Rozmyta efektywność portfela

Podobne dokumenty
Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Zastosowanie testu CAPM do nieprecyzyjnego określenia efektywności papieru wartościowego

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Weryfikacja hipotez dla wielu populacji

ZAJĘCIA X. Zasada największej wiarygodności

Definicje ogólne

8. Optymalizacja decyzji inwestycyjnych

Funkcje i charakterystyki zmiennych losowych

Zaawansowane metody numeryczne

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

65120/ / / /200

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

TEORIA PORTFELA MARKOWITZA

SZTUCZNA INTELIGENCJA

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

Natalia Nehrebecka. Zajęcia 3

Statystyka. Zmienne losowe

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Parametry zmiennej losowej

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Trójwymiarowy obraz ryzyka

EKONOMETRIA I Spotkanie 1, dn

CAPM i APT. Ekonometria finansowa

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Laboratorium ochrony danych

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1


I. Elementy analizy matematycznej

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Prof. dr hab. Jan Czekaj Katedra Rynków Finansowych Uniwersytet Ekonomiczny w Krakowie

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

Natalia Nehrebecka. Wykład 2

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH

Diagonalizacja macierzy kwadratowej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Pattern Classification

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Nowe ujęcie ryzyka na rynku kapitałowym

Arytmetyka finansowa Wykład z dnia

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

ZESZYTY NAUKOWE NR x(xx) AKADEMII MORSKIEJ W SZCZECINIE. Metody wymiarowania obszaru manewrowego statku oparte na badaniach rzeczywistych

Zastosowania badań operacyjnych Zarządzanie projektami, decyzje finansowe, logistyka

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Procedura normalizacji

Karta (sylabus) modułu/przedmiotu

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH

Prawdopodobieństwo i statystyka r.

Analiza portfeli narożnych z uwzględnieniem skośności

Nieparametryczne Testy Istotności

WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP

WYKORZYSTANIE Z-LICZB WE WSPOMAGANIU PODEJMOWANIA DECYZJI

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Wycena papierów wartościowych - instrumenty pochodne

Obraz ryzyka w rozmytych przestrzeniach probabilistycznych

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Sprawozdanie powinno zawierać:

Diagnostyka układów kombinacyjnych

KRÓTKIE WPROWADZENIE DO WIZUALIZACJI I ANALIZY FUNKCJONALNEJ DANYCH EKONOMICZNYCH

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Statystyka Inżynierska

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO INWESTYCJE RZECZOWE NA RYNKU NIERUCHOMO CI JAKO CZYNNIK ZMNIEJSZAJ CY RYZYKO PORTFELA INWESTYCYJNEGO

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

Transkrypt:

Krzysztof PIASECKI Akadema Ekonomczna w Poznanu Problem badawczy Rozmyta ektywność portfela Buckley [] Calz [] zaproponowal reprezentowane wartośc przyszłych nwestycj fnansowych przy pomocy lczb rozmytych. Prowadz to bezpośredno do przedstawena stopy zwrotu jako lczby rozmytej. Welu badaczy wskazywało na przydatność takego obrazu stopy zwrotu w fnansach behaworalnych. ak model oczekwanej stopy zwrotu jest nterpretowany jako neprecyzyjny obraz przyszłych korzyśc osąganych przez nwestora. W [5] [6] przedstawono obraz nstrumentu fnansowego w postac uporządkowanej pary składającej sę z rozkładu oczekwań stopy zwrotu oczekwanego kwadratu resduum stopy zwrotu. Perwszy z tych parametrów, dany jako podzbór rozmyty w przestrzen lczb rzeczywstych, był uogólnenem pojęca oczekwanej stopy zwrotu. Drug z tych parametrów, dany jako neujemna lczba rzeczywsta, był uogólnenem pojęca warancj stopy zwrotu. Szczególnym przypadkem takego nstrumentu fnansowego może być portfel złożony ze składnków będących nstrumentam fnansowym o neprecyzyjne określonej stope zwrotu. W ten sposób można uzyskać uogólnene pojęca przestrzen Markowtz a portfel dopuszczalnych do przestrzen portfel dopuszczalnych z neprecyzyjne określoną stopą zwrotu. Uogólnene take rodz problem braku precyzj w określenach poszczególnych dalszych pojęć zwązanych z teorą Markowtz a. W nnejszej pracy zajmemy sę problemem określena pojęca portfela ektywnego w sposób neprecyzyjny. Głównym celem jest zaadaptowane przedstawonego w [5] neprecyzyjnego obrazu stopy zwrotu jako przesłank do sformułowana formalnego modelu normatywnego ektywnośc portfela rozumanej w sposób neprecyzyjny. Modelow temu zostane przecwstawony pewen ekonometryczny model neprecyzyjne określonej ektywnośc portfela..neprecyjna krzywa portfel ektywnych model normatywny Nech będze dany zbór elementarnych stanów rynku fnansowego obejmujących też stany wedzy ekspertów nwestorów o tymże rynku

fnansowym. Dla pewnego cała zdarzeń losowych znany jest rozkład P : 0,. Rozpatrzmy pewen zbór obarczonych prawdopodobeństwa ryzykem fnansowych nstrumentów podstawowych (porównaj [4]) 0,, t, ~ r :,, n, (), gdze symbol r~ oznacza obarczoną nepewnoścą neprecyzyjną wartość stopy zwrotu z nwestycj w nstrument fnansowy na okres do ustalonego momentu czasowego t 0. W tej sytuacj stopa zwrotu r~ jest reprezentowana : R 0,. Rozważmy teraz przez zbór probablstyczny Hroto [3] portfel c c c n n () spełnający dodatkowo warunek c, (3) gdze ;; ; n R c c, c, r~ c z portfela c n dana jest wtedy przy pomocy zależnośc n. Stopa zwrotu ~ r c c ~ r. (4) Oznacza to, że stopa zwrotu probablstyczny Hroto, c: R 0, tożsamośc z, c x max mn r~ c jest reprezentowana przez zbór określony przy pomocy x, :,,, n: x x, x,, x n. (5), c x z Kolejno wyznaczamy teraz (porównaj [5]) rozkład oczekwań stopy zwrotu : R 0, dany przy pomocy tożsamośc x c x, c dp, (6) oraz oczekwaną stopę zwrotu rˆ c x x, c dpdx. (7) R W [5] pokazano, że w tej sytuacj uogólnenem pojęca warancj stopy zwrotu jest oczekwany kwadrat resduum c x x c, gdze R dpdx, (8)

3 rˆ c x, c, rˆ c max x, c x 0, x, c (9) 0 x 0. W ten sposób dowolny portfel dopuszczalny jest tutaj reprezentowany przez c, c 0, R. W przypadku klasycznej teor Markowtz a parę R krzywą portfel ektywnych dnujemy jako zbór portfel o maksymalnej stope zwrotu dla danej warancj opsujemy jako krzywą r, : r max r c : c, c. (0) c W tej sytuacj, dla przypadku stopy zwrotu opsanej neprecyzyjne przy pomocy modelu (6), korzystając z zasady rozszerzena Zadeha, zbór portfel ektywnych zapsujemy jako parametryzowaną wartoścam odchylena standardowego rodznę podzborów rozmytych opsanych przy pomocy : R 0, danych przy pomocy tożsamośc funkcj przynależnośc z mn max x c: z x: c, c. () c x Jeśl wartość z R opsuje precyzyjne oszacowane stopy zwrotu portfela dopuszczalnego z,, to wartość z jest nterpretowana jako stopeń, w jakm ten portfel jest ektywny. ake pojmowane ektywnośc pozwol wyjaśnać zachowana nwestorów, którzy werbalne deklarując zamar ektywnego nwestowana ne nwestują w portfele dopuszczalne lezące na krzywej portfel ektywnych. Obektywne przyczyny takego stanu rzeczy opsuje lczna lteratura przedmotu. Wtedy jednak kryterum ektywnośc nwestowana możemy opsać, jako kryterum maksymalzacj stopna ektywnośc nwestycj. Wartym podkreślena jest fakt, że ostateczny kształt kryterum maksymalzacj stopna ektywnośc portfela jest zależny od postac zborów probablstycznych Hroto : R 0, opsujących stopy zwrotu z poszczególnych nstrumentów podstawowych. W ten naturalny sposób metodę optymalzacj nwestycj uzależnlśmy od precyzj postrzegana nstrumentów fnansowych składających sę na rynek fnansowy. Ze względu na formalne przesłank lezące u podstaw konstrukcj tego modelu ektywnośc portfela, nazywamy go modelem normatywnym. Z drugej strony ne sposób pomnąć tutaj problemu złożonośc oblczenowej modelu normatywnego. Jest to cena, jaka płacmy za brak założeń szczegółowych specyfkujących model stopy zwrotu, to jest za nską złożoność logczną tego modelu. Nska złożoność logczna jest jednak zaletą tego modelu z tej przyczyny model normatywny wydaje sę być wart dalszych studów.

4 ej wysokej złożonośc oblczenowej przecwstawmy odmenny model ektywnośc portfela oparty tym razem na przesłankach ekonometrycznych.. Neprecyzyjna krzywa portfel ektywnych model ekonometryczny Rozpatrzmy pewen zbór obarczonych ryzykem fnansowych nstrumentów podstawowych 0,, t, ~ r :,, n, (), gdze symbol r~ oznacza obarczoną nepewnoścą precyzyjną wartość stopy zwrotu z nwestycj w nstrument fnansowy na okres do ustalonego momentu czasowego t 0. W tej sytuacj stopa zwrotu r~ jest reprezentowana przez ~ zmenną losową daną w postac r r s ~, (3) gdze ~ N0; ~ jest zmenną losową o standardowym rozkładze normalnym; r R jest oczekwaną stopę zwrotu z nstrumentu ; s R jest odchylenem standardowym stopy zwrotu z nstrumentu. Oczekwane stopy zwrotu z poszczególnych nstrumentów podstawowych tworzą wektor r r, r, r, n, zaś macerz kowarancj wektora stóp zwrotu ~ r, ~ r,, ~, gdze r n jest dana w postac, j, j s s j, j s s j cov j,. (4) W [4] pokazano, że w przypadku precyzyjne określonych stóp zwrotu postac (3), krzywa portfel ektywnych jest dana w postac gdze r, : max r : r,, (5) r r r r r r r r. (6) r W tej sytuacj, dla danej wartośc odchylena standardowego reprezentującego zadany pozom ryzyka obcążający nwestycję, wyznaczene stopy zwrotu z portfela ektywnego sprowadza sę do wyznaczena wększego perwastka nesprzecznego równana kwadratowego. Stopę zwrotu z

5 ektywnego portfela przypsanego odchylenu standardowemu oznaczamy symbolem r. Stopeń ektywnośc dowolnego dopuszczalnego portfela z, rozumeć będzemy jako jego stopeń podobeństwa do portfela ektywnego postac r,. Zgodne z klasyczną ekonometryczną metodologą stopeń podobeństwa pomędzy dwoma portfelam będze wzrastał wraz ze zmnejszanem sę odległośc pomędzy tym portfelam. Do oszacowana tej odległośc w tej pracy wykorzystamy unormowana metrykę wyznaczoną przez metrykę Eukldesa. Dzęk temu, stopeń ektywnośc z dowolnego portfela dopuszczalnego z, będzemy wyznaczać korzystając z zależnośc z. (7) r z W ten sposób otrzymalśmy parametryzowaną wartoścam odchylena standardowego rodznę podzborów rozmytych opsanych przy pomocy : R 0,. Rodzna ta tworzy pewen funkcj przynależnośc ekonometryczny model ektywnośc portfela. Model ten w zdecydowane : R 0, korzystny sposób różn sę od modelu normatywnego postac () złożonoścą oblczenową. Z drugej strony model ekonometryczny jest obarczony wysoką złożonoścą logczną ogranczająca obszar potencjalnych zastosowań tego modelu. Model ekonometryczny, podobne jak model formalny. może być wykorzystany do objaśnena zachowań nwestorów nwestujących w portfele leżące poza krzywą portfel ektywnych. Model ekonometryczny może też być wykorzystany, jako funkcjonał w kryterum maksymalzacj stopna ektywnośc. Podsumowane W pracy zwrócono uwagę na możlwośc tkwące w braku precyzj w określenu portfela ektywnego. Stworzene obrazu tej neprecyzj na grunce teor podzborów rozmytych wprzęga aparat formalny tej teor do analzy rynku kaptałowego. Zaprezentowane wynk należy rozumeć jedyne jako sygnał o możlwoścach tkwących w zastosowanu teor podzborów rozmytych w matematyce fnansowej czy też fnansometr. Sygnał ten rodz też donosłe pytana o teoretyczne przesłank rozmytych model fnansów skwantyfkowanych. Naturalnym jest tutaj pytane o dobór logk welowartoścowej właścwej do opsu mechanzmów rynku fnansowego. Na

6 odpowedź oczekuje też pytane o mnmalne zestawy dodatkowych założeń specyfkujących ogólny model normatywny postac (). Wprowadzene neprecyzyjne określonej krzywej portfel ektywnych pocąga za sobą problem neprecyzyjnego określena ln rynku kaptałowego oraz wyznaczena modelu CAPM adekwatnego do wspomnanej krzywej. Rozwązane tego ostatnego problemu może stworzyć teoretyczne przesłank do przypsana modelu CAPM dowolnemu portfelow dopuszczalnemu charakteryzującemu sę przeceż zawsze pewnym stopnem ektywnośc. ak węc obszar rozmytej matematyk fnansowej rozmytej fnansometr można uznać za obecujący obszar badawczy. Skupene badań na tym obszarze pownno prędzej, czy późnej przyneść dla praktyk analzy rynku fnansowego określone ekty pozytywne. Bblografa. Buckley I.J., he fuzzy mathematcs of fnance, Fuzzy Sets and Systems 987, Nr.. Calz M.L. (990), owards a general settng for the fuzzy mathematcs of fnance, Fuzzy Sets and Systems 990, Nr35. 3. Hrota K. (98), Concepts of probablstc sets, Fuzzy Sets and Systems 98, Nr.5. 4. Paseck K., Od arytmetyk handlowej do nżyner fnansowej, Wydawnctwo Naukowe AE, Poznań 006. 5. Paseck K., rójwymarowy obraz ryzyka, [w:] Mkroekonometra w teor praktyce 005, red. Hozer J., praca złożona do druku. 6. Paseck K., Obraz ryzyka w rozmytych przestrzenach probablstycznych, [w:] Innowacje w fnansach ubezpeczenach. Metody matematyczne, ekonometryczne nformaryczne 005, red. Chrzan P., praca złożona do druku.

7 Streszczene Krzywa Markowtz a portfel ektywnych jest opsany jako zbór rozmyty w przestrzen portfel dopuszczalnych. Rozważane tutaj są następujące neprecyzyjne modele portfela ektywnego: portfel dopuszczalny jest podobny do pewnego portfela ektywnego, portfel dopuszczalny jest elementem maksymalnym w zborze neprecyzyjne opsanych portfel dopuszczalnych Fuzzy portfolo fectveness Summary he Markowtz curve of fectve portfolos s descrbed as a fuzzy set n the space of admssble portfolos. here are consdered followng mprecse models of fectve portfolos: admssble portfolo s smlar to some fectve portfolo; admssble portfolo s a maxmal element n the space of mprecse descrbed admssble portfolos.