- •Вопросы для зачета по математической экономики (2 часть)
- •Дюрация и показатель выпуклости портфеля. Средняя продолжительность платежей – дюрация
- •Вероятностная модель финансового рынка
- •Модель Шарпа – Линтнера
- •1.Линейные временные ряды
- •2.Авторегрессионная модель
- •Авторегрессионная модель
- •Авторегрессионная модель
- •Авторегрессионная модель
- •3.Модель скользящего среднего
- •4.Авторегрессионная модель скользящего среднего
- •5.Моделирование с помощью линейных временных рядов.
- •6.Моделирование с помощью ar(p) и ма(q) Моделирование с помощью
- •Моделирование с помощью
- •7.Моделирование с помощью arma(p,q)
- •8.Сезонные модели
- •Далее рассмотрим следующий ряд разностей, теперь уже четвертого порядка:
- •1.Основные понятия
- •2.Определение стоимости опциона на момент исполнения
- •3.Создание безрисковых портфелей с помощью call-опционов
- •4.Создание безрисковых портфелей с помощью put-опционов
- •5.Создание безрисковых портфелей с помощью put-опционов
Авторегрессионная модель
Для модели
,
имеем:
, где
Далее, используя методику, изложенную выше, получаем следующие формулы для автоковариации и автокорреляции:
.
С целью компактности изложения введем оператор сдвига назад , действующий на числовых последовательностях :
Далее имеем:
Отметим следующие свойства оператора :
где константы.
Используя оператор , можно переписать модель следующим образом:
, где . (3.5.3)
Обозначим через полином оператора , т.е.:
,
тогда получаем:
.
Рассмотрим теперь вопрос об обратимости модели , т.е. нахождении по значению .
Для любых справедливо равенство (свойство оператора ):
.
Возьмем такие, что:
т.е. являющиеся корнями квадратного уравнения
.
Иными словами
Тогда получим, что
.
С учетом полученного равенства уравнение (3.5.3) можно переписать следующим образом:
.
Отсюда получаем:
.
Найдем и , такие, что
.
Поскольку , то получаем:
Решая систему уравнений относительно и , получаем:
Следовательно,
.
Тогда будет выражаться следующим образом:
(3.5.4)
Отметим далее, что не всякая модель является обратимой. Для представления модели в виде (3.5.4) необходимо, чтобы удовлетворяли следующему условию:
.
В этом случае модель будет стационарной.
Авторегрессионная модель
Для модели
имеем:
, где
Используя оператор , можно переписать авторегрессионную модель следующим образом:
или, обозначив полином оператора :
,
получаем:
,
где
.
Используя тот же метод, что и для , рассмотрим вопрос об обратимости модели . Для этого необходимо найти характеристические корни для разложения полинома:
.
Если , то находим стационарное решение для :
.
Характеристические корни являются решением уравнения:
.
Необходимо найти разложение:
.
Умножая обе части на , получаем:
.
Отсюда:
.
Тогда получаем аналог разложения (3.5.4) для модели :
. (3.5.5)
3.Модель скользящего среднего
Модели скользящего среднего описывают эволюцию как зависимость от прошлых значений белого шума :
или, используя оператор сдвига :
.
Обозначим через полином оператора , т.е.:
,
тогда модель можно записать так:
.
Приведем примеры моделей первого и второго порядка:
Модель любого порядка всегда стационарна, так как является линейной комбинацией стационарного белого шума.
Среднее, автоковариация и автокорреляция для модели считается достаточно просто:
Аналогичным образом для модели получаем:
Соответственно, для имеем:
Заметим, что автоковариация и автокорреляция с лагом, большим порядка модели скользящего среднего, т.е. , равна нулю. Это свойство оказывается очень полезным при идентификации порядка модели, строящейся на основе имеющихся эмпирических данных о поведении последовательности .
Уравнения (3.5.4) и (3.5.5) показывают, что всякая стационарная модель допускает представления в виде модели :
.
Верно и обратное: модель допускает представления в виде модели :
с соответствующими коэффициентами