|
назад Оглавление вперед
[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [ 85 ] [86] [87] [88] [89] [90] [91]
85 ©take AR (1) residuals© yi=datn [2 : obv]; xi = datn [1 :obv-l]; xi2=xi2; ybar=meanc(yi); xbar=meanc (xi) ; xy=yj.*xi; sxx=obv*suinc (xi2) - (sumc (xi))2; sxy=obv I ( sumc (xy) ) -sumc(xi) *sumc (yi) ; slope = sxy/sxx; const =ybar- slope*xbar; date = datn [2:obv] - (const + slope*datn [l:obv-l]); obv = rows (date); ©cumulate AR (1) residuals© datx = eumsume (date [.,1 ]) + 100; l=0;x=0; do while x<= (obv/2); X = X + 1; num = obv/x; n = floor (obv/x) ; if n<num; goto repeat; endi f; ©cheek if x is evenly divisible© xl =reshape (datx,n,x); ©reshape matrix to desired investment horizon, "X"© datn = xl [.,!]; ©use first со1гш1п of prj ees only© datr = ln(datn[2:n]./datnfl :n-l]); ©log return© s = stde (datr); ©calculate standard deviation© ©print to file©
Таблица А2.1 Ожидаемое значение R/S, гауссова случайная переменная: характерные значения | E(RS) | Log(N) | Log(E(FVS)) | | 2,8722 | 1,0000 | 0,4582 | | 3,7518 | 1,1761 | 0,5742 | | 4,4958 | 1,3010 | 0,6528 | | 5,1525 | 1,3979 | 0,7120 | | 5,7469 | 1,4771 | 0,7594 | | 6,2939 | 1,5441 | 0,7989 | | 6,8034 | 1.6021 | 0,8327 | | 7,2822 | 1,6532 | 0,8623 | | 7,7352 | 1,6990 | 0,8885 | | 8,1662 | 1,7404 | 0,9120 | | 8,5781 | 1,7782 | 0,9334 | | 8,9733 | 1,8129 | 0,9530 | | 9,3537 | 1,8451 | 0,9710 | | 9,7207 | 1,8751 | 0,9877 | | 10,0758 | 1,9031 | 1,0033 | | 10,4200 | 1,9294 | 1,0179 | | 10,7542 | 1,9542 | 1,0316 | | 11,0793 | 1,9777 | 1,0445 | | 11,3960 | 2,0000 | 1,0568 | | 16,5798 | 2,3010 | 1,21% | | 20,5598 | 2,4771 | 1,3130 | | 23,8710 | 2,6021 | 1,3779 | | 26,8327 | 2,6990 | 1,4287 | | 29,5099 | 2,7782 | 1,4700 | | 31,9714 | 2,8451 | 1ДМ8 | | 34,2624 | 2,9031 | 1,5348 | | 36,4139 | 2,9542 | 1,5613 | 1.000 | 38,4488 | 3,0000 | 1,5849 | 1.500 | 47,3596 | 3,1761 | 1,6754 | 2.000 | 54,8710 | 3,3010 | 1,7393 | 2.500 | 61,4882 | 3,3979 | 1,7888 | 3.000 | 67,4704 | 3,4771 | 1,8291 | 3.500 | 72,9714 | 3,5441 | 1,8632 | 4.000 | 78,0916 | 3,6021 | 1,8926 | 4.500 | 82,9004 | 3,6532 | 1,9186 | 5.000 | 87,4487 | 3,6990 | 1,9418 | 5.500 | 91,7747 | 3,7404 | 1,%27 | 6.000 | 95,9081 | 3,7782 | 1,9819 | 6.500 | 99,8725 | 3,8129 | 1,9994 | 7.000 | 103,6872 | 3,8451 | 2,0157 | 7.500 | 107,3678 | 3,8751 | 2,0309 | 8.000 | 110,9277 | 3,9031 | 2,0450 | 8.500 | 114,3779 | 3,9294 | 2,0583 | 9.000 | 117,7281 | 3,9542 | 2,0709 | 9.500 | 120,9864 | 3,9777 | 2,0827 | 10.000 | 124,1600 | 4,0000 | 2,0940 |
Приложение 3 ТАБЛИЦЫ ФРАКТАЛЬНЫХ РАСПРЕДЕЛЕНИЙ Это приложение имеет две цели: 1. Здесь представлены таблицы, которые некоторые читатели найдут полезным, если они исследуют устойчивые распределения как альтернативные показатели риска, либо для выбора портфеля, либо для опционного ценообразования, как описано в Главе 15. 2. Оно охватывает методологию, используемую для создания таблиц. Текст данного приложения предназначен особенно для тех, кого интересует такая степень детализации. В 1968 и 1971 гг. Фамэ и Ролл опубликовали функции распределения для семейства устойчивых распределений. Таблицы ограничивались симметричным случаем, где Р = 0. Это были первые таблицы, которые были получены на основе алгоритмов, а не на основе интерполяции как это делал Мандельброт (Mandelbrot, 1963). В этом приложении мы сначала опишем методологию, используемую Фамэ и Роллом. Мы также кратко обсудим другие методы, разработанные начиная с 1971 г. В конце приложения воспроизведены три таблицы из работы Фамэ и Ролла. Теперь стало возможным сгенерировать эти таблицы с использованием мощного программного обеспечения, доступного для персональных компьютеров, так же как и для автоматизированных рабочих мест. Заинтересованные читатели также могут пробовать это сделать. ГЕНЕРИРОВАНИЕ ТАБЛИЦ Фамэ и Ролл основывали сюю методологию на работе Бергстрома (Bergstrom, 1952). Чтобы осуществить расширение Бергстрома, мы должны начать со стандартизированной переменной: и=- (А3.1) Распределение и - устойчивый эквивалент стандартного нормального распределения, которое имеет среднее, равное О, и стандартное отклонение, равное 1.
[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [ 85 ] [86] [87] [88] [89] [90] [91]
|
|
|
|