KALEJDOSKOP PROBABILISTYCZNY

Slides:



Advertisements
Podobne prezentacje
Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej.
Advertisements

Funkcje tworzące są wygodnym narzędziem przy badaniu zmiennych losowych o wartościach całkowitych nieujemnych. Funkcje tworzące pierwszy raz badał de.
Joanna Sawicka Wydział Nauk Ekonomicznych, Uniwersytet Warszawski
Statystyka Wojciech Jawień
Estymacja. Przedziały ufności.
11. Różniczkowanie funkcji złożonej
Rachunek prawdopodobieństwa 2
Zmienne losowe i ich rozkłady
Podstawowe instrumenty pochodne
Modele dwumianowe dr Mirosław Budzicki.
Opcje na kontrakty terminowe
BUDOWA MODELU EKONOMETRYCZNEGO
Kontrakty Terminowe Futures
Symulacja zysku Sprzedaż pocztówek.
Modelowanie lokowania aktywów
OPCJE.
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
Współczynnik beta Modele jedno-, wieloczynnikowe Model jednowskaźnikowy Sharpe’a Linia papierów wartościowych.
Instrumenty o charakterze własnościowym Akcje. Literatura Jajuga K., Jajuga T. Inwestycje Jajuga K., Jajuga T. Inwestycje Luenberger D.G. Teoria inwestycji.
Analiza korelacji.
Numeryczne obliczanie całki oznaczonej
Jan Iwanik Metody inżynierii finansowej w ubezpieczeniach
Wykład 3 Wzór Bayesa, cd.: Wpływ rozkładu a priori.
Elementy Rachunku Prawdopodobieństwa c.d.
Elementy Rachunku Prawdopodobieństwa c.d.
Prognozowanie na podstawie modelu ekonometrycznego
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Konstrukcja, estymacja parametrów
Wycena opcji Dr inż. Bożena Mielczarek. Wahania ceny akcji z Cena jednostki podlega niewielkim wahaniom dziennym (miesięcznym) wykazując jednak stały.
Symulacja zysku Inwestycje finansowe. Problem zKasia postanowiła oszczędzać na samochód i wybrała fundusze inwestycyjne zKasia chce ulokować w funduszach.
Rozkłady wywodzące się z rozkładu normalnego standardowego
Krzysztof Kucab Rzeszów, 2012
Dr inż. Bożena Mielczarek
Symulacja zysku Inwestycje finansowe. Problem zKasia postanowiła oszczędzać na samochód i wybrała fundusze inwestycyjne zKasia chce ulokować w funduszach.
Dr inż. Bożena Mielczarek
Projekt wykonany przez studentów I roku ARI Politechniki Wrocławskiej:
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Funkcja.
Ekonometryczne modele nieliniowe
Określenie wartości (wycena) papierów wartościowych
Są umową pomiędzy dwiema stronami, z których jedna zobowiązuje się do nabycia a druga do sprzedaży w ściśle określonym, przyszłym terminie po ściśle określonej.
Co to jest dystrybuanta?
Joanna Kalinowska Martyna Szymańska
Ekonometryczne modele nieliniowe
Model Steiglitza, Honiga, Cohena Kalibracja parametrów.
OPCJE.
Modele zmienności aktywów
Określenie wartości (wycena) papierów wartościowych
INSTRUMENTY POCHODNE.
INSTRUMENTY POCHODNE. Instrumenty pochodne /definicja  Instrument pochodny – umowa o przeprowadzeniu w przyszłości pewnej transakcji. Przedmiotem transakcji.
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
OPCJE Ograniczenia na cenę opcji
INSTRUMENTY POCHODNE KONTRAKTY FORWARD KONTRAKTY FUTURES
Modele zmienności aktywów Model multiplikatywny Parametry siatki dwumianowej.
Kontrakty Kontrakty futures Ceny futures, ceny kasowe, konwergencja Wykresy S t, F t, f t Pojęcie bazy Ryzyko bazy w strategii zabezpieczającej Badanie.
INSTRUMENTY POCHODNE OPCJE.
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
OPCJE NA GPW Zespół Rekomendacji i Analiz Giełdowych
MODELOWANIE ZMIENNOŚCI CEN AKCJI
Wycena opcji Barbara Załęska. Emery Bowlander Ekscentryczny, bardzo bogaty, wymagający inwestor prognozuje wzrost wartości akcji jest zainteresowany kupnem.
SFGćwiczenia 12 System finansowy gospodarki Instrumenty pochodne - opcje.
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
STATYSTYKA – kurs podstawowy wykład 11
Kołodziejczyk Ewelina
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Joanna Kosik Marta Gomułka
Monte Carlo, bootstrap, jacknife
Zapis prezentacji:

KALEJDOSKOP PROBABILISTYCZNY Ryszard Szekli

Niezależność: P(AB)=P(A)P(B) Gra: jeden z grających losowo wybiera jedną z liczb a<b i pokazuje ją drugiemu graczowi, który ma zgadnąć, czy jest to większa z liczb, czy też mniejsza. Jaką ma szansę zgadujący gracz na trafną odpowiedź? Czy niezależny eksperyment może pomóc w odgadywaniu? Odpowiedź brzmi : TAK Losując niezależnie wielkość o rozkładzie normalnym, Traktując wynik jakby była to liczba ukryta, Szansa prawdziwej odpowiedzi wynosi (1/2)(1-F(a))+(1/2)F(b)=(1/2)(1+F(b)-F(a))>1/2 Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

FRAKTALE Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Roztwór HyHEL-5:Lysozyme Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Błądzenie losowe 16 cząstek-symulacja Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kurs DAX Dane roczne 6-miesięcy 3-Miesiące Dzień 24.4.2002 Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Zmienne losowe X, Y, Z o identycznych rozkładach (jednostajnych) i korelacjach r(X,Y) = r(X,Z) = 7/15, łączny rozkład zupełnie inny Zakładając, że U,V są niezależne: Przy warunku U + V < 1 definiujemy: X = 1  2U + U2 Y = 2V  V2 Z = 1 + b  X  1[0,b)(X) przy b = 1/2 + 1/30 5 b Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

dla funkcji C zwanej Copula (tutaj Fi(xi) = P(Xi £ xi)) Niech X1,...,Xm będą wielkościami szkód o dystrybuantach F1,...,Fm Wtedy można napisać, iż: P(X1 £ x1,..., Xm £ xm) =C(F1(x1),...,Fm(xm)) dla funkcji C zwanej Copula (tutaj Fi(xi) = P(Xi £ xi)) Gdzie: C(x1,..., xm) = P(F1(X1) £ x1,..., Fm(Xm) £ xm) Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Copula Archimedesa: Dana jest wzorem: Gdzie tak zwanym generatorem jest  , dla której  -1 jest absolutnie monotoniczna, tzn. Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Przykład Copuli Archimedesa Gumbel-McFadden-Copula : Generator: Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

xxxxxxxxxxxxx. Zagęszczanie Rozrzedzanie Symulacja rozkładu Gumbel-McFaddena dla m=2, l = 2 Zagęszczanie Rozrzedzanie Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Hüsler-Reiss-Copula : Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Szkody po burzach i powodziach w centralnej Europie w Milionach € Lata o najwyższych szkodach obu typów burza powódź rok rok Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Oszacowanie na podstawie danych powódź Hüsler-Reiss- model Oszacowanie na podstawie danych Gęstość dwuwymiarowa burza Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Gumbel-McFadden-Model powódź Gumbel-McFadden-Model Oszacowanie z danych Dwuwymiarowa gestość burza Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

burza 124 symulowane pary w modelu Gumbela-McFaddena Dane oryginalne symulacja 125 Mio € 250 Mio € burza Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli 47. Tagung der Deutschen ASTIN-Gruppe 15.11.2002, Hamburg Uniwersytet Wrocławski Dietmar Pfeifer

P(X > x, Y > x) Strukturalna zależność Gumbel-McFadden-Model X = burza Y = powódź P(X > x, Y > x) Gumbel-McFadden-Model Przy zależności 6,6 % 3 % Przy założeniu niezależności 100 Mio € 150 Mio € 200 Mio € 50 Mio € Szanse przekroczenia ustalonej wartości x przez obie szkody Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli 47. Tagung der Deutschen ASTIN-Gruppe 15.11.2002, Hamburg Uniwersytet Wrocławski Dietmar Pfeifer

Proces rezerwy R(t)=u+ct-S(t), gdzie S(t)=X_1+...+X_N(t) Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Przykład z Matematyki Finansowej Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Reakcje na zmieniające się kursy: spekulacja (w nadziei na szybkie zyski) konserwatyzm Instrumenty finansowe: Pochodne: na przykład Futures Opcje Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

W ustalonym przedziale czasowym (amerykańska opcja) lub Prawo, by pewne ustalone dobro, po z góry ustalonej cenie, w ustalonej ilości W ustalonym przedziale czasowym (amerykańska opcja) lub W ustalonej chwili (europejska opcja) kupić (Call-Option) lub sprzedać (Put-Option). Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

St: wartość kursu w chwili t Opis symboli: T: czas wykonania X: cena wykupu St: wartość kursu w chwili t Strategie: Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Cel: Wyznaczenie „właściwej” ceny opcji W chwili realizcji (t=T): Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

CT+=20 CT-=0 Przykład: Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

C0 = h(S0-vTST-)=E*[v·CT] = v·p*·(ST+-X) dla Własność takiej wyceny: Możliwość tak zwanego arbitrażu. Cena (uczciwa)-nie pozwalająca na zysk bez wkładu kapitału- nie zależy jedynie od p. “Klasyczna wartość oczekiwana” nie jest dobrą wyceną Stosuje się poprawioną „wartość oczekiwaną”: C0 = h(S0-vTST-)=E*[v·CT] = v·p*·(ST+-X) dla Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Model Coxa-Rossa-Rubinsteina (n kroków): założenia: przykład: n=3 1. Stałe warunki zmiany kursu: ST+/S0=S2T++/ST+=...= 1+k+>1 ST-/S0 = S2T--/ST- =...= 1+k-<1 2. Stochastycznie niezależne zmiany kursu: SnT=(1+k+)N(1+k-)n-N S0 mit N=liczba wzrostów kursu Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Ogólny wzór przy n okresach: oraz iT=(1+i)T-1 (stopa procentowa w czasie T) Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Uproszczenie: z Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Wzór Blacka - Scholes’a : Cena opcji Call: Używając przybliżenia rozkładem normalnym: Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski

Cena opcji kupna w zależności od n Wartość graniczna: Cena opcji kupna w zależności od n C0=9.52 C0as=7.78 Prof. Dr. Dietmar Pfeifer Teilprojekt “Diskrete Finanzmathematik“ Kalejdoskop Probabilistyczny Wrocław, 17 maja 2003 Ryszard Szekli Uniwersytet Wrocławski