مقاييس المخاطر المتوسطة المرجحة الأسية

نهج إوما له ميزة جذابة واحدة: فإنه يتطلب القليل نسبيا من البيانات المخزنة. لتحديث تقديراتنا في أي وقت، نحن بحاجة فقط إلى تقدير مسبق لمعدل التباين وأحدث قيمة للمراقبة. ويتمثل الهدف الثانوي ل إوما في تتبع التغيرات في التقلب. وبالنسبة للقيم الصغيرة، تؤثر الملاحظات الأخيرة على التقدير فورا. وبالنسبة للقيم الأقرب إلى واحد، يتغير التقدير ببطء استنادا إلى التغيرات الأخيرة في عوائد المتغير الأساسي. تستخدم قاعدة بيانات ريسكمتريكس (التي تنتجها جي بي مورغان والمتاحة للجمهور) إوما مع لتحديث التقلبات اليومية. هام: لا تتحمل صيغة إوما متوسط ​​مستوى التباين على المدى الطويل. وبالتالي، فإن مفهوم التقلب يعني الانعكاس لا يتم التقاطه من قبل إوما. نماذج أرشغارتش هي أكثر ملاءمة لهذا الغرض. ويتمثل الهدف الثانوي ل إوما في تتبع التغيرات في التقلب، لذلك بالنسبة للقيم الصغيرة، تؤثر الملاحظة الأخيرة على التقدير على وجه السرعة، وبالنسبة للقيم الأقرب إلى واحد، يتغير التقدير ببطء إلى التغيرات الأخيرة في عوائد المتغير الأساسي. وتستخدم قاعدة بيانات ريسكمتريكس (التي تنتجها جي بي مورغان) والمتاحة للجمهور في عام 1994 نموذج إوما لتحديث تقديرات التقلبات اليومية. ووجدت الشركة أنه عبر مجموعة من متغيرات السوق، فإن هذه القيمة تعطي توقعات التباين التي تأتي أقرب إلى معدل التباين المحقق. وقد حسبت معدلات التباين المحققة في يوم معين كمتوسط ​​مرجح بالتساوي في الأيام ال 25 التالية. وبالمثل، لحساب القيمة المثلى لل لامدا لمجموعة البيانات لدينا، ونحن بحاجة لحساب التقلبات المحققة في كل نقطة. هناك عدة طرق، لذلك اختيار واحد. بعد ذلك، حساب مجموع الأخطاء المربعة (سس) بين تقدير إوما والتقلب المحقق. وأخيرا، تقليل سس عن طريق تغيير قيمة لامدا. يبدو بسيطا هو. التحدي الأكبر هو الاتفاق على خوارزمية لحساب التقلبات المحققة. على سبيل المثال، اختار الناس في ريسكمتريكس لاحقة 25 يوما لحساب معدل التباين المحقق. في حالتك، يمكنك اختيار الخوارزمية التي تستخدم حجم اليومية، هيلو أندور أسعار فتح-إغلاق. س 1: هل يمكننا استخدام إوما لتقدير التقلبات (أو التنبؤ بها) أكثر من خطوة واحدة إلى الأمام لا يفترض تمثيل التقلبات إوما متوسط ​​التقلب على المدى الطويل، وبالتالي فإن أي إوما ترجع ثابت القيمة: استكشاف معدل التذبذب المتوسط ​​المرجح أضعافا مضاعفة هو مقياس الأكثر شيوعا من المخاطر، لكنه يأتي في العديد من النكهات. في مقال سابق، أظهرنا كيفية حساب التقلبات التاريخية البسيطة. (لقراءة هذه المقالة، راجع استخدام التقلب لقياس المخاطر المستقبلية.) استخدمنا بيانات سعر السهم الفعلي من غوغل من أجل احتساب التقلبات اليومية استنادا إلى بيانات 30 يوما من بيانات المخزون. في هذه المقالة، سوف نحسن التقلبات البسيطة ونناقش المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما). تاريخي مقابل التقلب الضمني أولا، يتيح وضع هذا المقياس في القليل من المنظور. هناك نهجان واسعان: التقلب التاريخي والضمني (أو الضمني). يفترض النهج التاريخي أن الماضي هو مقدمة نقيس التاريخ على أمل أن يكون التنبؤي. ومن ناحية أخرى، يتجاهل التقلب الضمني التاريخ الذي يحل فيه التقلبات التي تنطوي عليها أسعار السوق. وهي تأمل أن يعرف السوق أفضل وأن سعر السوق يتضمن، حتى ولو ضمنا، تقديرا للآراء بشأن التقلب. (للاطلاع على القراءة ذات الصلة، انظر استخدامات وحدود التقلب). إذا ركزنا على النهج التاريخية الثلاثة فقط (على اليسار أعلاه)، فإن لديهم خطوتين مشتركتين: حساب سلسلة العوائد الدورية تطبيق مخطط الترجيح أولا، نحن حساب العائد الدوري. ثاتس عادة سلسلة من العوائد اليومية حيث يتم التعبير عن كل عودة في مصطلحات معقدة باستمرار. لكل يوم، ونحن نأخذ السجل الطبيعي لنسبة أسعار الأسهم (أي السعر اليوم مقسوما على السعر أمس، وهلم جرا). هذا ينتج سلسلة من العوائد اليومية، من ش أنا ش أنا م. اعتمادا على عدد الأيام (م أيام) نحن قياس. وهذا يقودنا إلى الخطوة الثانية: هذا هو المكان الذي تختلف فيه النهج الثلاثة. في المقالة السابقة (باستخدام التقلب لقياس المخاطر المستقبلية)، أظهرنا أنه في ظل اثنين من التبسيط المقبول، التباين البسيط هو متوسط ​​العوائد التربيعية: لاحظ أن هذا المبلغ كل من الإرجاع الدوري، ثم يقسم المجموع بواسطة عدد الأيام أو الملاحظات (م). لذلك، في الواقع مجرد متوسط ​​من المربعات الدورية المربعة. وبعبارة أخرى، يعطى كل مربع مربعة وزن متساو. لذلك إذا كان ألفا (a) عامل ترجيح (على وجه التحديد، 1m)، فإن التباين البسيط يبدو شبيها بهذا: إوما يحسن على التباين البسيط ضعف هذا النهج هو أن جميع العوائد تكسب نفس الوزن. يوم أمس (الأخيرة جدا) عودة ليس لها تأثير أكثر على الفرق من الأشهر الماضية العودة. يتم إصلاح هذه المشكلة باستخدام المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما)، حيث يكون لعوائد أكثر حداثة وزنا أكبر على التباين. المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) يدخل لامدا. والتي تسمى المعلمة تمهيد. يجب أن يكون لامبدا أقل من واحد. وبموجب هذا الشرط، بدلا من الأوزان المتساوية، يتم ترجيح كل عائد مربعة بمضاعف على النحو التالي: على سبيل المثال، ريسكمتريكس تم، وهي شركة لإدارة المخاطر المالية، تميل إلى استخدام لامدا 0.94، أو 94. في هذه الحالة، (0-1.94) (.94) 0 6. العائد التربيعي التالي هو ببساطة مضاعف لامدا للوزن السابق في هذه الحالة 6 مضروبا في 94 5.64. والثالث أيام السابقة الوزن يساوي (1-0.94) (0.94) 2 5.30. ثاتس معنى الأسي في إوما: كل وزن هو مضاعف ثابت (أي لامدا، التي يجب أن تكون أقل من واحد) من وزن الأيام السابقة. وهذا يضمن التباين المرجح أو المنحاز نحو المزيد من البيانات الحديثة. (لمعرفة المزيد، راجع ورقة عمل إكسيل لتقلب غوغل.) يظهر أدناه الفرق بين تقلب ببساطة و إوما ل غوغل. التقلبات البسيطة تزن بشكل فعال كل عائد دوري بمقدار 0.196 كما هو موضح في العمود O (كان لدينا عامين من بيانات أسعار الأسهم اليومية، أي 509 عائد يومي و 1509 0.196). ولكن لاحظ أن العمود P تعيين وزن 6، ثم 5.64، ثم 5.3 وهلم جرا. هذا الفرق الوحيد بين التباين البسيط و إوما. تذكر: بعد أن نجمع السلسلة بأكملها (في العمود س) لدينا التباين، وهو مربع الانحراف المعياري. إذا أردنا التقلب، علينا أن نتذكر أن تأخذ الجذر التربيعي لهذا التباين. ما هو الفرق في التقلب اليومي بين التباين و إوما في حالة غوغل لها أهمية: التباين البسيط أعطانا تقلب يومي من 2.4 ولكن إوما أعطى تقلب يومي فقط 1.4 (انظر جدول البيانات لمزيد من التفاصيل). على ما يبدو، استقرت تقلبات غوغل في الآونة الأخيرة وبالتالي، قد يكون التباين البسيط مرتفع بشكل مصطنع. فارق اليوم هو وظيفة من بيور تباين أيام ستلاحظ أننا بحاجة إلى حساب سلسلة طويلة من الأثقال الهبوط أضعافا مضاعفة. لن نفعل الرياضيات هنا، ولكن واحدة من أفضل ملامح إوما هو أن السلسلة بأكملها يقلل بسهولة إلى صيغة عودية: ريكورسيف يعني أن المراجع التباين اليوم (أي وظيفة من التباين أيام سابقة). يمكنك أن تجد هذه الصيغة في جدول البيانات أيضا، وتنتج نفس النتيجة بالضبط كما حساب لونغاند يقول: التباين اليوم (تحت إوما) يساوي التباين الأمس (مرجحة من لامدا) بالإضافة إلى الأمتار مربعة العودة (وزنه من قبل ناقص لامدا). لاحظ كيف نحن مجرد إضافة فترتين معا: يوم أمس التباين المرجح والأمثلة المرجحة، مربعا العودة. ومع ذلك، لامدا هو لدينا تمهيد المعلمة. يشير ارتفاع اللامدا (مثل ريسكمتريكس 94) إلى انحطاط بطيء في السلسلة - من الناحية النسبية، سيكون لدينا المزيد من نقاط البيانات في السلسلة، وسوف تسقط ببطء أكثر. من ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى انحلال أعلى: الأوزان تسقط بسرعة أكبر، ونتيجة مباشرة للتسوس السريع، يتم استخدام نقاط بيانات أقل. (في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من تجربة مع حساسية لها). سوماري التقلب هو الانحراف المعياري لحظية من الأسهم ومقياس المخاطر الأكثر شيوعا. وهو أيضا الجذر التربيعي للتباين. يمكننا قياس التباين تاريخيا أو ضمنيا (التقلب الضمني). عند قياس تاريخيا، وأسهل طريقة هو التباين البسيط. ولكن الضعف مع التباين بسيط هو كل عوائد الحصول على نفس الوزن. لذلك نحن نواجه مفاضلة الكلاسيكية: نحن نريد دائما المزيد من البيانات ولكن المزيد من البيانات لدينا أكثر يتم تخفيف الحساب لدينا عن بعد (أقل أهمية) البيانات. ويحسن المتوسط ​​المتحرك المرجح أضعافا مضاعفة (إوما) على التباين البسيط بتخصيص أوزان للعائدات الدورية. من خلال القيام بذلك، يمكننا على حد سواء استخدام حجم عينة كبيرة ولكن أيضا إعطاء المزيد من الوزن لعوائد أكثر حداثة. (لعرض فيلم تعليمي حول هذا الموضوع، قم بزيارة سلحفاة بيونيك). الأهداف والدوافع الأهداف هي ذات شقين: إدارة المخاطر. وضع نماذج لتوزيع األسعار) ذيل التوزيع، االنحراف، التفرطح، التبعيات الزمنية (بهدف اختيار أفضل النماذج لتقدير مقاييس المخاطر مثل القيمة المعرضة للمخاطر. وسيتم دراسة نماذج مختلفة، تشمل القيمة المعرضة للمخاطر التاريخية، والنموذج العادي مع نماذج مختلفة للتقلب (مقاييس المخاطر، غارتش)، و كورنيش فيشر فار، نماذج القيمة المعرضة للخطر على أساس نظرية القيمة القصوى. وأخيرا، يتم اختبار نماذج مختلفة لتحديد أفضل نموذج واستخدامها لإدارة صندوق تحت قيود المخاطر الحيوية. إدارة المحافظ النشطة. ويتكون هذا المشروع من دراسة استراتيجيات نشطة مختلفة مع إعادة التوازن (باستخدام ما يسمى معايير كيلي، نظرية ستوكاستيك المحافظ).، استراتيجيات التقارب (تداول أزواج.). وسيتم تطوير المشاريع في إطار البرنامج الإحصائي والرسمي القوي R-بروجيكت r-project. org. وهذا هو الإصدار المفتوح المصدر من S-زائد. وسيتم معالجة جوانب مختلفة من الأسعار المالية: اختبار الفرضية للحياة الطبيعية: ف ف المؤامرات، كولموغوروف سميرنوف، جارك-بيرا. اختبار الاستقلال: مؤامرات مبعثر، كريلوغرامز السيارات (أسف)، واختبار دوربين واتسون، تشغيل الاختبارات. مع مختلف التوزيعات المعروفة: الطالب، الأسي، والجوانب الزمنية سلسلة: الترابط التلقائي للعوائد وعوائد مربعة، والآثار التحجيم، وقانون الحد الأقصى والحد الأدنى، وضرب الوقت. الانحدار الخطي والعوامل نماذج مصفوفة مصفوفة التصفية، تحليل المكونات الرئيسية تحليل الأنماط نماذج التقلب والتقديرات: مقاييس المخاطر، قياسات مخاطر غارتش: القيمة المعرضة للخطر، النقص المتوقع، الحد الأقصى للقيمة، القيمة المعرضة للمخاطر للمحفظة مع الخيارات، طرق دلتا غاما ومونت كارلو المخاطر المعدلة تدابير الأداء: نسبة شارب، مورنينغستار رابم، نسبة سورتينو، نسبة غينلوس، مؤشر ستوتزر، كالمار والنسب الاسترليني. التقارب التداول، وحدة الجذر اختبار إدارة المحافظ الديناميكية، إعادة التوازن. وسيتم تطوير جميع التطبيقات مع البيانات الفعلية السوق. بدف بريسنتاتيون من R - بروجيتس والأمثلة بدف حقائق مصفوفة بدف القيمة في خطر ونظرية القيمة المتطرفة. بدف تقديرات التقلبات والارتباطات. المتوسط ​​المتحرك الأسي (ريسكمتريكس)، غارتش، إيمستيتس على أساس المرتفعات والمنخفضة (غارمان كلاس، باركنسون، روجر ساتشل.) بدف بورتوفوليو النمو الأمثل. بدف كو-إنتغراشيون، بايرسكونفيرجينس ترادينغ. عروض أخرى بدف تجارة الآلي I بدف ترادينغ أوتوماتيك إي. المتوسط ​​المتحرك لألسعار المرجحة) مقاييس المخاطر (و غارتش الهدف هو دراسة ومقارنة تقلب التقلب باستخدام نظام ترجيح مختلف. الحقائق المفصلة: الارتباط التلقائي للعائدات، العوائد التربيعية، المدى، الخ. تقدير عوامل التجانس باستخدام متوسط ​​الخطأ المربع أو معايير الاحتمال القصوى، التحقق من صحة التنبؤ بالانحدار الخطي. تقدير نماذج غارتش، واختيار أفضل النماذج باستخدام معايير إيك و بيك. القيمة المعرضة للمخاطر، والتقدير، والتدقيق، والتنفيذ من أجل تمويل الصناديق إن القيمة المعرضة للمخاطر هي بالتأكيد أحد أهم أداة لقياس مخاطر االستثمارات في الرهن االحترازي. يصبح أكثر وأكثر المستخدمة في إدارة الأصول أيضا. في هذا المشروع، والهدف هو إدارة صندوق مع 10 ملايين يورو تحت الإدارة مع القيد للحفاظ على فار المستمر في كل وقت. وتكون القيمة المعرضة للمخاطر البالغة 19 يوما 99 يجب أن تساوي 4 من صافي قيمة الأصول. وسيتم فحص واختبار نماذج مختلفة من المخاطر المعرضة للخطر. وسيتم اختيار واحدة منها وتنفيذها وتعديل المراكز لتحقيق هدف المخاطر. فينالت، سيتم مقارنة أداء الصندوق الذي يدار بنشاط مع استراتيجية شراء وعقد من حيث بيرفورامنس، ونسبة شارب، وما إلى ذلك وسوف تتكون الخطوة الأولى في دراسة نماذج القيمة المعرضة للخطر مختلفة 13 للأصول، بما في ذلك القيمة المعرضة للخطر التاريخية، نموذج مع ريسكمتريكس وتقلب غارتش، كورنيش فيشر فار، وأخيرا فار على أساس نظرية القيمة المتطرفة. سيتم إغلاق الدراسة إلى الخطوات الموصوفة في 10. هذا العمل العملي هو دراسة خصائص الإحصاءات عن الحد الأقصى للسحب (مد) بعد عمل ماغدون إسماعيل (انظر alumnus. caltech. edu amirmdd - للخطر. pdf). العلاقة بين شارب (بيرفورمانسفولاتيليتي) و كالمار (بيرفورمانسدانسراودون) نسب سيؤكد هذا العمل أيضا على أهمية السيطرة على كالب كشف الألغام عن طريق دراسة المادة نسيم طالب التي هي الأفضل، مرضى السرطان أو التجار البقاء على قيد الحياة معدلات 5 سنوات fooledbyrandomnesstradersurvival1.pdf كيلي كريديوم أند ريبلانسينغ ستراتيجيس شراء وعقد في مقابل إعادة التوازن هذا المشروع هو مقارنة أداء سلبي شراء أمب عقد (بمف) استراتيجية محفظة القياسية واستراتيجية المقابلة المتوازنة باستمرار (كرب) حيث الأوزان من الأصول (أو فئات الأصول) ثابتة من خلال تعديلات التداول المستمرة في وظيفة تقلبات الأسعار. نحن ندرس سلوك محفظة إعادة التوازن في حالة أصول واحدة وأصول متعددة. ونحن ندرس استراتيجية كرب مقابل ب لمختلف مؤشرات يوروستوكس، مقارنة استراتيجية متساوية الوزن في القطاعات المختلفة مع شراء أمب عقد استراتيجية وتنفيذ و باكتست استراتيجية محايدة بيتا لونغشورت: طويلة في قطاعات مرجحة متساوية وقصيرة على يوروستوكس 50 (مع العقود الآجلة) في حين تحاول الحفاظ على الحد الأقصى المتوقع المتوقع الحد الأقصى الاتجاه التالي ومتوسط ​​استراتيجيات الإحياء بعض الموارد على R: الموقع الرئيسي: cran. r-project. org. كتيبات cran. r-project. orgmanuals. html. الأسئلة الشائعة cran. r-project. orgdocFAQR-FAQ. html الأسئلة الشائعة cran. r-project. orgsearch. html. وثائق أخرى cran. r-project. orgother-docs. html الكتب: النمذجة سلسلة الوقت المالية مع S - زائد المساواة اريك زيفوت، جياهوي وانغ إت كلارنس R. روبنز 16 الإحصائيات التمهيدية مع R، بيتر دالغارد 8 البرمجة مع البيانات: لغة S، جون M. تشامبرس 5 الإحصاءات التطبيقية الحديثة مع S، ويليام N. فينابلز وبريان D. ريبلي 14 بسيطة: استخدام R للإحصاءات التمهيدية، من قبل جون فيرزاني: math. csi. cuny. eduStatisticsRsimpleRindex. html الانحدار العملي وأنوفا في R: stat. lsa. umich. edufarawaybook هذا بالطبع على مستوى الماجستير تغطي المواضيع التالية: نماذج الخطية: تعريف، المناسب، الاستدلال، تفسير النتائج، بمعنى معاملات الانحدار، تحديد الهوية، عدم تناسب، مولتيكوليناريتي، ريدج الانحدار، مكونات الانحدار، الجزئي المربعات الصغرى، خطوط الانحدار، نظرية غاوس-ماركوف، اختيار المتغير، التشخيص، التحولات، الملاحظات المؤثرة، الإجراءات القوية، تحليل وتحليل التباين العشوائي العشوائي إيسد بلوك، فاكتوريال ديسينز. التنبؤ بالسلسلة الزمنية والتنبؤ massey. ac. nz رميتريكس: itp. phys. ethz. checonophysicsR مقدمة في الحوسبة المالية مع R تغطي مجالات من إدارة البيانات، السلاسل الزمنية وتحليل الانحدار، نظرية القيمة المتطرفة وتقييم أدوات السوق المالية. faculty. washington. eduezivotsplus. htm الصفحة الرئيسية ل E. زيفوت سور سبلوس و فينمتريكس كران عرض المهام: التمويل التجريبي cran. r-project. orgsrccontribViewsFinance. html حزم أخرى البرمجيات لنظرية القيمة المتطرفة: urlmaths. lancs. ac. uk stephenasoftware. html RMetrics itp. phys. ethz. checonophysicsR الانحدار العملي وأنوفا في R دوك: cran. r-project. orgdoccontribFaraway-PRA. pdf باكيج: stat. lsa. umich. edu1 أرتزنر، P. أمب ديلبان، F. أمب إيبر، J. - M. أمب هيث، D. تدابير متماسكة للمخاطر. 1998. 2 أليكساندر، C. نماذج السوق: دليل لتحليل البيانات المالية. وايلي، 2003. 3 أليكساندر، C. تحليل مخاطر السوق: الاقتصاد القياسي المالي العملي. وايلي، 2008. 4 بوشود، J. P أمب بوترز، M. نظرية المخاطر المالية. كامبريدج ونيفرزيتي بريس، 2000. 5 تشامبرز، J. M. البرمجة مع البيانات. سبرينجر، نيويورك، 1998. إيسبن 0-387-98503-4. 6 كريستوفرسن، P. عناصر إدارة المخاطر المالية. أكاديميك بريس، جولاي 2003. 7 كونت، R. الخصائص التجريبية لعوائد الأصول - حقائق منمقة وقضايا إحصائية. كوانتيتاتيف فينانس، 2000. 8 دالغارد، P. الإحصاءات التمهيدية مع R. سبرينجر، 2002. إيسبن 0-387-95475-9. (9) غوريروكس، C. أمب ساليت، O. أمب شافارز، A. إكونومتري دي لا فينانس. إكونوميكا، 1997. 11 لو. أمب كامبل. أمب ماكينلاي. الاقتصاد القياسي للأسواق المالية. برينستون ونيفرزيتي بريس، 1997. 12 لو، A. W أمب ماكنلاي، A. C. A غير عشوائي المشي أسفل وول ستريت. برينستون، ونيفرزيتي بريس، برينستون، نج، 1999. 13 لينسمير، T أمب بيرسون، N. D. قياس المخاطر: مقدمة للقيمة المعرضة للخطر. مارس 2000. 14 فينابلز، W. N أمب ريبلي، B. D. موديرن أبليد ستاتيستيكش ويث S. فورث إديتيون. سبرينجر، 2002. إيسبن 0-387-95457-0. 16 زيفوت، E. أمب وانغ، J. أمب روبينز، C. R. النمذجة المالية الوقت سلسلة مع S - زائد. سبرينجر فيرلاغ، 2004.