Market Viability and Completeness for Multinomial Models

Der Artikel charakterisiert die Menge der äquivalenten Martingalmaße in zweiperiodigen Märkten als konvexe Kombinationen endlich vieler Maße, stellt einen Algorithmus zur Bestimmung dieser Maße vor und wendet die Ergebnisse auf eine diskrete Version des Korn-Kreer-Lenssen-Modells an, um die Grenzen diskreter Modelle für kontinuierliche Märkte aufzuzeigen.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Finanz-Entdecker, der versucht, das Wetter in einer kleinen Stadt vorherzusagen, um zu wissen, ob Sie einen Regenschirm mitnehmen sollen. In der Welt der Finanzmathematik ist diese „Wettervorhersage" nichts anderes als die Vorhersage von Aktienkursen.

Dieser Artikel von Nahuel I. Arca ist wie ein Reiseführer für Finanzkarten, der erklärt, wie man sicher durch den Dschungel von Aktienmärkten navigiert, ohne in Fallen (Betrug) zu tappen und wie man sicherstellt, dass man für jedes denkbare Szenario einen Plan hat.

Hier ist die einfache Erklärung, unterteilt in drei große Abenteuer:

1. Das Abenteuer der „Wahlmöglichkeiten" (Binomial vs. Multinomial)

Stellen Sie sich einen Baum vor, auf dem Sie klettern.

• Der einfache Baum (Binomial): In jedem Moment kann es nur zwei Wege geben: Der Ast geht nach oben (die Aktie steigt) oder nach unten (die Aktie fällt). Das ist wie ein einfaches Ja/Nein-Spiel.
• Der komplexe Baum (Multinomial): In diesem Artikel geht es um Bäume, die sich in drei oder mehr Richtungen verzweigen. Die Aktie kann steigen, fallen oder sogar genau gleich bleiben. Das ist wie ein Spiel, bei dem Sie nicht nur „Ja" oder „Nein" sagen können, sondern auch „Vielleicht".

Das Problem: Je mehr Wege es gibt, desto schwieriger wird es, den Markt zu verstehen. Wenn es zu viele Möglichkeiten gibt, kann es passieren, dass der Markt „unvollständig" ist. Das bedeutet: Es gibt ein bestimmtes Wetterszenario (z. B. ein plötzlicher Sturm), für das Sie keinen Versicherungsschutz (keine passende Finanzstrategie) kaufen können.

2. Die Schatzkarte der „Gerechten Wahrscheinlichkeiten" (Martingal-Maße)

Um herauszufinden, ob ein Markt fair ist (man nennt das „arbitragefrei", also kein freies Geld aus dem Nichts), brauchen wir eine Schatzkarte. In der Mathematik nennen wir diese Karte „Äquivalente Martingal-Maße".

• Die Metapher: Stellen Sie sich vor, Sie haben eine Waage. Auf der einen Seite liegt der heutige Preis einer Aktie, auf der anderen Seite die möglichen zukünftigen Preise. Damit die Waage im Gleichgewicht ist (kein Betrug möglich), müssen wir den zukünftigen Szenarien bestimmte „Gewichte" (Wahrscheinlichkeiten) zuweisen.
• Die Entdeckung des Autors: Arca zeigt uns, dass wir nicht unendlich viele Gewichte brauchen. Stattdessen können wir das Gleichgewicht immer durch eine Mischung aus wenigen, ganz speziellen Gewichten erreichen.
• Der Algorithmus (Der Werkzeugkasten): Der Autor hat einen cleveren Bauplan (Algorithmus) entwickelt, um diese speziellen Gewichte zu finden. Es ist wie ein Puzzle: Man sucht die Ecken des Puzzles, die das Bild ergeben. Sobald man diese Ecken hat, kann man jede andere faire Wahrscheinlichkeit daraus zusammensetzen.

3. Das Puzzle vervollständigen (Marktvollständigkeit)

Was tun, wenn der Markt unvollständig ist? Wenn es ein Szenario gibt, das wir nicht absichern können?

• Die Lösung: Wir müssen neue „Werkzeuge" (neue Finanzprodukte wie Optionen) hinzufügen.
• Die Analogie: Stellen Sie sich vor, Sie haben einen Koffer mit nur zwei Socken (linke und rechte). Wenn Sie plötzlich einen dritten Fuß (ein drittes Szenario) haben, passen die Socken nicht mehr. Sie müssen einen dritten Socke kaufen.
• Der Artikel zeigt genau, wie man diesen dritten Socke (die neue Aktie oder Option) konstruiert, damit der Koffer perfekt passt und für jedes Szenario eine Lösung existiert.

Das große Warnschild: Der Unterschied zwischen Schritt-für-Schritt und dem fließenden Fluss

Das vielleicht spannendste und wichtigste Ergebnis des Artikels ist eine Warnung.

Der Autor zeigt, dass man nicht einfach denken darf: „Wenn ich meine Schritte immer kleiner mache (von diskreten Zeitpunkten zu einer fließenden Zeit), bekomme ich das perfekte, kontinuierliche Modell."

• Die Geschichte: Er zeigt ein Beispiel, bei dem man eine Kette von perfekten, sicheren Märkten nimmt (wie eine Leiter mit immer kleineren Sprossen). Wenn man die Sprossen unendlich klein macht, landet man plötzlich in einem Markt, in dem Betrug möglich ist (man kann Geld aus dem Nichts machen).
• Die Lehre: Ein Modell, das in kleinen Schritten perfekt funktioniert, kann im großen, fließenden Ganzen zusammenbrechen. Man darf die Ergebnisse aus der „Treppen-Welt" nicht blind auf die „Fluss-Welt" übertragen.

Zusammenfassung für den Alltag

1. Märkte sind wie Bäume: Je mehr Verzweigungen (Möglichkeiten) es gibt, desto komplexer wird die Mathematik.
2. Fairness ist machbar: Man kann immer eine faire Wahrscheinlichkeits-Verteilung finden, die den Markt sicher macht. Man braucht dafür nur ein paar „Grundsteine" (Generatoren), die man mit einem cleveren Algorithmus findet.
3. Vollständigkeit ist ein Puzzle: Wenn der Markt Lücken hat, kann man sie mit neuen Produkten füllen, aber man muss genau wissen, wie diese Produkte aussehen müssen.
4. Vorsicht beim Übergang: Was in kleinen Schritten funktioniert, funktioniert nicht unbedingt im großen, fließenden Ganzen. Die Mathematik des Kontinuums ist tückisch.

Dieser Artikel ist also im Grunde ein Bauplan für stabile Finanzsysteme, der uns lehrt, wie man die Ecken eines komplexen Problems findet, wie man Lücken schließt und warum man beim Übergang von kleinen Schritten zu großen Sprüngen vorsichtig sein muss.

Technische Zusammenfassung

Titel: Marktviabilität und Vollständigkeit in multinomialen Modellen

Autor: Nahuel I. Arca
Datum: 6. April 2026

---

1. Problemstellung

Das Paper untersucht die Bedingungen für Marktviabilität (Arbitragefreiheit) und Marktvollständigkeit in endlichen Finanzmärkten, die durch diskrete Zeitmodelle mit einem endlichen Verzweigungsfaktor (Multinomial-Modelle) beschrieben werden.

• Kontext: Während das Binomialmodell (zwei Verzweigungen) und das Trinomialmodell (drei Verzweigungen) gut verstanden sind, fehlt eine allgemeine, algorithmische Charakterisierung für Märkte mit $b$ Verzweigungen (Multinomial-Modelle).
• Ziel: Die Menge der äquivalenten Martingalmaße (EMM) zu charakterisieren, eine notwendige und hinreichende Bedingung für Arbitragefreiheit zu finden und Algorithmen zur Vervollständigung unvollständiger Märkte bereitzustellen.
• Herausforderung: Die Analyse der Konvergenz diskreter Modelle gegen kontinuierliche Modelle (wie das Korn-Kreer-Lenssen-Modell) und die Aufdeckung von Limitierungsphänomenen, bei denen eine Folge vollständiger Märkte gegen einen Markt mit Arbitragemöglichkeiten konvergiert.

2. Methodik

Der Autor wendet einen geometrischen Ansatz an, der die Theorie der Finanzmärkte mit der konvexen Geometrie verknüpft.

• Mathematische Formulierung:

  • Der Markt wird durch eine Matrix $D$ (Preise der Assets zum Zeitpunkt $t=1$) und einen Vektor $Z(0)$ (diskontierte Preise zum Zeitpunkt $t=0$) beschrieben.
  • Ein Markt ist arbitragefrei genau dann, wenn es einen Vektor $q \in \mathbb{R}^b_{>0}$ gibt, sodass $DZq = Z(0)$ gilt (Martingalmaß).
  • Die Menge der Martingalmaße $M_a(S)$ wird als Schnittmenge eines affinen Raums $A(S)$ (definiert durch die linearen Gleichungen) und dem Standard-Simplex $\Delta_{b-1}$ (Wahrscheinlichkeitsmaße) definiert: $M_a(S) = A(S) \cap \Delta_{b-1}$.

• Geometrische Charakterisierung:

  • Da $M_a(S)$ eine kompakte konvexe Menge ist, wird der Satz von Krein-Milman (bzw. der Satz von Minkowski-Carathéodory) angewendet.
  • Dies impliziert, dass $M_a(S)$ die abgeschlossene konvexe Hülle seiner Extremalpunkte (Generatoren) ist.
  • Die Extremalpunkte entsprechen den Schnitten von $A(S)$ mit den Seitenflächen (Faces) des Simplex.

• Algorithmische Entwicklung:

  • Es wird ein rekursiver Algorithmus (Procedure 2) vorgestellt, um diese Extremalpunkte zu finden. Der Algorithmus prüft schrittweise Simplexe niedriger Dimension (0-Simplexe/Eckpunkte, 1-Simplexe/Kanten, etc.), ob sie den affinen Raum $A(S)$ schneiden.
  • Ein Python-Implementierung des Algorithmus wird bereitgestellt.

• Anwendung auf Mehrperioden-Modelle:

  • Für Märkte mit mehreren Zeitpunkten $t=0, \dots, T$ wird der Markt in "Komponenten" (Submärkte zwischen $t$ und $t+1$ für jeden Informationszustand) zerlegt. Die Viabilität und Vollständigkeit des Gesamtmarktes hängt von der Viabilität und Vollständigkeit aller Komponenten ab.

3. Wichtige Beiträge und Ergebnisse

A. Algorithmische Bestimmung der EMMs

• Der Paper liefert einen konstruktiven Algorithmus zur Berechnung der Generatoren der Menge der äquivalenten Martingalmaße.
• Es wird gezeigt, dass die Menge der EMMs durch konvexe Kombinationen dieser Generatoren beschrieben werden kann, wobei die Koeffizienten bestimmte Nicht-Null-Bedingungen erfüllen müssen, um die Äquivalenz (positives Maß für alle Zustände) zu gewährleisten.

B. Bedingungen für Arbitragefreiheit und Vollständigkeit

• Arbitragefreiheit: Ein Markt ist arbitragefrei, wenn der aktuelle Preis im offenen konvexen Hull der möglichen zukünftigen diskontierten Preise liegt.
• Vollständigkeit: Ein Markt ist genau dann vollständig, wenn die Matrix der diskontierten Preise vollen Rang ($b$) hat.
• Spezialfall $b=2$ (Binomial): Der Markt ist immer vollständig, wenn er arbitragefrei ist.
• Spezialfall $b=3$ (Trinomial): Der Markt ist unvollständig. Um ihn zu vervollständigen, muss ein zusätzliches Derivat hinzugefügt werden. Der Autor leitet eine notwendige und hinreichende Bedingung für den Preis dieses Derivats ab, damit der erweiterte Markt vollständig wird (basierend auf der Rangbedingung der erweiterten Matrix).

C. Anwendung auf das Korn-Kreer-Lenssen (KKL) Modell

• Das Paper analysiert eine diskretisierte Version des kontinuierlichen KKL-Modells (ein Modell mit Sprüngen und konstantem Preis).
• Es wird eine Bedingung für die Arbitragefreiheit des diskreten Modells hergeleitet, die von der Schrittweite $\Delta t$ und der aktuellen Preisposition abhängt.
• Es wird gezeigt, wie man das diskrete Modell durch Hinzufügen eines Derivats (z.B. einer Put-Option) vervollständigen kann.
• Wichtiger Befund: Die Vervollständigung des diskreten Modells erfordert, dass die zweite Differenz des Optionspreises nicht null ist. Das Paper zeigt, dass man die Endwerte des Derivats beliebig nahe an die des kontinuierlichen Modells wählen kann, um Vollständigkeit zu erreichen, obwohl das exakte kontinuierliche Limit Probleme aufweisen kann.

D. Konvergenz und Limitierungsphänomene (Beispiel 7)

• Ein zentrales Ergebnis ist die Demonstration, dass eine Folge von vollständigen, arbitragefreien diskreten Märkten gegen einen limitären Markt mit Arbitragemöglichkeiten konvergieren kann.
• Konstrukt: Eine Folge von Binomialmodellen mit speziellen Parametern ($u_n, d_n, p_n$), die gegen einen Poisson-Prozess konvergieren.
• Ergebnis: Während jedes diskrete Modell arbitragefrei und vollständig ist, besitzt der Grenzwertmarkt (basierend auf einem Poisson-Prozess) eine Arbitragemöglichkeit. Dies unterstreicht die Gefahr, diskrete Modelle unkritisch zur Analyse kontinuierlicher Märkte zu verwenden.

4. Signifikanz und Schlussfolgerungen

• Theoretischer Beitrag: Das Paper liefert eine rigorose geometrische Charakterisierung der Martingalmaße in endlichen Märkten und überführt das Problem der Marktviabilität in ein Problem der konvexen Geometrie.
• Praktischer Nutzen: Der bereitgestellte Algorithmus ermöglicht die systematische Berechnung von EMMs und die Konstruktion vervollständigender Märkte für beliebige Multinomial-Modelle, was über die klassischen Binomial- und Trinomial-Modelle hinausgeht.
• Warnung vor Limitierung: Die Arbeit warnt eindringlich davor, Ergebnisse aus diskreten Modellen direkt auf kontinuierliche Modelle zu übertragen, da die Eigenschaften der Vollständigkeit und Arbitragefreiheit unter dem Limes nicht notwendigerweise erhalten bleiben.
• Zukunftsausblick: Es wird gefordert, eine allgemeine Theorie zu entwickeln, die die Lücke zwischen diskreten und kontinuierlichen Modellen schließt, da bisher nur Einzelfälle (wie in [13] und [15]) untersucht wurden.

Zusammenfassend bietet das Paper einen tiefgehenden mathematischen Rahmen für das Verständnis von Marktstrukturen in diskreten, endlichen Umgebungen und liefert wichtige Werkzeuge sowie Warnhinweise für die Modellierung komplexer Finanzmärkte.