Метод исторического моделирования

Оценка VAR методом исторического моделирования является  [c.78]

Метод исторического моделирования  [c.266]

В методе исторического моделирования изменения значений факторе риска измеряются за интервалы, соответствующие выбранному горизонту рас чета VaR. Например, для расчета месячного VaR следует построить распре деление смоделированных месячных изменений стоимости портфеля за не сколько предшествующих лет.  [c.267]


Достоинства метода исторического моделирования  [c.268]

Известны модификации метода исторического моделирования, в которых произ водится взвешивание используемых входных данных (см., например, [19]).  [c.268]

С ПОМОЩЬЮ МЕТОДА ИСТОРИЧЕСКОГО МОДЕЛИРОВАНИЯ  [c.315]

Расчет однодневной величины VaR методом исторического моделирования с доверительным интервалом в 95% по выборке из ста предыдущих значений изменения цены было проведено для 883 дней торгов. При этом превышение убытками величины VaR, не учитывающей риск ликвидности, наблюдалось в 79 случаях, что составляет 8,9% и превышает заданный доверитель-  [c.316]

Основными методами экономики считают следующие исторический, хронологический логический сравнительно-исторический исторического моделирования математической статистики, социальной психологии и др.  [c.2]

Метод Критерии " Дельта-нормальный Дельта-гамма-вега Историческое моделирование Монте-Карло  [c.275]

Научно обоснованное исследование перспектив какого-либо явления (социального, экономического, природного и др.). Для п. используются методы экстраполяции, моделирования, опроса экспертов, исторической аналогии и др. Различают п. краткосрочное (от 1-2 до 5 лет) и долгосрочное (на 10—15 лет и более).  [c.805]


Используя имеющиеся в нашем распоряжении конкретные данные, мы попытаемся построить на этой базе обобщенные модели некоторых хозяйственных типов прошлого, чтобы показать возможности принципа моделирования как метода исторического исследования.  [c.227]

Подчеркнем, что главная особенность имитационного исследования состоит в том, что в этом исследовании проводятся эксперименты, но только не с объектом, а с его математической моделью. Такое представление об имитации появилось в 60-х годах нашего столетия. Имитационные исследования используются для анализа сложных систем в таких непохожих областях науки, как исследование ядерных реакторов и изучение психологии человека, моделирование боевых действий и анализ биологических систем в природе, изучение распространения эпидемий и моделирование исторических процессов, автоматизированное проектирование сложных технических систем и оценка воздействия лечебных процедур на организм человека. Особенно важное место имитационные исследования занимают в анализе экономических процессов. В экономических исследованиях имитация используется в широком диапазоне задач, от отдельных вопросов массового обслуживания и оперативного планирования производства до изучения перспектив развития экономики нашей планеты в целом. Такое разнообразие задач затрудняет выработку каких-то единых, универсальных рекомендаций (тем более, что имитационные методы еще крайне молоды — они используются всего лишь около двадцати лет и сейчас бурно развиваются). Имитационное исследование в значительной степени остается задачей, требующей большой творческой активности и самостоятельности человека, их осуществляющего. Тем не менее, уже сейчас возможно выделить основные принципы проведения имитационных экспериментов, которым и будет посвящен этот раздел книги.  [c.233]


Информатика как наука занимается изучением информационных процессов и методов их автоматизации на основе программно-аппаратных средств вычислительной техники и средств связи. Исторически информатика изучала научную информацию и способы ее структуризации, систематизации, хранения и распространения. Появление средств вычислительной техники позволило автоматизировать часть указанных операций. Дальнейшее изучение процессов возникновения, накопления информации, ее структуризации, передачи, обработки и представления потребовало создания специального аппарата, позволяющего описывать, анализировать и систематизировать различные фазы информационных процессов. Так возник аппарат информационного моделирования. Наличие частных моделей информационных процессов позволило целенаправленно использовать средства вычислительной техники и связи, которые, в свою очередь, совершенствовались для большего удовлетворения потребностей информатики. Начиная с 80-х гг. нашего столетия различные фазы преобразования информации стали рассматриваться как единый информационный процесс, направленный на удовлетворение информационных потребностей человечества. В этом проявился выход информатики на глобальный уровень, позволяющий говорить о том, что человечество осознало информацию как ресурс развития общества, а информатику - как науку, развитие которой позволит обеспечить полное использование этого ресурса. С информатикой связывают решение принципиально новых проблем человечества создание информационной модели мира, расширение творческого аспекта деятельности человека, переход к безбумажной информатике, доступность информационного ресурса каждому члену общества [35].  [c.43]

Исторически первым и наиболее простым является аналитическое моделирование, когда ЭВМ используется в качестве вычислителя по аналитическим зависимостям. Анализ характеристик процессов функционирования больших систем с помощью только аналитических методов исследования зачастую затруднен приходится применять заведомо в значительной степени упрощенные зависимости, что не может не сказаться на точности и достоверности моделирования.  [c.82]

Концептуальная модель любого процесса динамики цен включает взаимодействие трех подсистем, которые можно условно назвать "товаропроизводитель", "потребитель" и "рынок" (рис. 5.3.2). Паутинообразная модель (модель А), в которой спрос отстает от предложения на один период D(Pt+1) = S(Pt), также вписывается в схему рис. 5.3.2. Эта модель — одна из исторически первых динамических моделей рынка, отражающих поведение участников. Она служит хорошей иллюстрацией применения метода моделирования при анализе экономических процессов.  [c.325]

Класс общенаучных методов представлен методическим инструментарием, который применяется не только в науке управления, но и в других областях знаний. К общенаучным методам относятся исторический, системный и комплексный подходы, моделирование, экспериментирование, использование алгоритмов математического аппарата, статистические, социологические, политологические и другие области исследований.  [c.64]

Одним из наиболее перспективных подходов к разработке прогнозов считается моделирование процессов развития техники, т. е. определение перспектив изменения техники на основе адекватных моделей ее развития. По характеру используемых моделей различаются логические, информационные и математические модели прогнозирования. Логическое моделирование включает тщательное изучение внутренней логики развития прогнозируемого объекта и разработку на этой основе соответствующих исторических моделей (образцов). Исторические аналогии используются затем при решении конкретных ситуаций и задач развития прогнозируемого объекта. Практический интерес представляют методы построения различных информационных моделей. Так, статистический анализ числа научных публикаций, научных журналов, частоты использования печатных работ и т. п. дает возможность судить о темпах и характере развития научных дисциплин, тех или иных видов техники.  [c.53]

Метод диалектики конкретизируется в отдельных своих направлениях методе абстракции, восхождении от абстрактного к конкретному, сочетании анализа и синтеза, исторического и логического, эксперименте, моделировании и т. д.  [c.29]

Второй подход заключается в том, что орган банковского надзора выносит мотивированное суждение о состоянии кредитной организации, основываясь на всестороннем анализе всей доступной информации о ней, а не только на системе формальных показателей. Это требует от специалистов высокой ответственности, глубокого понимания сути банковской деятельности как в целом, так и в отдельных ее проявлениях. При этом "анализ исторических данных признается недостаточным для оценки перспектив. В качестве важного "нового" аспекта развития инструментария надзора выделяется усиление внимания к вопросам достоверности банковской информации. Повышается актуальность использования в целях банковского надзора методов экономико-математического моделирования" 4 .  [c.6]

С незапамятных времен при изучении сложных процессов, явлений, конструировании новых сооружений и т. п. человек применяет моделирование. Существует несколько приемов моделирования. Пожалуй, исторически первым является один из них — это метод подобия. Суть его в том, что изучаемое явление воспроизводится в экспериментальных условиях, в другом масштабе, в малом , и на этой действующей модели ведется изучение явлений. Например, для того, чтобы исследовать законы обтекания крыла самолета воздушным потоком, создается уменьшенная копия крыла и помещается в аэродинамическую трубу. Тогда, пропуская поток воздуха, экспериментально изучая процесс обтекания, получают нужные характеристики крыла. Этот метод применим далеко не всегда, так как уменьшение масштаба может оказаться неосуществимым, оно может исказить явление, а не облегчить его исследование.  [c.5]

Второй структурный элемент науки стратегического планирования включает в себя развитую систему общенаучных методов, таких как наблюдение, анализ и синтез, индукция и дедукция традиции, аналогии, сочетание исторического и логического, моделирование социально-экономических процессов, восхождение от абстрактного к конкретному и т.д.  [c.32]

Существуют и другие методы индукция, дедукция, исторический, логический, математический, статистический, метод моделирования, мышления по аналогии, эксперимента.  [c.4]

Для моделирования поведения некоторого метода входа или выхода требуется проведение тестов с использованием этого метода на данных о прошлом поведении рынка. Следовательно, для начала требуются чистые, надежные исторические данные.  [c.20]

Подгонка к историческим данным требуется при обоих подходах. Развиваемый в настоящей главе непараметрический подход является иным по самой своей сути. Он не требует априорных предположений о виде функционала процесса, формирующего структуру процентных ставок, и распределения, характеризующего динамику наблюдаемых случайных величин. Мы использовали алгоритм СОК для того, чтобы получить картину распределения структуры процентных ставок и ее изменения с течением времени (скачки процентных ставок) на материале набора исторических данных. Прибегнув затем к численному моделированию методом Монте-Карло, мы получили картину изменения структуры процентных ставок в долгосрочной перспективе.  [c.65]

Формирование долгосрочных сценариев до сих пор остается трудноразрешимой проблемой. Подход, предлагаемый нами в данной главе, позволяет ее решить. Как было показано в разд. 2.4, мы можем создавать модельные пути для длительных периодов времени (5 лет и более), которые не приводят к неограниченному возрастанию средних значений, дают только положительные значения будущих процентных ставок и приводят (с помощью моделирования методом Монте-Карло) к построению распределения процентных ставок для каждого срока погашения в течение любого желаемого периода прогнозирования. Кроме того, как мы уже упоминали в разд. 2.5, представляется, что модельные пути отражают динамику процесса, сформировавшего исторический набор данных.  [c.78]

Таким, образом, конкретно-историческое исследование помещичьих хозяйств Калужской и Тамбовской губерний подтверждает правомерность анализа социальной структуры помещичьего хозяйства методом моделирования на основе математико-статистического анализа различных показателей, характеризующих это хозяйство.  [c.173]

Метод исторического моделирования (histori al simulation) относится к гру пе методов полного оценивания и является непараметрическим. Он основе на предположении о стационарности поведения рыночных цен в ближайше будущем. Суть данного метода заключается в следующем. Сначала выбирав ся период времени глубины Г (например, 200 торговых дней), за который о слеживаются исторические изменения (например, дневные) цен Р всех N вх дящих в портфель активов  [c.266]

Пример 3-11. Расчет VaR методом исторического моделирования на современ ном российском рынке.  [c.267]

Метод исторического моделирования в данном случае показал меньшее количество ошибок, чем дельта-нормальный, что, главным образом, обусловлено выбором ретроспективы. Хотя было бы правильнее удалить аномальные наблюдения из выборки данных, этого не было сделано ради исследовательс ких целей, в результате чего колебания стоимости портфелей за кризисны период (август-сентябрь 1998 г.) сильно завысили значения VaR для периода когда рынок стабилизировался (около 30% наблюдений). В свою очередь, по давляющее большинство случаев превышения (24 из 25) наблюдалось в топ период, когда кризисные изменения стоимости портфеля перестали учиты ваться в расчетах.  [c.267]

Существует вариант метода Монте-Карло, согласно которому можно не задавать какое-либо конкретное распределение для моделирования цен, а использовать непосредственно исторические данные. Подобно методу исторического моделирования, на основе ретроспективы моделируются гипотетические цены, но их последовательность не является единственной и не ограничена глубиной периода ретроспективы, поскольку выборка производится с воз-вращением, т. е. возмущение из исторических данных выбирается случайным образом, и каждый раз в выборе участвуют все данные. Эта загрузка (bootstrap) историческими данными позволяет учесть эффект толстых хвостов и скачки цен, не строя предположений о виде распределения. Это несомненные достоинства метода, который, в отличие от метода исторического моделирования, позволяет рассмотреть не какую-либо одну траекторию цен (сценарий), а сколь угодно много, что, как правило, повышает точность оценок. Недостатками загрузки является низкая точность при малых объемах выборки и использование предположения о независимости доходностей во времени.  [c.271]

Попробуем оценить, как риск ликвидности влияет на величину рыночногс риска портфеля. Предположим, что портфель состоит только из обыкновен ных акций РАО ЕЭС России . Вычислим значение VaR такой позиции дш однодневного интервала времени и доверительного интервала 95%. В целя большей наглядности будем использовать наиболее простой способ расчете VaR — метод исторического моделирования, для чего проведем следующие вычисления  [c.314]

Найденное значение U" является значением VaR позиции, вычисленньа с помощью метода исторического моделирования, т. е. с вероятностьк 95% однодневное изменение стоимости портфеля будет не меньше (J.  [c.314]

Учтем теперь наличие спреда на рынке. Для этого будем считать, чтс формирование позиции происходит не по средней рыночной цене, а по цеж предложения S"5, а ликвидация позиции — по цене спроса Swd. Тогда в алго ритме расчета VaR методом исторического моделирования значение Ut вмес то (43) будет определяется следующим выражением  [c.314]

Недавнее исследование Бедера (Beder, 1995) показало, что результаты применения этих методов к одному и тому же портфелю могут расходиться между собой в 14 раз. Кроме того, оценка стоимости риска, получаемая посредством исторического моделирования, зависит от поведения дохода на протяжении рассматриваемого периода. Например, при рассмотрении периода понижения процентных ставок риск может быть недооценен.  [c.78]

Историческое моделирование сталкивается со всеми проблемами, характерными для теоретической науки, тогда как моделирование методом Монте-Карло хорошо подходит для прогнозирования на очень короткий срок (от 1 дня до 1 месяца). Например, концепция, разработанная компанией RiskMetri s (JP Morgan), предполагает, что исторические прибыли генерируются исходя из нормального многомерного распределения. На основании этого предположения будущие ценовые пути могут моделироваться с использованием метода декомпозиции Холецко-го. Данная процедура подходит для краткосрочных прогнозов, но не работает при долгосрочном прогнозировании. Сценарии, создаваемые при помощи подобной методики, имеют тенденцию к неограниченному возрастанию средних значений, потому что результирующая динамика структуры процентных ставок не обладает свойством возврата к средним значениям.  [c.78]

Норт (Nort) Дуглас (р. 1920), американский экономист, один из основателей направления институционализма (см. Институциональный подход) в экономике. Лауреат Нобелевской премии по экономике 1993 г. Формула награждения "за работы в области новой экономической истории" (совместно с Р. Фогелем). Образование (включая докторскую степень) получил в Калифорнийском университете (Беркли). Профессор Вашингтонского университета в Сиетле и университета Вашингтона в Сент-Луисе. Исследовал вопросы экономического роста и роль в нем государственных и иных институтов, является ведущим исследователем т.н. клиометрии — исторической науки, использующей методы математико-статистического анализа и математического моделирования.  [c.446]

Норт Д. (р. 1920) — американский экономист, один из основателей институционализма в экономике. Лауреат Нобелевской премии по экономике 1993 г. за работы в области новой экономической истории (совместно с Р. Фогелем). Исследовал вопросы экономического роста и роль в нем государственных и иных институтов. Является ведущим исследователем так называемой клиометрии — исторической науки, использующей методы математико-статистического анализа и математического моделирования.  [c.47]

В 1993 году Дуглас Норт был удостоен Нобелевской премии по экономике как ведущий специалист в области новой экономической истории, известной также под названием "клиомет-рия" (по имени музы истории — Клио). Эта ветвь экономической науки основана на использовании современных методов статистического анализа и математического моделирования для оценки (а нередко и переоценки) исторических событий и их значения для будущего. Связанные с этим исследования призваны объяснить природу экономического роста и спада, проследить прямую связь между политической стабильностью и динамикой экономических процессов. В сообщении Шведской королевской академии по поводу присуждения Дугласу Норту Нобелевской премии он назван "одним из пионеров новой институциональной экономики". В частности, всеобщее признание по-  [c.8]

Для оценки финансовых активов существует множество моделей. Как правило, их целью является определение реальной цены котируемых финансовых инструментов, например облигаций, либо оценка рискованности портфеля активов с помощью прогнозирования. Эти модели позволяют выработать политику управления рисками и определить коэффициенты хеджирования. Зачастую определение коэффициентов хеджирования является их основной целью, еще более важной, чем теоретическая оценка самих активов. Существует два основных подхода к моделированию структуры процентных ставок и ее динамики параметрический и непараметрический. В данной главе нами будет рассмотрен непараметрический подход, не требующий принятия никакой априорной гипотезы относительно вида функционала процесса, формирующего структуру процентных ставок, а также вида распределения, характеризующего динамику наблюдаемых случайных величин. На примере исторического набора данных Эрик де Бодт, Филипп Грегори и Мари Коттрелл используют алгоритм СОК для аппроксимации распределения структуры процентных ставок и ее изменения с течением времени (структурных потрясений). Производимое на этой основе численное моделирование методом Монте-Карло позволяет получить картину долгосрочного развития структуры процентных ставок в течение пяти лет.  [c.63]