MODELOS FINITOS PARA MERCADOS FINANCEIROS

Tamanho: px
Começar a partir da página:

Download "MODELOS FINITOS PARA MERCADOS FINANCEIROS"

Transcrição

1 MODELOS FINITOS PARA MERCADOS FINANCEIROS MANUEL L. ESQUÍVEL 1. Modelos para mercados finitos 1.1. Introdução e motivação. Suponhamos um contrato que nos dá odireito, mas não a obrigação, de comprar a um dado preço K, denominado preço de exercício enuma determinada data T, denominada data de exercício, umactivo financeiro denominado activo subjacente, cujo preço corrente S 0 é conhecido. Um tal contrato denomina-se uma call option. Suponhamos ainda que a taxa de juro sem risco, por exemplo, a taxa de juro de uma conta bancária, é constante e dada por R. Suponhamos ainda que o preço do activo financeiro na data de exercício poderá tomar apenas dois valores S u e S d, com probabilidades, respectivamente, p u e p d. O problema fundamental colocado nesta situação éode determinar um preço justo para o contrato que acabámos de descrever. Com efeito, uma vez que este contrato dá aoseu possuidor um direito na data de exercício, ainda que opcional, tem um valor corrente que procuramos determinar. Para tornarmos concreta a situação, suponhamos que: S 0 = 280, K = 280, S u = 320, S d = 260. Vamos adoptar um modelo em que há dois estados do mundo Ω = {ω 1,ω 2 }. Seja o preço do activo financeiro, à data T, dado por: S T (ω 1 )=S u = 320 e S T (ω 2 )=S u = Ométodo das probabilidades naturais ou subjectivas. Vamos supor que um dado investidor encara o mercado como um bear market, isto é, tal que: P[{ω 1 }]=0.2 =1 P[{ω 2 }]. Observação 1. Note que um urso é considerado um animal pachorrento e que quando ataca, ataca com uma pata num movimento descendente. Talvez por isto, a denominação de bear market, para um mercado com fraca probabilidade de fazer subir os preços, está bem atribuída. Encarando S T como uma variável aleatória temos, obviamente, que: S T = 320I {ω1 } + 260I {ω2 }. Determinemos C T,ocashflow gerado pelo contrato, ou seja, o payoff terminal ou à data de exercício. Se se verificar S T = 320 então, o contrato pode ser exercido, compra-se o activo pelo preço de exercício 280 e vende-se o activo no mercado com uma receita de = 40; se se verificar que S T = 320 então, o contrato não deverá ser exercido sendo o cahhflow nulo. Éóbvio, pois, que: C T =40I {ω1 } isto é C T (ω 1 )=40 ec T (ω 2 )=0, 1

2 2 MANUEL L. ESQUÍVEL isto é, temos a expresão importante seguinte para o payoff terminal da call option: C T = max(s T K, 0) =(S T K) +. Utilizemos, para o apreçamento, o princípio do valor esperado actualizado do payoff terminal. Então, Π(0) o preço corrente da call option virá: Π(0) = E P C T [ 1+R ]= 1 1+R (P[{ω 1}]C T (ω 1 )+P[{ω 2 }]C T (ω 2 ))=7.62. Vamos supor, agora, que um outro investidor encara o mercado como um bull market, isto é, tal que: P[{ω 1 }]=0.8 =1 P[{ω 2 }]. Observação 2. Note que um touro é considerado um animal agressivo e que quando ataca, ataca com um movimento ascendente da cabeça e dos chifres. Talvez por isto, a denominação de bull market, para um mercado com grande probabilidade de fazer subir os preços, está bem atribuída. Utilizando o princípio do valor esperado actualizado do payoff terminal, para apreçar a call option, virá: Π(0) = E P C T [ 1+R ]= 1 1+R (P[{ω 1}]C T (ω 1 )+P[{ω 2 }]C T (ω 2 )) = Observação 3. Note-se que o método que empregámos usando as probabilidades naturais ou subjectivas, na medida em que estas probabilidades dependem da atitude de cada investidor, não fornece um preço único para o contrato uma vez que, tal como vimos, o preço depende destas probabilidades subjectivas. Uma tal solução para o problema do apreçamento deixa muito a desejar na medida em que escolhendo adequadamente as probabilidades poderemos obter, praticamente, qualquer valor num dado intervalo para o preço do contrato Ométodo das carteiras réplicas. Segundo [6], o método das carteiras réplicas foi introduzido por Sharpe em 1978 e Rendleman & Barter em 1979, isto é, praticamente, cinco anos após a contibuição fundamental de Black, Scholes e Merton. Este método consiste em realizar uma carteira com uma certa quantidade do activo financeiro subjacente e com uma certa quantidade de dinheiro numa conta bancária, de tal forma que o valor da carteira na data de exercício coincida com o payoff terminal do contrato. Neste sentido, a carteira replica ou reproduz o contrato. A carteira Φ aparece, pois, definida inicialmente como um par de números Φ = Φ 0 =(α 0,β 0 ), em que: a quantidade α 0 representa o número de acções do activo subjacente; a quantidade β 0 representa o número de unidades monetárias na conta bancária. Observação 4. Note-se que: Consideramos que a taxa de juro activa é igual à taxa de juro passiva. Admitimos que (α 0,β 0 ) R 2. Tal significa, para α 0 < 0, que constituímos uma posição short no activo subjacente recebendo dinheiro por uma venda não concluída dado não termos em nossa posse o activo que vendemos. Admitir β 0 < 0 significa que contraímos um empréstimo em unidades monetárias no montante β 0.

3 MODELOS FINITOS PARA MERCADOS FINANCEIROS 3 Após constituição da carteira, na data inicial, a composição desta não se altera até à data terminal. Designemos por 0adata inicial e, por V t (Φ), o valor da carteira Φ à data t =0,T. Éóbvio que o valor da carteira numa dada data se obtem adicionando os termos, um para o activo subjacente e outro para a conta bancária, que resultam do produto quantidade pelo preço, nessa data, do activo considerado. Assim sendo: V 0 (Φ) = α 0 S 0 + β 0 e V T (Φ) = α 0 S T + β 0 (1 + R). Pela descrição que fizémos acima de carteira réplica deveremos ter que: C T = V T (Φ). Note-se que se trata de uma igualdade entre variáveis aleatórias pelo que se tem de facto: C T (ω i )=V T (Φ)(ω i ) i =1, 2. Reescrevendo esta expressão, tomando em conta a definição de V T (Φ), temos o sistema de equações: { V T (Φ)(ω 1 )= α 0 S T (ω 1 )+β 0 (1 + R) =C T (ω 1 ) V T (Φ)(ω 2 )= α 0 S T (ω 2 )+β 0 (1 + R) =C T (ω 2 ). Com os dados concretos que tomámos este sistema pode escrever-se, { α β = 40 α β = 0, tendo este sistema a solução única dada por: α 0 = 2 3 e β 0 = A nossa carteira (α 0,β 0 ) constitui-se, pois, da seguinte forma. Por cada call option em que estamos short temos α 0 =2/3 unidades de activo subjacente e contraímos um empréstimo de β 0 = unidades monetárias. Por construção, a carteira assim constituída permite reproduzir o payoff terminal do contrato. Na posse desta carteira réplica é possível agora apreçar o contrato usando o princípio de não arbitragem que se pode enunciar, neste contexto, na forma seguinte: se dois produtos têm o mesmo valor à data T então deverão ter o mesmo valor à data inicial zero. Desta forma, o preço do contrato será o custo inicial de constituição da carteira réplica ou seja, ainda, o investimento inicial necessário apara adquirir a carteira réplica. Temos pois: Π(0) = V 0 (Φ) = α 0 S 0 + β 0 = = Observação 5. Em consequência do que expusémos podemos observar que: O preço do contrato aparece definido univocamente pois depende apenas de α 0 e β 0 que ficaram determinados como solução de um sistema de equações algébricas.

4 4 MANUEL L. ESQUÍVEL O preço obtido não depende das probabbilidades subjectivas, ou seja, não depende da forma sob a qual cada agente avalia a evolução mais provável do mercado. Na determinação do preço do contrato usámos, apenas, o preço de exercício do contrato, o preço corrente do activo financeiro subjacente, as variações deste activo ao longo do tempo e, a taxa de juro de uma conta bancária ou de um activo sem risco Ométodo das medidas martingalas. Suponhamos que épossível encontrar uma medida de probabilidade P sobre o espaço de probabilidade Ω = (ω 1,ω 2 ), munido da álgebra sigma maximal, tal que P coincida com a probabilidade natural nos conjuntos de probabilidade nula e tal que S,opreço actualizado à taxa de juro R seja uma P martingala. Temos, então, que sendo S o preço actualizado à taxa de juro R dado por: S0 S 0 = (1 + R) = S 0 0 e ST S T = (1 + R) = S T 1 (1 + R), a condição de martingala exprime-se por: (1) S0 = E P [ST ]. Uma medida verificando a consição (1) é denominada medida de martingala ou ainda, por razões óbvias, medida neutra face ao risco. Determinemos, com os dados concretos, a solução do problema de apreçamento que já encontrámos por dois métodos. Podemos dizer que P é determinada por p ]0, 1[ tal que, por exemplo p = P [{ω 1 }], uma vez que necessariamente virá: 1 p = P [{ω 2 }]. Podemos reescrever afórmula (1) na seguinte forma: S0 = 1 1+R (p S T (ω 1 )+(1 p ) S T (ω 2 )), o que resolvendo em ordem a p nos dá: p = P [{ω 1 }]= (1 + R) S 0 S T (ω 2 ) S T (ω 1 ) S T (ω 2 ) e. por conseguinte, 1 p = P [{ω 2 }]= S T (ω 1 ) (1 + R) S 0. S T (ω 1 ) S T (ω 2 ) Para apreçarmos o contrato usamos o princípio do valor esperado actualizado do payoff terminal, mas relativamente à medida neutra face ao risco. Logo para apreçar a call option virá, para Π (0) o preço, neutro face ao risco, do contrato: Π C (0) = E P T [ [ (S T K) + 1+R ]=EP 1+R ]= = 1 1+R (p C T (ω 1 )+(1 p ) C T (ω 2 ))= Observação 6. Note-se que o preço obtido com este método coincide com o preço obtido para o contrato pelo método da carteira réplica. Esta coincidência éumfacto geral que será explorado no que vai seguir-se.

5 MODELOS FINITOS PARA MERCADOS FINANCEIROS Pressupostos probabilísticos. Consideremos um espaço de probabilidade finito (Ω, F, P). A título de interpretação temos como pressuposto que há k N estados do mundo podendo então escrever-se que: Ω={ω 1,...,ω k }. Consideramos um horizonte temporal N N, que poderá ser interpretado como a data maturidade ou de exercício dos contratos relativos a produtos financeiros e o conjunto de datas ou instantes dado por: T := {0, 1,...,N}. O fluxo de informação disponível é-nos dado por uma filtração F =(F n ) n T sobre (Ω, F, P), isto é uma sequência F 0 F 1,..., F N, de subálgebras σ de F em que, F n pode ser interpretada como o conjunto da informação disponível à data n {0, 1,...,N}. Observação 7. Usualmente e, salvo aviso em contrário, consideramos em vigor as seguintes hipóteses: F 0 = {, Ω}. F N = F = P(Ω). ω Ω P[{ω}] > O mercado. Consideramos que no mercado existem d +1activos com d N dados pelos respectivos preços à data n {0, 1,...,N}. Representaremos estes preços pela sequência de variáveis aleatórias positivas: Sn,S 0 n,...,s 1 n d, mensuráveis relativamente a F n, isto é tal que para j {0, 1,...,d} se tenha (Sn) j 0 n N processo estocástico adaptado. Observação 8. S n := (S 0 n,s 1 n,...,s d n) R d+1 éovector dos preços à data n O activo sem risco. Consideramos que um dos activos, o que é representado pelo processo (S 0 n) 0 n N, tem uma dinâmica ou, evolução ao longo do tempo, dada por: S 0 0 1, n {1, 2,...,N} S 0 n =(1+r) n, em que r éataxa de juro do activo sem risco. Observação 9. A quantidade, β n := 1, Sn 0 éofactor de desconto da data n à data 0 isto é, se β n for investida à data 0 no activo sem risco então, poderemos recuperar uma unidade monetária à data n. Observação 10. Por oposição ao activo sem risco, os activos representados pelos processos (S j n) 0 n N para 0 <j (d +1)são activos com risco. Emgeral não especificaremos a dinâmica dos activos com risco. No caso particular do modelo binomial é especificada uma dinâmica, binomial, do activo com risco.

6 6 MANUEL L. ESQUÍVEL 1.4. Estratégias ou carteiras Noção intuitiva de carteira. No passado, a posse de um título de participação de uma empresa era formalizada por um documento impresso, geralmente, numa folha de papel única. Para preservar um conjunto desses documentos usava-se um portfolio ou carteira Descrição de uma carteira no medelo. Consideramos que a quantidade de títulos do activo i detidos à data n depende dos estados do mundo e é, por isso, representada por uma variável aleatória: Φ i n para i =0, 1,...,d e n {0, 1,...,N}. Definição 1. Ao processo estocástico Φ := (Φ 0 n, Φ 1 n,...,φ d n) 0 n N chamamos carteira sse Φ for previsível, isto é, se se verificar que: { Φ 0 n mf 0 Φ 0 n mf n 1 para n 1. Observação 11. Note-se que para n 1, o conjunto das posições da carteira no instante n, representado pelo vector (Φ 0 n, Φ 1 n,...,φ d n), é decidido com base da informação disponível à data n Valor e valor descontado de uma carteira. Para determinar o valor de uma certa carteira numa dada data, é necessário efectuar, para cada activo, o produto da quantidade detida desse activo pelo preço, à data, do activo e, em seguida, somar os termos assim obtidos para cada activo. Justifica-se pois a seguinte definição. Definição 2. Processo valor e valor descontado de uma carteira. (1) O processo estocástico V (Φ) = (V n (Φ)) 0 n N, processo valor da carteira Φ, é dado, para n =0, 1,...,N,por: d V n (Φ) =Φ n S n = Φ i nsn i =Φ 0 nsn 0 + +Φ N n Sn N. i=0 (2) O processo estocástico Ṽ (Φ) =(Ṽn(Φ)) 0 n N, processo valor descontado da carteira Φ, é dado, para n =0, 1,...,N,por: Ṽ n (Φ) := β n V n (Φ), onde β n éofactor de desconto definido acima. Observação 12. Note-se que, onde se tem que, β n V n (Φ) = β n (Φ n S n )= d ( Φ i n βn Sn) i =Φn S n, i=0 S n = ( 1,β n S 1 n,...,β n S d n), éopreço à data n descontado à data 0.

7 MODELOS FINITOS PARA MERCADOS FINANCEIROS Carteiras autofinanciadas. Admitimos que o processo de gestão das carteiras éoseguinte. Constituímos a carteira à data zero. Numa data posterior qualquer, vendemos e compramos activos que mantemos até à data seguinte, altura em que voltamos a vender e a comprar activos; em qualquer data não épermitida a entrada ou saída de capitais que não seja para efeitos de venda ou compra de activos da carteira. Este processo corresponde no modelo à noção de carteira autofinanciada. Definição 3. Uma carteira Φ diz-se autofinanciada sse: (2) n {0, 1,...,N 1} Φ n S n =Φ n+1 S n. Observação 13. Para melhor se entender o significado desta definição fundamental atente-se que: (1) Se suposermos que d =1,isto é, a existência de, apenas, um activo para além do activo sem risco a condição (2) acima pode escrever-se: Φ 0 nsn 0 +Φ 1 nsn 1 =Φ 0 n+1sn 0 +Φ 1 n+1sn 1. Como consequência desta igualdade fica claro que, se à data n + 1, decidirmos aumentar a quantidade do activo sem risco na carteira, teremos que diminuir a quantidade do activo com risco na carteira uma vez que os preços dos activos permanecem os mesmos na condição. (2) A condição (2) pode ainda ler-se: (3) n{0, 1,...,N 1} (Φ n+1 Φ n ) S n =0. Esta outra forma admite a seguinte leitura: dados os preços à data n, arecom- posição da carteira faz-se sem entradas ou saídas de capital; os cash-flows na recomposição são apenas os que decorrem de compras de activos financiados exclusivamente por vendas de activos. (3) A partir da condição (2) tem-se, ainda, que: Φ n S n =Φ n+1 S n Φ n+1 S n+1 Φ n S n =Φ n+1 S n+1 Φ n+1 S n (4) V n+1 (Φ) V n (Φ) =Φ n+1 (S n+1 S n ). Podemos pois afirmar que uma dada carteira é autofinanciada sse a variação de valor da carteira entre duas datas consecutivas se deve apenas àvariação de preço dos activos entre essas datas. Apresentamos de seguida uma caracterização fundamental das carteiras autofinanciadas. Teorema 1. São equivalentes: (1) Acarteira Φ é autofinanciada; (2) n {1,...,N} V n (Φ) = V 0 (Φ) + n j=1 Φ j(s j S j 1 ); (3) Sendo S j := β j S j, n {1,...,N} Ṽn(Φ) = V 0 (Φ) + n j=1 Φ j( S j S j 1 ). Demonstração. Suponhamos que se verifica a condição 2. Tem-se então: ( ) n+1 n V n+1 (Φ) V n (Φ) =V 0 (Φ) + Φ l (S l S l 1 ) V 0 (Φ) + Φ l (S l S l 1 ) = l=1 =Φ n+1 (S n+1 S n ), l=1

8 8 MANUEL L. ESQUÍVEL pelo que se tem que a carteira Φ é auto-fianciada. Suponhamos, agora, que a carteira Φ é autofinanciada. Podemos, então, escrever que: V n+1 (Φ) V n (Φ) = Φ n+1 (S n+1 S n ) = Φ n+1 S n+1 V n (Φ) V n 1 (Φ) = Φ n (S n S n 1 ) = Φ n S n = = V 2 (Φ) V 1 (Φ) = Φ 2 (S 2 S 1 ) = Φ 2 S 2 V 1 (Φ) V 0 (Φ) = Φ 1 (S 1 S 0 ) = Φ 1 S 1, pelo que somando membro a membro as igualdades acima se pode obter imediatamente: n+1 n+1 V n+1 (Φ) V n (Φ) = Φ l (S l S l 1 )= Φ l S l, l=1 e esta é exactamente a condição 2. Para demosntrar a equivalência entre as condições 1e3pode repetir-se a demonstração com S l = β l S l dado que a condição sobre uma carteira para que esta seja autofinanciada é invariante por desconto ou actualização ou seja: a carteira Φ é autofinanciada sse: Observação 14. Note-se que a expressão l=1 n {0, 1,...,N 1} Φ n Sn =Φ n+1 Sn. Ṽ n (Φ) = V 0 (Φ) + n Φ j ( S j S j 1 ), j=1 na condição 2 do teorema, pode interpretar-se da forma seguinte: Ṽ n (Φ), o valor descontado de uma carteira autofinanciada Φ, depende da riqueza inicial V 0 (Φ) e, da carteira dada por: (Φ 1 n, Φ 2 n,...,φ d n) 0 n N, isto é, onde não aparece a quantidade referente ao activo sem risco. Com efeito pode observar-se também que: S j 0 = S j 0 S j 1 0 = 1 Sj 0 1 Sj 1 0 =1 1=0. β j β j 1 A interpretação dada na observação anterior põe em evidência um facto importante que é explicitado na proposição seguinte e que pode ser visto como uma proposição recíproca da constatação feita na observação. Proposição 1. Dado o processo (φ 1 n,...,φ d n) 0 n N,previsível e V 0 mf, existe um processo previsível (φ 0 n) 0 n N, tal que a carteira Φ:=(φ 0,...,φ d ) é autofinanciada e V 0 (Φ) = V 0.

9 MODELOS FINITOS PARA MERCADOS FINANCEIROS 9 Demonstração. Pela proposição e dado que Φ é autofinanciada: Ṽ n (Φ) =Φ 0 n +Φ 1 S n n 1 + +Φ d S n n d = (def. valor descontado) n =V 0 + Φ j S j = (proposição 3) =V 0 + j=1 n j=1 Logo, verifica-se que: n ( Φ 0 n = V 0 + Φ 1 j S j 1 + +Φ d j S ) j d = V 0 + = V 0 + j=1 n 1 j=1 n 1 j=1 Φ j S j + Φ j S j + ( Φ 1 j S j 1 + +Φ d j S ) j d =(Φ j S j =...) ( Φ 1 S n n 1 + +Φ d S ) n n d ( Φ 1 n S n 1 + +Φ d n S ) ( n d Φ 1 S n n 1 + +Φ d S ) n n d ( Φ 1 n( S n 1)+ +Φ 1 d n( S ) n 1) d pelo que Φ está bem definido e é previsível, tal como foi anunciado Estratégias admissíveis e arbitragem. Observação 15. Os valores que tomam as componentes Φ i n de uma dada carteira Φ=(Φ 0,...,Φ d ), têm sinal arbitrário. Com efeito: Φ 0 n < 0: pode ser interpretado como tendo nós tomado emprestado Φ 0 n no activo sem risco. Φ i n < 0 para i 1: pode ser interpretado como sendo a carteira curta (short) na quantidade Φ i n no activo sem risco indexado por i. Carteiras curtas em activos com risco e empréstimos são admitidos desde que ovalor da carteira seja não negativo em qualquer data. Definição 4. Uma estratégia ou carteira Φ é admissível sse se verificar: (1) Φ é autofinanciada. (2) n {0, 1,...,N} V n (Φ) 0. Observação 16. De acordo com esta definição, com uma dada carteira admissível um investidor deve poder pagar as suas dívidas (nos activos com e sem risco) em qualquer data. A noção intuitiva de arbitragem pode ser descrita como a possibilidade de criar uma proveito certo, sem risco, a partir de um custo inicial nulo. Definição 5. Uma estratégia, ou carteira, Φ é uma carteira de arbitragem sse se verificar: (1) Φ é admissível; (2) V 0 (Φ) =0 e V N (Φ) 0 isto é, V N (Φ) é uma variável aleatória não nula.

10 10 MANUEL L. ESQUÍVEL Observação 17. Uma estratégia de arbitragem é pois uma carteira admissível com valor inicial nulo e com valor terminal não nulo Tranformação de uma martingala por um processo previsível. Relembramos nesta secção alguns resultados releventes da teoria das martingalas, para os modelos finitos de mercados financeiros. Seja F := (F n ) 0 n N uma filtração sobre o espaço de probabilidade (Ω, F, P). Definição 6. Um processo H := (H n ) 0 n N éumprocesso F previsível se se verificar: H 0 mf 0 e n {1,...,N} H n mf n. Teorema 2. Seja M := (M n ) 0 n N uma F martingala e H := (H n ) 0 n N um processo F previsível (e limitado). Então, o processo X := (X n ) 0 n N definido por: { X 0 := H 0 M 0 X n := H 0 M 0 + H 1 M H n M n 1 n N, onde M i := M i M i 1,é uma F martingala. Observação 18 (Comentário importante). Pela proposição (3) vemos que se os preços descontados ( S n ) 0 n N formarem uma martingala e, sendo Φ a carteira um processo previsível então o processo valor actualizado (Ṽn(Φ)) 0 n N é uma martingala. Logo podemos concluir que: E[ṼN(Φ)] = E[V 0 (Φ)], isto é, o valor esperado final da riqueza gerada por uma estratégia autofinanciada é igual ao valor esperado da riqueza inicial. Demonstração. Por construção o processo X é soma de processos adaptados pelo que éumprocesso adaptado. Note-se que X 0 mf 0 visto que H 0,M 0 mf 0. Como H é limitado tem-se que: E[ X n ] < +. Para verificarmos a propriedade de martingala observamos, apenas, que: E[X n+1 X n F n ]=E[H n+1 (M n+1 M n ) F n ] (visto que: H n+1 mf n ) = H n+1 E[M n+1 M n F n ] (visto que: E[M n+1 F n ]=M n ). Logo, X é uma martingala. Proposição 2. Seja M := (M n ) 0 n N um processo F adaptado de variáveis aleatórias integráveis. São equivalentes: (1) M é uma F martingala; (2) Para qualquer processo previsível e limitado H =(H n ) 0 n N, verifica-se: [ N ] E H n M n =0. n=1

11 MODELOS FINITOS PARA MERCADOS FINANCEIROS 11 Demonstração. Verifiquemos que a condição é necessária. Seja H 0 0e(H n ) 0 n N uma qualquer sequência previsível, relativamente a F, limitada, de variáveis aleatórias. Pela proposição 2 o processo X definido por: { X 0 := 0 X n := n i=1 H i M i 1 n N, é uma F martingala. Dado que uma martingala tem valor médio constante, tem-se que: [ n ] E H i M i = E[X n ]=E[X 0 ]=0. i=1 Verifiquemos que a condição é suficiente. Seja j {0, 1,...,N 1} fixo e A F j arbitrário. Seja por definição, { I A n = j +1 H n = 0 n j +1 ou seja, tem-se a seguinte definição: H 0 H 1... H j 1 H j H j+1 H j+2... H N I A O processo (H n ) 0 n N é previsível e obviamente limitado. Em consequência da condição admitida por hipótese: [ N ] 0=E H i M i = E [I A (M j+1 M j )] = (M j+1 M j )dp. i=1 Tem-se, pois, pela definição de esperança condicional e atendendo a que A é arbitrário: isto é, M é uma martingala. E [M j+1 M j F j ]=0para j =0, 1,...N 1, 1.7. Mercados financeiros viáveis. Podemos formalizar a noção de mercado considerando o processo de preços e o conjunto de todas as carteiras autofinanciadas. Definição 7. Um mercado financeiro diz-se viável sse não existirem carteiras de arbitragem isto é sse for impossível gerar lucros certos a partir de um investimento incial nulo. Observação 19. Para P probabilidade e A F um qualquer acontecimento, sabemos que P[A] [0, 1] exprime a confiança que temos na realização do acontecimento A. P[A] = 0diz-nos que o acontecimento A é impossível. dadas duas probabilidades P e P,podemos considerar P equivalente a P seesósep e P coincidem sobre os acontecimentos de probabilidade nula. A coincidência sobre os acontecimentos de probabilidade nula deve ser um denominador comum atodos os agentes de mercado. A

12 12 MANUEL L. ESQUÍVEL Dado que Ω é finito e que F = P(Ω) temos que se A F então, necessariamente, A = q i=1 {ω i} onde q éonúmero de elementos de A. Nestas condições tem-se que P[A] =0seesósepara todo o i =1,...,q se tem P[{ω i }]=0. Como, por hipótese, para qualquer ω em Ω se tem que P[{ω}] =0temos finalmente que: P = P ω Ω P [{ω}] =0. Com efeito: P = P A F (P[A] =0 P [A] =0) (P[A] > 0 P [A] > 0). É notável que a existência de uma medida de probabilidade relativamente à qual o processo de preços descontados seja uma martingala caracterize os mercados viáveis. Teorema 3 (Primeiro teorema fundamental sobre o apreçamento de activos). Um o mercado é viável sse existir uma medida de probabilidade P,equivalente a P tal que oprocesso de preços actualizados seja uma martingala relativamente a P. Definição 8. Uma medida de probabilidade verificando a condição do teorema diz-se uma medida neutra face ao risco ou uma medida de martingala. Demonstração. Suponhamos que existe uma medida P equivalente a P tal que o processo de preços actualizados seja uma martingala relativamente à medida P.Para uma qualquer carteira Φ autofinanciada e limitada: n n 1 Ṽ n (Φ) = V 0 + Φ j S j, em consequência do teorema 1. Logo (Ṽn(Φ)) 0 n N é uma martingala relativamente a P pelo teorema 2. Suponhamos agora Φ admissível tal que V 0 (Φ) = 0. Pelas propriedades das martingalas tem-se que: E [ṼN(Φ)] = E [V 0 (Φ)] = 0. Como se tem que ṼN(Φ) 0, dado que Φ é admissível e r E [ṼN(Φ)] = Ṽ N (Φ)(ω i ) P [{ω i }]=0, i=1 com ṼN(Φ)(ω i ) 0eP [{ω i }] > 0, terá que ser ṼN(Φ) 0. Em consequência, não há carteiras de arbitragem Mercados completos. Consideramos num modelo de mercado financeiro contratos conferindo direitos com exercício opcional caracterizados pelo correspondente cashflow ou payoff. Neste contexto um direito contingente pode definir-se da seguinte forma. Definição 9. Um direito contingente é uma variável aleatória, não negativa, F N mensurável. Os exemplos seguintes são fundamentais. j=1

13 MODELOS FINITOS PARA MERCADOS FINANCEIROS 13 Exemplo 1. Call option europeia: ocash-flow deste direito contingente sobre, por exemplo, o activo com preço S 1 =(Sn) 1 0 n N, depende de um parâmetro, o preço de exercício K eé definido por: { (5) h := (SN 1 SN 1 K) + = K se S1 N K 0 se SN 1 K Exemplo 2. Put option europeia: o cash-flow deste activo contingente é definido por: (6) h := (K S 1 N) + Observação 20. (1) Um direito contingente h depende apenas do valor do activo subjacente à data de exercício isto é, tem-se que: h = h(s N ). (2) Noutro tipo de produtos financeiros derivados pode ter-se: h = h(s 0,S 1,...,S N ), tal como, por exemplo, no caso das opções asiáticas em que o preço de exercício éumvalor médio do preço do subjacente calculado entre a data de exercício e uma data anterior. Definição 10. Um direito contingente h é atingível sse existe uma estratégia admissível cujo valor à data N seja exactamente h. Teorema 4. Num mercado viável é condição suficiente para que um direito contingente h seja atingível que exista uma carteira autofinanciada Φ, cujo valor na data de maturidade seja h. Observação 21. Neste teorema substitui-se a hipótese da carteira ser admissível, na definição acima, pela hipótese mais fraca da carteira ser autofinanciada. Demonstração. Seja Φ uma carteira autofinanciada tal que V N (Φ) = h e P uma probabilidade de martingala. Uma tal probabilidade existe dado que o mercado é viável. (Ṽn(Φ)) 0 n N é uma martingala relativamente a P uma vez que é transformação de martingala do processo de preços descontados que é uma martingala devido à definição de P.Tem-se pois que: n {0, 1,...,N} Ṽn(Φ) = E [ṼN(Φ) F n ]. Como ṼN(Φ) = h/s 0 N 0 tem-se que Ṽn(Φ) 0, para 0 n N em consequência das propriedades da noção de esperança condicional, verificando-se pois que V n (Φ) 0, sendo então a estratégia admissível. Definição 11. Um mercado financeiro diz-se completo sse todo o direito contingente é atingível. Observação 22. Assumir que um mercado é completo é uma hipótese restritiva cuja motivação económica não é tão óbvia como a hipótese de não arbitragem.

14 14 MANUEL L. ESQUÍVEL Teorema 5 (Segundo teorema fundamental no apreçamento de activos). Um mercado viável écompleto sse existir uma medida de martingala P única, i.e. se existir uma única medida de probabilidade equivalente a P, relativamente à qual o processo de preços descontados seja uma martingala. Demonstração. Suponhamos o mercado viável e completo. Para h 0, h mf N, existe uma carteira admissível tal que V N (Φ) = h. Como Φ é autofianciada temos que: (7) h S 0 N = V N(Φ) S 0 N = ṼN(Φ) = V 0 + N Φ j S j. Suponha-se que F 0 = {, Ω} e sejam P 1 e P 2 duas medidas de martingala tem-se então que para i =1, 2: j=1 E i [ṼN(Φ)] = E i [V 0 (Φ)] ( propriedades de martingala) = V 0 (Φ)( dado que F 0 = {, Ω}). Em consequência da fórmula 7 tem-se que: E 1[ h ]=E S 2[ h ]. N 0 SN 0 Como h mf N é arbitrária tem-se que P 1 P 2 sobre F N. Supondo F = F N temos o resultado anunciado Apreçamento e cobertura de direitos contingentes em mercados completos. Consideremos um mercado viável e completo denotando-se por P aúnica medida de martingala. Seja h mf N, h 0umdireito contingente. Seja Φ uma carteira admissível e réplica de h. Dado que (Ṽn(Φ)) 0 n N é P martingala tem-se que: V 0 (Φ) = E [ṼN(Φ) F 0 ]=E [ṼN(Φ)] = E [ h ]. SN 0 Mais geralmente, para n = 0, 1,..., N tem-se que: V n (Φ) = Ṽn(Φ) Sn 0 = Sn 0 E [ h F SN 0 n ], isto é: [ ] h (8) n {0,...,N} V n (Φ) = Sn 0 E F SN 0 n. Pode pois afirmar-se que o valor de uma carteira réplica de h é completamente determinado por h épois natural que num mercado viável e completo o preço livre de arbitragem de um direito contingente h seja dado pela fórmula 8. Com efeito V n (Φ) éariqueza necessária à data n para replicar h à data N seguindo a estratégia admissível Φ.

15 MODELOS FINITOS PARA MERCADOS FINANCEIROS 15 Se à data zero o investidor vender o direito contingente por E [h/s 0 N ]eseguir reconstituindo a carteira Φ, pode gerar o valor h à data N. Estápor isso perfeitamente coberto (hedged). Exemplo 3. Considere um mercado com dois activos um com risco e o outro sem risco e tal que N =1. Considere um direito contingente h sobre o activo com risco eφuma carteira réplica de h. O quadro seguinte demonstra que se o preço à data zero do direito contingente não for exactamente V 0 (Φ), então existe no mercado uma oportunidade de arbitragem. Suponha, por exemplo, que Π(0,h) opreço de h à data zero verifica Π(0,h) <V 0 (Φ). Data 0 Data 1 Posição short V 0 (Φ) V N (Φ) = h Posição long Π(0,h) Π(0,h)= h Total no Activo sem risco V 0 (Φ) Π(0,h) (V 0 (Φ) Π(0,h))(1 + R) > 0 2. O modelo de Cox Ross Rubinstein No enquadramento definido até agora consideramos: a existência de apenas um activo com risco i.e. d =1; denotamos o preço do activo com risco por (S n ) 0 n N. a dinâmica do activo sem risco é dada por: n {0,...,N} Sn 0 =(1+r) n, com r R +. a dinâmica do activo com risco é dada por S 0 R + e (9) S n+1 = para 1 <a<b. { S n (1 + a) S n (1 + b) Exercício 1 (Uma concretização).. (1) Represente graficamente (para N =3)a árvore de evolução dos preços do activo com risco e mostre que pode identicar Ω oconjunto dos estados do mundo com {(1 + a), (1 + b)} N. (2) Verifique que: ω =(y 1,...y N ) Ω i {0,...,N 1} y i+1 = S i+1 (ω). S i Consideramos ainda como hipóteses: F 0 = {, Ω} n {1,...,N} F n := σ(s 1,...,S n ). F = P(Ω) A probabilidade inicial sobre Ω está definida a menos de equivalência, i.e.: ω Ω P[{ω}] > 0.

16 16 MANUEL L. ESQUÍVEL Definição 12. Seja, por definição, para cada n =1,...,N T n := S n S n 1 Exercício 2. (1) Mostre que L(T 1,...,T N ) P i.e. que a lei do N-uplo de variáveis aleatórias (T 1,...,T N ) é, exactamente, P. (2) Mostre que n {1,...,N} F n = σ(t 1,...,T n ) Exercício 3. Mostre que se o processo dos preços descontados ( S n ) 0 n N é P martingala então: n {0,...,N 1} E[T n+1 F n ]=1+r. Exercício 4. Mostre que se o mercado for livre de arbitragem então, r ]a, b[. Exercício 5. Mostre que se a condição r ]a, b[ não for satisfeita então há oportunidades de arbitragem. Exercício 6. Suponha-se que r ]a, b[ e seja: p := b r b a. (1) Mostre são equivalentes (a) ( S n ) 0 n N é P martingala (b) (T n ) 1 n N é uma sucessão iid e P[T 1 =1+a] =p =1 P[T 1 =1+b] (2) Conclua que, sob a hipótese feita acima (r ]a, b[) omercado é livre de arbitragem e completo. Exercício 7. Seja C n (respectivamente P n )opreço à data n de uma Call (respectivamente Put) Option europeia sobre o activo com risco com preço de exercício K e data de maturidade N. (1) Mostre a relação de paridade Call-Put: C n P n = S n K(1 + r) (N n). (2) Mostre que C n = c(n, S n ) onde: c(n, x) =(1+r) (N n) ( N n (N n)! (N n j)!j! pj (1 p) ( N n j x(1 + a) j (1 + b) N n j K ) ) + j= Questão de desenvolvimento. Suponha-se no contexto de um mercado a um período (N = 1), num espaço de probabilidade com uma infinidade numerável de estados do mundo e com uma infinidade de activos d =+ Seja Ω = {1, 2,...,}, F 0 = {, Ω} e F 1 = F a σ-álgebra gerada pelos subconjuntos finitos de Ω. Seja a probabilidade P definida sobre (Ω, F) por: k Ω P[{k}] =2 k..

17 MODELOS FINITOS PARA MERCADOS FINANCEIROS 17 Seja para cada activo i {1, 2,...,} a sucessão dos preços Sn, i para n =0, 1 definida pela diferença: 1 ω = i (S1 i S0)(ω) i = 1 ω = i +1 0 i ω i +1 Exercício 8. (1) Suponha que B 0 = B 1 =1. Mostre que para uma carteira Φ= (φ i ) i {1,2,...,} que verifique a condição + i=1 φ i < + o valor da carteira V 1 (Φ), à data 1, pode ser dado por: V 1 (Φ) = φ i=1 φ i S i 1 = V 0 (Φ) + + i=1 φ i (S i 1 S i 0), se for V 0 (Φ) = φ i=1 φ i. (2) Suponha que V 0 (Φ) = 0 e que V 1 (Φ) 0. Mostre que V 1 (Φ) = 0 P quase certamente. (3) Mostre que se existir uma medida de martingala P então: E [ S1 i S0] i =0, econclua que P [{i}] =P [{i +1}]. (4) Mostre que o mercado com as características que acabou de utilizar é livre de arbitragem e exprima uma conclusão dos resultados obtidos nas alíneas anteriores. Referências [1] S. Beninga Financial Modeling, The MIT press, [2] T. Björk An introduction to Arbitrage Theory in Continuous Time, Oxford University Press, [3] R. J. Elliot, P. Ekkehard Kopp Mathematics of Financial Markets, Springer Verlag, [4] John C. Hull Options Futures and other Derivatives, fourth edition, Prentice Hall International, Inc., [5] D. Lamberton, & B. Lapeyre, Introduction to Stochastic Calculus Applied to Finance, Chapman & Hall [6] M. Musiela, & M. Rutkowski, Martingale Methods in Financial Modelling, Springer Verlag, [7] S. R. Pliska, Introduction to Mathematical Finance, Blackwell Publishers, [8] A. N. Shiryaev, Essentials of Stochastic Finance, World Scientific, 1999.

Teoria da Probabilidade e Modelos Discretos de Mercados Financeiros Edição de 7 de Fevereiro de 2017

Teoria da Probabilidade e Modelos Discretos de Mercados Financeiros Edição de 7 de Fevereiro de 2017 QUESTÕES PARA AS AVALIAÇÕES Teoria da Probabilidade e Modelos Discretos de Mercados Financeiros 2016-2017 Edição de 7 de Fevereiro de 2017 Nota Prévia Todos os exercícios enunciados nas aulas são considerados

Leia mais

Precificação de Opções

Precificação de Opções Um modelo em tempo-discreto Arthur Mendes Alves Instituto de Matemática, Estatística e Física Universidade Federal do Rio Grande 15 de dezembro de 2014 Sumário 1 Introdução Opções Arbitragem 2 Processos

Leia mais

A Matemática e as Finanças da Matemática Financeira

A Matemática e as Finanças da Matemática Financeira A Matemática e as Finanças da Matemática Financeira 1 1 Departamento de Matemática Faculdade de Ciências e Tecnologia Universidade de Coimbra Centro de Matemática da Universidade de Coimbra O que é a Matemática

Leia mais

Teoria das Desições Financeiras II p.1/22

Teoria das Desições Financeiras II p.1/22 Teoria das Desições Financeiras II José Fajardo Barbachan IBMEC Business School Rio de Janeiro Teoria das Desições Financeiras II p.1/22 Objetivo Neste curso o aluno aprenderá diversas ferramentas probabílisticas,

Leia mais

MODELOS FINITOS PARA MERCADOS FINANCEIROS. 1. Preliminares Comecemos por olhar para alguns dos objectos básicos em finanças.

MODELOS FINITOS PARA MERCADOS FINANCEIROS. 1. Preliminares Comecemos por olhar para alguns dos objectos básicos em finanças. MODELOS FINITOS PARA MERCADOS FINANCEIROS 1. Preliminares Comecemos por olhar para alguns dos objectos básicos em finanças. Securities - Produtos financeiros. Underlying financial instruments - Instrumentos

Leia mais

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos Mestrado em Finanças e Economia Empresarial EPGE - FGV Derivativos Parte 5: Apreçamento de Opções: método binomial Derivativos - Alexandre Lowenkron Pág. Fundamentos de apreçamento: vetor de preços de

Leia mais

Good Deal Bounds e o caso das opções EuroStoxx50

Good Deal Bounds e o caso das opções EuroStoxx50 Good Deal Bounds e o caso das opções EuroStoxx50 André Ribeiro Carlos Pinto Mestrado em Matemática Financeira Factor de Desconto Estocástico Os indíviduos, valorizam mais o consumo presente que o futuro.

Leia mais

Demonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso.

Demonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso. Proposição 2.39 (Propriedades de e.). Sejam µ, λ, λ 1, λ 2 medidas no espaço mensurável (X, F). Então 1. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 2. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 3. se λ 1 µ e λ

Leia mais

Derivativos - MFEE Monitoria do dia 30/11/2009 Monitor: Rafael Ferreira

Derivativos - MFEE Monitoria do dia 30/11/2009 Monitor: Rafael Ferreira Derivativos - MFEE Monitoria do dia 30//009 Monitor: Rafael Ferreira Questão Suponha que a lei de movimento de uma ação siga o movimento geométrico browniano: ds t = µs t dt + σs t dw t Você irá apreçar

Leia mais

X n em {τ = n} 0 em {τ =+ }.

X n em {τ = n} 0 em {τ =+ }. PARAGEM ÓPTIMA EM TEMPO DISCRETO MLE 1. Paragem óptima Seja (Ω, F, P) umespaço de probabilidade, F =(F n ) n N uma filtração deste espaço de probabilidade, X =(X n ) n N um processo estocástico adaptado

Leia mais

Formas da Equação de Black-Scholes

Formas da Equação de Black-Scholes Capítulo 1 Formas da Equação de Black-Scholes No essencial a equação de Black-Scholes apresenta-se sob a forma V t +1 2 σ2 2 V S 2 +rs V S rv =0 (1.1) ondev =V(S,t)éumafunçãodefinidaem(0,+ ) [0,+ )querepresenta

Leia mais

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos Mestrado em Finanças e Economia Empresarial EPGE - FGV Derivativos Parte 4: Opções 1 Introdução (Ch. 8), Payoffs e Estratégias (Ch. 10) e Propriedades dos Preços das Opções (Ch. 9) Derivativos - Alexandre

Leia mais

Matemática e Finanças: O homem que calculava e negociava

Matemática e Finanças: O homem que calculava e negociava Matemática e Finanças: O homem que calculava e negociava Max O. Souza & Jorge P. Zubelli 9 de novembro de 2006 Outline Precificação via arbitragem 1 Precificação via arbitragem 2 O modelo básico Análise

Leia mais

4. Modelos Básicos Utilizados na Avaliação de Opções Reais

4. Modelos Básicos Utilizados na Avaliação de Opções Reais 4. Modelos Básicos Utilizados na Avaliação de Opções Reais 4. Modelos Básicos Utilizados na Avaliação de Opções Reais Os métodos de avaliação de opções reais devem ter, em primeiro lugar, a capacidade

Leia mais

Sumário. 2 Índice Remissivo 12

Sumário. 2 Índice Remissivo 12 i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................

Leia mais

) a sucessão definida por y n

) a sucessão definida por y n aula 05 Sucessões 5.1 Sucessões Uma sucessão de números reais é simplesmente uma função x N R. É conveniente visualizar uma sucessão como uma sequência infinita: (x(), x(), x(), ). Neste contexto é usual

Leia mais

Produtos de potências racionais. números primos.

Produtos de potências racionais. números primos. MATEMÁTICA UNIVERSITÁRIA n o 4 Dezembro/2006 pp. 23 3 Produtos de potências racionais de números primos Mário B. Matos e Mário C. Matos INTRODUÇÃO Um dos conceitos mais simples é o de número natural e

Leia mais

Objetivos. em termos de produtos internos de vetores.

Objetivos. em termos de produtos internos de vetores. Aula 5 Produto interno - Aplicações MÓDULO 1 - AULA 5 Objetivos Calcular áreas de paralelogramos e triângulos. Calcular a distância de um ponto a uma reta e entre duas retas. Determinar as bissetrizes

Leia mais

1 C alculo Estoc astico

1 C alculo Estoc astico Cálculo Estocástico 1 1 Cálculo Estocástico Bibliografia: 1 Cálculo Estocástico Bibliografia: Mikosch, Thomas; 1 Cálculo Estocástico Bibliografia: Mikosch, Thomas; Elementary Sthocastic Calculus, with

Leia mais

OPÇÕES FINANCEIRAS - Exame (resolução)

OPÇÕES FINANCEIRAS - Exame (resolução) OPÇÕES FINANCEIRAS - Exame (resolução) 18/4/25 1. (a) Integrando ambos os membros entre [,t]: X t = t + Z t W 2 s dw s. Aplicando valores esperados a ambos os membros, E (X t F )=t, visto que R t W 2 s

Leia mais

2.1 Sucessões. Convergência de sucessões

2.1 Sucessões. Convergência de sucessões Capítulo 2 Sucessões reais Inicia-se o capítulo introduzindo os conceitos de sucessão limitada, sucessão monótona, sucessão convergente e relacionando estes conceitos entre si. A análise da convergência

Leia mais

Introduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;

Introduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita; META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar

Leia mais

4 Modelo de Black-Derman-Toy

4 Modelo de Black-Derman-Toy 31 4 Modelo de Black-Derman-Toy O modelo de estrutura a termo desenvolvido em 1990 por Fischer Black, Emanuel Derman e William Toy é um modelo de não-arbitragem unifatorial, isto é, os preços dos títulos

Leia mais

ALGA I. Representação matricial das aplicações lineares

ALGA I. Representação matricial das aplicações lineares Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e

Leia mais

Matemática no Mundo Moderno

Matemática no Mundo Moderno Aplicações da Matemática no Mundo Moderno Escola Secundária Fernão Mendes Pinto 21 de Abril de 1999 Manuel L. Esquível 1 MATEMÁTICA Observações Preliminares Objecto de estudo: ideias (não objectos reais)

Leia mais

Construção dos Números Reais

Construção dos Números Reais 1 Universidade de Brasília Departamento de Matemática Construção dos Números Reais Célio W. Manzi Alvarenga Sumário 1 Seqüências de números racionais 1 2 Pares de Cauchy 2 3 Um problema 4 4 Comparação

Leia mais

Mercados e Investimentos Financeiros. Cesaltina Pacheco Pires

Mercados e Investimentos Financeiros. Cesaltina Pacheco Pires Mercados e Investimentos Financeiros Cesaltina Pacheco Pires Índice geral Prefácio ix 1 Introdução 1 1.1 Activos reais e activos nanceiros........................ 1 1.2 Escolha intertemporal e taxa de

Leia mais

Teoria da Medida e Integração (MAT505)

Teoria da Medida e Integração (MAT505) Transporte de medidas Teoria da Medida e Integração (MAT505) Transporte de medidas e medidas invariantes. Teorema de Recorrência de Poincaré V. Araújo Instituto de Matemática, Universidade Federal da Bahia

Leia mais

Análise Matemática III - Turma especial

Análise Matemática III - Turma especial Análise Matemática III - Turma especial Fichas 1 a 5 - Solução parcial 1.3 Seja D E k um conjunto fechado. Uma transformação T : D D diz-se uma contracção se existe c < 1 tal que para todos os x, y D se

Leia mais

1 Pay Back 2 Pay Back O período de recuperação é um critério de avaliação de projecto que atende apenas ao período de tempo que o projecto leva a recuperar o capital investido. Qualquer projecto de investimento

Leia mais

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Curso de Derivativos. Alexandre Lowenkron.

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Curso de Derivativos. Alexandre Lowenkron. Mestrado em Finanças e Economia Empresarial EPGE - FGV Curso de Derivativos Alexandre Lowenkron alexandrelowenkron@bancobbm.com.br Derivativos - Alexandre Lowenkron Pág. 1 Bibliografia Principal: Hull,

Leia mais

Universidade Federal do Rio Grande do Sul Faculdade de Ciências Econômicas Programa de Pós graduação em Economia Teoria de Apreçamento de Ativos

Universidade Federal do Rio Grande do Sul Faculdade de Ciências Econômicas Programa de Pós graduação em Economia Teoria de Apreçamento de Ativos Universidade Federal do Rio Grande do Sul Faculdade de Ciências Econômicas Programa de Pós graduação em Economia Teoria de Apreçamento de Ativos Súmula Prof. Nelson S. dos Santos Apresentam se formalmente

Leia mais

Convergência em espaços normados

Convergência em espaços normados Chapter 1 Convergência em espaços normados Neste capítulo vamos abordar diferentes tipos de convergência em espaços normados. Já sabemos da análise matemática e não só, de diferentes tipos de convergência

Leia mais

As leis dos grandes números

As leis dos grandes números 6. Introdução este capítulo estudamos algumas formulações da lei dos grandes números. Uma lei dos grandes números dá o comportamento limite, ou assimptótico, de uma média de observações aleatórias., de

Leia mais

J. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial

J. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial 178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que

Leia mais

4.1. ESPERANÇA x =, x=1

4.1. ESPERANÇA x =, x=1 4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor

Leia mais

Aulas práticas de Álgebra Linear

Aulas práticas de Álgebra Linear Ficha 3 Aulas práticas de Álgebra Linear Licenciatura em Engenharia Naval e Oceânica Mestrado Integrado em Engenharia Mecânica 1 o semestre 2018/19 Jorge Almeida e Lina Oliveira Departamento de Matemática,

Leia mais

Probabilidades objetivas versus probabilidades Risk-neutral

Probabilidades objetivas versus probabilidades Risk-neutral GV INVEST 04 Probabilidades objetivas versus probabilidades Risk-neutral Para evitar arbitragem, os preços dos derivativos têm que ser calculados via probabilidades que pertencem a um espaço de probabilidade

Leia mais

Códigos perfeitos e sistemas de Steiner

Códigos perfeitos e sistemas de Steiner CAPÍTULO 7 Códigos perfeitos e sistemas de Steiner Sistemas de Steiner são um caso particular de configurações (ou designs. Neste capítulo pretende-se apenas fazer uma breve introdução aos sistemas de

Leia mais

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7 Conteúdo 1 4 1.1- Áreas............................. 4 1.2 Primeiras definições...................... 6 1.3 - Uma questão importante.................. 7 1 EDA Aula 1 Objetivos Apresentar as equações diferenciais

Leia mais

A estacionariedade prova-se de maneira semel- hante.

A estacionariedade prova-se de maneira semel- hante. Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U 1 + + U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m+1 + + U n. Tome-se quaisquer n 1

Leia mais

Parte II. Análise funcional II

Parte II. Análise funcional II Parte II Análise funcional II 12 Capítulo 5 Produto de Operadores. Operadores inversos Neste capítulo vamos introduzir a noção de produto de operadores assim como a de operador invertível. Para tal precisamos

Leia mais

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Módulo 9 ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Contents 9.1 Operadores auto-adjuntos (simétricos e hermitianos) 136 9. Teorema espectral para operadores auto-adjuntos...........

Leia mais

Cap. 5 Estabilidade de Lyapunov

Cap. 5 Estabilidade de Lyapunov Cap. 5 Estabilidade de Lyapunov 1 Motivação Considere as equações diferenciais que modelam o oscilador harmônico sem amortecimento e sem força aplicada, dada por: M z + Kz = 0 Escolhendo-se x 1 = z e x

Leia mais

Aula 5 Equações paramétricas de retas e planos

Aula 5 Equações paramétricas de retas e planos Aula 5 Equações paramétricas de retas e planos MÓDULO 1 - AULA 5 Objetivo Estabelecer as equações paramétricas de retas e planos no espaço usando dados diversos. Na Aula 3, do Módulo 1, vimos como determinar

Leia mais

Exercício Programa - MAP2310. Prof. Pedro Peixoto. Entrega 28/09/14

Exercício Programa - MAP2310. Prof. Pedro Peixoto. Entrega 28/09/14 Precificação de Opções no Mercado Financeiro Exercício Programa - MAP2310 Prof. Pedro Peixoto Entrega 28/09/14 1 Precificação de Opções Uma opção é um contrato que dá o direito, mas não a obrigação, a

Leia mais

EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS

EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS PEDRO ALADAR TONELLI 1. Introdução Nosso objetivo é apresentar de uma forma simples o procedimento para achar soluções de uma equação relacional fuzzy para

Leia mais

COMO DETERMINAR O PREÇO DE UMA

COMO DETERMINAR O PREÇO DE UMA COMO DETERMINAR O PREÇO DE UMA Modelo Cox-Ross Rubinstein Árvore recombinante de 3 passos Autores: Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas graduado pela EAESP/FGV. É Sócio-Diretor

Leia mais

Análise de Regressão Linear Simples e

Análise de Regressão Linear Simples e Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável

Leia mais

Opções Reais: Uma alternativa para avaliação de investimentos em condições de risco

Opções Reais: Uma alternativa para avaliação de investimentos em condições de risco www.iem.efei.br/edson Opções Reais: Uma alternativa para avaliação de investimentos em condições de risco Prof. Edson de Oliveira Pamplona http://www.iem.efei.br/edson 2005 Por quê Opções Reais? Por quê

Leia mais

A forma canônica de Jordan

A forma canônica de Jordan A forma canônica de Jordan 1 Matrizes e espaços vetoriais Definição: Sejam A e B matrizes quadradas de orden n sobre um corpo arbitrário X. Dizemos que A é semelhante a B em X (A B) se existe uma matriz

Leia mais

Probabilidade de Ruína e Processos de Lévy α-estáveis

Probabilidade de Ruína e Processos de Lévy α-estáveis Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência

Leia mais

Álgebra Linear Exercícios Resolvidos

Álgebra Linear Exercícios Resolvidos Álgebra Linear Exercícios Resolvidos Agosto de 001 Sumário 1 Exercícios Resolvidos Uma Revisão 5 Mais Exercícios Resolvidos Sobre Transformações Lineares 13 3 4 SUMA RIO Capítulo 1 Exercícios Resolvidos

Leia mais

d(t x, Ty) = d(x, y), x, y X.

d(t x, Ty) = d(x, y), x, y X. Capítulo 6 Espaços duais 6.1 Preliminares A análise funcional foi nos seus primórdios o estudo de funcionais. Assim, nos dias de hoje um princípio fundamental da análise funcional é a investigação de espaços

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade

UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA Medida e Probabilidade Aluno: Daniel Cassimiro Carneiro da Cunha Professor: Andre Toom 1 Resumo Este trabalho contem um resumo dos principais

Leia mais

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda

Leia mais

1.3 Conjuntos de medida nula

1.3 Conjuntos de medida nula 1.3 Conjuntos de medida nula Seja (X, F, µ) um espaço de medida. Um subconjunto A X é um conjunto de medida nula se existir B F tal que A B e µ(b) = 0. Do ponto de vista da teoria da medida, os conjuntos

Leia mais

MAC Aula 7. Walter Mascarenhas 13/04/2011

MAC Aula 7. Walter Mascarenhas 13/04/2011 MAC 5796. Aula 7 Walter Mascarenhas 13/04/011 Resumo Resolução da lista de exercícios 1 Resolução da lista de exercícios 3 4 A figura fundamental do cálculo f (x + δ) o ( δ ) δ f (x) + f (x)δ + 1 f (x)δ

Leia mais

Matemática I. 1 Propriedades dos números reais

Matemática I. 1 Propriedades dos números reais Matemática I 1 Propriedades dos números reais O conjunto R dos números reais satisfaz algumas propriedades fundamentais: dados quaisquer x, y R, estão definidos a soma x + y e produto xy e tem-se 1 x +

Leia mais

Sejam A o conjunto de todos os seres humanos e B o conjunto de todos os livros. Consideremos

Sejam A o conjunto de todos os seres humanos e B o conjunto de todos os livros. Consideremos Correspondências e funções O principal problema da combinatória enumerativa é saber quantos elementos tem um dado conjunto finito. Além disso, dedica-se a encontrar procedimentos e estratégias para a forma

Leia mais

Risco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol.

Risco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Risco Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Definição: A probabilidade de um resultado (de uma lotaria) é a possibilidade

Leia mais

Aula 10 Produto interno, vetorial e misto -

Aula 10 Produto interno, vetorial e misto - MÓDULO 2 - AULA 10 Aula 10 Produto interno, vetorial e misto - Aplicações II Objetivos Estudar as posições relativas entre retas no espaço. Obter as expressões para calcular distância entre retas. Continuando

Leia mais

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos. Parte 9: Gregas e Delta Hedging

Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos. Parte 9: Gregas e Delta Hedging Mestrado em Finanças e Economia Empresarial EPGE - FGV Derivativos Parte 9: Gregas e Delta Hedging Derivativos - Alexandre Lowenkron Pág. 1 Fórmula de Black-Scholes Fórmula de Black-Scholes da Call Européia

Leia mais

Estabilidade de sistemas de controle lineares invariantes no tempo

Estabilidade de sistemas de controle lineares invariantes no tempo 2 Estabilidade de sistemas de controle lineares invariantes no tempo 2.1 Introdução Neste capítulo, vamos definir alguns conceitos relacionados à estabilidade de sistemas lineares invariantes no tempo.

Leia mais

Cap. 8 - Variáveis Aleatórias

Cap. 8 - Variáveis Aleatórias Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON

Leia mais

Lista de Exercícios 2. Exercício 1*: Considere as informações sobre um projeto de minério contidas na tabela abaixo.

Lista de Exercícios 2. Exercício 1*: Considere as informações sobre um projeto de minério contidas na tabela abaixo. FGV-MFEE Prof. Edson Gonçalves Avaliação de Empresas Monitor: Diogo Saraiva Lista de Exercícios 2 Os exercícios marcados com * deverão ser entregues e terão participação na nota final. Exercício 1*: Considere

Leia mais

Espaços vectoriais reais

Espaços vectoriais reais ALGA - 00/0 - Espaços Vectoriais 49 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o conjunto das

Leia mais

III Números reais - módulo e raízes Módulo ou valor absoluto Definição e exemplos... 17

III Números reais - módulo e raízes Módulo ou valor absoluto Definição e exemplos... 17 UFF/GMA - Matemática Básica I - Parte III Notas de aula - Marlene - 010-16 Sumário III Números reais - módulo e raízes 17 3.1 Módulo valor absoluto...................................... 17 3.1.1 Definição

Leia mais

Seja f um endomorfismo de um espaço vectorial E de dimensão finita.

Seja f um endomorfismo de um espaço vectorial E de dimensão finita. 6. Valores e Vectores Próprios 6.1 Definição, exemplos e propriedades Definição Seja f um endomorfismo de um espaço vectorial E, com E de dimensão finita, e seja B uma base arbitrária de E. Chamamos polinómio

Leia mais

Professor João Soares 20 de Setembro de 2004

Professor João Soares 20 de Setembro de 2004 Teoria de Optimização (Mestrado em Matemática) Texto de Apoio 2A Universidade de Coimbra 57 páginas Professor João Soares 20 de Setembro de 2004 Optimização Linear Considere o problema (1) abaixo, que

Leia mais

x B A x X B B A τ x B 3 B 1 B 2

x B A x X B B A τ x B 3 B 1 B 2 1. Definição e exemplos. Bases. Dar uma topologia num conjunto X é especificar quais dos subconjuntos de X são abertos: Definição 1.1. Um espaço topológico é um par (X, τ) em que τ é uma colecção de subconjuntos

Leia mais

Teoria Ergódica (9 a aula)

Teoria Ergódica (9 a aula) Outubro 2012 Espaços de Sequências Seja (X, d 0 ) um espaço métrico compacto. B Z (X ) = X Z = { x = (x j ) j Z : x j X, j Z } B N (X ) = X N = { x = (x j ) j N : x j X, j N } B(X ) designa indiferentemente

Leia mais

correspondência entre extensões intermédias de K M e subgrupos de Gal(M, K) chama-se correspondência de Galois.

correspondência entre extensões intermédias de K M e subgrupos de Gal(M, K) chama-se correspondência de Galois. Aula 21 - Álgebra II Estamos finalmente em condições de explicar como é que a teoria de Galois permite substituir problemas sobre polinómios por um problema em princípio mais simples de teoria dos grupos.

Leia mais

UFF/GMA - Matemática Básica I - Parte III Notas de aula - Marlene

UFF/GMA - Matemática Básica I - Parte III Notas de aula - Marlene UFF/GMA - Matemática Básica I - Parte III Notas de aula - Marlene - 011-1 37 Sumário III Números reais - módulo e raízes 38 3.1 Módulo valor absoluto........................................ 38 3.1.1 Definição

Leia mais

Dalang, Morton & Willinger II

Dalang, Morton & Willinger II Dalang, Morton & Willinger II Walter Mascarenhas Instituto de Matemática e Estatística Universidade de São Paulo www.ime.usp.br/ walterfm 29/05/2012 Walter Mascarenhas (IME-USP) Dalang, Morton & Willinger

Leia mais

Álgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia

Álgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia Álgebra Linear Determinantes, Valores e Vectores Próprios Jorge Orestes Cerdeira Instituto Superior de Agronomia - 200 - ISA/UTL Álgebra Linear 200/ 2 Conteúdo Determinantes 5 2 Valores e vectores próprios

Leia mais

Curso Livre sobre Teoria do Campo. Entropia. Medidas de Gibbs

Curso Livre sobre Teoria do Campo. Entropia. Medidas de Gibbs 1. Informação e entropia 1 Centro de Matemática da Universidade do Porto Centro de Física do Porto Curso Livre sobre Teoria do Campo Aviso... Este texto é provisório e destina-se ao uso dos participantes

Leia mais

Capítulo 2. Ortogonalidade e Processo de Gram-Schmidt. Curso: Licenciatura em Matemática

Capítulo 2. Ortogonalidade e Processo de Gram-Schmidt. Curso: Licenciatura em Matemática Capítulo 2 Ortogonalidade e Processo de Gram-Schmidt Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves de Melo Disciplina: Álgebra Linear II Unidade II Aula

Leia mais

1 Introdução à Combinatória Enumerativa: O Princípio de Inclusão-Exclusão

1 Introdução à Combinatória Enumerativa: O Princípio de Inclusão-Exclusão 1 Introdução à Combinatória Enumerativa: O Princípio de Inclusão-Exclusão Dados conuntos finitos X, Y tem-se X Y = X + Y X Y Do mesmo modo X Y Z = X + Y + Z X Y X Z Y Z + X Y Z uma vez que os elementos

Leia mais

Fabio Augusto Camargo

Fabio Augusto Camargo Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Matemática Introdução à Topologia Autor: Fabio Augusto Camargo Orientador: Prof. Dr. Márcio de Jesus Soares

Leia mais

Optimização Financeira (Estimação da Função de Densidade de Probabilidade de Risco Neutro para Preços de Opções)

Optimização Financeira (Estimação da Função de Densidade de Probabilidade de Risco Neutro para Preços de Opções) Optimização Financeira (Estimação da Função de Densidade de Probabilidade de Risco Neutro para Preços de Opções) Ana Margarida Monteiro (Univ. Coimbra) Reha H. Tütüncü (Carnegie Mellon Univ.) Luís Nunes

Leia mais

Sistemas de Equações Lineares

Sistemas de Equações Lineares Capítulo 2 Sistemas de Equações Lineares 21 Generalidades Chamamos equação linear nas variáveis (incógnitas) x 1, x 2, x 3,, x n uma igualdade da forma a a 1 x 1 + a 2 x 2 + a 3 x 3 + + a n x n = b Os

Leia mais

Apreçamento de Opções

Apreçamento de Opções Apreçamento de Opções Introdução ao Mercado de Opções Aula 29 Instituto Educacional BM&FBOVESPA Prof. Paulo Lamosa Berger 06/06/2016 Confidencial Restrita Confidencial x Uso Interno Público 1 Índice Black-Scholes

Leia mais

g(s, X n s )ds + t f (s, X s ) 2 ds <, P-q.s. t f (s, X s )db s, t 0.

g(s, X n s )ds + t f (s, X s ) 2 ds <, P-q.s. t f (s, X s )db s, t 0. CHAPTER 3. INTEGRAIS ESTOCÁSTICOS 88 2. Quais são as propriedades destas soluções? 3. Como podemos resolver uma dada equação? O método usual para provar a existência de uma solução da equação diferencial

Leia mais

EXEMPLOS Resolva as equações em : 1) Temos uma equação completa onde a =3, b = -4 e c = 1. Se utilizarmos a fórmula famosa, teremos:

EXEMPLOS Resolva as equações em : 1) Temos uma equação completa onde a =3, b = -4 e c = 1. Se utilizarmos a fórmula famosa, teremos: EQUAÇÃO DE SEGUNDO GRAU INTRODUÇÃO Equação é uma igualdade onde há algum elemento desconhecido Como exemplo, podemos escrever Esta igualdade é uma equação já conhecida por você, pois é de primeiro grau

Leia mais

Fundamentos de Estatística

Fundamentos de Estatística Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro

Leia mais

Cálculo Diferencial e Integral I

Cálculo Diferencial e Integral I Cálculo Diferencial e Integral I Complementos ao texto de apoio às aulas. Amélia Bastos, António Bravo Julho 24 Introdução O texto apresentado tem por objectivo ser um complemento ao texto de apoio ao

Leia mais

Aula 20 - Álgebra II. Como os corpos de decomposição de um polinómio, como vimos, são isomorfos

Aula 20 - Álgebra II. Como os corpos de decomposição de um polinómio, como vimos, são isomorfos Do trabalho de Vandermonde (1735-96), Lagrange (1736-1813), Gauss (1777-1855), Ruffini (1765-1822), Abel (1802-29) e, principalmente, de Galois (1811-32), sobre a existência de fórmulas resolventes de

Leia mais

Curso Satélite de. Matemática. Sessão n.º 1. Universidade Portucalense

Curso Satélite de. Matemática. Sessão n.º 1. Universidade Portucalense Curso Satélite de Matemática Sessão n.º 1 Universidade Portucalense Conceitos Algébricos Propriedades das operações de números reais Considerem-se três números reais quaisquer, a, b e c. 1. A adição de

Leia mais

Aula 1. Wilson Correa. June 27, 2017

Aula 1. Wilson Correa. June 27, 2017 Aula 1 Definições Básicas Wilson Correa June 27, 2017 Série de Tempo Definição Uma série de tempo é qualquer conjunto de observações ordenadas no tempo. Podem ser: Discretas. Ex: Valores Diários de Poluição,

Leia mais

Planos e hiperplanos reais e complexos. Contents. 4 Um problema sobre comportamento das retas complexas. 6

Planos e hiperplanos reais e complexos. Contents. 4 Um problema sobre comportamento das retas complexas. 6 Bol. Soc. Paran. Mat. (3s.) v. 2 /2 (2003): 8. c SPM Planos e hiperplanos reais e complexos Ludmila Bourchtein abstract: The study of the structure of n-dimensional complex space C n and the different

Leia mais

Análise I Solução da 1ª Lista de Exercícios

Análise I Solução da 1ª Lista de Exercícios FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Matemática Análise I 0- Solução da ª Lista de Eercícios. ATENÇÃO: O enunciado

Leia mais

3 3. Variáveis Aleatórias

3 3. Variáveis Aleatórias ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50

Leia mais

a = bq + r e 0 r < b.

a = bq + r e 0 r < b. 1 Aritmética dos Inteiros 1.1 Lema da Divisão e o Algoritmo de Euclides Recorde-se que a, o módulo ou valor absoluto de a, designa a se a N a = a se a / N Dados a, b, c Z denotamos por a b : a divide b

Leia mais

Continuidade de processos gaussianos

Continuidade de processos gaussianos Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção

Leia mais

IND Análise de Investimentos com Opções Reais

IND Análise de Investimentos com Opções Reais IND 2072 - Análise de Investimentos com Opções Reais PROVA 1 o Semestre de 2006-11/07/2006 Parte I: Demonstração (5 pontos). Seja V o valor do projeto que segue um movimento geométrico Browniano. V tem

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade

Leia mais

Valores e vectores próprios

Valores e vectores próprios Valores e vectores próprios Álgebra Linear C (Engenharia Biológica) 0 de Dezembro de 006 Conteúdo Motivação e definições Propriedades 4 3 Matrizes diagonalizáveis 5 Motivação e definições Considere a matriz

Leia mais

EQUAÇÕES RECURSIVAS. A2) Equação: x n = x n 1 + n b (n > 0) Fixado o termo x 0, de ordem n = 0, a equação admite uma única n

EQUAÇÕES RECURSIVAS. A2) Equação: x n = x n 1 + n b (n > 0) Fixado o termo x 0, de ordem n = 0, a equação admite uma única n EQUAÇÕES RECURSIVAS Chama-se equação recursiva a uma relação usada para definir recursivamente uma sucessão, onde o termo de ordem n é expresso em função de termos de ordem anterior. As equações A), A1),

Leia mais

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável

Leia mais