MA5161 MatKeu - Sem I 23-24 - 7 - Metode Binomial
MA5161 MatKeu - Sem I 23-24 - 7 - Metode Binomial
Metode ini berangkat dari suatu model pergerakan harga saham yang sederhana. Selang waktu
[0, 𝑇] dibagi menjadi M sub selang yang sama panjang dengan titik-titik bagi
𝑇
0 t0 t1 tM T dengan 𝑡𝑖 = 𝑖∆𝑡 (𝑖 = 0,1, ⋯ , 𝑀), ∆𝑡 = dan 𝑆𝑖 = 𝑆(𝑡𝑖 ) harga
𝑀
saham pada saat ti .
Asumsi:
1. Dalam selang waktu t harga saham dapat naik atau turun menjadi
S S u atau S S d dengan 0 d 1 u
2. Peluang harga saham naik 𝑃(naik) = 𝑝
3. Ekspektasi return harga saham besarnya sama dengan risk-free interest rate r. Sehingga
untuk harga saham S yang bergerak secara acak dari Si pada saat ti menjadi Si 1 pada
saat ti 1 ini berarti 𝐸(𝑆𝑖+1 ) = 𝑆𝑖 𝑒 𝑟∆𝑡 .
Pada tahap ini ketiga buah parameter u, d dan p nilai-nilainya belum diketahui. Nilai parameter-
parameter ini akan dapat ditentukan setelah kita memiliki cukup persamaan yang menghubungkan
ketiga nya atau dengan suatu tambahan asumsi. Persamaan pertama diperoleh dari memanfaatkan
ketiga asumsi diatas. Persamaan kedua diperoleh dengan menyamakan variansi model diskrit
diatas dengan model kontinu (lihat bahasan model harga saham di depan).
Dari asumsi 1 dan 2 (model diskrit) kita memperoleh
𝐸(𝑆𝑖+1 ) = 𝑝 𝑆𝑖 𝑢 + (1 − 𝑝) 𝑆𝑖 𝑑
sehingga
𝑒 𝑟∆𝑡 = 𝑝 𝑢 + (1 − 𝑝) 𝑑 (3)
er t
d
yang memberikan p . Agar dipenuhi 0 p 1 maka haruslah d er t
u.
u d
Sementara itu dari model kontinu kita memiliki hubungan
2
2
E ( Si 1 ) Si 2 e(2 r ) t
2
2
sehingga Var ( Si 1 ) E ( Si 1 ) ( E ( Si 1 )) 2 S i 2 e 2 r t (e t
1) .
1
Persamaan (3) dan (4) diatas memberikan dua hubungan untuk u, d dan p . Persamaan yang ketiga
dapat dipilih. Diantara berbagai pilihan yang mungkin, dua diantaranya yang sering digunakan
adalah:
u d 1 dan p 12 (5)
Dari tiga persamaan (3), (4) dan (5) diatas, nilai-nilai u, d dan p dapat ditentukan.
2 2 er t
d
u 1, d 1/ u 1 dan p
u d
1 r t r 2
t
dengan (e e )
2
1
Sedangkan solusi untuk pilihan p 2 diberikan oleh:
2 2
p 1
2 , u e r t (1 e t
1) dan d e r t (1 e t
1)
Misalkan pada saat t0 0 harga saham adalah S 0 , maka menurut model binomial ini, harga saham
pada saat t1 1. t diberikan oleh S0 u atau S0 d . Selanjutnya pada saat t2 harga saham
mengambil salah satu dari S0 d 2 , S0 u d atau S0 u 2 . Dengan meneruskan langkah ini maka pada
saat ti i t akan terdapat i 1 harga saham yang mungkin terjadi, yang diberikan oleh
S ji S0 u j d i j
j 0,1, ,i
dengan S j i menyatakan harga saham pada saat ti dan telah terjadi kenaikan harga saham sebanyak
j kali serta penurunan harga saham sebanyak i j kali, dihitung dari saat t0 0. Pada saat
expiration date tM M t T , terdapat M 1 harga saham yang mungkin yaitu {S j M } j 0,1, , M
. Jika {C j M } j 0,1, , M menyatakan nilai-nilai payoff pada saat expiration date untuk sebuah opsi
call Eropa, maka
C j M max{ S j M K , 0 } j 0,1, , M
Dengan cara serupa , nilai-nilai payoff pada saat expiration date untuk sebuah opsi put Eropa
diberikan oleh
Pj M max{ K S jM ,0 } j 0,1, ,M
2
SM,M
SM-1,M
S2,2
|
S1,1
|
S0 = S0,0 S1,2
|
S0,1
|
S0,2
S1,M
S0,M
Metode Binomial selanjutnya bekerja secara mundur (dalam waktu) untuk memperoleh nilai opsi
pada saat t0 0. Nilai opsi pada saat ti , yaitu V j i , berkaitan dengan nilai saham pada saat itu
yaitu S j i , dihitung sebagai rata-rata dari nilai-nilai opsi V j i 1 dan V j 1i 1 pada saat ti 1 .
(V j i C j i untuk call dan V j i Pj i untuk put ) .
C ji e r t ( p C j 1i 1 (1 p) C j i 1 ) j 0,1, ,i i M 1, ,0
Untuk opsi put Eropa
r t
Pj i e ( p Pj 1i 1 (1 p) Pj i 1 ) j 0,1, ,i i M 1, ,0
3
Untuk opsi Amerika rumusan rekursif diatas harus dimodifikasi untuk memungkinkan adanya
fasilitas early exercise. Yaitu dengan menambahkan uji pembandingan nilai V j i diatas dengan
nilai payoff yang diperoleh seandainya dilakukan exercise pada saat ti .
4
%
% Menggambar Pohon Binomial
% Menentukan harga opsi call Eropa dengan model binomial
%
clc
clf
%%%%%%%%%%%%% Data-data %%%%%%%%%%%%%%%%%%%
%r=0.06; sigma=0.3; T=0.75; K=22; s0=10; N=32;
r=0.06; sigma=0.3; T=0.75; K=16; s0=9; N=32;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure (1)
scatter(t,S1,9,'bd','filled')
hold on
x=0:.005:N;
y=K*ones(size(x));
plot(x,y,'r-')
xlabel('t');
ylabel('S','rotation',0);
title ('Pohon binomial standar ')
text (5.5,K+1,'strike price')
grid on
6
%
% METODE BINOMIAL UNTUK OPSI CALL EROPA
%
clc
tic
%
%%%%%%%%%%%%% Data-data %%%%%%%%%%%%%%%%%%
r=0.06; sigma=0.3; T=0.75; K=16; s0=9; N=1000; %N=32;
%s0 = 9; K = 20; T = 0.75; r = 0.06; sigma = 0.3; N = 32;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
delta=T/N;
beta=0.5*(exp(-r*delta)+exp((r+sigma^2)*delta));
u=beta+sqrt(beta^2-1);
d=1/u;
p=(exp(r*delta)-d)/(u-d);
S(1,1)=s0;
for i=1:N
for j=1:i+1
S(j,i+1)=S(1,1)*(u^(j-1))*d^(i-(j-1));
end
end
C = zeros(N+1,N+1);
for j=1:N+1
C(j,N+1)=max(S(j,N+1)-K,0);
end
id = N;
while id >= 1
for j=1:1:id
C(j,id)=exp(-r*delta)*(p*C(j+1,id+1)+(1-p)*C(j,id+1));
end
id=id-1;
end
%
% METODE BINOMIAL UNTUK OPSI CALL AMERIKA
%
clc
tic
%
%%%%%%%%%%%%% Data-data %%%%%%%%%%%%%%%%%%
%r=0.06; sigma=0.3; T=0.75; K=20; s0=9; N=32;
r=0.06; sigma=0.3; T=0.75; K=16; s0=9; N=1000; %N=32;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
7
delta=T/N;
beta=0.5*(exp(-r*delta)+exp((r+sigma^2)*delta));
u=beta+sqrt(beta^2-1);
d=1/u;
p=(exp(r*delta)-d)/(u-d);
S(1,1)=s0;
for i=1:N
for j=1:i+1
S(j,i+1)=S(1,1)*(u^(j-1))*d^(i-(j-1));
end
end
C = zeros(N+1,1); C1 = zeros(N+1,1);
for j=1:N+1
C(j,N+1)=max(S(j,N+1)-K,0);
C1(j,N+1)=C(j,N+1);
end
payoff = zeros(N,N);
id = N;
while id >= 1
for j=1:1:id
payoff(j,id)=max(S(j,id)-K,0);
C1(j,id)=max(payoff(j,id),exp(-r*delta)*(p*C1(j+1,id+1)+(1-p)*C1(j,id+1)));
end
id=id-1;
end
V=C1;
%
% METODE BINOMIAL UNTUK OPSI PUT EROPA
%
clc
%
%%%%%%%%%%%%% Data-data %%%%%%%%%%%%%%%%%%
r=0.06; sigma=0.3; T=0.75; K=16; s0=9; N=1000; % N=32;
%s0 = 9; K = 22.5; r = 0.06; sigma = 0.3; T = 0.75; N = 32;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
delta=T/N;
beta=0.5*(exp(-r*delta)+exp((r+sigma^2)*delta));
u=beta+sqrt(beta^2-1);
d=1/u;
p=(exp(r*delta)-d)/(u-d);
8
S(1,1)=s0;
for i=1:N
for j=1:i+1
S(j,i+1)=S(1,1)*(u^(j-1))*d^(i-(j-1));
end
end
P = zeros(N+1,N+1);
for j=1:N+1
P(j,N+1)=max(K-S(j,N+1),0);
end
id = N;
while id >= 1
for j=1:1:id
P(j,id)=exp(-r*delta)*(p*P(j+1,id+1)+(1-p)*P(j,id+1));
end
id=id-1;
end
%
% METODE BINOMIAL UNTUK OPSI PUT AMERIKA
%
clc
tic
%%%%%%%%%%%%% Data-data %%%%%%%%%%%%%%%%%%
r=0.06; sigma=0.3; T=0.75; K=16; s0=9; N=1000; %N=32;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
delta=T/N;
beta=0.5*(exp(-r*delta)+exp((r+sigma^2)*delta));
u=beta+sqrt(beta^2-1);
d=1/u;
p=(exp(r*delta)-d)/(u-d);
S(1,1)=s0;
for i=1:N
for j=1:i+1
S(j,i+1)=S(1,1)*(u^(j-1))*d^(i-(j-1));
end
end
P = zeros(N+1,1); P1 = zeros(N+1,1);
for j=1:N+1
P(j,N+1)=max(K-S(j,N+1),0);
P1(j,N+1)=P(j,N+1);
end
9
payoff = zeros(N,N);
id = N;
while id >= 1
for j=1:1:id
payoff(j,id)=max(K-S(j,id),0);
P1(j,id)=max(payoff(j,id),exp(-r*delta)*(p*P1(j+1,id+1)+(1-p)*P1(j,id+1)));
end
id=id-1;
end
V=P1;
% Formula Black-Scholes
function [ C,P ] = BS(S,K,r,sigma,T)
d1 = (log(S/K) + (r + 0.5*sigma^2)*T)/(sigma*sqrt(T));
d2 = d1 - sigma*sqrt(T);
C = S*normcdf(d1) - K*exp(-r*(T))*normcdf(d2) ;
P = C + K*exp(-r*T) - S ;
format short
end
10
Perhatikan kembali model binomial harga opsi Eropa,
𝑉𝑗𝑖 = 𝑒 −𝑟∆𝑡 (𝑝𝑉𝑗+1,𝑖+1 + (1 − 𝑝)𝑉𝑗,𝑖+1 ) 𝑗 = 0, 1, 2, ⋯ , 𝑖 𝑖 = 𝑁 − 1, 𝑁 − 2, ⋯ , 1,0
dengan 𝑉𝑗𝑖 menyatakan harga opsi pada saat 𝑡 = 𝑖 ∆𝑡 dan telah terjadi j kali kenaikan harga
saham, dengan harga saham saat itu diberikan oleh 𝑆𝑗𝑖 = 𝑆00 𝑢 𝑗 𝑑 𝑖−𝑗 .
Untuk 𝑁 = 2 : 𝑉00 = 𝑒 −𝑟∆𝑡 (𝑝𝑉1,1 + (1 − 𝑝)𝑉0,1 ) = 𝑒 −𝑟∆𝑡 (𝑝𝑒 −𝑟∆𝑡 (𝑝𝑉2,2 + (1 − 𝑝)𝑉1,2 ) +
(1 − 𝑝)𝑒 −𝑟∆𝑡 (𝑝𝑉1,2 + (1 − 𝑝)𝑉0,2 )) = 𝑒 −2𝑟∆𝑡 (𝑝2 𝑉2,2 + 2𝑝(1 − 𝑝)𝑉1,2 + (1 − 𝑝)2 𝑉0,2 )
Untuk 𝑁 = 3 : 𝑉00 = 𝑒 −3𝑟∆𝑡 (𝑝3 𝑉3,3 + 3𝑝2 (1 − 𝑝)𝑉2,3 + 3𝑝(1 − 𝑝)2 𝑉1,3 + (1 − 𝑝)3 𝑉0,3 )
Selanjutnya secara induksi matematika diperoleh
𝑁
−𝑟𝑁∆𝑡 𝑁
𝑉00 = 𝑒 ∑ ( ) 𝑝 𝑗 (1 − 𝑝)𝑁−𝑗 𝑉𝑗,𝑁
𝑗
𝑗=0
𝑁 𝑁!
dengan ( ) = 𝑗! (𝑁−𝑗)! , 𝑉𝑗,𝑁 = 𝑚𝑎𝑘𝑠{𝑆00 𝑢 𝑗 𝑑 𝑁−𝑗 − 𝐾, 0} untuk opsi 𝑐𝑎𝑙𝑙 dan
𝑗
Maka
𝑁
−𝑟𝑁∆𝑡 𝑁
𝐶=𝑒 ∑ ( ) 𝑝 𝑗 (1 − 𝑝)𝑁−𝑗 (𝑆00 𝑢 𝑗 𝑑 𝑁−𝑗 − 𝐾)
𝑗
𝑗=𝑎
𝑁 𝑁
𝑁 𝑁−𝑗 𝑁
𝐶 = 𝑆00 ∑ ( ) (𝑝𝑢𝑒 −𝑟∆𝑡 )𝑗 ((1 − 𝑝)𝑑𝑒 −𝑟∆𝑡 ) − 𝐾𝑒 −𝑟𝑁∆𝑡 ∑ ( ) 𝑝 𝑗 (1 − 𝑝)𝑁−𝑗
𝑗 𝑗
𝑗=𝑎 𝑗=𝑎
Perhatikan bahwa 𝑝𝑢𝑒 −𝑟∆𝑡 + (1 − 𝑝)𝑑𝑒 −𝑟∆𝑡 = 𝑒 −𝑟∆𝑡 (𝑝(𝑢 − 𝑑) + 𝑑) = 𝑒 −𝑟∆𝑡 . 𝑒 𝑟∆𝑡 = 1. Maka
𝑁 𝑁
11
Jika Φ(𝑘; 𝑛, 𝑝) = ∑𝑁
𝑗=𝑘 𝑏(𝑗; 𝑛, 𝑝) menyatakan fungsi distribusi binomial komplementer, maka
Sehingga
12
𝑆 1
𝑙𝑛( )+(𝑟− 𝜎2 )𝑇
𝐾 2
= Prob (𝑍 < )
𝜎√𝑇
𝑆 1
𝑙𝑛( )+(𝑟− 𝜎2 )𝑇
𝐾 2
= 𝑁(𝑑2 ) dengan 𝑑2 = 𝜎√𝑇
Sehingga pada model binomial CRR dengan mengambil 𝑁 → ∞ atau ∆𝑡 → 0 kita peroleh
harga opsi call Eropa
𝐶 = 𝑆 Φ(𝑎; 𝑁, 𝑝𝑢𝑒 −𝑟∆𝑡 ) − 𝐾𝑒 −𝑟𝑇 Φ(𝑎; 𝑁, 𝑝)
yang konvergen ke formula call Eropa dari Black-Scholes :
𝐶 = 𝑆 𝑁(𝑑1 ) − 𝐾𝑒 −𝑟𝑇 𝑁(𝑑2 )
13