Методологический фундамент

из "Анализ финансовых данных "

Для начала мы вкратце остановимся на самом алгоритме СОК с тем, чтобы описать его полезные свойства в контексте нашего приложения. Мы расскажем также о моделировании методом Монте-Карло и об общем методе моментов. Эти алгоритмы послужат методологическим фундаментом данной главы. Третий раздел будет посвящен описанию предлагаемого подхода. В разд. 2.4 рассматривается его использование на примере реального набора данных. В пятом разделе излагается процедура проверки достоверности, основанная на модели, предложенной в работе Кокса (Сох et al., 1985). И наконец, в разд. 2.6 на основании этого подхода мы разовьем концепцию стоимости риска. [c.65]
Хотя асимптотические свойства данного алгоритма строго не доказаны, некоторые его теоретические свойства были продемонстрированы на практике. [c.65]
Процедуру оценки актива можно описать следующим образом. В первую очередь моделируется большое число путей для объясняющей случайной переменной. Затем рассчитываются денежные потоки, соответствующие состоянию этой переменной, и, наконец, вычисляется текущая стоимость рассчитанных таким образом денежных потоков. Теоретически ошибка оценки среднего значения может устанавливаться произвольно. Но так как уровень точности пропорционален квадратному корню из числа путей, увеличение точности быстро приводит к значительному возрастанию объема вычислений. Чтобы решить эту проблему, были использованы различные методики, сокращающие время вычислений на порядок. [c.66]
ОММ моментов можно использовать, когда экономическая модель удовлетворяет условию, требующему, чтобы среднее значение произведения члена ошибки и наблюдаемой случайной переменной равнялось нулю. На практике среднее значение заменяется величиной, определяемой по набору данных. С помощью ОММ производится оценка истинных значений параметров путем построения тщательно подобранных линейных комбинаций ортогональных ограничений. Данный метод не требует никаких предположений о виде распределения ошибки, и полученные оценки общего метода моментов остаются состоятельными, даже если остатки оказываются серийно коррелированными по времени (или показывают, что имеют дисперсию, существенно зависящую от другой случайной величины). Чтобы гарантировать асимптотическую сходимость статистики, используемой в качестве оценки, необходимы только стационарность генерирующего процесса и эргодичность объясняющих переменных (краткосрочная ставка в IR-модели). [c.67]
Хансен приводит целевую функцию, которая допускает оценку параметров методом ОММ. [c.67]

Вернуться к основной статье