyen tételek a

Részletesebben

Valószínűségelmélet. Pap Gyula. Szegedi Tudományegyetem. Szeged, 2016/2017 tanév, I. félév

Valószínűségelmélet. Pap Gyula. Szegedi Tudományegyetem. Szeged, 2016/2017 tanév, I. félév Valószínűségelmélet Pap Gyula Szegedi Tudományegyetem Szeged, 2016/2017 tanév, I. félév Pap Gyula (SZTE) Valószínűségelmélet 2016/2017 tanév, I. félév 1 / 125 Ajánlott irodalom: CSÖRGŐ SÁNDOR Fejezetek

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

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

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb

Részletesebben

Szokol Patricia szeptember 19.

Szokol Patricia szeptember 19. a Haladó módszertani ismeretek című tárgyhoz 2017. szeptember 19. Legyen f : N R R adott függvény, ekkor a x n = f (n, x n 1 ), n = 1, 2,... egyenletet elsőrendű differenciaegyenletnek nevezzük. Ha még

Részletesebben

Értelmezési tartomány, tengelymetszetek, paritás. (ii) Határérték. (iii) Első derivált, monotonitás, x x 2 dx = arctg x + C = arcctgx + C,

Értelmezési tartomány, tengelymetszetek, paritás. (ii) Határérték. (iii) Első derivált, monotonitás, x x 2 dx = arctg x + C = arcctgx + C, 25.2.8. Kalkulus I. NÉV:... A csoport EHA:... FELADATOK:. Lineáris transzformációk segítségével ábrázoljuk az f() = ln(2 3) függvényt. 7pt 2. Határozzuk meg az f() = 2 3 + 2 2 2 + függvény szélsőértékeit

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

Sztochasztikus mez k a pénzügyekben

Sztochasztikus mez k a pénzügyekben Sztochasztikus mez k a pénzügyekben Szakdolgozat Írta: Drahos Csaba Biztosítási és Pénzügyi Matematika MSc Kvantitatív Pénzügyek szakirány Témavezet : Dr. Márkus László egyetemi docens Valószín ségelméleti

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét

Részletesebben

Sorozatok és Sorozatok és / 18

Sorozatok és Sorozatok és / 18 Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle

Részletesebben

matematikai statisztika 2006. október 24.

matematikai statisztika 2006. október 24. Valószínűségszámítás és matematikai statisztika 2006. október 24. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................

Részletesebben

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet Biostatisztika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2018/19 tavaszi félév Bevezetés Tudnivalók, követelmények Tudnivalók, követelmények Félév tematikája: Értékelés: Valószín ségszámítás

Részletesebben

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O 1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

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

Matematika A1a Analízis

Matematika A1a Analízis B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika Aa Analízis BMETE90AX00 Az exp és ln függvények H607, EIC 209-04-24 Wettl

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

MODELLEK ÉS ALGORITMUSOK ELŐADÁS

MODELLEK ÉS ALGORITMUSOK ELŐADÁS MODELLEK ÉS ALGORITMUSOK ELŐADÁS Szerkesztette: Balogh Tamás 214. december 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így

Részletesebben

8n 5 n, Értelmezési tartomány, tengelymetszetek, paritás. (ii) Határérték. (iii) Első derivált, monotonitás,

8n 5 n, Értelmezési tartomány, tengelymetszetek, paritás. (ii) Határérték. (iii) Első derivált, monotonitás, 3... Kalkulus I. NÉV:... A csoport EHA:... FELADATOK:. Definíció szerint és formálisan is határozzuk meg az f() = 4 deriváltját az = helyen.pt. Határozzuk meg a következő határértékeket: pt lim n 8n 5

Részletesebben

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28 Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek

Részletesebben

Numerikus módszerek 1.

Numerikus módszerek 1. Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk

Részletesebben

Pénzügyi matematika. Medvegyev Péter. 2013. szeptember 8.

Pénzügyi matematika. Medvegyev Péter. 2013. szeptember 8. Pénzügyi matematika Medvegyev Péter 13. szeptember 8. Az alábbi jegyzet a korábbi ötéves gazdaságmatematikai képzés keretében a Corvinus egyetemen tartott matematikai el adásaim kib vített verziója. A

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

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

Alapfogalmak, valós számok Sorozatok, határérték Függvények határértéke, folytonosság A differenciálszámítás Függvénydiszkusszió Otthoni munka

Alapfogalmak, valós számok Sorozatok, határérték Függvények határértéke, folytonosság A differenciálszámítás Függvénydiszkusszió Otthoni munka Pintér Miklós miklos.pinter@uni-corvinus.hu Ősz Alapfogalmak Halmazok Definíció Legyen A egy tetszőleges halmaz, ekkor x A (x / A) jelentése: x (nem) eleme A-nak. A B (A B) jelentése: A (valódi) részhalmaza

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

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

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

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0 I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)

Részletesebben

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének. Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének

Részletesebben

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be! MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:

Részletesebben

Sztochasztikus folyamatok

Sztochasztikus folyamatok Sztochasztikus folyamatok Benke János és Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2016. tavaszi félév Sztochasztikus folyamatok Deníció, példák Sztochasztikus folyamatok A továbbiakban legyen

Részletesebben

4. Laplace transzformáció és alkalmazása

4. Laplace transzformáció és alkalmazása 4. Laplace transzformáció és alkalmazása 4.1. Laplace transzformált és tulajdonságai Differenciálegyenletek egy csoportja algebrai egyenletté alakítható. Ennek egyik eszköze a Laplace transzformáció. Definíció:

Részletesebben

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008

Részletesebben

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2

Részletesebben

A pénzügyi kockázat elmélete

A pénzügyi kockázat elmélete 7. Kötvények és árazásuk Részvények és kötvények Részvény: tulajdonrészt jelent, részesedést a vállalat teljesítményéb l. Kötvény: hitelt jelent és a tartozás visszazetésének szabályait. A részvényeket

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

12. előadás - Markov-láncok I.

12. előadás - Markov-láncok I. 12. előadás - Markov-láncok I. 2016. november 21. 12. előadás 1 / 15 Markov-lánc - definíció Az X n, n N valószínűségi változók sorozatát diszkrét idejű sztochasztikus folyamatnak nevezzük. Legyen S R

Részletesebben

Analízis I. beugró vizsgakérdések

Analízis I. beugró vizsgakérdések Analízis I. beugró vizsgakérdések Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v1.7 Forrás: Dr. Weisz Ferenc: Prog. Mat. 2006-2007 definíciók

Részletesebben

FELVÉTELI VIZSGA, július 21. Írásbeli próba MATEMATIKÁBÓL A. RÉSZ

FELVÉTELI VIZSGA, július 21. Írásbeli próba MATEMATIKÁBÓL A. RÉSZ BABE -BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR FELVÉTELI VIZSGA, 9. július. Írásbeli próba MATEMATIKÁBÓL FONTOS MEGJEGYZÉS: ) Az A. részben megjelen feleletválasztós feladatok esetén

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

Modellek és Algoritmusok - 2.ZH Elmélet

Modellek és Algoritmusok - 2.ZH Elmélet Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)

Részletesebben