- •Показатели финансового риска в виде отношений.
- •Риск связанный с элементом % ставки
- •Портфель цб и его свойства
- •Модель Товина.
- •Модель оценки капитальных активов.
- •Кривая безразличия
- •Модель регрессионного анализа.
- •Многофакторные регрессионные модели
- •Парные коэффициенты корреляции
- •Среднее квадратическое отклонение
- •Средняя относительная ошибка антросимации
- •Паутинообразная модель
- •Условия Куна – Таккера.
- •Модель потребления
Модель оценки капитальных активов.
Модель САРМ.
Данная модель описывает равномерную взаимосвязь между ожидаемым доходом mj вклады βj в риск рыночного портфеля.
r0 – математическое ожидание
Тест.
Из двух акций А и В одна отрицательно коррелир.с др.акциями расположите в порядке возрастания ma ; mb и ставка r0.
1. r0; mА ; mB
2. mА r0; mB ; mА
(3). mВ mА; r0; mB
4. все ответы не верны
Кривая безразличия
В груши
А яблоки
Почему кривая безразличия инвестора избегающего риски в меньшей степени имеют наклон меньше……
В
А
Число «золотое сечение»
= 1,618033988……..
Модель регрессионного анализа.
Регрессией называются модель основанная на уравнении регрессии или на системе регрессиальных уравнений связывающихся величины эндогенных, т.е. зависимых внутренних величин и экзогенных т.е. независимых величин переменных. Различают уравнения парно-однофакторное и множественное, т.е. многофакторная регрессия.
Однофакторная регрессионная модели – эти модели отражают взаимосвязь показателя только с одним фактором. В общем виде однофакторная регрессионная модель можно представить в виде:
yi= f (xi A) + Ei , где i = 1,2…..,n.
yi – это значение моделиров.показателя в i-том периоде.
xi – это значение фактора в i-том периоде или на i-том отрезке.
А – коэффициент постоянный или параметры модели
Ei - это случайная величина
n – количество периодов или интервалов, за которые рассматриваются данные, чем ниже уровень возможных значений случайных величин Ei, тем точнее описывается процесс взаимодействия фактора Х с показателем Y.
Параметры регрессионной модели А находится из условия минимизации сумм квадратов отношений:
min
Важным моментом при построении регрессионной модели является выбор функции «f» задающая конкретную форму связи она может быть: линейной и не линейной.
В зависимости от поставленной задачи, как правило, наиболее приемлемой при выборе связи прибегают к совместному применению следующих методов, используют эмпирический и логический подход.
Эмпирический подход предполагает детальный анализ исходных данных, путем графических представлений зависимости Y в виде ломаной линии, а так же под строения пробных зависимости и выбора той из них, которая обеспечивает требуемый вид точности и обладает необходимым набором свойств.
ПРИМЕР: если есть основание считать, что прирост показателя Y происходит пропорционально X, то в качестве регрессионной модели обычно выбирают линейную форму связи.
= ao + a1х , для i = 1,2,…..,n.
- теоретич.значение результат.признаки получении из уравнения регрессии.
ao – свободный член неимеющий экономич. интерпритации.
a1 – называется коэффициент регрессии, он показывает на сколько единиц в среднем изменяется показатель Y, если фактор Х изменяется на 1.
Теснота корреляционной связи показателя Y с фактором Х определяется с помощью коэффициента корреляции, которые опред.по следующей формуле:
где - это средние арифметические значения фактора Х и показателя Y.
– это фактические значения.
- это среднее квадратическ.отклонения соответств.по Х и по Y вычисляем по следующей формуле:
Чем ближе коэффециент корреляции к 1, тем теснее корреляционная связь, если коэффециент корреляции (r) = 1, то корреляционная связь между X и Yисчезает и превращается в функциональную.
Если коэф.корреляции (r) = 0, то линейной корреляц.связи нет. Но может быть не линейной корреляц.связь.
Если коэф.корреляции строго r > 0, то корреляционная связь прямая, т.е. с ростом фактора растет и показатель, если коэф.корреляции строго r < 0, то корреляционная связь обратная, т.е. с ростом фактора Х, показатель Y уменьшается.
Величина r2 = R – называется показатель детерминации.
Он показывает долю изменения, т.е.вариацию показателей Y под воздействием фактора Х.
Значение коэф.детерминации находится в пределах от 0 до1:
0 ≤ R ≤ 1
Чем ближе коэф.детерминации к 1, тем вариация изучаемого показателя Y в большей мере характеризует влияние фактора Х.
Процедурой метода меньше квадрата можно оценить параметрами ее, на линейных моделях, которые определенным образом приводят к линейным видам.
Если выдвигается гипотеза, что процесс хорошо описывается экспоненциальной зависимости:
= ai*
= +
r = в0 + х1 в1
z = в0 + в1х