Modele zmienności aktywów
description
Transcript of Modele zmienności aktywów
Modele zmienności aktywów ryzykownych
Model addytywny
Rozkład ceny końcowej – związek z rozkładem normalnym
Model addytywny zmienności zmienności aktywów z czasem z czasem dyskretnym dyskretnym
Przyjmijmy następujące oznaczenia:
S(0) - cena początkowa waloru
S(k) - cena waloru w k-tym etapie.
u(k) , k = 0,1,2,…n ciąg niezależnych zmiennych losowych o jednakowej wartości oczekiwanej μ oraz o tej samej wariancji równej σ2. Ciąg ten interpretujemy jako losowe fluktuacje.
Model addytywny
Rozważmy model ceny aktywa postaci(1) S(k+1) = a S(k) + u (k)gdzie k=0,1,2,... zaś a jest pewną stałą rzeczywistą,
dodatnią decydującą o trendzie głównym. Dla a > 1 trend główny jest wzrostowy.
Znając wartości u(0),..,u(n) można wyznaczyć S(1), S(2), …,S(n).
W tym modelu cena waloru w dowolnym momencie zależy wyłącznie od ceny w momencie go poprzedzającym oraz od losowej fluktuacji.
Model addytywny
Ze wzoru (1) otrzymujemyS(1) = aS(0) + u(0) ,S(2) = aS(1) + u(1) = a[aS(0) + u(0)] + u(1)= = a2S(0) + au(0) + u(1) S(3) = aS(2)+u(2) = a [a2S(0) + au(0) + u(1)] +u(2)= = a3S(0) + a2u(0) + au(1) + u(2)Uwaga 1. Można pokazać, że dla każdego k:
(2) S(k) = akS(0) + ak-1u(0) + ak-2u(1) +…+a u(k-2) + u(k-1).
Model addytywny
Rzeczywiście, dla k = 1 wzór jest prawdziwy (z definicji modelu).
Zakładając prawdziwość dla k, z ciągu równości :
S(k+1) = a S(k) + u (k)= a[akS(0) + ak-1u(0) + ak-2u(1) +…
…+a u(k-2) + u(k-1)] + u (k) =
=ak+1S(0) + aku(0) + ak-1u(1) +…+a2 u(k-2) + au(k-1) + u (k)
oraz indukcji matematycznej wynika prawdziwość wzoru (2)
Model addytywny. Wartość oczekiwana
Wartość oczekiwana zmiennej S(k).
Z elementarnych własności wartości oczekiwanej oraz z założenia
E[u(k)]= μ dla każdego k mamy
E[S(k)] =E( akS(0) + ak-1u(0) + ak-2u(1) +…+ au(k-2) + u(k-1))=
= akE[S(0)] + ak-1E[u(0)] + ak-2E[u(1)] +…+aE[u(k-2)]+ E[u(k-1)] = akS(0) +
ak-1 μ + ak-2 μ +…+a μ + μ
(3) E[S(k)]= akS(0) + μ(1-ak)/(1-a), o ile a nie jest równe 1
(3’) E[S(k)]= S(0) + k μ, gdy a=1
(3’’) E[S(k)]= akS(0), gdy μ = 0
Model addytywny. Wariancja ceny
Korzystając z podstawowych własności wariancji oraz założenia niezależności zmiennych losowych otrzymujemy
Var [S(k)] = Var [akS(0) + ak-1u(0) + ak-2u(1) +…+ u(k-1)] =
= Var [ak-1u(0) + ak-2u(1) +…+ u(k-1)] =
= Var [ak-1u(0)] + Var[ak-2u(1)] +…+Var[u(k-1)] =
= (ak-1)2 Var [u(0)]+ (ak-2)2 Var [u(1)]+…+ a2 Var [u(k-2)] + Var [u(k-1)]=
= a2(k-1)σ2+ a2(k-2)σ2 +…+a2σ2 +σ2 =
= (1+a2+a4+…+a2k-2) σ2= σ2(1- a2k)/ (1-a2), gdy a różne od 1
(4) Var [S(k)] = σ2(1- a2k)/ (1-a2), gdy a różne od 1
(4’) Var [S(k)] = k σ2, dla a = 1
Symulacje w modelu addytywnym (a=1). Jednakowe prawdopodobieństwa wzrostu i spadku. Losowa wahanie jest zmienną o rozkładzie jednostajnym na przedziale (0;1)
30
35
40
45
50
55
60
65
70
1 13 25 37 49 61 73 85 97 109
121
133
145
157
169
181
193
205
217
229
241
253
265
277
289
301
Jednakowe prawdopodobieństwa wzrostu i spadku.
Histogram częstości
0
10
20
30
40
50
60
70
80
90
100
1 13 25 37 49 61 73 85 97 109
121
133
145
157
169
181
193
205
217
229
241
253
265
277
289 0 2 4 6 8 10 12 14 16
1
2
3
4
5
6
7
8
9
10
Model addytywny (przypadek a=1). Zmienne losowe u(k) o rozkładzie dwupunktowym
S(k+1) = S(k) + u (k)u(k) mają rozkład dwupunktowy, k=0,1,2,...tzn. u(k) = σ lub u(k) = - σ, ( σ > 0 ) z jednakowymi
prawdopodobieństwami S(n) = S(0) + u (0) + u (1) +…+ u (n-1)(5) Sn= u (0) + u (1) +…+ u (n-1)(6) S(n) = S(0) + Sn
Sn wyraża zmianę ceny po n etapach
Wtedy: E[u (i)] = 0 Var [u (i)] = 0,5(σ-0)2 + 0,5(-σ-0)2 = σ2
E[Sn]= 0 Var Sn = Ʃni=1 Var [u (i)] = n σ2
Wzór na wariancję wynika z niezależności ciągu zmiennych losowych (u(i)). Z elementarnych własności wartości oczekiwanej i wariancji otrzymujemy
E[S(n)]= S(0) Var S(n) = n σ2
Oznaczając przez σn odchylenie standardowe zmiennej Sn, mamy
(7) σn = σ n
Centralne twierdzenie graniczne
Standaryzacja zmiennej losowej Sn
S*n = (Sn-E(Sn))/σn
Uwzględniając poprzednie wyliczenia
S*n= Sn/ σ n
TW (CTG) Niech (Xn) będzie ciągiem niezależnych zmiennych losowych o jednakowych rozkładach (niekoniecznie dwupunktowych)
oraz E Xi = m, Var Xi = σ2 dla i=1,…,n. Sn = X1 + X2 +… + Xn. Wtedy
(8)
(9)
b
a
nn dx
xb
n
mnSaP )
2exp(
2
1}{lim
2
b
a
nn dxx
bSaP )2
exp(2
1}{lim
2*
W przypadku m = 0 mamy
W szczególności
b
a
nn dx
xb
n
SaP )
2exp(
2
1}{lim
2
9545,0)2
exp(2
1}22{
6827,0)2
exp(2
1}{
)2
exp(2
1}{lim
)2
exp(2
1}11{lim
2
2
2
1
1
2
1
1
2
1
1
2
dxx
nSnPponadto
dxx
nSnPczyli
dxx
nSnP
dxx
n
SP
n
n
nn
nn
Przykład 1 Kurs kontraktu futures na WIG20 ma 2600 pt.
Zakładamy, że każdego dnia kurs ma taką samą szansę na wzrost co na spadek o 10 punktów. W jakim przedziale znajdzie się z prawdopodobieństwem 0,9545 kurs tego kontraktu po 30 dniach ?, (po 50?, po 100 ?)
Zastosujemy centralne twierdzenie graniczne a w szczególności wykorzystamy przybliżenie
Ponieważ σ = 10, n=30 mamy więc
Otrzymaliśmy przedział na zmianę ceny, zatem uwzględniając S(n) = S(0) + Sn mamy
9545,0)2
exp(2
1}22{
2
2
2
dxx
nSnP n
9545,0}30203020{ nSP
9545,0}54,2709)30(46,2490{ SP
Przykład 1
Dla 50 i 100 dni mamy odpowiednio
}00,2800)100(00,2400{}1002010020{
}42,2741)50(58,2458{}50205020{
9545,0}22{
100
50
SPSP
SPSP
nSnP n
Przykład 1
Zależność w ielkości przedziału dwóch sigm od liczby dni
0,00
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
3500,00
liczba dni
dolnykraniecprzedziału
górnykraniecprzedziału
Przykład 2 Kurs kontraktu futures na WIG20 ma 2600 pt. Zakładamy, że każdego dnia kurs
może zmienić się o 10 punktów, wzrost z prawdopodobieństwem 0,55 lub spadek z prawdopodobieństwem 0,45. W jakim przedziale znajdzie się z prawdopodobieństwem 0,6827 kurs tego kontraktu po 30 dniach ?, (po 100 ?)
EXi=10*0,55+(-10)*0,45=1;
War Xi = (10 -1)2 0,55 + (-10 -1)2 0,45 = 99 = σ2 ; σ = 9,95 (zaokrąglenie do 2 miejsc)
6827,0}50,2684)30(50,2575{}50,842600)30(50,242600{
6827,0}50,8450,24{}3013095,93013095,9{
6827,0}{
6827,0)2
exp(2
1}11{
)2
exp(2
1}{
)2
exp(2
1}{lim
3030
1
1
2
2
2
SPSP
SPSP
mnnSmnnP
dxx
n
mnSP
dxx
bn
mnSaP
dxx
bn
mnSaP
n
n
b
a
n
b
a
nn
Przykład 2
Dla n=100 przeprowadzamy podobne wyliczenia
Otrzymujemy przedział (2600,50; 2799,50)
6827,0}50,2799)100(50,2600{
}50,1992600)100(50,02600{
}50,19950,0{}10050,9910050,99{
}100110095,9100110095,9{
6827,0}{
100100
100
SP
SP
SPSP
SP
mnnSmnnP n
Centralne twierdzenie granicznewersja Moivre’a – Laplace’a
Niech (Xn) będzie ciągiem niezależnych zmiennych losowych o jednakowych rozkładach: dla każdego i (i=1,…,n), P{Xi =1} = p, P{Xi = 0} = q, p+q= 1,
Sn= X1 + X2+…+ Xn ; zmienna Sn ma rozkład dwumianowy:
Wtedy E Xi = p, Var Xi = pq
E Sn=np; Var Sn = npq
TW Przy powyższych oznaczeniach prawdziwa jest równość
(10) lub równoważnie
}{)(,}{ kSPkPniechqpk
nkSP nn
knkn
b
a
nn dx
xb
npq
npSaP )
2exp(
2
1}{lim
2
b
a
nn dxx
npnpqbSnpnpqaP )2
exp(2
1}{lim
2
Centralne twierdzenie granicznewersja Moivre’a – Laplace’a
Ostatnie równości mogą być zapisane różne sposoby:
npq
npmtdx
xkPczyli
npq
npmtdx
xkP
npq
npmtdx
xmSmP
dxx
npnpqbSnpnpqaP
dxx
bnpq
npSaP
ii
t
t
m
mkn
ii
t
t
m
mknn
ii
t
t
nn
b
a
nn
b
a
nn
;)2
exp(2
1)(
;)2
exp(2
1)(lim
;)2
exp(2
1}{lim
)2
exp(2
1}{lim
)2
exp(2
1}{lim
2
1
2
1
2
1
2
1
2
1
2
2
2
21
2
2
Przykład 3
Cena akcji pewnej spółki wynosi 500 zł. Zakładamy, że każdego dnia kurs rośnie o 1 zł z prawdopodobieństwem 0,55 i pozostaje niezmieniony z p-stwem 0,45. Jakie jest prawdopodobieństwo, że po 1000 dniach cena będzie się mieściła w przedziale [1020;1070] ?
8699,0)2
exp(2
1
27128,145,055,01000
55,01000570
90693,145,055,01000
55,01000520
;)2
exp(2
1}570520{
27128,1
90693,1
2
2
1
2
1000
2
1
dxx
t
t
npq
npmtdx
xSP i
i
t
t
Lokalne twierdzenie graniczne Niech (Xn) będzie ciągiem niezależnych zmiennych losowych o
jednakowych rozkładach: dla każdego i (i=1,…,i=n) P{Xi =1} = p, P{Xi = 0} = q, p+q= 1,Sn= X1 + X2+…+ Xn ; zmienna Sn ma rozkład dwumianowy:
Wtedy E Xi = p, Var Xi = pq; E Sn=np; Var Sn = npq TW. Przy powyższych oznaczeniach prawdziwa jest równość
(11)
Uwaga. Wszystkie liczby n,k, (n-k) muszą być dostatecznie duże by korzystać z ostatniego przybliżenia.
}{)(,}{ kSPkPniechqpk
nkSP nn
knkn
)exp(2
1}{
lub
)exp(2
1}{lim
2
21
2
21
,
npq
npk
npqkSP
inaczej
npq
npk
npqkSP
n
nkn