- 1、本文档共16页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
%PPT例2一维正态密度与二维正态密度
symsxy;
s=1;t=2;
mu1=0;mu2=0;sigma1=sqrt((1+s^2));sigma2=sqrt((1+t^2));
x=-6:0.1:6;
f1=1/sqrt(2*pi*sigma1)*exp(-(x-mu1).^2/(2*sigma1^2));
f2=1/sqrt(2*pi*sigma2)*exp(-(x-mu2).^2/(2*sigma2^2));
plot(x,f1,r-,x,f2,k-.)
rho=(1+s*t)/(sigma1*sigma2);
f=1/(2*pi*sigma1*sigma2*sqrt(1-rho^2))*exp(-1/(2*(1-rho^2))*((x-mu1)^2/sigma1^2-2*rho*(x-mu1)*(y-mu2)/(sigma1*sigma2)+(y-mu2)^2/sigma2^2));
ezsurf(f)
%%Thedailylogreturnsonthestockhaveameanof0.05/yearandastandarddeviationof0.23/year.Thesecanbeconvertedtoratespertradingdaybydevidingby253andsqrt(253),respectively.
Question1:Whatistheprobabilitythatthevalueofthestockwillbebelow$950,000atthe
closedayofatleastoneofthenext45tradingdays?
clear;
niter=1.0E5;%numberofiterations
below=repmat(0,1,niter);%setupstorage
randn(seed,0);
fori=1:niter
r=normrnd(0.05/253,0.23/sqrt(253),1,45);%generaterandomnumbers
logPrice=log(1.0E6)+cumsum(r);
minlogP=min(logPrice);%minmumpriceovernext45days
below(i)=sum(minlogPlog(950000));
end
Pro=mean(below)
%P29随机相位正弦波仿真
%1timesimulation
w=2;N=1000;mu=2;sigma=3;
s=rand(state);
A=mu+sigma*randn(1,N);%A=normrnd(mu,sigma,1,N)
theta=-pi+2*pi*rand(1,N);
t=1:N;
x=A.*cos(w*t+theta);
capmu=mean(x)
tao=1
x1=A.*cos(w*(t+tao)+theta);
capgamma=mean((x-capmu).*(x1-capmu))
%mtimesimulation
clear;
w=2;N=1000;mu=2;sigma=3;
m=500;capmu1=[];capgamma1=[];
fori=1:m
s=rand(state);
A=mu+sigma*randn(1,N);
theta=-pi+2*pi*rand(1,N);
t=1:N;
x=A.*cos(w*t+theta);
capmu=mean(x);
capmu1=[capmu1,capmu];
tao=1;
x1=A.*cos(w*(t+tao)+theta);
capgamma=mean((x-capmu).*(x1-capmu));
capgamma1=[capgamma1,capgamma];
end
plot(1:m,capmu1,*,1:m,capgamma1,o)
capmu=mean(capmu1);
capgamma=mean(capgamma1);
err1=mean((capmu1-0).^2);
gamma=(sigma^2+mu^2)*cos(w*tao)/2;
err2=mean((capgamma1-gamma).^2);
[capmu
您可能关注的文档
- 消防知识问答.ppt
- 棋牌斗地主玩法介绍.pptx
- 阿里巴巴B2B业务-by-申文风.doc
- 爱尔印染厂薪酬和考核激励体系方案.ppt
- 风电齿轮箱断齿问题分析.docx
- 面条加工项目可行性研究报告.doc
- 汇仁集团组织结构设计(核心业务流程)(集成版)0427.ppt
- 高一数学期末复习---江苏省靖江市第一高级中学欢迎您[江苏省.doc
- 阀门清洗与试压.doc
- 烟草行业精益-QC-意向课题登记表.ppt
- 理赔处理:理赔欺诈检测_(5).理赔欺诈检测的流程与方法.docx
- 理赔处理:理赔文档自动化_(7).理赔文档自动化的实施案例分析.docx
- 理赔处理:理赔欺诈检测_(17).理赔欺诈检测的结果报告与解释.docx
- 理赔处理:理赔文档自动化_(3).理赔文档自动化的核心技术与工具.docx
- 客户服务:客户流失预测_(17).客户满意度调查与反馈机制.docx
- 理赔处理:理赔流程优化_(3).理赔流程优化的目标与原则.docx
- 客户服务:客户流失预测_(2).客户流失定义与重要性.docx
- 客户服务:客户情绪分析_(10).案例研究:成功的情绪管理.docx
- 客户服务:客户情绪分析_(2).客户情绪分析基础.docx
- 客户服务:客户行为预测_(4).预测模型选择.docx
文档评论(0)