Modelovanie úrokových mier - Vašíčkov model
:: Itóov integrál ::
- Pripomeňme si z finančnej matematiky definíciu Itóovho integrálu (pre nenáhodnú funkciu):
- Vidíme, že hodnota integrálu závisí od Wienerovho procesu, je to teda náhodná premenná. Na začiatku semestra sme generovali Wienerov proces (a iné príbuzné procesy):
function [r]=randn()
r=rand(1,"normal");
endfunction
function [w]=wiener(dt,n)
w(1)=0;
for i=1:n
dw=sqrt(dt)*randn();
w(i+1)=w(i)+dw;
end;
w=w';
endfunction
- Zvoľme si funkciu, ktorej integrál budeme počítať, napríklad na intervale [0,1] budeme integrovať funkciu:
function [f]=f(x)
f=x^2;
endfunction
- Vygenerujme trajektóriu Wienerovho procesu na nejakom delení tohto intervalu:
dt=0.01;
n=100;
t=(0:dt:n*dt);
w=wiener(dt,n);
- Cvičenie 1 - simulácie:
- Pomocou sumy, ktorej limitou je definovaný Itóov integrál, vypočítajte aproximáciu hodnoty integrálu pre túto trajektóriu Wienerovho procesu.
- Vygenerujte viac trajektórií Wienerovho procesu, zaznamenávajte hodnotu aproximácie Itóovho integrálu, priebežnú (na základe doterajších simulácií) strednú hodnotu a disperziu.
- Ako vyzerá histogram získaných hodnôt? Na čom sa stabilizujú pribežné hodnoty strednej hodnoty a disperzie?
- Cvičenie 2 - výpočet:
- Vypočítajte pravdepodobnostné rozdelenie sumy, ktorej limitou je definovaný Itóov integrál.
- Spravte limitu a určte pravdepodobnostné rozdelenie Itóovho integrálu
- Porovnajte s výsledkami z konkrétneho príkladu a simulácií v predchádzajúcej úlohe.
:: Jednofaktorový short rate model ::
- Úrokové miery - napríklad Euribor:
- Short rate - okamžitá úroková miera, aproximuje sa úrokovou mierou s krátkou splatnosťou
- Okamžitá úroková miera sa modeluje stochastickou diferenciálnou rovnicou:
teda trend vo vývoji úrokovej miery + náhodné fluktuácie okolo trendu
- Jednofaktorový model - jedna stochastická diferenciálna rovnica
pre r, t. j. jeden zdroj náhodnosti vo vývoji okamžitej úrokovej miery
(jeden Wienerov proces).
:: Vašíčkov model :::
- Stochastická diferenciálna rovnica pre okamžitú úrokovú mieru:
- Vlastnosť mean-reversion (priťahovanie k dlhodobej hodnote, k limitnej hodnote) - pre strednú hodnotu platí:
- Volatilita je konštantná, nezávisí teda od aktuálnej hodnoty úrokovej miery
- S procesom, ktorý sa vo Vašíčkovom modeli používa na modelovanie okamžitej úrokovej miery, sme sa už zaoberali na treťom cvičení. Zopakujme si závislosť priebehu procesu od parametrov podľa cvičenia(1)/1.
:: Pravdepodobnostné rozdelenie úrokových mier ::
- Odvodíme riešenie uvedenej stochastickej diferenciálnej rovnice v integrálnom tvare:
- Na základe tohto vyjadrenia odvoďte podmienené rozdelenie úrokovej miery, ak poznáme jej hodnotu r0 v čase 0 - je to normálne rozdelenie
s parametrami
- Znalosť tohoto rozdelenia nám umožňuje:
- Vygenerovať realizáciu procesu pre zadané parametre a začiatočnú hodnotu úrokovej miery.
- Odhadovať parametre procesu z dát.
- Upozornenie: V literatúre sa požívajú rôzne označenia pre
lineárnu funkciu driftu, treba si vždy pozrieť, s akým driftom sa
pracuje.
::Cvičenia (1) ::
- Na začiatku semestra, keď sme spomínali Vašíčkov model, sme pracovali s parametrami z článku
Athanasios Episcopos: Further evidence on alternative continuous time
models of the short-term interest rate. Journal of International
Financial Markets, Institutions and Money 10 (2000) 199-212, kde autor odhadoval modely úrokových mier. Všeobecný model, ktorým sa zaoberal, je
Znovu zoberieme parametre pre Nový Zéland:
- Preveďte tieto parametre tak, aby sme proces mali
vyjadrený ho pomocou parametrov
,
,
. Zvoľte si začiatočnú hodnotu úrokovej miery a vygenerujte trajektóriu jej ďalšieho vývoja.
- Na začiatku semestra sme tento proces simulovali
Euler-Marujamouvou aproximáciou. Porovnajte rozdelenie úrokovej miery
získané touto aproximáciou s presným rozdelením, ak je časový krok 1
deň, 1 týždeň, 1 mesiac, 1 rok. Ďalej budeme požívať presné rozdelenie.
-
Predpokladajte, že dnešná hodnota úrokovej miery je 4.5 percenta. Aká je
stredná hodnota úrokovej miery o týždeň, o mesiac a o rok? Zostrojte
pre tieto úrokové miery intervalové odhady (stredná hodnota +/-
2*štandardná odchýlka).
- Aké je limitné rozdelenie úrokovej miery. Nakreslite graf
hustoty tohto limitného rozdelenia. Doplňte do grafu hustoty rozdelenia
úrokovej miery o mesiac, o rok, ... - tak, aby ste videli konvergenciu
týchto hustôt k limitnej hustote.
- Jednou z nevýhod Vašíčkovho modelu je možnosť záporných
úrokových mier. Vypočítajte pravdepodobnosť zápornej úrokovej miery v
nasledovných prípadoch:
- limitné rozdelenie úrokovej miery
- úroková miera o mesiac, ak jej dnešná hodnota je 5 percent.
- úroková miera o mesiac, ak jej dnešná hodnota je pol percenta.
- úroková miera o týždeň, ak jej dnešná hodnota je 5 percent.
- úroková miera o týždeň, ak jej dnešná hodnota je pol percenta.
- Nájdite príklad takých parametrov, aby predchádzajúce
pravdepodobnosti záporných úrokových mier boli väčšie (pri takýchto
pravdepodobnostiach zrejme nie je model vhodný).
:: Metóda maximálnej vierohodnosti na odhadovanie parametrov ::
-
Podmienené rozdelenie úrokových mier je normálne, preto funkcia
vierohodnostije súčin hustôt normálnych rozdelení. Odhady parametrov sa
dajú explicitne vyjadriť.
- Damiano Brigo, Fabio Mercurio: Interest Rate Models -
Theory and Practice. Second Edition. Springer, 2007. Kapitola 3.1.2,
str. 61-62:
[books.google.com]
- Môže sa vám hodiť nasledujúci skript, v ktorom sú prepísané tieto vzorce pre odhady: [vasicekMLE.sce]
:: Cvičenia (2) ::
- Ako z týchto odhadov dostaneme odhady parametrov
,
,
? Odvoďte príslušnú transformáciu.
:: Ďalšie príklady na precvičenie ::
- Stiahnite si dáta úrokovej miery (napr. 3M treasury bills, Euribor s
krátkou dobou splatnosti a pod.) zo zvoleného časového intervalu.
Zobrazte ich vývoj.
Zdroje dát - napríklad:
- Odhadnite parametre Vašíčkovho modelu a transformujte ich na parametre
,
,
.
- Pre zvolenú začiatočnú hodnotu úrokovej miery nakreslite do
jedného grafu strednú hodnotu jej ďalšieho vývoja, intervaly
spoľahlivosti a niekoľko simulácií.
-
Nájdite limitné rozdelenie úrokovej miery.