FINTS第七章模拟.ppt

金融时间序列模型 模拟 金融时间序列模型 模拟随机变量的值 模拟 Monte carlo casino Monte carlo是靠近意大利的一个小镇，以名为monte carlo的赌场闻名。该名称的命名是一个出生在意大利的美国物理学家命名的。因为他最早使用该方法进行核反应堆的研究（1942年） 模拟 计算某随机变量的均值 积分的计算非常复杂，如果有该分布的m个样本，可以容易的计算 当了解该随机变量的分布时，可以模拟它的可能取值，然后求算术平均得到均值。要求m的取值非常大。 要点 （0 1）随机数的产生 任意分布随机变量随机数的产生 股票价格路径的模拟 模拟期权的价格 模拟次数 模拟的精确程度 提高模拟的效率 马尔可夫链模拟 模拟 伪随机数 任意给出一个初值x0，称之为种子，利用下式迭代计算xn xn =a xn-1 modulo m 其中a和m是给定的正数。 用xn-1除以m，余数数赋值给xn 所以每个xn的取值可能为0，1，2，3，…m-1。xn /m是伪随机数，用 它来近似均匀分布(0，1)的一个取值。 一个一般的规则是对32-位的计算机，令m=231-1，a=75 模拟 计算离散随机变量的可能取值 假设某个离散随机变量分布如下 P（X=x j）=p j，j=0，1，2，… 计算(0，1)均匀分布的一个取值，用U表示，那么随机变量X的模拟数值为 模拟 模拟连续随机变量的取值 Inverse Transform 算法： 定理:假设U服从(0,1)均匀分布。对任何累积分布函数F,如下定义的连续随机变量X X=F-1(U) 的累积密度函数是F。 因此随机得到（0 1）均匀分布的一个随机数U，然后计算X=F-1(U)，得到服从分布F 的随机变量的随机数。 模拟 模拟连续随机变量的取值接受－拒绝法acceptance-rejection 假设g是已知的一个密度分布函数，它的随机数可以方便的获得。如果对某个常数c，密度分布函数f满足 f(x)cg(x),对所有的x成立。模拟方法是： 1产生g的一个随机数x 2产生均匀分布的随机数u 3如果u≤f(x)/cg(x) X也是f的随机数 4回到第一步 金融时间序列模型 股票价格满足的随机微分方程 股票价格行为的一种模式1 标准维纳过程（标准布朗运动）W(.)是连续时间随机过程，那么W满足如下性质 1）对于小的时间间隔上变量W的变化满足 ?W= ??t1/2 ， ?服从标准正态分布 2）对任意，0?t1 t2…tk?1, W(t2) – W(t1), W(t3) – W(t2),…W(tK) – W(tK-1)相互独立，并且服从正态分布。W(s)-W(t)~N(0, s-t) 股票价格行为的一种模式1 ?W是正态分布 ?W的均值＝0 ?W的标准差＝ ?t1/2 ?W的方差＝ ?t 如果经过一段时间T，那么W(T)-W(0)的分布如何？ 是正态分布，均值＝0，方差等于T，标准差等于T1/2 。 股票价格行为模式1 例1:某变量z是标准维纳过程，如果初始值是20，以年为单位，一年后和二年后该变量的分布？ 答：一年后，变量值服从均值是20，标准差是1的正态分布；第二年末均值是20，标准差是20.5,或1.414。 股票价格行为的模式1 用公式表示维纳过程 ?w=?*(?t)0.5，其中?服从标准正态分布 在连续情况下用随机微分方程表示： dw= ?*(dt)0.5 标准维纳过程用dw表示 股票价格行为的一种模式2 一般化的维纳过程 dx=adt+bdw 短时间dt后，x值的变化dx，a,b是常数。 等价的，可以表示如下： ?x=a ?t+b ?*(?t)0.5 ?是标准正态分布。 股票价格行为的一种模式2 如何理解一般化维纳过程？ 缺省bdw项 dx=adt a是单位时间漂移率期望值。上面的方程等价的等于如下： x=x0+at 经过时间T后，位移改变aT。 x0是初始位置。 bdw可以看作增加在X轨迹上的波动。这些波动或噪声的波动率的值是标准维纳过程的b倍。 股票价格行为的一种模式2 ?x的分布是正态分布，并且 ?x的均值＝a?t ?x的方差＝b2?t ?x的标准差＝ b(?t)0.5 任意时间T后，X值的变化具有正态分布，并且 X－X0的均值＝aT X－X0的方差= b2T X－X0的标准差= b(T)0.5 股票价格行为的一种模式 例2：如果某公司的现金头寸是一般的维纳过程每年的漂移是10，标准差是30。最初现金头寸是40。 一年末，现金头寸的分布是 均值40＋10×1＝50， 标准差是30。 第6个月末： 均值是40＋10×0.5＝45， 标准差30×0.5 0.5 =21.21 ITO过程 dX=a(X,t)dt+b(X,t)