Matematika Keuangan
M. Syamsuddin
Daftar Isi
Pendahuluan v
2 -aljabar 13
2.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Aljabar dan -aljabar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 -aljabar Borel B (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4 Ruang Probabilitas 21
4.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2 Ruang probabilitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.3 Variabel acak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.4 Integral pada ruang probabilitas . . . . . . . . . . . . . . . . . . . . . . . 25
4.5 Aproksimasi variabel acak . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.6 Kebebasan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.6.1 Kebebasan -aljabar . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.6.2 Kebabasan variabel acak . . . . . . . . . . . . . . . . . . . . . . . . 33
5 Ekspektasi Bersyarat 35
5.1 Peluang bersyarat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Ekspektasi bersyarat terhadap kejadian . . . . . . . . . . . . . . . . . . . 36
ii
DAFTAR ISI iii
6 Martingales 43
7 Teorema Radon-Nikodym 45
7.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.2 Teorema Radon-Nikodym . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.3 Eksistensi ekspektsi bersyarat . . . . . . . . . . . . . . . . . . . . . . . . . 46
8 Integral Ito 48
8.1 Symmetric random walk . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
8.1.1 Sifat-sifat dari symmetric random walk fMk g1 k=0 . . . . . . . . . . 49
8.2 Scaled symmetric random walk . . . . . . . . . . . . . . . . . . . . . . . . 49
8.2.1 Kovariansi dari Brownian motion . . . . . . . . . . . . . . . . . . . 51
8.3 Quadratic variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
8.4 Konstruksi Integral Ito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.5 Integral Ito untuk fungsi sederhana . . . . . . . . . . . . . . . . . . . . . . 54
8.6 Integral Ito untuk fungsi yang umum . . . . . . . . . . . . . . . . . . . . . 55
9 Rumus Ito 57
9.1 Rumus Ito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
9.2 Geometric Brownian motion . . . . . . . . . . . . . . . . . . . . . . . . . . 59
10 Teorema Girsanov 60
10.1 Teorema Girsanov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
10.2 Risk-Neutral measure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
12 Rumus Black-Scholes 68
12.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
12.2 Cara pertama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
12.3 Cara kedua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
12.3.1 Brownian Motion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
12.3.2 Ito’s Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
12.3.3 Geometric Brownion Motion . . . . . . . . . . . . . . . . . . . . . 71
12.3.4 Financial portfolio . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
12.3.5 Value of an option . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
12.3.6 Replicating Portfolio . . . . . . . . . . . . . . . . . . . . . . . . . . 72
12.3.7 Solusi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
12.4 Cara ketiga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
12.5 Cara keempat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
12.5.1 Cox-Ross-Rubinstein Model . . . . . . . . . . . . . . . . . . . . . . 86
iv DAFTAR ISI
13 Proses Gauss 92
13.1 De…nisi proses Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
14 Obligasi 94
14.1 Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
14.2 Pemodelan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
14.3 Model Hull-White . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Daftar Pustaka 99
Indeks 100
Pendahuluan
Catatan Kuliah ini dirancang untuk dipergunakan oleh mahasiswa tingkat sarjana maupun
pasca sarjana serta para peneliti yang akan mempelajari matematika keuangan melalui
teori peluang dengan konsep ukuran. Karena itu pembicaraan konsep ukuran (mea-
sure) akan dipakai sebagai materi pembuka. Pembahasan akan dimulai dengan konsep
-aljabar dan secara berturut-turut akan dilanjutkan dengan pembahasan tentang fungsi
terukur, variabel acak (random variable), integral, ekspektasi bersyarat (conditional ex-
pectation) dan martingales.
Yang paling utama sebagai titik tolak dalam pembahasan teori peluang adalah pen-
de…nisian integral Z
X dP (1)
sebagai ekspektasi dari suatu variabel acak X: Untuk itu mula-mula akan dikonstruksi
integral Lebesque. Setelah itu melalui cara pekonstruksian yang serupa akan dilanjutkan
dengan pende…nisian integral di ruang probabilitas.
Sekalipun materi yang akan dicakup pada Catatan ini disesuaikan dengan kebutuhan
seseorang yang akan mempelajari matematika keuangan pada tingkat lanjut, namun
Catatan ini dapat pula digunakan oleh seseorang yang akan mempelajari teori pelu-
ang melalui konsep ukuran untuk keperluan lain. Prasyarat yang diperlukan seseorang
yang akan mempelajari Catatan ini adalah penguasaan teori peluang yang setara dengan
materi di buku Hogg & Craig [5].
Contoh-contoh soal yang akan dipergunakan untuk membantu pemahaman teori
peluang akan disesuaikan dengan permasalahan sederhana yang ada di dalam matem-
atika keuangan. Pada banyak kesempatan akan disajikan contoh dari hasil eksperimen
Bernoulli yang berupa pelantunan sebuah koin untuk pemodelan dinamika pergerakan
harga saham. Model demikian akan diberi nama model Binomial untuk penentuan harga
saham dan akan dibahas pada kesempatan pertama.
v
Kuliah ke 1
P (M ) = p: (1.1)
Sedangkan bila pelantunan koin menghasilkan belakang (B) maka harga saham akan
turun dengan faktor b dan dengan peluang
P (B) = 1 p (1.2)
= q: (1.3)
Bila harga saham mula-mula dimisalkan sebesar S0 maka sebagai hasil dari pelantunan
koin yang pertama, harga saham pada akhir periode pertama adalah
S1 (M ) = aS0 (1.4)
S1 (B) = bS0 :
1
2 Kuliah ke 1. Model Binomial untuk Harga Saham
Di lain pihak, pada pasar uang berlaku suku bunga deposito bank per periode sebesar
r dan diasumsikan akan berlaku hubungan berikut
Bila persyaratan ini dipenuhi maka seseorang akan mempunyai dua pilihan untuk inves-
tasi, yaitu tabungan dalam bentuk deposito di bank atau pembelian saham. Bila kondisi
(1:5) tidak dipenuhi, misalnya
b > 1 + r; (1.6)
maka orang tidak akan pernah menabung di bank. Penjelasannya adalah sebagai berikut.
Bila (1:6) dipenuhi maka lebih baik seseorang membeli saham karena dipastikan keun-
tungan yang akan diperolehnya selalu lebih besar dari pada keuntungan dari tabungan
di bank sekalipun saham sedang dalam kondisi terburuk. Hal ini diperlihatkan oleh
prosentase perubahan harga saham bila saham berada di keadaan terburuk
S1 (B) S0 bS0 S0
= (1.7)
S0 S0
S0 (b 1)
= (1.8)
S0
= b 1 > r: (1.9)
Hasil (1:9) memperlihatkan bahwa prosentase perubahan dari harga saham selalu lebih
besar dari prosentase perubahan dari nilai tabungan di bank sekalipun sedang berada
dalam keadaan terburuk.
Demikian pula bila
1+r >a (1.10)
maka orang tidak akan pernah membeli saham. Dalam keadaan ini lebih baik baginya
menabung di bank yang selalu akan menghasilkan keuntungan yang lebih besar sekalipun
harga saham sedang dalam kondisi terbaik. Hal ini bisa diperlihatkan oleh prosentase
perubahan harga saham berikut
S1 (M ) S0 aS0 S0
= (1.11)
S0 S0
S0 (a 1)
= (1.12)
S0
= a 1 < r: (1.13)
Hasil (1:13) memperlihatkan bahwa prosentasi perubahan harga saham selalu lebih kecil
dari prosentase perubahan nilai tabungan di bank.
Karena itu pada model untuk dinamika pergerakan harga saham perlu dipenuhi
ungkapan (1:5) sehingga orang masih mungkin mempunyai dua buah pilihan investasi
yang berupa tabungan di bank atau pemilikan saham. Bila kondisi (1:5) dilanggar maka
dua keadaan ekstrim akan terjadi, orang hanya akan menabung di bank dalam bentuk
deposito saja atau orang hanya akan memiliki saham saja.
1.1. Model untuk satu periode 3
Nilai V1 pada (1:14) akan disebut nilai intrinsik (intrinsict value) dari opsi call. Ungkapan
(1:14) dapat dinyatakan pula menjadi salah satu dari ungkapan berikut
atau
V1 = maks fS1 K; 0g : (1.16)
Nilai S1 akan tergantung pada hasil pelantunan koin yang bisa meberikan hasil M
atau B sehingga nilai V1 pun akan tergantung pada hasil tersebut. Dengan demikian
berbagai nilai V1 yang mungkin adalah
(
V1 (M ) = maks faS0 K; 0g
V1 = (1.17)
V1 (B) = maks fbS0 K; 0g
Persamaan (1:17) memperlihatkan besar dana yang menjadi hak bagi pemegang opsi call
untuk berbagai keadaan. Pada saat yang sama persamaan (1:17) merupakan kewajiban
bagi penerbit opsi call untuk menyediakan dana sebesar V1 (M ) atau V1 (B) di akhir
periode 1: Karena hal ini berupa kewajiban bagi penerbit maka ia harus mengusahakan
agar memperoleh dana sebesar itu di akhir periode 1: Cara yang akan ditempuh oleh
penerbit adalah dengan pembentukan portfolio replikasi (replicating portfolio), yaitu su-
atu protfolio yang nilainya di akhir periode akan sama persis dengan kewajiban penerbit
di akhir periode 1; yaitu V1 (M ) atau V1 (B) :
Portfolio replikasi tersebut akan dibentuk dengan cara sebagai berikut. Misalkan
pihak penerbit menjual opsi call di awal periode 1 seharga V0 (kelak akan ditentukan
nilai V0 ini). Agar penerbit mempunyai dana yang cukup untuk menutup kewajiban
1
Ada jenis opsi Eropa yang lain, yaitu opsi put Eropa (European put option) yang merupakan suatu
kontrak keuangan yang memberi hak kepada pemegang kontrak tersbut untuk mejual suatu saham pada
saat jatuh tempo T yang disebut exercise date dan dengan harga tertentu K yang disebut exercise/strike
price.
4 Kuliah ke 1. Model Binomial untuk Harga Saham
membayar dana sebesar (1:17) maka sejak awal periode 1 penerbit akan membuat suatu
portfolio keuangan yang terdiri dari saham sebanyak 0 lembar (nilai V0 dan 0 akan
ditentukan kemudian). Kepemilikan saham tersebut diambil dari penjualan call seharga
V0 . Bila dana sebesar V0 tidak mencukupi bagi penerbit opsi call untuk membeli 0 lem-
bar saham maka penerbit berhutang dengan bunga r per periode untuk mencukupinya.
Sebaliknya bila ada kelebihan dana maka sisanya ditabung dengan suku bunga r per pe-
riode. Nilai portfolio ini pada awal periode 1 adalah X0 = V0 yang berupa 0 S0 dalam
bentuk saham dan (V0 0 S0 ) dalam bentuk tabungan (atau hutang)
X0 = 0 S0 + (V0 0 S0 ) (1.18)
= V0 : (1.19)
Pada akhir periode ke 1, nilai portfolio akan menjadi X1 yang terdiri dari 0 S1 dalam
bentuk saham dan yang dalam bentuk tabungan (atau hutang) akan tumbuh menjadi
(1 + r) (V0 0 S0 )
X1 = 0 S1 + (1 + r) (V0 0 S0 ) : (1.20)
Nilai portfolio sebesar X1 di akhir periode 1 diharapkan sama dengan nilai opsi call V1
di (1:17)
X 1 = V1 : (1.21)
Jadi tugas penerbit adalah menentukan nilai V0 dan 0 agar (1:21) terpenuhi.
Namun karena nilai S1 tergantung dari hasil pelantunan koin maka nilai portfolio
X1 di (1:20) juga akan tergantung dari hasil pelantunan koin sehingga nilai X1 yang
mungkin adalah X1 (M ) dan X1 (B)
(
X1 (M ) = 0 S1 (M )+ (1 + r) (X0 0 S0 )
V1 = X 1 = (1.22)
X1 (B) = 0 S1 (B) + (1 + r) (X0 0 S0 )
(
X1 (M ) = 0 aS0
+ (1 + r) (X0 0 S0 )
= (1.23)
X1 (B) = bS
0 0 + (1 + r) (X0 0 S0 )
(
X1 (M ) = (a (1 + r)) 0 S0
+ (1 + r)X0
= (1.24)
X1 (B) = (b (1 + r)) 0 S0 + (1 + r)X0
Pemilihan 0 dan V0 yang tepat akan menghasilkan nilai portfolio X1 pada akhir pe-
riode 1 di persamaan (1:24) sama persis dengan nilai opsi call V1 pada akhir periode
1 di persamaan (1:17) agar pihak penerbit opsi call bisa memagari risiko yang muncul
berkaitan dengan kewajibannya membayar sejumlah dana di akhir periode 1: Dari kedua
persamaan di (1:22) didapat nilai 0 yang dimaksud, yaitu
X1 (M ) X1 (B) V1 (M ) V1 (B)
0 = = (1.25)
S1 (M ) S1 (B) S1 (M ) S1 (B)
X1 (M ) X1 (B)
= (1.26)
aS0 bS0
X1 (M ) X1 (B)
= : (1.27)
S0 (a b)
1.1. Model untuk satu periode 5
Bila 0 dari (1:27) disubstitusikan lagi ke persamaan pertama dari (1:24) maka akan
didapat
X1 (M ) X1 (B)
X1 (M ) = (a (1 + r)) + (1 + r)X0 (1.28)
(a b)
(a (1 + r)) (a (1 + r))
= X1 (M ) X1 (B) + (1 + r)X0 (1.29)
a b a b
atau
1 (1 + r) b a (1 + r)
X0 = X1 (M ) + X1 (B) (1.30)
1+r a b a b
1
= pX1 (M ) + qeX1 (B)]
[e (1.31)
1+r
atau
1
V0 = pV1 (M ) + qeV1 (B)]
[e (1.32)
1+r
V0 ini adalah arbitrage price untuk opsi call dengan payo¤ sebesar V1 pada akhir
periode 1. Sedangkan pe dan qe adalah risk-neutral probabilities. Persamaan (1:30) dan
(1:32) memperlihatkan bahwa expected rate of return di bawah (e p; qe) dari aset yang
berisiko seperti opsi call dan portfolio adalah r; yang tidak lain adalah rate of return
dari asset yang tidak berisiko yang berupa tabungan di bank.
Hasil menarik lainnya dapat diperoleh darii persamaan pertama di (1.22) dan (1.32)
V1 (M ) = 0 S1 (M ) + (1 + r)((V0 0 S0 ) (1.33)
= 0 (S1 (M ) (1 + r)S0 ) + (1 + r)V0 (1.34)
= 0 (S1 (M ) pV1 (M ) + qeV1 (B)] :
(1 + r)S0 ) + [e (1.35)
Agar persamaan terakhir berlaku untuk semua state ! (yaitu state M atau B), maka
persyaratan berikut harus dipenuhi
(S1 (M ) (1 + r)S0 )
qe = 0
S1 (M ) S1 (B)
1
S0 = pS1 (M ) + qeS1 (B)] :
[e (1.40)
1+r
6 Kuliah ke 1. Model Binomial untuk Harga Saham
Persamaan (1:40) memperlihatkan bahwa expected rate of return di bawah (e p; qe) dari
harga saham adalah r: Interpretasi hasil ini serupa dengan interpretasi hasil dari per-
samaan (1:32) sehingga bisa disimpulkan bahwa di bawah (e p; qe) expected return dari
seluruh aset keuangan yang berisiko adalah r dan ini sama dengan expected return dari
p; qe) disebut risk-neutral probabilities.
aset yang tidak berisiko. Karena itulah (e
Contoh 1.1 Misal S0 = 4; a = 2; b = 1=2; r = 10%: Akan ditentukan harga opsi call
yang jatuh tempo pada akhir periode 1 dan dengan strike price K = 5: Untuk itu akan
ditentukan dulu nilai S1 dan V1
(
S1 (M ) = aS0 = (2) (4) = 8
S1 = (1.41)
S1 (B) = bS0 = 21 (4) = 2
(
V1 (M ) = maks fS1 (M ) K; 0g = 3
V1 = (1.42)
V1 (B) = maks fS1 (B) K; 0g = 0
setelah itu akan dihitung p~ dan q~ dari (1:24) dan (1:66)
(1 + r) b
p~ = (1.43)
a b
(1 + 0:1) 1=2
= (1.44)
2 1=2
= 0:4 (1.45)
a
(1 + r)
q~ = (1.46)
a b
2 (1 + 0:1)
= (1.47)
2 1=2
= 0:6 (1.48)
S2 (M M ) = aS1 (M ) = a2 S0 (1.52)
S2 (M B) = bS1 (M ) = baS0 (1.53)
S2 (BM ) = aS1 (B) = abS0 (1.54)
2
S2 (BB) = bS1 (B) = b S0 : (1.55)
1.2. Model untuk dua periode 7
Pergerakan harga saham dalam dua periode ini digambarkan oleh pohon Binomial pada
Gambar 1 dengan S0 = 4; a = 2; b = 1=2
Secara formal, seluruh kemungkinan hasil eksperimen dari pelantunan sebuah koin se-
banyak dua kali akan dinyatakan dalam suatu ruang sampel
Setiap unsur dari akan dinyatakan dengan !: Variabel acak S1 dan S2 berturut-turut
akan diungkapkan dengan
(
8 bila ! 2 fM M; M Bg
S1 (!) = (1.57)
2 bila ! 2 fBM; BBg
dan
8
>
< 16 bila ! = fM M g
S2 (!) = 4 bila ! = fM B; BM g (1.58)
>
: 1 bila ! = fBBg :
Bila dide…nisikan X sebagai variabel acak yang menyatakan jumlah muka M di dalam
pelantunan sebuah koin sebanyak dua kali maka distribusi dari X adalah Binomial b(2; p)
dengan p adalah peluang muka M akan keluar dari setiap kali pelantunan koin, lihat
(1:1) : Dengan mudah bisa dipahami bahwa sekalipun X dan S2 adalah dua buah variabel
8 Kuliah ke 1. Model Binomial untuk Harga Saham
Nilai V2 ini merupakan hak bagi pemegang opsi call dan sekaligus kewajiban bagi penerbit
opsi call pada berbagai keadaan.
Agar penerbit bisa memagari dirinya dari risiko yang muncul berkaitan dengan kewa-
jibannya untuk menyediakan dana sebesar V2 di akhir periode 2 maka ia akan menyusun
portfolio replikasi. Portfolio ini disusun dari penjualan opsi call seharga V0 dan di-
alokasikan untuk pembelian saham sebanyak 0 sisanya (atau kekurangannya) ditabung
(hutang) ke bank dengan suku bunga r per periode. Jadi pada awal periode 1 nilai
protfolionya adalah
X 0 = V0 : (1.64)
Tujuan dari pembentukan portfolio ini adalah untuk mendapatkan nilai portfolio di akhir
periode 2 sebesar X2 yang sama persis dengan nilai opsi call di akhir periode 2
X 2 = V2 (1.65)
melalui pemilihan komposisi portfolio pada tiap awal periode 1 dan 2: Dengan kata lain
akan dipilih komposisi portfolio yang terdiri dari sejumlah saham dan tabungan (hutang)
di bank dengan 0 lembar saham pada awal periode 1 dan 1 lembar saham pada awal
periode 2 yang memungkinkan persamaan (1:65) terpenuhi.
Pada akhir periode 1 nilai portfolionya adalah X1 ; serupa dengan (1:22)
(
X1 (M ) = 0 S1 (M ) + (1 + r) (X0 0 S0 )
X1 = (1.66)
X1 (B) = 0 S1 (B) + (1 + r) (X0 0 S0 ) :
1.2. Model untuk dua periode 9
Posisi portfolio pada akhir periode 1 ini akan di ubah pada awal periode 2 melalui
perubahan komposisi kepemilikan saham dari semula sebanyak 0 lembar menjadi 1
lembar. Kelebihan (kekurangan) dana akan disimpan (hutang) di bank sebesar X1
1 S1 : Nilai portfolio pada akhir periode 2 akan menjadi X2
8
>
> X2 (M M ) = 1 (M )S2 (M M ) + (1 + r)fX1 (M ) 1 (M )S1 (M )g
>
< X (M B) =
2 1 (M )S2 (M B) + (1 + r)fX1 (M ) 1 (M )S1 (M )g
X2 = (1.67)
>
> X 2 (BM ) = 1 (B)S 2 (BM ) + (1 + r)fX 1 (B) 1 (B)S 1 (B)g
>
:
X2 (BB) = 1 (B)S2 (BB) + (1 + r)fX1 (B) 1 (B)S1 (B)g:
Dengan demikian telah diperoleh 6 buah persamaan yang terdiri dari (1:66) dan
(1:67) : Dari keenam persamaan ini akan dicari 6 buah nilai yang masing-masing untuk
0 ; X0 ; 1 (M ) ; 1 (B) ; X1 (M ) dan X1 (B) agar persamaan (1:65) terpenuhi.
Dari keempat persamaan di (1:67) ini akan didapat komposisi jumlah kepemilikan
saham pada awal periode 2 sebesar 1
X2 (M M ) X2 (M B)
1 (M ) = (1.68)
S2 (M M ) S2 (M B)
V2 (M M ) V2 (M B)
= (1.69)
S2 (M M ) S2 (M B)
X2 (BM ) X2 (BB)
1 (B) = (1.70)
S1 (BM ) S1 (BB)
V2 (BM ) V2 (BB)
= : (1.71)
S1 (BM ) S1 (BB)
Perubahan dari persamaan (1:68) ke persamaan (1:69) dan dari persamaan (1:70) ke
persamaan (1:71) telah mulai digunakan pembatas (1:65) sehingga nilai 1 (M ) dan
1 (B) yang diperoleh telah menjamin bahwa (1:65) terpenuhi.
Setelah 1 (M ) dan 1 (B) diperoleh maka dari keempat persamaan (1:67) ini pula
akan didapat X1 sebagai nilai portfolio pada akhir periode 1
(
1
X1 (M ) = 1+r pX2 (M M ) + qeX2 (M B)]
[e
X1 = 1 (1.72)
X1 (B) = 1+r pX2 (BM ) + qeX2 (BB)] :
[e
V0 = X 0 (1.74)
1
= pX1 (M ) + qeX1 (B)] :
[e (1.75)
1+r
Jadi penyusunan potfolio replikasi pada awal periode 1 dan disesuaikan komposisinya
pada awal periode 2 menghasilkan 6 buah persamaan, yaitu 2 buah persamaan di (1:66)
10 Kuliah ke 1. Model Binomial untuk Harga Saham
dan 4 buah persamaan di (1:67) sehingga bisa diperoleh 6 buah nilai yang masing-masing
untuk 0 ; X0 ; 1 (M ) ; 1 (B) ; X1 (M ) dan X1 (B) : Melalui pemilihan komposisi port-
folio replikasi ini akan dijamin (1:65) terpenuhi sehingga penerbit opsi call bisa memagari
dirinya dari risiko yang muncul oleh penerbitan opsi tersebut.
Dengan prosedur yang serupa dengan pembahasan sebelumnya akan diperoleh pula
1
S0 = pS1 (M ) + qeS1 (B)]
[e (1.76)
1+r
1
S1 (M ) = pS2 (M M ) + qeS2 (M B)]
[e (1.77)
1+r
1
S1 (B) = pS2 (BM ) + qeS2 (BB)] :
[e (1.78)
1+r
Seluruh hasil ini memperlihatkan bahwa aset keuangan yang berisiko atau tidak berisiko
akan menghasilkan expected return yang sama di bahwa risk-neutral world seperti kes-
impulan yang dicapai pada model untuk satu periode.
Contoh 1.2 Misal S0 = 4; a = 2; b = 1=2; r = 10%: Akan ditentukan harga opsi call
yang jatuh tempo pada akhir periode 2 dan dengan strike price K = 5: Untuk itu akan
ditentukan dulu nilai S2
S2 (M M ) = aS1 (M ) = a2 S0 = 22 4 = 16 (1.79)
1
S2 (M B) = bS1 (M ) = baS0 = 2 4=4 (1.80)
2
1
S2 (BM ) = aS1 (B) = abS0 = 2 4=4 (1.81)
2
2 1 2
S2 (BB) = bS1 (B) = b S0 = 4 = 1: (1.82)
2
dan X2 = V2 dari (1:63)
8
>
> X2 (M M ) = maks fS2 (M M ) K; 0g = maks f16 5; 0g = 11
>
< X (M B) = maks fS (M B) K; 0g = maks f4 5; 0g = 0
2 2
X 2 = V2 = (1.83)
>
> X 2 (BM ) = maks fS 2 (M B) K; 0g = maks f4 5; 0g = 0
>
:
X2 (BB) = maks fS2 (BB) K; 0g = maks f1 5; 0g = 0:
Dengan p~ = 0:4 dan q~ = 0:6 seperti yang diperoleh dari Contoh 1.1; akan didapat nilai
X1 dari (1:72)
1
X1 (M ) = pX2 (M M ) + qeX2 (M B)]
[e (1.84)
1+r
1
= (0:4 11 + 0:6 0) (1.85)
1 + 0:1
=4 (1.86)
1
X1 (B) = pX2 (BM ) + qeX2 (BB)]
[e (1.87)
1+r
1
= (0:4 0 + 0:6 0) (1.88)
1 + 0:1
= 0: (1.89)
1.3. Model untuk n periode 11
1
V0 = pX1 (M ) + qeX1 (B)]
[e (1.90)
1+r
1
= (0:4 4 + 0:6 0) (1.91)
1 + 0:1
= 1:4545: (1.92)
dengan a adalah faktor kenaikkan harga saham dan b adalah faktor penurunan harga
saham. Nilai opsi call yang jatuh tempo pada akhir periode n dan dengan exercise price
K adalah
Vn (!1 ; !2 ; ; !n ) = maks fSn (!1 ; !2 ; ; !n ) K; 0g : (1.95)
Portfolio replikasi yang akan dibentuk oleh penerbit opsi call akan memenuhi pembatas
1
Xn 1 (!1 ; !2 ; ; !n 1; M ) = [e
pXn (!1 ; !2 ; ; !n 1; M ) + qeXn (!1 ; !2 ; ; !n 1 ; B)]
1+r
(1.97)
dengan r adalah suku bunga tabungan di bank per periode sedangkan pe dan qe adalah
risk-neutral probabilities
(1 + r) b
p~ = (1.98)
b a
a (1 + r)
q~ = : (1.99)
b a
Secara rekursif dari hubungan (1:97) akhirnya akan diperoleh harga opsi call sekarang
1
V0 = X 0 = pX1 (M ) + qeX1 (B)] :
[e (1.100)
1+r
Tentu saja pemodelan pergerakan harga saham dan penentuan harga opsi dengan
cara demikian kelihatannya sangat naif. Namun ternyata pemodelan ini cukup ampuh
dan akan menghasilkan alat yang sering dipakai di dalam matematika keuangan. Model
inilah yang melatarbelakangi sebagian besar contoh soal yang akan menjelaskan teori
peluang dengan ukuran.
12 Kuliah ke 1. Model Binomial untuk Harga Saham
Untuk panjang periode yang sangat pendek t ! 0 model Binomial ini akan meng-
hasilkan rumus Black-Scholes yang semula diturunkan dari suatu persamaan diferensial
stokastik. Dengan demikian model Binomial ini dapat dipandang sebagai aproksimasi
terhadap suatu model untuk pergerakan harga saham yang diungkapkan melalui per-
samaan diferensial stokastik. Tentu saja model yang terkahir tersebut lebih canggih dari
pada model Binomial. Namun akan ditunda dulu pembicaraan ke arah sana dan sekarang
dimulai saja pembicaraan tentang ukuran dan yang pertama kali akan dibahas adalah
konsep -aljabar yang menggambarkan tentang informasi hasil eksperiman percobaan
acak.
Kuliah ke 2
-aljabar
2.1 Pendahuluan
Pada pelajaran kali ini akan dijelaskan kosep -aljabar yang akan dipergunakan sebagai
bahan bangunan bagi teori peluang. Di dalam teori peluang, -aljabar ini akan diartikan
sebagai informasi tentang hasil eksperimen acak. Setelah itu akan diperkenalkan konsep
kejadian (event), -aljabar yang dibangkitkan oleh suatu kejadian, dan -aljabar Borel
B (R) :
1. 2F
2. Bila A 2 F maka Ac 2 F
3. Bila A; B 2 F maka A [ B 2 F:
De…nisi 2.3 ( -aljabar) Misal adalah sebuah himpunan dan F adalah koleksi sub-
himpunan dari : Koleksi himpunan F disebut -aljabar pada bila F adalah aljabar
S
1
dan bila A1 ; A2 ; adalah barisan di F maka Ak 2 F:
k=1
Catatan 2.4 Sebuah aljabar mempunyai sifat yang tertutup oleh operasi himpunan yang
terhingga ( …nite) sedangkan sebuah -aljabar mempunyai sifat yang tertutup oleh operasi
himpunan yang terhitung ( countable).
13
14 Kuliah ke 2. -aljabar
De…nisi 2.5 (kejadian) Misal adalah suatu ruang sample (sample space), yaitu him-
punan dari seluruh hasil yang mungkin dari suatu eksperimen acak. Bila F adalah him-
punan kuasa dari (ditulis F = kuasa( )) maka setiap anggota dari F akan disebut
sebuah kejadian ( event).
Berikut ini akan di bahas sebuah contoh soal tentang ruang sampel dan -aljabar.
Contoh soal ini akan sering dirujuk pada berbagai pembahasan topik yang akan datang.
Contoh 2.6 Misalkan ada sebuah eksperimen acak yang berupa pelantunan sebuah koin
sebanyak dua kali. Seluruh hasil yang mungkin dari eksperimen ini akan disebut ruang
sampel ( sample space)
= fM M; M B; BM; BBg (2.1)
P (M ) = p (2.2)
P (B) = 1 p (2.3)
= q: (2.4)
F0 = f ; ?g : (2.5)
Sedangkan -aljabar yang paling kompleks yang bisa dibangun pada adalah F yang
berupa keluarga seluruh sub-himpunan dari atau disebut himpunan kuasa dari
F = kuasa ( ) (2.6)
= f ; ?; fM M g ; fM Bg ; fBM g ; fBBg ;
fM M; M Bg ; fM M; BM g ; fM M; BBg ; fM B; BM g ; fM B; BBg ; (2.7)
fBM; BBg ; fM M; M B; BM g ; fM M; M B; BBg ; fM B; BM; BBgg : (2.8)
Koleksi himpunan F ini adalah sebuah -aljabar yang berisi seluruh informasi tentang
hasil eksperimen acak dari pelantunan koin sebanyak dua kali. Setiap unsur di F akan
disebut sebagai kejadian ( event). Sebagai ilustrasi, kejadian yang menyatakan bahwa
lantunan pertama menghasilkan muka adalah
AM = fM M; M Bg (2.9)
2.2. Aljabar dan -aljabar 15
adalah suatu -aljabar yang memuat seluruh informasi tentang hasil eksperimen acak
dari pelantunan koin sebanyak satu kali. Demikian pula bisa diperlihatkan bahwa koleksi
himpunan F2 dan F3 berikut adalah sebuah -aljabar
F2 = f ; ?; fM M g ; fM Bg ; fM M; M Bg ; fBM; BBg ;
fM B; BM; BBg ; fM M; BM; BBgg
= ; ?; fM M g ; fM Bg ; AM ; AB ; fM B; BM; BBg ; fM M; BM; BBg
F3 = f ; ?; fM M g ; fBM g ; fM M; BM g ; fM B; BBg ;
fM M; M B; BBg ; fM B; BM; BBgg:
Catatan 2.7 Setiap -aljabar memuat informasi. Pada Contoh 2.6, -aljabar F1 berisi
informasi tentang hasil pelantunan koin yang pertama sedangkan F sendiri berisi infor-
masi tentang hasil pelantunan koin sampai yang kedua kali.
De…nisi 2.8 Bila F1 ; F2 ; adalah keluarga sub- -aljabar dari F dengan sifat F1 F2 F
maka keluarga tersebut dinamakan …ltrasi (…ltration).
Latihan 2.9 Dari Contoh 2.6 dapat disimpulkan bahwa F0 ; F1 ; F2 ; F adalah suatu …l-
trasi. Apakah F0 ; F1 ; F2 ; F3 ; F juga suatu …ltrasi?
De…nisi 2.10 ( (C) ; -aljabar yang dibangitkan oleh C) Misal C adalah kelas dari
sub-himpunan dari : Pengertian -aljabar yang dibangkitkan oleh C dan dinyatakan
dengan (C) adalah -aljabar terkecil pada dengan C (C) :
Contoh 2.11 Dari Contoh 2.6 dapat ditarik beberapa kesimpulan berikut
2. Tentu saja F2 bukan -aljabar yang dibangkitkan oleh C karena F2 bukan -aljabar
terkecil sekalipun C F 2
Catatan 2.13 Setiap himpunan yang merupakan unsur dari B(R) akan disebut him-
punan Borel.
Konsep -aljabar Borel B(R) kadang agak sulit dimengerti oleh seseorang. Berikut
ini ada cara lain yang bisa memudahkan untuk menggambarkan konsep -aljabar Borel.
Mula-mula diperkenalkan dulu (R) dengan
(R) = f( 1; x] : x 2 Rg (2.14)
dan bisa diperlihatkan bahwa -aljabar Borel B(R) tidak lain adalah -aljabar yang
dibangkitkan oleh (R)
B(R) = ( (R)) : (2.15)
Dari de…nisi B(R) terlihat bahwa setiap selang (a; b) dengan a; b 2 R adalah himpunan
Borel sehingga gabungan selang-selang tersebut akan merupakan himpunan Borel pula.
Hal ini disebabkan karena B(R) adalah suatu -aljabar. Sebagai contoh selang (a; 1)
dan ( 1; a) akan merupakan himpunan Borel karena
1
[
(a; 1) = (a; a + n) (2.16)
n=1
dan
1
[
( 1; a) = (a n; a) : (2.17)
n=1
Selang tutup [a; b] dengan a; b 2 R akan merupakan himpunan Borel pula karena
sehingga setiap himpunan dengan jumlah unsur terhingga dari bilangan riil adalah him-
punan Borel, yaitu bila A = fa1 ; a2 ; ; an g maka
n
[
A= fak g : (2.20)
k=1
Kuliah ke 3
3.1 Pendahuluan
Setelah diperkenalkan konsep -aljabar, akan diperkenalkan konsep ukuran dan integral.
Berturut-turut akan diperkenalkan konsep ruang terukur, ukuran, ruang ukuran, ukuran
Lebesque beserta integral Lebesque. Pembicaraan akan ditutup oleh dua buah teorema
yang sangat penting untuk integral Lebesque. Semua konsep ini akan dipergunakan di
dalam teori peluang untuk pembangunan ruang probabilitas, pende…nisian variabel acak
dan ekspektasi.
De…nisi 3.3 (fungsi himpunan yang aditif ) Misal adalah suatu himpunan dan
F adalah suatu aljabar pada serta adalah fungsi himpunan ( set function) yang
nonnegatif
: F ! (0; 1] : (3.1)
Fungsi disebut aditif ( additive) bila memenuhi sifat berikut
1. (?) = 0
De…nisi 3.4 (fungsi himpuanan aditif yang terhitung) Fungsi disebut aditif yang
terhitung ( countably additive) bila memiliki sifat-sifat berikut
1. (?) = 0
17
18 Kuliah ke 3. Ukuran dan Integral Lebesque
S
1
2. Bila A1 ; A2 ; adalah barisan di F dengan Ai \Aj = ? untuk i 6= j dan Ak 2 F
k
S
1 P
1
maka Ak = (Ak ) :
k k
De…nisi 3.5 (ukuran, ruang ukuran) Misal ( ; F) adalah suatu ruang terukur: Fungsi
yang dide…nisikan dengan
: F ! [0; 1) (3.2)
disebut ukuran (measure) pada ( ; F) bila adalah aditif yang terhitung dan ( ; F; )
akan disebut ruang ukuran (measure space).
Salah satu ukuran yang penting dan terde…nisi pada ruang terukur (R;B (R)) adalah
ukuran Lebesque.
De…nisi 3.6 (ukuran Lebesque) Misal (R;B (R)) adalah suatu ruang terukur dan A =
(a; b) 2 B (R) : Ukuran Lebesque 0 dide…nisikan dengan 0 (A) = b a:
1 1
fag a ;a + (3.3)
n n
sehingga
1 1 2
0 0 fag 0 a ;a + = : (3.4)
n n n
Bila n ! 1 maka
1 1
0 fag = lim 0 a ;a + (3.5)
n!1 n n
2
= lim (3.6)
n!1 n
= 0: (3.7)
2. Bila
A = fa1 ; a2 ; a3 ; :::g (3.8)
Dengan kata lain setiap himpunan bilangan riil dengan unsur yang terhitung maka
ukuran Lebesque-nya adalah nol.
3.3. Integral Lebesque 19
A = fx 2 R; g (x) = 1g : (3.11)
2. Misal h : R ! R adalah fungsi sederhana (simple function), yaitu fungsi yang dapat
dinyatakan sebagai kombinasi linier dari fungsi indikator
n
X
h (x) = ck gk (x) (3.13)
k=1
dengan (
1 bila x 2 Ak
gk (x) = (3.14)
0 bila x 2
= Ak
ck bilangan riil. Integral Lebesque untuk fungsi h dide…nisikan dengan
Z Z X n
hd 0 = ck gk d 0 (3.15)
R R k=1
n
X Z
= ck gk d 0 (3.16)
k=1 R
Xn
= ck 0 (Ak ) (3.17)
k=1
R
5. Misal A R, pende…nisian integral A fd 0 adalah sebagi berikut
Z Z
fd 0 = f:IA d 0 (3.22)
A R
dengan (
1 bila x 2 A
IA (x) = (3.23)
0 bila x 2
=A
R
Catatan 3.10 Bila R fd 0 < 1 maka f akan disebut sebagai fungsi yang dapat diin-
tegralkan.
Dua buah teorema yang sangat penting di dalam konsep integral Lebesque adalah
teorema monotone convergence dan dominated convergence. Teorema ini memudahkan
penghitungan integral untuk fungsi f yang umum bila ia diaproksimasi oleh barisan
fungsi fn yang sederhana dan konvergen ke f:
maka Z Z
f d 0 = lim fn d 0: (3.25)
R n!1 R
maka Z Z
f d 0 = lim fn d 0: (3.27)
R n!1 R
Kuliah ke 4
Ruang Probabilitas
4.1 Pendahuluan
Pada Kuliah kali ini akan dibangun ruang probabilitas sebagai tempat untuk pende…nisan
variabel acak. Setelah itu akan dide…nisikan integral pada ruang probabilitas yang sekali-
gus merupakan pende…nisian dari ekspektasi.E (X) : Dua buah teorema yang berlaku un-
tuk integral Lebesque akan dipergunakan disini untuk penghitungan integral (ekspektasi)
melalui aproksimasi variabel acak.
Catatan 4.2 Dengan kata lain, P adalah suatu ukuran probabilitas pada ( ; F) yang
mempunyai sifat
1. P ( ) = 1
De…nisi 4.4 (hampir pasti) Suatu kejadian A dikatakan akan terjadi hampir pasti
( almost surely) bila
P (A) = 1: (4.1)
21
22 Kuliah ke 4. Ruang Probabilitas
De…nisi 4.6 (fungsi F-terukur) Misal ( ; F) adalah suatu ruang ukuran. Suatu
fungsi f : ! R disebut F-terukur (F-measurable) bila f 1 : B(R) ! F atau f 1 (B) =
f! : f (!) 2 Bg 2 F; untuk tiap himpunan Borel B. Fungsi f ini dapat digambarkan
dengan
f
! R (4.2)
f 1
F B (R) : (4.3)
De…nisi 4.7 (variabel acak) Misal ( ; F; P ) adalah suatu ruang probabilitas. Suatu
fungsi X : ! R akan disebut sebagai variabel acak (random variabel) jika dan hanya
jika X 1 (B) = f! : X (!) 2 Bg 2 F untuk tiap himpunan Borel B:
Catatan 4.8 Ada beberapa ungkapan lain yang ekivalen untuk pende…nisian variabel
acak, yaitu
1. X : ! R adalah suatu variabel acak jika dan hanya jika X adalah F-terukur.
2. X : ! R adalah suatu variabel acak jika dan hanya jika X 1 adalah fungsi dari
B(R) ke F
X 1 : B(R) ! F: (4.4)
De…nisi 4.9 ( (X) : -aljabar dibangkitkan oleh X ) Misal X adalah suatu vari-
abel acak di ( ; F; P ) : Istilah -aljabar yang dibangkitkan oleh X (ditulis (X)) dide…n-
isikan dengan koleksi dari semua himpunan yang berbentuk f! 2: X (!) 2 Ag ; 8A R:
Dengan kata lain
(X) = X 1 (B) : B 2 B(R) : (4.5)
Catatan 4.10 (X) adalah -aljabar yang memuat seluruh informasi yang terkandung
pada X:
De…nisi 4.11 Misal X adalah suatu variabel acak di ( ; F) dan G adalah sub- -aljabar
dari F: Dikatakan X adalah G-terukur bila setiap himpunan di (X) ada pula di G:
De…nisi 4.12 Misal X adalah variabel acak diskret yang terhingga. Atom dari (X)
dide…nisikan sebagai koleksi dari himpunan
1
X (X (!)) j ! 2 (4.6)
(X) terdiri dari atom-atom beserta komplemennya dan hasil operasi himpunan
padanya.
4.3. Variabel acak 23
De…nisi 4.13 Variabel acak X disebut sederhana (simple) bila ia dapat dinyatakan den-
gan
Xm
X(!) = ai IAi (!) untuk 8ai 0 (4.7)
i=1
dengan (
1 bila ! 2 Ai
IA1 (!) = (4.8)
0 bila ! 62 Ai :
Contoh 4.14 Misal ruang sampel yang dide…nisikan pada Contoh 2.6 di halaman 14
= fM M; M B; BM; BBg: (4.9)
Misal variabel acak S1 menyatakan nilai saham pada akhir periode pertama
(
8 bila ! 2 fM M; M Bg
S1 (!) = (4.10)
2 bila ! 2 fBM; BBg
dan variabel acak S2 menyatakan nilai saham pada akhir periode kedua (lihat Kuliah ke
1) 8
>
< 16 bila ! 2 fM M g
S2 (!) = 4 bila ! 2 fM B; BM g : (4.11)
>
: 1 bila ! 2 fBBg :
Contoh 4.15 Kelanjutan Contoh 4.14. Tentukan pra-peta di bawah S2 dari selang
[3; 30] :dan [0; 1] :
Solusi
Pra-peta di bawah S2 dari selang [3; 30] dide…nisikan dengan
Pra-peta untuk selang lainnya dapat diperoleh dengan cara yang sama. Sehingga untuk
hal yang lebih umum, pra-peta di bawah S2 untuk seluruh selang buka di R adalah
Ini tidak lain adalah -aljabar yang dibangkitkan oleh S2 ; yaitu (S2 ) Kandungan in-
formasi yang ada di dalam (S2 ) sama persis dengan informasi yang didapat dengan
pengamatan terhadap S2 : Namun kandungan informasi di dalam (S2 ) tidaklah sekaya
dengan informasi yang ada di dalam F = power( ) : Di dalam F dapat dibedakan antara
kejadian fM Bg dan kejadian fBM g ; sedangkan di dalam (S2 ) tidak bisa dibedakan
antara kejadian fM Bg dan kejadian fBM g :
Solusi
A1 = fM M; M Bg (4.24)
A2 = fBM; BBg (4.25)
4.4. Integral pada ruang probabilitas 25
sehingga
Ai \ Aj = ?; untuk i 6= j (4.26)
[
Ai = : (4.27)
i
Misalkan pula
a1 = 8 (4.28)
a2 = 2 (4.29)
C1 = fM M g (4.32)
C2 = fM B; BM g (4.33)
C3 = fBBg (4.34)
sehingga
Ci \ Cj = ?; untuk i 6= j (4.35)
[
Ci = : (4.36)
i
Misalkan pula
c1 = 16 (4.37)
c2 = 4 (4.38)
c3 = 1 (4.39)
1. Misal X adalah suatu variabel acak diskret yang berupa fungsi indikator, yaitu
X (!) = IA (!) (4.42)
(
1 bila ! 2 A
= (4.43)
0 bila ! 2
=A
R
untuk A 2 F: Integral X dP akan dide…nisikan dengan
Z
E (X) = X dP = P (A) : (4.44)
2. Misal X suatu variabel acak diskret yang berupa suatu fungsi sederhana, yaitu
n
X
X (!) = ck IAk (!) : (4.45)
k=1
R
dengan ck adalah bilangan riil dan Ak 2 F: Integral X dP akan dide…nisikan
dengan
Z
E (X) = X dP (4.46)
Z X
n
= ck IAk (!) dP (4.47)
k=1
n
X Z
= ck IAk (!) dP (4.48)
k=1
Xn
= ck P (Ak ) : (4.49)
k=1
R
3. Misal X 0 adalah variabel acak. Integral X dP akan dide…nisikan dengan
Z
E (X) = X dP (4.50)
Z
= sup Y dP : Y sederhana dan Y (!) X (!) ; a:s: 8! 2 :
(4.51)
R
5. Untuk A 2 F dan X adalah suatu variabel acak, integral AX dP akan dide…n-
isikan dengan
Z
E (X:IA ) = X dP (4.56)
ZA
= X:IA dP (4.57)
dengan (
1 bila ! 2 A
IA (!) = (4.58)
0 bila ! 62 A
Ekspektasi E (X:IA ) dapat dipandang sebagai rata-rata parsial ( partial average)
dari X terhadap himpunan A:
Sifat barisan yang demikian memenuhi persyaratan yang dituntut oleh Teorema 4.18
maupun Teorema 4.19 sehingga dapat diperoleh hasil berikut
Z Z
X dP = lim Xn dP: (4.65)
n!1
28 Kuliah ke 4. Ruang Probabilitas
R
Jadi prosedur penghitungan integral X dP untuk X yang bersifat umum akan lebih
R
mudah dilakukan melalui penghitungan integral Xn dP untuk Xn yang sederhana
kemudian diambil limitnya Dengan kata lain untuk setiap variabel acak X selalu dapat
dikonstruksi integral
Z
X dP (4.66)
n:2 n
X i
Xn = I n X < (i+1)=2n ) : (4.67)
2n (i=2
i=0
Dari (4:67) dapat diperlihatkan bahwa aproksimasi tersebut menghasilkan barisan vari-
abel acak diskret X1 ; X2 ; X3 ; dengan sifat
Bahkan bila variabel acak X (!) terbatas nilainya untuk tiap ! 2 maka bisa diperoleh
n
jX (!) Xn (!)j 2 a:s 8! 2 : (4.70)
Dengan demikian sifat barisan variabel acak diskret X1 ; X2 ; X3 ; ini telah memenuhi
persyaratan yang dikehendaki Teorema 4.18 atau Teorema 4.19.
Distribusi dari Xn dapat dikarakterisasikan oleh hasil berikut
i i i+1
P Xn = =P < X < n ; i = 0; 1; 2; ; n:2n (4.72)
2n 2n 2
i i+1
= P ! 2 : n < X (!) < n ; i = 0; 1; 2; ; n:2n (4.73)
2 2
= iP (!) ; i = 0; 1; 2; ; n:2n : (4.74)
4.5. Aproksimasi variabel acak 29
dengan
i i+1
iP (!) = P !2 : n
< X (!) < n ; i = 0; 1; 2; ; n:2n : (4.80)
2 2
atau
Z Z
X dP = lim Xn dP (4.82)
n!1
n:2 n
X i
= lim iP (!) : (4.83)
n!1 2n
i=0
Karena Xn nilainya naik bersamaan dengan kenaikkan n, maka limitnya bisa +1:
Untuk variabel acak yang lebih umum, yaitu 1 < X < 1; maka mula-mula X
diurai menjadi X = X + X dengan X + = max(X; 0) dan X = max( X; 0): Karena
X+ 0; dan X 0 maka masing-masing dapat diaproksimasi dengan variabel acak
+
diskrit Xn dan Xn sehingga ekspektasinya E (X) adalah
Z
E [X] = X dP (4.84)
Z Z
= X + dP X dP (4.85)
Z Z
+
= lim Xn dP lim Xn dP: (4.86)
n!1 n!1
Contoh 4.20 Kelanjutan Contoh 4.14 dan Contoh 4.16 Hitunglah ekspektasi berikut
R
1. E (S1 ) = S1 dp
R
2. E (S2 ) = S2 dp:
30 Kuliah ke 4. Ruang Probabilitas
Solusi
Menurut De…nisi 4.17,
Contoh 4.21 Misal X adalah variabel acak yang berdistribusi seragam U (0; 1): Aproksi-
masilah X dengan suatu barisan X1 ; X2 ; X3 ; yang konvergen ke X dengan sifat
Solusi
Untuk n = 1 aproksimasi dari variabel acak X adalah
2
X i
X1 = I (4.99)
21 (i=2 X < (i+1)=2)
i=0
1
= 0:I(0 X < 1
) + 2 I( 12 X < 1) (4.100)
2
Sebagai ilustrasi
1
Bila X = 2=5 maka X1 = 0 dan jX X1 j = 2=5 < 2
1
Bila X = 4=5 maka X1 = 1=2 dan jX X1 j = 1=5 < 2
4.5. Aproksimasi variabel acak 31
2:2 2
X i
X2 = I
22 (i=4 X < (i+1)=4)
i=0
0 1 2 3
= I(0 X < 1=4) + I(1=4 X < 2=4) + I(2=4 X < 3=4) + I(3=4 X < 4=4) +
4 4 4 4
4 5 6 7
I 5=4) + I(5=4 6=4) + I(6=4 7=4) + I(7=4
4 (4=4 X <
4 X <
4 X <
4 X < 8=4)
Sebagi ilustrasi
2
Bila X = 1=5 maka X2 = 0 dan jX X2 j = 4=20 < 2
2
Bila X = 2=5 maka X2 = 1=4 dan jX X2 j = 3=20 < 2
2
Bila X = 3=5 maka X2 = 2=4 dan jX X2 j = 2=20 < 2
2
Bila X = 4=5 maka X2 = 3=4 dan jX X2 j = 1=20 < 2 :
dengan
i i+1
i P (!) =P !: X(!) (4.103)
2n 2n
Z (i+1)=2n
= fX (x)dx (4.104)
i=2n
Z (i+1)=2n
= dx (4.105)
i=2n
i+1 i
= (4.106)
2n 2n
1
= n: (4.107)
2
sehinga
(
1
2n bila i 2n
i P (!) = (4.109)
0 bila i 2n + 1
32 Kuliah ke 4. Ruang Probabilitas
n:2 n
X i
E [X] = lim iP (!) (4.110)
n!1 2n
i=0
X2n n:2
X i
n
i 1
= lim n n
+ lim :0 (4.111)
n!1 2 2 n!1
n
2n
i=0 i=2 +1
2 n
1 X
= lim 2n i (4.112)
n!1 2
i=0
1 1 n n
= lim :2 : (2 + 1) (4.113)
n!1 22n 2
1
= : (4.114)
2
4.6 Kebebasan
4.6.1 Kebebasan -aljabar
De…nisi 4.22 Misal G dan H adalah sub -aljabar dari F: Dikatakan G dan H saling
bebas bila
P (A1 \ A2 ) = P (A1 ) P (A2 ) 8A1 2 H dan 8A2 2 G (4.115)
Contoh 4.23 Misal G adalah -aljabar yang ditentukan oleh hasil lantunan koin yang
pertama dan H adalah -aljabar yang ditentukan oleh hasil lantunan koin yang kedua.
A1 = fM M; M Bg (4.118)
A2 = fM M; BM g (4.119)
P (A1 \ A2 ) = P fM M g = p2 (4.120)
2 2
P (A1 ) :P (A2 ) = p + pq p + pq (4.121)
2
=p (4.122)
= P (A1 \ A2 ) (4.123)
De…nisi 4.24 (kebebasan variabel acak) Dua buah random variables X dan Y sal-
ing bebas bila (X) dan (Y ) adalah dua buah -aljabar yang saling bebas.
dan 8
>
< 16 bila ! 2 fM M g
S2 (!) = 4 bila ! 2 fM B; BM g : (4.125)
>
: 1 bila ! 2 fBBg :
Dapat diamati bahwa variabel acak Y hanya tergantung pada lantunan koin yang kedua
saja, yaitu
(
S2 (!) 2 bila ! 2 fM M; BM g
Y (!) = = 1 : (4.126)
S1 (!) 2 bila ! 2 fM B; BBg
Dari hasil di Contoh 4.14.telah diperoleh -aljabar (S1 ) yang tidak lain adalah -aljabar
(X)
(X) = f?; ; fM M; M Bg ; fBM; BBgg (4.127)
(Y ) = f ; ?; fM M; BM g ; fM B; BBgg : (4.128)
A1 = fM M; M Bg (4.130)
A2 = fM B; BBg (4.131)
sehingga
A1 \ A2 = fM Bg (4.132)
dengan
dan
dan dengan cara yang sama bisa diperlihatkan bahwa hasil (4:143) berlaku untuk setiap
A1 2 (X) dan A2 2 (Y ) :
Kuliah ke 5
Ekspektasi Bersyarat
Ekspektasi bersyarat merupakan alat yang sangat penting didalam matematika keuan-
gan. Karena itu konsep ekspektasi bersyarat ini perlu dipelajari dengan baik agar pema-
haman tentang matematika keuangan bisa dicapai dengan baik pula. Mula-mula akan
dipelajari ekspektasi bersyarat terhadap suatu himpunan kemudian akan dibahas ekspek-
tasi bersyarat terhadap suatu varibel acak yang diskrit lalu akan dipelajari ekspektasi
bersyarat terhadap suatu varibel acak secara umum. Akhirnya akan dibicarakan ek-
spektasi bersyarat terhadap suatu sigma aljabar yang dibangkitkan oleh suatu variabel
acak.
P (A1 \ A2 )
P (A1 jA2 ) = : (5.1)
P (A2 )
Contoh 5.2 Misal ( ; F; P ) adalah ruang probabilitas yang dide…nisikan pada Contoh
2.6. Bila A1 = fM Bg dan A2 = fM B; BM g adalah dua buah kejadian, tentukan
P (A1 jA2 ) dan P (A2 jA1 ) :
Solusi
Menurut De…nisi 5.1 peluang bersyarat P (A2 jA1 ) diberikan oleh
P (A1 \ A2 )
P (A2 jA1 ) = (5.2)
P (A1 )
P (fM Bg)
= (5.3)
P (fM Bg)
= 1: (5.4)
35
36 Kuliah ke 5. Ekspektasi Bersyarat
P (A1 \ A2 )
P (A1 jA2 ) = (5.5)
P (A2 )
P (fM B; BM g \ fM Bg)
= (5.6)
P (fM B; BM g)
P (fM Bg)
= (5.7)
P (fM B; BM g)
pq
= (5.8)
2pq
1
= : (5.9)
2
Contoh 5.4 Misal S2 adalah variabel acak yang dide…nisikan pada Contoh 4.14 yang
diungkapkan seperti pada Contoh 4.16
3
X
S2 = ai IAi : (5.12)
i=1
a1 = 16; a2 = 4; a3 = 1 (5.13)
A1 = fM M g; A2 = fM B; BM g; A3 = fBBg (5.14)
Misal
A = fM M; BBg : (5.15)
Tentukan E (S2 jA) :
Solusi
Menurut De…nsi 5.3 ekspektasi bersyarat E (S2 jA) dapat dinyatakan dengan
Z
1
E (S2 jA) = S2 dP (5.16)
P (A) A
Z
1
= S2 IA dP: (5.17)
P (A)
R
P (A) dan A S2 dP dinyatakan dengan
dan
Z 3
X
S2 dP = ai P (IAi :IA ) (5.20)
A i=1
= 16:P (fM M g) + 4:P (?) + 1:P (fBBg) (5.21)
= 16p2 + 0 + q 2 (5.22)
2 2
= 16p + q : (5.23)
1
E (S2 jA) = 16p2 + q 2 : (5.24)
p2 + q2
Ai = f! : Y (!) = yi g ; i = 1; 2; (5.25)
adalah atom-atom dari (Ai ) : Ekspektasi bersyarat dari X bila diberikan Y dide…nisikan
sebagai variabel acak E (XjY )
8
< E (XjA1 ) bila ! 2 A1
>
E (XjY ) (!) = E (XjA2 ) bila ! 2 A2 : (5.26)
>
: .. .. ..
. . .
Catatan 5.6 Ekspektasi bersyarat E (XjY ) (!) adalah variabel acak dengan nilai yang
akan konstan untuk setiap ! 2 Ai ; i = 1; 2; :
Contoh 5.7 Misal S1 dan S2 adalah dua buah variabel acak yang dide…nisikan pada
Contoh 4.14. Tentukan
1. E (S2 jS1 )
R
2. E (S2 jS1 ) dP
3. E (S1 jS2 )
R
4. E (S1 jS2 ) dP:
Solusi
dengan
dan
Z 3
X
S2 dp = ai P (IAi :IC1 ) (5.31)
C1 i=1
= 16:P (fM M g) + 4:P (fM Bg) + 1:P (?) (5.32)
2
= 16p + 4pq (5.33)
Z 3
X
S2 dp = ai P (IAi :IC2 ) (5.34)
C2 i=1
= 16:P (?) + 4:P (fM Bg) + 1:P (fBBg) (5.35)
2
= 4pq + q : (5.36)
sehingga
(
E (S2 jC1 ) bila ! 2 C1
E (S2 jS1 ) (!) = (5.37)
E (S2 jC2 ) bila ! 2 C2
( R
1
P (C1 ) RC1 S2 dp bila ! 2 C1
= 1 (5.38)
P (C2 ) C2 S2 dp bila ! 2 C2
(
1 2
p 16p + 4pq bila ! 2 C1
= 1 2 (5.39)
q 4pq + q bila ! 2 C2
(
(16p + 4q) bila ! 2 C1 = f! : S1 (!) = 8g
= (5.40)
(4p + q) bila ! 2 C2 = f! : S1 (!) = 2g
R
2. Integral E (S2 jS1 ) dp adalah
Z
E (S2 jS1 ) dp = (16p + 4q) :P (C1 ) + (4p + q) P (C2 ) (5.41)
dengan
dan
Z 2
X
S1 dp = ci P (ICi :IA1 ) (5.51)
A1 i=1
= 8:P (fM M g) + 2:P (f?g) (5.52)
2
= 8p (5.53)
Z 2
X
S1 dp = ci P (ICi :IA2 ) (5.54)
A2 i=1
= 8:P (fM Bg) + 2:P (fBM g) (5.55)
= 10pq (5.56)
Z 2
X
S1 dp = ci P (ICi :IA3 ) (5.57)
A3 i=1
= 8:P (f?g) + 2:P (fBBg) (5.58)
= 2q 2 (5.59)
sehingga
8
>
< E (S1 jA1 ) bila ! 2 A1
E (S1 jS2 ) (!) = E (S1 jA2 ) bila ! 2 A2 (5.60)
>
: E (S jA ) bila
1 3 ! 2 A3
8 1 R
< P (A1 ) RA1 S1 dp
> bila ! 2 A1
1
=
> P (A2 ) RA2 S1 dp bila ! 2 A2 (5.61)
: 1
P (A3 ) A3 S1 dp bila ! 2 A3
8 1
2
>
< p2 8p bila ! 2 A1
1
=
> 2pq (10pq) bila ! 2 A2 (5.62)
: 1 2q 2 bila ! 2 A3
q2
8
>
< 8 bila ! 2 A1 = f! : S2 (!) = 16g
= 5 bila ! 2 A2 = f! : S2 (!) = 4g (5.63)
>
: 2 bila ! 2 A
3 = f! : S2 (!) = 1g
40 Kuliah ke 5. Ekspektasi Bersyarat
R
4. Integral E (S1 jS2 ) dp adalah
Z
E (S1 jS2 ) dp = 8:P (A1 ) + 5P (A2 ) + 2:P (A3 ) (5.64)
Catatan 5.8 1. Dari hasil di (5:40) terlihat bahwa ekspektasi bersyarat E (S2 jS1 ) (!)
adalah variabel acak dengan sumber keacakannya muncul dari S1 : Jadi E (S2 jS1 )
adalah variabel acak yang merupakan fungsi dari S1 : Nilai E (S2 jS1 ) akan konstan
untuk ! di tiap atom dari (S1 ) : Dengan kata lain E (S2 jS1 ) adalah variabel acak
R
yang (S1 )-terukur. Kesimpulan lain dari contoh ini adalah E (S2 jS1 ) dp =
R
S2 dP:
2. Kesimpulan serupa bisa diperoleh dari hasil di (5:63) : Terlihat bahwa ekspektasi
bersyarat E (S1 jS2 ) (!) adalah variabel acak dengan keacakannya muncul dari S2 :
Jadi E (S1 jS2 ) adalah variabel acak yang merupakan fungsi dari S2 : Nilai E (S1 jS2 )
akan konstan untuk ! di tiap atom dari (S2 ) : Dengan kata lain E (S1 jS2 ) adalah
R
variabel acak yang (S2 )-terukur. Kesimpulan lain dari contoh ini adalah E (S1 jS2 ) dp =
R
S1 dP:
Apa yang diamati dari contoh soal ini akan dinyatakan dalam suatu Proposisi berikut.
Proposisi 5.9 Bila X adalah variabel acak yang dapat diintegralkan dan Y adalah vari-
abel acak diskret maka
Bukti
Ai = f! : Y (!) = yi g ; i = 1; 2; : (5.72)
dan [
Ai = : (5.73)
i=1
5.4. Ekspektasi bersyarat terhadap variabel acak 41
2. Telah diketahui bahwa E (XjAi ) (!) bernilai konstan untuk ! 2 Ai maka hasil
berikut ini bisa dipahami
Z Z
E (XjY ) dP = E (XjAi ) dP (5.75)
Ai Ai
Z
= E (XjAi ) dP (5.76)
Ai
= E (XjAi ) P (Ai ) (5.77)
Z
1
= XdP P (Ai ) (5.78)
P (Ai ) Ai
Z
= XdP: (5.79)
Ai
1. Z adalah (Y )-terukur
2. Untuk tiap A 2 (Y ) Z Z
ZdP = XdP: (5.80)
A A
Apakah eksistensi variabel acak Z = E (XjY ) pada De…nisi 5.10 selalau terjamin?
Ternyata jawabnya ya. Hal ini dijamin oleh Teorema Radon-Nikodym berikut ini.
Apakah variabel acak Z ini unik? Lemma 5.12 dan Proposisi 5.9 berikut bisa dipakai
untuk memperlihatkan keunikan Z:
42 Kuliah ke 5. Ekspektasi Bersyarat
Lemma 5.12 Misal ( ; F; P ) adalah suatu ruang probabilitas dan misalkan G adalah
sub- -aljabar dari F: Bila X variabel acak yang G-terukur dan untuk setiap A 2 G
memenuhi Z
XdP = 0 (5.82)
A
maka X = 0 a.s.
Proposisi berikut dapat dibuktikan dengan Teorema 5.11 dan Lemma 5.12.
Proposisi 5.13 Variabel acak Z = E (XjG) ada dan unik dalam arti bahwa X = X 0
a.s. jika dan hanya jika E (XjG) = E (X 0 jG) a.s.
2. E (E (XjG)) = E (X)
Martingales
Pada Kuliah kali ini akan diasumsikan bahwa pembicaraan senantiasa berada di ruang
probabilitas ( ; F; P ) : Mula-mula akan dide…niskan suatu proses stokastik, kemudian
akan dikenali proses stokastik yang disebut martingales.
De…nisi 6.1 (proses stokastik) Proses stokastik adalah suatu keluarga variabel acak
fX (t)g dengan t 2 T dan T R: Bila T = f1; 2; g maka fX (t)g adalah proses
stokastik dalam waktu diskret (atau fX (t)g adalah barisan bilangan acak). Bila T =
[0; 1) maka fX (t)g adalah proses stokastik dalam waktu kontinu.
De…nisi 6.2 (proses teradaptasi) Porses stokastik fX (t)g teradaptasi ( adapted) oleh
…ltrasi fF (t)g bila X (t) adalah F (t)-terukur untuk 8t 2 T:
De…nisi 6.3 (martingales) Proses stokastik fX (t)g disebut martingales bila memenuhi
sifat berikut
Catatan 6.4 Bila proses stokastik fX (t)g memenuh (1) dan (2) akan tetapi E (X (t) jF (s))
X (s) untuk s t maka fX (t)g disebut supermartingales. Bila proses stokastik
fX (t)g memenuh (1) dan (2) akan tetapi E (X (t) jF (s)) X (s) untuk s t maka
fX (t)g disebut submartingales.
Contoh 6.5 Misal X (1) ; X (2) ; X (3) ; adalah barisan variabel acak yang saling be-
bas dengan
E [(X (i))] = 0; i = 1; 2; 3; : (6.1)
Misal
M (n) = X (1) + X (2) + X (3) + + X (n) : (6.2)
Konstruksikan
F (n) = (X (1) ; X (2) ; X (3) ; ) (6.3)
43
44 Kuliah ke 6. Martingales
sebagai -aljabar yang dibangkitkan oleh X (1) ; X (2) ; X (3) ; : Akan diperlihatkan
bahwa fM (n)g adalah martingales
2. Persyaratan (2) dipenuhi karena konstruksi F (n) sebagai -aljabar yang dibangk-
itkan oleh X (1) ; X (2) ; X (3) ; :
dan
Teorema Radon-Nikodym
7.1 Pendahuluan
Pada pembahasan sebelumnya telah dilihat bahwa penghitungan harga suatu opsi diper-
lukan penghitungan ekspektasi di bawah ukuran probabilitas yang risk-neutral (risk-
neutral probability measure). Kali ini akan dipelajari hubungan antara ukuran proba-
bilitas pasar (market probability measure) P dan ukuran probabilitas yang risk-neutral
P~ .
De…nisi 7.2 (P ekivalen dengan P~ ) Bila P kontinu terhadap P~ dan sekaligus P~ kon-
tinu terhadap P maka dikatakan P ekivalen dengan P~ :
Teorema 7.3 (Radon-Nikodym) Misal P dan P~ adalah dua buah ukuran probabilitas
di ruang terukur ( ; F) : Bila P~ kontinu terhadap P maka ada suatu variabel acak Z
0 sehingga
Z
~
P (A) = Z dP 8A 2 F (7.1)
A
dP~
Z= (7.2)
dP
atau
dP~ = ZdP (7.3)
45
46 Kuliah ke 7. Teorema Radon-Nikodym
sehingga
Z
~ [X] =
E XdP~ (7.4)
Z
= XZdP (7.5)
= E [XZ] : (7.6)
Dengan demikian kadang ungkapan yang menghubungkan antara P dan P~ pada (7:1)
Z
~
P (A) = Z dP 8A 2 F (7.7)
A
asalkan
E [XZ] < 1: (7.9)
Mula-mula akan diperlihatkan bahwa bila Y adalah variabel yang G-terukur maka
Z Z
Y dP = Y dQ: (7.12)
Hal ini dapat diperlihatkan dengan ilustrasi berikut, bila Y = IA untuk A 2 G maka
Z Z
Y dP = IA dP = P (A) (7.13)
Z Z
Y dQ = IA dQ = Q (A) (7.14)
dan karena variabel acak Y dapat diaproksimasi dengan variabel acak sederhana maka
hasil di atas dapat diperluas dari Y = IA dengan sembarang variabel acak Y:
7.3. Eksistensi ekspektsi bersyarat 47
Dari (7:11) terlihat bahwa P~ kontinu terhadap P sehingga menurut teorema Radon-
Nikodym ada suatu variabel acak Z yang G-measurable sehingga
Z
~
P (A) = ZdP; 8A 2 G (7.15)
A
Dari hasil di atas dapat disimpulkan bahwa eksistensi ekspektasi bersyarat adalah
hasil dari teorema Radon-Nikodym.
Kuliah ke 8
Integral Ito
De…nisikan Mk dengan
M0 = 0 (8.5)
M1 = X 1 (8.6)
M2 = X 1 + X 2 (8.7)
M3 = X 1 + X 2 + X 3 (8.8)
..
. (8.9)
k
X
Mk = Xj (8.10)
j=1
Proses fMk g1
k=0 akan disebut sebagai symmetric random walk.
48
8.2. Scaled symmetric random walk 49
P
k
2. var[Mk ] = var[Xj ] = k:
j=1
3. Increments dari Mk
M1 M0 = X 1 (8.11)
M2 M1 = X 2 (8.12)
..
. (8.13)
Mk Mk 1 = Xk (8.14)
1
W (n) (t) = p Mtn (8.15)
n
1
= p Mk (8.16)
n
Teorema 8.1 Untuk t 0 dan n ! 1; distribusi dari W (n) (t) akan konvergen ke
distribusi normal dengan mean 0 dan variansi t:
Bukti Moment generating function untuk W (n) (t) = p1 Mnt adalah 'k (u)
n
h (n)
i
'k (u) = E euW (t) (8.17)
h p1 i
u: M
= E e n nt (8.18)
2 P
nt
3
pu Xj
n
= E 4e j=1 5 (8.19)
h pu pu X pu Xnt
i
X
= E e n 1 :e n 2 : :e n (8.20)
nt
1 pun 1 pu
= e + e n (8.21)
2 2
50 Kuliah ke 8. Integral Ito
u pu
1 pn
log 'k (u) = nt log 2e + 12 e n dan dengan mengasumsikan x = p1
n
maka diper-
oleh
1 ux
log 2e + 12 e ux
lim log 'k (u) = t lim (8.22)
k!1 x!0 x2 !
u ux u ux
2 e 2 e 1
= t lim 1 ux 1 ux
: (8.23)
x!0
2e + 2e 2x
!
u ux u ux
1 2e 2e
= t lim 1 ux lim (8.24)
x!0
2e + 12 e ux x!0 2x
u ux u ux
2e 2e
= t lim (8.25)
x!0 2x
!
u2 ux 2
2 e + u2 e ux
= t lim (8.26)
x!0 2
t
= u2 (8.27)
2
Jadi akan diperoleh
1 2t
'k (u) = e 2 u (8.28)
dan ini adalah moment generating function dari variabel acak yang berdistribusi normal
dengan mean 0 dan variansi t:
Karena itu untuk n ! 1 proses W (n) (t) akan konvergen menjadi proses fW (t)g
dengan sifat-sifat
1. W (0) = 0
3. Bila 0 = t0 < t1 < t2 < < tn dan dide…nisikan increments dari W (t) dengan
maka
Proses stokastik fW (t)g yang memenuhi sifat-sifat di atas disebut Brownian motion
atau Wiener process. Jadi dalam hal ini scaled symmetric random walk akan meng-
hasilkan Brownian motion asalkan n ! 1:
8.3. Quadratic variation 51
Dengan penggunaan mean value theorem, suatu Quadratic variation dari suatu fungsi
f yang di¤ erentiable di selang [0; T ] adalah
n
X1
[f; f ] (T ) = lim jf (tk+1 ) f (tk )j2 (8.42)
k k!0
k=0
n
X1 2
= lim f 0 tk+1 (tk+1 tk )2 (8.43)
k k!0
k=0
n
X1 2
lim k k f 0 tk+1 (tk+1 tk ) (8.44)
k k!0
k=0
Z T
lim k k f 0 (t)2 dt (8.45)
k k!0 0
0 (8.46)
Jadi untuk fungsi f yang di¤erentiable di selang [0; T ] maka quadratic variation-nya
adalah [f; f ] (T ) = 0: Dengan kata lain kalau ada fungsi f dengan quadratic variation
52 Kuliah ke 8. Integral Ito
tidak 0 maka fungsi tersebut tidak di¤erentiable, seperti yang terjadi pada Brownian
motion W (t) berikut ini.
Sehingga !
n
X1
E (Q T) = E Dk2 (tk+1 tk ) = 0: (8.52)
k=0
Di samping itu
n
X1
var [Q T] = var Dk2 (tk+1 tk ) (8.53)
k=0
n
X1 2
= E Dk2 (tk+1 tk ) (8.54)
k=0
n
X1 h i
= E Dk4 2Dk2 (tk+1 tk ) + (tk+1 tk )2 (8.55)
k=0
n
X1
= 3 (tk+1 tk )2 2 (tk+1 tk )2 + (tk+1 tk )2 (8.56)
k=0
n
X1
= 2 (tk+1 tk )2 (8.57)
k=0
n
X1
k k 2 (tk+1 tk ) (8.58)
k=0
2 k k :T (8.59)
Jadi
lim var (Q T) = 0 (8.60)
k k!0
lim (Q T) = 0 (8.61)
k k!0
8.4. Konstruksi Integral Ito 53
sehingga
[W; W ] (T ) = T: (8.62)
Hasil ini memperlihatkan bahwa paths dari Brownian motion fW (t)g tidak di¤eren-
tiable.
Bila (tk+1 tk ) kecil sekali maka 2 (tk+1 tk )2 akan sangat kecil sehingga (8:64) menjadi
h i
var fW (tk+1 ) W (tk )g2 tk+1 tk 0: (8.65)
atau
fW (tk+1 ) W (tk )g2 = tk+1 tk (8.67)
Namun karena W (u) adalah tidak di¤erentiable maka kita bisa mendapatkan sesuatu
yang menyerupai persamaan (8:71) dengan W (u) sebagi integrator-nya: Untuk itu perlu
dibangun konsep integral dengan integratornya adalah W (u) ; yaitu Integral Ito.
3. (tk ) sebagai jumlah saham yang dimiliki pada saat tk sampai saat tk+1 :
Rt
Integral Ito I (t) = 0 (u) dW (u) dapat diinterpretasikan sebagai gain/loss yang
diperoleh dari jual beli saham pada saat t:
Z t
I (t) = (u) dW (u) (8.72)
0
= (t0 ) [W (t) W (t0 )] bila 0 t t1 (8.73)
= (t0 ) [W (t1 ) W (t0 )] + (t) [W (t) W (t1 )] bila t1 t t2 (8.74)
= (t0 ) [W (t1 ) W (t0 )] + (t1 ) [W (t2 ) W (t1 )] + (t) [W (t) W (t2 )] bila t2 t t3
(8.75)
Umumnya bila tk t tk+1 ; Integral Ito I (t) untuk integrand elementer dide…nisikan
dengan
Z t k 1
X
I (t) = (u) dW (u) = (tj ) [W (tj+1 ) W (tj )] + (tk ) [W (t) W (tk )] (8.76)
0 j=0
Untuk elementary process n (t) ; integral Ito dide…nisikan seperti pada (8:85)
Z T
In (T ) = n (t) dW (t) 8n: (8.78)
0
RT
Kemudian de…nisikan integral Ito I (T ) == 0 (t) dW (t) dengan
Z T
I (T ) = (t) dW (t) (8.79)
0
Z T
= lim n (t) dW (t) (8.80)
n!1 0
RT
Contoh 8.7 Perlihatkan bahwa 0 W (u) dW (u) = 21 W (T )2 1
2 T; T 0:
Bukti Integrand (t) = W (t) akan diaproksimasi oleh fungsi sederhana n (t) yang
dide…nisikan dengan
8 T
>
> W (0) bila 0 u< n
>
>
< W Tn bila T
n u< 2T
n
n (u) = .. .. .. (8.81)
>
> . . .
>
>
: W (n 1)T
bila (n 1)T
u < T:
n n
dipenuhi sehingga
Z T Z T
W (u) dW (u) = lim n (u) dW (u) (8.83)
0 n!1 0
n
X1 jT (j + 1) T jT
= lim W W W (8.84)
n!1 n n n
j=0
n
X1
= lim Wj [Wj+1 Wj ] (8.85)
n!1
j=0
dengan
jT
Wj = W : (8.86)
n
Integral (8:85) bisa dinyatakan dengan
2 3
Z T n
X1
1 1
W (u) dW (u) = lim 4 Wn2 (Wj+1 Wj )2 5 (8.87)
0 n!1 2 2
j=0
n 1
1 1X
= W (T )2 lim (Wj+1 Wj )2 (8.88)
2 n!1 2
j=0
1 1
= W (T )2 [W; W ] (T ) (8.89)
2 2
1 1
= W (T )2 T: (8.90)
2 2
Kuliah ke 9
Rumus Ito
1
f (xk+1 ) = f (xk ) + f 0 (xk ) (xk xk+1 ) + f 00 (xk ) (xk+1 xk ) (9.1)
2
Bila xx = W (tk ) maka akan didapat
Untuk k k ! 0
Z t Z
1 t 00
f (W (T )) f (W (0)) = 0
f (W (u)) dW (u) + f (W (u)) (dW (u))2 (9.9)
0 2 0
Z t Z t
1
= f 0 (W (u)) dW (u) + f 00 (W (u)) dt (9.10)
0 2 0
57
58 Kuliah ke 9. Rumus Ito
dX = dt + dW (9.14)
Bila fungsinya berbentuk f (t; W1 (t) ; W2 (t)) dengan dW1 (t) dW2 (t) = 0 maka
rumus Ito-nya adalah
1 2
S (t) = S (0) : exp W (t) + t (9.28)
2
dan adalah konstanta dengan > 0: Dengan penggunaan rumus Ito, maka geometric
Brownian motion dalam bentuk diferensial dapat dinyatakan dengan
1 2 1 2
d (S (t)) = S (t) dt + S (t) dW (t) + S (t) dt (9.29)
2 2
= S (t) dt + S (t) dW (t) (9.30)
Integral yang pertama adalah integral Riemann sedangkan integral yang kedua adalah
integral Ito. Quadratic variation dari S (t) hanya tergantung pada integral Ito-nya, yaitu
dS (t) dS (t) = 2
S (t)2 dt: (9.32)
Kuliah ke 10
Teorema Girsanov
Di bawah P~ , proses W
~ (t) ; 0 t T adalah suatu Brownian motion.
Catatan 10.2 Berikut ini beberapa sifat yang ditimbulkan oleh Z (t)
Karena integral Ito adalah suatu martingale maka Z (t) adalah suatu martingale
pula.
60
10.1. Teorema Girsanov 61
= P~ (A) (10.8)
Z
= Z (T ) dP (10.9)
ZA
= Z (T ) :IA dP (10.10)
= E [Z (T ) :X] ; (10.11)
kemudian gunakan hasil bahwa setiap variabel acak dapat diaproksimasi dengan
suatu variabel acak sederhana.
4. Bila konstan
1 2
Z (T ) = exp W (T ) T (10.12)
2
~ (T ) = T + W (T )
W (10.13)
Di bawah P; W (T ) ~ (T )
N (0; T ) ; sehingga W N ( T; T ) :
h i
~ W
Lemma 10.5 (sifat martingale) E ~ (t) jF (s) = W
~ (s) 0 s t T
Bukti Pertama-tama akan diperlihatkan bahwa W ~ (t) Z (t) adalah suatu martingale di
bawah P dengan pemanfaatan hasil dari rumus Ito untuk multidimensi
~Z =W
d W ~ dZ + ZdW
~ + dW
~ dZ (10.31)
Sehingga dapat disimpulkan bahwa W ~ (t) Z (t) adalah suatu martingale karena integral
Ito adalah suatu martingale.
Sifat ini akan dipakai untuk memperlihatkan hasil berikut
h i h i
E~ W~ (t) jF (s) = 1 E W ~ (t) Z (t) jF (s) (10.35)
Z (s)
1 ~
= W (s) Z (s) (10.36)
Z (s)
=W ~ (s) (10.37)
10.2. Risk-Neutral measure 63
1
Bila t = T dan X = Z(T ) maka didapat
Z Z
1
dP~ = dP = P (A) (10.41)
A Z (T ) A
Dari persamaan (10:44) ini terlihat bahwa S (t) bukan martingale terhadap …ltrasi fF (t)g
karena ada faktor (t) S (t) dt:
Interest rate process r (t) ; 0 t T adalah suatu proses yang teradaptasi terhadap
fF (t)g :
Wealth process
64 Kuliah ke 10. Teorema Girsanov
Mulai dengan X (0) = x dan 4 (t) menyatakan jumlah saham yang dimiliki pada
saat t; wealth process X (t) dapat diungkapkan dengan
Faktor pertama di ruas kanan menyatakan capital gain dari saham sedangkan faktor ke-
dua menyatakan kenaikkan pendapatan dari bunga. Persamaan (10:45) memperlihatkan
bahwa X (t) bukanlah martingale terhadap …ltrasi fF (t)g :
Persamaan (10:45) dapat dituliskan dalam bentuk
dX (t) = r (t) X (t) dt + 4 (t) [dS (t) r (t) S (t) dt] (10.46)
= r (t) X (t) dt + 4 (t) [ (t) S (t) dt + (t) S (t) dW (t) r (t) S (t) dt] (10.47)
= r (t) X (t) dt + 4 (t) [( (t) r (t)) S (t) dt + (t) S (t) dW (t)] (10.48)
(t) r (t)
= r (t) X (t) dt + 4 (t) (t) S (t) dt + dW (t) (10.49)
(t)
= r (t) X (t) dt + 4 (t) (t) S (t) [ (t) dt + dW (t)] (10.50)
dS (t) = (t) S (t) dt + (t) S (t) [dW (t) (t) dt] (10.54)
= (t) S (t) dt (t) (t) S (t) dt + (t) S (t) dW (t) (10.55)
= [ (t) (t) (t)] S (t) dt + (t) S (t) dW (t) (10.56)
= r (t) S (t) dt + (t) S (t) dW (t) (10.57)
Dari persamaan (10:53) dan (10:57) ternyata S (t) dan W (t) bukan pula martingale di
bawah P~ :
Jadi S (t) dan X (t) bukan martingale di bawah P maupun di bawah P~ : Uraian di
bawah akan memperlihatkan bahwa proses yang terdiskonto S (t) dan X ~ (t)
S (t)
S~ (t) = (10.58)
(t)
~ (t) = (t)
X
X
(10.59)
(t)
1
dan (t) = 1= (t) menyatakan faktor diskonto
1 Rt
1 r(u)du
(t) = =e 0 (10.61)
(t)
S (t)
dS~ (t) = d (10.64)
(t)
1 1
= (t) dS (t) + S (t) d (t) (10.65)
h i
1 1
= (t) [r (t) S (t) dt + (t) S (t) dW (t)] + S (t) (t) r (t) dt (10.66)
1
= (t) S (t) (t) dW (t) (10.67)
S (t)
= (t) dW (t) (10.68)
(t)
= (t) S (t) dW (t) (10.69)
Karena (t) S~ (t) adalah adapted process to the …ltration F (t) maka dari persamaan
(10:69) dapat dilihat bahwa discounted stock price process S~ (t) = S (t) = (t) adalah
suatu martingale di bawah P~ :
~ (t) adalah
Bentuk diferensial dari discounted wealth process X
~ (t) = d X (t)
dX (10.70)
(t)
1 1
= (t) dX (t) + X (t) d (t) (10.71)
h i
1
= (t) [r (t) X (t) dt + 4 (t) (t) S (t) dW (t)] + X (t) (t) 1 r (t) dt
(10.72)
1
= (t) 4 (t) (t) S (t) dW (t) (10.73)
S (t)
= 4 (t) (t) dW (t) (10.74)
(t)
= 4 (t) (t) S (t) dW (t) (10.75)
Karena 4 (t) (t) S (t) adalah adapted process to the …ltration F (t) maka dari per-
~ (t) = X (t) = (t) adalah
samaan (10:75) dapat dilihat bahwa discounted wealth process X
suatu martingale di bawah P~ :
Kuliah ke 11
Pada bab ini akan dipelajari suau teorema yang akan berguna untuk memperlihatkan
eksistensi dari suatu heging portfolio.
Catatan 11.2 Ingat bahwa bila X (t) adalah proses yang memenuhi persamaan (11:2)
maka X (t) adalah martingale.
Teorema ini menyatakan bahwa bila X (t) adalah suatu proses yang martingale dan
teradaptasi terhadap …ltrasi yang dibangkitkan oleh W (t) (dengan kata lain, W (t)
adalah satu-satunya sumber keacakan bagi X (t)) maka X (t) memenuhi
X (t) S (t)
d = (t) (t) dW (t) (11.4)
(t) (t)
atau Z t
X (t) S (s)
= X (0) + (s) (s) dW (s) ; 0 t T (11.5)
(t) 0 (s)
66
67
Misal V (T ) adalah suatu variabel acak yang F (T )-measurable dan meyatakan nilai
dari suatu contingent claim pada saat T: Akan dipilih suatu portfolio process (t) ;
0 t T dan X (0) sehingga
X (T ) = V (T ) (11.6)
De…nisikan
~ V (T )
Y (t) = E F (t) ; 0 t T (11.7)
(T )
Y (t) adalah P~ -martingale sehingga menurut teorema representasi martingale ada suatu
adapted process (t) ; 0 t T sehingga
Z t
Y (t) = Y (0) + (s) dW (s) ; 0 t T (11.8)
0
~ V (T )
X (0) = Y (0) = E (11.9)
(T )
dan (s) sehingga
S (s)
(s) (s) = (s) (11.10)
(s)
Dengan pilihan-pilihan ini maka
X (t) ~ V (T ) F (t) ;
= Y (t) = E 0 t T (11.11)
(t) (T )
Khususnya pada saat T; persamaan (11:11) menjadi
X (T ) ~ V (T ) F (T )
=E (11.12)
(T ) (T )
V (T )
= (11.13)
(T )
atau
X (T ) = V (T ) (11.14)
Jadi portfolio process (t) ; 0 t T adalah suatu hegding portfolio.
Rumus risk-neutral pricing pun dapat pula diturunkan dari (11:11) :
X (t) ~ V (T ) F (t)
=E (11.15)
(t) (T )
1 Z (T )
= E V (T ) F (t) (11.16)
Z (t) (T )
1
X (t) = E [ Z (T ) V (T )j F (t)] (11.17)
Z (t)
dengan
Z (t)
Z (t) = (11.18)
(t)
Z t Z t
1 2
= exp (s) dW (s) r (s) + (s) ds (11.19)
0 0 2
Kuliah ke 12
Rumus Black-Scholes
12.1 Pendahuluan
Ada banyak cara untuk mendapatkan rumus Black-Scholes. Pada bab ini akan dipela-
jari berbagai cara mendapatkan rumus Black-Scholes dengan metoda yang berbeda-beda.
Tujuannya agar pembaca bisa mempunyai wawasan yang luas tentang berbagai metoda
matematika yang bisa dipergunakan di dalam matematika keuangan. Cara kesatu meng-
gunakan asumsi bahwa harga saham berdistribusi lognormal. Cara kedua menggunakan
persaman diferensial parsial. Cara ketiga menggunakan risk-neutral pricing.
2
1: X = ln (S (T ) =S (0)) N ( T; T) (12.1)
rT
2: S (0) = e E (S (T )) (12.2)
Dari asumsi pertama, pdf untuk X dapat dituliskan dengan (lihat apeendiks lognormal):
( )
1 1 x T 2
f (x) = p exp p
2 T 2 T
( )
2
1 1 ln(s (T ) =s (0)) T
f (s (T )) = p exp p (12.3)
s (T ) 2 T 2 T
68
12.2. Cara pertama 69
yaitu
h i
E [S (T ) =S (0)] = E eln(S(T )=S(0))
= E eX
T + 12 2T
=e =)
T + 12 2T
E [S (T )] = S (0) e
Dari asumsi kedua pada persamaan (12.2) dapat diperoleh
rT
S (0) = e E [S (T )]
rT T + 12 2T
=e S (0) e
1 2T
rT + T +
S (0) = S (0) e 2 =)
rT + T + 1 2T 1 2
1=e 2 =) rT + T + T =0
2
1
) =r 2
(12.4)
2
Dengan demikian pdf untuk ST dari persamaan (12.3) dapat dituliskan dengan:
8 !2 9
1 < 1 ln(s (T ) =s (0)) 1 2
r 2 T =
f (s (T )) = p exp p (12.5)
s (T ) 2 T : 2 T ;
Pdf inilah yang akan digunakan untuk menurunkan harga call option C, yaitu rumus
Black Scholes
rT
C=e E [maks (S (T ) K) ; 0] (12.6)
Z 1
rT
=e maks (s (T ) K; 0) f (s (T )) ds (T ) (12.7)
0
Z K
rT
=e maks (s (T ) K; 0) f (s (T )) ds (T ) +
0
Z 1
rT
e maks (s (T ) K; 0) f (s (T )) ds (T ) (12.8)
K
Z K Z 1
rT
=e 0:f (s (T )) ds (T ) + (s (T ) K) f (s (T )) ds (T ) (12.9)
0 K
Z 1
rT
=e (s (T ) K) f (s (T )) ds (T ) (12.10)
K
8 !2 9
Z 1 < 1 2 =
rT (s (T ) K) 1 ln(s (T ) =s (0)) r 2 T
=e p exp p ds (T )
K s (T ) 2 T : 2 T ;
(12.11)
Integrasi ini dapat diselesaikan dengan transformasi variabel
1 2
ln(sT =S0 ) r 2 T
z= p =) (12.12)
T
p 1 2
T +(r )T
sT = S0 ez 2 (12.13)
dz 1 ds (T )
= p =) dz = p
ds (T ) s (T ) T s (T ) T
70 Kuliah ke 12. Rumus Black-Scholes
Batas bawah integrasi untuk s (T ) ; yaitu K, diubah menjadi batas bawah integrasi untuk
z menjadi A :
ln(K=S (0)) r 21 2 T
A= p
T
Dengan transformasi z ini maka C di (12:11) dapat dinyatakan dengan:
Z 1h p i 1 2
rT 1 1 2
C=e p S0 ez T +(r 2 )T K e 2 z dz (12.14)
2 A
Z 1 Z
1 p 1 2 1 2 Ke rT 1 1 z 2
=p S0 ez T 2 T 2 z dz p e 2 dz (12.15)
2 A 2 A
Z 1 p 2
S0 1
=p e 2 (z T)
dz Ke rT N ( A) (12.16)
2 A
Z 1 p
S0 1 2
u
=p p e 2 du bila dimisalkan u = z T (12.17)
2 A T
p
= S0 N A+ T Ke rT N ( A) (12.18)
p p
Bila dimisalkan d1 = A + T dan d2 = A = d1 T maka persamaan (12.18)
dapat dinyatakan dengan
1. W (0) = 0
12.3. Cara kedua 71
maka
@f @f 1 @2f
df = dt + dW + dW dW (12.28)
@t @W 2 @W 2
@V @V 1 @2V
dV (S (t) ; t) = dt + dS (t) + dS (t) dS (t) (12.34)
@t @S (t) 2 @S (t)2
@V @V 1 @2V
= dt + ( S (t) dt + S (t) dWt ) + ( S (t) dt + S (t) dWt )2
@t @S (t) 2 @S (t)2
(12.35)
@V @V 1 @2V @V
= + S (t) + 2
S (t)2 dt + S (t) dWt
@t @S (t) 2 @S (t)2 @S (t)
(12.36)
@V @V 1 @2V @V
+ S (t) + 2
S (t)2 = rXt + tS (t) ( r) = rV + S (t) ( r)
@t @S (t) 2 @St2 @S (t)
(12.38)
yang dapat dituliskan lagi menjadi the Black-Scholes partial di¤ erential equation:
yang memenuhi terminal condition untuk suatu call option dengan exercise price K dan
exercise date T
V (S (T ) ; T ) = max (S (T ) K; 0) (12.40)
Jadi bila sang investor memulai kekayaannya dengan X (0) = V (S (0) ; 0) dan meng-
gunakan alat pemagaran t = @V@S(t)(S(t);t)
maka ia akan mempunyai kekayaan yang tepat
bisa menutup nilai option, yaitu Xt = V (S (t) ; t) untuk tiap t dan khususnya pada saat
jatuh tempo berlaku hubungan X (T ) = V (S (T ) ; T ) yang menjadi terminal condition.
12.3.7 Solusi
Tugas kita sekarang adalah mencari solusi V yang memenuhi persamaan (12.39) dan
(12.40). Langkah untuk memperoleh solusi V adalah:
12.3. Cara kedua 73
@u @2u
= ; 1 < x < 1; t > 0 (12.41)
@t @x2
dengan initial condition
u(x; 0) = f (x) (12.42)
2. Bila persamaan difusi (12.41) dan initial condition (12.42) sudah didapat, langkah
selanjutnya adalah berupa pencarian solusi u(x; t) yang memenuhi (12.41) dan
(12.42) dengan pemanfaatan Fourier Integral.
3. Penggabungan langkah pertama dan kedua akan menghasilkan solusi yang berupa
rumus Black-Scholes.
Langkah pertama
Langkah pertama dimulai dengan (12.39) dan (12.42) melalui transformasi yang terdiri
dari 2 tahap. Tahap pertama transformasinya berupa
dengan
r
k= 1 2: (12.55)
2
berubah menjadi initial condition untuk forward equation (12.54) dengan pertimbangan
bahwa hubungan berikut bisa diperoleh melalui (12:44) dan (12:45)
Hasil dari transformasi pada tahap pertama, yaitu (12.54) dengan initial condition
(12.59), akan diubah lagi dengan transformasi tahap kedua agar didapat persamaan
difusi (12.41) dengan initial condition (12.59). Hal ini dilakukan dengan penggunaan
transformasi
@C @(a:u(x; t ))
= (12.62)
@t @t
1 @u
= (k + 1)2 :a:u(x:t ) + a (12.63)
4 @t
@C @(a:u(x; t ))
= (12.64)
@x @x
1 @u
= (k 1):a:u(x; t ) + a (12.65)
2 @x
2
@ C @ 1 @u
= (k 1):a:u(x; t ) + a (12.66)
@x2 @x 2 @x
1 1 @u(x; t )
= (k 1)2 :a:u(x; t ) (k 1):a: (12.67)
4 2 @x
1 @u @2u
(k 1):a: +a 2 (12.68)
2 @x @x
Bila hasil-hasil ini disubstitusikan ke dalam persamaan (12.54) maka akan diperoleh
persamaan difusi
@u(x; t ) @ 2 u(x; t )
= (12.69)
@t @x2
dengan initial condition
1
C(x; 0) = e 2 (k 1)x u(x; 0)
12.3. Cara kedua 75
atau
1
u(x; 0) = e 2 (k 1)x
C(x; 0) (12.70)
1
(k 1)x
=e 2 max(ex 1; 0) (12.71)
1 1
(k+1)x (k 1)x
= max(e 2 e 2 ; 0): (12.72)
Langkah kedua
Pada langkah kedua ini akan dipergunakan konsep integral fourier agar didapat solusi
untuk persamaan difusi.
Integral Fourier. Bila f (x) adalah suatu fungsi kontinu yang mempunyai turunan kiri
R1
dan turunan kanan di tiap titik dan bila 1 jf (x)j dx ada maka f (x) dapat dinyatakan
dengan suatu Fourier Integral
Z1
f (x) = [A(p) cos(px) + B(p) sin(px)] dp (12.73)
0
Z1
1
A(p) = f (v) cos(pv)dv (12.74)
1
Z1
1
B(p) = f (v) sin(pv)dv (12.75)
1
Persamaan difusi. Berikut ini akan dicari solusi u (x; t) yang memenuhi persamaan
difusi (di¤ usion equation)
@u @2u
= ; 1 < x < 1; t > 0 (12.76)
@t @x2
dengan initial condition
u(x; 0) = f (x): (12.77)
Mula-mula dimisalkan
u(x; t) = F (x)G(t) (12.78)
sehingga bisa didapat
@u @G
=F (12.79)
@t @t
2
@ u @2F
2
=G 2 (12.80)
@x @x
dan persamaan (12.76) dapat dituliskan dengan
@G @2F
F =G 2
@t @x
atau
1 @G 1 @2F
= (12.81)
G @t F @x2
76 Kuliah ke 12. Rumus Black-Scholes
Perhatikan bahwa perubahan t hanya mengubah ruas kiri dari (12.81) tanpa men-
gubah ruas kanannya, sedangkan perubuahan x hanya mengubah ruas kanan dari (12.81)
tanpa mengubah ruas kirinya. Karena itu bisa diklaim bahwa persamaan (12.81) bernilai
tetap sebesar k sehingga (12.81) bisa dituliskan dengan
1 @G 1 @2F
= =k (12.82)
G @t F @x2
Bila diambil nilai k yang negatif, misalnya k = p2 ; maka (12:82) dapat dinyatakan
dengan
1 @G 1 @2F
= = p2 : (12.83)
G @t F @x2
Dari (12:83) akan didapat dua buah persamaan diferensial linier orde satu dan orde dua
@G
+ p2 G = 0 (12.84)
@t
dan
@2F
+ p2 F = 0: (12.85)
@x2
Solusi untuk persamaan (12.84) adalah
p2 t
G (t) = e (12.86)
Dari (12:86) dan (12:87) akan didapat solusi untuk (12.76), yaitu
Karena A dan B nilainya sembarang maka dapat dipilih A (p) dan B (p) yang merupakan
fungsi dari p: Adapun konstanta k = p2 haruslah negatif agar nilai u(x; t) konvergen
ke 0 untuk t ! 1: Sehingga (12.89) dapat ditulis lagi menjadi
p2 t
u(x; t; p) = (A(p) cos(px) + B(p) sin(px)) e (12.90)
Solusi yang diberikan oleh (12.90) berlaku untuk tiap p yang bernilai antara 0 sam-
pai 1: Demikian pula superposisi (penjumlahan) solusi dari berbagai nilai p ini tetap
merupakan solusi. Sehingga untuk p antara 0 sampai 1 didapat solusi untuk (12.76)
yang berupa
Z1
2
u(x; t) = (A(p) cos(px) + B(p) sin(px)) e p t dp (12.91)
0
Dengan pertimbangan initial condition (12.77) maka A(b) dan B(p) dapat ditentukan
dengan cara melihat (12.91) untuk t = 0 sebagai Integral Fourier (12:73)
sehingga A(p) dan B(p) dapat dinyatakan dengan (12:74) dan (12:75)
Z1
1
A(p) = f (v) cos(pv)dv (12.94)
1
Z1
1
B(p) = f (v) sin(pv)dv (12.95)
1
R1 p2 t dp
Untuk penghitungan 0 cos p(v x)e dari (12.99) akan digunakan hasil yang
menyatakan bahwa
Z 1 p
s2 b2
(cos 2bx)e ds = e : (12.100)
0 2
dan
(x v)
2bs = p(v x) atau b = p (12.102)
2 t
sehingga diperoleh
Z 1 Z 1
p2 t 1 s2
cos p(v x)e dp = p (cos 2bx)e ds (12.103)
0 t
p 0
2
= p e b (12.104)
2 t
p
(x v)2
= p e 4t (12.105)
2 t
78 Kuliah ke 12. Rumus Black-Scholes
Z1 Z1
1 p2 t
u(x; t) = f (v) (cos p(v x))e dpdv (12.106)
1 0
Z1
1 (x v)2
= p f (v)e 4t dv (12.107)
2 t
1
Langkah ketiga
Solusi untuk persamaan difusi (12:69) dengan initial condition (12:72) diberikan oleh
(12:107)
Z1
1 1 2
u(x; t) = p f (v)e 4t (x v) dv (12.109)
2 t
1
Z1
1 1
(x v)2
u(x; t) = p f (v)e 4t dv (12.112)
2 t
1
Z1
1 1 1 1
v)2
= p max(e 2 (k+1)v e 2 (k 1)v
; 0)e 4t
(x
dv (12.113)
2 t
1
Z1
1 1 1 1
v)2
= p e 2 (k+1)v e 2 (k 1)v
e 4t
(x
dv (12.114)
2 t
0
Z1
1 1 1
v)2
= p e 2 (k+1)v e 4t
(x
dv (12.115)
2 t
0
Z1
1 1 1
v)2
p e 2 (k 1)v
e 4t
(x
dv (12.116)
2 t
0
= I1 I2 : (12.117)
12.3. Cara kedua 79
dengan
Z1
1 1 1
v)2
I1 = p e 2 (k+1)v e 4t
(x
dv (12.118)
2 t
0
Z1
1 1 1
v)2 ]
= p e[ 2 (k+1)v 4t
(x
dv (12.119)
2 t
0
Z1
1 1 1
v)2
I2 = p e 2 (k 1)v
e 4t
(x
dv (12.120)
2 t
0
Z1
1 1 1
v)2 ]
= p e[ 2 (k 1)v 4t
(x
dv: (12.121)
2 t
0
Akan dicari dulu penyelesaian untuk I1 dengan penyederhanaan eksponen dari inte-
grandnya
1 1 2t (k + 1) v v 2 + 2vx x2
(k + 1)v (x v)2 = (12.122)
2 4t 4t
v 2 + 2 (x + t (k + 1)) v x2
= (12.123)
4t
[v (x + t (k + 1))]2 + [x + t (k + 1)]2 x2
= (12.124)
4t
[v (x + t (k + 1))]2 + 2xt (k + 1) + t2 (k + 1)2
= (12.125)
4t
1 v (x + t (k + 1)) 2 2x (k + 1) + t (k + 1)2
= p + :
2 2t 4
(12.126)
Z1
1 1 1
v)2 ]
I1 = p e[ 2 (k+1)v 4t
(x
dv (12.127)
2 t
0
Z1 h i
v (x+t(k+1)) 2 2x(k+1)+t(k+1)2
1 1 p +
= p e 2 2t 4
dv (12.128)
2 t
0
Z1 h i
v (x+t(k+1)) 2
1 2x(k+1)+t(k+1)2 1 p
= p e 4 e 2 2t dv: (12.129)
2 t
0
Misalkan
v (x + t (k + 1))
z= p (12.130)
2t
sehingga
1 p
dz = p dv =) dv = 2tdz (12.131)
2t
80 Kuliah ke 12. Rumus Black-Scholes
dan I1 menjadi
Z1 p
1 2x(k+1)+t(k+1)2 1 2
z
I1 = p e 4 e 2 2tdz (12.132)
2 t
a
Z1
2x(k+1)+t(k+1)2 1 1 2
z
=e 4 p e 2 dz (12.133)
2
a
2x(k+1)+t(k+1)2
=e 4 N ( a) (12.134)
2x(k+1)+t(k+1)2
=e 4 N (d1 ) (12.135)
dengan
(x + t (k + 1))
a= p (12.136)
2t
d1 = a (12.137)
x + t (k + 1)
= p : (12.138)
2t
Dengan langkah yang serupa bisa diperoleh I2
2x(k 1)+t(k 1)2
I2 = e 4 N (d2 ) (12.139)
dengan
x + t (k 1)
d2 = p : (12.140)
2t
Sehingga dari (12:117) ; (12:135) dan (12:139) akan diperoleh
u (x; t) = I1 I2 (12.141)
2x(k+1)+t(k+1)2 2x(k 1)+t(k 1)2
=e 4 N (d1 ) e 4 N (d2 ) : (12.142)
= ex N (d1 ) e kt
N (d2 ) : (12.145)
dengan
x + t (k + 1)
d1 = p (12.154)
2t
log (S (t) =K) + 21 2 (T t) 1
r
2 +1
= q 2
(12.155)
2 12 2 (T t)
log (S (t) =K) + r + 21 2 (T t)
= p (12.156)
(T t)
x + t (k 1)
d2 = p (12.157)
2t
log (S (t) =K) + 21 2 (T t) 1
r
2 1
= q 2
(12.158)
2 12 2 (T t)
log (S (t) =K) + r 21 2 (T t)
= p : (12.159)
(T t)
~ V
X (0) = E (12.160)
(T )
1 ~
= E [V ] (12.161)
(T )
1 ~
= E [maks fS (T ) K; 0g] (12.162)
(T )
1 ~
= E (S (T ) K)+ (12.163)
(T )
82 Kuliah ke 12. Rumus Black-Scholes
dS~ = S~ (t) dW
~ (t) (12.164)
S (t) 1
S~ (t) = = S (t) (t) (12.165)
(t)
(t) = ert (12.166)
didapat
1 1
dS~ (t) = (t) dS (t) S (t) d (t) (12.167)
1 1
= (t) dS (t) rS (t) (t) dt (12.168)
1 1
S~ (t) dW
~ (t) = (t) dS (t) S (t) d (t) (12.169)
S (t) (t) 1 dW ~ (t) = (t) 1
dS (t)
rS (t) (t) 1
dt (12.170)
~ (t)
dS (t) = rS (t) dt + S (t) dW (12.171)
~ (T )
Karena W N (0; T ) dan bila dimisalkan
S (T )
Y = ln (12.176)
S0
1 2 2T
maka Y N r 2 T ; dengan pdf-nya
2 !2 3
1 2
1 1 y r T
f (y) = p exp 4 p 2 5 (12.177)
2 T 2 T
Dengan tehnik transformasi variabel acak, pdf untuk S (T ) didapat dengan men-
substitusikan y dari (12:176) ke (12:177) dan mengalikan dengan determinan Jacobian
12.5. Cara keempat 83
jJj
@Y
jJj = (12.178)
@S (T )
S (0) 1
= (12.179)
S (T ) S (T )
1
= (12.180)
S (T )
1
= (12.181)
S (T )
yaitu
2 !2 3
1 2
1 1 y r T
f (s (T )) = p exp 4 p 2 5 jJj (12.182)
2 T 2 T
2 !2 3
1 2
1 1 ln (s (T ) =S0 ) r T
= p exp 4 p 2 5 (12.183)
s (T ) 2 T 2 T
Jadi (12:183) adalah pdf untuk S (T ) di bawah P~ yang akan diapakai untuk menghi-
tung (12:163)
1 ~
X (0) = E (S (T ) K)+ (12.184)
(T )
rT ~
=e E [maks (S (T ) K; 0)] (12.185)
Z 1
rT
=e maks (s (T ) K; 0) f (s (T )) ds (T ) (12.186)
Z0 1
rT
=e (s (T ) K) f (s (T )) ds (T ) (12.187)
K
2 0 12 3
Z1 s(T ) 1 2T
rT [s (T ) K] 6 1 @ ln s(0) r 2
A 7
=e p exp 4 p 5 ds (T ) (12.188)
s (T ) 2 T 2 T
K
Persamaan (12:188) serupa dengan (12:11) sehingga langkah selanjutnya untuk men-
dapatkan rumus Black-Scholes (12:19) akan serupa pula.
S1 (M ) = aS0 (12.189)
S1 (B) = bS0 : (12.190)
84 Kuliah ke 12. Rumus Black-Scholes
Sedangkan harga saham untuk akhir periode ke 2 adalah salah satu dari hal berikut
S2 (M M ) = aS1 (M ) = a2 S0 (12.191)
S2 (M B) = bS1 (M ) = baS0 (12.192)
S2 (BM ) = aS1 (B) = abS0 (12.193)
2
S2 (BB) = bS1 (B) = b S0 : (12.194)
Misalkan pada money market berlaku tingkat suku bunga sebesar r per periode yang
memenuhi
b<1+r <a (12.195)
Nilai European call option pada akhir periode 1 dengan exercise price K dide…nisikan
oleh
V1 (!) = (S0 (!) K)+ = maxfS1 (!) K; 0g; ! 2 fM; Bg
Dari hasil ini dapat ditentukan harga European call option pada saat sekarang V0 melalui
penggunaan prinsip replicating portfolio
r
V0 = e pV1 (M ) + qeV1 (B)]
[e (12.199)
er b
p~ = (12.200)
a b
a er
qe = : (12.201)
a b
r
V1 (M ) = e pV2 (M M ) + qeV2 (M B)]
[e (12.202)
r
V1 (B) = e pV2 (BM ) + qeV2 (BB)]
[e (12.203)
12.5. Cara keempat 85
Hasil ini (12:212) dapat diperluas untuk model Binomial dengan 3 periode sehingga
harga European call option pada saat sekarang adalah
2 ! 3
X 3
3
V0 = e 3r 4 pej qe3 j max aj b3 j S0 K; 0 5 : (12.213)
j=0
j
Variabel acak j pada persamaan (12:214) menyatakan jumlah M dari n Bernoulli exper-
iment dengan peluang menghasilkan M adalah pe dan peluang menghasilkan B adalah
qe:
Harga call option (12:214) dapat diurai menjadi dua buah penjumlahan
2 !
Xk 1
n
V0 = e nr 4 pej qen j max aj bn j S0 K; 0 +
j=0
j
! 3
Xn
n
pej qen j max aj bn j S0 K; 0 5 (12.215)
j
j=k
ak bn k
S0 K>0 (12.216)
sehingga !
n
X n
pej qen j
(12.217)
j
j=k
86 Kuliah ke 12. Rumus Black-Scholes
dapat ditafsirkan sebagai peluang call option akan berakhir in-the-money di dalam risk-
neutral world sehingga porsi dari call option yang akan berakhir out-of-the-money mem-
berikan hasil 2
n
!
X n
4 pej qen j max aj bn j S0 K; 0 = 0 (12.218)
j
j=k 1
dengan
r
p =e pea (12.224)
r
q =e qeb: (12.225)
dengan
t = tj tj 1; 8j = 1; 2; 3; ;n (12.227)
sehingga didapat
T
t= : (12.228)
n
Dengan kata lain selang waktu [0; T ] akan dipecah menjadi n buah anak selang masing-
masing selebar t = T =n: Tiap anak selang ini akan diperlakukan sebagai satu periode
seperti yang dimaksud pada pembahasan model binomial diatas.
12.5. Cara keempat 87
Bila pergerakan harga saham mengikuti model Binomial dengan faktor kenaikkan
harga a dan faktor penurunan harga b pada tiap anak selang yang memenuhi
b < er t
<a (12.229)
ST = Stn = aj bn j
S0 : (12.230)
Variabel j pada persamaan (12:230) adalah variabel acak yang menyatakan jumlah M
(kenaikkan harga saham) dalam n Bernoulli experiments dengan peluang mendapatkan
M untuk tiap selang waktu t dalam risk-neutral world adalah p~: Dengan kata lain
variabel acak j berdistribusi Binomial dengan parameter n dan p~: Mean dan variansi
dari j adalah
E (j) = n~
p (12.231)
V ar (j) = n~
pq~: (12.232)
Dengan ketentuan-ketentuan yang telah digariskan ini maka penentuan harga call
option dapat dilakukan dengan sedikit modi…kasi persamaan (12:223)
n
! n
!
X n j n j
X n
nr t
V 0 = S0 (p ) (q ) e K pej qen j (12.233)
j j
j=k j=k
n
! n
!
X n X n
= S0 (p )j (q )n j Ke rT pej qen j (12.234)
j j
j=k j=k
dengan
er t b a er t
p~ = ; q~ = (12.235)
a b a b
r t
p =e pea; q = e r t qeb: (12.236)
Selanjutnya Cox, Ross dan Rubinstein memilih nilai a dan b sedemikian rupa se-
hingga
t
a=e (12.237)
r t
b=e (12.238)
dengan adalah volatilitas tahunan dari harga saham. Ide dari pemilihan a dan b yang
demikian adalah bahwa kalau n ! 1 (atau t ! 0) maka harga call option (12:234)
dari model Binomial bisa dibuktikan akan menjadi rumus Black-Scholes
rT
V0 = S0 N (d1 ) Ke N (d2 ) (12.239)
dengan
1 2
ln(S0 =K) + r + 2 T
d1 = p (12.240)
T
1 2
ln(S0 =K) + r 2 T
d2 = p : (12.241)
T
88 Kuliah ke 12. Rumus Black-Scholes
Dengan kata lain penentuan harga option melalui model Binomial dapat dipergunakan
sebagai aproksimasi dari rumus Black-Scholes. Tentu saja hasil ini harus dibuktikan dan
memang akan dibuktikan disini dengan pemanfaatan the Central Limit Theorem.
Dengan pembandingan bentuk rumus antara (12:234) dan (12:239) maka langkah
selanjutnya tinggal pembuktian melalui Central Limit Theorem bahwa untuk n ! 1
atau t ! 0 akan diperoleh
n
!
X n
N (d1 ) = (p )j (q )n j (12.242)
j
j=k
n
!
X n
N (d2 ) = pej qen j : (12.243)
j
j=k
Akan dibuktikan dulu (12:243) dan dengan prosedur yang serupa bisa dibuktikan (12:242) :
Ruas kanan dari (12:243) tidak lain adalah P (j k)
n
!
X n
pej qen j = P (j k) : (12.244)
j
j=k
ak bn k
S0 K>0 (12.248)
atau
a k K n
> b (12.249)
b S0
yang menghasilkan
K
ln S0 n ln (b)
k> a (12.250)
ln b
p
K t
ln S0 n ln e
> p (12.251)
ln e2 t
K
p
ln S0 +n t
> p : (12.252)
2 t
12.5. Cara keempat 89
T
lim p (1 2e
p) (12.258)
t!0 t
lalu dihitung
p
lim 2 T peqe: (12.259)
t!0
er t b
p~ = (12.260)
a b
p
er t e t
= p p (12.261)
e t e t
ke dalam (12:258)
T
lim p (1 2e
p) (12.262)
t!0 t
p !
T er t e t
= lim p 1 2 p p (12.263)
t!0 t e t e t
2 p p p 3
e t e t 2 er t e t
T 4 5
= lim p p p (12.264)
t!0 t e t e t
2 p p 3
e t 2er t +e t
= lim T 4 p p p 5 (12.265)
t!0 t t
t e e
90 Kuliah ke 12. Rumus Black-Scholes
T
lim p (1 2e
p) (12.266)
t!0 t
2 p p 3
1 1=2 t 1 1=2
( t) e 2rer t
2( t) e t
= lim T 4 p
2
p p p p 5
t!0 1 1=2 t t 1 1=2 t 1 1=2 t
2 ( t) e e + t 2 ( t) e + ( t)
2 e
2 p p p 3
e t 4r ter t e t
= lim T 4 p p p p p 5 (12.267)
t!0 t t t t
e e + t e + e
T
lim p (1 2e
p) (12.268)
t!0 t
2 p p 3
2e t 4rer t 8r ter t + 2e t
= lim T 4 p p p p p p p 5
t!0 t t t t 1 t 1 t
e + e + e + e + t 2 e 2 e
4r + 2 2
=T (12.269)
4
1 2
= r T: (12.270)
2
p
er t e t
lim p~ = lim p p (12.271)
t!0 t!0 e t e t
p
1 1=2
rer t + 2 ( t) e t
lim p~ = lim 1=2
p
1=2
p (12.272)
t!0 t!0 1 ( ) e t + 1
( ) e t
2 2
p
rer t t+ e t
= lim p p (12.273)
t!0 e t + e t
1
= : (12.274)
2
Hasil yang diperoleh dari (12:270) dan (12:275) dapat dipergunakan untuk menghi-
12.5. Cara keempat 91
tung (12:257) untuk t ! 0 agar the central limit theorem bisa dipergunakan
2 3
K
ln S0 + pT t (1 2e
p)
P (j k) = p 4z p 5 (12.276)
2 T peqe
2 3
K 1 2
ln S0 r 2 T
= P 4z p 5 (12.277)
2 T
2 3
K 1 2
ln S0 r 2 T
=N4 p 5 (12.278)
2 T
" #
S0 1 2
ln K + r 2 T
=N p (12.279)
2 T
= N (d2 ) (12.280)
dengan N (d2 ) seperti yang dimaksud oleh persamaan (12:243) : Dengan cara yang serupa
bisa pula dibuktikan bahwa N (d1 ) pada persamaan (12:242) akan berlaku.
Dengan demikian lengkaplah sudah pembuktian bahwa harga call option yang be-
rangkat model Binomial (12:234) akhirnya bisa menjadi rumus Black-Scholes (12:239)
bila n ! 1 atau t ! 0: Dalam praktek melalui penghitungan dengan komputer, untuk
n = 256 rumus (12:234) atau (12:220) sudah cukup baik sebagai aproksimasi bagi rumus
Black-Scholes (12:239) :
Kuliah ke 13
Proses Gauss
n=2 1 1
f (x (t1 ) ; x (t2 ) ; ; x (tn )) = (2 ) :j j 2 exp (x m (t)) 1
(x m (t))0
2
(13.1)
dengan adalah matriks variansi-kovariansi
= ( (ti ; tj )) i; j = 1; 2; ;n (13.2)
(ti ; tj ) = E [X (ti ) E (X (ti ))] [X (tj ) E (X (tj ))] (13.3)
Teorema 13.1 Misal B (t) adalah suatu gerak Brown dan (t) adalah fungsi non acak
maka Z t
X (t) = (u) dB (u) (13.6)
0
adalah suatu proses Gauss dengan
m (t) = 0 (13.7)
Z ti ^tj
(ti ; tj ) = (u)2 du (13.8)
0
92
13.1. De…nisi proses Gauss 93
Teorema 13.2 Misal B (t) adalah suatu gerak Brown dan (t) serta h (u) adalah fungsi
my (t) = 0 (13.11)
Z ti ^tj Z t Z t
Y (ti ; tj ) = (u)2 h (y) dy h (y) dy dv (13.12)
0 v v
Kuliah ke 14
Obligasi
14.1 Pendahuluan
Pada bab ini kita akan mempelajari tentang penentuan harga obligasi. Obligasi adalah
surat berharga yang diterbitkan oleh perusahaan atau pemerintah sebagai surat hutang.
Pemegang surat berharga pada saat jatuh tempo akan menerima sejumlah uang yang
disebut face value.
14.2 Pemodelan
Misal fB (t)g 0 t T adalah suatu gerak Brown di ( ; F; P ) : Misalkan pula harga
saham memenuhi persamaan diferensial stokastik
dengan r (t) dan (t) adalah adapted processes. Dimislkan kita telah menggunakan P
sebagai risk-neutral measure sehingga setiap martingale di bawah P dapat dinyatakan
sebagai suatu integral terhadap B (t) :
De…nisikan faktor akumulasi (t) dengan
Rt
r(u)du
(t) = e 0 (14.2)
Misal P (t; T ) menyatakan nilai dari suatu obligasi pada saat t yang akan jatuh tempo
pada saat T dengan face value pada saat T sebesar Rp1,-. Dengan demikian P (T; T ) = 1:
Menurut risk-neutral pricing
P (t; T ) ~ 1
=E jF (t) (14.3)
(t) (T )
~ 1
P (t; T ) = (t) E jF (t) (14.4)
(T )
~ (t)
=E jF (t) (14.5)
(T )
Z T
~
= E exp r (u) du jF (t) (14.6)
t
94
14.2. Pemodelan 95
Nilai saat ini dari suatu obligasi yang jatuh tempo pada saat T adalah
~ 1
P (0; T ) = E (14.7)
(T )
h i
Perhatikan persamaan (14:4). Bagian dari persaman itu, yaitu E ~ 1 jF (t) adalah
(T )
suatu martingale di bawah P: Menurut teorema representasi martingale, ada suatu
adapted process (u) sedemikian rupa sehingga dengan menggunakan (14:7) didapat
Z t
~ 1 ~ 1
E jF (t) = E jF (0) + (u) dB (u) (14.8)
(T ) (T ) 0
Z t
~ 1
=E + (u) dB (u) (14.9)
(T ) 0
Z t
= P (0; T ) + (u) dB (u) (14.10)
0
Bila dipandang persamaan (14:7) sebagai fungsi f (t; B (t)) maka penggunaan rumus Ito
akan menghasilkan
1
dP (t; T ) = ft dt + fB dB + fBB dt (14.12)
2
1
= r (t) P (t; T ) dt + (t) (t) dB (t) + :0:dt (14.13)
2
= r (t) P (t; T ) dt + (t) (t) dB (t) (14.14)
Sekarang konstruksikan suatu portfolio yang terdiri dari saham dan tabungan. Bila
kekayaan semula adalah X (0) maka perubahan dari nilai kekayaan pada saat t yang
diakibatkan dari pembentukan portfolio adalah
Dengan menggunakan asumsi (14:1) maka persamaan (14:16) bisa diubah menjadi
Bila diambil
(t) (t)
(t) = (14.18)
(t) S (t)
maka persamaan (14:16) menjadi
yang bentuknya mirip dengan persamaan (14:14) : Karena itu dapat disimpulkan bahwa
dan
X (T ) = P (T; T ) = 1 (14.21)
Bila r (t) adalah nonrandom 8t; maka
RT
r(u)du
P (t; T ) = e t (14.22)
dP (t; T ) = r (t) P (t; T ) dt (14.23)
dan dengan membandingkannya dengan persamaan (14:14) maka dapat disimpulkan
bahwa (u) = 0 8u; artinya portfolio yang dibentuk hanyalah berupa tabungan, tidak
ada sahamnya. Sehingga bila pada saat t kita mempunyai P (t; T ) dan ditabung maka
pada saat T tabungan kita akan menjadi
Z T
P (t; T ) exp r (u) du = 1 (14.24)
t
Menurut Teorema 13:1; persamaan (14:31) memperlihatkan bahwa r (t) adalah proses
Gauss dengan
Z t
K(t)
mr (t) = e r (0) + eK(u) (u) du (14.33)
0
Z ti ^tj
r (ti ; tj ) = e
K(ti ) K(tj )
e2K(u) (u)2 du (14.34)
v
14.3. Model Hull-White 97
RT
Akan dipelajari sifat 0 r (t) dt dengan pertolongan pemisalan
Z t
X (t) = eK(u) (u) dB (u) (14.35)
0
Z T
K(t)
Y (t) = e X (t) dt (14.36)
0
Z t
K(t)
r (t) = e r (0) + eK(u) (u) du + e K(t)
X (t) (14.37)
0
Z T Z t Z t
K(t)
r (t) dt = e r (0) + eK(u) (u) du dt + Y (T ) normal (14.38)
0 0 0
Jadi
Z T
r (t) dt Normal, dengan (14.39)
0
mean : (14.40)
Z T Z t Z t
K(t)
E r (t) dt = e r (0) + eK(u) (u) du dt (14.41)
0 0 0
variansi : (14.42)
Z T h i
var r (t) dt = (T; T ) = E Y (T )2 (14.43)
0
Z T Z T 2
= e2K(v) (v)2 e K(y)
dy dv (14.44)
0 0
Dengan mengenali bentuk dari fungsi pembangkit momen untuk peubah acak berdis-
98 Kuliah ke 14. Obligasi
2 2
t+ 1
1
Bila X N ; 2
maka fungsi pembangkit momen-nya adalah mY (t) = E etY = e( 2
t )
Daftar Pustaka
[3] Brzezniak, Zdzislaw dan Tamsz Zastawniak (1999), Basic Stochastic Process,
Springer-Verlag.
[4] Capinski, Marek dan Ekkerhard Kopp (2003), Measure, Integral and Probability,
Springer-Verlag.
[5] Hogg, R.V. dan A.T. Craig (1980), Introduction to Mathematical Statistics, Macmil-
lan.
[6] Shreve, Steven E. (1996), Stochastic Calculus and Finance, naskah, Carnegie Mellon
University.
[7] Williams, David (2001), Probability with Martingales, Cambridge University Press.
99
Indeks
, 14 fungsi himpunan
B (R), 16 aditif, 17
F-terukur, 22 terhitung, 17
-aljabar, 13
-aljabar Borel, 16 hampir pasti, 21
(X), 22 himpunan
(C), 15 Borel, 16
kuasa, 14
aljabar, 13
almost surely (a.s), 21 integral, 26
aproksimasi, 28 Lebesque, 19
atom, 22 intrinsict value, 3
call, 3 opsi, 3
convergence call, 3
dominated, 20, 27 option
monotone, 20, 27 European call, 3
ekspektasi peluang
bersyarat, 36 bersyarat, 35
exercise persamaan diferensial stokastik, 12
date, 3 portfolio replikasi, 3
price
…ltrasi, 15 arbitrage, 5
fungsi exercise, 3
F-terukur, 22 strike, 3
himpunan, 17 probability
indikator, 19, 26 risk-neutral, 5, 11
sederhana, 19, 26 proses stokastik, 43
100
INDEKS 101
proses teradaptasi, 43
rata-rata parsial, 27
replicating portfolio, 3
ruang
probabilitas, 21
sampel, 14
terukur, 17
ukuran, 18
Teorema Radon-Nikodym, 41
titik sampel, 14
tower property, 42
ukuran, 18
Lebesque, 18
probabilitas, 21
variabel acak, 22