![](/user_photo/2706_HbeT2.jpg)
- •Вопрос 1. Вероятностные основы моделирования финансового рынка
- •Пуассоновское распределение (с параметром ) – это распределение случайной величины со значениями и при этом .
- •Вопрос 2. Математические модели индивидуального и коллективного риска. Биномиальная модель
- •Вопрос 3. Математические модели страхования жизни.
Распределение Бернулли – это распределение случайной величины , принимающей два значения
:
с вероятностью
и
с вероятностью
;
Биномиальное распределение – это распределение случайной величины, принимающей значения
при этом
,
,
;
Пуассоновское распределение (с параметром ) – это распределение случайной величины со значениями и при этом .
Нормальное распределение – это распределение случайной величины с плотностью
.
Пусть
на
задана положительная случайная величина
c
.
Для каждого события
определим его новую вероятность
.
Тогда относительно этой новой вероятности
случайная величина
имеет и новое среднее:
При выводе этой формулы замены вероятности в математическом ожидании была использована линейность, устанавливаемая непосредственно из определения:
для постоянных
.
Несколько
следующих понятий и фактов обсудим
только для дискретных
случайных величин
и
со значениями
и
соответственно.
Вероятность
называется совместным
распределением
и
,
при этом
и
.
Обозначая
и
,
приходим к важному понятию независимости
и
,
означающему,
что
.
Как
следствие, для двух независимых случайных
величин
и
имеем, что
.
Условным
математическим ожиданием
случайной величины
при условии, что
,
называется число
.
Случайная
величина
есть по определению условное математическое
ожидание
при условии
,
если
совпадает с
на множестве
.
В
частности, для "тривиальных"
случайных величин
и
получаем определение условной вероятности
.
Отметим следующие свойства условных математических ожиданий:
, что для
и
соответствует формуле полной вероятности
;
для независимых и имеем, что
.
Ввиду самого определения
условное математическое ожидание является функцией от и в этом смысле может интерпретироваться как прогноз на основе информации, доставляемой "наблюдаемой" величиной .
Наконец,
для "восстановления" распределения
случайной величины
,
принимающей значения
полезно понятие производящей
функции
,
для которой
и
для независимых случайных величин
.
Обратимся
снова к примеру
биржевых торгов
и рассмотрим этот случайный эксперимент
от нуля до
(
– это "сегодня",
– это месяц, квартал, год и т.д.) Ясно,
что "элементарный" исход такого
эксперимента может быть записан в виде
последовательности
,
где
– "элементарный" исход завтрашних
торгов и т.д.
Возникает
вероятностное пространство
таких растянутых до "временного
горизонта"
торгов.
Если
торги рассматривать до каждого момента
,
то соответствующее пространство
имеет элементарные исходы
и запас событий
.
Таким
образом, стремление уловить эволюцию
торгов приводит к необходимости
рассматривать пространство
с выделенным информационным
потоком
,
таким, что
,
которое принято называть стохастическим
базисом
(случайного эксперимента торгов).
Вернемся к модели финансового рынка.
Первый актив
считается безрисковым, поэтому разумно
предположение о его неслучайности:
для всех
.
Второй актив
– рисковый и разумно отождествить
его рисковость со случайностью,
предполагая
– случайными величинами на описанном
выше стохастическом базисе (например,
биржевых торгов). При этом, каждая из
величин
полностью определяется результатами
торгов до момента
,
или набором событий
.
Будем предполагать, с другой стороны,
что случайность механизма торгов
полностью исчерпывается ценами акций,
что записывается в виде
.
Для получения
конкретных ответов в предполагаемых
финансовых расчетах необходимо
конкретизировать механизм случайности
цен. Пусть в модели
-рынка
величины
являются случайными, независимыми и
принимающими два значения
и
,
где
,
.
Значит, формально представленное выше
вероятностное пространство можно
отождествить с
– пространством последовательностей
длины
,
где на
-м
месте располагается либо
,
либо
;
– множество всех подмножеств из
;
– вероятность, индуцируемая бернуллиевской
вероятностью
.
Информационный
поток, или фильтрация
,
порождается ценами
,
или, что эквивалентно, последовательностью
:
Последнее просто
означает, что любая случайная величина
на
является функцией
от
или
с учетом их взаимосвязи
,
Финансовый
-рынок,
заданный на описанном выше стохастическом
базисе, будем называть биномиальным.
Вспоминая проблему
хеджирования, сразу отмечаем, что
платежное обязательство
,
исполняемое в последний день торгов,
определяется, вообще говоря, событиями
всей предыдущей предыстории
и, следовательно, является функцией
:
.
Проблема же состоит в возможности
оценить
на основе доступной лишь к моменту
рыночной информации
.
Значит, необходимо делать оценку, или
прогноз,
на основе текущей информации
,
.
Сформулируем те
эвристически понятные свойства прогноза,
который будем обозначать
для
.
– это функция только от
, но не от ненаблюдаемых ещё рыночных цен
Прогноз на основе тривиальной информации должен совпадать со средним прогнозируемого платежного обязательства: при
,
.
Прогнозы должны быть согласованы в том смысле, что прогноз совпадает с прогнозом для следующего прогноза
. Как следствие, прогноз в среднем совпадает со средним от :
.
Прогноз
по всей доступной информации совпадает с прогнозируемой величиной:
.
Прогноз для линейной комбинации
, где
и
полностью определяются по информации , равен линейной комбинации прогнозов:
Если прогнозируемая величина не зависит от текущей информации , то прогноз на основе такой информации тривиален и равен среднему
.
Обозначая
из свойства 3) получаем, что
для всех
. Такие стохастические последовательности называются мартингалами.
Значит, если от
прогнозов потребовать перечисленные
выше естественные свойства, то они
образуют мартингал
на стохастическом базисе
.
"Мартингальность" означает, что
прогноз для следующего значения прогноза
совпадает с его предыдущим значением.