/ / * ** ***

Podobne dokumenty
Aksjomatyzacja centralności wektora własnego i Katza oraz ich zastosowanie w systemie finansowym. Tomasz Wąs

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A

Dynamiczne stochastyczne modele równowagi ogólnej

OCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ

v = v i e i v 1 ] T v =


Europejska opcja kupna akcji calloption

Reprezentacja martyngałowa względem addytywnych procesów Markowa-Itô

Modelowanie ryzyka kredytowego Zadania 1.

Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku

Rynek, opcje i równania SDE

Pręt nr 1 - Element żelbetowy wg. EN :2004

MODELOWANIE ZMIAN ZMIENNYCH STANU W MODELU DWUMIANOWYM DO CELÓW WYCENY OPCJI REALNYCH *

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej

Krzysztof Kępczyński Zagadnienie paryskiej ruiny w gaussowskim modelu ryzyka

drgania h armoniczne harmoniczne

Numeryczne aproksymacje prawdopodobieństwa ruiny

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

Inverse problems - Introduction - Probabilistic approach

4. P : P SO P Spin, π : P M: 6. F = P Spin Spin(n) S, F ± = P Spin Spin(n) S ± 7. ω: Levi-Civita, R:, K:

Zabezpieczenie przed spadkiem wartości aktywów w modelu typu Lévy ego z fazowymi skokami i dowolną funkcją wynagrodzenia

Katedra Mechaniki Konstrukcji ĆWICZENIE PROJEKTOWE NR 1 Z MECHANIKI BUDOWLI

Identyfikacja cząstek

Modelowanie ryzyka kredytowego: Model Mertona - estymacja

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)

Dyskretne procesy stacjonarne o nieskończonej entropii nadwyżkowej

Matematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r.

Sekantooptyki owali i ich własności

Modelowanie Rynków Finansowych

Pręt nr 4 - Element żelbetowy wg PN-EN :2004

Dodatek 2. Wielowymiarowe modele GARCH model GoGarch

ODWZOROWANIA JEDNO- I WIELOWARTOŚCIOWE. PODOBIEŃSTWA, RÓŻNICE I PROBLEMY Z TEGO WYNIKAJĄCE.

Prawdopodobieństwo i statystyka

XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych

Bezgradientowe metody optymalizacji funkcji wielu zmiennych. informacje dodatkowe

Matematyka ubezpieczeń majątkowych r.

Równania różniczkowe liniowe rzędu pierwszego


Projekt silnika bezszczotkowego prądu przemiennego. 1. Wstęp. 1.1 Dane wejściowe. 1.2 Obliczenia pomocnicze

Maszyny wektorów podpierajacych w regresji rangowej

Stochastyczne równania różniczkowe, studia II stopnia

PODSTAWY CHEMII KWANTOWEJ. Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej

Krytyczność i przejścia fazowe. Katarzyna Sznajd-Weron


Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

Spektroskopia mionów w badaniach wybranych materiałów magnetycznych. Piotr M. Zieliński NZ35 IFJ PAN

Sprężyny naciskowe z drutu o przekroju okrągłym

Dodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński

Zawansowane modele wyborów dyskretnych

Składki zaufania z zastosowaniem niesymetrycznych funkcji strat

ZALEŻNY, ZŁOŻONY PROCES POISSONA WYZNACZANIE FUNKCJONAŁÓW SKŁADEK I MIAR RYZYKA

Własności porządkowe w modelu proporcjonalnych szans

Prawdopodobieństwo i statystyka

δ δ δ 1 ε δ δ δ 1 ε ε δ δ δ ε ε = T T a b c 1 = T = T = T

Prawdopodobieństwo i statystyka

Technika Próżniowa. Przyszłość zależy od dobrego wyboru produktu. Wydanie Specjalne.

Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa

Spis wszystkich symboli

I.4 Promieniowanie rentgenowskie. Efekt Comptona. Otrzymywanie promieniowania X Pochłanianie X przez materię Efekt Comptona

MIARY ZALEŻNOŚCI OPARTE NA KOPULACH

RÓWNANIE LOGISTYCZNE A BŁĄDZENIE LOSOWE NA PROSTEJ I PRAWO ARCUSA SINUSA

(EN 10270:1-SH oraz DIN 17223, C; nr mat ) (EN 10270:3-NS oraz DIN 17224, nr mat )

ver b drgania harmoniczne

Fluktuacje procesów Lévy ego

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10

Tryb Matematyczny w L A TEX-u

Teoria systemów uczacych się i wymiar Vapnika-Chervonenkisa

Możliwości zastosowania dozymetrii promieniowania mieszanego n+γ. mgr inż. Iwona Pacyniak

q (s, z) = ( ) (λ T) ρc = q

ZASADA DE SAINT VENANTA

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

Rozdziaª 9: Wycena opcji

Magdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości

Analiza zawartości dokumentów za pomocą probabilistycznych modeli graficznych

MECHANIKA I WYTRZYMAŁOŚĆ MATERIAŁÓW

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Estymatory regresji rangowej oparte na metodzie LASSO

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych

Metoda największej wiarygodności

DYNAMICZNE MODELE EKONOMETRYCZNE

Fizyka na usługach inżynierii finansowej 1

ARMAX (ANN) : :. (ANN) ARMAX.... ARMAX ARMA :..Q47 E27 C53 C45 :JEL

v = v i e i v 1 ] T v = = v 1 v n v n ] a r +q = a a r 3q =

Uczenie ze wzmocnieniem

1 Warunkowe wartości oczekiwane

Geometryczna zbieżność algorytmu Gibbsa

PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO

Lp. Autor/ red. naukowy Tytuł Wydawnictwo Okładka. Restrukturyzacja banków w Unii Europejskiej w czasie globalnego kryzysu finansowego

O testach wielowymiarowej normalności opartych na statystyce Shapiro-Wilka

Metody Lagrange a i Hamiltona w Mechanice

Afiniczne rekursje stochastyczne z macierzami trójkatnymi

Elektrodynamika Część 8 Fale elektromagnetyczne Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

1. Obciążenie statyczne

Systemy bankowe Ryszard Kokoszczyński. Japoński system bankowy Wykład 9

O problemie sterowania aproksymacyjnego dla semiliniowych inkluzji różniczkowych w przestrzeniach Hilberta

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4

Estymacja parametrów rozkładu cechy

Transkrypt:

91 / / * ** *** 93/3/31 : 9/11/0 :. 1385. 1390... :.P51 C61 G1:JEL 139 / 51 Email: kiaee@isu.ac.ir. Email: abrihami@u.ac.ir. Email: sobhanihs@u.ac.ir..7.*..**..***

136. 1363 30.... Dynamic Sochasic ) (Opimizaion.... 9 /

93... /. (Jump-Diffusion).. 1390 1385 *.........*

.. (1381). (1386). (1386)... 94 /

95... / ( 1998) (). ( 001) ( 007). ( 000)... (Black & Scholes, 1973, p.640) (Leland, 1994, p.117). (Chami & Cosimano, 001, p.15).. Sheldon, 006, ). (p.174 (Dangl & Lehar, 004, p.7). Mukuddem-Peersen & Peersen, 006, ).

(p.31. (Mukuddem-Peersen e al., 007, p.4)...1 96. L D C T R : 1 C D = L T R (1) 1 ( Ω, F, F 0, P). : dl = ( C D T R ) d σl dw ν L dp () Wiener Sochasic ) W σ (Brownian Moion) (Process ν /

97... / P. λ (Poisson Process) (007) : 3 L dl = L[( r c) d σ dw ν LdP ] (3) L. c r. 3 r L c (1 ). ( : (. (. λ. dp.. νl L r D T r. r : 4 L T D I = r L r T r D (4)

.. : 5 C = a0 a1d ad b1 L bl, (5). ( a0, a1, a, b1, b ).. V(, L ) : 6 max V (, L ) = D s.. T β 0 e L T D [ r L r T r D ( a a D a D b L b L )] d dl = ( C D T R ) d σ L dw ν L dp β L. D D. L T 6. : R T C 0 1 1 (6) 98 /

99... / C T = θ L = δ D R = γ D 7. θ :. ( (. 100 8. θ. γ 9. : 10 max V(, L ) = D s.. T β 0 e L T [ r L ( r δ r D (7) (8) (9) ) D ( a a D a D b L b L )] d dl = ( θl (1δ γ ) D ) d σ L dw ν L dp 0 1 1 (10) 10 T D N = (1δ γ ) M = ( r δ r ) ) 11 D :( 1 NA1 ( M a1) NA D = L (11) a a : 13 1 A A 1

/ 100 (1) 1 1 1 ) ( ) ( ) ( = N A a a M N A b r a A L λν θ β (13) ))] ( ( ) 4 )) ( ( [( = N a N b a A ν λν σ β θ ν λν σ β θ D 11 10 L 14 : (14) dp L L dw d L a A N a a a M N A N dl ν σ θ ) ) ( = ( 1 1. 4... 15 : (15) dp L L dw d R T D dl ν σ ) = ( 15 15.

101... /. 15 T T. r D R T. R = γd T = δd..... α. F (1α). r M r ) R r.(.

M R r r. : 16 T β F M T max V(, L e r L r L r D a a D a D b L b L d (16) ) = ( α (1α) δ ( 0 1 1 )) D 0 βt R M T α) e [(1 ( r r )) 1] L s.. dl = ((1δ γ ) D ) d σ L dw ν L dp. (1 T. T 16 (1α)L R M T. [(1 ( r r )) 1] V ( T, LT ) (Hanson, 007, p.174) : 17 βt R M T V( T,(1α) LT ) = (1α) e [(1 ( r r )) 1] LT (17) 17. D : NA1 ( M a1) NA D = a a L (18) 18 11. N = (1δ γ ) M = ( r T δ). M 10 /

103... /. A A 1. 0 19 F M a( αr (1α) r b1 ) A N( M a1) A1 = (19) a ( β λν ) A N A a[( = ( σ β λν ( ν )) 4b N a N ) ( σ β λν ( ν ))] (0) 16 18 : 1 N A1 N( M a1) N A dl = ( L ) d σl dw νl dp (1) a a 1 14. 18 11 3... 1390 1385 ) 1 ) (. ( 1.

. ( ) :1.1 104 σ. 1 σ 1390 1385. 19.1. 19.1 L. dw σl dw. νl dp ν L ν /

105 / ν. dp. νl dp λ λ ν. λ ν.. 1390. 18 :...

. 4 7 4 11 11. 0.48 35. 35 7 0.48 λ ν 0.48. 35 0.48 18 35 35 1390 18 0.48. 1390 1385 0 16 1.53 0 1.. :1 σ 0.191 λ 35 ν 0.0048 β 0.0153 106 /

107... /. 1390 1385 1.06. 0.55... 0 16 1.39 18.. : L r D r T r 0.0106 0.0055 0.0139

.3 C ( ) = a0 a1d ad b1 L bl.... Eviews. 3 L D L. :3 a 1e -1.3 0-1.47 0.14 a -15e.60 9.43 0.00 b -16e 4.8.11 0.04 R Durbin Wason 0.96 F 40 1.7 P 0.00 P D.4 11 108 /

γ θ 13.54. 13.54 11 4. 0.85 73.1 δ α. :4 109... / θ α δ γ 0.110 0.731 0.008 0.135 1 14...

.. Malab.1 14 11. dp dw.. 3.. :3 110 /

.. 111... / 1 18... α.. 73.1 3.. ( : F. r M. r ( 3

M ( r F r.5 1.5). dp dw 4.. 1 :4 11 4.. 5. 3 1. /

:5 113. /... 4 3. :.1...

.3..4..5..6...... 114 /

115... /.... 1390 1385....

. :1.(Hanson, 007, p.178 :. ). : 7 ' β L T D V = max { e [ r L ( r δ r ) D ( a a D a D b L b L )] D ' 1 ' V ( L (1 ) D ) V L [ V ( L L, ) V ( L, )]} () L θ δ γ Lσ λ ν ' ' ' V L V L V. L. ν σ : D D ' β VL Ne ( M a1) D = (3) a T D. N = (1δ γ ) M = ( r δ r ) : 4 3 D V ' V = e ' L β β e N 4a ' L V N e a ' L VLMN e r L a β e β β ( M a1) 4a M ( M a1 ) a0e a 0 1 β ' NVL ( M a1 ) b1e a ' VL N ( M a1 ) 1 ' VLσ L λ[ V ( L a ' a1v LN a1e a β 1 L b e β β ( M a1 ) a L V θl ' L νl, ) V ( L, )](4) 116 /

V ( M a ) : 5 N ( M a ) β ' 1 β 1 ' ' = a0 e L VL VL 4a θ a 4a 1 ' L β β V ( ) Lσ L r b1 e L be L λ[ V ( L νl, ) V ( L e N, )] (5) : 6 L β V (, L ) = ( A0 A1 L A L ) e c (6). 13 1 A A 1 117... / : X.( = 1, K,6 ) = 0/0001 N =10000 : 7 dx = f ( X, ) d g( X, ) dw h( X, ) dp (7) W P ( X k ) k 1 k X. : 8 X k = X k 1 X k = f ( X k, k ) g( X k, k ) Wk h( X, ) Pk (8) Wk = W( k 1) W( k ) Pk = P( k 1) P( k ). W k X

P k W k = N(0,1) (0,1) ul = (1λ )/, ur = (1 λ )/ ( u l, ur ). P k k 1 0 X : 9 k =1: N X k 1 = X k f ( X k, k ) g( X k, k ) Wk h( X, ) Pk (9) = k 1 k. X Ĥ.1.1386 6 7..1381 6».3.1386 5 7 «4. Black F. and Scholes M. J. ; "The Pricing of Opions and Corporae Liabiliies" ; Journal of Poliical Economy, Vol.81, No. 3, 1973. 5. Chami, R. and Cosimano, T. F.; " Moneary policy wih a ouch of Basel"; Working Paper 01/151, Inernaional Moneary Fund, Washingon, DC, USA,001. 118 / 6. Dangl J. P., Lehar B.; " Value-a-risk vs. Building Block Regulaion in Banking"; Journal of Financial Inermediaion, vol. 13, 004.

119... / 7. Dar, Humayon A. and Presley, John R.; "Lack of Profi and Loss Sharing in Islamic Banking: Managemen and Conrol Imbalances"; Inernaional Journal of Islamic Finance, Vol, 000. 8. Hanson, F. B.; Applied Sochasic Processes and Conrol for Jump- Diffusions: Modeling, Analysis and Compuaion and Compuaion; Universiy of Illinois, Chicago, USA, 007. 9. Iqbal, Munawar, Ahmad, Ausaf and Khan, Tariqullah; Challenges Facing Islamic Banking; Islamic Research and Training Insiue, Islamic Developmen Bank, Occasional Paper No. 1, 1998. 10. Iqbal, Zamir and Mirakhor, Abbas; An Inroducion o Islamic Finance: Theory and Pracice; Chicheser: John Wiley & Sons, 007. 11. Khan, Tariqullah & Ahmed, Habib; Risk Managemen: An Analysis of Issues in Islamic Financial Indusry; Islamic Research and Training Insiue, Islamic Developmen Bank, Occasional Paper No. 5, 001. 1. Leland, H. E.; " Corporae deb value, bond covenans, and opimal capial srucure" ; The Journal of Finance, vol. 49, no. 4, 1994. 13. Mukuddem-Peersen J., Peersen M. A.; " Bank Managemen via Sochasic Opimal Conrol"; Auomaica, vol. 4, No. 8,006. 14. Mukuddem-Peersen J., Peersen M. A., Schoeman I. M., and Tau B. A.; " Maximizing Banking Profi on a Random Time Inerval" ; Journal of Applied Mahemaics, 007. 15. Sheldon Lin; Inroducory Sochasic Analysis for Finance and Insurance; John Wiley Sons, 006.