Upload
pearl
View
35
Download
0
Embed Size (px)
DESCRIPTION
Опыт восстановления пропущенной рыночной информации на основе Байесовского подхода. Косьяненко А.В. Возможные причины отсутствия рыночной информации. Отсутствие сделок. Временное приостановление торгов. Сбои в процедуре накопления информации. - PowerPoint PPT Presentation
Citation preview
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Опыт восстановления пропущенной Опыт восстановления пропущенной рыночной информации на основе рыночной информации на основе
Байесовского подхода.Байесовского подхода.
Косьяненко А.В.Косьяненко А.В.
Голицыно, 20 октября 2007 г. 2
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Возможные причины отсутствия Возможные причины отсутствия рыночной информациирыночной информации
• Отсутствие сделок.Отсутствие сделок.
• Временное приостановление торгов.Временное приостановление торгов.
• Сбои в процедуре накопления Сбои в процедуре накопления информации.информации.
• Наличие неправдоподробных сделок и Наличие неправдоподробных сделок и работа процедур фильтрации данных.работа процедур фильтрации данных.
• Применение методики для Применение методики для прогнозирования будущей ситуации.прогнозирования будущей ситуации.
Голицыно, 20 октября 2007 г. 3
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
““ПропущенныеПропущенные” ” данныеданные
Голицыно, 20 октября 2007 г. 4
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Объёмы заключенных сделокОбъёмы заключенных сделок
Голицыно, 20 октября 2007 г. 5
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Фильтрация: Фильтрация: Credibility Credibility и и Trust capitalTrust capital
2122
1)(
T
TTC
)1(
5,0)(
CC
CCT
Olsen et al. An Introduction to High-Frequency FinanceOlsen et al. An Introduction to High-Frequency Finance
Голицыно, 20 октября 2007 г. 6
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Виды использованных фильтровВиды использованных фильтров
• Фильтры уровня.Фильтры уровня.
• Фильтры изменения значения.Фильтры изменения значения.
• Фильтр относительного положения цены Фильтр относительного положения цены относительно котировок.относительно котировок.
• Фильтры объёма (количество сделок, оборот).Фильтры объёма (количество сделок, оборот).
Голицыно, 20 октября 2007 г. 7
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Положение цен закрытия Положение цен закрытия относительно котировокотносительно котировок
Голицыно, 20 октября 2007 г. 8
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты фильтрацииРезультаты фильтрации
Голицыно, 20 октября 2007 г. 9
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты фильтрацииРезультаты фильтрации
Голицыно, 20 октября 2007 г. 10
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Модель динамики ценМодель динамики цен
Относительные цены облигаций удовлетворяют стохастическому дифференциальному уравнению:
- независимые стандартные винеровские процессы
Tktttt WWWW ),...,,( 21
kttt WWW ,...,, 21
kkk RR , - параметры процесса
Как оценивать параметры ?
Голицыно, 20 октября 2007 г. 11
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Апостериорная плотность
Функция правдоподобия
Априорная плотность
- параметры (случайные величины)
- наблюдаемые данные
Байесовский подходБайесовский подход
Голицыно, 20 октября 2007 г. 12
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Совместное апостериорное распределение Совместное апостериорное распределение тренда и волатильноститренда и волатильности
Голицыно, 20 октября 2007 г. 13
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Доверительные области максимального Доверительные области максимального правдоподобияправдоподобия
Голицыно, 20 октября 2007 г. 14
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Байесовское оценивание – случай полных Байесовское оценивание – случай полных данныхданных
Сопряжённые априорные распределенияСопряжённые априорные распределения
Аналитические решенияАналитические решения; ; высокая высокая скорость вычисленийскорость вычислений
Выборка из многомерного нормального распределения с Выборка из многомерного нормального распределения с неизвестным вектором средних и матрицей ковариацийнеизвестным вектором средних и матрицей ковариаций
Голицыно, 20 октября 2007 г. 15
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Байесовское оценивание – случай неполных Байесовское оценивание – случай неполных данныхданных
Отсутствие сопряжённых априорных семействОтсутствие сопряжённых априорных семейств
Численные решенияЧисленные решения;; низкая низкая скоростьскорость
Непостоянная размерность наблюдений (в зависимости Непостоянная размерность наблюдений (в зависимости от количества наблюдаемых цен)от количества наблюдаемых цен)
Голицыно, 20 октября 2007 г. 16
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Методы Методы Markov Chain MonteMarkov Chain Monte--CarloCarlo
( , )all obs misX X X obsX
misX
allX - все данные (наблюдаемые+отсутствующие)
- наблюдаемые данные
- отсутствующие данные
( | )obsp X - сложное распределение
( | , )obs misp X X - простое распределение
Голицыно, 20 октября 2007 г. 17
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Imputation Step
Posterior Step
Генерация отсутствующих данных в наблюдениях
( ) ( 1)~ ( | , )t tmis mis obsX p X X
( ) ( )~ ( | , )t tobs misp X X
Генерация параметров из апостериорного распределения
Марковская цепь(1) (1) (2) (2)( , ), ( , ),... ( , | )dmis mis mis obsX X p X X
Методы Методы Markov Chain MonteMarkov Chain Monte--CarloCarlo
Голицыно, 20 октября 2007 г. 18
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Пополнение данных путём заполнения пропусков их условными математическими ожиданиями
Перерасчет мод совместного апостериорного распределения параметров
Моды совместного апостериорного распределения параметров и пропущенных данных
ЕМ алгоритмЕМ алгоритм
;,,
,,
1
uiij
oldon
iij
oiijij
oldij
yyyyE
yyy
y
.,,,cov
,,0
случаепротивномвyyy
yyиyyc
oldoikij
okik
oiijold
ijk
n
i
oldij
newj djy
n 1
,...,1,1
dkjcyyn
newk
newj
n
i
oldijk
oldik
oldij
newjk ,...,1,,
1
1
Голицыно, 20 октября 2007 г. 19
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Тестовый примерТестовый пример
52 10
5025,001
0605,02
25,00523,0
05,0450
123,005
,
001,0
0002,0
0004,0
0
0008,0
• 50 случайных векторов.50 случайных векторов.
• 30% случайно распределенных пропусков данных.30% случайно распределенных пропусков данных.
• Горизонт прогнозирования 10.Горизонт прогнозирования 10.
• 10 000 итераций 10 000 итераций Markov Chain Monte-CarloMarkov Chain Monte-Carlo..
• Условный портфель по 1 каждого актива.Условный портфель по 1 каждого актива.
Голицыно, 20 октября 2007 г. 20
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Тестовый примерТестовый пример
Голицыно, 20 октября 2007 г. 21
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты оценки параметров Результаты оценки параметров распределения (средние значения)распределения (средние значения)
Голицыно, 20 октября 2007 г. 22
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты оценки параметров Результаты оценки параметров распределения (дисперсии)распределения (дисперсии)
Голицыно, 20 октября 2007 г. 23
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты оценки параметров Результаты оценки параметров распределения (коэффициенты ковариации)распределения (коэффициенты ковариации)
Голицыно, 20 октября 2007 г. 24
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты оценки параметров Результаты оценки параметров распределения (коэффициенты корреляции)распределения (коэффициенты корреляции)
Голицыно, 20 октября 2007 г. 25
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты восстановления значений Результаты восстановления значений процессапроцесса
Голицыно, 20 октября 2007 г. 26
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты восстановления пропуска Результаты восстановления пропуска данныхданных
Голицыно, 20 октября 2007 г. 27
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Эмпирическая плотность совместного Эмпирическая плотность совместного апостериорное распределение тренда и апостериорное распределение тренда и
волатильностиволатильности
Голицыно, 20 октября 2007 г. 28
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Построение по исходным даннымПостроение по исходным данным
Голицыно, 20 октября 2007 г. 29
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Восстановление без фильтрацииВосстановление без фильтрации
Голицыно, 20 октября 2007 г. 30
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Восстановление с фильтрациейВосстановление с фильтрацией
Голицыно, 20 октября 2007 г. 31
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Применение методов восстановления Применение методов восстановления данных для прогнозирования ценданных для прогнозирования цен
Голицыно, 20 октября 2007 г. 32
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Распределение прогнозируемых Распределение прогнозируемых относительных потерь условного портфеляотносительных потерь условного портфеля
Голицыно, 20 октября 2007 г. 33
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Ожидаемая стоимость портфеля и уровни Ожидаемая стоимость портфеля и уровни соответствующие различным уровням соответствующие различным уровням
значимости значимости VaRVaRReal processReal process Markov Chain Monte-CarloMarkov Chain Monte-Carlo EMEM алгоритм алгоритм
Ур
овень зн
ачи
мости
Ур
овень зн
ачи
мости
Ож
идаем
ая стоим
ость О
жи
даемая стои
мость
Отн
осител
ьны
й
Отн
осител
ьны
й V
aRV
aR
Кван
тил
ь стоим
ости
Кван
тил
ь стоим
ости
пор
тфел
яп
ортф
еля
Ож
идаем
ая стоим
ость О
жи
даемая стои
мость
Отн
осител
ьны
й
Отн
осител
ьны
й V
aRV
aR
Кван
тил
ь стоим
ости
Кван
тил
ь стоим
ости
пор
тфел
яп
ортф
еля
Частота п
ревы
шен
ия п
отерь
Частота п
ревы
шен
ия п
отерь
Ож
идаем
ая стоим
ость О
жи
даемая стои
мость
Отн
осител
ьны
й
Отн
осител
ьны
й V
aRV
aR
Кван
тил
ь стоим
ости
Кван
тил
ь стоим
ости
пор
тфел
яп
ортф
еля
Частота п
ревы
шен
ия п
отерь
Частота п
ревы
шен
ия п
отерь
5%5% 515,95515,95 3,453,45 512,47512,47 516,56516,56 3,683,68 512,88512,88 0,06760,0676 516,12516,12 2,952,95 513,16513,16 0,08730,0873
1%1% 515,95515,95 4,864,86 511,10511,10 516,56516,56 5,265,26 511,29511,29 0,01010,0101 516,12516,12 4,154,15 511,88511,88 0,02530,0253
Голицыно, 20 октября 2007 г. 34
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты восстановления цены Результаты восстановления цены облигацииоблигации
Голицыно, 20 октября 2007 г. 35
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Результаты восстановления Результаты восстановления пропущенных значений цен акцийпропущенных значений цен акций
Голицыно, 20 октября 2007 г. 36
Кафедра управления рисками и страхованияКафедра управления рисками и страхования
Благодарю за внимание!Благодарю за внимание!
Буду рад ответить на Ваши вопросы.Буду рад ответить на Ваши вопросы.