Bevezetés
˝ 1. eloadás, 2015. február 11.
˝ Heti 2 óra eloadás + 2 óra gyakorlat ˝ ˝ Eloadás: foleg modellek, elemzési módszerek
Zempléni András
Gyakorlat: R programmal, alkalmazások Számonkérés:
Valószínuségelméleti ˝ és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem
50%: gyakorlat alapján (beadandó feladat, házi feladatok + órai munka) ˝ 50%: ZH az utolsó gyakorlaton az eloadás anyagából
Információk: http://www.cs.elte.hu/ zempleni/aring15.html
˝ Áringadozások eloadás
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
1 / 22
Tematika
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
2 / 22
Módszerek
Stabilis eloszlások, vonzási tartományok Extrém-érték modellek egy-és többdimenzióban
Cikk/könyvfeldolgozás
Kopulák
˝ Minden eloadás végén irodalomjegyzék
Véletlen mátrixok
Matematikai modellek, de az alkalmazásokra koncentrálva
ARCH-GARCH modellek
Példák illusztrációként (részletesen a gyakorlaton)
Pénzügyi kérdések: portfólióoptimalizálás, szabályozók stb.
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
3 / 22
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
4 / 22
Stabilis eloszlások
Alkalmazásuk
˝ Definíció. X stabilis eloszlású, ha tetszoleges a, b-re megadható c és d, hogy aX + bY eloszlása (X , Y független, azonos eloszlású) éppen cZ + d eloszlása (Z is X eloszlású) Definíció. Vonzási tartomány. F a G vonzási tartományába tartozik, ha X1 , X2 , . . . , Xn , . . . független, F eloszlásúakra megadható an , bn normáló sorozat, hogy
Fizikai törvényszeruségek ˝ (pl. a Lévy eloszlás a Brown mozgás adott szint eléréséhez szükséges ido˝ eloszlása) Általános határeloszlás-tétel (Pontosan a stabilis eloszlásoknak van nemüres vonzási tartománya) Vastag szélu˝ (heavy tailed) eloszlások, pl. pénzügyekben
X1 + · · · + Xn − an →G bn eloszlásban (gyengén).
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
5 / 22
Szimmetrikus stabilis eloszlások
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
Minden stabilis eloszlás abszolút folytonos, sur ˝ uségfüggvényük ˝ végtelen sokszor deriválható, de általában nem adhatók meg zárt alakban
Paraméterek: α index β ferdeség γ skála
Mindegyik unimodális, de a módusz általában nem adható meg zárt alakban
δ hely
Az α < 2 paraméteru˝ stabilis eloszlás r -edik momentuma pontosan r < α esetén véges
Egyébként az egész számegyenesre
˝ 1. eloadás, 2015. február 11.
6 / 22
Általános stabilis eloszlások
Karakterisztikus függvényük exp −|t|α ahol 0 < α < 2 paraméter (α = 2: normális eloszlás, α = 1: Cauchy, α = 0, 5: Lévy)
Zempléni András (ELTE)
˝ Áringadozások eloadás
˝ Áringadozások eloadás
α < 1 és |β| = 1 esetén félegyenesre koncentrált
7 / 22
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
8 / 22
Példák
A ferdeségi paraméter szerepe
0.5
Nevezetes stabilis eloszlások
0.4
Normális(0,sqrt(2)): st(2,0) Cauchy: st(1,0) Levy: st(0.5,1)
0.3
E(X ) = δ − βγ tan
πα (α > 1). 2
Spec:
0.2
δ = 0, β = 0 esetén E(X ) = 0
0.1
De β 6= 0 esetén |E(X )| → ∞, ha α → 1 pedig a módusz ∼ 0 0.0
α = 2 esetén E(X ) = δ (β-nak nincs szerepe)
−4
−2
0
2
4
1. ábra. A legismertebb stabilis eloszlások Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
9 / 22
A többi paraméter szerepe
˝ 1. eloadás, 2015. február 11.
Zempléni András (ELTE)
˝ Áringadozások eloadás
10 / 22
Példák 2
0.5
Stabilis eloszlások
0.4
st(1.5,0.5) st(1,0.5) st(0.5,0.5)
0.2
0.3
A jól ismert kvantilistranszformáció muködik: ˝ ha q a γ = 0, δ = 0 (standard) eloszlás kvantilise, akkor qγ + δ a γ, δ paraméteru˝ eloszlás azonos kvantilise.
0.0
0.1
A szórásnégyzet additivitásának szerepét a γ α = γ1α + γ2α veszi át.
−4
−2
0
2
4
2. ábra. A ferdeség és az α kapcsolata Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
11 / 22
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
12 / 22
Cauchy-eloszlás
Lévy-eloszlás
f (x) =
γ π((x − δ)2 + γ 2 )
1 c c f (x) = √ exp{− } (x > 0) 2x 2π x 3/2
X /Y eloszlása standard Cauchy (γ = 1, δ = 0), ha X , Y független ˝ adódóan megegyezik az 1 standard normális. Ebbol szabadságfokú t-eloszlással is. Szimmetrikus, tehát β = 0. Világítótorony-probléma: γ magasságú, δ távolságban levo˝ világítótorony véletlenszeru˝ irányba világít. Az x tengelyen a vetület eloszlása Cauchy (0, γ, δ)
˝ 1. eloadás, 2015. február 11.
Zempléni András (ELTE)
˝ Áringadozások eloadás
1/Y 2 eloszlása standard Lévy (c = 1), ha Y standard normális. Stabilis, (0.5, 1, c, 0) paraméterekkel Brown mozgásnál egy p 6= 0 pont elérési ideje Lévy eloszlású, c = p2 paraméterrel
13 / 22
Példák 3
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
14 / 22
Határeloszlás-tétel Eloszlásfüggvény 0.7
Suruségfüggvény
0.6
Tétel. Legyenek X , X1 , X2 , . . . , Xn , . . . független, azonos eloszlású valószínuségi ˝ változók. Tegyük fel, hogy P(|X | > x) ∼ x −α L(x), ahol L lassú változású fv. a végtelenben (L(cx)/L(x) → 1, ha x → ∞, c > 0). Ekkor megadható an , bn hogy an (X1 + X2 + · · · + Xn ) − bn → Z ahol Z éppen α rendu˝ stabilis eloszlás. (Azaz X a Z vonzási tartományában van)
0
0.0
0.1
10
0.2
0.3
20
0.4
0.5
30
st(0.2,0) st(0.2,0.5) st(0.2,1)
−0.4
−0.2
0.0
0.2
0.4
−0.4
−0.2
0.0
0.2
0.4
˝ 3. ábra. Igen szélsoséges példák
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
15 / 22
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
16 / 22
Gyakorlati kérdések
Michael-féle szórásstabilizált P-P plot
A PP plotnál a szélso˝ pontok szórása kicsi (a QQ plotnál általában ˝ a középsoké)
Paraméterbecslés: maximum likelihood a leghatásosabb (konfidencia intervallum is konstruálható) Illeszkedésvizsgálat ˝ paraméteres vs. nemparaméteres Sur ˝ uségfv. ˝ becslésbol: ("középen" jó) PP plot ˝ QQ plot (általában elonyösebb, mert az eloszlás széleit is mutatja, de ezek itt eltúlzottak lehetnek)
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
17 / 22
S = 2 arcsin(U 1/2 )/π : sur ˝ uségfüggvénye ˝ sin(πx)- szel arányos, a rendezett minta elemeinek szórása aszimptotikusan azonos. Az ábrázolandó pontok: 1/2
ri = (2/π) arcsin[(i − 0.5)/n ] si = (2/π) arcsin[F 1/2 (yi − m)/s] Tesztstatisztika is számolható: max |ri − si |
˝ 1. eloadás, 2015. február 11.
Zempléni András (ELTE)
˝ Áringadozások eloadás
18 / 22
˝ Illusztráció: részvény-idosorok
Szimuláció (Chambers, 1976)
Nasdaq, napi hozamok
Legyen U egyenletes [0,1], W pedig exponenciális eloszlású λ = 1 paraméterrel és függetlenek. Ekkor sin(αU) cos U 1/α
cos((α − 1)U) W
20
(1−α)/α 15
Z =
norm.elo (sd=0.018)
sin(α(U0 + U)) (cos(αU0 ) cos U)1/α
cos(αU0 + α − 1)U) W
(1−α)/α 5
Z =
10
(α,0) paraméteru˝ szimmetrikus stabilis eloszlású. Legyen U0 = arctan(β tan(πα/2))/α és
0
pedig (α,β) paraméteru˝ stabilis eloszlású (ha α 6= 1).
−0.10
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
19 / 22
Zempléni András (ELTE)
−0.05
0.00
0.05
˝ 1. eloadás, 2015. február 11.
0.10
0.15
˝ Áringadozások eloadás
20 / 22
Havi aggregálás
Hivatkozások Nasdaq, havi hozamok
6
norm.elo (sd=0.076)
4
5
Chambers, J.M., Mallows, C. and Stuck, B.W.: A method for simulating stable random variable (1976) Michael, P.: The stabilized probability plot (1983)
3
Nolan, J. P.: Modeling financial data with stable distributions (2005)
0
1
2
Nolan, J. P.: Stable distributions (2009)
−0.3
Zempléni András (ELTE)
−0.2
−0.1
0.0
˝ 1. eloadás, 2015. február 11.
0.1
0.2
˝ Áringadozások eloadás
21 / 22
Zempléni András (ELTE)
˝ 1. eloadás, 2015. február 11.
˝ Áringadozások eloadás
22 / 22