Tese Andre Cury Maiali

Andr Cury Maiali
Controle timo Estocstico a Tempo Discreto

e Espao de Estado Contnuo Aplicado
a Derivativos
rea de Concentrao: Engenharia de Sistemas
Tese apresentada ao Departamento de Engenharia de Telecomunicaes e Controle da Escola Politcnica da Universidade de So Paulo para a obteno do ttulo de Doutor
em Engenharia.
Orientador: Prof. Dr. Oswaldo Luiz do Valle Costa
So Paulo, 2006
Este exemplar foi revisado e alterado em relao verso original,

sob responsabilidade nica do autor e com a anuncia de seu
orientador.
So Paulo, 18 de julho de 2006.
Assinatura do autor____________________________________
Assinatura do orientador _______________________________
FICHA CATALOGRFICA
Maiali, Andr Cury

Controle timo estocstico a tempo discreto e espao de
estado contnuo aplicado a derivativos / A.C. Maiali. -- ed.rev. -So Paulo, 2006.
135 p.
Tese (Doutorado) Escola Politcnica da Universidade de
So Paulo. Departamento de Engenharia de Telecomunicaes e
Controle.
1.Controle timo 2. Derivativos 3. Processos estocsticos
I. Universidade de So Paulo. Escola Politcnica. Departamento
de Engenharia de Telecomunicaes e Controle II.t
Agradecimentos
(em ordem alfabtica)
Aos meus pais, Antnio e Penha, pela minha educao.

Aos meus grandes amigos, Daniela Akizuki e Germano Capistrano Bezerra, cuja
ajuda tornou possvel a realizao desta tese.
Ao Prof. Dr. Oswaldo Luiz do Valle Costa, pelos ensinamentos, pela pacincia
e pela confiana.
minha esposa, Fabiana, e aos nossos filhos, Giulia e Enrico.
Resumo
Nesta tese abordamos o problema do hedging de mnima varincia de derivativos em mercados incompletos usando a teoria de controle timo estocstico
com critrio quadrtico de otimizao.
Desenvolvemos um modelo geral de apreamento e hedging de derivativos
em mercados incompletos, a tempo discreto, que capaz de acomodar qualquer
tipo de payoff com caracterstica europia que dependa de n ativos de risco.
Nesse modelo, o mercado pode apresentar diferentes modos de operao, o que
foi formalizado matematicamente por meio de uma cadeia de Markov.
Tambm desenvolvemos um modelo geral de apreamento e hedging de derivativos em mercados incompletos, a tempo discreto e espao de estados contnuo,
que capaz de acomodar qualquer tipo de payoff com caracterstica europia
que dependa de um ativo de risco cujos retornos sejam representados por um
processo de difuso com saltos.
Desenvolvemos, ainda, expresses analticas fechadas para o apreamento e
hedging de uma opo de compra europia vanilla em duas situaes: (1) quando
os retornos do ativo de risco so representados por um processo de difuso com
saltos, e (2) quando os retornos do ativo de risco so representados por um
processo de Wiener.
Por fim, realizamos simulaes numricas para o controle (hedging) de uma
opo de compra europia vanilla quando os retornos do ativo de risco so
representados por um processo de Wiener, e comparamos os resultados obtidos
com a estratgia de controle derivada do modelo de Black & Scholes.
Abstract
In this thesis we approach the mean-variance hedging problem of derivatives
in incomplete markets employing the theory of stochastic optimal control with
quadratic optimization criteria.
We developed a general derivatives pricing and hedging model in incomplete
markets, in discrete time, capable of accommodating any type of European
payoff contingent on n risky assets. In this model, the market may exhibit
different operating modes, which were mathematically formalized by means of
a Markov chain.
We also developed a general derivatives pricing and hedging model in incomplete markets, in discrete time and continuous state space, capable of accommodating any type of European payoff contingent on one risky asset whose
returns are described by a jump diffusion process.
Even further, we developed closed-form analytical expressions for the pricing
and hedging of a European vanilla call option in two situations: (1) when the
risky asset returns are described by a jump diffusion process, and (2) when the
risky asset returns are described by a Wiener process.
Finally, we simulated the control (hedging) of a European vanilla call option
when the risky asset returns are described by a Wiener process, and compared
the results to those obtained with the control strategy derived from the Black
& Scholes model.
Sumrio
1 Introduo
1.1 Motivao Para a Tese .
1.2 Objetivo da Tese . . . .
1.3 Estrutura da Tese . . .
1.4 Contribuies Originais
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Reviso Bibliogrfica
2.1 Conceitos Bsicos . . . . . . . . .
2.2 Estratgias de Controle (Hedging)
Tempo Contnuo . . . . . . . . .
2.3 Estratgias de Controle (Hedging)
Tempo Discreto . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . .
com Critrios
. . . . . . . .
com Critrios
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . .
Quadrticos em
. . . . . . . . . .
Quadrticos em
. . . . . . . . . .
9
9
10
10
11
13
13
15
18
3 Modelos em Tempo Discreto

3.1 Modelo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Definies . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Descrio dos Elementos do Modelo Geral . . . . . . . . .
3.1.3 Formulao do Problema de Hedging de Mnima Varincia
3.1.4 Variance Optimal Measure . . . . . . . . . . . . . . . . . .
3.1.5 Clculo de H( ) . . . . . . . . . . . . . . . . . . . . . . .
3.1.6 Uma Interpretao Para H( ) . . . . . . . . . . . . . . . .
3.2 Modelo com n Ativos de Risco sem Cadeia de Markov . . . . . .
3.3 Modelo com Um Ativo de Risco sem Cadeia de Markov . . . . .
19
19
20
22
23
26
28
29
29
31
4 Modelo em Tempo Discreto, com Espao de Estados Contnuo,

com Um Ativo de Risco e sem Cadeia de Markov
4.1 Conceitos Preliminares . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Equaes de Estado Para X num Espao de Estados Contnuo
4.3 Resultados Principais . . . . . . . . . . . . . . . . . . . . . . . .
33
33
36
40
5 Aplicao
42
5.1 Opo de Compra Europia Vanilla com Jumps . . . . . . . . . . 42
5.2 Opo de Compra Europia Vanilla sem Jumps . . . . . . . . . . 46
6 Simulaes Numricas
49
6.1 Estrutura das Simulaes . . . . . . . . . . . . . . . . . . . . . . 49
6.2 Resultados das Simulaes . . . . . . . . . . . . . . . . . . . . . . 52
6.3 Discusso dos Resultados . . . . . . . . . . . . . . . . . . . . . . 65
7 Concluses e Pesquisas Futuras

70
7.1 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
7.2 Pesquisas Futuras . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
A Demonstraes
75
Captulo 1
Introduo
Neste captulo, inicialmente apresentamos o problema que serviu de motivao
para esta tese e, em seguida, descrevemos qual o objetivo a ser atingido. Na
sequncia, descrevemos a forma como esta tese est estruturada, discorrendo
brevemente sobre o contedo de cada captulo. Por fim, apontamos de forma
objetiva quais so as contribuies originais contidas neste trabalho.
1.1
Motivao Para a Tese
Um derivativo financeiro H um instrumento financeiro cujo valor depende do

valor de outros instrumentos financeiros mais elementares, chamados de ativos
base ou ativos objeto. Em termos matemticos, sendo S(t) um vetor contendo
os preos dos ativos base, o valor do derivativo financeiro no instante de tempo
t representado por uma varivel aleatria H(t, S(t)), Ft -mensurvel.
Problemas fundamentais da rea de finanas matemticas so o de apreamento e o de hedging de derivativos financeiros empregando-se estratgias
dinmicas envolvendo os ativos base existentes no mercado.
Os problemas de apreamento e de hedging podem ser formulados da seguinte
forma: qual o preo pelo qual o vendedor do derivativo H deve vend-lo ao
comprador? Tendo vendido o derivativo, que portflio contendo os ativos base
do mercado o vendedor deve criar para replicar esse derivativo, protegendose, portanto, de perdas no instante de tempo T geradas pelo comportamento
estocstico de S(T )?
Assim, seguindo essa lgica, consideremos uma instituio financeira que, no
instante de tempo t0 , venda a seus clientes um contrato financeiro derivativo
cujo valor em T , instante de seu vencimento, seja H(T, S(T )) (chamado de
payoff do derivativo). Para que esta instituio possa reduzir sua exposio a
risco financeiro, protegendo-se das perdas estocsticas mencionadas acima, ela
precisa ser capaz de replicar o derivativo financeiro vendido, ou seja, ela precisa
ser capaz de construir uma estratgia auto-financivel que use os instrumentos
financeiros existentes no mercado, e que gere um portflio cujo valor no instante
de tempo T seja o mais prximo possvel de H(T, S(T )).
Esse problema tem altssima relevncia prtica, pois est relacionado possibilidade de ocasionar perdas financeiras vultosas aos vendedores de instrumentos
derivativos caso as aes de controle apropriadas no sejam tomadas correta-
mente. Assim, por sua importncia, esse problema prov a motivao para esta
tese. No item a seguir, explicamos com mais detalhes como esse problema ser
abordado.
1.2
Objetivo da Tese
O objetivo desta tese explorar e resolver o problema descrito acima. A abordagem adotada a de se determinar o hedging de mnima varincia de um contrato
derivativo no-replicvel usando mtodos de programao dinmica estocstica
em tempo discreto, com espao de estados contnuo. Entende-se por hedging
de mnima varincia aquele que busca minimizar o valor esperado do desvio
quadrtico entre o valor do portflio gerado pela estratgia de hedging e o valor de mercado H(T, S(T )) do contrato derivativo no-replicvel (i.e., contrato
derivativo para o qual no h estratgia replicante).
Conforme a descrio a ser apresentada no Captulo 2, muito j se explorou
com relao ao problema de hedging de mnima varincia em tempo e estado
contnuo, incluindo-se a modelos em que os retornos dos ativos base apresentam volatilidade estocstica e/ou descontinuidades, tambm chamadas de saltos.
Poucos trabalhos abordaram esse problema em tempo e espao de estados discretos. No foram encontrados na literatura trabalhos explorando o caso em que
o domnio do tempo discreto e o espao de estados contnuo. Entretanto,
essa a situao que mais se aproxima de um modelo apropriado para descrever
o problema real de hedging de um contrato derivativo.
De fato, os processos de tomada de deciso de investimento (rebalanceamento de portflio) ocorrem em instantes de tempo determinados que assumem
valores num domnio discreto. Portanto, modelar o tempo como uma varivel
pertencente a um domnio discreto uma deciso correta. Os preos dos ativos,
por sua vez, tambm assumem valores num domnio discreto, pois so quantizados, i.e., eles podem assumir apenas determinados valores compatveis com
os chamados ticks de mercado, que so definidos como o mdulo da mnima
variao
de preo entre duas cotaes diferentes (o preo de uma ao jamais
ser 150, por exemplo). Porm, embora os preos dos ativos sejam quantizados, os ticks de mercado so em geral pequenos o suficiente para permitir que
esses preos assumam muitos valores diferentes, fazendo com que um espao de
estados contnuo seja o melhor modelo para descrev-los. Portanto, modelar os
preos por processos estocsticos que assumam valores sobre um continuum
uma deciso correta.
Assim, nesta tese exploramos o problema de hedging de mnima varincia
por meio de modelos que descrevam mais adequadamente as condies e prticas
reais envolvidas no mercado financeiro. So empregados modelos com dinmicas
contendo parmetros estocsticos e descontinuidades (saltos).
1.3
Estrutura da Tese
Esta tese est estruturada da seguinte forma. No Captulo 1, apresentamos a

motivao para o desenvolvimento da tese, definimos o objetivo a ser atingido
com os estudos realizados, descrevemos sumariamente a forma como esta tese
est estruturada e, por fim, destacamos objetivamente os resultados originais
10
obtidos na tese.
No Captulo 2, apresentamos uma breve reviso terica da literatura sobre
o controle timo de um portflio que busque replicar o valor de um contrato
derivativo, i.e., de um portflio que busque ser o melhor hedging para um
derivativo.
No Captulo 3, apresentamos resultados gerais para o apreamento e hedging de um derivativo qualquer com caracterstica europia (i.e., que apenas
pode ser exercido no seu vencimento) cujo payoff dependa de n ativos de risco,
num modelo de mercado que opere em tempo discreto, em diferentes modos,
que so representados por uma cadeia de Markov, e que contenha n ativos de
risco e um outro livre de risco. Essa abordagem tambm se aplica ao caso de
derivativos com payoff dependente da trajetria. Apenas os derivativos com
caracterstica americana (i.e., que podem ser exercidos a qualquer momento at
seu vencimento) esto excludos dessa abordagem.
Ainda no Captulo 3, efetuamos simplificaes no modelo geral. Mais especificamente, inicialmente adotamos um modelo de mercado que opere em apenas
um modo (i.e., eliminamos a cadeia de Markov) e que contenha n ativos de risco
e um outro livre de risco. Esta simplificao leva o nosso modelo a resultados
que coincidem com os obtidos por A. ern [5]. Em seguida, restringimos nosso
modelo ao caso em que o mercado opere em um nico modo e que contenha
apenas um ativo de risco e um outro livre de risco.
No Captulo 4, apresentamos resultados gerais para o apreamento e hedging
de um derivativo qualquer com caracterstica europia cujo payoff dependa de
apenas um ativo de risco. O modelo assumido aqui o de um mercado que opere
em tempo discreto e em apenas um modo, num espao de estados contnuo. O
processo que descreve a dinmica dos retornos do ativo de risco um processo
de difuso com saltos (jump diffusion process) e com parmetros constantes
(constant investment opportunity set).
No Captulo 5, aplicamos os resultados gerais obtidos no Captulo 4 para o
caso de uma opo vanilla de compra europia, obtendo expresses explcitas
fechadas para o preo desta opo e para o controle necessrio execuo do
hedging desse derivativo. Em seguida, esses resultados so simplificados ao caso
em que o processo que descreve a dinmica dos retornos do ativo de risco um
movimento browniano (i.e., um processo de Wiener) com parmetros constantes.
No Captulo 6, so apresentados os resultados de simulaes numricas feitas
para o hedging de uma opo vanilla de compra europia quando os retornos do
ativo de risco so descritos por um movimento browniano.
No Captulo 7 so apresentadas as concluses desta tese, bem como algumas
oportunidades futuras de pesquisa que derivam diretamente do que foi pesquisado e apresentado aqui.
Por fim, os apndices contm lemas e teoremas auxiliares, sua demonstrao,
bem como as demonstraes dos lemas, teoremas e corolrios apresentados no
corpo da tese.
1.4
Contribuies Originais
As contribuies originais desta tese so as seguintes.

1. Resultados apresentados no Captulo 3, Item 3.1;
11
2. Todos os resultados apresentados no Captulo 4;

3. Todos os resultados apresentados no Captulo 5.
Os resultados mencionados acima e apresentados no Captulo 3 generalizam
resultados j obtidos em outras pesquisas, tornando-os casos particulares da
teoria aqui desenvolvida.
Os resultados apresentados no Captulo 4 representam um avano interessante em relao ao modelo desenvolvido no Captulo 3, pois incorporam elementos concretos e prticos da estrutura de um mercado financeiro real, a saber,
a dinmica dos retornos do ativo de risco descrita segundo um processo de difuso com saltos num espao de estados contnuo. Esses resultados estabelecem a
estrutura terica a partir da qual se podem obter expresses analticas fechadas
para: (1) o preo de um derivativo com um payoff qualquer (i.e., completamente
genrico), desde que de caracterstica europia e com tratabilidade matemtica,
e (2) o controle timo da carteira que faz o hedging de mnima varincia desse
derivativo, num modelo de mercado em que o tempo discreto e o espao de
estados contnuo, atendendo assim s premissas que melhor refletem as condies de funcionamento do mercado financeiro real (conforme j descrito no
Item 1.2). No caso de no haver tratabilidade matemtica suficiente, impossibilitando a obteno de expresses analticas fechadas, essa mesma estrutura
apresentada no Captulo 4 prov os meios para a execuo de simulaes numricas de Monte Carlo [17, 12], em todas as suas nuanas, permitindo ento
obter os mesmos resultados descritos acima, porm de forma numrica.
Os resultados apresentados no Captulo 5 correspondem aplicao dos resultados obtidos no Captulo 4 onde o modelo adotado para o mercado
discreto com relao ao tempo e contnuo com relao ao espao de estados
a um tipo de derivativo j muito bem conhecido e usado no mercado financeiro:
uma opo de compra europia vanilla. Esses resultados so muito interessantes, no s pela originalidade, mas tambm porque correspondem a um paralelo
mais realista e mais correto, do ponto de vista prtico, do resultado apresentado
por Merton [20], onde o modelo adotado para o mercado contnuo com relao
ao tempo e ao espao de estados.
Ainda no Captulo 5, particularizamos os resultados obtidos para a opo
de compra vanilla europia (mencionados acima) ao caso em que os retornos do
ativo de risco so descritos por um processo de difuso sem saltos, i.e., por um
processo browniano (ou de Wiener). Esses resultados tambm so interessantes,
no s pela originalidade, mas tambm porque correspondem a um paralelo mais
realista e mais correto, do ponto de vista prtico, do resultado apresentado por
Black & Scholes [3], onde o modelo adotado para o mercado contnuo com
relao ao tempo e ao espao de estados.
12
Captulo 2
Reviso Bibliogrfica
Neste captulo fazemos uma breve reviso bibliogrfica do assunto de hedging
de mnima varincia. No Item 2.1, apresentamos os conceitos bsicos necessrios para se compreender a formalizao matemtica do problema. No Item
2.2, apresentamos resumidamente o que j se desenvolveu sobre apreamento e
hedging de derivativos em mercados incompletos, em tempo contnuo, usando-se
critrios quadrticos como medida de risco. No Item 2.3, repetimos o que foi
feito no item anterior, considerando, agora, o caso em que o tempo discreto.
2.1
Conceitos Bsicos
Seja um mercado financeiro com d + 1 ativos primrios (ativos base) disponveis

para negociao. Os preos desses ativos so representados pelos processos
estocsticos S i = {Sti }0tT com i = 0, 1, , d. O ativo S 0 considerado o
ativo livre de risco. Os outros so chamados ativos de risco.
Uma forma natural de abordar questes apresentadas no Item 1.1 considerar estratgias dinmicas de portflio da forma (u, u0 ) = (ut , u0,t )0tT , onde
u um processo d-dimensional previsvel de componentes uit , i = 1, , d, e u0
um processo adaptado. Nessa estratgia, uit descreve o nmero de unidades
do ativo i existentes no portflio no instante de tempo t, e u0,t o montante
investido no ativo livre de risco no instante de tempo t. A previsibilidade de u
a formalizao matemtica da restrio informal de que u no pode antecipar
movimentos dos ativos base (i.e., no existe informao privilegiada, ou insider
trading).
Empreguemos o ativo livre de risco como numerrio, i.e., faamos todos os
preos dos ativos S i do mercado serem expressos em relao ao preo S 0 do
ativo livre de risco. Assim, todos os preos dos ativos do mercado passam a ser
descontados por S 0 , e o ativo livre de risco passa a possuir preo descontado
unitrio (i.e., igual a 1) em todos os instantes de tempo t. Os preos dos
outros ativos, S i , passam a ser expressos por um vetor X de componentes
i
X i = SS0 , i = 1, , d. Num instante de tempo t, o valor do portflio (ut , u0,t )
dado por Vt = ut Xt +u0,t , e os ganhos acumulados pela estratgia at o instante
Rt
de tempo t correspondem a Gt (u) = 0 us dXs . Para que a ltima expresso
seja bem-definida, assumimos que X seja um semi-martingale [25, 26], o que
faz, ento, Gt (u) ser a integral estocstica de u com respeito a X. Os custos
13
acumulados at o instante de tempo t devidos ao uso da estratgia (u, u0 ) so

Rt
dados pelo processo Ct (u) = Vt 0 us dXs = Vt Gt (u). Uma estratgia
chamada de auto-financivel se o seu processo de custos acumulados C
constante ao longo do tempo, ou, equivalentemente, se o processo que representa
o valor Vt da estratgia for dado por:
Z t
us dXs = V0 + Gt (u) ,
(2.1)
Vt = V 0 +
0
onde V0 = C0 o valor inicial investido no portflio, i.e., o valor inicial requerido para se iniciar a estratgia. Notemos que uma estratgia auto-financivel
completamente determinada por V0 e u. De fato, sendo a estratgia autofinancivel, a partir de V0 e u possvel se obter Vt para qualquer t; e, a partir
de Vt e ut se obtm u0,t .
Consideremos um derivativo H e suponhamos que exista uma estratgia
auto-financivel (V0 , u) cujo valor terminal VT seja igual a HT com probabilidade 1. Se nosso modelo do mercado financeiro no permitir arbitragem,
evidente que o preo de H no instante de tempo t = 0, H0 , deve ser dado por
V0 , e que u fornece uma estratgia de hedging com relao a H. Adicionalmente,
pode-se provar que esta estratgia auto-financivel (V0 , u) nica [21]. Esta foi
a idia bsica que levou ao modelo de Black & Scholes [3] para apreamento de
opes. A estrutura matemtica desse problema e suas conexes com a teoria
de martingales [34, 25, 26] foram subseqentemente desenvolvidas e esclarecidas
por J. M. Harrison e D. M. Kreps; uma descrio detalhada pode ser encontrada
no artigo de J. M. Harrison e S. R. Pliska [14]. De acordo com a terminologia
empregada por eles, um derivativo financeiro H realizvel se existir uma estratgia auto-financivel com VT = HT P a.s.. Conforme a Equao (2.1), isso
significa que HT pode ser escrito como:
Z
HT = H0 +
uH
s dXs ,
(2.2)
i.e., como uma soma de uma constante H0 e uma integral estocstica de uH

s
com respeito a X, onde uH
s a estratgia que tem por objetivo replicar o derivativo H. O mercado completo quando todo derivativo financeiro realizvel.
A importncia do conceito de um mercado completo se deve ao fato de que,
numa tal situao, o apreamento e o hedging de derivativos financeiros podem
ser feitos independentemente das preferncias dos agentes econmicos que participam do mercado. Contudo, a completude de um modelo de um mercado
uma propriedade bastante delicada que j se destri mesmo com a introduo
de pequenas alteraes da estrutura desse mercado. Por exemplo, um modelo
em que os ativos se comportam de acordo com um movimento browniano geomtrico (modelo clssico considerado por Black & Scholes) se torna incompleto
se a volatilidade for influenciada por um outro fator estocstico, ou se a dinmica dos preos considerar saltos (descontinuidades). Ainda, se no for possvel
efetuar rebalanceamentos de uma carteira a intervalos infinitesimais de tempo
(o que, evidentemente, o que ocorre na prtica), o modelo tambm torna-se
incompleto.
Numa situao em que o derivativo no realizvel (i.e., o mercado incompleto), no existe, por definio, um portflio que replique esse derivativo, e
pode-se mostrar que no h um preo nico para esse derivativo [23, 21]. Nesse
14
caso, se ainda insistirmos em uma abordagem de apreamento e hedging que independa das preferncias dos agentes econmicos, podemos estudar o intervalo
de possveis preos para o derivativo H que so consistentes com ausncia de
arbitragem em um mercado que possua o ativo de risco, o ativo livre de risco, e
o derivativo H como instrumentos financeiros negociados. Uma abordagem alternativa introduzir critrios subjetivos de acordo com os quais so escolhidas
estratgias e os preos dos derivativos so calculados.
Se considerarmos um mercado completo, ou seja, um mercado em que para
qualquer instrumento financeiro h uma estratgia que reproduza perfeitamente
os seus retornos (chamada estratgia replicante), uma instituio que venda um
derivativo qualquer pode eliminar totalmente o seu risco financeiro simplesmente
construindo essa estratgia replicante. Por outro lado, se considerarmos um
mercado incompleto, onde h instrumentos financeiros para os quais no existe
uma estratgia replicante, a reduo de risco financeiro pode apenas ocorrer de
forma parcial.
Nesse caso, uma estratgia de reduo de risco possvel conhecida como
hedging de mnima varincia, que tem como critrio de otimizao minimizar
o valor esperado do desvio quadrtico entre o valor do portflio gerado pela
estratgia de hedging e o valor de mercado H(T, S(T )) do contrato derivativo
para o qual no h estratgia replicante.
No item a seguir, apresentamos uma breve reviso da literatura acerca de
apreamento e hedging de derivativos em mercados incompletos por meio de
critrios quadrticos.
2.2
Estratgias de Controle (Hedging) com Critrios Quadrticos em Tempo Contnuo
Para um derivativo financeiro no-realizvel, impossvel, por definio, encontrar uma estratgia auto financivel com valor terminal VT = HT . Uma
primeira abordagem possvel na busca de uma estratgia de hedging para o derivativo insistir na condio terminal VT = HT . Como permitido a u0 ser
um processo adaptado, esta condio terminal VT = HT pode sempre ser atingida pela escolha de u0,T . Contudo, como estas estratgias no so, em geral,
auto-financiveis, uma boa estratgia pode ser entendida como aquela que tenha um processo de custos acumulados C pequeno. O emprego de um critrio
quadrtico para medir o risco de uma estratgia foi primeiramente proposto
por H. Flmer e D. Sondermann [11] para o caso em que X um martingale. M. Schweizer [28] estendeu esse modelo para o caso geral em que X um
semi-martingale. As estratgias derivadas desta abordagem so chamadas de
estratgias de mnimo risco local.
Sob algumas hipteses tcnicas [31], estratgias de mnimo risco local podem
ser caracterizadas pela seguinte propriedade: seu processo de custos acumulados
C deve ser um martingale (de forma que, ainda que a estratgia no seja autofinancivel em todos os instantes de tempo, ela permanea auto-financivel em
mdia) ortogonal componente do processo de X que tambm um martingale
(esta componente de X que um martingale usualmente chamada de M ).
Aplicando esses conceitos ao derivativo H, obtm-se que existe uma estratgia
de mnimo risco local para H se, e somente se, H admitir uma decomposio
15
da forma:
Z
HT = H0 +
T
H
uH
s dXs + LT
P a.s.,
(2.3)
onde LH
T um martingale ortogonal a M .
A decomposio indicada pela Equao (2.3) tem sido chamada de decomposio de Fllmer-Schweizer de H. Ela pode ser vista como uma generalizao
para o caso semi-martingale da decomposio clssica de Galtchouk-KunitaWatanabe da teoria de martingales. Sua importncia em finanas matemticas
reside no fato de ela prover diretamente a estratgia de mnimo risco local para
H. A componente u relacionada ao ativo base X dada pelo integrando uH ,
e u0 determinado pela imposio de que o processo de custos acumulados C
coincida com H0 + LH .
Notemos que o caso especial de um derivativo realizvel, representado pela
Equao (2.2), simplesmente corresponde ausncia do termo ortogonal LH
T
na decomposio indicada na Equao (2.3). Em casos particulares, possvel
encontrar construes mais explcitas para a decomposio indicada na Equao
(2.3). No caso de o domnio do tempo ser discreto e finito, uH e LH podem ser
computados recursivamente de trs-para-frente no tempo. Se X for um processo
contnuo, a decomposio de Fllmer-Schweizer sob a medida de probabilidade
P pode ser obtida como uma decomposio de Galtchouk-Kunita-Watanabe
computada sob a chamada medida mnima de martingale P .
Uma desvantagem da abordagem descrita acima se deve ao fato de que
necessrio trabalhar com estratgias no auto-financiveis. Se preferirmos evitar custos intermedirios, ou fluxos de caixa no planejados ao longo do tempo,
uma segunda abordagem na busca de uma estratgia de hedging para o derivativo consiste em insistir na restrio de que essa estratgia seja auto-financivel
(Equao (2.1)). Os possveis resultados de estratgias como essa so da forma
V0 +GT (u), onde V0 R um investimento inicial e u pertence ao conjunto de
todos os integrandos permitidos na Equao (2.1). Por definio, um derivativo
no-realizvel H no pode ser expresso dessa forma e, portanto, parece natural
procurar por uma melhor aproximao de HT pelo valor terminal V0 + GT (u),
gerado por algum par (V0 , u).
O uso de um critrio quadrtico para medir a qualidade dessa aproximao
foi proposto por N. Bouleau e D. Lamberton [4] para o caso em que X simultaneamente um martingale e uma funo de um processo markoviano. Casos mais
gerais de X foram tratados por D. Duffie e H. Richardson [9] e por M. Schl
[27], entre outros. As estratgias derivadas dessa abordagem so chamadas de
estratgias timas de mnima varincia. Uma soluo geral e completa para o
problema foi finalmente obtida por T. Rheinlnder e M. Schweizer [24] e por C.
Gourieroux, J. P. Laurent e H. Pahm [13].
T. Rheinlnder e M. Schweizer [24] descrevem a estrutura das projees
2
L2 (P ) que mapeiam uma varivel aleatria
R F -mensurvel H L (P ) no espao
GT () das integrais estocsticas G(u) = udX, e provem o integrando uH
resultante desta projeo na forma de uma recurso. Esses conceitos provem
os meios para se encontrarem as estratgias de hedging de mnima varincia
mencionadas anteriormente, e generalizam resultados obtidos anteriormente que
impunham restries bastante severas em X.
C. Gourieroux, J. P. Laurent e H. Pahm [13] consideram o problema de
hedging de mnima varincia para a situao em que o processo que descreve o
16
comportamento dos ativos com risco um semi-martingale contnuo. Enquanto

a abordagem tradicional ao problema trata de portflios auto-financiveis envolvendo os ativos primitivos disponveis no mercado, esses autores introduzem
no mercado um numerrio como um ativo passvel de negociao e mostram
como portflios auto-financiveis podem ser expressos com relao a esse novo
conjunto estendido de ativos, sem alterar o conjunto dos derivativos realizveis
existentes no mercado. O numerrio de hedging introduzido ento relacionado
chamada medida de martingale de tima varincia. Usando esse numerrio
simultaneamente como um deflator e para estender o conjunto primitivo de ativos, os autores transformam o problema original do hedging de mnima varincia
em um outro equivalente, porm mais simples. O problema de otimizao quadrtica transformado resultante ento resolvido pelo teorema de projeo de
Galtchouk-Kunita-Watanabe sob uma medida de probabilidade de martingale
para o conjunto de ativos estendido. Com isso, os autores provem uma descrio explcita da estratgia tima de hedging para o problema original de hedging
de mnima varincia.
J. P. Laurent e H. Pahm [18] usam a estrutura estabelecida por C. Gourieroux, J. P. Laurent e H. Pahm [13] e consideram o problema de hedging de
mnima varincia quando os preos dos ativos so descritos por processos de
It [26] em um mercado incompleto. O numerrio de hedging e a medida de
martingale de tima varincia mostram-se ferramentas fundamentais na determinao estratgia tima de hedging. Esses autores estudam o numerrio de
hedging e a medida de martingale de tima varincia em modelos de volatilidade estocstica, e obtm caracterizaes explcitas para eles, usando mtodos
de programao dinmica para resolver um problema de controle estocstico.
Arai [1] estende as abordagens de T. Rheinlnder e M. Schweizer [24] e de C.
Gourieroux, J. P. Laurent e H. Pahm [13] e considera o problema de hedging de
mnima varincia para modelos em que os preos dos ativos so descontnuos.
Quando os preos dos ativos so descritos por processos de It, o valor de
um portflio formado por esses ativos evolui segundo uma equao diferencial
estocstica linear, e o problema de hedging de mnima varincia pode ser tratado
como um problema de controle timo linear quadrtico (LQ).
Tradicionalmente nos problemas de controle LQ, os parmetros que descrevem a dinmica das variveis envolvidas so considerados determinsticos. Nesta
situao, o problema de controle LQ se reduz a resolver a chamada equao diferencial ordinria de Riccati. Se essa equao possuir uma soluo positiva
definida, pode-se resolver o problema LQ e encontrar o controle e o custo timos.
X. Y. Zhou e D. Li [36] tratam o problema de hedging de mnima varincia
como um problema LQ de parmetros determinsticos e obtm sua soluo estudando a equao de Riccati associada. Nesse caso, graas estrutura desse
problema de finanas, a equao diferencial ordinria de Riccati se reduz a uma
equao linear e sua soluo decorre imediatamente da teoria padro. A. Lim
[19] aborda os problemas de apreamento e de hedging de mnima varincia em
um mercado incompleto onde os preos dos ativos seguem movimentos brownianos geomtricos. Os parmetros que descrevem o modelo do mercado podem
ser processos estocsticos (e.g., volatilidade estocstica). Lim aborda esses problemas sob a perspectiva do controle timo linear quadrtico e das equaes
diferenciais estocsticas reversas. Em outras palavras, Lim se concentra na chamada equao de Ricatti estocstica associada aos problemas de apreamento
17
e de hedging de mnima varincia, demonstrando a existncia e unicidade da

soluo dessa equao para essa classe de problemas originados de aplicaes
em finanas. Lim mostra ainda que, como j se poderia esperar, existe uma
estreita relao entre a equao de Ricatti estocstica e a medida de martingale
de tima varincia.
2.3
Estratgias de Controle (Hedging) com Critrios Quadrticos em Tempo Discreto
Todos os trabalhos citados acima consideram o problema do hedging de mnima

varincia em tempo contnuo, i.e., em todos as abordagens mencionadas acima,
o tempo uma varivel que assume valores no conjunto dos nmeros reais nonegativos (t R+ ).
Estudos sobre o problema do hedging de mnima varincia em tempo discreto
(i.e., o tempo indexado por uma varivel que assume valores num conjunto
enumervel) so relativamente poucos. M. Schl [27] aplica mtodos de programao dinmica no caso de um conjunto de oportunidades de investimento
constante para analisar o desempenho de diferentes critrios de otimizao quadrticos no problema de hedging de opes. M. Schweizer [29] resolve o problema de hedging de mnima varincia para um derivativo genrico H num
mercado sem frico composto por um ativo com risco e por taxas de juros
no-estocsticas. A soluo encontrada pelo autor, entretanto, no desfruta
de uma estrutura completamente recursiva. Mais especificamente, a estratgia
tima proposta pelo autor, {k }k=1,...,T , composta por dois processos previsveis {k }k=1,...,T e {k }k=1,...,T expressos como esperanas condicionais em
cada um dos ns do espao de estados. Esse procedimento altamente ineficiente do ponto de vista computacional: em um rvore trinomial recombinante,
por exemplo, so necessrias 3(T t) operaes a cada instante de tempo t, para
todos os instantes t. Na mesma situao, uma soluo completamente recursiva
obtida por meio de um algoritmo de programao dinmica requer apenas trs
operaes a cada instante de tempo t, para todos os instantes t. Essa soluo
foi encontrada por D. Bertsimas, L. Kogan e A. W. Lo [2] para o caso de um
ativo com risco e taxas de juros no-estocsticas. A. ern [5] prope uma soluo para o problema geral de hedging de mnima varincia em tempo e espao
de estados discretos usando mtodos de programao dinmica. As contribuies de seu trabalho so resolver o problema de hedging de mnima varincia
para um nmero arbitrrio de ativos com risco em ambientes de taxas de juros
estocsticas, e propor uma soluo simples completamente recursiva que, em
modelos markovianos para o mercado, melhoram significativamente a eficincia
computacional em comparao aos resultado obtidos por M. Schweizer [29].
18
Captulo 3
Modelos em Tempo Discreto

Nos itens a seguir, apresentamos 3 modelos de mercado financeiro operando em
tempo discreto.
O primeiro deles, chamado de "modelo geral", considera que o mercado financeiro pode operar, a cada instante de tempo , em N diferentes modos possveis (por exemplo, mercado "normal", mercado "nervoso"e mercado "calmo").
Alm disso, nesse mercado existem n ativos de risco bsicos e um ativo livre de
risco.
Os dois outros modelos so obtidos a partir de simplificaes desse primeiro.
Assim, o segundo modelo, chamado de "modelo com n ativos de risco sem cadeia de Markov", obtido a partir do primeiro modelo simplesmente adicionandose a restrio de que existe apenas um nico modo de operao possvel para o
mercado a cada instante de tempo . Nesse segundo modelo, continuam existindo no mercado n ativos de risco bsicos.
O terceiro modelo, chamado de "modelo com 1 ativo de risco sem cadeia de
Markov", obtido a partir do segundo modelo simplesmente adicionando-se a
restrio de que existe apenas um ativo de risco bsico no mercado, em oposio
aos n existentes anteriormente.
3.1
Modelo Geral
Neste item consideramos um modelo de mercado financeiro que opere em tempo

discreto, em diferentes modos, e que contenha n + 1 ativos bsicos (tambm
chamados de ativos base), sendo um deles livre de risco, e os outros n com
risco (tambm chamados de ativos de risco). Alm disso, esse mercado contm
tambm um derivativo no-realizvel, de caracterstica europia, cujo payoff
depende dos n ativos bsicos com risco. Consideramos, ainda, a existncia de
um portflio auto-financivel composto por uma combinao dos n + 1 ativos
base.
O propsito deste item encontrar a estratgia tima de controle do portflio, i.e., a composio tima do portflio que produza um hedging de mnima
varincia para o derivativo no-realizvel.
No Item 3.1.1 definimos variveis e elementos matemticos bsicos envolvidos
na modelagem do problema de hedging de mnima varincia de um contrato
derivativo no-replicvel. No Item 3.1.2 descrevemos os elementos do modelo,
19
estabelecendo a dinmica, i.e., a equao de estados, do valor do portflio autofinancivel contendo os n + 1 ativos base. No Item seguinte, 3.1.3, formulamos
o problema de controle timo estocstico que descreve o hedging de mnima
varincia para o derivativo no-realizvel. Por fim, no Teorema 3.1 apresentamos
a soluo desse problema de controle timo estocstico.
3.1.1
Definies
Abordar o tempo de forma discreta significa admitir que o tempo consiste em

uma seqncia ordenada de pontos, i.e., que o tempo representado por
elementos do conjunto { | N}. Esse tipo de abordagem para o tempo
conveniente quando os eventos e suas conseqncias ocorrem, ou so levados em
considerao, apenas a intervalos de tempo discretos, e.g., a cada n dias, a cada
n semanas, a cada n meses, a cada n anos etc.
Um processo X ser F -mensurvel (ou F -adaptado) significa que o valor de
X conhecido no instante de tempo e desconhecido em instantes anteriores a
.
Um processo X ser previsvel em significa que o valor de X j conhecido
em instantes de tempo anteriores a , i.e., X F -mensurvel, onde < .
Um mercado financeiro operando em tempo discreto e em diferentes modos corresponde a um sistema dinmico que pode ser descrito por um espao
de probabilidade (, F, P), um horizonte de tempo T N, uma filtragem
{F } =1, ,T e uma classe de modelos matemticos Gi , i {1, . . . , N }. Admitimos que o nmero de modos de operao diferentes que o mercado financeiro
pode assumir ao longo do tempo seja finito, contvel e igual a N , e que cada
um desses modos de operao possa ser adequadamente descrito por um dos
modelos Gi , i {1, . . . , N }, mencionados anteriormente.
Denotamos os modos de operao do mercado por um processo estocstico
( ) que assume valores no conjunto {i| i = 1, . . . , N }. Assim, ( ) = i significa
que, no instante de tempo , o modo de operao do mercado adequadamente
descrito pelo modelo matemtico Gi . Admitimos que o processo estocstico ( )
F -mensurvel, ou seja, que o modo de operao ( ) do mercado conhecido
a cada instante de tempo .
As transies (i.e., os saltos) do mercado financeiro de um modo de operao
para outro so causadas por alteraes e choques de natureza qualitativa, que
admitimos ocorrer possivelmente apenas nos instantes de tempo = 1, , T .
Portanto, entre dois instantes de tempo consecutivos, o modo de operao do
mercado permanece inalterado.
Admitimos que as transies evoluem estocasticamente segundo uma cadeia
de Markov. Assim, dado que num instante de tempo o modo de operao do
mercado ( ) = i, ns sabemos a probabilidade de o mercado, no instante de
tempo seguinte, passar a operar em qualquer outro modo admissvel, ou mesmo
de permanecer no modo atual, e esta probabilidade depende apenas do modo
atual de operao. De forma matemtica: P {( + 1) = j|( ) = i} = pi,j ( ) =
pi,j (suprimimos a dependncia explcita do tempo para simplificar a notao).
EP {X} = E P {X|F } corresponde ao valor esperado da varivel aleatria
Xcom relao medida de probabilidade P , condicionado ao conjunto de informao F disponvel no instante de tempo .
S0 (, , ( 1)), indicado simplificadamente por S0 ( ) ou por
S( 1),0 ( ), conforme apropriado, uma varivel aleatria previsvel que repre20
senta o valor de mercado (i.e., o preo) no instante de tempo , dado que no

instante de tempo 1 o mercado encontra-se no modo de operao ( 1), de
um ttulo de renda fixa livre de risco com valor inicial unitrio (i.e., S0 (0) = 1).
Como esse processo previsvel, S0 ( ) j conhecido no instante de tempo 1
(i.e., F 1 -mensurvel). Mais especificamente, EP1 {S0 ( )} = S0 ( ).
r( ) ( ) uma varivel aleatria F -mensurvel que representa o retorno, do
instante de tempo para o instante de tempo + 1, de uma unidade monetria
aplicada, no instante de tempo , no ativo livre de risco quando o mercado
encontra-se no modo de operao ( ). Ou seja, uma unidade monetria aplicada no ativo livre de risco desde o instante de tempo at o instante de tempo
+ 1 produz um rendimento, quando o mercado encontra-se no modo de operao ( ), de r( ) ( ) unidades monetrias no instante de tempo + 1.
simples ver que S0 ( ) = (1 + r(0) (0))(1 + r(1) (1)) (1 + r( 1) ( 1)) e que
S( ),0 ( + 1) = S0 ( )(1 + r( ) ( )).
Sl (, , ( 1)), l = 1, . . . , n, indicado simplificadamente por Sl ( ) ou
por S( 1),l ( ), conforme apropriado, uma varivel aleatria F -mensurvel
que representa o preo, no instante de tempo , dado que no instante de tempo
1 o mercado encontra-se no modo de operao ( 1), do l-simo ativo de
risco.
S( 1) ( ) um vetor n 1 cujos elementos so os S( 1),l ( ), l = 1, . . . , n.
Portanto, S( 1) ( ) um vetor de preos que contm os preos dos ativos de
risco (l = 1, . . . , n):
S( 1),1 ( )
..
S( 1) ( ) =
(3.1)
.
.
S( 1),n ( )
l (, , ( 1)), indicado simplificadamente por l ( ) ou por ( 1),l ( ),
conforme apropriado, uma varivel aleatria F -mensurvel que representa os
dividendos pagos no instante , dado que no instante de tempo 1 o mercado
encontra-se no modo de operao ( 1), para o detentor de uma unidade do
l-simo ativo de risco durante o intervalo de tempo entre os instantes 1 e .
( 1) ( ) um vetor n1 cujos elementos so os ( 1),l ( +1), l = 1, . . . , n.
Assim:
( 1),1 ( )
..
( 1) ( ) =
(3.2)
.
.
( 1),n ( )
ul (, S( ), ( )), l = 0, . . . , n, indicado simplificadamente por ul ( ), uma
varivel F -mensurvel que representa a deciso de controle tomada no instante
de tempo . Em outras palavras, ul ( ) corresponde quantidade de recursos financeiros investida no l-simo ativo base (de valor Sl ( )) do portflio no
instante de tempo .
u( ) um vetor cujos elementos so os ul ( ), l = 1, . . . , n. Assim:
u1 ( )
..
u( ) =
(3.3)
.
.
un ( )
A seqncia {u0 ( ), u( )} =1, ,T chamada de poltica de controle. A
poltica tima de controle chamada de estratgia de hedging.
21
V (, S( ), u( ), ( )), indicado simplificadamente por V ( ), uma varivel

F -mensurvel que representa o valor de um portflio auto-financivel que evolui
de acordo com as decises de controle {u( )} =0, ,T 1 . Em outras palavras,
dizemos que esse portflio gerado pela poltica de controle {u( )} =0, ,T 1 .
No instante de tempo = 0, o valor do portflio auto-financivel V (0).
3.1.2
Descrio dos Elementos do Modelo Geral
Consideremos um modelo em que os preos dos n ativos de risco no instante de

tempo sejam descritos pelo vetor S( ):
S1 ( )
..
(3.4)
S( ) =
.
.
Sn ( )
Suponhamos que, no instante de tempo , o mercado encontre-se num modo
de operao ( ) conhecido. Os preos dos n ativos de risco no instante de
tempo + 1, dado que no instante de tempo o mercado encontra-se no modo
de operao ( ), so variveis aleatrias que descrevemos pelo vetor S( ) ( +1):
S( ),1 ( + 1)
..
S( ) ( + 1) =
.
.
S( ),n ( + 1)
(3.5)
De forma anloga, o preo do ativo livre de risco no instante de tempo + 1,

dado que no instante de tempo o mercado encontra-se no modo de operao
( ), corresponde a S( ),0 ( + 1), e pode ser escrito como:

S( ),0 ( + 1) = S0 ( ) 1 + r( ) ( ) .
(3.6)
Seja um portflio auto-financivel composto por n + 1 instrumentos financeiros: n ativos de risco e um ativo livre de risco. Suponhamos que, no instante de
tempo , o portflio possua valor V ( ) e contenha ul ( ), l = 1, . . . , n, unidades
do l-simo ativo com risco. Dessa forma, no instante de tempo , a composin
P
o total do portflio tal que
ul ( )Sl ( ) = u ( )S( ) corresponde ao valor
l=1
financeiro aplicado nos ativos com risco, e (V ( ) u ( )S( )) corresponde ao

valor u0 ( ) aplicado no ativo livre de risco. No instante de tempo + 1, o valor
V ( + 1) do portflio auto-financivel passa a ser expresso por:

V ( + 1) = u ( ) S( ) ( + 1) + ( ) ( + 1) +

(V ( ) u ( )S( )) 1 + r( ) ( ) . (3.7)
Essa equao se justifica pois as u( ) unidades dos ativos de risco presentes
no portflio, incialmente de valor total u ( )S( ), passam a valer u ( )(S( ) ( +
1) + ( ) ( + 1)) no instante de tempo + 1 (evidentemente, j considerando os
dividendos pagos pelos ativos de risco). A parcela de valor (V ( ) u ( )S( )),
aplicada no ativo livre de risco desde o instante de tempo at o instante de
tempo + 1, se transforma em (V ( ) u ( )S( ))(1 + r( ) ( )).
22
A Equao (3.7) pode ser rescrita como:

V ( + 1) = 1 + r( ) ( ) V ( )+

u ( ) S( ) ( + 1) + ( ) ( + 1) S( ) 1 + r( ) ( ) . (3.8)
Lembrando que S( ),0 ( + 1) = S0 ( )(1 + r( ) ( )) e definindo:
a( ) ( ) = 1 + r( ) ( ),
X( ) ( + 1) =
(3.9)
S( ) ( + 1) + ( ) ( + 1)
S( )
,
S( ),0 ( + 1)
S0 ( )
(3.10)
a Expresso (3.8), valor do portflio auto-financivel, pode ser expressa como:
V ( + 1) = a( ) ( )V ( ) + S( ),0 ( + 1)X(
) ( + 1)u( ).
(3.11)
X( ) ( + 1), tal como definido na Equao (3.10), chamado de processo

de ganhos descontado dos ativos de risco.
Apenas para referncia futura, definamos G( + 1), chamado de processo de
ganhos descontado do portflio auto-financivel. G( + 1) dado por:
G( + 1) =
V ( + 1)
V ( )
=
S( ),0 ( + 1) S0 ( )
a( ) ( )V ( ) + S( ),0 ( + 1)X(
) ( + 1)u( )
S( ),0 ( + 1)
V ( )
=
S0 ( )
a( ) ( )
S( ),0 ( + 1)
V ( )
V ( ) +
X(
.
) ( + 1)u( )
S( ),0 ( + 1)
S( ),0 ( + 1)
S0 ( )
(3.12)
Usando S( ),0 ( + 1) = S0 ( )a( ) ( ), obtemos:
G( + 1) = X(
) ( + 1)u( ).
3.1.3
(3.13)
Formulao do Problema de Hedging de Mnima Varincia
Denotemos por F a -lgebra gerada por {S(0), (0), . . . , S( ), ( )}, e definamos:

u = {u( ), . . . , u(T 1)} , onde u(s) Fs mensurvel.
(3.14)
Consideremos um derivativo no-realizvel cujo valor no instante do seu

vencimento = T seja especificado em contrato e representado por uma funo
FT -mensurvel H(T ) (T ).
Queremos encontrar uma soluo para o problema geral de hedging de mnima varincia em tempo discreto, i.e., queremos encontrar uma poltica tima
de controle que minimize, em = 0, o valor esperado do desvio quadrtico entre o valor terminal V (T ) do portflio gerado por esta poltica tima (i.e., pela
estratgia de hedging) e o valor terminal H(T ) (T ) do derivativo no-realizvel.
23
Em outras palavras, queremos encontrar uma poltica tima que minimize o

erro de hedging esperado quadrtico em = 0.
O ndice de desempenho (ou ndice de performance) J () a ser minimizado
(i.e., o erro de hedging esperado quadrtico em = 0) dado pelo seguinte
funcional:
J (V ( = 0), ( = 0), {u( )} =0, ,T 1 , = 0)
= J (V (0), (0), {u( )} =0, ,T 1 , 0)
n
2 o
= E0P V (T ) H(T ) (T )
,
(3.15)
onde V (T ) o valor terminal do portflio gerado pela poltica de controle

{u( )} =0, ,T 1 , V (0) o valor inicial investido para criar o portflio e H(T ) (T )
valor terminal do derivativo no-realizvel.
Portanto, o problema de hedging de mnima varincia de um contrato derivativo no-realizvel pode ser expresso como um problema de controle timo estocstico em tempo discreto e com variveis de controle V (0) e {u( )} =0, ,T 1 ,
dado por:
n
o
2
J0,T ((0), 0) =
inf
E P V (T ) H(T ) (T ) |F0 . (3.16)
V (0),{u(0),...,u(T 1)}u0
A soluo desse problema feita em duas etapas. Primeiramente, consideramos o seguinte problema de controle timo estocstico:
J(V ( = 0), ( = 0), = 0) = J(V (0), (0), 0) =

2
inf
E P V (T ) H(T ) (T ) |F . (3.17)
{u(0),...,u(T 1)}u
A soluo desse problema, ou seja, os {

u(0), . . . , u
(T 1)} u0 , prov a
estratgia tima de controle do portflio, i.e., a composio tima do portflio
que produz um hedging de mnima varincia para o derivativo no-realizvel.
Em seguida, tendo sido obtidos os {
u(0), . . . , u
(T 1)} u0 , encontramos
V (0), que o valor de V (0) que minimiza J(V (0), (0), 0); i.e., encontramos
J0,T ((0), 0) = J(V (0), (0), 0).
Os teoremas apresentados a seguir provem a soluo para o problema dado
pela Equao (3.16).
Teorema 3.1. Seja o problema definido pela Equao (3.17). Ento, para cada
= T , . . . , 0, a estratgia tima de controle do portflio u
( ) e a funo objetivo
tima J(V ( ), ( ), ) so dadas por:
u
( ) =

Hj ( + 1)
V ( )
kj ( + 1)X( ) ( + 1)
S0 ( ) S( ),0 ( + 1)
j

H( +1) ( + 1)
V ( )
1
P
M(
E
k
(
+
1)X
(
+
1)
,
( +1)
( )
)
S0 ( )
S( ),0 ( + 1)
(3.18)
1
M(
)
p( ),j EP
2
J(V ( ), ( ), ) = k( ) ( ) V ( ) H( ) ( ) + ( ) ( ),
24
(3.19)
onde, para ( ) = 1, . . . , N , = T 1, . . . , 0:
h

k( ) ( ) = a( ) ( )2 EP k( +1) ( + 1)

1
EP k( +1) ( + 1) X(
) ( + 1) M( )

i
EP k( +1) ( + 1) X( ) ( + 1) , (3.20)
H( ) ( ) =
EP
1
k( ) ( )
a( ) ( )2
h
i
h
k( +1) ( + 1) EP k( +1) ( + 1)X(

) ( + 1)
1
M(
) k( +1) (

iH
( +1) ( + 1)
+ 1)X( ) ( + 1)
, (3.21)
a( ) ( )

( ) ( ) = EP k( +1) ( + 1)

a( ) ( )H( ) ( ) + S( ),0 ( + 1)X(

) ( + 1)u( )

2
H( +1) ( + 1)
+ EP (( +1) ( + 1)) 0, (3.22)
n
o
M( ) = EP k( +1) ( + 1)X( ) ( + 1)X(

) ( + 1) ,
(3.23)
h
n
oi1
u( ) = EP k( +1) ( + 1)X( ) ( + 1)X(

(
+
1)
)

H
H
(
)
( +1) ( + 1)
( )
, (3.24)
EP k( +1) ( + 1)X( ) ( + 1)
S0 ( )
S( ),0 ( + 1)
e as condies finais so:
k(T ) (T ) = 1,
(T ) (T ) = 0.
(3.25)
Prova: ver Apndice A.

Teorema 3.2. Seja J(V ( ), ( ), ) tal como definido no Teorema 3.1. O valor
de V (0) que minimiza J(V (0), (0), 0), denominado por V (0), dado por:
V (0) = H(0) (0).
25
(3.26)
Teorema 3.3. Nas condies dos Teoremas 3.1 e 3.2, o erro quadrtico de
hedging esperado em = 0, (0) (0), dado por
(0) (0) = J0,T ((0), 0).
(3.27)

Os Teoremas 3.1, 3.2 e 3.3 provem uma caracterizao completa do problema de hedging de mnima varincia. De fato, aplicamos o Teorema 3.1 de
forma recursiva, partindo de = T e usando k(T ) (T ) = 1 e (T ) (T ) = 0,
para obter M( ) , k( ) ( ), H( ) ( ), u( ) e ( ) ( ) para = T 1, . . . , 0. Ao
final desse procedimento, i.e., em = 0, aplicamos o Teorema 3.2, que mostra
que V (0), valor inicial investido para criar o portflio, igual a H(0) (0). Alm
disso, pelo Teorema 3.3, obtemos J0,T ((0), 0) = (0) (0), que corresponde ao
erro quadrtico de hedging esperado em = 0.
Em seguida, num procedimento recursivo partindo de = 0 e indo at = T ,
podemos obter os {
u( ), . . . , u
(T 1)} u , que provem a estratgia tima
de controle do portflio, i.e., a composio tima do portflio que produz um
hedging de mnima varincia para o derivativo no-realizvel. Evidentemente,
conhecida essa estratgia tima de controle, tambm podemos obter pela Equao (3.11), desde = 0 at = T , o valor V ( ) do portflio auto-financivel
gerado pela estratgia tima de controle {
u( )} =0, ,T 1 .
3.1.4
Variance Optimal Measure
Consideremos o Teorema 3.1. Usando a Equao (A.66), e lembrando que

k( ) ( )
a( ) ( )2 F -mensurvel, podemos escrever H( ) ( ) (Equao (3.21)) como:
H( ) ( ) =
EP

H( +1) ( + 1)
P Q
m +1, (( + 1))
,
a( ) ( )
(3.28)
onde:
Q
mP
+1, (( + 1)) =
A
,
B
(3.29)
A = k( +1) ( + 1)
h
i
1
EP k( +1) ( + 1)X(
) ( + 1) M( ) k( +1) ( + 1)X( ) ( + 1), (3.30)

B = EP k( +1) ( + 1)
h
i
h
i
1
P
EP k( +1) ( + 1)X(
(
+
1)
M
E
k
(
+
1)X
(
+
1)
,
( +1)
( )
)
( )
(3.31)
M( )
n
o
= EP k( +1) ( + 1)X( ) ( + 1)X(

(
+
1)
.
)
(3.32)
Usando as Equaes (3.6) e (3.9), podemos rescrever a Equao (3.28) como:
H
(
+
1)
( +1)
Q

H( ) ( ) = EP mP
((
+
1))
.
(3.33)
S( ),0 ( +1)
+1,
S0 ( )
26
Portanto:
H( ) ( )
= EP
S0 ( )

H( +1) ( + 1)
P Q
m +1, (( + 1))
.
S( ),0 ( + 1)
(3.34)
Q
P Q
Notemos que EP {mP
+1, (( + 1))} = 1, e que m +1, (( + 1)) F +1 Q
mensurvel. Portanto, a Equao mP
+1, (( + 1)) pode ser interpretada como
uma mudana de medida de probabilidade da medida P para a medida Q (i.e.,
a derivada de Radon-Nikodm, dQ
dP ,da medida Q com relao medida P ), e a
Equao (3.34) pode ser rescrita simplesmente como:

H( ) ( )
H( +1) ( + 1)
= EQ
.
(3.35)
S0 ( )
S( ),0 ( + 1)
Observemos ainda que, com relao medida de probabilidade Q, a varivel

H +1) ( +1)
aleatria S(
comporta-se como um martingale dado o conjunto de
( ),0 ( +1)
H
( +1)
( )
+1)
)
informaes F , i.e., EQ { S(
} = S(
. Portanto, a medida Q
0 ( )
( ),0 ( +1)
uma medida de martingale.
Tambm interessante notar que, com relao a essa medida, o processo que
)
representa os preos descontados dos ativos, SS(
, bem como o processo que re0 ( )
)
presenta o valor descontado do portflio SV0(
( ) , comportam-se como martingales,
pois o processo de ganhos descontado dos ativos de risco, X( ) ( + 1) (Equao (3.10)), bem como o processo de ganhos descontado do portflio, G( + 1)
(Equao (3.13)), possuem esperana nula. De fato, para X( ) ( + 1) temos:
EQ

n
o
n
o
A
P Q
P
,
X( ) ( + 1) = E m +1, (( + 1)) X( ) ( + 1) = E
B
(3.36)
onde:
n
o
A = EP k( +1) ( + 1)X(
) ( + 1)
n
o
1
EP k( +1) ( + 1)X(
(
+
1)
M(
)
)
n
o
P
E k( +1) ( + 1)X( ) ( + 1)X( ) ( + 1) , (3.37)

B = EP k( +1) ( + 1)

1
P
EP k( +1) ( + 1)X(
(
+
1)
M
E
k
(
+
1)X
(
+
1)
.
(
+1)
(
)
)
( )
(3.38)
Usando a Equao (3.32), obtemos:
n
o
EQ X(
) ( + 1) = 0.
27
(3.39)
Para G( + 1), temos:

o
n
(
+
1)u(
)
=
EQ {G( + 1)} = EQ X(
)
o
n
Q
EP mP
+1, (( + 1))X( ) ( + 1)u( ) . (3.40)
Como u( ) F -mensurvel, obtemos:
o
n
Q
EQ {G( + 1)} = EP mP
+1, (( + 1))X( ) ( + 1) u( ) =
o
n
EQ X(
) ( + 1) u( ) = 0. (3.41)
Essa medida de martingale Q que emerge da soluo do problema de controle timo chamada de variance optimal measure, e suas propriedades foram
estudadas e demonstradas por M. Schweizer [30].
Q
A mudana de medida de probabilidade mP
+1, (( + 1)) no necessariamente estritamente positiva para quaisquer valores de k( +1) ( + 1) e de
X( ) ( + 1), ou seja, Q uma medida com sinal e no necessariamente equivalente medida P . Entretanto, como estamos admitindo um mercado livre de
Q
arbitragem, mP
+1, (( + 1)) uma mudana de medida de bem-definida, o que
assegura que o operador matemtico esperana condicional seja bem-definido
com relao medida de martingale Q.
3.1.5
Clculo de H( )
A Equao (3.28) permite calcular o valor do contrato derivativo no instante de

tempo dado o valor do derivativo no instante de tempo + 1. Portanto, a
partir de H(T ) (T ), pode-se, por meio de recurses sucessivas, calcular o valor
H( ) ( ). O teorema a seguir permite calcular H( ) ( ) diretamente a partir de
H(T ) (T ), sem necessidade de um processo recursivo.
Teorema 3.4. Seja:
H( ) ( ) =
EP

H( +1) ( + 1)
P Q
m +1, (( + 1))
.
a( ) ( )
(3.42)
Ento:
H
(T
)
(T
)
(T )
(T )
P Q
P
Q
H( ) ( ) = E mT , T 1
= E
,
TQ
1
a
(j)
a
(j)
(j)
(j)
j=
(3.43)
j=
Q
onde mP
T , , dado por:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j ((j + 1)),
(3.44)
j=
corresponde mudana de medida de probabilidade da medida P para a medida

Q.
28
3.1.6
Uma Interpretao Para H( )
Num mercado financeiro livre de arbitragem e completo, qualquer instrumento

financeiro (e.g., um contrato derivativo) realizvel e possui um preo nico
correspondente, conforme justificado por argumentos de no-arbitragem, ao valor da estratgia auto-financivel que o replica. Num mercado financeiro livre de
arbitragem e incompleto, por outro lado, existem instrumentos financeiros norealizveis, i.e., instrumentos para os quais no h uma estratgia replicante.
Para esses instrumentos, no possvel determinarmos um preo empregando
argumentos de no-arbitragem envolvendo uma carteira replicante (pois ela no
existe). Esses instrumentos no-realizveis no possuem um preo nico, mas
sim um conjunto de preos possveis consistentes com ausncia de arbitragem.
Como a medida de probabilidade Q uma medida de martingale, a Equao
(3.43) assemelha-se a uma equao de apreamento em condies de ausncia de
arbitragem num mercado completo. M. Schl [27] refere-se a H( ) nesta equao como um "preo justo de hedging"(i.e., fair hedging price) do instrumento
financeiro no-realizvel de valor terminal H(T ) (T ). M. Schweizer [29] corretamente admite, contudo, que o termo "preo"pode ser enganoso, pois H( ) no
necessariamente corresponde a um preo livre de arbitragem para o instrumento
financeiro no-realizvel de valor terminal H(T ) (T ). Isso ocorre porque a variance optimal measure existe mesmo quando h arbitragem entre os ativos do
mercado. A. ern [5] prov um exemplo simples que ilustra esta situao.
3.2
Modelo com n Ativos de Risco sem Cadeia

de Markov
Neste item simplificamos o modelo geral apresentado anteriormente. Supomos

agora que exista apenas um nico modo de operao possvel para o mercado
a cada instante de tempo . O nmero de ativos de risco bsicos no mercado
continua sendo igual a n.
importante notarmos que esta simplificao leva o nosso modelo a resultados que coincidem com os obtidos por A. ern [5].
Portanto, eliminando a cadeia de Markov no modelo geral, i.e., fazendo
( ) = 1, = T , . . . , 0, os Teoremas 3.1, 3.2 e 3.4 podem ser rescritos como:
Corolrio 3.5. Para cada = T , . . . , 0, a estratgia tima de controle do
portflio u
( ) e a funo objetivo tima J(V ( ), ) so dadas por:
u
( ) = M
EP

H( + 1)
V ( )
,
k( + 1)X( + 1)
S0 ( ) S0 ( + 1)
2
J(V ( ), ) = k( ) (V ( ) H( )) + ( ),
(3.45)
(3.46)
onde, para = T 1, . . . , 0:
h
k( ) = a( )2 EP {k( + 1)} EP (k ( + 1) X ( + 1)) M 1
i
EP (k ( + 1) X( + 1)) , (3.47)
29
H( ) =
1
k( )
a( )2
EP

k ( + 1) EP [k( + 1)X ( + 1)]
M
H( + 1)
k( + 1)X( + 1)
a( )

, (3.48)

( ) = EP k( + 1) (a( )H( ) + S0 ( + 1)X ( + 1)u( )

2
H( + 1)) + EP (( + 1)) 0, (3.49)
M = EP {k( + 1)X( + 1)X ( + 1)} ,
(3.50)

1
u( ) = EP {k( + 1)X( + 1)X ( + 1)}

H( + 1)
H( )
P
, (3.51)
E k( + 1)X( + 1)
S0 ( ) S0 ( + 1)
k(T ) = 1,
(T ) = 0.
(3.52)

Corolrio 3.6. Seja J(V (0), (0), 0) tal como definido no Corolrio 3.5. O
valor de V (0) que minimiza J(V (0), (0), 0), denominado por V (0), dado
por:
V (0) = H(0).
(3.53)
Prova: ver Apndice A .
Corolrio 3.7. Para o modelo com n Ativos de Risco sem Cadeia de Markov,
H( ) ( ), tal como definido na Equao (3.42) do Teorema 3.4, escreve-se como:
H(T
)
H(T
)
P
Q
Q
P
H( ) = E mT , T 1
= E
,
(3.54)
TQ
1
a(j)
a(j)
j=
j=
Q
onde mP
T , , dado por:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j ,
(3.55)
j=

Q.
Prova: ver Apndice A .
30
3.3
Modelo com Um Ativo de Risco sem Cadeia

de Markov
Este modelo pode ser obtido a partir do modelo anterior simplesmente eliminandose a notao vetorial e adotando-se a notao escalar, j que h apenas um ativo
de risco bsico disponvel no mercado.
Portanto, num modelo em que o mercado opere em apenas um modo, e
havendo apenas um ativo de risco bsico, os Teoremas 3.1, 3.2 e 3.4 podem ser
rescritos como:
Corolrio 3.8. Para cada = T , . . . , 0, a estratgia tima de controle do
portflio u
( ) e a funo objetivo tima J(V ( ), ) so dadas por:
o
n

H( +1)
V ( )
EP k( + 1)X( + 1)
S0 ( ) S0 ( +1)
n
o
,
(3.56)
u
( ) =
2
EP k( + 1) (X( + 1))
2
J (V ( ), ) = k( ) (V ( ) H( )) + ( ),
(3.57)
onde, para = T 1, . . . , 0:
2
P
{k(
+
1)X(
+
1)}
E
2
n
o ,
k( ) = a ( ) EP {k( + 1)}
2
P
E k( + 1) (X( + 1))
H( ) = EP
k( + 1)
Q
mP
+1, =

Q H( + 1)
mP
,
+1,
a( )
EP {k( +1)X( +1)}

k(
EP {k( +1)(X( +1))2 }
EP {k( + 1)}
(3.58)
(3.59)
+ 1)X( + 1)
(EP {k( +1)X( +1)})2

EP {k( +1)(X( +1))2 }
(3.60)
( ) = EP (( + 1))+
n
o
2
EP k( + 1) (a( )H( ) + S( + 1)X( + 1)u( ) H( + 1)) 0,
(3.61)
n

o
H( +1)
)
EP k( + 1)X( + 1) SH(
S0 ( +1)
0 ( )
n
o
u( ) =
,
2
EP k( + 1) (X( + 1))
(3.62)

k(T ) = 1,
(T ) = 0,
Prova: ver Apndice A
31
(3.63)
Corolrio 3.9. Seja J(V (0), (0), 0) tal como definido no Corolrio 3.8. O
valor de V (0) que minimiza J(V (0), (0), 0), denominado por V (0), dado
por:
V (0) = H(0).
(3.64)
Corolrio 3.10. Para o modelo com um Ativo de Risco sem Cadeia de Markov,
H( 1) ( 1), tal como definido na Equao (3.42) do Teorema 3.4, escreve-se
como:
H(T )
P Q H(T )
P
Q
H( ) = E mT , T 1
= E
,
(3.65)
TQ
1
a(j)
a(j)
j=
j=
Q
onde mP
T , , dado por:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j ,
(3.66)
j=

Q.
32
Captulo 4
Modelo em Tempo Discreto,

com Espao de Estados
Contnuo, com Um Ativo de
Risco e sem Cadeia de
Markov
Neste item ser desenvolvida a estrutura terica que permite determinar o preo
de um derivativo de caracterstica europia e com payoff qualquer, bem como o
controle timo da carteira que faz o hedging de mnima varincia desse derivativo, num modelo de mercado em que o tempo discreto e o espao de estados
contnuo, atendendo assim s premissas que melhor refletem as condies de
funcionamento do mercado financeiro real (conforme j descrito no Item 1.2).
O modelo empregado para descrever a dinmica dos retornos do ativo de risco
corresponde a um processo de difuso com saltos (jump diffusion process).
No Item 4.1 so apresentados conceitos bsicos preliminares sobre processos
com saltos que sero empregados nos modelos desenvolvidos em itens a seguir.
No Item 4.2 estabelecida a equao de estado para X() num espao de
estados contnuo. Esta equao e outros resultados apresentados no apndice
desta tese so substitudos nas equaes estabelecidas no Captulo 3, Item 3.3,
para produzir os resultados principais deste Captulo 4, que so apresentados
no Item 4.3. No Teorema 4.2 determinamos o fair hedging price do derivativo
cujo payoff H(T ). No Teorema 4.3 determinamos o controle timo da carteira
que faz o hedging de mnima varincia desse derivativo.
4.1
Conceitos Preliminares
Neste item apresentamos alguns conceitos preliminares acerca de processos com

saltos.
Uma funo S : [0, T ] Rd dita cadlag se ela contnua direita com
33
limite esquerda, i.e., se para cada t [0, T ], os limites:

S(t) =
lim
ut,u<t
S(u)
S(t+) =
lim
ut,u>t
S(u)
(4.1)
existem e S(t) = S(t+).

Sendo t [0, T ], S(t) conhecida como a verso contnua esquerda de
S(t) no intervalo [0, T ].
Qualquer funo contnua cadlag, mas funes cadlag podem ter descontinuidades. Se t um ponto de descontinuidade, denotamos por:
S(t) = S(t) S(t)
(4.2)
o salto de S no instante de tempo t, onde t corresponde ao instante de tempo

imediatamente anterior a t.
Seja Q(t) o seguinte processo composto de Poisson:
Q(t) =
N P (t)

P
eYi 1 ,
(4.3)
i=1
onde N P (t) um processo de Poisson de intensidade P , e os YiP so variveis

aleatrias independentes e identicamente distribudas com relao medida de
probabilidade P .
O incremento Q(t) desse processo corresponde variao de Q(t) quando
ocorre um salto, e dado por:
P

Q(t) = Q(t) Q(t) = eYi 1 .
(4.4)
Usando a lei das expectativas iteradas, E P {} = E P {E P {}}, o valor esperado
desse processo :
E P {Q(t)} = E P
P
(t)
NX
YiP
e 1
=
i=1
(t)
NX

P
EP EP
eYi 1 |N (t) = k
=
i=1
(
( k
))
( k
)

n Po

X P
X
P
P
Yi
P
P
Yi
E
E
e 1
=E
E
e
1
. (4.5)
i=1
i=1
Seja Yi (u) a funo geradora de momentos da VA YiP , i.e.:

n
o
P
YiP (u) = E P euYi .
(4.6)
Usando esta notao para continuar o desenvolvimento da esperana E P {Q(t)}
34
acima (Equao (4.5)), obtemos:

P
E {Q(t)} = E
( k
X
YiP (1) 1
o
n
=
= E P k YiP (1) 1
i=1

k
k P (1) 1 et P t
X
Yi

k
P t
=
k!
k!
k=0
k=0
k
k1

X
X
k P t
P t
t
t P
YiP (1) 1 e
= YiP (1) 1 e t
=
k!
(k 1)!
k=1
k=1
s

X
P t
P
P
t P
YiP (1) 1 e t
= YiP (1) 1 e t P te t =
s!
s=0
|
{z
}

X
k
= YiP (1) 1 et
e P t

Portanto:

YiP (1) 1 P t. (4.7)

E P {Q(t)} = YiP (1) 1 P t.
(4.8)
Consideremos que as variveis aleatrias YiP possuam distribuio normal

com E{Yi } = Y e 2 {Yi } = Y2 , i.e., YiP N (Y , Y2 ). Portanto:
n
o
P
1 2 2
YiP (u) = E P euYi = euY + 2 u Y ,
(4.9)
e:
YiP (1) = eY + 2 Y .
(4.10)
Assim, substituindo na equao para E P {Q(t)} (Equao (4.8)), obtemos:

1 2
E P {Q(t)} = YiP (1) 1 P t = eY + 2 Y 1 P t.
(4.11)
Seja J(t) o seguinte processo puro de saltos:
P
N P (t)
N (t)
X
Y
P
J(t) =
eYi = exp
YiP .
i=1
(4.12)
i=1
Sendo t o instante de tempo em que ocorre o i-simo salto, e t o instante

de tempo imediatamente anterior a esse instante, podemos escrever:
P
J(t) = J(t)eYi ,
(4.13)
e
P
J(t) = J(t) J(t) = J(t)eYi J(t) =

P

J(t) eYi 1 = J(t)Q(t). (4.14)
35
Novamente usando a lei das expectativas iteradas, o valor esperado do processo (J(t))m :
P
m
NY(t) P
E P {(J(t)) } = E P
eYi
=
i=1
( k
)
NY(t)
n
o
Y
P
P
EP EP
emYi |N [t] = k
= EP
E P emYi
=
i=1
i=1
( k
)

k
Y
2
2 2
1
P
mY + 12 m2 Y
=
E
e
= EP
emY + 2 m Y
m
i=1
k
2
mY + 21 m2 Y
e
X
et P t
k
k!
k=0
P
= et

k
2 2
1
P t emY + 2 m Y
X
k=0
e t e
temY + 2 m
2 2
Y
k!
h

i
2 2
1
= exp P t emY + 2 m Y 1 . (4.15)
Aplicando esta expresso para m = 1, temos:

P
NY(t) P
i
h

1 2
E P {J(t)} = E P
eYi
= exp P t eY + 2 Y 1 .
(4.16)
i=1
4.2
Equaes de Estado Para X num Espao de

Estados Contnuo
Neste item, estabelecemos as equaes de estado para as variveis X() e S0 (),

usadas nas equaes do Corolrio 3.8, para o modelo em que o espao de estados
contnuo. Inicialmente, obtemos as equaes de estado a tempo contnuo.
Quando resolvidas, essas equaes so ento expressas a tempo discreto, gerando
o modelo desejado: tempo discreto e espao de estados contnuo.
Para relacionar instantes de tempo discretos aos seus instantes correspondentes contnuos, usamos a seguinte notao: os instantes de tempo contnuo t0 ,
t1 = t0 + t0 , . . . , tk+1 = tk + tk , . . . , T = tT = tT 1 + tT 1 correspondem
aos instantes de tempo discretos = 0, 1, ..., T .
No modelo a tempo contnuo, a equao diferencial que descreve a dinmica
do preo do ativo livre de risco :
dS0 (t) = S0 (t)rdt,
(4.17)
onde r, taxa de juros livre de risco continuamente capitalizada, suposta constante. Resolvendo esta simples equao diferencial, a soluo para S0 (t + tt ),
a partir de uma condio inicial (t, S0 (t)), :
S0 (t + tt ) = S0 (t) exp(rtt ).
(4.18)
Deste ponto em diante, o preo S(tf ) do ativo de risco num instante de

tempo futuro tf > t, t sendo o instante de tempo atual, quando expresso em
relao a uma medida de probabilidade M , representado por S M (tf ). Quando
36
o preo do ativo de risco for mensurvel com relao ao conjunto de informaes disponvel no instante de tempo atual, a medida de probabilidade no
explicitada, j que no possui influncia alguma.
Assim, para descrever a equao diferencial estocstica de S(t) no modelo a
tempo e espao de estados contnuos, adotemos um processo de difuso com saltos. Ento, expressemos pela seguinte equao diferencial estocstica a variao
de S(t) durante um intervalo de tempo dt:
dS P (t) = S P (t + dt) S(t) =
( ) S(t)dt + S(t)dW P (t) +
{z
} |
{z
}
|
dR(t)
dI(t)

1 2
S(t)d Q (t) eY + 2 Y 1 P t , (4.19)
{z
}
|

dJ(t)
onde W P (t) um processo de Wiener em relao medida de probabilidade P ;

QP (t), definido na Equao (4.3), um processo composto de Poisson em relao
medida de probabilidade P ; e , , , Y , Y e P so parmetros constantes ( corresponderia taxa de retorno esperada da ao caso no houvesse
pagamentos de dividendos; a taxa de dividendos esperada da ao, pagos
continuamente; como veremos a seguir, corresponde taxa de retorno
esperada da ao; correponde ao coeficiente de difuso, i.e., volatilidade,
dos retornos do ativo; Y , Y e P foram definidos no item anterior).
O segundo termo do lado direito da Equao (4.19), dI(t), corresponde a
um processo de difuso representado por um movimento browniano geomtrico.
Esse termo representa variaes estocsticas, porm contnuas, da varivel de
estado S(t) durante um intervalo de tempo dt. O termo dI(t) possui esperana
nula:

EtP {dI(t)} = EtP S(t)dW P (t) = S(t)EtP dW P (t) = 0.
(4.20)
O terceiro termo do lado direito da Equao (4.19), dJ(t), corresponde a
um processo de salto representado por um processo composto de Poisson. Esse
termo representa possveis variaes estocsticas descontnuas da varivel de
estado S(t) durante um intervalo de tempo dt. O termo dJ(t) possui esperana
nula. De fato, usando a Equao (4.11):
n

o
1 2
EtP {dJ(t)} = EtP S(t)d Q(t) eY + 2 Y 1 P t
=

o
n

1 2
S(t)EtP dQ(t) eY + 2 Y 1 P dt =
h

i

1 2
S(t) d EtP QP (t) eY + 2 Y 1 P dt = 0. (4.21)
Por fim, o primeiro termo do lado direito da Equao (4.19), dR(t), corresponde variao esperada em S(t) durante um intervalo de tempo dt. De
fato:

EtP dS P (t) = EtP {dR(t) + dI(t) + dJ(t)}
= EtP {dR(t)} + EtP {dI(t)} + EtP {dJ(t)} =
dR(t) = ( ) S(t)dt. (4.22)
37
A Equao (4.19) pode ser rescrita como:

dS P (t) = ( ) S(t)dt + S(t)dW P (t)+

1 2
S(t)dQP (t) S(t) eY + 2 Y 1 P dt. (4.23)
Como S(t) a verso contnua esquerda de S(t), estas funes apenas
diferem em um conjunto de medida nula. Portanto, as integrais de S(t)dt e de
S(t)dt coincidem:
Z
Z
u
S(t)dt =
S(t)dt,
(4.24)
e a Equao (4.23) pode ser escrita como:

1 2
dS P (t) = eY + 2 Y 1 P S(t)dt+
S(t)dW P (t) + S(t)dQP (t). (4.25)
Para um instante de tempo t + tt , a soluo para S P (t + tt ), a partir de
uma condio inicial (t, S(t)), [32]:

S P (t + tt ) = S(t) exp W P (t + tt ) W P (t) +

2
Y + 12 Y

N PY
(tt )
P
1 2
1 tt
eYi . (4.26)
2
i=1

Acrescentando a S P (t + tt ) os dividendos pagos pelo ativo de risco, no

instante t + tt , como remunerao durante os instantes de tempo t e t + tt ,
obtemos:
S P (t + tt ) + (t + tt ) = S P (t + tt ) exp(tt ) =

N PY

(tt )

2
P
1 2
P
P
Y + 21 Y
1 tt
eYi .
S(t) exp W (t+tt )+ e
2
i=1
(4.27)
Rescrevendo as Equaes (4.18) e (4.27) com a notao para tempo discreto,
obtemos:
S0 ( + 1) = S0 ( ) exp(rt ),
(4.28)
S P ( + 1) + ( + 1) =

N PY
(t )

2
P
1 2
P
P
Y + 21 Y
S( ) exp W ( + 1) + e
1 t
eYi .
2
i=1
(4.29)
38
Substituindo estas equaes na Equao (3.10), obtemos para X( + 1):

X( + 1) =

S( )
exp W P ( + 1)+
S0 ( )

2
Y + 12 Y
r e

N PY
(t )

P
1
1 P 2 t
eYi 1 . (4.30)
2
i=1
Lembrando que:
W P ( ) um processo de Wiener com EP {W P ( +1)} = 0 e EP {(W P ( +
1))2 } = t ;
N P () um processo de Poisson de intensidade P ;
Os YiP so variveis aleatrias independentes e normalmente distribudas
com mdia EP {YiP } = Y e desvio-padro P {YiP } = Y ;
S0 ( ), S( ), , e r so constantes;
estabeleamos o seguinte lema:
Lema 4.1. Seja X( +1) tal como definido na Equao (4.30). Considerando
6= r, X( + 1) pode ser expresso como:
X( + 1) =

S( ) (r)t
e
1 (0 (t ) + 1 (t )Z1 (t )Z2 (t )) , (4.31)
S0 ( )
onde:
0 (t ) =
1 (t ) =
1
e(r)t
(4.32)
e(r)t
,
1
(4.33)
e(r)t

1
Z1 (t ) = exp W P ( + 1) 2 t ,
2
N P (t )
P
Q
Z2 (t ) = e( )t
Y
i=1
Q f Q (YiP )
,
P f P (YiP )
Q = P e 2 Y +Y ,
21
1
f P (YiP ) =
e
2Y
f Q (YiP ) =
21
1
e
2Y

39
YiP Y
Y
(4.34)
(4.35)
(4.36)
2 +
YiP Y
Y
Y
,
)
(4.37)
!2
(4.38)
4.3
Resultados Principais
Neste item so apresentados os resultados principais do Captulo 4. No Teorema

4.2, apresentamos a expresso do fair hedging price do derivativo cujo payoff
H(T ). A seguir, no Teorema 4.3, determinamos o controle timo da carteira
que faz o hedging de mnima varincia desse derivativo.
Ambos os teoremas apresentados a seguir fazem uso da medida de probabilidade Ql , definida no Lema A.8 por meio de sua derivada de Radon-Nikodm
com relao medida de probabilidade P . Essa medida, por sua vez, foi construda levando em conta que a dinmica dos retornos do ativo de risco descrita
por um processo de difuso com saltos num espao de estados contnuo.
Dado um derivativo com um payoff qualquer de caracterstica europia, os
resultados desses teoremas provem a estrutura terica a partir da qual se podem obter, caso haja tratabilidade matemtica suficiente, expresses analticas
fechadas para o preo e para o controle timo da carteira que faz o hedging de
mnima varincia desse derivativo. Caso no haja a tratabilidade mencionada
anteriormente, os resultados dos teoremas provem, ento, a estrutura adequada
e direta para serem realizadas simulaes de Monte Carlo produzindo numericamente o preo e o controle timo da carteira que faz o hedging de mnima
varincia do derivativo em questo.
Teorema 4.2. Sejam H( ), tal como definido no Corolrio 3.10, e EQl {},
operador esperana condicional com relao medida de probabilidade Ql , cuja
l
derivada de Radon-Nikodm com relao medida de probabilidade P , mTP Q
,
,
encontra-se definida no Lema A.8. Ento, H( ) pode ser escrito como:
n
X
H( ) = ernt
p=0
n
(
p)
n
o
np p X P
Ql
E mP
H(T ) =
a0 a1
T ,
l=1
(np)
n
X
X
np p
ernt
EQl {H(T )} , (4.39)
a0 a1
p=0
l=1
onde n = T , a0 e a1 so dados por:
1 2
t r+2e 2 Y +Y P P
a0 =
a1 =
1 2
1+2e 2 Y +Y
1+2e 2 Y +Y
tP
tP
1 2
1+2e 2 Y +Y
2 2 +Y ) P
t 2 +e ( Y
2 2 +Y )
t 2 +e ( Y
P
(4.40)
(4.41)
1 2
t r+2e 2 Y +Y P P
tP
2 2 +Y )
t 2 +e ( Y
P

Teorema 4.3. Sejam X( +1) e k( +1) tais como definidos, respectivamente,
e
nos Lemas 4.1 e A.5, H( + 1) e EQl {} tais como definidos no Teorema 4.2,
_
n
n
Cp,l
e Cnp,s
tais como definidos no Lema A.6. Ento, a estratgia tima u( ),
dada pela Equao (3.56), pode ser escrita como:
40

A V ( )
u( ) = e(r)t 1
,
S( )B
(4.42)
#
(np) " IC n (1) IC n
(1)
X
np,s
p,l
0
1
Ql
rnt p np
A=
e
a1 a0
E {H(T )} ,
a1
a0
p=0
n
X
l=1
(4.43)

h
i
2
1 2
B = exp 2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t
2 exp[( r) t] + 1, (4.44)

V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert .
41
(4.45)
Captulo 5
Aplicao
Neste captulo aplicamos os resultados apresentados no Captulo 4 a uma opo
de compra europia vanilla. Esta opo possui um payoff dado por:

(5.1)
H(T ) = max S Ql (T ) K, 0 = S Ql (T ) K I{S Ql (T )>K } .
No Item 5.1 abordamos o caso em que os retornos do ativo de risco so
descontnuos, pois so descritos por um processo de difuso com saltos. No
Item 5.2, a dinmica dos retornos do ativo de risco simplificada para um
processo browniano (processo de Wiener).
5.1
Opo de Compra Europia Vanilla com Jumps
A estrutura deste item est descrita a seguir.

No Lema 5.1 apresentamos o processo estocstico que descreve o preo do
ativo de risco na data T , S Ql (T ). O ndice sobrescrito Ql apenas indica, como j
explicado anteriormente, que o preo do ativo de risco est expresso em relao
a uma medida de probabilidade Ql .
No Teorema 5.2 apresentamos o fair hedging price da opo de compra europia quando o preo do ativo de risco tal como descrito no Lema 5.1. No
Teorema 5.3, apresentamos o controle timo da carteira que faz o hedging de
mnima varincia desse derivativo nas condies do Lema 5.1.
Os resultados dos Teoremas 5.2 e 5.3 correspondem a um paralelo do resultado apresentado por Merton [20] para o apreamento de opes quando os
retornos so descontnuos. A diferena entre esses resultados reside no fato de
Merton ter considerado um modelo de mercado contnuo com relao ao tempo e
ao espao de estados, ao passo que aqui, mantendo o espao de estados contnuo,
consideramos um modelo discreto em relao ao tempo.
Lema 5.1. Seja S P (), preo do ativo de risco com relao medida de probabilidade P , tal como definido na Equao (4.26). Ento, S Ql (T ), o preo do
ativo de risco com relao medida de probabilidade Ql definida no Lema A.8,
42
pode ser escrito como:

S Ql (T ) =
TX
S( ) exp
Ql
( + j) +
N Q ((T )t)
j=1

YiQ + Y2 +
i=1
2
Y + 21 Y
#

1 2
2
1 (T ) t + pt . (5.2)
2


Teorema 5.2. Sejam H( ) tal como definido no Teorema 4.2; H(T ), dado por:

H(T ) = S Ql (T ) K I{S Ql (T )>K } ,
(5.3)
o payoff de uma European vanilla call option (i.e., opo de compra vanilla
europia); e S Ql (T ) o preo do ativo de risco na data T tal como definido na
Equao (5.2). Nessas condies, H( ) pode ser escrito como:
rnt
H( ) = e
n
X
n
p=0
anp
ap1 EQl
0

{H(T )} ,
(5.4)
onde:
n = T ,
1 2
t r+2e 2 Y +Y P P
a0 =
a1 =
1 2
1+2e 2 Y +Y
1 2
1+2e 2 Y +Y
1+2e 2 Y +Y
2 2 +Y )
t 2 +e ( Y
P
tP
(5.5)
2 2 +Y ) P
t 2 +e ( Y
(5.6)
(5.7)
1 2
t r+2e 2 Y +Y P P
2 2 +Y )
t 2 +e ( Y
P
tP
EQl
{H(T )} = T1 G1 K,
h

i
1 2
exp 1 eY + 2 Y P (T ) t
2
h

i,
T1 = S( )e[()(T )+ p]t
3 2
exp 1 eY + 2 Y Q (T ) t
1
Q = P e 2 Y +Y ,
(5.8)
(5.9)
(5.10)
h
i
X
2
(dR,p, )
G1 =
exp P e2(Y +Y ) (T )t
!
=0
43
2
+Y )
P 2(Y
(T ) t
!
, (5.11)
G2 =
h
i
X
1 2
(dQ,p, )
exp P e 2 Y +Y (T ) t
!
=0
1
(s) =
2
dQ,p, =
S( )
K
A = ln
S( )
K
1 2
2 Y
x2
2
+Y
(T )t
dx,
!
, (5.12)
(5.13)
A
1
(5.14)
( 2 (T ) t + Y2 ) 2

+ 2 pt + Y2 + Y +

2
1 2
P
Y + 12 Y
1 (T ) t, (5.15)
e
2
dR,p, =
B = ln
B
( 2
(5.16)
(T ) t + Y2 ) 2

+ 2 pt + 2Y2 + Y +

1 2
1
eY + 2 Y 1 P + 2 (T ) t. (5.17)
2

_
Teorema 5.3. Sejam u( ) tal como definido no Teorema 4.3, H(T ), dado por:

H(T ) = S Ql (T ) K I{S Ql (T )>K } ,
(5.18)
o payoff de uma European vanilla call option (i.e., opo de compra vanilla
europia); e S Ql (T ) o preo do ativo
de risco na data T tal como definido na
_
Equao (5.2). Nessas condies, u( ) pode ser escrito como:

A V ( )
u( ) = e(r)t 1
,
S( )B
A=
n
X
ernt ap1 anp

0
p=0
(5.19)

n1
0
n1
1
+
EQl {H(T )} ,
p
a0
np
a1
(5.20)
B = exp
h

i
2
1 2
2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t

2 exp[ r t] + 1, (5.21)
onde:
44
n = T ,
0 =
1 =
1
,
e(r)t 1
a1 =
1+2e 2 Y +Y
1 2
1+2e 2 Y +Y
tP
tP
1+2e 2 Y +Y
(5.23)
e(r)t
,
e(r)t 1
1 2
t r+2e 2 Y +Y P P
a0 =
(5.22)
(5.24)
2 2 +Y ) P
t 2 +e ( Y
2 2 +Y )
t 2 +e ( Y
P
(5.25)
(5.26)
1 2
t r+2e 2 Y +Y P P
tP
2 2 +Y )
t 2 +e ( Y
P
EQl {H(T )} = T1 G1 KG2 ,
2
T1 = S( )e[()(T )+ p]t
exp
h
exp
h
(5.27)
P (T ) t
Q (T ) t
1 eY + 2 Y
1 eY + 2 Y
i
i,
(5.28)
Q = P e 2 Y +Y ,
G1 =
h
i
X
2
(dR,p, )
exp P e2(Y +Y ) (T ) t
!
=0
G2 =
(5.29)
2
+Y )
P 2(Y
(T ) t
, (5.30)
h
i
X
1 2
(dQ,p, )
exp P e 2 Y +Y (T ) t
!
=0
1
(s) =
2
dQ,p, =
1 2
2 Y
x2
2
+Y
dx,
, (5.31)
(5.32)
C
( 2
(T )t
(T ) t + Y2 ) 2
45
(5.33)

C = ln
S( )
K

+ 2 pt + Y2 + Y +

2
1 2
P
Y + 12 Y
1 (T ) t, (5.34)
e
2
dR,p, =

D = ln
S( )
K
D
( 2
(5.35)
(T ) t + Y2 ) 2

+ 2 pt + 2Y2 + Y +

2
1 2
Y + 12 Y
P
e
1 + (T ) t, (5.36)
2

V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert .
(5.37)
Prova: Ver apndice A.
5.2
Opo de Compra Europia Vanilla sem Jumps
Neste item, particularizamos os resultados obtidos acima para o caso em que os

retornos do ativo de risco so descritos por um processo de difuso sem saltos,
i.e., por um processo browniano (ou de Wiener). A estrutura deste item est
descrita a seguir.
No Teorema 5.4 apresentamos o fair hedging price da opo de compra europia vanilla quando o preo do ativo de risco segue um movimento browniano
geomtrico, e no Teorema 5.5 apresentamos o controle timo da carteira que faz
o hedging de mnima varincia desse derivativo nestas condies.
Os resultados dos Teoremas 5.4 e 5.5 correspondem a um paralelo do resultado apresentado por Black & Scholes [3] para o apreamento de opes
quando os retornos seguem um movimento browniano. A diferena entre esses
resultados reside no fato de Black & Scholes terem considerado um modelo de
mercado contnuo com relao ao tempo e ao espao de estados, ao passo que
aqui, mantendo o espao de estados contnuo, consideramos um modelo discreto
em relao ao tempo.
Teorema 5.4. Seja H( ) tal como definido no Teorema 4.2. Seja ainda H(T )
dado por:

H(T ) = S Ql (T ) K I{S Ql (T )>K } ,
(5.38)
correspondendo ao payoff de uma European vanilla call option (i.e., opo de
compra vanilla europia). Nessas condies, H( ) pode ser escrito como:
H( ) = ernt
n
X
n
p=0
46

p Ql
anp
a
E
{H(T
)}
,
1
0
(5.39)
onde:
n = T ,
a0 =
(5.40)
e(r)t e
1 e2 t
a1 =
1 e(r)t
,
1 e2 t
(5.42)
2
EQl {H(T )} = S ( ) e[()(T )+ p]t (dR,p ) K(dQ,p ),
dQ,p
dR,p
(5.41)
Z s
x2
1
(s) =
e 2 dx,
2

)
ln S(
+ 12 2 (T ) t + 2 pt
K
p
=
,
(T ) t

)
ln S(
+ + 21 2 (T ) t + 2 pt
K
p
=
.
(T ) t
(5.43)
(5.44)
(5.45)
(5.46)

_
Teorema 5.5. Seja u( ) tal como definido no Teorema 4.3. Seja ainda H(T )
dado por:

H(T ) = S Ql (T ) K I{S Ql (T )>K } ,
(5.47)
correspondendo ao payoff de uma European _
vanilla call option (i.e., opo de
compra vanilla europia). Nessas condies, u( ) pode ser escrito como:

A V ( )
,
u
( ) = e(r)t 1
S( )B
A=
n
X
p=0
ernt ap1 anp

0
(5.48)

n1
0
n1
1
+
EQl {H(T )} ,
p
a0
a1
np
2
B = e(22r+ )t 2e(r)t + 1,
(5.49)
(5.50)
n = T ,
(5.51)
onde:
0 =
1 =
a0 =
1
e(r)t
(5.52)
e(r)t
,
1
(5.53)
e(r)t
e(r)t e
1 e2 t
47
(5.54)
a1 =
1 e(r)t
,
1 e2 t
2
EQl {H(T )} = S ( ) e[()(T )+ p]t (dR,p ) K(dQ,p ),
dQ,p
dR,p
Z s
x2
1
e 2 dx,
(s) =
2

)
ln S(
+ 12 2 (T ) t + 2 pt
K
p
=
,
(T ) t

)
ln S(
+ + 21 2 (T ) t + 2 pt
K
p
=
,
(T ) t

V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert .
48
(5.55)
(5.56)
(5.57)
(5.58)
(5.59)
(5.60)
Captulo 6
Simulaes Numricas
Neste item apresentamos simulaes numricas para o controle (i.e., hedging) de
um portflio composto apenas por uma opo de compra europia vanilla. A
dinmica do ativo base no caso estudado dada por um movimento browniano
geomtrico.
Inicialmente, descrevemos detalhadamente a estrutura das simulaes. Em
seguida, apresentamos os resultados das simulaes. Finalmente, comentamos
os resultados obtidos nas simulaes.
6.1
Estrutura das Simulaes
Inicialmente, lembremo-nos de que o problema de hedging de mnima varincia

de um contrato derivativo no-realizvel pode ser expresso como um problema
de controle timo estocstico em tempo discreto e com variveis de controle
V (0) e {u( )} =0, ,T 1 , dado por:
n
o
_
2
J 0,T ((0), 0) =
inf
E P (V (T ) H(T )) |F0 ,
(6.1)
V (0),{u(0),...,u(T 1)}u0
onde V (T ) o valor do portflio gerado pelas decises de controle {u( )} =0, ,T 1 ,

e H(T ) o valor terminal (i.e., o payoff) do derivativo no-realizvel para o qual
se pretende fazer o hedging.
As simulaes numricas realizadas nesta tese tm o objetivo de ilustrar o
desempenho da estratgia tima de controle obtida na soluo do problema dado
pela Equao (6.1) quando H(T ) corresponde ao payoff de uma opo de compra
europia vanilla, dado pela Equao (5.38). Como referncia para avaliao dos
resultados obtidos, comparamos os resultados gerados por esta estratgia tima
de controle com os obtidos com o uso da estratgia de hedging compatvel com
o modelo de Black & Scholes, chamada de estratgia delta-neutra ou estratgia
delta hedging [35, 16]. A estratgia delta-neutra foi escolhida porque, alm de
extremamente simples, a estratgia amplamente usada pelos profissionais do
mercado financeiro para o hedging da opo em questo.
A estrutura das simulaes realizadas a seguinte. Inicialmente, identificamos o nmero n de rebalanceamentos, i.e., de aes de controle, que haver no
portflio de hedging, desde o instante de tempo atual (i.e., = 0 na notao de
49
tempo discreto, e t0 na notao de tempo contnuo), at o instante de maturidade da opo (i.e., T na notao de tempo discreto, e tT na notao de tempo
contnuo). O nmero de aes de controle dado por n = T = T . Conforme
definies apresentadas no Item 4.2, n pode ser calculado como:
t T t0
tT
=
,
(6.2)
t
t
onde t o intervalo de tempo entre duas aes de controle consecutivas (i.e.,
entre dois rebalanceamentos consecutivos do portflio).
De posse de n e do valor do ativo base no instante de tempo atual = 0,
geramos uma seqncia de valores para o ativo base nos n instantes de tempo
em que h rebalanceamentos. Isto feito usando-se sucessivamente a Equao
(4.26), simplificada para o caso em que no h saltos:

1
(6.3)
Si (j + 1) = Si (j) exp 2 t + (Wj+1 Wj ) ,
2
n=T =
onde j = 0, . . . , T 1 e o ndice i, i = 1, . . . , Nsim , indica apenas que se trata

da i-sima simulao (ou da i-sima trajetria) num conjunto de Nsim simulaes. Esses n = T valores de Si () gerados representam uma possvel trajetria
realizada pelo preo ativo de risco desde o instante de tempo atual = 0 at
o instante de maturidade T do derivativo. A partir dessa trajetria de preos
simulada, calculamos Hi (T ) (Equao (5.38)).
Chamemos de ViPD (T ) o valor do portflio que gerado pelas decises de
controle {u( )} =0, ,T 1 obtidas a partir da soluo do problema dado pela
Equao (6.1) e aplicadas i-sima trajetria de preos simulada. Chamemos
de ViBS (T ) o valor do portflio gerado por decises de controle {u( )} =0, ,T 1
obtidas a partir do modelo de Black & Scholes (estratgia delta-neutra) e aplicadas i-sima trajetria de preos simulada.
Assim, de posse da i-sima trajetria de preos simulada, usamos as equaes estabelecidas nos Teoremas 5.4 e 5.5 para encontrar ViPD (T ). De forma
anloga, usamos a equao de controle para a estratgia delta-neutra [35, 16] e
a Equao (5.60) para encontrar ViBS (T ). Ento, para esta i-sima trajetria de
PD
preos simulada, calculamos o erro quadrtico (chamado de eqPD
(T )
i ) de Vi
em relao a Hi (T ), dado por:
2
eqPD
= ViPD (T ) Hi (T ) ,
i
(6.4)
BS
e, analogamente, o erro quadrtico (chamado de eqBS
i ) de Vi (T ) em relao a
Hi (T ), dado por:
2
BS
eqBS
.
(6.5)
i = Vi (T ) Hi (T )
Finalmente, repetimos esse procedimento Nsim vezes, obtendo Nsim valores

para eqPD
e para eqPD
i
i . A lei forte dos grandes nmeros [15, 22] assegura ento
que, com probabilidade 1:
EP
o
2
V PD (T ) H(T ) |F0 =
"
lim
Nsim
1
Nsim
50
NX
sim
i=1
ViPD (T
2
) Hi (T )
!#
, (6.6)
e:
EP
o
2
V BS (T ) H(T ) |F0 =
"
lim
Nsim
1
Nsim
NX
sim
ViBS (T
2
) Hi (T )
!#
, (6.7)
i=1
ou seja, a esperana do erro quadrtico de hedging pode ser aproximada pela

mdia aritmtica dos erros quadrticos de hedging (i.e., pelo erro quadrtico
mdio de hedging) obtidos nas Nsim simulaes.
Definamos como REQM(PD) a raiz quadrada do erro quadrtico mdio de
hedging obtido nas simulaes em que foi usada a estratgia de hedging derivada
pela tcnica de programao dinmica, e como REQM(BS) a raiz quadrada do
erro quadrtico mdio de hedging obtido nas simulaes em que foi usada a
estratgia de hedging derivada do modelo de Black & Scholes (delta-neutra).
Assim:
v
u
sim
u 1 N
X
eqPD ,
(6.8)
REQM(PD) = t
Nsim i=1 i
v
u
sim
u 1 N
X
eqBS .
REQM(BS) = t
(6.9)
Nsim i=1 i
Esses valores provem uma estimativa do erro esperado de hedging de uma
opo de compra vanilla europia quando usamos a estratgia de hedging obtida
com a tcnica de controle timo estocstico (programao dinmica estocstica),
e quando usamos a estratgia de hedging derivada do modelo de Black & Scholes
(delta-neutra).
Em cada um dos grficos do item seguinte, representamos os resultados obtidos para Hi (T ), ViPD (T ) e ViBS (T ) em Nsim = 1.500 simulaes de trajetrias
de preos do ativo base. Cada um desses grficos corresponde a uma determinada opo de compra vanilla europia (refletida pelo preo de exerccio K da
opo), numa determinada condio de mercado (refletida no retorno esperado
do ativo e na volatilidade desse retorno), e com um determinado nmero de rebalanceamentos (i.e., aes de controle). A Tabela (6.1) define as 36 diferentes
situaes consideradas:
Com relao ao preo de exerccio das opes, consideramos os trs tipos
de casos possveis: opes dentro do dinheiro, no dinheiro e fora do dinheiro.
Apenas lembrando, uma opo de compra est dentro do dinheiro quando S >
K, no dinheiro quando S = K e fora do dinheiro quando S < K. Entretanto,
aqui, essa classificao foi considerada com relao ao preo forward F0 do ativo
base1 , dado por:
F0 = E P {S(T )|F0 } =
(
"
EP
S(0) exp
# )

1 2

T + (WT W0 ) F0 = S(0)e()T .

2
(6.10)
1 Assim, a classificao dentro , no e fora do dinheiro passam a ser dadas, respectivamente,

por F0 > K, F0 = K e F0 < K.
51
Tabela 6.1: Parmetros usados nas simulaes

Varivel
Prazo de vencimento da opo
Taxa de juros livre de risco
Preo inicial do ativo base
Taxa de dividendos do ativo base
Taxa de retorno esperada do ativo
Volatilidade do ativo
Preo de exerccio da opo (K)
Nmero de rebalanceamentos
Valores utilizados
T = 1 ano
r = 15%a.a.
S(0) = 100
=0
= 20%a.a., 10%a.a., 5%a.a.
= 30%a.a., 45%a.a.
Dentro/no/fora do dinheiro forward
n = 6, 12
Alm disso, os grficos mostram outras informaes. Duas delas, REQM(PD)

e REQM(BS), so definidas nas Equaes (6.8) e (6.9), respectivamente. Para
dar maior significado a estas variveis, elas esto expressas em valor presente
e em relao ao valor de H(0) = H0 . Assim, um REQM(PD) de, por exemplo, 17%, indica que a raiz quadrada do erro quadrtico esperado de hedging,
expresso em valores monetrios para a data atual (i.e., em valor presente), corresponde a 17% do valor H(0) da opo. A varivel REQM relat. nos grficos
corresponde simplesmente a:
REQM relat . =
REQM(PD)
1.
REQM(BS)
(6.11)
Por fim, a varivel "%PD<BS", tambm mostrada nos grficos, indica o

percentual de vezes em que a estratgia de hedging obtida por programao
dinmica estocstica produziu melhor resultado, i.e., apresentou menor erro
quadrtico, que a estratgia de hedging de Black & Scholes.
6.2
Resultados das Simulaes
Neste item apresentamos os grficos, contidos nas Figuras (6.1) a (6.12), com
os resultados das simulaes, tal como descrito no item anterior.
52
53
-15
-5 40
15
25
35
45
-15
-5 40
15
25
35
45
55
70
85
REQM relat.=-8.48%, %PD<BS=52%
115
70
130
85
-10
10
20
30
40
40
115
130
55
70
85
100
115
REQM(BS)=23.11%, REQM(PD)=20.85%, H0=16
n=6, K=107, =-5%, =30%
100
Figura 6.1: Valor terminal Hi (T ), ViPD (T ) e ViBS (T )
100
55
REQM(BS)=14.86%, REQM(PD)=13.62%, H0=22
n=6, K=95, =-5%, =30%
REQM(BS)=8.61%, REQM(PD)=7.88%, H0=30
n=6, K=83, =-5%, =30%
H(T)
V ( T ) - Black & Scholes
V ( T ) - Programao Dinmica
130
145
54
-20
-10
10
20
30
40
50
60
70
20
-20
20
40
60
80
100
20
35
50
65
80
95
60
125
80
140
100
-20
-5
10
25
40
55
70
85
15
120
160
180
200
35
55
75
95
115
135
REQM(BS)=28.75%, REQM(PD)=27.33%, H0=19
n=6, K=113, =-5%, =45%
140
110
40
REQM(BS)=18.53%, REQM(PD)=17.44%, H0=27
n=6, K=95, =-5%, =45%
REQM(BS)=9.98%, REQM(PD)=9.63%, H0=37
n=6, K=77, =-5%, =45%
H(T)
155
175
195
55
110
130
150
170
-15
150
170
70
90
110
130
REQM(BS)=40.30%, REQM(PD)=39.69%, H0=10
n=6, K=122, =10%, =30%
130
-15
-5 50
90
15
25
35
45
55
110
-5 50
90
70
70
REQM(BS)=25.88%, REQM(PD)=25.37%, H0=14
n=6, K=110, =10%, =30%
REQM(BS)=15.75%, REQM(PD)=15.70%, H0=21
n=6, K=98, =10%, =30%
-15
-5 50
15
25
35
45
55
65
15
25
35
45
55
65
H(T)
150
170
56
-20
20
40
60
80
100
30
-20
-5
10
25
40
55
70
85
25
45
50
70
90
110
150
170
85
190
105
-20
-10
10
20
30
40
50
60
70
30
125
165
185
50
70
90
110
130
150
REQM(BS)=41.58%, REQM(PD)=41.04%, H0=14
n=6, K=128, =10%, =45%
145
130
65
REQM(BS)=28.55%, REQM(PD)=28.50%, H0=20
n=6, K=110, =10%, =45%
REQM(BS)=16.45%, REQM(PD)=16.35%, H0=28
n=6, K=92, =10%, =45%
H(T)
170
190
57
50
70
110
125
140
155
170
-15
170
190
70
90
110
130
150
REQM(BS)=58.34%, REQM(PD)=58.05%, H0=7
n=6, K=132, =20%, =30%
150
-15
-5 50
95
15
25
35
45
55
65
130
-5 50
80
110
65
90
REQM(BS)=40.84%, REQM(PD)=39.99%, H0=10
n=6, K=120, =20%, =30%
REQM(BS)=24.80%, REQM(PD)=24.48%, H0=15
n=6, K=108, =20%, =30%
-15
-5
15
25
35
45
55
65
75
15
25
35
45
55
H(T)
170
190
58
50
85
105
125
145
165
185
25
40
55
70
110
-20
30
150
170
190
50
70
90
110
130
150
REQM(BS)=62.02%, REQM(PD)=60.01%, H0=11
n=6, K=138, =20%, =45%
130
-20
-5
65
90
-5
45
70
10
25
30
REQM(BS)=36.70%, REQM(PD)=36.53%, H0=16
n=6, K=120, =20%, =45%
REQM(BS)=22.68%, REQM(PD)=22.30%, H0=23
n=6, K=102, =20%, =45%
-20
-5
10
25
40
55
70
10
25
40
55
70
85
H(T)
170
190
210
59
-10
10
20
30
40
35
-10
10
20
30
40
50
60
40
50
65
80
110
70
125
85
-10
10
20
30
40
50
60
30
100
130
145
45
60
75
90
105
120
REQM(BS)=16.90%, REQM(PD)=16.02%, H0=16
n=12, K=107, =-5%, =30%
115
95
55
REQM(BS)=9.96%, REQM(PD)=9.20%, H0=22
n=12, K=95, =-5%, =30%
REQM(BS)=6.42%, REQM(PD)=5.98%, H0=30
n=12, K=83, =-5%, =30%
H(T)
135
150
165
60
80
100
120
140
10
20
30
40
50
60
-15
20
120
140
40
60
80
100
120
REQM(BS)=21.53%, REQM(PD)=20.93%, H0=19
n=12, K=113, =-5%, =45%
100
-20
-10
60
80
-5 20
60
40
40
REQM(BS)=12.63%, REQM(PD)=12.28%, H0=27
n=12, K=95, =-5%, =45%
REQM(BS)=7.36%, REQM(PD)=7.21%, H0=37
n=12, K=77, =-5%, =45%
-15
-5 20
15
25
35
45
15
25
35
45
55
65
75
H(T)
140
160
180
61
-15
-5 45
15
25
35
45
55
65
-15
-5 50
15
25
35
45
55
65
65
85
105
145
90
-15
-5 45
15
25
35
45
110
150
170
65
85
105
125
REQM(BS)=29.92%, REQM(PD)=29.70%, H0=10
n=12, K=122, =10%, =30%
130
125
70
REQM(BS)=19.66%, REQM(PD)=19.61%, H0=14
n=12, K=110, =10%, =30%
REQM(BS)=11.49%, REQM(PD)=11.42%, H0=21
n=12, K=98, =10%, =30%
H(T)
145
165
62
-20
-10
10
20
30
40
50
60
70
80
30
-15
25
45
65
85
30
50
50
70
90
110
150
90
170
-15
-5 30
15
25
35
45
55
65
110
150
170
190
50
70
90
110
130
REQM(BS)=30.65%, REQM(PD)=30.47%, H0=14
n=12, K=128, =10%, =45%
130
130
70
REQM(BS)=20.10%, REQM(PD)=19.97%, H0=20
n=12, K=110, =10%, =45%
REQM(BS)=12.04%, REQM(PD)=12.00%, H0=28
n=12, K=92, =10%, =45%
H(T)
150
170
63
-15
-5 50
15
25
35
45
55
65
-20
-10
10
20
30
40
50
60
70
50
70
70
90
110
150
170
110
-15
-5 50
15
25
35
45
130
170
190
70
90
110
130
REQM(BS)=43.67%, REQM(PD)=43.16%, H0=7
n=12, K=132, =20%, =30%
150
130
90
REQM(BS)=29.44%, REQM(PD)=29.03%, H0=10
n=12, K=120, =20%, =30%
REQM(BS)=18.04%, REQM(PD)=17.98%, H0=15
n=12, K=108, =20%, =30%
H(T)
150
170
64
30
50
85
105
125
145
165
-15
35
150
170
190
55
75
95
115
135
155
REQM(BS)=40.65%, REQM(PD)=40.42%, H0=11
n=12, K=138, =20%, =45%
130
-15
-5
65
15
25
35
45
55
65
75
110
-5 25
90
45
70
REQM(BS)=27.41%, REQM(PD)=27.27%, H0=16
n=12, K=120, =20%, =45%
REQM(BS)=16.00%, REQM(PD)=15.77%, H0=23
n=12, K=102, =20%, =45%
-20
-10
10
20
30
40
50
60
70
80
15
25
35
45
55
65
H(T)
175
195
215
6.3
Discusso dos Resultados
Os grficos da Figura (6.13) permitem fazer uma anlise comparativa da raiz

quadrada do erro quadrtico mdio de hedging (REQM) obtido nas simulaes
ilustradas acima quando usamos a estratgia de hedging derivada da tcnica
de controle timo estocstico (programao dinmica estocstica), e quando
usamos a estratgia de hedging derivada do modelo de Black & Scholes (deltaneutra). A varivel mostrada nos grficos a seguir e que nos permite fazer
essa anlise comparativa a REQM relat., definida no item anterior (Equao
(6.11)).
65
money
in
the
money
66
Figura 6.13: REQM relat =
= -5%
= -5%

1 .
= 10%
REQM relat. -- = 45% , n = 12
= 10%
REQM relat. -- = 30% , n = 12
Raiz Quadrada dos Erros Quadrticos Mdios PD

Raiz Quadrada dos Erros Quadrticos Mdios BS
0,0%
0,0%
0,5%
1,0%
= 20%
1,0%
2,0%
= 10%
1,5%
3,0%
3,0%
0,0%
2,0%
= -5%
= 20%
1,5%
3,0%
4,5%
6,0%
7,5%
4,0%
REQM relat. -- = 45% , n = 6
= 10%
REQM relat. -- = 30% , n = 6
2,5%
money
5,0%
6,0%
the
= -5%
at
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
out of the
= 20%
= 20%
Por esses grficos, constatamos que a estratgia de hedging derivada da tcnica de controle timo estocstico (chamada, a partir de agora, de estratgia
PD) realmente prov resultados consistentemente melhores do que os resultados
obtidos a partir da estratgia de hedging derivada do modelo de Black & Scholes (chamada, a partir de agora, de estratgia BS). Em outras palavras, o erro
quadrtico mdio de hedging obtido com as estratgias PD inferior a esse erro
obtido com as estratgias BS.
Na maioria dos casos analisados, o desempenho da estratgia PD, embora
consistentemente melhor que o da estratgia BS, no significativamente melhor a ponto de haver comprovao estatstica relevante de tal superioridade.
Entretanto, essa superioridade obviamente esperada por construo, uma vez
que a estratgia PD foi obtida como soluo do problema terico de minimizao
do erro quadrtico esperado de hedging (Equao (6.1)).
Pelos grficos, podemos notar que, a princpio, a superioridade da estratgia PD com relao estratgia BS no apresenta dependncia consistente e
relevante com relao ao moneyness das opes, i.e., no apresenta dependncia
consistente e importante ao fato de as opes estarem dentro do dinheiro (in
the money), fora do dinheiro (out of the money) ou no dinheiro (at the money).
Em todos os casos analisados, os melhores resultados para o desempenho da
estratgia PD com relao estratgia BS foram obtidos para = 5%a.a..
A estratgia BS completamente independente da taxa de retorno esperada
do ativo base, pois o modelo de Black & Scholes assume que os hedgings
podem ser feitos continuamente ao longo do tempo, eliminando completamente
o risco de flutuaes estocsticas no preo do ativo base [3, 35]. A estratgia PD,
por sua vez, depende explicitamente de , como se pode ver pelas equaes do
Teorema 5.5. Assim, razovel esperarmos que a superioridade da estratgia PD
em relao estratgia BS apresente dependncia em relao a . Entretanto,
os efeitos da forma com que ocorre esta dependncia no esto claros at o
presente momento, e podem ser objeto de maiores estudos no futuro. O fato
aqui observado que o desempenho da estratgia PD foi tanto melhor quanto
menor a taxa de retorno esperada do ativo base.
De forma geral, a estratgia PD apresentou melhor desempenho em relao
estratgia BS quando o nmero de rebalanceamentos foi menor, ou seja, quando
n = 6. Isso de fato era esperado, pois o modelo de Black & Scholes assume que
os rebalanceamentos so refeitos continuamente. O modelo desenvolvido nesta
tese, por sua vez, considera que os rebalanceamentos so refeitos em instantes
pertencentes a um domnio discreto do tempo. Assim, quanto menor o nmero
de rebalanceamentos, mais nos distanciamos das hipteses do modelo de Black
& Scholes [3, 16, 35], e pior o resultado da estratgia BS em relao estratgia
PD.
Embora a estratgia PD tenha sido consistentemente mais eficiente que a
estratgia BS, devemos destacar dois fatos.
O primeiro que a magnitude dos erros de hedging (medidos por REQM, raiz
quadrada do erro quadrtico mdio de hedging) para as duas estratgias varia
de um valor mnimo em torno de 6% com relao a H(0), a um valor mximo
em torno de 60% com relao a H(0). Assim, os erros de hedging podem ser
realmente bastante significativos. Os grficos da Figura (6.14) ilustram os erros
de hedging (i.e., REQM(PD) e REQM(BS)) para as duas estratgias. Uma
anlise aprofundada do comportamento desses erros no faz parte do escopo
desta tese, e pode ser objeto de estudo futuro. A propsito, qualquer estudo do
67
comportamento dos erros de hedging para a estratgia PD deve comear

pela
_
Equao (3.22). Alm disso, conforme apresentado no Teorema 3.3, J 0,T (0) =
(0) corresponde ao erro quadrtico de hedging esperado em = 0.
O segundo fato a ser destacado o bom desempenho da estratgia BS, ainda
que consistentemente superada pela estratgia PD. Podemos atribuir esse desempenho a pelo menos dois fatores fundamentais. O primeiro deles que as
simulaes foram feitas em condies que no se distanciam muito das hipteses do modelo de Black & Scholes. Mais especificamente, de todas as hipteses
do modelo, a nica violada nessas simulaes foi a de que aqui os rebalanceamentos do portflio foram feitos de forma discreta, e no de forma contnua,
como requer o modelo. O segundo fator responsvel pelo bom desempenho da
estratgia BS a robustez do modelo de Black & Scholes [6, 8]. Devido a essa
robustez, o modelo funciona muito bem mesmo que diversas de suas hipteses
sejam violadas, fato que certamente responsvel pela sua grande popularidade
entre os profissionais do mercado financeiro.
Finalmente, importante observar que, ainda que o desempenho da estratgia PD seja apenas pouco melhor que o desempenho da estratgia BS, no
mercado financeiro real, os portflios de opes podem, em algumas instituies
com participao ativa nesse mercado, chegar a valores da ordem de bilhes de
dlares. Assim, uma pequena melhora no desempenho da estratgia de hedging
pode significar, nesses casos, uma economia de centenas de milhares de dlares,
o que certamente justifica os custos de implementao da estratgia PD.
68
69
0%
10%
20%
30%
40%
50%
= -5%
= 20%
= 20%
0%
10%
20%
30%
40%
0%
10%
20%
30%
40%
= 10%
= -5%
= 10%
REQM(PD) e REQM(BS). -- = 45% , n = 12
= -5%
REQM(PD) e REQM(BS). -- = 30% , n = 12
Figura 6.14: Raiz Quadrada dos Erros Quadrticos Mdios para as Estratgias PD e BS
= 10%
REQM(PD) e REQM(BS). -- = 45% , n = 6
= 10%
BS PD BS PD BS PD
money
in the
60%
= -5%
REQM(PD) e REQM(BS). -- = 30% , n = 6
money
at the
0%
10%
20%
30%
40%
50%
60%
money
out of the
= 20%
= 20%
Captulo 7
Concluses e Pesquisas
Futuras
Neste item, inicialmente apresentamos as concluses desta tese, reiterando os
objetivos desta tese, os resultados obtidos e suas implicaes. Em seguida, apresentamos nossas recomendaes para pesquisas futuras, identificando melhorias
possveis neste trabalho, bem como questes que podem ser objeto de estudo
mais aprofundado e desenvolvimento no futuro.
7.1
Concluses
O objetivo desta tese era o de explorar e resolver o problema de hedging de

mnima varincia de um contrato derivativo no-replicvel usando mtodos de
programao dinmica estocstica em tempo discreto, com espao de estados
contnuo.
A estratgia adotada para atingirmos esse objetivo foi a de, inicialmente,
desenvolver um modelo geral para o apreamento e hedging de derivativos de
caracterstica europia com payoffs completamente genricos, possivelmente dependentes dos n ativos de risco existentes no mercado, ou da trajetria seguida
pelos preos desses ativos. O mercado adotado como modelo opera em tempo
discreto e em diferentes modos, que foram matematicamente representados por
uma cadeia de Markov. O modelo de apreamento e hedging desenvolvido no
depende de qualquer hiptese sobre a dinmica dos preos dos ativos de risco
existentes no mercado, e se aplica igualmente bem a modelos com espao de
estado discreto ou contnuo. Em outras palavras, a dinmica dos preos dos
ativos de risco pode ser representada por um grid de pontos (i.e., por uma rvore), ou por uma equao diferencial estocstica. Vale dizer, ainda, que esse
modelo desenvolvido tambm capaz de tratar situaes em que o ativo livre
de risco existente no mercado possui comportamento estocstico. Esse modelo
foi apresentado no Captulo 3 e foi a primeira contribuio original desta tese.
Em termos prticos, um modelo em que o mercado opere em diferentes
modos significa que, a cada instante do domnio do tempo, o comportamento
do mercado pode ser descrito por um modelo matemtico Gi , i {1, . . . , N },
onde cada um desses modelos pode conferir ao mercado elementos como, por
exemplo: (1) ativos de risco cujos retornos apresentem volatilidade estocstica,
70
(2) taxas de retornos estocsticas para os ativos de risco, (3) taxas de juros
estocsticas descritas por processos com parmetros variveis.
Assim, o modelo desenvolvido prov uma estrutura geral que se pode empregar para o apreamento e hedging de derivativos de caracterstica europia,
segundo diversos modelos de funcionamento do mercado, quando consideramos
o tempo como pertencente a um domnio discreto (que, como explicado antes,
o caso que melhor reflete a realidade dos processos de tomada de deciso de
investimento).
Aps termos desenvolvido esse modelo geral, fizemos algumas simplificaes
em sua estrutura. Mais especificamente, a primeira simplificao correspondeu
a adotarmos um modelo de mercado que opere em apenas um modo. Em outras
palavras, eliminamos a cadeia de Markov que representava os diferentes modos
de operao do mercado. Mostramos, ento, que essa primeira simplificao
leva o nosso modelo a resultados que coincidem com os obtidos por ern [5].
Dessa forma, mostramos que o modelo proposto por ern pode ser entendido
como um caso particular do modelo desenvolvido nesta tese.
A prxima simplificao que fizemos correspondeu a restringir nosso modelo
ao caso em que o mercado opere em um nico modo e que contenha apenas um
ativo de risco e um outro livre de risco. No Captulo 4, aplicamos esse modelo
de apreamento e hedging ao caso em que os retornos do ativo de risco assumem
valores num espao de estados contnuo, sendo descritos por um processo de difuso descontnuo (i.e., com saltos, tambm chamado de jump diffusion process)
e com parmetros constantes (constant investment opportunity set).
Os resultados obtidos no Captulo 4 correspondem a um importante avano
do modelo geral desenvolvido no Captulo 3 em direo prtica dos mercado
financeiros, pois incorporam um elemento bastante concreto da estrutura de
um mercado financeiro real, a saber, a dinmica dos retornos do ativo de risco
descrita segundo um processo de difuso com saltos num espao de estados
contnuo. Uma importante contribuio desses resultados obtidos nesta tese
teoria de apreamento e hedging de derivativos que eles estabelecem a estrutura
a partir da qual se podem obter expresses analticas fechadas para: (1) o preo
de um derivativo com um payoff qualquer (i.e., completamente genrico), desde
que de caracterstica europia e com tratabilidade matemtica, e (2) o controle
timo da carteira que faz o hedging de mnima varincia desse derivativo, num
modelo de mercado em que o tempo discreto, o espao de estados contnuo
e a dinmica dos retornos do ativo de risco descrita segundo um processo
de difuso com saltos, atendendo assim s premissas que melhor refletem as
condies de funcionamento do mercado financeiro real. No caso de no haver
tratabilidade matemtica suficiente, impossibilitando a obteno de expresses
analticas fechadas, essa mesma estrutura que apresentamos no Captulo 4 prov
os meios para a execuo de simulaes numricas de Monte Carlo [17, 12], em
todas as suas variaes, permitindo ento obter os mesmos resultados descritos
acima, porm de forma numrica.
Devido sua tratabilidade matemtica e sua ampla difuso no mercado
financeiro, no Captulo 5 aplicamos os resultados gerais obtidos no Captulo 4
para o caso de uma opo vanilla de compra europia, obtendo expresses explcitas fechadas para o preo dessa opo e para o controle necessrio execuo
do hedging desse derivativo. Os resultados obtidos neste captulo so muito
interessantes, no s pela originalidade, mas tambm porque correspondem a
um paralelo mais realista e mais correto, do ponto de vista prtico, do resultado
71
apresentado por Merton [20], onde o modelo adotado para o mercado contnuo
com relao ao tempo e ao espao de estados.
Infelizmente, o desempenho desse modelo na prtica no pde ser testado
aqui por motivo de limitao no tempo de desenvolvimento desta tese. Em
outras palavras, no foram feitas simulaes numricas usando os resultados
mencionados acima.
Ainda no Captulo 5, particularizamos os resultados obtidos para a opo
de compra vanilla europia mencionados acima ao caso em que os retornos do
ativo de risco so descritos por um processo de difuso sem saltos, i.e., por um
processo browniano (ou de Wiener). Esses resultados tambm so interessantes,
no s pela originalidade, mas tambm porque correspondem a um paralelo mais
realista e mais correto, do ponto de vista prtico, do resultado apresentado por
Black & Scholes [3], onde o modelo adotado para o mercado contnuo com
relao ao tempo e ao espao de estados.
Para esse modelo, as simulaes numricas foram realizadas. Essas simulaes nos permitiram, ento, avaliar o desempenho, na prtica, do hedging de
uma opo vanilla de compra europia segundo o modelo desenvolvido nesta
tese para o caso em que os retornos do ativo de risco so descritos por um movimento browniano. O desempenho do modelo aqui desenvolvido foi comparado
ao desempenho da estratgia de hedging derivada do modelo de Black & Scholes, chamada estratgia delta-neutra. Os resultados dessa comparao foram
discutidos extensamente no Captulo 6.
De forma bem resumida, devemos destacar dois pontos fundamentais como
concluso final para essas simulaes. O primeiro deles que, caso o portflio
de opes a ser protegido por uma estratgia dinmica de hedging seja extremamente vultoso, a sim o modelo aqui proposto apresenta grande vantagem
em relao estratgia delta-neutra, que simples e de fcil implementao.
Caso o portflio de derivativos cujo risco deva ser minimizado corresponda a
um volume financeiro pequeno, a melhor deciso usar a estratgia derivada do
modelo de Black & Scholes, i.e., a estratgia delta-neutra.
O segundo ponto que, para qualquer modelo que se use, os erros quando do
hedging de uma opo no so triviais. Pelo contrrio, dependendo da situao
(como se pde ver claramente nos grficos apresentados), eles podem ser muito
elevados, o que realmente requer que o vendedor de tal produto cobre um prmio
do comprador suficiente para eventualmente compensar suas perdas financeiras
na maturidade do contrato.
Como ltimo comentrio, interessante notar nos grficos que mostram
REQM(PD) e REQM(BS) (i.e., a raiz quadrada dos erros quadrticos mdios
para as estratgias PD e BS) que o erro de hedging maior para a opo fora
do dinheio, qualquer que seja a situao analisada. Isto pode ser mais uma
razo, entre outras vrias [33, 7], que contribui para a existncia do smile de
volatilidade.
7.2
Pesquisas Futuras
A literatura da rea de finanas quantitativas extremamente rica com relao

ao estudo do problema de hedging de mnima varincia em tempo e estado contnuos. No caso de tempo e espao de estados discretos, o nmero de trabalhos
que abordaram esse problema at o presente momento ainda relativamente
72
pequeno. Contudo, com relao ao caso em que o domnio do tempo discreto e o espao de estados contnuo, parece que esse ainda um campo
relativamente bastante inexplorado (j que no encontramos referncias sobre
o assunto). Apesar de esse ltimo problema ter sido o objeto de estudo desta
tese, o tema, evidentemente, est muito longe do esgotamento.
Contudo, como explicado no Item 1.2, esse parece, e deveria, ser o problema
de maior interesse dos profissionais que realmente atuam no mercado financeiro
negociando e gerindo o risco de contratos derivativos, j que essa situao a
que mais se aproxima de um modelo apropriado para descrever o problema real
de hedging desse tipo de instrumento financeiro.
Vultosas somas de dinheiro esto envolvidas nas aplicaes prticas desse
problema. De fato, um controle mais eficaz do risco existente numa carteira
de derivativos pode evitar perdas estocsticas significativas devido a flutuaes
nos preos dos ativos base dos quais depende esta carteira. Alm disso, agentes
financeiros que disponham de melhores tcnicas para gesto desse tipo de risco
podem ser mais competitivos na estruturao e gerao de negcios junto s
suas contrapartes (clientes e mercado), aumentando sua receita e expandindo
sua influncia no mercado. Portanto, o interesse sobre tcnicas mais apuradas
de hedging de derivativos continuar, cada vez mais, a merecer ateno por parte
de acadmicos e profissionais do mercado.
Nesse contexto, os resultados desta tese, que estabelecem uma estrutura terica para o apreamento e hedging de derivativos num modelo mais prximo da
realidade do mercado financeiro, podem ser futuramente estendidos e aprimorados, contribuindo ainda mais com a busca de solues satisfatrias para as
questes apontadas anteriormente. Citamos a seguir alguns possveis futuros
desenvolvimentos:
1. Volatilidade estocstica. O modelo geral desenvolvido no Captulo 3, onde
o mercado pode apresentar diferentes modos de operao, acomoda, como
j comentado anteriormente, (1) ativos de risco cujos retornos apresentem
volatilidade estocstica, (2) taxas de retornos estocsticas para os ativos
de risco, (3) taxas de juros estocsticas descritas por processos com parmetros variveis. Desses, o ponto mais significativo parece ser a incluso
dos efeitos de retornos com volatilidade estocstica aos resultados obtidos, especialmente s solues fechadas apresentadas no Captulo 5, j
que sabemos que a volatilidade uma varivel qual os preos das opes apresentam bastante sensibilidade. Assim, simplesmente usando-se a
estrutura terica estabelecida nesta tese, possvel se estabelecerem dinmicas estocsticas para a volatilidade e, de forma anloga ao que fizemos
nesta tese, acrescentar aos resultados obtidos os efeitos dessas dinmicas
aos preos e forma de controle dos derivativos estudados.
2. Critrios de otimizao mais gerais. O modelo de hedging desenvolvido
nesta tese adotou um critrio de otimizao quadrtico para considerar os
erros que se desejava minimizar. Uma extenso futura bastante interessante seria a de considerar critrios de otimizao diferentes, como, por
exemplo, da forma J(x) = ax2 + bx4 , sendo x o erro de hedging, e a e b
constantes pr-determinadas. Um critrio desse tipo tem a vantagem de
punir mais rigorosamente os erros de hedging de maior valor, levando o
modelo a propor estratgias de controle que evitem grandes perdas gera-
73
das por eventos extremos. A presena de um termo de segunda ordem tem

a funo de assegurar que termos menores sejam tambm considerados.
3. Simulaes de Monte Carlo. Como descrito anteriormente, a estrutura
terica estabelecida nesta tese para o apreamento e hedging de derivativos pode ser usada quando no existe tratabilidade matemtica suficiente para se encontrarem expresses analticas fechadas para o preo e
para o controle desses derivativos. Assim, considerar o caso de derivativos
com payoffs no-tratveis analiticamente, especialmente aqueles que apresentem dependncia da trajetria dos ativos base, parece tambm uma
interessante possibilidade de extenso deste trabalho. Nesses casos, os resultados e a eficincia do modelo aqui proposto poderiam ser comparados
aos produzidos pelas tcnicas atuais de apreamento e hedging.
4. Retornos com dinmicas mais gerais. Os resultados analticos fechados
obtidos aqui consideram que os retonos do ativo de risco so dados por
processos de difuso gaussianos com saltos descritos por um processo composto de Poisson. Uma extenso possvel seria a de se considerarem distribuies no-gaussianas, com caudas pesadas, por exemplo, para descrever
o processo de difuso dos retornos do ativo de risco. Para os saltos, poderiam ser considerados processos mais gerais empregados, por exemplo, na
teoria de valores extremos [10].
5. Custos de transao. Uma extenso bvia aos modelos aqui propostos
seria a incluso de custos de transao. Esses custos so importantes, pois
contribuem para aumentar o erro de hedging, j que, a cada rebalanceamento (i.e., a cada ao de controle), reduzem o valor do portflio cujo
objetivo reproduzir o derivativo no-replicvel analisado. A dificuldade
enfrentada aqui que o modelo se tornar, salvo melhor juzo, no-linear.
6. Freqncia tima de rebalanceamento. Uma vez inseridos custos de transao no modelo, poderia ser includa uma nova varivel funo sendo
otimizada: a freqncia de rebalanceamento, ou seja, a freqncia com que
so tomadas as decises de controle. Evidentemente, quanto maior esta
freqncia, menores tendem a ser os desvios da estratgia de controle em
relao ao derivativo em questo. Contudo, nesse caso, crescem tambm
os custos de transao, o que, como explicado anteriormente, aumenta o
erro de hedging. Por outro lado, se as decises de controle forem menos
freqentes, embora os custos de transao sejam menores, maiores tendem
a ser os desvios da estratgia de controle em relao ao derivativo que se
deseja replicar. Claramente, ento, existe uma poltica tima tambm com
relao freqncia de hedging.
Alm destas, uma outra extenso bvia e trivial, e que certamente ser feita
pelo prprio autor, a de se realizarem simulaes numricas totalmente anlogas s j apresentadas aqui, usando, entretando, o modelo de apreamento e
hedging desenvolvido nesta tese em que os retornos so descritos por um processo
de difuso com saltos (modelo apresentado no Item 5.1). Como dito anteriormente, essas simulaes no foram feitas aqui por restries de tempo.
74
Apndice A
Demonstraes
Lema A.1. Consideremos o problema:

X
2
U = min
pi,j E P Yj + Xj u + j ,
u
(A.1)
onde pi,j 0. Assumamos que:

X
pi,j E P (Xj Xj ) > 0.
(A.2)
Ento, o u timo, u
, dado por:
1
X
X
pi,j E P (Xj Yj )
u
=
pi,j E P (Xj Xj )
j
(A.3)
e
X
U = U0 +
pi,j E P (j ),
(A.4)
onde,
U0 =
pi,j E P (Yj2 )
"
#1
X
X
X
pi,j E P (Yj Xj )
pi,l E P (Xl Xl )
pi,j E P (Xj Yj ) 0.
j
(A.5)
Demonstrao. Temos que:
U = min
u
pi,j E P
Yj + Xj u
2

+ j =
min
u
pi,j E P
Yj + Xj u
2
X
j
{z
U0
75
pi,j E P (j ) . (A.6)
Evidentemente, U0 0 e:
X
pi,j E P
Yj + Xj u
2

pi,j E P Yj2 + 2Yj Xj u + u Xj Xj u =
pi,j E P (Yj2 ) + 2
pi,j E P (Yj Xj )u + u

pi,j E P Xj Xj u.
(A.7)
Derivando a expresso acima em relao a u e igualando a zero:

X
X
pi,j E P (Xj Xj )
u=
pi,j E P (Xj Yj ) .
j
(A.8)
Isolando u
:
X
X
u
=
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) .
j
(A.9)
Derivando mais uma vez em relao a u, temos:

2
X
X

d
2
pi,j E P Yj + Xj u + j =
pi,j E P (Xj Xj ) > 0
2
du
j
j
(A.10)
por hiptese, o que mostra que u

de fato a soluo tima que minimiza a
funo objetivo.
Substituindo u
na funo objetivo, obtemos:
U0 =
pi,j E P (Yj2 ) + 2
pi,j E P (Yj Xj ) u + u Bu =
pi,j E P (Yj2 ) 2
X
pi,j E P (Yj Xj ) B 1
pi,j E P (Xj Yj ) +
X
X
B 1
pi,j E P (Xj Yj ) BB 1
pi,j E P (Xj Yj ) , (A.11)
j
B=
pi,j E P (Xj Xj ).
Simplificando:
76
(A.12)
U0 =
pi,j E P (Yj2 )
X
X
X
2
pi,j E P (Yj Xj )
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) +
j
X
X
X
pi,j E P (Yj Xj )
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) . (A.13)
j
Portanto U igual a:
X
X
U = U0 +
pi,j E P (j ) =
pi,j E P (Yj2 )
j
X
X
X
pi,j E P (Yj Xj )
pi,j E P (Xj Xj )
pi,j E P (Xj Yj ) +
j
pi,j E P (j ). (A.14)
Lema A.2. Suponhamos que kj > 0, j = 1, . . . , N , e que no existam oportunidades de arbitragem. Ento ki > 0, onde:
n
o
X
M( ) =
p( ),j EP kj X( ) X(
(A.15)
) ,
j
X
2
p( ),j E P (kj )
kj = a( ) ( )
j
1
p( ),j E P (kj X(
p( ),j E P (kj X( ) ) . (A.16)
) ) M( )
Demonstrao. Mostremos primeiramente que ki 0. Consideremos o problema:

2
X
p
p
u
(A.17)
J = min
p( ),j EP
a( ) kj a( ) kj X(
)
u
Pelo Lema A.1, a soluo tima desse problema :
X
X

u
=
p( ),j E P (kj X( ) X(
p( ),j E P (kj X( ) ) =
))
j
X
1
M(
p( ),j E P (kj X( ) ) (A.18)
)
j
77
e:
J = k( )
X
2
= a( ) ( )
p( ),j E P (kj )
j
X
X
1
p( ),j E P (kj X(
p( ),j E P (kj X( ) ) 0. (A.19)
) ) M( )
j
Ou seja, k( ) 0. Suponha que k( ) = 0. Ento:

X
p( ),j EP

2
p
p
a( ) kj a( ) kj X(
)u

=
EP
a( ) ( ) k( +1) 1
X(
)u
2

F = 0 (A.20)
Isto :

2
=0
a( ) ( ) k( +1) 1 X(
)u
a.s.
(A.21)
Como kj > 0, j = 1, . . . , N e a( ) ( )2 > 0, temos que:
X(
=1
)u
a.s.
(A.22)
A condio de ausncia de arbitragem assegura que existe uma medida de

probabilidade tal que:

E (S( ) ( + 1)|F ) = S( ) 1 + r( ) ( ) = S( )a( ) ( ).
(A.23)
Como:
X( ) =
S( ) ( + 1)
S( )
S( ),0 ( + 1) S0 ( )
(A.24)
e
S( ),0 ( + 1) = S0 ( )a( ) ( ),
(A.25)
podemos escrever:
E (X( ) |F ) = E
E
!
S( ) ( + 1)
S( )
F =
S0 ( )a( ) ( ) S0 ( )
!
!
S( ) ( + 1)
S( )
F E
F = 0. (A.26)
S0 ( )a( ) ( )
S0 ( )
Neste caso, E (X(

|F ) = 0, em contradio com ( ) u
= 1 a.s..
)u
Portanto: k( ) > 0.
78
Lema A.3. Consideremos a hiptese do Lema A.2, e

J (V ( ), ( ), ) =
(

2 )
X
V ( )
Hj ( + 1)
2
P
S( ),0 ( + 1)
p( ),j E kj ( + 1)
S0 ( ) S( ),0 ( + 1)
j

X
Hj ( + 1)
V ( )
X(
p( ),j EP (kj ( + 1)
) ( + 1)) M( )
S
(
)
S
(
+
1)
0
( ),0
j

X
V ( )
Hj ( + 1)
p( ),j EP (kj ( + 1)
X( ) ( + 1)) +
S0 ( ) S( ),0 ( + 1)
j
X
p( ),j E(j ), (A.27)
j
onde:
M( ) =
n
o
p( ),j EP kj ( + 1)X( ) ( + 1)X(

(
+
1)
.
)
(A.28)
Ento:
V ( ) H
J (V ( ), ( ), ) = K
2
2
U ,
+R
Onde:
h

= a( ) ( )2 EP k( +1) ( + 1)
K
i
1
P
EP (k( +1) ( + 1) X(
) ( + 1))M( ) E (k( +1) ( + 1) X( ) ( + 1)) ,
(A.29)
=
H
K
a( ) ( )2
EP
h
k( +1) ( + 1)
h
i
i
1
EP k( +1) ( + 1)X(
(
+
1)
M
k
(
+
1)X
(
+
1)
( )
)
( ) ( +1)

H( +1) ( + 1)
, (A.30)
a( ) ( )

U = a( ) ( ) EP k( +1) ( + 1)H( +1) ( + 1)

1
EP EP k( +1) ( + 1)X(
) ( + 1) M( ) k( +1) ( + 1)

H( +1) ( + 1)X( ) ( + 1) , (A.31)
n
o
= EP k( +1) ( + 1) H( +1) ( + 1) 2
R

1
EP k( +1) ( + 1)H( +1) ( + 1)X(

) ( + 1) M( )

EP k( +1) ( + 1)H( +1) ( + 1)X( ) ( + 1) + E ( +1) . (A.32)
79
Demonstrao. Expandindo o termo quadrtico na Expresso (A.27), obtemos:

(
"
P
2
J (V ( ), ( ), ) j p( ),j E(j ) X
V ( )
P
=
p
E
k
(
+
1)
j
( ),j
2
S0 ( )
S( ),0 ( + 1)
j

2 #)
V ( ) Hj ( + 1)
Hj ( + 1)
2
+
S0 ( ) S( ),0 ( + 1)
S( ),0 ( + 1)

X
Hj ( + 1)
V ( )
X(
p( ),j EP (kj ( + 1)
) ( + 1))
S
(
)
S
(
+
1)
0
( ),0
j

X
V ( )
Hj ( + 1)
1
X( ) ( + 1) .
M(
p( ),j EP kj ( + 1)
)
S
(
)
S
0
(
),0 ( + 1)
j
(A.33)
Expandindo os valores esperados, obtemos:
J (V ( ), ( ), )
p( ),j E(j )
=
2
S( ),0 ( + 1)
(

2 )
X
V
(
)
p( ),j EP kj ( + 1)
S
(
)
0
j

X
V
(
)
H
(
+
1)
j
+
2
p( ),j EP kj ( + 1)
S
(
)
S
(
+
1)
0
(
),0
j
(
2 )

X
H
(
+
1)
j
p( ),j EP kj ( + 1)
S
(
+
1)
(
),0
j

X
V
(
)
p( ),j EP kj ( + 1)
X(
) ( + 1)
S
(
)
0
j

X
H
(
+
1)
j
M 1
p( ),j EP kj ( + 1)
X(
) ( + 1)
( )
S
(
+
1)
(
),0
j

X
V
(
)
p( ),j EP kj ( + 1)
X( ) ( + 1)
S
(
)
0
j

X
H
(
+
1)
j
p( ),j EP kj ( + 1)
X( ) ( + 1) . (A.34)
S
(
+
1)
(
),0
j
80
Efetuando as multiplicaes cruzadas, obtemos:

J (V ( ), ( ), )
p( ),j E(j )
=
2
S( ),0 ( + 1)
X
V ( )2
p( ),j EP {kj ( + 1)}
S0 ( )2
j

X
Hj ( + 1)
V ( ) +
2
p( ),j EP kj ( + 1)
S
(
+
1)
S0 ( )
( ),0
j
(

2 )
X
Hj ( + 1)
p( ),j EP kj ( + 1)
S
( ),0 ( + 1)
j
X

M 1
p( ),j EP kj ( + 1)X(
) ( + 1)
( )
X

V ( )2
p( ),j EP kj ( + 1)X( ) ( + 1)
S0 ( )2
j

X
M 1
p( ),j EP kj ( + 1)X(
) ( + 1)
( )
j

X
V ( )
Hj ( + 1)
X( ) ( + 1)
p( ),j EP kj ( + 1)
S
(
+
1)
S
0 ( )
(
),0
j

X
H
(
+
1)
j
M 1
p( ),j EP kj ( + 1)
X(
) ( + 1)
( )
S
(
+
1)
(
),0
j
X

V ( )
p( ),j EP kj ( + 1)X( ) ( + 1)
+
S0 ( )
j

X
H
(
+
1)
j
M 1
p( ),j EP kj ( + 1)
X(
) ( + 1)
( )
S
(
+
1)
(
),0
j

X
H
(
+
1)
j
p( ),j EP kj ( + 1)
X( ) ( + 1) . (A.35)
S( ),0 ( + 1)
j
Isolando novamente J (V ( ), ( ), ) e agrupando os termos em V ( )2 e
81
V ( ), obtemos:
J (V ( ), ( ), ) =
p( ),j EP {kj ( + 1)}
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
2
X

S( ),0 ( + 1)
2
P
p( ),j E kj ( + 1)X( ) ( + 1)
V ( )
2
S
(
)
0
j
|
{z
}
a( ) ( )2
p( ),j EP {kj ( + 1)Hj ( + 1)}
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
X

S( ),0 ( + 1)
V ( )+
p( ),j EP kj ( + 1)Hj ( + 1)X( ) ( + 1)
S0 ( )
j
|
{z
}
a( ) ( )
n
o
X
2
p( ),j EP kj ( + 1) (Hj ( + 1))

j

X
p( ),j EP kj ( + 1)Hj ( + 1)X(

) ( + 1)
j
X
X

1
p( ),j EP kj ( + 1)Hj ( + 1)X( ) ( + 1) +
M(
p( ),j E(j ).
)
j
(A.36)
Fazendo:
X
= a( ) ( )2
K
p( ),j EP {kj ( + 1)}
j
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
!#
X
jp( ),j EP
82

kj ( + 1)X( ) ( + 1)
, (A.37)
X
= a( ) ( )
U
p( ),j EP {kj ( + 1)Hj ( + 1)}
j
p( ),j EP
M 1
kj ( + 1)X(
) ( + 1)
( )
p( ),j EP

kj ( + 1)Hj ( + 1)X( ) ( + 1) , (A.38)
=
R
n
o
2
p( ),j EP kj ( + 1) (Hj ( + 1))

X
p( ),j EP kj ( + 1)Hj ( + 1)X(

) ( + 1)
j
X
X
1
P
+
p
E
(k
(
+
1)H
(
+
1)X
(
+
1))
p( ),j E(j ),
M(
j
j
(
),j
(
)
)
j
(A.39)
podemos escrever a Expresso (A.36) como:
J (V ( ), ( ), ) =
2
2
2

U
U
1/2
1/2 U
K V ( ) 2K
V ( ) + 1/2
. (A.40)
+ R 1/2
1/2
K
K
K
|
{z
} |
{z
}
1/2 V ( )
K
U
1/2
K
Portanto:

2
2
V ( ) U
U .
J (V ( ), ( ), ) = K
+R
K
| {z K}
(A.41)
pode ser rescrito deixando-se implcito o valor esperado em reO termo K

lao VA ( + 1) (que est explcito na Expresso (A.37) devido presena
dos p( ),j ). Assim:
h

= a( ) ( )2 E P k( +1) ( + 1)
K

i
1
P
EP k( +1) ( + 1) X(
,
) ( + 1) M( ) E k( +1) ( + 1) X( ) ( + 1)
(A.42)
onde M( ) , dado pela Expresso (A.43), pode ser rescrito como:
n
o
M( ) = EP k( +1) ( + 1)X( ) ( + 1)X(

) ( + 1) .
83
(A.43)
(Equao (A.38)) tambm pode ser rescrito. Escrevendo o valor

O termo U
esperado com relao VA ( + 1) de forma implcita, obtemos:
h

= a( ) ( ) EP k( +1) ( + 1)H( +1) ( + 1)
U

1
EP k( +1) ( + 1)X(
) ( + 1) M( )

i
EP k( +1) ( + 1)H( +1) ( + 1)X( ) ( + 1) , (A.44)
O
segundo termo da Expresso(A.44) pode ser rescrito "jogando-se"o termo
1
EP k( +1) ( + 1)X(
) ( + 1) M( ) , que F -mensurvel, para dentro
do valor esperado:
h

= a( ) ( ) E P k( +1) ( + 1)H( +1) ( + 1)
U

1
EP EP k( +1) ( + 1)X(
) ( + 1) M( )
i
k( +1) ( + 1)H( +1) ( + 1)X( ) ( + 1) . (A.45)
Unificando os valores esperados e simplificando, obtemos:
h
2 P
U = a( ) ( ) E
k( +1) ( + 1)
h
i
i
1
EP k( +1) ( + 1)X(
(
+
1)
M
k
(
+
1)X
(
+
1)
(
+1)
(
)
)
( )

H( +1) ( + 1)
. (A.46)
a( ) ( )
=
O termo H
= U =
H
K

1
K
a( ) ( )2
EP
da Expresso (A.49) pode ser ento escrito como:
h
h
i
k( +1) ( + 1) EP k( +1) ( + 1)X(

) ( + 1)
1
M(
) k( +1) (

iH
( +1) ( + 1)
+ 1)X( ) ( + 1)
. (A.47)
a( ) ( )
(Equao (A.39)) pode ser rescrito como:

De forma anloga, o termo R
n
o
= EP k( +1) ( + 1) H( +1) ( + 1) 2
R

1
EP k( +1) ( + 1)H( +1) ( + 1)X(

) ( + 1) M( )

EP k( +1) ( + 1)H( +1) ( + 1)X( ) ( + 1) + E ( +1) . (A.48)
Finalmente, a Expresso (A.49) pode ser rescrita como:
V ( ) H
J (V ( ), ( ), ) = K
2
2
U ,
+R
| {z K}
84
(A.49)
dado pela Equao (A.66), H

pela Equao (A.47), R
pela Equao
onde K
pela Equao (A.46).
(A.48) e U
Demonstrao do Teorema 3.1. A prova feita por induo finita. Para
= T o resultado claramente verdadeiro, pois:
2
J (V (T ), (T ), T ) = V (T ) H(T ) (T ) ,
(A.50)
j que:

k(T ) (T ) = 1
(T ) (T ) = 0
(T ) = 1, . . . , N
(A.51)
Suponhamos que o resultado valha para + 1. Pela equao de Bellman,

temos que:
J(V ( ), ( ), ) =

min E P J(V ( + 1), ( + 1), + 1)|F =
u( )
n
o
2
min E
k( +1) ( + 1) V ( + 1) H( +1) ( + 1) + ( +1) ( + 1)|F =
u( )

n
o
2
P
min E
k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F
+
u( )

E P ( +1) ( + 1)|F
(A.52)
P
onde:
E P (( +1) ( + 1)|F ) =
p( +1),j E P (j ( + 1)|F ),
(A.53)
e

2
E P k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F =
"
E P k( +1) ( + 1)
2
a( ) ( )V ( ) + S( ),0 ( + 1)X ( + 1)u( ) H( +1) ( + 1) F =

( )

|
{z
}
V ( +1)
"
E P k( +1) ( + 1)S( ),0 ( + 1)2

a( ) ( )
H( +1) ( + 1)
V ( ) + X(
) ( + 1)u( )
S( ),0 ( + 1)
S( ),0 ( + 1)
2 #

F

(A.54)
Lembrando que S( ),0 ( + 1) = S0 ( )a( ) ( ), a expresso acima pode ser
85
rescrita como:
2
E P (k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F ) =

E P k( +1) ( + 1)S( ),0 ( + 1)2

H( +1) ( + 1)
V ( )
+ X(
) ( + 1)u( )
S0 ( )
S( ),0 ( + 1)
2 !

F
(A.55)

Calculando explicitamente o valor esperado em relao VA ( + 1), obtemos:

2
E P k( +1) ( + 1) V ( + 1) H( +1) ( + 1) |F =
(
X
P
p( ),j E
kj ( + 1)S( ),0 ( + 1)2
j
Hj ( + 1)
V ( )
+ X(
) ( + 1)u( )
S0 ( )
S( ),0 ( + 1)
2 )

F . (A.56)

Escrevendo:
q
Xj = S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
e

q
V ( )
Hj ( + 1)
Yj = S( ),0 ( + 1) kj ( + 1)
,
S0 ( ) S( ),0 ( + 1)
(A.57)
(A.58)
o problema apresentado em (A.52) pode ser rescrito da seguinte forma:
n
o
X
X

2
min
p( ),j E Yj + Xj u( ) |F +
p( ),j E P (j ( + 1)|F ) .
u( )
(A.59)
86
Conforme o Lema A.1, a soluo tima u

( ) desse problema :
X
X
u
( ) =
p( ),j EP (Xj Xj )
p( ),j EP (Xj Yj ) =
j
(
X
p( ),j EP
q
S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
|
{z
}
Xj
S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
|
{z
}
Xj
X
P
p( ),j E S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
{z
}
j
|
Xj

q
V ( )
Hj ( + 1)
. (A.60)
S( ),0 ( + 1) kj ( + 1)
S0 ( ) S( ),0 ( + 1)
{z
}
|
Yj
Como S( ),0 ( + 1) um processo previsvel e, portanto, F -mensurvel,

podemos simplificar esta expresso, obtemos:
1
n
o
X
u
( ) =
p( ),j EP kj ( + 1)X( ) ( + 1) X(
) ( + 1)
j

V ( )
Hj ( + 1)
kj ( + 1)X( ) ( + 1)
=
S0 ( ) S( ),0 ( + 1)
j
h
n
oi1
EP k( +1) ( + 1)X( ) ( + 1)X(

(
+
1)
)

H
V
(
)
( +1) ( + 1)
. (A.61)
EP k( +1) ( + 1)X( ) ( + 1)
S0 ( )
S( ),0 ( + 1)
p( ),j EP
Usando novamente os resultados do Lema A.1, podemos obter a funo ob-
87
jetivo J(V ( ), ( ), ) correspondente a u

( ):
J(V ( ), ( ), ) =
p( ),j EP (Yj2 )
1
X
X
p( ),j EP (Yj Xj )
p( ),j EP (Xj Xj )
j
p( ),j EP (Xj Yj ) +
p( ),j EP (j ) =
(
2 )

q
X
Hj ( + 1)
V ( )
P
p( ),j E
S( ),0 ( + 1) kj ( + 1)
S0 ( ) S( ),0 ( + 1)
j

q
X
p( ),j EP S( ),0 ( + 1) kj ( + 1)X( ) ( + 1)
j
1
q
S( ),0 ( + 1) kj ( + 1)X( ) ( + 1)

q
X
p( ),j EP S( ),0 ( + 1) kj ( + 1)X( ) ( + 1)

j

q
Hj ( + 1)
V ( )
+
S( ),0 ( + 1) kj ( + 1)
S0 ( ) S( ),0 ( + 1)
X
p( ),j EP (j ) . (A.62)
j
Simplificando esta expresso, obtemos:

2
J(V ( ), ( ), ) = S( ),0 ( + 1)
(

2 )
X
V ( )
Hj ( + 1)
P
p( ),j E kj ( + 1)
S0 ( ) S( ),0 ( + 1)
j

X
H
(
+
1)
V
(
)
j
X(
p( ),j EP (kj ( + 1)
) ( + 1)) M( )
S
(
)
S
(
+
1)
0
(
),0
j

X
V
(
)
H
(
+
1)
j
p( ),j EP (kj ( + 1)
X( ) ( + 1))
S0 ( ) S( ),0 ( + 1)
j
X
+
p( ),j E(j ), (A.63)
j
onde:
M( ) =
n
o
p( ),j EP kj ( + 1)X( ) ( + 1)X(

(
+
1)
=
)
n
o
EP k( +1) ( + 1)X( ) ( + 1)X(

) ( + 1) , (A.64)
88
Para completar a prova por induo finita, precisamos mostrar que J(V ( ), ( ), )
pode ser escrito da seguinte forma:
2
J(V ( ), ( ), ) = k( ) ( ) V ( ) H( ) ( ) + ( ) ( ).
(A.65)
Isso, de fato, pode ser feito. De acordo com o Lema A.3, a Expresso (A.63)
pode ser expressa na forma da Expresso (A.65) se assumirmos que:
h

k( ) ( ) = a( ) ( )2 EP k( +1) ( + 1)

i
1
P
EP k( +1) ( + 1) X(
(
+
1)
M
E
k
(
+
1)
X
(
+
1)
,
( +1)
( )
)
( )
(A.66)
H( ) ( ) =

EP
1
k( ) ( )
a( ) ( )2
h
h
i
k( +1) ( + 1) EP k( +1) ( + 1)X(

(
+
1)
)

iH
( +1) ( + 1)
1
, (A.67)
M( ) k( +1) ( + 1)X( ) ( + 1)
a( ) ( )
n
o
M( ) = EP k( +1) ( + 1)X( ) ( + 1)X(

(
+
1)
,
)
(A.68)
2
=R
U ,
( ) ( ) = L
(A.69)
K
conforme definido no Lema A.3.
Para encontrarmos uma expresso mais simples para ( ) ( ), resolvamos o
problema dado pela Equao (A.59) considerando:
q
(A.70)
Xj = S( ),0 ( + 1) kj ( + 1) X( ) ( + 1)
e

q
H( ) ( )
Hj ( + 1)
Yj = S( ),0 ( + 1) kj ( + 1)
.
S0 ( )
S( ),0 ( + 1)
89
(A.71)
Assim, o problema dado pela Equao (A.59) se transforma em:
min
u( )
p( ),j E
o
X

2
Yj + Xj u( ) |F +
p( ),j E (j ( + 1)|F ) =

X
min
p( ),j E kj ( + 1) a( ) ( )H( ) ( )+
u( )
S( ),0 ( +
1)X(
) (
!
2
+
+ 1)u( ) Hj ( + 1) |F
p( ),j E(j ( + 1)|F ) =

min E k( +1) ( + 1) a( ) ( )H( ) ( ) +
u( )
S( ),0 ( +
1)X(
) (

2
+ 1)u( ) H( +1) ( + 1) |F
+
E(( +1) ( + 1)|F ). (A.72)
Conforme o Lema A.1, a soluo tima u( ) desse problema :
1
n
o
X
u( ) =
p( ),j EP kj ( + 1)X( ) ( + 1)X(
) ( + 1)
j

H( ) ( )
Hj ( + 1)
kj ( + 1)X( ) ( + 1)
=
S0 ( )
S( ),0 ( + 1)
j
h
n
oi1
EP k( +1) ( + 1)X( ) ( + 1)X(

(
+
1)
)

H
H
(
)
( +1) ( + 1)
( )
. (A.73)
EP k( +1) ( + 1)X( ) ( + 1)
S0 ( )
S( ),0 ( + 1)
X
p( ),j EP
De forma anloga que procedemos anteriormente, podemos usar novamente

os Lemas A.1 e A.3 para obter a funo objetivo J(H( ) ( ), ( ), ) correspondente a u( ):
2
J(H( ) ( ), ( ), ) = k( ) ( ) H( ) ( ) H( ) ( ) + ( ) ( ) = ( ) ( ).
(A.74)
Portanto, a funo objetivo precisamente ( ) ( ), que queramos simplifi-
90
car. Assim:

X
( ) ( ) =
p( ),j EP kj ( + 1) a( ) ( )H( ) ( ) +
j
S( ),0 ( +
1)X(
) (
!
2
+
+ 1)u( ) Hj ( + 1)
p( ),j EP (j ( + 1)) =

EP k( +1) ( + 1) a( ) ( )H( ) ( ) + S( ),0 ( + 1)X(

) ( + 1)u( )
2
H( +1) ( + 1)
+ EP (( +1) ( + 1)), (A.75)
onde u( ) dado pela Equao (A.73).
De acordo com o Lema A.2, k( +1) ( + 1) > 0. Alm disso:

EP k( +1) ( + 1) a( ) ( )H( ) ( ) + S( ),0 ( + 1)X(

) ( + 1)u( )
2
H( +1) ( + 1)
0, (A.76)
por se tratar de uma varivel positiva multiplicada por uma expresso quadrtica, que, evidentemente, no-negativa. Como (T ) (T ) = 0, fcil ver (e
provar por induo finita) que ( ) ( ) 0, = T , . . . , 0.
Demonstrao do Teorema 3.2. Derivando J(V (0), (0), 0) em relao a
V (0) e igualando a zero, obtemos:

J (V (0), (0), 0)
=
(V (0))
V (0)=V (0)

2
k(0) (0) V (0) H(0) (0) + (0) (0)

= 0. (A.77)
(V (0))
V (0)=V (0)
Portanto:

2k( ) (0) V (0) H(0) (0) = 0
= V (0) = H(0) (0).
(A.78)
Demonstrao do Teorema 3.3. O erro de hedging esperado quadrtico em

= 0 dado pela Equao (3.16). Do Teorema 3.2, V (0) = H(0) (0). Portanto:
J0,T ((0), 0) = J(V (0), (0), 0) = J(H(0) (0), (0), 0),
(A.79)
Usando a Equao (3.19) para calcular a expresso acima, obtemos que:

2
J(H(0) (0), (0), 0) = k(0) (0) H(0) (0) H(0) (0) + (0) (0) = (0) (0).
(A.80)
Portanto:
J0,T ((0), 0) = (0) (0),
(A.81)
i.e., o erro de hedging esperado quadrtico em = 0 dado por (0) (0).
91
Demonstrao do Teorema 3.4. A prova feita por induo finita.

Inicialmente, notemos que esta expresso se verifica para = T 1. De
fato:
T 1
Y
H(T
)
P
Q
P
H(T 1) = ET 1
=
mj+1,j ((j + 1)) T 1
j=T 1
a(j) (j)
j=T 1

Q
ETP 1 mP
T ,T 1
H(T )
a(T 1) (T 1)
Para o instante 1, a Expresso (3.42) se torna:

H( ) ( )
Q
((
))
H( 1) ( 1) = EP1 mP
.
, 1
a( 1) ( 1)

. (A.82)
(A.83)
Assumindo que seja verdadeira a Expresso (3.43), e substituindo esta expresso (juntamente com a Expresso (3.44)) na Equao (A.83), obtemos:
H( 1) ( 1) =

QT 1 P Q
H(T ) (T )
Q
E
m
((j
+
1))
T 1
j+1,j
j=
a(j) (j)
j=
P Q
P
=
E 1 m, 1 (( ))
a( 1) ( 1)
TY
H
(T
)
(T )
Q
EP1 EP
mP
((j
+
1))
. (A.84)
QT 1
j+1,j
a(j) (j)
j= 1
j= 1
Usando a lei das expectativas iteradas, i.e., EP1 {EP {X}} = EP1 {X}, a
ltima expresso pode ser simplificada para:
1
TY
H
(T
)
(T )
Q
H( 1) ( 1) = EP1
mP
((j
+
1))
. (A.85)
QT 1
j+1,j
a(j) (j)
j= 1
j= 1
n
o
Q
P Q
Q
P
Usando o fato de que mP
mP+1,
(( + 1)) =
j+1,j e mj,j1 so independentes, e que E
1, podemos escrever:
1
TY
n
o
Q
P Q
P
EP1 mP
=
E
m
((j
+
1))
=
j+1,j
T ,
j= 1
TY
1
n
o
Q
EP mP
j+1,j ((j + 1)) = 1. (A.86)
j= 1
Q
Q
Alm disso, mP
FT -mensurvel. Portanto, a expresso mP
pode ser
T ,
T ,
interpretada como uma mudana de medida de probabilidade da medida P para
92
a medida Q (i.e., a derivada de Radon-Nikodm, dQ

dP ,da medida Q com relao
medida P ), e a Expresso (A.85) pode ser rescrita simplesmente como:
(T ) (T )
Q
H( 1) ( 1) = E 1
.
(A.87)
TQ
1
a(j) (j)
j= 1
Portanto, mostramos por induo finita que a Expresso (3.43) , de fato,

verdadeira, o que completa a prova do Teorema 3.4.
Demonstrao do Corolrio 3.5. A prova deste corolrio trivial. Basta
substituir ( ) = 1, = T , . . . , 0, no Teorema 3.1.
substituir (0) = 1 no Teorema 3.2.
substituir (j) = 1, j {0, . . . , T }, no Teorema (3.4).
Demonstrao do Corolrio 3.8. A prova deste corolrio muito simples.
Inicialmente, notemos que:
X ( + 1) = X( + 1),
(A.88)

1
M 1 = EP {k( + 1)X( + 1)X ( + 1)}
=
1
n
o . (A.89)
2
EP k( + 1) (X( + 1))
Usando estas relaes, a Expresso (3.48) pode ser escrita como:
(
1
k( + 1)
H( ) = k( ) EP
a( )2
{k( + 1)X( + 1)}

H( + 1)
n
o k ( + 1) X( + 1)
. (A.90)
2
a( )
EP k( + 1) (X( + 1))
EP
k( )
a( )2
F -mensurvel, a expresso acima pode ser rescrita como:
E P {k( +1)X( +1)}
k( + 1) E P k( +1)(X( +1))2 k( + 1)X( + 1) H( + 1)
}
{
H( ) = EP
.
k( )
a( )
2
Como
a( )
(A.91)
Substituindo a Equao (3.58) na expresso acima, obtemos as equaes
(3.60) e (3.59):
k( + 1)
Q
mP
+1,
EP {k( +1)X( +1)}

k(
EP {k( +1)(X( +1))2 }
EP {k( + 1)}
+ 1)X( + 1)
(EP {k( +1)X( +1)})2

EP k( +1)(X( +1))2
93
(A.92)
H( ) =
EP

P Q H( + 1)
m +1,
.
a( )
(A.93)
As outras expresses deste corolrio podem ser trivialmente obtidas. Portanto, no h necessidade de desenvolvimentos adicionais.
substituir (0) = 1 no Teorema 3.2.
substituir (j) = 1, j {0, . . . , T }, no Teorema 3.4.
Demonstrao do Lema 4.1. A Equao (4.30) pode ser rescrita como:

1 2
S( )
(r)t
P
exp W ( + 1) t
X( + 1) =
e
S0 ( )
2
{z
}
|
Z1 (t )
(t )
n

oN Y
2
P
Y + 12 Y
P
exp 1 e
t
eYi 1
. (A.94)
i=1
{z
}
|
Z2 (t )
Multiplicando e dividindo a expresso acima por (e(r)t 1), obtemos:
X( + 1) =
e(r)t
S( ) (r)t
e
1 (r)t
1
S0 ( )
e
|
{z
}
1 (t )
Z1 (t )Z2 (t ) +
. (A.95)
e(r)t 1
|
{z
}
0 (t )
Definindo:
0 (t ) =
1 (t ) =
1
e(r)t
e(r)t
,
e(r)t 1
(A.96)
(A.97)
a Expresso (A.95) pode ser rescrita como:

X( + 1) =

S( ) (r)t
e
1 (0 (t ) + 1 (t ) Z1 (t )Z2 (t )) .
S0 ( )
(A.98)
94
Para completar a prova, devemos escrever Z2 (t ), destacado na Expresso

(A.94), na forma:
N P (t )
P
Q
Z2 (t ) = e( )t
Y
i=1
Q f Q (YiP )
,
P f P (YiP )
(A.99)
onde f P (YiP ) a funo densidade de probabilidade da varivel aleatria YiP

com relao medida P , e f Q (YiP ) a funo densidade de probabilidade da
varivel aleatria YiP com relao a uma outra medida de probabilidade: a
medida Q.
Sabemos, por hiptese, que f P (YiP ) corresponde a uma normal com EP {YiP } =
Y e P {YiP } = Y :
P
2 !
1
1
Y
Y
i
f P (YiP ) =
exp
.
(A.100)
2
Y
2Y
Portanto, para que a Igualdade (A.99) seja possvel, devemos encontrar
f Q (YiP ) e Q tais que:
N P (t )
(P Q )t
Y
i=1
Q f Q (YiP )
P
2 ! =
1
1
Y
Y
i
P
exp
2
Y
2Y
{z
}
|
f P (YiP )
(t )
n

oN Y
P
1 2
exp 1 eY + 2 Y P t
eYi . (A.101)
i=1
{z
Z2 (t )
Esta equao satisfeita se:

P
Q
1 2
1 2
e( )t = exp 1 eY + 2 Y P t = Q = P eY + 2 Y , (A.102)
e se:
Q Q
2Y
(YiP )
f

P
2 = e
1 Yi Y
exp 2
Y
YiP
= f Q (YiP ) =
12
1
e
2Y
2 +
YiP Y
Y
Y
!2
(A.103)
Portanto, Z2 (t ) de fato pode ser escrito na forma da Equao (A.99), com
f P (YiP ), Q e f Q (YiP ) dados, respectivamente, por (A.100), (A.102), e (A.103),
completando a prova.
Lema A.4. Seja X( + 1) tal como definido no Lema 4.1. Nestas condies,
EP {X( + 1)} e EP {(X( + 1))2 } podem ser expressos como:
EP {X( + 1)} =

S( ) (r)t
e
1 ,
S0 ( )
95
(A.104)
n
o S( ) 2 n
h
2
EP (X( + 1)) =
exp 2 2r + 2 +
S0 ( )

i
o
2
2
2(Y
+Y )
Y + 21 Y
P
+e
t 2 exp [( r) t ] + 1
(A.105)
1 2e
Demonstrao. Calculemos inicialmente EP {X( +1)}. Como os processos
Z1 (t ) e Z2 (t ) dados, respectivamente, pelas Equaes (4.34) e (4.35) so
independentes, temos:
EP {X( + 1)} =

S( ) (r)t
e
1 0 (t ) + 1 (t )EP {Z1 (t )} EP {Z2 (t )} .
S0 ( )
(A.106)
Sendo uma varivel aleatria com distribuio normal de mdia e vari2
ncia 2 , i.e., N ( ,
), temos:

1
2
E eu = exp u + u2
2
(A.107)
Aplicando esta expresso ao clculo de EP {Z1 (t )}, obtemos:

(
EP
{Z1 (t )} =
EP
)
1 2
exp W ( + 1) t
=
2
{z
}
|

1
1
exp 2 t + 2 t = 1. (A.108)
| {z }
| 2 {z } 2 12 2

Antes de efetuarmos o clculo de EP {Z2 (t )}, consideremos o seguinte

processo:
P
m
N (t )
Y
P
m
(J(t )) =
eYi .
(A.109)
i=1
96
O valor esperado de (J(t ))m dado por:

P
m
(t )
NY
P
m
EP {(J(t )) } = EP
eYi
=
i=1
( k
)
(t )
N Y
n
o
Y
P
P
P
mYi
P
P
mYiP
E E
e
|N [t ] = k
= E
E e
=
i=1
i=1
( k
)

k
Y
2
2 2
1
P
mY + 12 m2 Y
E
e
= EP
emY + 2 m Y
=
i=1

k
k
2 2
P
1
emY + 2 m Y
e t P t
X
k!
k=0
P

k
2 2
1
P t emY + 2 m Y
X
k!
k=0
P

h

i
2 2
2 2
1
1
exp P t emY + 2 m Y = exp P t emY + 2 m Y 1 .
(A.110)
Portanto, fazendo m = 1 na expresso acima, obtemos:

P
(t )
N Y
h

i
P
1 2
E P {J(t )} = E P
eYi
= exp P t eY + 2 Y 1 . (A.111)
i=1
Da demonstrao do Lema 4.1 (Equao (A.94)), sabemos que Z2 (t ),

dado pela Equao (4.35), tambm pode ser escrito como:
P
2
Y + 21 Y
Z2 (t ) = exp t 1 e
(t )
i N Y
eYi .
(A.112)
i=1
Usando ento o resultado da Equao (A.111), podemos finalmente calcular

EP {Z2 (t )}:
P
(t )
N Y
i
h

P
1 2
eYi
= 1.
EP {Z2 (t )} = exp P t 1 eY + 2 Y EP
i=1
(A.113)
Portanto, substituindo na Expresso (A.106) os resultados obtidos em (A.108)
e (A.113), e usando as equaes (4.32) e (4.33), obtemos:
EP {X( + 1)} =

S( ) (r)t
e
1 (0 (t ) + 1 (t )) =
S0 ( )

S( ) (r)t
e
1 . (A.114)
S0 ( )
97

Calculemos agora EP (X( + 1))2 . Usando a Equao (4.31), obtemos
para (X( + 1))2 :
2
(X( + 1)) =

S( )
S0 ( )
2
2
e(r)t 1

2
0 (t )2 + 20 (t )1 (t )Z1 (t )Z2 (t ) + 1 (t ) Z1 (t )2 Z2 (t )2 .
(A.115)
Calculando o valor esperado desta expresso, obtemos:
EP
n
o S( ) 2
2
2
(X( + 1)) =
e(r)t 1
S0 ( )
0 (t )2 + 20 (t )1 (t )EP {Z1 (t )} EP {Z2 (t )} +

2
1 (t ) EP Z1 (t )2 EP Z2 (t )2 . (A.116)

Usando a Expresso (A.107) com u = 2 obtemos EP Z1 (t )2 :

=
EP Z1 (t )2 = EP exp 2WP ( + 1)- 2 t
|
{z
}

2
1
exp t + 4 2 t = e t . (A.117)
| {z } 2 | {z }

2
22

Usando a Expresso (A.110) com u = 2 obtemos EP Z2 (t )2 :
EP
P
(t )
h

i N Y

P
1 2
Z2 (t )2 = EP exp 2P t 1 eY + 2 Y
e2Yi
=
i=1
P
(t )
N Y
i
h

P
1 2
exp 2P t 1 eY + 2 Y EP
e2Yi
=
i=1
i
h

i
h

1 2 2
1 2
exp 2P t 1 eY + 2 Y exp P t e2Y + 2 2 Y 1 =

i
h
2
1 2
exp P 1 2e 2 Y +Y + e2(Y +Y ) t . (A.118)
Portanto, substituindo os resultados encontrados na Equao (A.116), e

usando novamente as equaes (4.32) e (4.33), obtemos:
n
o
2
EP (X( + 1)) =

2 n
h

i
2
1 2
S( )
exp 2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t
S0 ( )
o
2 exp [( r) t ] + 1 , (A.119)
o que completa a prova.
98
Lema A.5. Seja X( + 1) um processo estocstico tal como definido no Lema

4.1. O processo recursivo k( ) dado por:
k( ) =
EP
2
EP {k( + 1)X( + 1)}
n
o ; k(T ) = 1
{k( + 1)}
2
EP k( + 1) (X( + 1))
(A.120)
pode ser expresso como:

(T 1)
k( ) =
(i),
(A.121)
i=
onde:
2
e(r)ti 1
(i) = 1
,
A
A = exp
h
(A.122)

i
2
1 2
2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) ti
2 exp [( r) ti ] + 1. (A.123)
Demonstrao. A prova deste lema feita por induo finita. Suponhamos:

(T 1)
k( + 1) =
(i)
(A.124)
(i) = 1.
(A.125)
i= +1
No instante T (i.e., = T 1):

k(T ) =
TY
1
i=T
No instante :
k( ) =
EP
2
EP {k( + 1)X( + 1)}
n
o=
{k( + 1)}
2
EP k( + 1) (X( + 1))
nQ
o2

(T 1)
1)
(TY
EP
(i)X(
+
1)
i= +1
n
o . (A.126)
EP
(i)
E P Q(T 1) (i) (X( + 1))2

i= +1
i= +1
O processo
Q(T 1)
i= +1
(i) F -mensurvel. Portanto:
2
EP {X( + 1)}
n
o .
k( ) =
(i) 1
2
EP (X( + 1))
i= +1
(T 1)
(A.127)
Usando os resultados do Lema A.4, podemos escrever:

2
2
EP {X( + 1)}
e(r)t 1
n
o=
,
2
A
EP (X( + 1))
99
(A.128)

2
1 2
A = exp 2 2r + 2 + P 1 2eY + 2 Y + e2(Y +Y ) t
2 exp [( r) t ] + 1. (A.129)
Portanto:
(T 1)
e(r)t 1
k( ) =
(i) 1
A
i= +1
|
{z
Y
2 !
( )
(T 1)
(i).
(A.130)
i=
Isso completa a prova por induo finita.

Qn
Lema A.6. O produtrio j=1 (aj + bj ) pode ser escrito como:
n
Y
(aj + bj ) =
(np)
n X
X
aj
p=0 l=1
j=1
(p)
n X
X
n
jCp,l
n
Y
p=0 l=1
bj =
n
jCnp,s
1C n (j)
(aj )
p,l
j=1
n
Y
1C n
(bj )
np,s
(j)
(A.131)
j=1
Onde:
s=[
n
p
l + 1];

n
Cpn o conjunto cujos elementos Cp,l
(1 l np ) so subconjuntos,
dispostos em ordem lexicogrfica, formados por p (0 p n) elementos
extrados do conjunto {1, , n};

n
n
n
(1 s np
= np ) so
o conjunto cujos elementos Cnp,s
Cnp
subconjuntos, dispostos em ordem lexicogrfica, formados por n p (0
p n) elementos extrados do conjunto {1, , n};

n!
O conjunto Cpn possui np = p!(np)!
elementos, e cada um desses elementos um conjunto contendo p elementos
extrados do conjunto {1, , n}. O

n
n!
n
conjunto Cnp
tambm possui np
= p!(np)!
elementos, e cada um desses elementos um conjunto contendo n p elementos extrados do conjunto
{1, , n}.
Demonstrao. Seja a prova por induo finita em n.
100
Para n = 1, temos:
(np)
n X
X
p=0 l=1
aj
n
jCp,l
bj =
n
jCnp,s
(p1)
1 X
X
aj
p=0 l=1
(10)
X
aj
1
jC0,l
l=1
1
jCp,l
bj +
1
jC10,s
(11)
X
1
jC1,l
b j =
1
jC11,s
aj
l=1
{z
bj =
1
jC1p,s
{z
p=1
p=0
a1 + b1 . (A.132)
Assumindo que a Expresso (A.131) seja vlida para n, devemos provar que
ela tambm vlida para n + 1, i.e.:
n+1
p )
n+1
n+1
Y
X (X
Y
Y
aj
(aj + bj ) =
bj .
(A.133)
p=0 l=1
j=1
n+1
jCp,l
n+1
jCn+1p,s
n
so disposInicialmente, notemos que os elementos dos conjuntos Cpn e Cnp

tos em ordem lexicogrfica. Assim, por construo, para qualquer l, 1 l np

n
n
e s = [ np l 1], os conjuntos Cp,l
e Cnp,s
formam uma partio do conn
n
n
n
junto {1, 2, . . . n}, ou seja, Cp,l Cnp,s = {1, 2, . . . , n} e Cp,l
Cnp,s
= .
Consideremos a soma:
n+1
(X
p )
Y
Y
(A.134)
aj
bj .
S=
n+1
jCn+1p,s
n+1
jCp,l
l=1

A soma S composta por n+1
parcelas. Cada parcela da soma S um
p
n+1
n+1
produto de n + 1 fatores. Como os conjuntos Cp,l
e Cn+1p,s
formam uma
partio do conjunto {1, 2, . . . , n, n+1}, ento cada parcela da soma S ou possui
o fator an+1 ou possui o fator bn+1 . Dessa forma, possvel rescrever a soma S
evidenciando os termos an+1 e bn+1 :
n+1
(X
p )
Y
S=
aj
l=1
n+1
jCp,l
bj =
n+1
jCn+1p,s
bn+1
(np)
X
aj
l=1
an+1
n
jCp,l
n
(X
p1)
l=1
b j +
n
jCnp,s
n
jCp1,l
101
aj
Y
n
jCn(p1),s
bj . (A.135)

Notemos que a soma S, que continha n+1
parcelas, foi dividida em duas
p

n
n
n+1
n
somas com p e p1 parcelas. Com efeito, p = np + p1
.
Considerando esse resultado parcial, rescrevemos a expresso abaixo, separando as parcelas p = 0 e p = n + 1:
n+1
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
bj =
n+1
jCn+1p,s
n+1
(X
0 )
Y
aj
n+1
jC0,l
l=1
b j +
n+1
jCn+10,s
{z
T1
n+1
p )
n (X
Y
X
aj
p=1 l=1
bj
n+1
jCn+1p,s
n+1
jCp,l
{z
T2
n+1
(X
n+1)
aj
n+1
jCn+1,l
l=1
bj . (A.136)
n+1
jCn+1(n+1),s
{z
T3
Temos que:
n+1
(X
0 )
Y
aj
T1 =
l=1
n+1
jC0,l
b j =
n+1
jCn+10,s
(n0 )
X
bn+1
T3 = an+1
n
jC0,l
aj
n
jCn,l
102
bj , (A.137)
n
jCn0,s
l=1
aj
l=1
(nn)
X
Y
n
jCnn,s
b j .
(A.138)
Considerando o resultado da Equao (A.135):
n+1
p )
n (X
X
Y
aj
p=1 l=1
n+1
jCp,l
n
X
bn+1
(np)
X
(X)
(p)
n X
X
aj
n
jCp,l
n
an+1
b j =
n
jCn(p1),s
p=1 l=1
aj
n
jCp1,l
l=1
bj +
n
jCnp,s
p=1
aj
n
jCp,l
l=1
an+1
n
p1
bn+1
bj =
n+1
jCn+1p,s
p=1
n
X
(p)
n1
XX
bj +
n
jCnp,s
aj
n
jCp,l
p=0 l=1
bj . (A.139)
n
jCnp,s
Utilizando (A.137), (A.138) e (A.139), rescrevemos a Equao (A.136):

n+1
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
n+1
jCn+1p,s
bn+1
(n0 )
X
(p)
n X
X
aj
n
jCp,l
p=1 l=1
n
bj +
aj
n
jCp,l
an+1
n
jCnp,s
p=0 l=1
bj +
n
jCn0,s
(p)
n1
XX
aj
n
jC0,l
n
bn+1
l=1
an+1
bj =
(nn)
X
n
jCn,l
103
bj +
n
jCnp,s
l=1
aj
Y
n
jCnn,s
bj . (A.140)
Reagrupando termos, esta expresso se torna:

n+1
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
bj =
n+1
jCn+1p,s
n
bn+1
(p)
n X
X
aj
n
jCp,l
p=0 l=1
an+1
(np)
n X
X
bj +
n
jCnp,s
aj
bj , (A.141)
n
jCnp,s
n
jCp,l
p=0 l=1
que pode ser finalmente simplificada para:

n+1
p )
n+1
X (X
p=0 l=1
aj
n+1
jCp,l
bj =
n+1
jCn+1p,s
(an+1 + bn+1 )
(np)
n X
X
aj
n
jCp,l
p=0 l=1
n
Q
bj . (A.142)
n
jCnp,s
{z
(aj +bj )
j=1
Pela hiptese da induo (Equao (A.131)):
(np)
n
n X
Y
X
Y
Y
(aj + bj ) =
aj
p=0 l=1
j=1
Portanto:
n+1
(
p )
n+1
X X Y
aj
p=0 l=1
n
jCp,l
n+1
jCp,l
bj .
(A.143)
n
jCnp,s
bj =
n+1
jCn+1p,s
(an+1 + bn+1 )
n
Y
j=1
(aj + bj ) =
n+1
Y
(aj + bj ) , (A.144)
j=1

Exemplo de Aplicao
Representemos Cpn com a seguinte notao: Cpn = PSubsets[{1, , n}, p].
Exemplos de PSubsets para o conjunto {1, 2, 3, 4}:
C0 = PSubsets[{1, 2, 3, 4} , 0] = {{}}
C1 = PSubsets[{1, 2, 3, 4} , 1] = {{1} , {2} , {3} , {4}}
104
C2 = PSubsets[{1, 2, 3, 4} , 2] = {{1, 2} , {1, 3} , {1, 4} , {2, 3} , {2, 4} , {3, 4}}

C3 = PSubsets[{1, 2, 3, 4} , 3] = {{1, 2, 3} , {1, 2, 4} , {1, 3, 4} , {2, 3, 4}}
C4 = PSubsets[{1, 2, 3, 4} , 4] = {{1, 2, 3, 4}}
Qn
Exemplo de j=1 (aj + bj ):
3
Y
(aj + bj ) = a1 a2 a3 +a1 a2 b3 +a1 a3 b2 +a2 a3 b1 +a1 b2 b3 +a2 b1 b3 +a3 b1 b2 +b1 b2 b3 .
j=1
(A.145)
Vejamos como fica a frmula:
(p3)
3 X
X
Y
Y
aj
p=0 l=1
3
jCp,l
bj , s =
3
jC3p,s

3
l+1 .
p
(A.146)
Expandindo esta frmula, obtemos:

(p3)
3 X
X
p=0 l=1
aj
3
jCp,l
bj =
3
jC3p,s
(30)
X
aj
3
jC0,l
l=1
(31)
X
l=1
3
jC1,l
aj
bj +
3
jC3,2l
b j +
3
jC2,4l
(32)
X
3
jC3,l
b j +
3
jC1,4l
l=1
aj
3
jC2,l
l=1
(33)
X
aj
bj . (A.147)
3
jC0,2l
Calculemos os Cpn , 0 p 3 e os Cp,j , 0 p 3, 1 l 3 para o conjunto

{1, 2, 3}:
3
C03 = C0,1
= PSubsets[{1, 2, 3} , 0] = {{}}
3

3
3
C13 = C1,1
, C1,2
, C1,3
= PSubsets[{1, 2, 3} , 1] = {{1} , {2} , {3}}
3

3
3
C23 = C2,1
, C2,2
, C2,3
= PSubsets[{1, 2, 3} , 2] = {{1, 2} , {1, 3} , {2, 3}}
3
C33 = C3,1
= PSubsets[{1, 2, 3} , 0] = {{1, 2, 3}}
Expandindo cada um dos somatrios da Expresso (A.147):
1
X
Y
Y
Y
Y
aj
bj =
aj
bj = b1 b2 b3 .
l=1
3
jC0,l
3
jC3,2l
3
jC0,1
3
jC3,1
(A.148)
105
3
X
aj
3
jC1,l
l=1
aj
3
jC1,1
b j =
3
jC2,4l
bj +
3
jC2,3
aj
3
jC1,2
bj +
3
jC2,2
aj
3
jC1,3
bj =
3
jC2,1
a1 b2 b3 + a2 b1 b3 + a3 b1 b2 . (A.149)
3
X
Y
3
jC2,1
1
X
aj
bj +
3
jC1,3
aj
3
jC3,l
bj +
3
jC1,2
aj
3
jC2,3
bj =
3
jC1,1
a1 a2 b3 + a1 a3 b2 + a2 a3 b1 . (A.150)
Y
Y
bj =
aj
bj = a1 a2 a3 .
aj
3
jC2,2
l=1
b j =
3
jC1,4l
3
jC2,l
aj
l=1
3
jC0,2l
3
jC3,1
3
jC0,1
(A.151)
Juntando os termos acima, a Expresso (A.147) se torna:
(p3)
3 X
X
a3p
bj =
n
jCp,l
p=0 l=1
a1 a2 a3 +a1 a2 b3 +a1 a3 b2 +a2 a3 b1 +a1 b2 b3 +a2 b1 b3 +a3 b1 b2 +b1 b2 b3 =
3
Y
(aj + bj ) ,
j=1
(A.152)
que exatamente igual ao resultado da Expresso (A.145).
Lema A.7. Sejam X( + 1) e k( ) processos tais como definidos no Lema
Q
A.5. O processo mP
+1, definido por:

EP {k( +1)X( +1)}
k( + 1) E P k( +1)(X( +1))2 k( + 1)X( + 1)
}
{
Q

mP
=
(A.153)
+1,
(EP {k( +1)X( +1)})2
P
E {k( + 1)} E P k( +1)(X( +1))2
}
{
pode ser expresso como:
Q
mP
+1, = a0 (t ) + a1 (t )Z1 (t )Z2 (t ),
(A.154)
onde:
1 2
t r+2e 2 Y +Y P P
a0 (t ) =
1 2
1+2e 2 Y +Y
t P
106
2 2 +Y ) P
2 +e ( Y
2 2 +Y )
2 +e ( Y
P
(A.155)
1 2
1+2e 2 Y +Y t P
a1 (t ) =
1 2
1+2e 2 Y +Y
1 2
t r+2e 2 Y +Y P P
t P
2 2 +Y )
2 +e ( Y
P
e

1 2
P
Z1 (t ) = exp W ( + 1) t ,
2
e
N P (t )
(P Q )t
Z2 (t ) = e
i=1
(A.157)
Q f Q (YiP )
,
P f P (YiP )
(A.158)
Q = P e 2 Y +Y ,
21
1
f P (YiP ) =
e
2Y
(A.159)
YiP Y
Y
2 +
YiP Y
Y
Y
2
1
e
f Q (YiP ) =
2Y
(A.156)
,
)
(A.160)
!2
(A.161)
Q
P Q
Alm disso, EP {mP
+1, } = 1 e m +1, F +1 -mensurvel.
Demonstrao. k( + 1) tal como definido no Lema A.5 F -mensurvel.

Q
Portanto, mP
+1, (Expresso (A.153)), pode ser rescrito como:

Q
mP
+1, =

E P {X( +1)}
1 E P (X( +1))2 X( + 1)
}
{

.
P
(E { X( +1)})2
1 E P (X( +1))2
}
{
(A.162)
Q
Substituindo na expresso de mP
+1, acima os resultados do Lema A.4 para
EP {X( + 1)} e para EP {(X( + 1))2 }, e a Equao (4.30) para X( + 1),
obtemos:
Q
mP
+1, =
ff
h
iQ P
1 2
N (t ) Y P
exp W P ( +1)+ r eY + 2 Y 1 P 21 2 t
e i 1
i=1
1 2
2 2 +Y )
t 2 exp[(r)t ]+1
exp 22r+ 2 +P 12eY + 2 Y +e ( Y
(e(r)t 1)
(e(r)t 1)
1 2
2 2 +Y )
+
exp 22r+ 2 +P 12e Y 2 Y +e ( Y
t 2 exp[(r)t ]+1
(A.163)
Definindo:
1 2
t r+2e 2 Y +Y P P
a0 (t ) =
1 2
1+2e 2 Y +Y
t P
107
2 2 +Y ) P
2 +e ( Y
2 2 +Y )
P
2 +e ( Y
(A.164)
1 2
1+2e 2 Y +Y t P
a1 (t ) =
1 2
1+2e 2 Y +Y
1 2
t r+2e 2 Y +Y P P
t P
2 2 +Y )
2 +e ( Y
P
(A.165)
a Expresso (A.163) pode ser simplificada para:

1 2
Q
P
mP
+1, = a0 (t ) + a1 (t ) exp(W ( + 1) t )
2
{z
}
|
Z1 (t )
exp

2
Y + 12 Y
1e
N P (t )
P t
YiP
. (A.166)
i=1
{z
Z2 (t )
Conforme a demonstrao do Lema 4.1, Z2 (t ) pode ser escrito como:

N P (t )
P
Q
Z2 (t ) = e( )t
Y
i=1
Q f Q (YiP )
,
P f P (YiP )
(A.167)
com f P (YiP ), Q e f Q (YiP ) dados, respectivamente, por (A.100), (A.102), e

Q
(A.103). Portanto, mP
+1, pode ser finalmente escrito como:
Q
mP
+1, = a0 (t ) + a1 (t ) Z1 (t )Z2 (t ) .
(A.168)
Q
P Q
P
Alm disso, notemos que mP
+1, F +1 -mensurvel, e que E {m +1, } = 1.
De fato:
n
o
Q
EP mP
= EP {a0 (t ) + a1 (t ) Z1 (t )Z2 (t )} =
+1,
a0 (t ) + a1 (t )EP {Z1 (t )Z2 (t )} =

a0 (t ) + a1 (t )EP {Z1 (t )} EP {Z2 (t )} = a0 (t ) + a1 (t ) = 1.
(A.169)
Portanto, como j era de se esperar conforme os conceitos apresentados no
Q
Item (3.1.4), a expresso mP
+1, pode ser interpretada como uma mudana de
medida de probabilidade da medida P para a medida Q (i.e., a derivada de
Radon-Nikodm, dQ
dP ,da medida Q com relao medida P ). E assim completamos a prova.
Q
P Q
Lema A.8. Sejam mP
tais como definidos, respectivamente, no
j+1,j e mT ,
Lema A.7 e no Corolrio 3.10. Admitamos que os tj , 0 j T 1, possuam
Q
a mesma magnitude, i.e., tj = t. Nestas condies, mP
pode ser escrito
T ,
como:
Q
mP
T ,
n
X
anp
ap1
0
p=0
(np)
X
l=1
108
Ql
,
mP
T ,
(A.170)
onde:
Z1,l (pt) = exp
n = T ,
(A.171)
l
mTP Q
= Z1,l (pt)Z2 (pt),
,
(A.172)
X
n
jCp,l

1
W P ( + j) 2 t =
2

n
X
1
exp
l ( + j 1)W P ( + j) l2 ( + j 1)t , (A.173)
2
j=1
n (j),
l ( + j 1) = ICp,l

n (j) =
ICp,l
n
j Cp,l
,
n
j
/ Cp,l
1, se
0, se
N P (pt)
P
Q
Z2 (pt) = e( )pt
Y
i=1
(A.174)
(A.175)
Q f Q (YiP )
,
P f P (YiP )
Q = P e 2 Y +Y ,
(YiP )
21
1
e
=
2Y
f Q (YiP ) =
21
1
e
2Y
YiP Y
Y
(A.176)
(A.177)
2 +
YiP Y
Y
Y
,
)
(A.178)
!2
(A.179)
Demonstrao. Como se pode verificar facilmente pelas Equaes (A.155) e

(A.156), a hiptese de que tj = t faz com que a0 (tj ) e a1 (tj ) sejam
constantes. Portanto, passemos a nos referir a estas variveis simplesmente
como a0 e a1 .
Apesar de os tj , 0 j T 1, possurem a mesma magnitude, manteremos
os ndices ao longo desta prova para evitar confuso na manipulao das variveis
aleatrias N P (t +j1 ). Logo que apropriado, eliminamos os ndices.
Escrevamos a Expresso (A.154) do Lema A.7 para dois instantes de tempo
consecutivos quaisquer + j 1 e + j, 1 j T :
Q
mP
+j, +j1 = a0 + a1 Z1 (t +j1 )Z2 (t +j1 ),
(A.180)
onde:

1
Z1 (t +j1 ) = exp W P ( + j) 2 t +j1 ,
2
109
(A.181)
N P (t +j1 )
(P Q )t +j1
Z2 (t +j1 ) = e
i=1
Q f Q (YiP )
.
P f P (YiP )
(A.182)
Q
Substituindo esta expresso na expresso de mP
(Equao 3.66) do CoT ,
rolrio 3.10, obtemos:
Q
mP
=
T ,
TY
1
Q
mP
j+1,j =
j=
n=T
Y
Q
mP
+j, +j1 =
j=1
n=T
Y
j=1

a0 + a1 Z1 (t +j1 )Z2 (t +j1 ) . (A.183)
|{z} |
{z
}
bj
aj
Usando o Lema A.6, a expresso acima pode ser rescrita como:

Q
mP
=
T ,
n
Y
(bj + aj ) =
(p)
n X
X
p=0 l=1
j=1
anp
0
[a1 Z1 (t +j1 )Z2 (t +j1 )] .
n
jCp,l
(A.184)
n
Expandindo o produtrio em j Cp,l
, a expresso acima se torna:
Q
mP
T ,
(np)
n X
X
Y
np p Y
Z1 (t +j1 )
=
Z2 (t +j1 )
a0 a1
. (A.185)
n
n
p=0 l=1
jCp,l
jCp,l
|
{z
}|
{z
}
Z1,l (pt)
Z2 (pt)
O termo Z1,l (pt) pode ser escrito como:

1
Z1,l (pt) =
Z1 (t +j1 ) =
exp W ( + j) 2 t +j1
2
n
n
jCp,l
jCp,l

X
1
exp
W P ( + j) 2 t =
2
n
jCp,l
n
X
2
1
P
n (j)
n (j) W
exp
( + j)
ICp,l
t , (A.186)
ICp,l
2|
j=1 | {z }
{z
}
l ( +j1)
l2 ( +j1)
onde IA (x) a funo indicadora de x com relao ao conjunto A, i.e., IA (x) = 1

se x A, e IA (x) = 0 se x
/ A.
110
O termo Z2 (pt) pode ser escrito como:

Y
Z2 (pt) =
Z2 (t +j1 ) =
n
jCp,l
Q Q
P
f
(Y
)
i
e( )t +j1
=
P f P (Y P )
n
i
i=1
jCp,l
P
N (t +j1 ) Q Q
P
Y
Y
Y
P
Q
f (Yi )
e( )t +j1
. (A.187)
P f P (YiP )
n
n
i=1
jCp,l
jCp,l
|
{z
}|
{z
}
N P (t +j1 )
Z2,a (pt)
Z2,b (pt)
O termo Z2,a (pt) pode ser simplificado para:

P
Q
Z2,a (pt) = e( )pt .
(A.188)
O termo Z2,b (pt) pode ser simplificado para:

P
jC n
p,l
N P (t +j1 )
Q f Q (YiP )
=
P f P (YiP )
Z2,b (pt) =
i=1
NP (
jC n
p,l
Y
i=1
t +j1 )
Q f Q (YiP )
=
P f P (YiP )
N P (pt)
Y
i=1
Q f Q (YiP )
. (A.189)
P f P (YiP )
Definindo:
Ql
mP
= Z1,l (pt)Z2 (pt) = Z1,l (pt) Z2,a (pt)Z2,b (pt),
T ,
{z
}
|
(A.190)
Z2 (pt)
Q
na Expresso (A.185) da seguinte forma:
podemos escrever mP
T ,
Q
mP
T ,
(np)
n X
X
Ql
anp
ap1 mP
0
T ,
p=0 l=1
n
X
p=0
anp
ap1
0
(np)
X
Ql
mP
,
T ,
(A.191)
l=1

Q
Demonstrao do Teorema 4.2. Substituindo a expresso de mP
(Lema
T ,
A.8), Equao (A.170) na expresso de H( ) (Corolrio 3.10, Equao (3.65)),
obtemos:
(np)
n
X
X
H(T )
np p
P Ql
P
H( ) = E
a0 a1
mT , QT 1
=
p=0
j= a(j)
l=1
(p)
n
X
X
H(T
)
p
np
P
Q
P
l
E
a0 a1
mT , T 1
. (A.192)
l=1
p=0
a(j)
j=
111
Como a esperana um operador linear, podemos passar o operador EP {}

para dentro dos somatrios, obtendo:
(p)
n
X
np p X P
P Ql H(T )
H( ) =
E mT , T 1
(A.193)
a0 a1
.
p=0
l=1
a(j)
j=
O produtrio
TY
1
j=
QT 1
a(j) =
j=
TY
1
a(j) pode ser rescrito como:
(1 + r(j)) =
j=
S0 (T )
= er(T )t = ernt .
S0 ( )
Portanto, a Equao (A.193) se torna:
(np)
n
n
o
X
X
np p
Ql
H( ) = ernt
EP mP
H(T ) .
a0 a1
T ,
p=0
(A.194)
(A.195)
l=1
Ql
Conforme mostrado em [32], mP
, tal como definido no Lema (A.172),
T ,
a mudana de medida de probabilidade da medida P para a medida Ql , o que
nos permite escrever a Equao (A.195) como:
n
(
p)
n
X np p X
(A.196)
EQl {H(T )} .
H( ) = ernt
a0 a1
p=0
l=1
Devido a esta mudana de medida de probabilidade, quando do clculo de

EQl {}, as variveis aleatrias W P ( + j) so substitudas por W Ql ( + j),
que permanecem independentes e identicamente distribudas sob a nova medida
Ql , respeitando-se as seguintes relaes (dadas pelo teorema de Girsanov):
W P ( + j) = W Ql ( + j) + l ( + j 1)t,
W P ( + j) N (0, t) com respeito medida P,
W P ( + j) N (l ( + j 1)t, t) com respeito medida Ql ,
W Ql ( + j) N (0, t) com respeito medida Ql .
As variveis aleatrias YiP so substitudas por YiQ , que permanecem independentes e identicamente distribudas sob a nova medida Ql , respeitando-se as
seguintes relaes:
YiP = YiQ + Y2 ,
YiP N (Y , Y2 ) com respeito medida P,
YiP N (Y2 + Y , Y2 ) com respeito medida Ql ,
YiQ N (Y , Y2 ) com respeito medida Ql .
Alm disso, o processo de Poisson N P (), de intensidade P com relao
medida de probabilidade P , substitudo por um novo processo de Poisson
112
N Q (), de intensidade Q = P e 2 Y +Y com relao medida de probabilidade

Ql .
Demonstrao do Teorema 4.3. Expandindo o numerador da expresso de
u
( ), obtemos:
n
o
n
o
+1)
V ( )
P
E
k(
+
1)X(
+
1)
EP k( + 1)X( + 1) SH(
(
+1)
S
(
)
0
0
n
o
u
( ) =
.
2
P
E k( + 1) (X( + 1))
(A.197)
Usando o fato de que V ( ), S0 ( ), S0 ( + 1) e k( + 1) so F -mensurveis,
e que S0 ( + 1) = S0 ( )a( ), temos:
T1
T2
}|

{ z
}|
{
H( + 1)
P
P
E X( + 1)
V ( )E {X( + 1)}
a( )
n
o
u
( ) =
.
2
S0 ( )EP (X( + 1))
(A.198)
Sob a hiptese do Lema A.8 de que tj = t, 0 j T 1, e usando

os resultados do Lema A.4, o termo T2 da Expresso (A.198) pode ser escrito
como:

S( ) (r)t
T2 = V ( )
e
1 .
(A.199)
S0 ( )
Para calcularmos o termo T1 da Expresso (A.198), precisamos obter inicialmente H( + 1). Aplicando as Equaes (3.65), (3.66) e (A.154) para o instante
de tempo discreto + 1, temos:
H(T
)
,
H( + 1) = EP+1
(a0 + a1 Z1 (t +j )Z2 (t +j )) Q
T 1
a(j)
j=1
j= +1
(A.200)
onde n
= T ( + 1) = n 1.
Lembrando que a( ) = ert , o produtrio
TQ
1
a(j) pode ser rescrito como:
j= +1
TY
1
a(j) = er(T 1)t = ernt .
(A.201)
j= +1
Usando as Equaes (A.200), (A.201) e os resultados do Lema 4.1, o termo

T1 da Expresso (A.198) pode ser escrito como:

H( + 1)
P
E X( + 1)
=
a( )
(

S( ) (r)t
EP
e
1 (0 + 1 Z1 (t )Z2 (t ))
S0 ( )
o
nQ
n
EP+1
j=1 (a0 + a1 Z1 (t +j )Z2 (t +j )) H(T )
. (A.202)
ert ernt
113
O termo [0 + 1 Z1 (t )Z2 (t )] F +1 -mensurvel. Portanto, ele pode

ser passado para dentro da esperana EP+1 {}. Podemos ento rescrever a
Expresso (A.202) como:
EP

H( + 1)
=
X( + 1)
a( )
(
(

S( ) e(r)t 1 P
P
E E +1
(0 + 1 Z1 (t )Z2 (t ))
S0 ( )
ernt
!
))
n
Y
(a0 + a1 Z1 (t +j )Z2 (t +j )) H(T )
. (A.203)
j=1
Usando a lei das expectativas iteradas, EP {EP+1 {}} = EP {}, esta expresso se torna:

H( + 1)
P
=
E X( + 1)
a( )

S( ) e(r)t 1
S0 ( )
ernt
!
(
)
n
Y
P
(a0 + a1 Z1 (t +j )Z2 (t +j )) H(T ) .
E
[0 + 1 Z1 (t )Z2 (t )]
j=1
{z
S
mP
T ,
}
(A.204)
Definindo:
(
a0
A0 (j) =
0
(
a1
A1 (j) =
1
j = 2, , T
,
j=1
(A.205)
j = 2, , T
,
j=1
(A.206)
S
podemos rescrever mP
na Expresso (A.204) da seguinte forma:
T ,
S
mP
T , =
n
Y
(A0 (j) + A1 (j)Z1 (t +j1 )Z2 (t +j1 )) .
(A.207)
j=1
Usando agora o resultado do Lema A.6, a Expresso (A.207) pode ser rescrita
114
como:
S
mP
T , =
(np)
n X
X
Y
A1 (j)Z1 (t +j1 )Z2 (t +j1 )

p=0 l=1
A0 (j) =
n
jCnp,s
n
jCp,l
(np)
n X
X
A1 (j)
A0 (j)
n
jCnp,s
n
jCp,l
p=0 l=1
Z1 (t +j1 )
n
jCp,l
Z2 (t +j1 ), (A.208)
n
jCp,l
}|
{z
Z1,l (pt)
{z
Z2 (pt)

onde s = [ np l + 1].
Faamos as seguintes simplificaes:
1IC n (1)
A1 (j) =
ap1
a1
1
A0 (j) =
anp1
a0
0
p,l
IC n (1)
p,l
= ap1
n
jCp,l
1IC n
np,s
(1)
IC n (1)
p,l
1
a1
I C n
p,l
anp
0
n
jCnp,s
(1)
0
a0
(A.209)
I C n
np,s
(1)
(A.210)
Alm disso, como j mostrado anteriormente, Z1,l (pt) (Equao (A.186))
dada por:

Y
Y
1
Z1,l (pt) =
Z1 (t +j1 ) =
exp W P ( + j) 2 t +j1 =
2
n
n
jCp,l
jCp,l

X
1
exp
W P ( + j) 2 t =
2
n
jCp,l
n
X
2
1
P
n (j) W
n (j)
exp
( + j)
ICp,l
t , (A.211)
ICp,l
2|
j=1 | {z }
{z
}
l ( +j1)
l2 ( +j1)
e Z2 (pt) (Equao (A.187)) dado por:

Y
Z2 (pt) =
Z2 (t +j1 ) =
n
jCp,l
N P (t +j1 )
P
e(
Q )t +j1
n
jCp,l
i=1
Q Q
N P (pt)
P
Q
e( )pt
Y
i=1
115
f (YiP )
P f P (YiP )
Q f Q (YiP )
. (A.212)
P f P (YiP )
S
Portanto, podemos rescrever mP
T , , Equao (A.208), como:
S
mP
T , =
n
X
ap1 anp
0
p=0

(1)
X
np,s
p,l
1
0
l=1
a1
a0
#
Z1,l (pt)Z2 (pt) .
(A.213)
Substituindo esse resultado na Equao (A.204), o termo T1 da Expresso
(A.198) pode ser escrito como:

S( ) e(r)t 1 P P S
T1 =
E mT , H(T ) =
rnt
S0 ( )
e

S( ) e(r)t 1
S0 ( )
ernt
n "
#
( p ) IC n (1) IC n

n
(1)
X
X
np,s
p,l
0
1
p np
P
E
Z1,l (pt)Z2 (pt) H(T ) .
a1 a0
a1
a0
p=0
l=1
(A.214)
Como a esperana um operador linear, obtemos:

S( ) e(r)t 1
T1 =
S0 ( )
ernt
(np) IC n (1) IC n

n
(1)
X
X
1
np,s
p,l
0
p np
a1 a0
EP
a1
a
0
l=1
p=0
Z1,l (pt)Z2 (pt) H(T )

,
{z
}
|
P Ql
mT ,
(A.215)
Ql
onde mP
a mesma mudana de medida j usada na demonstrao do Lema
T ,
A.8, Equao (A.190).
Usando as Expresses (A.215), (A.199) e os resultados do Lema A.4, obtemos
u
( ) (Equao (A.198)):
(r)t
u
( ) =
S( ) e
S0 ( )
)
e(r)t 1
A V ( ) SS(
0 ( )
ernt

,
(A.216)
#
(1)
n
o
X
np,s
p,l
0
1
P Ql
p np
P
E mT , H(T ) ,
A=
a1 a0
a1
a0
p=0
n
X
l=1
(A.217)

2 n
h
S( )
B = S0 ( )
exp 2 2r + 2 +
S0 ( )

i
o
2
1 2
P
1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.218)
116
Simplificando, temos:

A V ( )
u
( ) = e(r)t 1
,
B
A=
n
X
ernt ap1 anp

0
p=0

(1)
X
np,s
p,l
0
1
a1
l=1
a0
(A.219)
EP
#
n
o
P Ql
mT , H(T ) ,
(A.220)
n
h
B = S( ) exp 2 2r + 2 +

i
o
2
1 2
P 1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.221)
Mudando a medida de probabilidade para a medida Ql , temos:

A V ( )
,
u
( ) = e(r)t 1
B
(A.222)
onde
#
(1)
X
np,s
p,l
1
0
rnt p np
Ql
A=
e
a1 a0
E {H(T )} ,
a1
a0
p=0
n
X
l=1
(A.223)
e B dado pela Equao (A.305).
Como ltimo passo para completar a prova, devemos obter a equao do
valor do portflio, V ( ), para o modelo em tempo discreto, com espao de
estados contnuo, com 1 ativo de risco e sem cadeia de Markov. Substituindo
( ) = 1 na Equao (3.8), e lembrando que:
S P ( + 1) + ( + 1) = S P ( + 1)et ,
(A.224)
(1 + r( )) = ert ,
(A.225)
obtemos:

V ( + 1) = ert V ( ) + u( ) S( + 1)et S( )ert ,
(A.226)

V ( ) = ert V ( 1) + u( 1) S( )et S( 1)ert ,
(A.227)
ou:

Lema A.9. Seja S P (), preo do ativo de risco com relao medida de probabilidade P , tal como definido na Equao (4.26). Ento, S Ql (T ), o preo do
117
ativo de risco com relao medida de probabilidade Ql definida em (A.8), pode

ser escrito como:
h

i
2
Y + 12 Y
P
exp
1
(T
)
t
2
h

i
S Ql (T ) = S( )e[()(T )+ p]t
3 2
exp 1 eY + 2 Y Q (T ) t
Z3 ((T ) t)Z4 ((T ) t), (A.228)
onde:
TX
Z3 ((T ) t) = exp
j=1
1
W Ql ( + j) 2 t ,
2
N Q ((T )t)
Q
R
Z4 ((T ) t) = e( )(T )t
(A.229)
R f R (YiQ )
i=1
Q f Q (YiQ )
(A.230)
Q = P e 2 Y +Y ,
3
(A.231)
R = Q eY + 2 Y ,
(YiQ )
12
1
=
e
2Y
f R (YiQ ) =
12
1
e
2Y
(A.232)
Q
Y
i
Y
Q
2 +
Y
Y
i
Y
,
)
(A.233)
!2
(A.234)
Demonstrao. Escrevendo S P (t + tt ), definido na Equao (4.26), com a

notao para tempo discreto, obtemos:
S P ( + 1) =
N PY

(t)

P
2
1 2
P
P
Y + 21 Y
1 t
eYi .
S( ) exp W ( + 1) + e
2
i=1
(A.235)
Aplicando esta expresso sucessivamente, obtemos S P (T ) em relao medida de probabilidade P :
S P (T ) =

TX
TX

1 2
1
S( ) exp
W P ( + j) +
eY + 2 Y 1 P 2 t
2
j=1
j=1
N P ((T )t)
Y
i=1
118
eYi . (A.236)
Reagrupando:
S P (T ) =
TX
1
S( ) exp
W P ( + j) 2 t exp
( ) t
2
j=1
j=1
P
N ((T )t)
TX

Y
P
1 2
P
Y + 2 Y
1 t
exp
eYi . (A.237)
e
TX
i=1
j=1
Simplificando somatrios:
TX
S P (T ) = S( )e()(T )t exp
j=1
exp
h
2
Y + 21 Y
1e

1
W P ( + j) 2 t
2
(T ) t
iN
((T )t)
eYi . (A.238)
i=1
{z
Z2 ((T )t)
Como mostrado na demonstrao do Lema 4.1, Z2 ((T )t) pode ser

escrito na forma (A.99), levando S P (T ) na Equao (A.238) a ser escrito como:
TX
S P (T ) = S( )e()(T )t exp
j=1
1
W P ( + j) 2 t
2
{z
}
Z1 ((T )t)
N P ((T )t)
(P Q )(T )t
i=1
{z
Z2 ((T )t)
Q f Q (YiP )
. (A.239)
P f P (YiP )
}
com f P (YiP ), Q e f Q (YiP ) dados, respectivamente, pelas Equaes (A.100),

(A.102), e (A.103).
Usando a mesma notao j introduzida no Lema (A.8):
TX
Z1 ((T ) t) = exp
j=1

1
W P ( + j) 2 t ,
2
N P ((T )t)
(A.240)
Q f Q (YiP )
,
P f P (YiP )
(A.241)
S P (T ) = S( )e()(T )t Z1 ((T ) t)Z2 ((T ) t).
(A.242)
P
Q
Z2 ((T ) t) = e( )(T )t
Y
i=1
a Equao (A.239) pode ser escrita como:
119
Em relao medida de probabilidade Ql definida no Lema A.8, e usando

os conceitos de mudana de medida apresentados na demonstrao do Teorema
4.2, S P (T ) na Equao (A.238) pode ser escrito como:
S Ql (T ) = S( )e()(T )t

TX

1
exp
W Ql ( + j) + l ( + j 1)t 2 t
2
j=1
exp
h
2
Y + 21 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
. (A.243)
i=1
Reagrupando alguns termos, a Equao (A.243) se torna:
S Ql (T ) = S( )e()(T )t exp
(l ( + j 1)t)
TX
j=1
TX
exp
j=1
|
exp
|
h
1
W Ql ( + j) 2 t
2
{z
}
Z3 ((T )t)
2
Y + 21 Y
1e
(T ) t
{z
iN
}
T1
((T )t)
Q
eYi
2
+Y
. (A.244)
i=1
{z
T2
O termo T1 T2 acima no possui E{T1 T2 } = 1, o que seria desejvel. Usando

a Equao (A.111), vemos que o termo T2 possui valor esperado dado por:
Q
)t)
N ((TY

i
h
Q
2
3 2
EP
eYi +Y = exp eY + 2 Y 1 Q (T ) t , (A.245)
i=1
de forma que:
Q
)t)
h

i N ((TY
Q
2
3 2
E P exp 1 eY + 2 Y Q (T ) t
eYi +Y = 1. (A.246)
i=1
|
{z
}
Z4 ((T )t)
Multiplicando e dividindo a Equao (A.243) pela expresso no lado direito
120
de (A.245), podemos rescrev-la como:
S Ql (T ) = S( )e()(T )t exp
l ( + j 1)t
TX
j=1
TX
exp
j=1

i
h
1 2
exp 1 eY + 2 Y P (T ) t
1

i
h
W Ql ( + j) 2 t
3 2
2
exp 1 eY + 2 Y Q (T ) t
{z
}
Z3 ((T )t)
exp
h
2
Y + 23 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
. (A.247)
i=1
{z
Z4 ((T )t)
Usando as Equaes (A.174) e (A.175), podemos escrever:
TX
TX
2 pt
n (j)t = e
exp
l ( + j 1)t = exp
ICp,l
,
j=1
(A.248)
j=1
e a Equao (A.247) fica:
2
S Ql (T ) = S( )e[()(T )+ p]t

TX
exp
j=1
|
exp
h
exp
h
exp
h
1 eY + 2 Y
1 eY + 2 Y
P (T ) t
Q (T ) t
1
W Ql ( + j) 2 t
2
{z
}
Z3 ((T )t)
2
Y + 32 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
, (A.249)
i=1
{z
Z4 ((T )t)
ou, simplesmente:
2
S Ql (T ) = S( )e[()(T )+ p]t
exp
h
exp
h
P (T ) t
Q (T ) t
1 eY + 2 Y
1 eY + 2 Y
i
i
Z3 ((T ) t)Z4 ((T ) t). (A.250)

Como passo final para completar a prova, escrevamos Z4 ((T )t) numa
forma semelhante da Equao (A.240). Procedamos de forma anloga feita
121
na demonstrao do Lema 4.1, ou seja, procuremos R e f R (Yi ) tais que:

N Q ((T )t)
Q
R
e( )(T )t
exp
h
R f R (YiQ )
i=1
Q f Q (YiQ )
2
Y + 32 Y
1e
(T ) t
iN
((T )t)
Q
eYi
2
+Y
. (A.251)
i=1
{z
Z4 ((T )t)
Sabemos que:
12
1
=
f
e
2Y
Portanto, a Equao (A.251) fica:
Q
N Q ((T )t)
(Q R )(T )t
2Y
i=1
exp
h
(YiQ )
2
Y + 23 Y
1e
Q
Y
i
Y
(A.252)
R f R (YiQ )

Q
2 =
1 Yi Y
exp 2
Y
(T ) t
iN
((T )t)
Q
eYi
2
+Y
, (A.253)
i=1
que satisfeita se:

Q
R
e( )(T )t = exp
h
1 eY + 2 Y
i
3 2
Q (T ) t = R = Q eY + 2 Y ,
(A.254)
e se:
2Y
R f R (YiQ )
(Y Q +Y2 ) =

Q
2 = e i
Y
exp 21 i Y Y
f R (YiQ ) =
21
1
e
2Y
Q
2 +
Y
Y
i
Y
!2
. (A.255)
Assim, realmente escrevemos Z4 ((T )t) na forma definida pela Equao

(A.251), com f Q (YiQ ), R e f R (YiQ ) dados, respectivamente, pelas Equaes
(A.252), (A.254) e (A.255), o que completa a prova.
Demonstrao do Lema 5.1. Conforme demonstrao do Lema A.9:
S P (T ) =

TX
TX

1 2
1
S( ) exp
W P ( + j) +
eY + 2 Y 1 P 2 t
2
j=1
j=1
N P ((T )t)
eYi . (A.256)
i=1
122
{z
K1
O termo K1 pode ser escrito como:
N P ((T )t)
K1 =
N P ((T )t)
YiP
= exp
i=1
YiP .
(A.257)
i=1
Usando a Equao (A.257), reagrupando termos e simplificando somatrios,

a Expresso (A.256) pode ser rescrita como:
TX
S P (T ) = S( ) exp
W P ( + j)+
j=1
P
N ((T )t)
YiP
2
Y + 21 Y
+ e
i=1

1 2
P
1 (T ) t .
2
(A.258)
Em relao medida de probabilidade Ql definida no Lema A.8, e usando

os conceitos de mudana de medida apresentados na demonstrao do Teorema
4.2, S P (T ) na Equao (A.258) pode ser escrito como:
"T
X

Ql
S (T ) = S( ) exp
W Ql ( + j) + l ( + j 1)t +
j=1
Q
N ((T )t)
N Q ((T )t)
YiQ
Y2
i=1
eYi
2
+Y
i=1
2
Y + 21 Y
#

1
1 P 2 (T ) t . (A.259)
2

Usando as equaes (A.174) e (A.175), podemos escrever:

TX
l ( + j 1)t =
j=1
TX
2
n (j)t = pt.
ICp,l
(A.260)
j=1
Portanto, S Ql (T ) na Equao (A.259) pode ser rescrito como:

S Ql (T ) =
TX
S( ) exp
Ql
( + j) +
j=1
2
Y + 21 Y
N Q ((T )t)

YiQ + Y2 +
i=1
#

1 2
2
P
1 (T ) t + pt , (A.261)
2

Lema A.10. Seja S Ql (T ), preo do ativo de risco com relao medida de
probabilidade Ql , tal como definido na Equao (5.2). Ento, S R (T ), o preo
do ativo de risco com relao medida de probabilidade R dada por:
l R
mQ
= Z3 ((T ) t) Z4 ((T ) t),
T ,
123
(A.262)
onde:
TX
Z3 ((T ) t) = exp
j=1
1
W Ql ( + j) 2 t ,
2
N Q ((T )t)
Q
R
Z4 ((T ) t) = e( )(T )t
R f R (YiQ )
i=1
Q f Q (YiQ )
(A.263)
Q = P e 2 Y +Y ,
3
(A.265)
R = Q eY + 2 Y ,
(YiQ )
12
1
=
e
2Y
1
2
1
f R (YiQ ) =
e
2Y
pode ser escrito como:
Q
Y
i
Y
(A.264)
(A.266)
2
Q
2 +
Y
Y
i
Y
,
)
(A.267)
!2
(A.268)
S R (T ) =
TX
S( ) exp
N R ((T )t)
R
W ( + j) +
j=1

YiR + 2Y2 +
i=1
1
eY + 2 Y
#

1 2
2
P
1 + (T ) t + pt . (A.269)
2
Demonstrao. Devido mudana de medida de probabilidade da medida Ql

para a medida R, quando do clculo de ER {}, as variveis aleatrias W Ql ( +
j) so substitudas por W R ( + j), que permanecem independentes e identicamente distribudas sob a nova medida R, respeitando-se as seguintes relaes
(dadas pelo teorema de Girsanov):
W Ql ( + j) = W R ( + j) + t,
W Ql ( + j) N (0, t) com respeito medida Ql ,
W Ql ( + j) N (t, t) com respeito medida R,
W R ( + j) N (0, t) com respeito medida R.
As variveis aleatrias YiQ so substitudas por YiR , que permanecem independentes e identicamente distribudas sob a nova medida Ql , respeitando-se as
seguintes relaes:
YiQ = YiR + Y2 ,
YiQ N (Y , Y2 ) com respeito medida Ql ,
YiQ N (Y2 + Y , Y2 ) com respeito medida R,
YiR N (Y , Y2 ) com respeito medida R.
124
Alm disso, o processo de Poisson N Q (), de intensidade Q com relao

medida de probabilidade Ql , substitudo por um novo processo de Poisson
3 2
N R (), de intensidade R = Q eY + 2 Y com relao medida de probabilidade
R.
Portanto, usando esses conceitos, S Ql (T ) definido na Equao (5.2) pode
ser rescrito como:
N R ((T )t)
TX
X

R
R
S (T ) = S( ) exp
W ( + j) + t +
YiR + 2Y2 +
j=1
i=1
2
Y + 21 Y
#

1 2
P
2
1 (T ) t + pt . (A.270)
2

Reagrupando alguns termos, a Equao (A.270) se transforma em:

S R (T ) =
TX
S( ) exp
N R ((T )t)
R
W ( + j) +
j=1

YiR + 2Y2 +
i=1
1
eY + 2 Y

1 2
2
P
1 + (T ) t + pt , (A.271)
2
Demonstrao do Teorema 5.2. Calculemos inicialmente EQl {H(T )}. Usando
a Equao (5.47) e as propriedades do operador linear esperana, obtemos:
n
o

EQl {H(T )} = EQl S Ql (T ) K I{S Ql (T )>K } =
n
o
n
o
EQl S Ql (T )I{S Ql (T )>K } KEQl I{S Ql (T )>K }
(A.272)
Ql
Clculo de El,
{I{S Ql (T )>K} }
Usando a lei das expectativas iteradas:

n
o
n
n
oo
Ql
Ql
Ql
El,
I{S Ql (T )>K } = El,
El,
I{S Ql (T )>K } |N Q ((T ) t) =
=
Q

Ql
El, Prob . S l (T ) > K|N Q ((T ) t) =
(A.273)
Usando a Equao (5.2), a condio {S Ql (T ) > K|N Q ((T )t) = }
pode ser escrita como:
TX
S( ) exp
W ( + j) +
j=1

X

YiQ + Y2 +
i=1
1
eY + 2 Y
#

1 2
P
2
1 (T ) t + pt > K. (A.274)
2
125
Esta expresso pode ser rescrita como:
TX
W Q ( + j) +
j=1
YiQ < ln
i=1
{z
|

2
Y + 12 Y
S( )
K

+

1 2
P
1 (T ) t + 2 pt + Y2 . (A.275)
2
A varivel aleatria 1 na expresso acima normalmente distribuda, pois

corresponde a uma soma de variveis normalmente distribudas. Alm disso, a
mdia e a varincia de 1 so dadas por:

TX
X
Q
Q
El,
{1 } = El,
W Q ( + j) +
YiQ = Y , (A.276)
j=1

Q 2
i=1
TX
X

2
W Q ( + j) +
YiQ =
{1 } = Q
j=1
i=1
(T ) t + Y2 . (A.277)
Q
Subtraindo El,
{1 } de ambos os lados da Igualdade (A.275), e depois dividindo ambos os lados da expresso resultante por Q {1 }, obtemos:
TP
!
Q
W ( + j) +
j=1
Q
i=1 Yi
+ Y
<
( 2 (T ) t + Y2 ) 2
{z

2
)
1 2
Y + 21 Y
P
)
+
e
ln( S(
(T ) t + 2 pt + Y2 + Y
K
2
1
( 2 (T ) t + Y2 ) 2
{z
dQ,p,
(A.278)
A varivel aleatria 1 definida na Equao (A.278) acima, dada por:
!
TP
Q
+ Y
W Q ( + j) + i=1 Yi
Q
1 El,
{1 }
j=1
1 =
=
, (A.279)
1
Q {1 }
( 2 (T ) t + Y2 ) 2
uma varivel aleatria com distribuio normal padro, i.e., com distribuio
normal de mdia nula e varincia unitria. Portanto, a condio {S Ql (T ) >
K|N Q ((T )t) = } se traduz simplesmente em:
1 < dQ,p, ,
126
(A.280)
e Prob .{S Ql (T ) > K|N Q ((T )t) = } pode ser calculado simplesmente
como:

Prob . S Ql (T ) > K|N Q ((T ) t) = =
Z dQ,p,
x2
1
Prob {1 < dQ,p, } =
e 2 dx = (dQ,p, ). (A.281)
2
Assim, voltando Expresso (A.273), temos:
o
n
Ql
El,
I{S Ql (T )>K } =
n
n
oo
Ql
Ql
El,
El,
I{S Ql (T )>K } |N Q ((T ) t) =
=

Ql
Ql
El,
Prob . S Ql (T ) > K|N Q ((T ) t) = = El,
{(dQ,p, )} ,
(A.282)
e, finalmente:
Ql
El,
{(dQ,p, )} =

(dQ,p, ) Prob . N Q ((T ) t) = =
=0
(dQ,p, )
=0
X
=0
(dQ,p, )
!
Q (T )t
=
!

1 2
(T ) t] P e 2 Y +Y (T )t
(T )t
exp[P e 2 Y +Y
(A.283)
Ql
Clculo de El,
{S Ql (T )I{S Ql (T )>K} }
Ql
Usando a Equao (A.228), El,
{S Ql (T )I{S Ql (T )>K} } pode ser escrito como:
n
o
Ql
El,
S Ql (T )I{S Ql (T )>K } =

i
h
1 2
exp 1 eY + 2 Y P (T ) t
2
Ql
h

i
El,
S( )e[()(T )+ p]t
3 2
exp 1 eY + 2 Y Q (T ) t
{z
}
|
T1
)
Z3 ((T ) t)Z4 ((T ) t)I{S Ql (T )>K }
(A.284)
Colocando os termos conhecidos para fora da esperana, obtemos:

n
o
Ql
El,
S Ql (T )I{S Ql (T )>K } =
Ql
T1 El, Z3 ((T ) t)Z4 ((T ) t) I{S Ql (T )>K }
(A.285)
|
{z
}
Ql R
mT ,
127
Conforme mostrado no livro Stochastic Calculus for Finance II [32], mTQl,R ,

tal como definido em (A.285), a mudana de medida de probabilidade da
medida Ql para a medida R, o que nos permite escrever a Equao (A.285)
como:
n
o

Ql
R
El,
S Ql (T )I{S Ql (T )>K } = T1 El,
I{S R (T )>K} .
(A.286)
Usando a lei das expectativas iteradas:

R

R
R
El,
I{S R (T )>K} = El,
El, I{S R (T )>K} |N R ((T ) t) = =

R
El,
Prob . S R (T ) > K|N R ((T ) t) =
(A.287)

Usando a Equao (A.269), a condio S R (T ) > K|N R ((T )t) =
pode ser escrita como:
TX
S( ) exp
W R ( + j) +

YiR + 2Y2 +
i=1
j=1
2
Y + 21 Y
#

1 2
2
P
1 + (T ) t + pt > K. (A.288)
2
Esta expresso pode ser rescrita como:
TX
W R ( + j) +
j=1
YiR < ln
i=1
{z
S( )
K

+
1
1 + 2
2

2
Y + 21 Y
(T ) t + 2 pt + 2Y2
(A.289)
A varivel aleatria 2 na expresso acima normalmente distribuda, pois

corresponde a uma soma de variveis normalmente distribudas. Alm disso, a
mdia e a varincia de 2 so dadas por:

TX
X
R
R
El,
{2 } = El,
W R ( + j) +
YiR = Y ,
(A.290)
j=1

R 2
i=1
TX
X

2
{2 } = R
W R ( + j) +
YiR =
j=1
i=1
(T ) t + Y2 . (A.291)
R
Subtraindo El,
{2 } de ambos os lados da Igualdade (A.289), e depois divi-
128
dindo ambos os lados da expresso resultante por R {2 }, obtemos:
TP
!
R
W ( + j) +
j=1
R
i=1 Yi
+ Y
<
( 2 (T ) t + Y2 ) 2
{z

2
)
1 2
Y + 21 Y
P
ln( S(
)
+
(T ) t + 2 pt + 2Y2 + Y
+
K
2
1
( 2 (T ) t + Y2 ) 2
{z
dR,p,
(A.292)
A varivel aleatria 2 definida na Equao (A.292) acima, dada por:
!
TP
P
R
R
W ( + j) + i=1 Yi
+ Y
R
2 El,
{2 }
j=1
=
2 =
(A.293)
1
R {2 }
( 2 (T ) t + 2 ) 2
Y
uma varivel aleatria com distribuio normal padro, i.e., com distribuio
normal de mdia nula e varincia unitria. Portanto, a condio {S R (T ) >
K|N R ((T )t) = } se traduz simplesmente em:
2 < dR,p, ,
(A.294)
e Prob .{S R (T ) > K|N R ((T )t) = } pode ser calculado simplesmente
como:

Prob . S R (T ) > K|N R ((T ) t) = = Prob {2 < dR,p, } =
Z dR,p,
x2
1
e 2 dx = (dR,p, ). (A.295)
2
Assim, voltando Expresso (A.287), temos:

R
El,
I{S R (T )>K} =
R

R
El,
El, I{S R (T )>K} |N R ((T ) t) = =

R
R
El,
Prob . S R (T ) > K|N R ((T ) t) = = El,
{(dR,p, )} , (A.296)
129
e:
Ql
El,
{(dQ,p, )} =

(dR,p, ) Prob . N R ((T ) t) = =
=0
!
R (T )t
=
(dR,p, )
!
=0
h
i

3 2
3 2
exp Q eY + 2 Y (T ) t Q eY + 2 Y (T )t
X
=
(dR,p, )
!
=0
h
i

2
2
exp P (T )te2(Y +Y ) P (T ) te2(Y +Y )

X
.
(dR,p, )
!
=0
(T )t
(A.297)
Q
Clculo de El,
{H(T )}:
Portanto, voltando Equao (A.272) e juntando todos os termos obtidos

Q
anteriormente para o clculo de El,
{H(T )}, temos:
EQl {H(T )} = T1 G1 KG2 ,
(A.298)
onde:
2
T1 = S( )e[()(T )+ p]t
exp
h
exp
h
P (T ) t
Q (T ) t
1 eY + 2 Y
1 eY + 2 Y
i
i,
(A.299)
G1 =
h
i

2
2
exp P (T ) te2(Y +Y ) P (T ) te2(Y +Y )

X
(dR,p, )
,
!
=0
(A.300)
G2 =
h
i

1 2
1 2
exp P e 2 Y +Y (T ) t P e 2 Y +Y (T )t
X
(dQ,p, )
.
!
=0
(A.301)
Substituindo a Equao (A.298) na Equao (4.39), obtemos H( ):
(np)
n
X
X
np p
H( ) = ernt
EQl {H(T )} .
(A.302)
a0 a1
p=0
l=1
130
Notemos que EQl {H(T )}, tal como definido pela Equao (A.298), no possui dependncia em relao ao ndice l e, portanto, pode ser tirado do somatrio.
Assim, a Equao (A.302) se torna:

n
X
n np p Ql
H( ) = ernt
a0 a1 E {H(T )} ,
p
p=0
conforme enunciado no teorema, completando assim a prova.
Demonstrao do Teorema 5.3. Para o clculo de u
( ) para a opo vanilla
de compra, inicialmente devemos substituir as Equaes (A.298) a (A.299) na
Equao (4.44). Notando que EQl {H(T )} no possui dependncia em relao
ao ndice l e, portanto, pode ser tirado do somatrio, a Equao (4.44) se torna:

A V ( )
,
u
( ) = e(r)t 1
B
(A.303)
#
n
(1)
X
X
np,s
p,l
1
0
rnt p np Ql
A=
a1 a0 E {H(T )}
e
,
a
a
1
0
p=0
l=1
(A.304)
n
h
B = S( ) exp 2 2r + 2 +
i
o

2
1 2
P 1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.305)
O somatrio em l na Expresso (A.304) pode ser expresso como:
#
(1)
X
np,s
p,l
1
0
l=1
a1
a0
onde:

s
=
k
s!
k!(sk)!

=
se
se
n1
p

0
a0
n1
+
np
k {0, . . . , s}
,
k
/ {0, . . . , s}

1
,
a1
(A.306)
(A.307)
levando a Expresso (A.303) a:

A V ( )
,
(A.308)
u
( ) = e(r)t 1
S( )B

n
X
n1
0
n1
1
A=
ernt ap1 anp
+
EQl {H(T )} ,
0
p
a
n
p
a
0
1
p=0
(A.309)
n
h
B = S( ) exp 2 2r + 2 +

i
o
2
1 2
P 1 2eY + 2 Y + e2(Y +Y ) t 2 exp[( r) t] + 1 . (A.310)
131
Demonstrao do Teorema 5.4. A demonstrao deste teorema simples.

Basta refazer a deduo do Teorema 5.2 substituindo P = 0 e = 0.
Demonstrao do Teorema 5.5. A demonstrao deste teorema simples.
Basta refazer a deduo do Teorema 5.3 substituindo P = 0 e = 0.
132
Referncias Bibliogrficas
[1] T. Arai, An extension of mean-variance hedging to the discontinuous case,
Finance and Stochastics 9 (2005), 129139.
[2] D. Bertsimas, L. Kogan, and A. W. Lo, Hedging derivative securities and
incomplete market: An epsilon-arbitrage approach, Operations Research
49 (2001), no. 3, 372397.
[3] F. Black and M. Scholes, The pricing of options and corporate liabilities,
Journal of Political Economy 81 (May-June 1973), 637659.
[4] N. Bouleau and D. Lamberton, Residual risks and hedging strategies in
markovian markets, Stochastic Processes and their Applications 33 (1989),
131150.
[5] A. Cerny, Dynamic programming and mean-variance hedging in discrete
time, Applied Mathematical Finance 11 (2004), no. 1, 125.
[6]
, Mathematical techniques in finance: Tools for incomplete markets,

Priceton University Press, 2004.
[7] R. Cont and P. Tankov, Financial modelling with jump processes, Chapman
& Hall, 2003.
[8] A. Dudenhausen, E. Schlgl, and L. Schlgl, Robustness of gaussian hedges
and the hedging of fixed income derivatives, April, 1999.
[9] D. Duffie and H. Richardson, Mean-variance hedging in continuous time,
Annals of Applied Probability 1 (1991), 115.
[10] P Embrechts, C. Klppelberg, and T. Mikosch, Modelling extremal events
for insurance and finance, Stochastic Modelling and Applied Probability,
Springer, 2004.
[11] H. Flmer and D. Sondermann, Hedging of non-redundant contingent
claims, Contributions to Mathematical Economics (W. Hildenbrand and
A. Mas-Colell, eds.), North-Holland, 1986, pp. 205223.
[12] P. Glasserman, Monte carlo methods in financial engineering, Springer,
2003.
[13] C. Gourieroux, J. P. Laurent, and H. Pahm, Mean-variance hedging and
numraire, Mathematical Finance 8 (1998), no. 3, 179200.
133
[14] J. M. Harrison and S. R. Pliska, Martingales and stochastic integrals in the

theory of continuous trading, Stochastic Processes and their applications
11 (1981), 215260.
[15] H. Hsu, Schaums outline of probability, random variables, and random
processes, McGraw-Hill, 1996.
[16] J. C. Hull, Options, futures and other derivatives, 6th ed., Prentice Hall,
2005.
[17] P. Jaeckel, Monte carlo methods in finance, John Wiley & Sons, 2002.
[18] J. P. Laurent and H. Pham, Dynamic programming and mean-variance
hedging, Finance and Stochastics 3 (1999), no. 1, 83110.
[19] A. E. B. Lim, Quadratic hedging and mean-variance portfolio selection with
random parameters in an incomplete market, Berkeley, University of California, 2003.
[20] R.C. Merton, Option pricing when underlying stock returns are discontinuous, Journal of Financial Economics 3 (January-March 1976), 125144.
[21] M. Musiela and M. Rutkowsk, Martingale methods in financial modelling,
Springer, 1998.
[22] A. Papoulis and S. U. Pillai, Probability, random variables and stochastic
processes, 4th ed., McGraw-Hill Science/Engineering/Math, 2001.
[23] S. R. Pliska, Introduction to mathematical finance, Blackwell Publishers,
1997.
[24] T. Rheinlnder and M. Schweizer, On l2 projections on a space of stochastic
integrals, Annals of Probability 25 (1997), no. 4, 18101831.
[25] L. C. G. Rogers and D. Williams, Diffusions, markov processes and martingales, vol. 1, Cambridge University Press, 2000.
[26]
, Diffusions, markov processes and martingales, vol. 2, Cambridge

University Press, 2000.
[27] M. Schl, On quadratic cost criteria for option hedging, Mathematics of

Operations Research 19 (1994), no. 1, 121131.
[28] M. Schweizer, Option hedging for semimartingales, Stochastic Processes
and their Applications 37 (1991), 339363.
[29]
, Variance-optimal hedging in discrete time, Mathematics of Operations Research 20 (1995), no. 1, 132.
[30]
, Approximation pricing and the variance-optimal martingale measure, The Annals of Applied Probability 24 (1996), no. 1, 206236.
[31]
, Risky options simplified, International Journal of Theoretical and

Applied Finance 2 (1999), no. 1, 5982.
[32] S. E. Shreve, Stochastic calculus for finance ii, Springer, 2004.

134
[33] N. N. Taleb, Dynamic hedging: Managing vanilla and exotic options, Wiley,
1997.
[34] D. Williams, Probability with martingales, Cambridge University Press,
1991.
[35] P. Wilmott, Paul wilmott on quantitative finance, 2nd ed., John Wiley &
Sons, 2006.
[36] X.Y. Zhou and D. Li, Continuous-time mean-variance portfolio selection:
A stochastic lq framework, Applied Mathematical Optimization 42 (2000),
1933.
135

Tese Andre Cury Maiali

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tese Andre Cury Maiali

Uploaded by

Copyright:

Available Formats

Andr Cury Maiali

Controle timo Estocstico a Tempo Discreto

Orientador: Prof. Dr. Oswaldo Luiz do Valle Costa

Este exemplar foi revisado e alterado em relao verso original,

So Paulo, 18 de julho de 2006.

Assinatura do orientador _______________________________

Maiali, Andr Cury

Aos meus pais, Antnio e Penha, pela minha educao.

minha esposa, Fabiana, e aos nossos filhos, Giulia e Enrico.

3 Modelos em Tempo Discreto

4 Modelo em Tempo Discreto, com Espao de Estados Contnuo,

7 Concluses e Pesquisas Futuras

Motivao Para a Tese

Um derivativo financeiro H um instrumento financeiro cujo valor depende do

Esta tese est estruturada da seguinte forma. No Captulo 1, apresentamos a

As contribuies originais desta tese so as seguintes.

2. Todos os resultados apresentados no Captulo 4;

Seja um mercado financeiro com d + 1 ativos primrios (ativos base) disponveis

acumulados at o instante de tempo t devidos ao uso da estratgia (u, u0 ) so

i.e., como uma soma de uma constante H0 e uma integral estocstica de uH

Estratgias de Controle (Hedging) com Critrios Quadrticos em Tempo Contnuo

comportamento dos ativos com risco um semi-martingale contnuo. Enquanto

e de hedging de mnima varincia, demonstrando a existncia e unicidade da

Estratgias de Controle (Hedging) com Critrios Quadrticos em Tempo Discreto

Todos os trabalhos citados acima consideram o problema do hedging de mnima

Modelos em Tempo Discreto

Neste item consideramos um modelo de mercado financeiro que opere em tempo

Abordar o tempo de forma discreta significa admitir que o tempo consiste em

senta o valor de mercado (i.e., o preo) no instante de tempo , dado que no

V (, S( ), u( ), ( )), indicado simplificadamente por V ( ), uma varivel

Descrio dos Elementos do Modelo Geral

Consideremos um modelo em que os preos dos n ativos de risco no instante de

De forma anloga, o preo do ativo livre de risco no instante de tempo + 1,

financeiro aplicado nos ativos com risco, e (V ( ) u ( )S( )) corresponde ao

A Equao (3.7) pode ser rescrita como:

a Expresso (3.8), valor do portflio auto-financivel, pode ser expressa como:

X( ) ( + 1), tal como definido na Equao (3.10), chamado de processo

Formulao do Problema de Hedging de Mnima Varincia

Denotemos por F a -lgebra gerada por {S(0), (0), . . . , S( ), ( )}, e definamos:

Consideremos um derivativo no-realizvel cujo valor no instante do seu

Em outras palavras, queremos encontrar uma poltica tima que minimize o

onde V (T ) o valor terminal do portflio gerado pela poltica de controle

A soluo desse problema, ou seja, os {

k( +1) ( + 1) EP k( +1) ( + 1)X(

a( ) ( )H( ) ( ) + S( ),0 ( + 1)X(

M( ) = EP k( +1) ( + 1)X( ) ( + 1)X(

u( ) = EP k( +1) ( + 1)X( ) ( + 1)X(

Prova: ver Apndice A.

Prova: ver Apndice A.

Variance Optimal Measure

Consideremos o Teorema 3.1. Usando a Equao (A.66), e lembrando que

= EP k( +1) ( + 1)X( ) ( + 1)X(

Usando as Equaes (3.6) e (3.9), podemos rescrever a Equao (3.28) como:

Observemos ainda que, com relao medida de probabilidade Q, a varivel

E k( +1) ( + 1)X( ) ( + 1)X( ) ( + 1) , (3.37)

Para G( + 1), temos:

A Equao (3.28) permite calcular o valor do contrato derivativo no instante de

corresponde mudana de medida de probabilidade da medida P para a medida

Uma Interpretao Para H( )

Num mercado financeiro livre de arbitragem e completo, qualquer instrumento

Modelo com n Ativos de Risco sem Cadeia

Neste item simplificamos o modelo geral apresentado anteriormente. Supomos

Prova: ver Apndice A.