Készült a HEFOP P /1.0 projekt keretében

Slides:



Advertisements
Hasonló előadás
I. előadás.
Advertisements

Matematikai Analízis elemei
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
Műveletek logaritmussal
Kalman-féle rendszer definíció
Vektormező szinguláris pontjainak indexe
Térbeli infinitezimális izometriák
DIFFERENCIÁLSZÁMÍTÁS
Mérés és adatgyűjtés Virtuális méréstechnika Mingesz Róbert 9. Óra Idő és sokaságátlag November 7., 9.
Mérés és adatgyűjtés Virtuális méréstechnika Mingesz Róbert 9. Óra Idő és sokaságátlag November 7., 9.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Számítógépes grafika, PPKE-ITK, Benedek Csaba, 2010 Geometriai modellezés 2. előadás.
Készült a HEFOP P /1.0 projekt keretében
Készült a HEFOP P /1.0 projekt keretében PÉNZÜGYI MATEMATIKA ÉS KOCKÁZATANALÍZIS VI. Előadás TŐKEPIACI ÁRFOLYAMOK MODELLJE Elektronikus.
Bayes becslések Boha Roland november 21. PPKE-ITK.
III. előadás.
Differenciál számítás
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Matematika III. előadások MINB083, MILB083 Gépész és Villamosmérnök szak BSc képzés 2007/2008. őszi félév.
Regresszióanalízis 10. gyakorlat.
SPSS többváltozós (lineáris) regresszió (4. fejezet)
SPSS többváltozós regresszió
Nem-paraméteres eljárások, több csoport összehasonlítása
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
1 TARTALOM: 0. Kombinatorika elemei (segédeszközök) 1. Eseményalgebra 2. A valószínűség: a) axiómák és következményeik b) klasszikus (=kombinatorikus)
Készítette: Kosztyán Zsolt Tibor
Az Alakfelismerés és gépi tanulás ELEMEI
Véletlenszám generátorok
Bevezetés az alakmodellezésbe I. Budapesti Műszaki Főiskola Neumann János Informatikai Főiskolai Kar A Műszaki Tervezés Rendszerei 2000/2001 tanév, I.
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Gazdaságstatisztika 11. előadás.
Gazdaságstatisztika 12. előadás.
Fraktálok Szirmay-Kalos László.
Alapsokaság (populáció)
Lineáris regresszió.
Folytonos eloszlások.
Binomiális eloszlás.
Belső állapotú bolyongások által meglátogatott pontok száma Nándori Péter (V.) Témavezető: Dr. Szász Domokos (BME MI)
III. Kontaktusok tulajdonságai és számítógépes modellezés 4. előadás: Hertz-kontaktus; ütközés Budapest, szeptember 28.
Koncepció: Specifikáció: e par exp i = eb imp bod ib Specifikáció elemzése: tulajdonságok felírása a koncepció alapján + tulajdonságok bizonyítása.
I. előadás.
BINOM.ELOSZLAS Statisztika a számítógépen és a médiában Koncz Levente április 14.
Valószínűségszámítás III.
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Lakosság létszámának változása Farkas János
előadások, konzultációk
Valószínűségszámítás II.
előadások, konzultációk
Bevezetés a méréskiértékelésbe (BMETE80ME19)
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás GY
1 Megerősítéses tanulás 4. előadás Szita István, Lőrincz András.
A TŐKEKÖLTSÉG. Tőkeköltség a tőkepiacról  Tőkepiac: pénzt cserélünk pénzre  Pl. pénzt adok egy vállalatnak valamilyen jövőbeli (várható) kifizetésekért.
A beruházások kockázata Beruházási döntések folyamata ♦ Tőkeköltségvetés- a pénzáramok meghatározása ♦ Megfelelő módszer kiválasztása a pénzáramok értékeléséhez.
II. konzultáció Analízis Sorozatok Egyváltozós valós függvények I.
Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Hol tartunk… IV. Hozamok és árfolyamok
Minőségbiztosítás II_3. előadás
I. Előadás bgk. uni-obuda
Hol tartunk… IV. Hozamok és árfolyamok
JELENÉRTÉKSZÁMÍTÁS-TECHNIKA
Trendelemzés előadó: Ketskeméty László
Alapfogalmak Matematikai Statisztika
Innováció és fenntartható felszíni közlekedés konferencia 2016
Valószínűségi változó, eloszlásfüggvény
Gazdaságinformatikus MSc
Valószínűségi változók együttes eloszlása
Valószínűségi törvények
A mesterséges neuronhálók alapjai
Többdimenziós normális eloszlás
A Box-Jenkins féle modellek
Előadás másolata:

Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében A Tantárgy címe Elektronikus kereskedelem PÉNZÜGYI MATEMATIKA ÉS KOCKÁZATANALÍZIS IX. Előadás ALAPTERMÉKEK ÁRALAKULÁSÁNAK MODELLEZÉSE Az Európai Szociális Alap támogatásával Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében PPKE ITK - VE MIK

Tartalom A binomiális háló modell A folytonos multiplikatív modell A Tantárgy címe Tartalom A binomiális háló modell A folytonos multiplikatív modell A Wiener folyamat ITO-Folyamatok Folytonos idejű árfolyammodellek A diszkontált árfolyamat GBM vs BLM 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

BEVEZETÉS A cél: az alaptermék áralakulásának modellezése A Tantárgy címe BEVEZETÉS A cél: az alaptermék áralakulásának modellezése Két alapmodell: binomiális háló Ito - folyamatok 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A BINOMIÁLIS HÁLÓ MODELL (BLM) I. A Tantárgy címe A BINOMIÁLIS HÁLÓ MODELL (BLM) I. Választunk egy periódust, pl. 1 hét A modell: egy periódus elején az ár: S ekkor a periódus végén az ár S+ = Su vagy Sd itt u > 1, d < 1 fix a növekedés valószínűsége p, a csökkenés valószínűsége 1-p 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A BINOMIÁLIS HÁLÓ MODELL II. A Tantárgy címe A BINOMIÁLIS HÁLÓ MODELL II. 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

FOLYTONOS MULTIPLIKATÍV MODELL I. A Tantárgy címe FOLYTONOS MULTIPLIKATÍV MODELL I. Választunk egy periódust, pl. 1 hét (jav: v helyett u irandó) vagy ahol normális eloszlású független. (Jav: v helyett ) Ekkor lognormális. (Jav: v helyett u irandó) 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

FOLYTONOS MULTIPLIKATÍV MODELL II. A Tantárgy címe FOLYTONOS MULTIPLIKATÍV MODELL II. A log-dinamikából kapjuk: Itt a 2. tag normális ! Feltevés: S(0) konstans, így S(k) lognormális ! (Jav: v helyett ) 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

EMPIRIKUS LOG-HOZAM ADATOK A Tantárgy címe EMPIRIKUS LOG-HOZAM ADATOK log S(k) eloszlása: (INSERT: Fig 11.3, p.302) Észrevétel: vastagfarkú eloszlás! Tipikus értékek:  = 12%,  = 15% 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A Tantárgy címe LOGNORMÁLIS ELOSZLÁS Definíció (ism.): u lognormális, ha w = ln u normális. A lognormális eloszlás: (INSERT: Fig 11.4, p.304) 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

LOGNORMÁLIS ELOSZLÁS II. A Tantárgy címe LOGNORMÁLIS ELOSZLÁS II. Tegyük fel, hogy w: Ekkor -re: Értelmezés: ew felfelé szóródik, alulról korlátos, pozitív  = 15% esetén: ! De: nagyobb volatilitás esetén az korrekció jelentős 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A WIENER FOLYAMAT I. Véletlen tagok összege → véletlen bolyongás A Tantárgy címe A WIENER FOLYAMAT I. Véletlen tagok összege → véletlen bolyongás Legyen (k) független, standard normális, N(0,1). A részletösszegek sorozata egy véletlen bolyongás. . 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A WIENER FOLYAMAT II. Egy véletlen bolyongás átskálázása: A Tantárgy címe A WIENER FOLYAMAT II. Egy véletlen bolyongás átskálázása: legyen  t > 0, tk = k t Ábrázolás: a (t,z) síkon. 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

WIENER FOLYAMAT III. Egy véletlen bolyongás: A Tantárgy címe 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A Tantárgy címe A WIENER FOLYAMAT IV. A z(tk) folyamat jellemzői: z(tk) egy Gauss folyamat : Ha [t1,t2] és [t3,t4] nem metszik egymást, akkor 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A Tantárgy címe A WIENER FOLYAMAT V.  t → 0 esetén: a Wiener-folyamat formális, heurisztikus definíciója: ahol (t) standard normális, és t’ ≠ t’’ esetén. Alternatív terminológia: Brown mozgás dz(t): Gauss fehér zaj 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A WIENER FOLYAMAT VI. Precíz definíció: z(t) Wiener-folyamat, ha A Tantárgy címe A WIENER FOLYAMAT VI. Precíz definíció: z(t) Wiener-folyamat, ha Minden s < t -re z(t) – z(s) normális, Ha [t1,t2] és [t3,t4] nem metszik egymást, akkor z(0) = 0 és z(t) folytonos 1 valószínűséggel 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

ITO – FOLYAMATOK I. Példa: A Tantárgy címe ITO – FOLYAMATOK I. Klasszikus kalkulus: ha x(t) differenciálható, akkor (Leibniz-fromalizmusa) Formáslis differenciál (infinitezimális) kalkulus: alapja a linearitás ill. Példa: 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A Tantárgy címe ITO - FOLYAMATOK II. Sztochasztikus kalkulus: a z(t) Wiener folyamat nem-differenciálható. Egy új formálsi infinitezimális elem: dz(t). Az új infinitezimális kalkulus objektumai: Értelmezés: drift + diffúzió Az x(t) folyamat neve: Ito - folyamat. 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

ITO - FOLYAMATOK III. Műveleti szabályok: alapja linearitás és Példa: A Tantárgy címe ITO - FOLYAMATOK III. Műveleti szabályok: alapja linearitás és Példa: Ekkor Az utolsó tag: az Ito-féle korrekciós tag ! 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

AZ ITO - LEMMA Kérdés: Mi az folyamat sztochasztikus differenciálja. A Tantárgy címe AZ ITO - LEMMA Általában: legyen Kérdés: Mi az folyamat sztochasztikus differenciálja. Ito-lemma: legyen F elég sima, kétszer folyt. diff.ható. Ekkor Az utolsó tag: az Ito-féle korrekciós tag. 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK I. A Tantárgy címe FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK I. Az árfolyam a t időben: S(t) A modell: (jav: 3 helyett +, r helyett ) Ez megoldható: 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK II. A Tantárgy címe FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK II. Mi az S(t) dinamikája? Legyen Ekkor: ,így Az utolsó tag: az Ito korrekciós tag. Innen Tehát S(t) dinamikája: (jav: v helyett ) Terminológia: S(t) egy geometriai Brown mozgás (GBM) 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK III. A Tantárgy címe FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK III. Nyilvánvaló: S(t) lognormális, ui. ln S(t) normális: Innen a korábbi elemi eredmény alapján: Jelölés: 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK – ÖSSZEFOGLALÁS A Tantárgy címe FOLYTONOS IDEJŰ ÁRFOLYAMMODELLEK – ÖSSZEFOGLALÁS Legyen az S(t) árfolyamat egy geometriai Brown-mozgás: Ekkor: A log-hozamra: (jav: ln a tört egészére vonatkozik). (Hf: alkalmazzuk Ito-t) ahol és 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A DISZKONTÁLT ÁRFOLYAMAT A Tantárgy címe A DISZKONTÁLT ÁRFOLYAMAT Definiáljuk a diszkontált árfolyamatot: Ekkor (jav: 2. tagban dS(t) áll) Innen Észrevétel: a drift 0 ! 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A Tantárgy címe GBM vs. BLM I. Vegyünk egy GBM-t: és vegyünk egy t periódust, és tekintsük S(t) -t! A cél: szerkesszünk egy BLM-t, amely illeszkedik S(t) –re úgy hogy: és 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

GBM vs. BLM II. A keresett BLM paraméterei: u,d,p A Tantárgy címe GBM vs. BLM II. A keresett BLM paraméterei: u,d,p Ekkor $1 dollárból indulva: Az U = ln u, és D = ln d jelöléssel az illeszkedés egyenlete: Három ismeretlen, két egyenlet. Tegyük fel, hogy D = -U ! 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK

A Tantárgy címe GBM vs. BLM III. Ennek közelítő megoldása kis t –re, (p kb ½ alapján): Megjegyzés: itt , empirikusan nyerhető adatok ! Az illesztés értelme: a BLM könnyen kezelhető. 2006 HEFOP 3.3.1-P.-2004-06-18/1.10 PPKE ITK - VE MIK