Post on 05-Jul-2015
description
transcript
Mercati energeticiMercati energetici a termine
CALIBRAZIONE DI MODELLI STOCASTICI PERMERCATI ENERGETICI A TERMINE
Carlo Montanari
UNIVERSITÀ DEGLI STUDI DI FERRARACorso di Laurea Magistrale in Matematica
21 marzo 2014
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
SOMMARIO
1 MERCATI ENERGETICIContratti su commodityFutures su commodity energetiche di flusso
2 MERCATI ENERGETICI A TERMINEModello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
COMMODITY
DEFINIZIONE
Una commodity è un bene economico negoziabile dotato di valoreintrinseco e sufficientemente standardizzato da essere in parte o deltutto fungibile (i.e. ogni sua istanza, in uno scambio, si può sostituirecon un’altra senza modificarlo).
ESEMPIO
Alcune fondamentali categorie di commodity sono:- prodotti agricoli: avena, frumento, mais, . . .- metalli industriali: acciaio, alluminio, nichel, . . .- metalli preziosi: argento, oro, palladio, . . .- commodity energetiche: carbone, benzina, energia elettrica, gas
naturale, petrolio, . . .
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
CONTRATTI A PRONTI
DEFINIZIONE
Un contratto a pronti (o contratto spot) su una fissata commodity è uncontratto finanziario stipulato tra due controparti, il venditore V el’acquirente A, che alla data di stipula t stabilisce:
- nella data t il venditore consegna fisicamente all’acquirente laquantità x della commodity;
- nella data t l’acquirente paga l’importo S(t) al venditore;La quantità S(t) è detta prezzo spot della commodity in t .
V Ax, t
S(t), t
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
CONTRATTI A TERMINE
DEFINIZIONE
Un contratto a termine (o contratto forward) su una fissata commodityè un contratto finanziario stipulato tra due controparti, il venditore V el’acquirente A, che alla data di stipula t stabilisce:
- nella data T > t il venditore consegna all’acquirente la quantità xdella commodity;
- nella data T > t l’acquirente paga l’importo F (t ,T ) al venditore;La quantità F (t ,T ) è detta prezzo forward della commodity in t conconsegna in T e la durata T − t è chiamata time to maturity (TTM).
V Ax, T
F (t, T ), T
t T
−x −S(T )V : V :
Consegna fisica Consegna per differenziale
t T
0 0F (t, T )F (t, T )
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
CONTRATTI SWAP
DEFINIZIONE
Un contratto swap su una fissata commodity è un contratto finanziariostipulato tra due controparti, il venditore V e l’acquirente A, che alladata di stipula t stabilisce per ciascuna delle date future T di uninsieme J ⊆ (t ,+∞):
- nella data T il venditore consegna all’acquirente la quantità xdella commodity;
- nella data T l’acquirente paga l’importo F (t , J) al venditore;La quantità F (t , J) è detta prezzo swap della commodity in t conconsegna in J e la durata min J − t è chiamata time to delivery (TTD).
tV :
0
T2T1
−x
F (t, J)
TNTN−1
· · ·
· · ·
−x
F (t, J)
−x
F (t, J)
−x
F (t, J)
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
COMMODITY ENERGETICHE DI FLUSSO
DEFINIZIONE
Una commodity energetica di flusso è una commodity energetica che,per le sue caratteristiche, può essere consegnata fisicamente sologarantendo il suo flusso regolare, dal venditore all’acquirente, in unintervallo di tempo. I contratti con consegna fisica prevedono, ingenere, l’erogazione di un flusso della commodity con potenzacostante durante un intervallo di tempo. L’unità di misura dei contrattiè il MWh, l’energia generata erogando la potenza di 1 MW per 1 ora(1 MWh ≈ 3.6 GJ ).
ESEMPIO (ENERGIA ELETTRICA E GAS NATURALE)
L’energia elettrica ed il gas naturale sono commodity energetiche diflusso, poiché la possibilità del loro stoccaggio è limitata. Il consumomedio per utenza residenziale di energia elettrica e gas naturale inItalia, nel 2011, è stato rispettivamente di circa 2.4 MWh e 7.8 MWh.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
FUTURES SU COMMODITY ENERGETICHE DI FLUSSO
DEFINIZIONE
I futures su commodity energetiche di flusso sono contratti swapstipulati in mercati regolamentati. I futures sono standardizzati inrelazione a diverse proprietà, tra cui:
- sottostante- modalità di liquidazione- periodo di consegna- regole di negoziazione
Il prezzo swap F (t , J) è chiamato prezzo futures e si adotta laconvenzione:
- assumere una posizione corta→ vendere- assumere una posizione lunga→ acquistare
I futures sono utilizzati con tre finalità principali: copertura,speculazione, arbitraggio.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
MERCATI ENERGETICI
DEFINIZIONE
Un mercato energetico è un mercato regolamentato in cui sonostipulati contratti su commodity energetiche. Ci limitiamo aconsiderare solo commodity energetiche di flusso. Un mercatoenergetico si compone di:
- mercato energetico a pronti→ contratti a pronti- mercato energetico a termine (MET)→ futures
ESEMPIO (EUROPEAN ENERGY MARKET)
European Energy Market (EEX) è un mercato energetico con sede aLipsia nel quale sono scambiati contratti su elettricità, gas naturale,carbone, diritti di emissione di CO2. Esempi di contratti:
- futures PHELIX base-load (Elettricità con consegna nell’areaGermania/Austria)
- futures NCG (Gas naturale con consegna in Germania)
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
MERCATI ENERGETICI A TERMINE
FIGURA: Esiti delle contrattazioni sui futures mensili, trimestrali ed annualiPhelix base-load svolte il 03-dic-2012 nel mercato EEX.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
MERCATI ENERGETICI A TERMINE
FIGURA: Esempio di mercato energetico a termine osservato dal 01-ott-2012al 21-dic-2012.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
PROPRIETÀ SPERIMENTALI
DEFINIZIONE (LOG-RENDIMENTO)
Consideriamo una fissata commodity C ed indichiamo con fi (t) ilprezzo del futures su C in t con consegna nell’intervallo Ji = [τi , θi ],per ogni i ∈ 1, . . . ,m e t ∈ [T0,T1]. SianoT0 = t0 < t1 < . . . < tN = T1 le date di osservazione degli m futures,definiamo il log-rendimento in tl del futures con consegna in Ji
∆xi (tl ) := log(
fi (tl )fi (tl−1)
)per ogni i ∈ 1, . . . ,m ed l ∈ 1, . . . ,N.Se tl − tl−1 = 1 giorno, ∆xi (tl ) è detto log-rendimento giornaliero.
T0
J1 Ji Jm
τi
I
θi
. . .. . .
∆T1 τ1 θ1∆ τm θm∆
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
PROPRIETÀ SPERIMENTALI
NOTAZIONE
Dato n ∈ N+, sia n := 1, . . . ,n.
DEFINIZIONE (VOLATILITÀ STORICA)
Consideriamo una fissata commodity C ed indichiamo con fi (t) ilprezzo del futures su C in t con consegna nell’intervallo Ji = [τi , θi ],per ogni i ∈ m e t ∈ [T0,T1]. Siano T0 = t0 < t1 < . . . < tN = T1 ledate di osservazione degli m futures, definiamo la volatilità storica a20 giorni in tl del futures con consegna in Ji
si (tl ) :=
√√√√ 119
l∑p=l−19
(∆xi (tp)−mil )2
dove mil := 120
∑lp=l−19 ∆xi (tp), per ogni i ∈ m ed l ∈ N.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
PROPRIETÀ SPERIMENTALI
Si osserva sperimentalmente che i futures su commodity energetichedi flusso soddisfano due proprietà:
- effetto Samuelson: la volatilità di un futures è decrescenterispetto al tempo alla consegna, per cui è tanto più piccolaquanto più lontano è il periodo di consegna. Il decadimento,inoltre, è esponenziale e la volatilità tende ad un valore costantestrettamente positivo al convergere all’infinito del tempo allaconsegna.
- stagionalità della volatilità: le caratteristiche climatiche e socialidella regione in cui è consegnata la commodity sono tra i fattoriprincipali che guidano i suoi prezzi e presentano delle periodicitàsia sul breve che sul medio termine. Poiché queste ciclicità siriflettono sul flusso di informazioni che determina i prezzi deifutures, ci si aspetta che anche la volatilità le manifesti.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Contratti su commodityFutures su commodity energetiche di flusso
PROPRIETÀ SPERIMENTALI
FIGURA: A sinistra, volatilità storica a 20 giorni dei log-rendimenti del futuresgen-2013. A destra, struttura a termine della volatilità osservata il03-dic-2012.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MOTI BROWNIANI CORRELATI
NOTAZIONE (MATRICI)
Dati n,m ∈ N, sia Rnm l’algebra delle matrici reali n ×m, Rn := Rn
1,Rm := R1
m. Se A ∈ Rnm, indichiamo con Ai , Aj rispettivamente la
i-esima riga e la j-esima colonna di A, mentre con |A| la normaeuclidea di A.
DEFINIZIONE
Dato (Ω,F ,P) uno spazio di probabilità, diciamo che il processostocastico W = (W 1, . . . ,W d )T a valori in Rd è un vettored-dimensionale di moti browniani correlati o moto brownianod-dimensionale correlato su (Ω,F ,P) se esistonoW = (W
1, . . . ,W
d)T un moto browniano d-dimensionale e Γ una
matrice reale invertibile d × d tali che:C1 ∀i ∈ d :
∣∣Γi∣∣ = 1
C2 W = ΓW , i.e. ∀i ∈ d : W i =∑d
j=1 ΓijW
j
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
STRUTTURA DI CONSEGNA
DEFINIZIONE
Chiamiamo C = Jii∈m struttura di consegna posteriore adI = [T0,T1] se, per ogni i ∈ m, si ha Ji = [τi , θi ] e valgono le seguentiproprietà:
- τ1 ≥ T1- ∀i ∈ m : θi − τi = ∆- ∀i ∈ m − 1 : θi = τi+1
Ci riferiamo a Ji come all’i-esimo periodo di consegna di C.
T0
J1 Ji Jm
τi
I
θi
. . .. . .
∆T1 τ1 θ1∆ τm θm∆
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MODELLO DI MET
NOTAZIONE
Siano I = [T0,T1] ⊆ [0,+∞) ed n,m ∈ N, n,m ≥ 2.
DEFINIZIONE (MET)
Diciamo cheM = (Ω,F , Ftt∈I ,P,Q,W , F hh∈n) è un mercatoenergetico a termine con struttura di consegna C osservato in I (oC-MET su I) se valgono le seguenti proprietà:M1 (Ω,P) := (Ω,F , Ftt∈I ,P) è uno spazio di probabilità filtrato
standard con F = FT1 , W = (W11,W
12, . . . ,W
n1,W
n2)T è un
2n-moto browniano correlato su (Ω,F ,P) ed Ft = FWt per ogni
t ∈ I. Chiamiamo P misura oggettiva o misura del mondo realediM.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MODELLO DI MET
DEFINIZIONE (MET - CONTINUA)
Diciamo cheM = (Ω,F , Ftt∈I ,P,Q,W , F hh∈n) è un C-MET su Ise valgono le seguenti proprietà:M2 Per ogni h ∈ n, la funzione F h = (F h
1 , . . . ,Fhm)T è un processo
stocastico vettoriale a valori in (R+)m definito su I × Ω. Per ogni(h, i) ∈ n ×m, chiamiamo F h
i il prezzo del futures sullacommodity h-esima con consegna in Ji . Chiediamo che F h
i sia ilprocesso di Itô che soddisfa
dF hi (t)
F hi (t)
= µhi (t) dt + σh
i1(t) dWh1(t) + σh
i2(t) dWh2(t) in I
dove µhi ∈ L1
loc(I,Ω) e σhi1, σ
hi2 ∈ L2(I) sono funzioni
deterministiche. Poniamo ρh := Cor(Wh1,W
h2).
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MODELLO DI MET
DEFINIZIONE (MET - CONTINUA)
Diciamo cheM = (Ω,F , Ftt∈I ,P,Q,W , F hh∈n) è un C-MET su Ise valgono le seguenti proprietà:M3 Q è una misura di probabilità su (Ω,F) tale che
- Q ∼F P- F h
i è una martingala su (Ω,F , Ftt∈I ,Q), per ogni(h, i) ∈ n ×m
Chiamiamo Q misura neutrale al rischio o misura martingalaequivalente diM.
La proprietà M3 si giustifica osservando che, se il mercato è libero daarbitraggi, deve esistere Q ∼F P tale che
F hi (t) = EQ
(1
θi − τi
∫ θi
τi
Sh(u) du∣∣∣∣Ft
)in I
per ogni (h, i) ∈ n ×m.Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPRIETÀ ELEMENTARI DI UN MET
DEFINIZIONE
SiaM un C-MET su I. Per ogni (h, i) ∈ n ×m definiamo la volatilitàlocale di F h
i come
Σhi :=
√(σh
i1)2 + 2ρhσhi1σ
hi2 + (σh
i2)2 ∈ RI
Poniamo X hi := log(F h
i ) e lo chiamiamo log-prezzo del futuresh-esimo con consegna in Ji . Per ogni h, k ∈ n, siano
ρhkab := Cor(W h
a ,Wkb ) ∈ R, per ogni a,b ∈ 2
ρhk := Cor(W h,W k ) = (ρhkab)a,b∈2 =
(ρhk
11 ρhk12
ρhk21 ρhk
22
)∈ R2
2
ρ := Cor(W ) = (Cor(W h,W k ))h,k∈n = (ρhk )h,k∈n ∈ R2n2n
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE (DINAMICA DI F hi NEUTRALE AL RISCHIO)
SeM è un C-MET su I ed (h, i) ∈ n ×m, allora vale
dF hi (t)
F hi (t)
= σhi1(t) dW h
1(t) + σhi2(t) dW h
2(t) in I
dove W h := (W h1 ,W
h2 )T è un moto browniano 2-dimensionale
correlato su (Ω,F ,Q) con ρh = Cor(W h1 ,W
h2 ).
PROPOSIZIONE (DINAMICA DI X hi )
SeM è un C-MET su I, (h, i) ∈ n ×m ed ηhi (t) := µh
i (t)− Σhi (t)2
2 in I,allora
dX hi (t) = ηh
i (t) dt + σhi1(t) dW
h1(t) + σh
i2(t) dWh2(t) in I
dX hi (t) = −Σh
i (t)2
2dt + σh
i1(t) dW h1(t) + σh
i2(t) dW h2(t) in I
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
COVARIAZIONE QUADRATICA
DEFINIZIONE (COVARIAZIONE QUADRATICA)
SianoM un C-MET su I ed (h, i), (k , j) ∈ n ×m. Dataπ = (t0, . . . , tN) ∈ Prt(I) ed l ∈ N, definiamo
∆X hi (tl ) := X h
i (tl )− X hi (tl−1) = log
(F h
i (tl )F h
i (tl−1)
)il log-rendimento del futures h-esimo con consegna in Ji in [tl−1, tl ].Chiamiamo covariazione quadratica di X h
i ed X kj in I rispetto ad (Ω,P)
〈X hi ,X
kj 〉I := lim
|π|→0π∈Prt(I)
∑l∈N
∆X hi (tl )∆X k
j (tl ) q.c. in (Ω,P)
Chiamiamo variazione quadratica di X hi in I rispetto ad (Ω,P)
〈X hi 〉I := 〈X h
i ,Xhj 〉I
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
COVARIAZIONE QUADRATICA
DEFINIZIONE (STRUMENTI PER LA RAPPRESENTAZIONE INTEGRALE)
SeM è un C-MET su I ed (h, i), (k , j) ∈ n ×m, allora siano
Rhk :=
(ρhh ρhk
ρkh ρkk
)=
1 ρh ρhk
11 ρhk12
ρh 1 ρhk21 ρhk
22ρkh
11 ρkh12 1 ρk
ρkh21 ρkh
22 ρk 1
∈ R44
σhkij := (σh
i1, σhi2, σ
kj1, σ
kj2) ∈ (R4)I
Σhkij :=
√σhk
ij Rhk (σhkij )T ∈ RI , Σh
ij := Σhhij ∈ RI
Λhkij :=
12
[(Σhkij )2 − (Σh
i )2 − (Σkj )2] ∈ RI , Λh
ij := Λhhij ∈ RI
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
COVARIAZIONE QUADRATICA
PROPOSIZIONE (RAPPRESENTAZIONE DI Λhkij )
SeM è un C-MET su I ed (h, i), (k , j) ∈ n ×m, allora
Λhij = σh
i1σhj1 + ρh(σh
i1σhj2 + σh
i2σhj1) + σh
i2σhj2
Λhkij = ρhk
11σhi1σ
kj1 + ρhk
12σhi1σ
kj2 + ρhk
21σhi2σ
kj1 + ρhk
22σhi2σ
kj2
PROPOSIZIONE (RAPPRESENTAZIONE INTEGRALE DI 〈X hi ,X
kj 〉I )
SeM è un C-MET su I ed (h, i), (k , j) ∈ n ×m, allora
〈X hi 〉I =
∫IΣh
i (s)2 ds
〈X hi ,X
kj 〉I =
∫IΛhk
ij (s) ds
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MET DI TIPO 1
DEFINIZIONE (MET DI TIPO 1)
SianoM un C-MET su I ed (h, i) ∈ n ×m. Sappiamo
dF hi (t)
F hi (t)
= σhi1(t) dW h
1(t) + σhi2(t) dW h
2(t) in I
Diciamo cheM è di tipo 1 se
σhi1(t) :=
[αh
0 + αh1 cos(ωτi + ϕh)
]e−λ
h(τi−t) in I
σhi2(t) := αh
2 in I
con ω := 2π/365, αh0, α
h1, α
h2, ϕ
h ∈ R e λh ∈ R+.Chiamiamo ph := (αh
0, αh1, α
h2, ρ
h, ϕh, λh) ∈ R6 il vettore dei parametridiM relativi alla commodity h-esima e ρ = (ρhk )h.k∈n ∈ R2n
2n lamatrice dei parametri diM relativi alle correlazioni tra commodity.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE (COVARIAZIONE QUADRATICA)
SeM è un C-MET di tipo 1 su I ed (h, i), (k , j) ∈ n ×m, allora
〈X hi ,X
hj 〉I = ah
ij (αh0)2 + bh
ij (αh1)2 + ch
ij (αh2)2+
+ dhij α
h0α
h1 + eh
ij ρhαh
0αh2 + f h
ij ρhαh
1αh2
〈X hi ,X
kj 〉I = Ahk
ij ρhk11 + Bhk
ij ρhk12 + Chk
ij ρhk21 + Dhk
ij ρhk22
dove ahij ,b
hij , c
hij ,d
hij ,e
hij , f
hij dipendono solo dai parametri ϕh, λh ed
Ahkij ,B
hkij ,C
hkij ,D
hkij dipendono solo dai parametri ph,pk .
Dimostrazione: (Idea)
〈X hi ,X
kj 〉I =
∫IΛhk
ij (s) ds =
∫Iρhk
11σhi1(s)σk
j1(s) + ρhk12σ
hi1(s)σk
j2(s)+
+ ρhk21σ
hi2(s)σk
j1(s) + ρhk22σ
hi2(s)σk
j2(s) ds
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE (VARIANZA DEI LOG-RENDIMENTI)
SeM è un C-MET di tipo 1 su I, (h, i) ∈ n ×m e (t0, . . . tN) ∈ Prt(I, ε),allora
∀l ∈ N : VarP(∆X hi (tl )
)= uh
i e−2λh(τi−tl ) + vhi e−λ
h(τi−tl ) + whi
dove uhi , v
hi ,w
hi non dipendono da tl .
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
FIGURA: Struttura a termine osservata il 03-dic-2012 della volatilitàannualizzata dei log-rendimenti.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
CALIBRAZIONE DI MET DI TIPO 1
DEFINIZIONE (OSSERVAZIONE DI UN MET)
DatiM un C-MET su I e π = (t0, t1, . . . , tN) ∈ Prt(I), chiamiamof := (f h)h∈n un’osservazione diM in π se per ogni h ∈ n
f h :=(f h1 , . . . , f
hm)
:=
f h1 (t0) · · · f h
m(t0)...
...f h1 (tN) · · · f h
m(tN)
∈ RN+1m
matrice con le realizzazioni delle variabile casuali F h(tl )l=0,...,N deiprezzi dei futures sulla commodity h-esima osservati nelle date di π.Per ogni (h, i) ∈ n ×m ed l ∈ N, chiamiamo
∆xhi (tl ) := log
(f hi (tl )
f hi (tl−1)
)log-rendimento del futures h-esimo con consegna in Ji osservato in tl .
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE (COVARIAZIONE QUADRATICA EMPIRICA)
SianoM un C-MET su I ed (h, i), (k , j) ∈ n ×m. Data fun’osservazione diM in π ∈ Prt(I), chiamiamo
cvhkij (π) :=
∑l∈N
∆xhi (tl )∆xk
j (tl )
covariazione quadratica empirica di X hi ed X k
j osservata in π eponiamo cvh
ij (π) := cvhhij (π).
Idea della calibrazione:
〈X hi ,X
kj 〉I = lim
|π|→0π∈Prt(I)
∑l∈N
∆X hi (tl )∆X k
j (tl ) q.c. in (Ω,P)
〈X hi ,X
kj 〉I ≈ cvhk
ij (π) se T1 − T0 |π|
Cerchiamo phh∈n e ρ che soddisfino la precedente per ognih, k ∈ n ed i , j ∈ m.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
CALIBRAZIONE DI ph
SianoM un C-MET di tipo 1 su I, π ∈ Prt(I) con T1 − T0 |π| ed fun’osservazione diM in π. Fissato h ∈ n, per ogni i , j ∈ m si ha
〈X hi ,X
hj 〉I = ah
ij (αh0)2 + bh
ij (αh1)2 + ch
ij (αh2)2 + dh
ij αh0α
h1 + eh
ij ρhαh
0αh2 + f h
ij ρhαh
1αh2
〈X hi ,X
hj 〉I ≈ cvh
ij (π)
Otteniamo un sistema di m2 equazioni nelle 6 incognite scalaricomponenti del vettore ph = (αh
0, αh1, α
h2, ρ
h, ϕh, λh).
DEFINIZIONE (CALIBRAZIONE)
ph ∈ R6 è un vettore dei parametri relativi alla commodity h-esima diM calibrato su f se è soluzione del problema di ottimizzazione
minph∈Ph
∑i,j∈m
[〈X h
i ,Xhj 〉I − cvh
ij (π)]2
= minph∈Ph
∑i,j∈m
[Φh
ij (ph)− cvh
ij (π)]2
Ph := (α0, α1, α2, ρ, ϕ, λ) ∈ R6 | − 1 ≤ ρ ≤ 1, 0 ≤ ϕ < 2π, λ > 0
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
CALIBRAZIONE DI ρ
SianoM un C-MET di tipo 1 su I, π ∈ Prt(I) con T1 − T0 |π| ed fun’osservazione diM in π. Per ogni h, k ∈ n ed i , j ∈ m si ha
〈X hi ,X
kj 〉I = Ahk
ij ρhk11 + Bhk
ij ρhk12 + Chk
ij ρhk21 + Dhk
ij ρhk22 =: Φhk
ij (ρ)
〈X hi ,X
kj 〉I ≈ cvhk
ij (π)
Il nostro obiettivo è risolvere le n2m2 equazioni nell’incognitavettoriale ρ ∈ R2n
2n. Poiché ρ è simmetrica e ρhh11 = ρhh
22 = 1, ρhh12 = ρh
per ogni h ∈ n, le sue componenti indipendenti restano gli elementidelle sottomatrici ρhk ∈ R2
2 con h, k ∈ n ed h < k . Otteniamo unsistema di n2m2 in 2n(n − 1) incognite scalari indipendenti.
DEFINIZIONE (INSIEME AMMISSIBILE)
Sia R l’insieme delle matrici ρ = (ρhk )h,k∈n = (ρhkab)
h,k∈na,b∈2 ∈ R2n
2n tali che:
R1 ρ è simmetrica e semidefinita positivaR2 ∀h, k ∈ n : ∀a,b ∈ 2 : ρhk
ab ∈ [−1,1]R3 ∀h ∈ n : ρhh
11 = ρhh22 = 1, ρhh
12 = ρh
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE (CALIBRAZIONE)
ρ ∈ R2n2n è una matrice di correlazione diM calibrata su f se è
soluzione del problema di ottimizzazione
minρ∈R
∑h,k∈n
∑i,j∈m
[〈X h
i ,Xkj 〉I − cvhk
ij (π)]2
= minρ∈R
∑h,k∈n
∑i,j∈m
[Φhk
ij (ρ)− cvhkij (π)
]2
Questo è un problema di programmazione semidefinita non standard,dispendioso da un punto di vista computazionale. Per semplificarlodefiniamo:
DEFINIZIONE (INSIEME AMMISSIBILE)
Sia L l’insieme delle matrici T ∈ R2n2n tali che:
L1 T è triangolare inferioreL2 ∀l ∈ 2n :
∣∣T l∣∣ = 1
L3 ∀h ∈ n : 〈T 2h−1,T 2h〉 = ρh
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE (DECOMPOSIZIONE DI CHOLESKY)
Se A è una matrice reale n × n simmetrica e semidefinita positiva,allora esiste una matrice reale n × n triangolare inferiore L, conelementi non negativi sulla diagonale principale, tale che A = LLT.
Sfruttando la decomposizione di Cholesky di ρ, abbiamo dimostratoche
ρ ∈ R ↔ ∃T ∈ L : ρ = TT T
Si ottiene così che ρ ∈ R2n2n è una matrice di correlazione diM
calibrata su f se e solo se è soluzione del problema di ottimizzazionecon vincoli quadratici
minρ∈R
∑h,k∈n
∑i,j∈m
[Φhk
ij (ρ)− cvhkij (π)
]2= min
T∈L
∑h,k∈n
∑i,j∈m
[Φhk
ij (TT T)− cvhkij (π)
]2
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
TEST DI CALIBRAZIONE - DATI SIMULATI
FIGURA: Confronto tra volatilità storica a 20 giorni (in blu) e volatilità teoricacalibrata (in verde) dei log-rendimenti giornalieri di futures simulati.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
TEST DI CALIBRAZIONE - DATI REALI
FIGURA: Confronto tra volatilità storica a 20 giorni (in blu) e volatilità teoricacalibrata (in verde) dei log-rendimenti giornalieri di futures su gas naturaleHenry Hub.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MET DI TIPO 2
DEFINIZIONE (MET DI TIPO 2)
SianoM un C-MET su I ed (h, i) ∈ n ×m. Sappiamo
dF hi (t)
F hi (t)
= σhi1(t) dW h
1(t) + σhi2(t) dW h
2(t) in I
Diciamo cheM è di tipo 2 se
σhi1(t) :=
[αh
0 + αh1 cos(ω(τi − t) + ϕh)
]e−λ
h(τi−t) in I
σhi2(t) := αh
2 in I
con ω := 2π/365, αh0, α
h1, α
h2, ϕ
h ∈ R e λh ∈ R+.Chiamiamo ph := (αh
0, αh1, α
h2, ρ
h, ϕh, λh) ∈ R6 il vettore dei parametridiM relativi alla commodity h-esima e ρ = (ρhk )h.k∈n ∈ R2n
2n lamatrice dei parametri diM relativi alle correlazioni tra commodity.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE (COVARIAZIONE QUADRATICA)
SeM è un C-MET di tipo 2 su I ed (h, i), (k , j) ∈ n ×m, allora
〈X hi ,X
hj 〉I = ah
ij (αh0)2 + bh
ij (αh1)2 + ch
ij (αh2)2+
+ dhij α
h0α
h1 + eh
ij ρhαh
0αh2 + f h
ij ρhαh
1αh2
〈X hi ,X
kj 〉I = Ahk
ij ρhk11 + Bhk
ij ρhk12 + Chk
ij ρhk21 + Dhk
ij ρhk22
dove ahij ,b
hij , c
hij ,d
hij ,e
hij , f
hij dipendono solo dai parametri ϕh, λh ed
Ahkij ,B
hkij ,C
hkij ,D
hkij dipendono solo dai parametri ph,pk .
Possiamo dunque applicare la stessa tecnica di calibrazione diphh∈n e ρ su una osservazione diM descritta per i MET di tipo 1.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
FIGURA: Volatilità annualizzata dei log-rendimenti giornalieri di futuressimulati.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
TEST DI CALIBRAZIONE - DATI SIMULATI
FIGURA: Confronto tra volatilità storica a 20 giorni (in blu) e volatilità teoricacalibrata (in verde) dei log-rendimenti giornalieri di futures simulati.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
TEST DI CALIBRAZIONE - DATI REALI
FIGURA: Confronto tra volatilità storica a 20 giorni (in blu) e volatilità teoricacalibrata (in verde) dei log-rendimenti giornalieri di futures su gas naturaleHenry Hub.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
INTERPOLAZIONE DEI DATI
Fissata C una commodity e t una data di apertura del mercato, siano- C = Jii∈m = [τi , θi ]i∈m la struttura di consegna dei futures su
C disponibili in t , con J :=⋃
i∈m Ji un intervallo di R- f (t , Ji )i∈m i prezzi dei futures su C in t con consegna nei
periodi di C- C∗ = J∗i i∈m∗ = [τ∗i , θ∗i ]i∈m∗ una struttura di consegna
differente da C, con⋃
i∈m J∗i ⊆ JSi vogliono derivare f (t , J∗i )i∈m∗ i prezzi dei futures su C in t , macon consegna nei periodi di C∗.
t γ0 γ1 γ2 γ3 γ4 γ5 γ6 γ7
Jiτi θi
J∗iτ∗i θ∗iC∗
C
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Sia γ0 < γ1 < · · · < γq la partizione di J che si ottiene ordinando gliestremi degli intervalli Ji ed eliminando eventuali ripetizioni.
t γ0 γ1 γ2 γ3 γ4 γ5 γ6 γ7
Jiτi θi
ASSUNZIONE: Esiste g(t , s)s∈J la funzione dei prezzi forward su Cin t tale cheA1 g(t , ·) ∈ C2(J)A2 Per ogni j ∈ q ed s ∈ [γj−1, γj ]
g(t , s) = ajs4 + bjs3 + cjs2 + djs + ej
dove aj ,bj , cj ,dj ,ej ∈ R.A3 ∂g
∂s (t , γq) = 0A4 ∀i ∈ m : f (t , Ji ) = 1
τi−θi
∫ θi
τig(t ,u) du
A5∥∥∥∂2g∂2s (t , ·)
∥∥∥2
= min ‖h′′‖2 | h soddisfa A1-A4Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Abbiamo determinato g(t , s)s∈J la funzione dei prezzi forward su Cin t che soddisfa le ipotesi A1-A5 riducendo il problema a quello dirisolvere un sistema lineare.
Possiamo quindi derivare i prezzi dei futures su C in t con consegnanei periodi di C∗ per arbitraggio. Per ogni i ∈ m∗
f (t , J∗i ) =1
τ∗i − θ∗i
∫ θ∗i
τ∗i
g(t ,u) du
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROCESSI STOCASTICI COINTEGRATI
DEFINIZIONE (AUTOCOVARIANZA, DIFFERENZA PRIMA)
Dati Ω uno spazio di probabilità, t0 ∈ N, I = t ∈ N | t ≥ t0 edX = Xtt∈I un processo stocastico reale su Ω tale cheXtt∈I ⊆ L2(Ω), indichiamo per ogni t ≥ t0 con µt := E(Xt )l’aspettazione di X in t . Dato j ∈ N, definiamo per ogni t ≥ t0 + j
γjt := Cov(Xt ,Xt−j ) = E((Xt − µt )(Xt−j − µt−j ))
l’autocovarianza j-esima di X in t . In particolare, dunque,γ0t := Var(Xt ) è la varianza di X in t . Indichiamo con ∆ l’operatoredifferenza prima definito ponendo per ogni t ≥ t0 + 1
∆Xt := Xt − Xt−1
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE (PROCESSI INTEGRATI DI ORDINE 0 E 1)
Dati Ω uno spazio di probabilità, t0 ∈ N, I = t ∈ N | t ≥ t0 edX = Xtt∈I un processo stocastico reale su Ω tale cheXtt∈I ⊆ L2(Ω), diciamo che X è debolmente stazionario se
- ∃µ ∈ R : ∀t ≥ t0 : µt = µ- ∀j ∈ N : ∃γj ∈ R : ∀t ≥ t0 + j : γjt = γj
Chiamiamo X integrato di ordine 0 su Ω se X è debolmentestazionario ed indichiamo l’insieme di questi processi con I0(Ω).Chiamiamo X integrato di ordine 1 su Ω se ∆Xtt≥t0+1 ∈ I0(Ω) edindichiamo l’insieme di questi processi con I1(Ω).
ESEMPIO (PASSEGGIATA ALEATORIA CON DERIVA)
Il processo εtt∈N è detto rumore bianco gaussiano se le εt sonoi.i.d. con εt ∼ N(0, σ2) per ogni t ∈ R. Il processo X = Xtt∈N è dettopasseggiata aleatoria con deriva δ ∈ R se X0 := x0 ∈ R eXt := Xt−1 + δ + εt per ogni t ∈ N+. Si dimostra X ∈ I1(Ω) \ I0(Ω).
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE
Dati Ω uno spazio di probabilità edX = (X 1 = X 1
t t∈N, . . . ,X n = X nt t∈N)T un processo stocastico a
valori in Rn su Ω, definiamo
Coi(X ) := β ∈ Rn | βTX ∈ I0(Ω)
lo spazio di cointegrazione di X . Un vettore β ∈ Coi(X ) è dettovettore di cointegrazione di X , mentre la relazione βTX è dettarelazione di cointegrazione. Chiamiamo X un processo cointegratosu Ω se
- X 1, . . . ,X n ∈ I1(Ω)- Coi(X ) 6= 0n
ed indichiamo con CI(Ω) l’insieme di questi processi.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MET COINTEGRATI DI TIPO A
DEFINIZIONE (MET COINTEGRATI DI TIPO A)
SianoM un C-MET su I ed (h, i) ∈ n ×m. Ricordiamo che
dF hi (t)
F hi (t)
= µhi (t) + σh
i1(t) dWh1(t) + σh
i2(t) dWh2(t) in I
e W = (W11,W
12, . . . ,W
n1,W
n2)T, W = (W 1
1 ,W12 , . . . ,W
n1 ,W
n2 )T sono
moti browniani correlati rispettivamente su (Ω,F ,P) ed (Ω,F ,Q).Diciamo cheM è cointegrato di tipo A se esistono ξ ∈ R2n e Π ∈ R2n
2ntali che
dW (t) = [ξ + ΠW (t)] dt + dW (t) in I
Chiamiamo ξ fattore centrante diM e Π matrice di cointegrazione diM. Diciamo infine cheM è un C-MET cointegrato di tipo A1 seM èanche di tipo 1, mentre è cointegrato di tipo A2 se è anche di tipo 2.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE
SiaM un C-MET cointegrato di tipo A su I. Poiché ξ ∈ R2n, possiamoscrivere ξ = (ξ1
1 , ξ12 , . . . , ξ
n1 , ξ
n2)T e definire ξh := (ξh
1 , ξh2)T per ogni
h ∈ n. Fissati h, k ∈ n ed a,b ∈ 2, indichiamo con Πhkab l’elemento di Π
di riga 2h − 2 + a e colonna 2k − 2 + b e consideriamo
Πhk := (Πhkab)a,b∈2 =
(Πhk
11 Πhk12
Πhk21 Πhk
22
)∈ R2
2
Πh := (Πhkab)
k∈na,b∈2 =
(Πh1
11 Πh112 · · · Πhn
11 Πhn12
Πh121 Πh1
22 · · · Πhn21 Πhn
22
)∈ R2
2n
Π = (Πhkab)
h,k∈na,b∈2 = (Πhk )h,k∈n =
Π1
...Πn
∈ R2n2n
Definiamo infine σhi := (σh
i1, σhi2) ∈ (R2)I per ogni h ∈ n, i ∈ m.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE
SeM è un C-MET cointegrato di tipo A su I, allora
µhi (t) = σh
i (t)[ξh + ΠhW (t)
]in I
dF hi (t) = F h
i (t)σhi (t)
[ξh + ΠhW (t)
]dt + F h
i (t)σhi (t) dW
h(t) in I
per ogni (h, i) ∈ n ×m.
Se π = (t0, . . . , tN) è una partizione equispaziata di I di passo pari ad1 giorno con T1 − T0 1, allora il moto browniano W soddisfa
∆Wt ≈ ξ + ΠWt−1 + ∆W t
per ogni t ∈ t1, . . . , tN, dove abbiamo posto ∆Wt := Wt −Wt−1 e∆W t := W t −W t−1.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
CALIBRAZIONE DI MET COINTEGRATI DI TIPO A
SianoM un C-MET cointegrato di tipo A su I, π = (t0, . . . , tN) unapartizione equispaziata di I di passo pari ad 1 giorno con T1 − T0 1ed f un’osservazione diM in π.PASSO 1: Ricostruiamo w1, . . . ,wN i valori osservati in t1, . . . , tN di Wcon una stima ai minimi quadrati. Fissiamo h ∈ n ed l ∈ N. Sappiamoche
∀i ∈ m :dF h
i (tl )F h
i (tl )= σh
i1(tl ) dW h1 (tl ) + σh
i2(tl ) dW h2 (tl )
Se definiamo ∆f hi (tl ) := f h
i (tl )− f hi (tl−1) per ogni i ∈ m e
∆wha (tl ) := wh
a (tl )− wha (tl−1) per ogni a ∈ 2, valgono le m relazioni
approssimate
∀i ∈ m :∆f h
i (tl )f hi (tl−1)
≈ σhi1(tl−1)∆wh
1 (tl ) + σhi2(tl−1)∆wh
2 (tl )
nelle 2m incognite uhl1 := ∆wh
1 (tl ) ed uhl2 := ∆wh
2 (tl ). Questo sistemaè dunque sovradeterminato.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Utilizziamo allora una stima ai minimi quadrati risolvendo il problemadi ottimizzazione convessa
minuh
l1,uhl2∈R
∑i∈m
(∆f h
i (tl )f hi (tl−1)
− σhi1(tl−1)uh
l1 − σhi2(tl−1)uh
l2
)2
Se (uhl1, u
hl2) è l’unica soluzione del problema per ogni h ∈ n ed l ∈ N,
possiamo definire
ul := (u1l1, u
1l2, . . . , u
nl1, u
nl2)T ∈ R2n
per ogni l ∈ N. Siamo così in grado di ricavare w1, . . . ,wN i valoriosservati in t1, . . . , tN di W , poiché
wl = w(tl ) = ∆w(tl )+∆w(tl−1)+· · ·+∆w(t1)+w(t0) = ul +ul−1+· · ·+u1
per ogni l ∈ N.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PASSO 2: Stimiamo il fattore centrante ξ e la matrice dicointegrazione Π. Definiamo per ogni l ∈ N
Wl := W (tl ), W l := W (tl )
∆Wl := Wl −Wl−1, εl := ∆W l := W l −W l−1
Ricordiamo che W soddisfa approssimativamente, per ogni l ∈ N,l’equazione
∆Wl = ξ + ΠWl−1 + εl
dove εl ∼ N(02n,ρ) e le v.c. εl sono stocasticamente indipendenti.Definiamo
Φ := δ2n + Π ∈ R2n2n, Λ := (ξ,Φ)T ∈ R2n+1
2n
Per ogni l ∈ N, W soddisfa approssimativamente
Wl = ξ + ΦWl−1 + εl
ed il nostro obiettivo è determinare la matrice dei parametri Λ.Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Utilizziamo allora una stima di massima verosimiglianza:- Calcoliamo fW1,...,WN (w1, . . . ,wN ;Λ) il valore assunto dalla
densità di probabilità congiunta delle variabili casuali W1, . . . ,WNin w1, . . . ,wN , una grandezza funzione della matrice Λ.
- L’applicazione
Λ 7→ fW1,...,WN (w1, . . . ,wN ;Λ)
è detta funzione di verosimiglianza. Il nostro obiettivo è trovareun valore di Λ che la massimizzi. Indichiamo conL(Λ) := log (fW1,...,WN (w1, . . . ,wN ;Λ)) la log-funzione diverosimiglianza.
DEFINIZIONE (CALIBRAZIONE)
Λ = (ξ, Φ)T ∈ R2n+12n è una matrice dei parametri di cointegrazione di
M calibrata su f se è soluzione del problema di ottimizzazione
maxΛ∈R2n+1
2n
log (fW1,...,WN (w1, . . . ,wN ;Λ)) = maxΛ∈R2n+1
2n
L(Λ)
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Abbiamo provato che per ogni Λ ∈ R2n+12n
L(Λ) = −Nn log(2π) +N2
log (det(ρ−1))− 12
∑l∈N
〈wl −ΛTxl ,ρ−1(wl −ΛTxl )〉
dove xl := (1,wTl−1)T ∈ R2n+1 per ogni l ∈ N.
Abbiamo infine dimostrato che
Λ :=
∑
l∈N
wlxTl
∑l∈N
xlxTl
−1
T
∈ R2n+12n
è l’unico punto di massimo di L, i.e. la matrice dei parametri dicointegrazione diM calibrata su f . Se ξ ∈ R2n, Φ ∈ R2n
2n sono tali cheΛ = (ξ, Φ)T, allora ξ e Π := Φ− δ2n sono il fattore centrante e lamatrice di cointegrazione diM calibrati su f .
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
MET COINTEGRATI DI TIPO B
DEFINIZIONE (MET COINTEGRATI DI TIPO B)
SianoM un C-MET su I ed (h, i) ∈ n ×m. Ricordiamo che
dF hi (t)
F hi (t)
= µhi (t) + σh
i1(t) dWh1(t) + σh
i2(t) dWh2(t) in I
ed F h = (F h1 , . . . ,F
hm)T è il processo dei prezzi dei futures sulla
commodity h-esima.Diciamo cheM è cointegrato di tipo B se per ogni (h, i) ∈ n ×mesistono ξh
i ∈ R e Πhi ∈ Rm tali che
µhi (t) =
ξhi + Πh
i F h(t)F h
i (t)in I
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE (MET COINTEGRATI DI TIPO B - CONTINUA)
Definiamo per ogni h ∈ n
σh :=
σh1...σh
m
∈ (Rm2 )I , ξh :=
ξh1...ξh
m
∈ Rm, Πh :=
Πh1
...Πh
m
∈ Rmm
Chiamiamo ξh e Πh rispettivamente fattore centrante e matrice dicointegrazione relativi alla commodity h-esima diM. Diciamo infinecheM è un C-MET cointegrato di tipo B1 seM è anche di tipo 1,mentre è cointegrato di tipo B2 se è anche di tipo 2.
Se v = (v1, . . . , vn)T ∈ Rn è un vettore colonna, definiamo
D(v) :=
v1 0 · · · 00 v2 · · · 0...
.... . .
...0 0 · · · vn
∈ Rnn
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
PROPOSIZIONE
SeM è un C-MET cointegrato di tipo B su I, allora
dF hi (t) =
[ξh
i + Πhi F h(t)
]dt + F h
i (t)σhi (t) dW
h(t) in I
dF h(t) =[ξh + ΠhF h(t)
]dt + D(F h(t))σh(t) dW
h(t) in I
per ogni (h, i) ∈ n ×m.
Se π = (t0, . . . , tN) è una partizione equispaziata di I di passo pari ad1 giorno con T1 − T0 1, allora per ogni h ∈ N il processo F h
soddisfa
∆F ht ≈ ξh + ΠhF h
t−1 + D(F ht−1)σh
t−1∆Wht
per ogni t ∈ t1, . . . , tN, dove abbiamo posto ∆F ht := F h
t − F ht−1 e
∆Wht := W
ht −W
ht−1.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
CALIBRAZIONE DI MET COINTEGRATI DI TIPO B
SianoM un C-MET cointegrato di tipo B su I, π = (t0, . . . , tN) unapartizione equispaziata di I di passo pari ad 1 giorno con T1 − T0 1ed f un’osservazione diM in π. Fissiamo h ∈ n e definiamo
Λh := (ξh,Πh) ∈ Rmm+1
Determiniamo Λh attraverso una stima di massima verosimiglianza.Per semplificare la notazione omettiamo la dipendenza dall’indiceh ∈ n. In particolare sia FΛ := F h.Fissiamo una matrice dei parametri di riferimento Λ0 := 0m
m+1 echiamiamo F 0 := FΛ0 . I processi F 0 ed FΛ soddisfano le equazioni
dF 0(t) = D(F 0(t))σ(t) dW (t) in I
dFΛ(t) =[ξ + ΠFΛ(t)
]dt + D(FΛ(t))σ(t) dW (t) in I
dove ricordiamo che W := Wh
= (Wh1,W
h2)T è il vettore
bidimensionale di moti browniani correlati su (Ω,F ,P) relativo allacommodity h-esima.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
I processi F 0 ed FΛ inducono sullo spazio delle traiettorie continueC(I;Rm) due misure di probabilità che chiamiamo rispettivamente PΛ
e P0, definite per ogni A sottoinsieme misurabile di C(I;Rm) da
P0(A) := P(F 0· ∈ A), PΛ(A) := P(FΛ
· ∈ A)
dove P è la misura di probabilità oggettiva su (Ω,F). Per un corollariodel Teorema di Girsanov che abbiamo dimostrato, le misure PΛ e P0sono equivalenti e sappiamo calcolare le densità di Radon-Nikodymdi una rispetto all’altra.Sia ψ ∈ C(I;Rm) una traiettoria continua di FΛ che interpolal’osservazione f , ovvero per cui f h(tl ) = ψ(tl ) per ogni l ∈ N.L’applicazione
Λ 7→ f0(ψ;Λ) :=dPΛ
dP0(ψ)
è detta funzione di verosimiglianza ed il nostro obiettivo è individuareun valore di Λ che la massimizzi. Indichiamo conL(Λ) := log (f0(ψ;Λ)) la log-funzione di verosimiglianza.
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
DEFINIZIONE (CALIBRAZIONE)
Λh = (ξh, Πh) ∈ Rmm+1 è una matrice dei parametri di cointegrazione
per la commodity h-esima diM calibrata su f se è soluzione delproblema di ottimizzazione
maxΛ∈Rm
m+1
log (f0(ψ;Λ)) = maxΛ∈Rm
m+1
L(Λ)
Abbiamo provato che per ogni Λ ∈ Rmm+1
L(Λ) =∑l∈N
(BlΛxl )T Bl ∆fl −
12
∑l∈N
|BlΛxl |2
dove, per ogni l ∈ N, abbiamo posto fl := f h(tl )T = (f h1 (tl ), . . . , f h
m(tl ))T,∆fl := fl − fl−1 e
Bl := Γ−1 (σ(tl−1)Tσ(tl−1))−1
σ(tl−1)TD(fl−1)−1 ∈ R2m
xl := (1, f Tl−1)T ∈ Rm+1
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine
Mercati energeticiMercati energetici a termine
Modello multi-commodity a due fattoriModelli di tipo 1 e 2Modelli cointegrati di tipo A e B
Abbiamo infine dimostrato che l’unico punto critico di L è la soluzioneΛh ∈ Rm
m+1 di un opportuno sistema lineare
LΛ = v
Se la matrice L associata al sistema è invertibile, poiché L è concaval’unica soluzione Λh = L−1v è anche l’unico punto di massimo di L,i.e. la matrice dei parametri di cointegrazione per la commodityh-esima diM calibrata su f .Se ξh ∈ Rm, Πh ∈ Rm
m sono tali che Λh = (ξh, Πh), allora ξh e Πh
sono il fattore centrante e la matrice di cointegrazione diM calibratisu f .
Carlo Montanari Calibrazione di modelli stocastici per mercati energetici a termine