Пластичность волатильности:Приложение:Автокорреляции — различия между версиями

Материал из synset
Перейти к: навигация, поиск
 
(не показаны 2 промежуточные версии этого же участника)
Строка 6: Строка 6:
 
----
 
----
  
Рассмотрим примеры автокорреляционных коэффициентов в условиях нестационарности () в некоторых частных случаях.
+
Рассмотрим примеры автокорреляционных коэффициентов в условиях нестационарности (15) в некоторых частных случаях.
  
 
<math>\textstyle \bullet</math> Для волатильности в виде ступеньки со значением <math>\textstyle \sigma_1</math> длительностью <math>\textstyle f\cdot T</math> и <math>\textstyle \sigma_2</math> в течение <math>\textstyle (1-f)\cdot T</math> для дисперсии имеем:
 
<math>\textstyle \bullet</math> Для волатильности в виде ступеньки со значением <math>\textstyle \sigma_1</math> длительностью <math>\textstyle f\cdot T</math> и <math>\textstyle \sigma_2</math> в течение <math>\textstyle (1-f)\cdot T</math> для дисперсии имеем:
Строка 12: Строка 12:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> \gamma_0(\sigma)=\sigma_\theta^2 \cdot \bigl[f\,\sigma^2_1 + (1-f)\,\sigma^2_2\bigr] + f (1-f) \cdot (\sigma_2-\sigma_1)^2, </math>
 
  | width="90%" align="center"|<math> \gamma_0(\sigma)=\sigma_\theta^2 \cdot \bigl[f\,\sigma^2_1 + (1-f)\,\sigma^2_2\bigr] + f (1-f) \cdot (\sigma_2-\sigma_1)^2, </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(40)'''</div>
 
  |}
 
  |}
  
Строка 19: Строка 19:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> \gamma_s(\sigma) = f (1-f) \cdot (\sigma_1-\sigma_2)^2 \;+\; \bigl(\sigma_1-\sigma_2\bigr) \bigl(\sigma_2 f -\sigma_1(1-f)\bigr) \cdot \frac{s}{T-s} </math>
 
  | width="90%" align="center"|<math> \gamma_s(\sigma) = f (1-f) \cdot (\sigma_1-\sigma_2)^2 \;+\; \bigl(\sigma_1-\sigma_2\bigr) \bigl(\sigma_2 f -\sigma_1(1-f)\bigr) \cdot \frac{s}{T-s} </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(41)'''</div>
 
  |}
 
  |}
  
Строка 28: Строка 28:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> \frac{\gamma_0(\sigma)}{\sigma^2_0} = \sigma^2_\theta \cdot \left(1+\beta+\frac{\beta^2}{3}\right) +\frac{\beta^2}{12} </math>
 
  | width="90%" align="center"|<math> \frac{\gamma_0(\sigma)}{\sigma^2_0} = \sigma^2_\theta \cdot \left(1+\beta+\frac{\beta^2}{3}\right) +\frac{\beta^2}{12} </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(42)'''</div>
 
  |}
 
  |}
  
Строка 35: Строка 35:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> \frac{\gamma_s(\sigma)}{\sigma^2_0} = \frac{\beta^2}{12}\cdot \left(1 - 2\,\frac{s}{T}-2\,\frac{s^2}{T^2}\right) </math>
 
  | width="90%" align="center"|<math> \frac{\gamma_s(\sigma)}{\sigma^2_0} = \frac{\beta^2}{12}\cdot \left(1 - 2\,\frac{s}{T}-2\,\frac{s^2}{T^2}\right) </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(43)'''</div>
 
  |}
 
  |}
  
Строка 42: Строка 42:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> \frac{\gamma_0(\sigma)}{\sigma^2_0} = \sigma^2_\theta \cdot \left(1+\frac{\beta^2}{2}\right) + \frac{\beta^2}{2} </math>
 
  | width="90%" align="center"|<math> \frac{\gamma_0(\sigma)}{\sigma^2_0} = \sigma^2_\theta \cdot \left(1+\frac{\beta^2}{2}\right) + \frac{\beta^2}{2} </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(44)'''</div>
 
  |}
 
  |}
  
Строка 49: Строка 49:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> \frac{\gamma_s(\sigma)}{\sigma^2_0} = \beta^2 \cdot \left\{\frac{1}{2}\,\cos\bigl(2m\pi \frac{s}{T}\bigr) + \frac{T/4 m\pi}{ (T-s)}\,\sin\bigl(2m\pi \frac{s}{T}\bigr) \right\} </math>
 
  | width="90%" align="center"|<math> \frac{\gamma_s(\sigma)}{\sigma^2_0} = \beta^2 \cdot \left\{\frac{1}{2}\,\cos\bigl(2m\pi \frac{s}{T}\bigr) + \frac{T/4 m\pi}{ (T-s)}\,\sin\bigl(2m\pi \frac{s}{T}\bigr) \right\} </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(45)'''</div>
 
  |}
 
  |}
  
Ниже приведены эмпирические графики автокорреляционных коэффициентов всех этих трёх случаев вместе с теоретической кривой (тонкая линия): \includegraphics{pic/cor_3models.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Коррелограммы трёх видов нестационарностей}
+
Ниже приведены эмпирические графики автокорреляционных коэффициентов всех этих трёх случаев вместе с теоретической кривой (тонкая линия):  
 +
 
 +
<center>[[File:volat_pic33.png]]</center>
 +
 
 
=== Примчания ===
 
=== Примчания ===
 
<references/>
 
<references/>

Текущая версия на 20:42, 6 марта 2010

Приложение: Моделирование блуждания << Оглавление >> Оглавление

Рассмотрим примеры автокорреляционных коэффициентов в условиях нестационарности (15) в некоторых частных случаях.

Для волатильности в виде ступеньки со значением длительностью и в течение для дисперсии имеем:

(40)

где - дисперсия нормированной положительно определённой случайной величины с единичным средним. Ковариационный коэффициент равен:

(41)

При большом периоде усреднения по сравнению со сдвигом остаётся только первое слагаемое, которое мы получили в шестом разделе.

В случае линейного роста волатильности , с постоянной скоростью дисперсия равна:

(42)

Автоковариационный коэффициент:

(43)

Если волатильность испытывает периодические колебания , где - целые числа, то волатильность в условиях такой нестационарности равна:

(44)

Ковариационные коэффициенты становятся периодическими функциями сдвига :

(45)

Ниже приведены эмпирические графики автокорреляционных коэффициентов всех этих трёх случаев вместе с теоретической кривой (тонкая линия):

Volat pic33.png

Примчания


Приложение: Моделирование блуждания << Оглавление >> Оглавление