Tenemos
V(t)=EQ[1S(T1)>B(S(T2)−K)+)]=EQ[1S(T1)>B1S(T2)>K(S(T2)−K))]=EQ[1S(T1)>B1S(T2)>KS(T2)]−KEQ[1S(T1)>B1S(T2)>K]
El segundo término es igual a EQ[1S(T1)>B1S(T2)>K]=P(S(T1)>B,S(T2)>K)=P(WT1>ln(BS0)+μ22T1σ,WT2>ln(KS0)+μ22T2σ)=P(−WT1<−ln(BS0)+μ22T1σ,−WT2<ln(KS0)+μ22T2σ)=Φ2((−d1,−d2);(0,0);Σ) donde
- Φ2(x;μ,Σ) es la función de probabilidad acumulada de (X1,X2) siguiendo la distribución normal bivariada N2(μ,Σ)
- Σ es la matriz de covarianza de (−W1,−W2) y di=ln(BS0)+μ22Tiσ
Para el primer término, haga un cambio de medida con St como el numerario, se puede transformar en EQ[1S(T1)>B1S(T2)>KS(T2)]=EQS[1S′(T1)>B1S′(T2)>K] después, aplicando el mismo método utilizado para el segundo término. Q.E.D
0 votos
Para t<T1 , Vt=e−r(T2−t)EQt[(ST2−K)+1{ST1>B}]=e−r(T2−t)EQt[EQT1[(ST2−K)+1{ST1>B}]]=e−r(T1−t)EQt[e−r(T2−T1)EQT1[(ST2−K)+]1{ST1>B}]=e−r(T1−t)EQt[CT11{ST1>B}], donde CT1=ST1e−q(T2−T1)N(d1)−Ke−r(T2−T1)N(d2).
0 votos
Además, tenga en cuenta que E[f(X)1{X>B}]=E[f(X)|{X>B}]Pr[{X>B}]. La probabilidad puede calcularse fácilmente Qt[{ST1>B}]=N(ln(StB)+(r−q−12σ2)(T1−t)σ√T1−t).
0 votos
@Kevin: No creo que este enfoque funcione porque tienes ST1 en d1 y d2 .
1 votos
@NN2 Porque CT1 depende de ST1 de forma no lineal, calculando EQt[CT11{ST1>B}] no es trivial. Por eso el segundo comentario ilustra que hay que calcular una expectativa condicional, debido a la covarianza entre el precio de la opción, CT1 y el indicador, 1{ST1>B} . Mi comentario dejó abierto cómo computar EQt[CT1|{ST1>B}] (Ahora mismo no tengo mucho tiempo). ¿Me he perdido algo en lo que me he equivocado por completo? Tu respuesta es posiblemente más fácil, ¡por eso la he votado! :)
0 votos
@Kevin Gracias por el upvoting. Efectivamente, lo que quería decir es que es difícil tener una solución de forma cerrada porque no es trivial calcular la expectativa condicional mientras haya ST1 en el N(...) como has dicho.