1. Возврат и логарифмический возврат
логарифмический возврат статистический линейный
Предположим, что мы определили единицу измерения времени (один день, один месяц или один год). Последовательность - рыночная стоимость акции, обменный курс двух валют или что-либо иное. В этом пособии мы будем придерживаться вероятностного подхода, и следовать общепринятой аксиоматике теории вероятностей. То есть - стохастическая последовательность, которая определена на некотором вероятностном пространстве , где - пространство элементарных случайных событий (случаев) ( в рассматриваемом контексте состояний рынка);
F - -алгебра подмножеств - совокупность событий наблюдаемых на рынке;
- семейство вероятностных мер, возможно, параметрическое, на .
Для различных финансовых теорий время и динамика являются неотъемлемой частью рассуждений, поэтому целесообразно рассмотреть поток - подалгебр . Смысл введения потока, называемого в литературе также фильтрацией заключается в том, чтобы в любой момент времени оперировать, только теми случайными событиями, которые «доступны» наблюдателю до момента времени включительно. Например, до момента времени включительно наблюдателю могут быть доступны стоимости тех или иных активов, начиная с некоторого начального момента до момента времени .
Таким образом, базовой вероятностной моделью является
, (1.1)
называемая фильтрованным стохастическим экспериментом.
Если рассматривать как информацию доступную к моменту времени , то естественно считать, что последовательность - адаптирована, то есть для любого момента времени измеримы. Интерпретация как цены в момент времени приводит к тому, что .
Существует два наиболее распространенных способа представления временного ряда :
. (1.2)
Откуда
, (1.3)
где , и
(1.4)
называют возвратом, отдачей, логарифмической прибылью (return).
Другой способ представления
. (1.5)
Откуда
(1.6)
и
. (1.7)
Рассмотрим последовательность и обозначим через , .
Определяемая этим выражением последовательность называется стохастической экспонентой, порождаемой . Формула (1.6) трансформируется в формулу
(1.8)
Сопоставление (1.3) с (1.8) приводит к соотношениям
(1.9)
При малых значениях при этом ошибка .
Таким образом, представление 1 и представление 2 в одинаковой степени могут быть использованы для описания последовательности .
Далее мы будем использовать первое представление, поскольку второе представление накладывает ограничение на . Из того, что непосредственно следует, что . В тоже время различного рода ограничения могут существенно отразиться на сложности статистических задач.
- 1. Возврат и логарифмический возврат
- 2. Линейный прогноз
- 3. Гауссовы модели
- 4. Стационарные в широком смысле модели
- 5. Спектральное представление стационарных в широком смысле последовательностей
- 6. Линейный фильтр
- 7. Линейные модели финансовых временных последовательностей
- 8. Линейный прогноз для стационарных в широком смысле последовательностей
- 9. Статистическое оценивание параметров модели
- Литература
- 5.4. Спрос на рисковые активы
- 7.5 Потребление и рисковые активы
- 30. Безрисковые и рисковые активы
- 71.Идентификация рисков. Качественный анализ рисков. Количественный анализ рисков
- 13.3 Равновесие на рынке рисковых активов
- 2.1. Цена рисковых активов
- 5.5. Оптимизация портфеля из рискового и безрискового активов