Математические модели динамики срочной структуры процентных ставок, учитывающие качественные свойства рынка, страница 4
Описание файла
PDF-файл из архива "Математические модели динамики срочной структуры процентных ставок, учитывающие качественные свойства рынка", который расположен в категории "". Всё это находится в предмете "физико-математические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата физико-математических наук.
Просмотр PDF-файла онлайн
Текст 4 страницы из PDF
Таким образом, наблюдение формализуется в терминах функцииправдоподобия следующим образом: τ2ZsZT h pNni2XXdPfti0∝wkFs,k exp − fti (x) dx − Pk+ + α ( fti (x)) dx,− lndPfti −0s=0k=100где wk = (ak − bk )−1 . Единственный параметр, подлежащий заданию, — α,мера желаемой гладкости кривой, некоторый аналог температуры в приведённой выше интерпретации в терминах статистической физики.
Мы будемсчитать его заданным извне, например, пользователем системы, но можнооценить его и на основании статистических данных.Это предположение, по сути, является регуляризацией по Тихоновунекорректно поставленной задачи оценки бесконечномерной сущности (кривой доходностей) по конечномерным наблюдениям, где регуляризатором является слагаемое αRT p0 2f(x))dx, а α — параметр регуляризации.(ti0Для реализации практического метода оценки кривой доходностей и параметров её динамики проводится следующая часть регуляризации с использованием кратномасштабного анализа: в пространстве H вводится вейвлетбазис, а регуляризация состоит в откидывании детализации и рассмотрениитолько аппроксимации заранее выбранного порядка (этот порядок и есть параметр регуляризации). Таким образом, рассматриваются только достаточногладкие функции, где желаемая степень гладкости определяется конкретнымвыбором вейвлета и порядком аппроксимации, после чего все выражения длядинамики плотностей вероятности переписываются в выбранном базисе.Путём замены переменных уравнение динамики сводится к почти линей16ному: с постоянным коэффициентом диффузии.
Различные численные методы позволяют либо работать с нелинейным коэффициентом сноса, либолинеаризовать его с контролируемой погрешностью.Оценка кривой доходностей по наблюдениям производится методом максимального правдоподобия — путём максимизации функции правдоподобия,однако для случаев, когда важно быстродействие, приводится приближённыйалгоритм, являющийся вариацией фильтра Калмана.Далее в этом же параграфеописывается аналогичная рыночная модель, основанная на дискретно начисляемой раз в δ форвардной процентнойставке Lt (x): 1 + δLt (x) = expRx+δxft (τ ) dτ .
Её фундаментальное отличиеот известных рыночных моделей — в подходе к оценке облигаций со сроком допогашения, меньшим δ . Ранее динамика цен таких облигаций предполагаласьдетерминированной, несмотря на нереальность этого предположения. Предлагаемая модель учитывает сложившуюся практику оценки рынком такихкоротких облигаций, однако побочным эффектом является потеря свойствабезарбитражности. Показано, что арбитражные возможности возникают исключительно из-за некорректности сложившейся практики оценки короткихоблигаций и предъявляется выражение для справедливой стоимости облигации, подразумеваемое этой некорректной практикой, то есть показано, чторынок, так оценивающий короткие облигации, на самом деле, подразумеваетцену облигации, равную Z 0 t −tP = exp −где θs (x) =Rx00 !1 X∞ sθ (min(x, δ))2 dx ,ft (x) +s=12σ s (τ ) dτ , то есть показывается, что при такой оценке короткихоблигаций именно эта величина, будучи дисконтированной, является мартингалом.В четвёртом параграфе второй главыописывается численный метод оценки параметров обеих моделей (между ними нет различий, существенных для этого этапа).
Оценка параметров столь сложных нелинейных и существенно многомерных моделей не описана в литературе, поэтому снача17ла приводится краткий обзор различных общих методов, используемых дляоценки параметров стохастических дифференциальных уравнений, затем мотивируется выбор конкретного метода, после этого описывается применениевыбранного метода — метода Монте-Карло для марковских цепей (MarkovChain Monte-Carlo) — к построенным моделям, кратко описывается применение предварительных и параллельных вычислений для ускорения расчётов.В пятом параграфе второй главыдоказывается, что при выполнении некоторых естественных условий и ряда технических ограниченийюпостроенная оценка является состоятельной.
Доказывается состоятельностьпри стремлении количества облигаций, наблюдаемых за один раз, к бесконечности, а промежутка времени между наблюдениями — к нулю. Также показано, что при стремлении модели размерности к бесконечности оценка стремится к истинным бесконечномерным значениям соответствующих параметров.В первом параграфе третьей главырассмотрены некоторые частные вопросы, самым важным из которых является модель «моментального снимка», к которой сводится рассматриваемая динамическая модель приусловии, что доступно лишь одно наблюдение: цены нескольких облигаций водин единственный момент времени («моментальный снимок» рынка). Еслипредположить некоторое специальное несобственное априорное распределение (распределение с максимальной энтропией) для кривой форвардных ставок, то условная функция правдоподобия будет определяться выражением− ln L(f ) =nk1X2k=1wk nsXs=0Zτs2Fs,k exp − f (x) dx − Pk + α0ZT pf (x)0 2dx → min .0Благодаря специальному выбору функционала негладкости, это выражениес точностью до постоянного множителя совпадает с полученным из другихсоображений функционалом, минимизацией которого был получен непараметрический метод оценки кривой доходностей в [19] и [A3].Далее приводится решение вышеуказанной задачи путём сведения её кзадаче оптимального управления и применения принципа максимума Понт18рягина.Во втором параграфе третьей главывведено понятие полосы разрешимости (feasibility band), впервые введённое в [19].
Если для каждойбумаги из nk вместо цены указана котировка спроса bk и предложения ak ,k = 1, ..., nk , то систему уравнений ценообразования (уравнение (1) для каждой бумаги) можно будет переписать в виде системы двойных неравенств:bk 6nsXFs d(τs ) 6 ak .s=0Вкупе со свойствами функции дисконтирования, получаем следующую систему, описывающую множество допустимых значений d(x).bk ≤Pnss=0 Fs,k d(τs )≤ akd(0) = 1,d(t) > 0 d(t)не возрастает.В предыдущей системе положим ds = d(τs ), s = 1, ..., ns . Для определенияграниц множества, в котором будут лежать решения d1 , ..., dns этой системы,решим 2ns задач линейного программирования:ds → min, maxPnsbk ≤s=0 Fs,k ds≤ ak , k = 1, ..., nk ,,d0 = 1,s = 1, ..., ns .(2)ds > 0, i = 1, ..., nsds−1 ≥ dsЗдесь для значения d(τs ) в каждый момент τs мы находим теоретически максимальное значение.
Таким же образом можно найти и минимально возможное значение. Разумеется, это не означает, что кривая d(t) может проходитьгде угодно внутри полученного коридора, который и называют полосой раз19решимости для функции дисконтирования. Если же зафиксировать конвенцию связи между значением функции дисконтирования к какому-либо срокуи соответствующей процентной ставкой, получим полосу разрешимости дляпроцентных ставок. Эта оценка, вообще говоря, довольно груба, однако и приведённые ограничения могут оказаться слишком сильными, в таком случаеговорят, что полоса разрешимости пуста.Далее описаны причины, которые могу вызвать пустоту полосы разрешимости, т.е.
несовместность системы (2), и поставлена задача поиска минимального количества бумаг, которые необходимо исключить из выборки,чтобы система стала совместной. Кратко описываются известные результатыпо схожей задаче поиска максимальной совместной подсистемы, после чегодоказывается NP-эквивалентность задачи в нашей постановке. Затем в этомже параграфе приводятся два приближённых жадных алгоритма для решения этой задачи.В четвёртой главеприведены описания численных экспериментов,проведённых как на модельных, так и на реальных исторических данныхо ходе торгов на бирже ММВБ за 3 периода: 10 января — 14 апреля 2006года (200 измерений), спокойный рынок; 1 августа — 28 сентября 2007 года(132 измерения), самое начало кризиса; и 26 сентября — 30 декабря 2008 года(200 измерений), разгар кризиса.
На модельных данных наблюдается хорошая идентификация параметров модели (см. рис. 1), а на реальных данныхрезультаты разумны, экономически интерпретируемы и превосходят по качеству существующий аналог («G-кривую», собственную разработку ММВБдля решения этой же задачи). Кроме того, на спокойном рынке данные не позволяют отвергнуть гипотезу о том, что наблюдаемые цены были порожденырассматриваемой моделью.В заключенииподведён краткий итог изложению, очерчено место диссертационной работы в контексте текущего развития моделирования срочнойструктуры процентных ставок, перечислены направления, представляющие200.60.60.50.50.40.40.30.30.20.20.10.1005101520250300510152025Рис. 1.
Модельные (слева) и оценённые (справа) параметры30σs.ся перспективными для дальнейших изысканий, приведены основные результаты работы, выносимые на защиту.Цитированная литература[1] А. Балабушкин, Г. Гамбаров, И. Шевчук. Оценка срочной структурыпроцентных ставок // Рынок ценных бумаг. — 2004.
— № 11. — С. 44–52.[2] D. Filipović. Exponential-Polynomial Families and the Term Structure ofInterest Rates // Bernoulli. — 2000. — Vol. 6, no. 6. — Pp. 1081–1107.[3] T. Björk, L. Svensson. On the existence of finite-dimensional realizations fornonlinear forward rate models // Mathematical Finance. — 2001. — Vol. 11,no. 2. — Pp.
205–243.[4] D. Heath, R. Jarrow, A. Morton. Bond pricing and the term structure ofinterest rates: A new methodology for contingent claims valuation // Econometrica. — 1992. — Vol. 16, no. 1. — Pp. 77–105.[5] A. Brace, M. Musiela. A multifactor Gauss Markov implementation of Heath,Jarrow, and Morton // Mathematical Finance. — 1994. — Vol. 4, no. 3. —Pp. 259–283.[6] K.R. Miltersen, K.