Моделируйте структуры термина для 2D факторной аддитивной Гауссовой модели процентной ставки
[ZeroRates,ForwardRates] = simTermStructs(G2PP,nPeriods)
[ZeroRates,ForwardRates] = simTermStructs(___,Name,Value)
[
моделирует будущие пути к кривой нулевой ширины с помощью заданного объекта ZeroRates
,ForwardRates
] = simTermStructs(G2PP
,nPeriods
)LinearGaussian2F
.
[
добавляют дополнительные аргументы пары "имя-значение". ZeroRates
,ForwardRates
] = simTermStructs(___,Name,Value
)
Создайте 2D факторную аддитивную Гауссову модель процентной ставки.
Settle = datenum('15-Dec-2007'); CurveTimes = [1:5 7 10 20]'; ZeroRates = [.01 .018 .024 .029 .033 .034 .035 .034]'; CurveDates = daysadd(Settle,360*CurveTimes,1); irdc = IRDataCurve('Zero',Settle,CurveDates,ZeroRates); a = .07; b = .5; sigma = .01; eta = .006; rho = -.7; G2PP = LinearGaussian2F(irdc,a,b,sigma,eta,rho)
G2PP = LinearGaussian2F with properties: ZeroCurve: [1x1 IRDataCurve] a: @(t,V)ina b: @(t,V)inb sigma: @(t,V)insigma eta: @(t,V)ineta rho: -0.7000
Используйте метод simTermStructs
, чтобы моделировать структуры термина на основе модели LinearGaussian2F
.
SimPaths = simTermStructs(G2PP, 10,'nTrials',100);
deltaTime
Создайте 2D факторную аддитивную Гауссову модель процентной ставки.
Settle = datenum('15-Dec-2007'); CurveTimes = [1:5 7 10 20]'; ZeroRates = [.01 .018 .024 .029 .033 .034 .035 .034]'; CurveDates = daysadd(Settle,360*CurveTimes,1); irdc = IRDataCurve('Zero',Settle,CurveDates,ZeroRates); a = .07; b = .5; sigma = .01; eta = .006; rho = -.7; G2PP = LinearGaussian2F(irdc,a,b,sigma,eta,rho)
G2PP = LinearGaussian2F with properties: ZeroCurve: [1x1 IRDataCurve] a: @(t,V)ina b: @(t,V)inb sigma: @(t,V)insigma eta: @(t,V)ineta rho: -0.7000
Используйте метод simTermStructs
, чтобы моделировать структуры термина на основе объекта LinearGaussian2F
, где неровные сроки симуляции заданы с помощью дополнительного аргумента deltaTime
значения имени в качестве вектора длины NPeriods
.
NPeriods = 10; dt = rand(NPeriods,1); SimPaths = G2PP.simTermStructs(NPeriods,'nTrials',100,'DeltaTime',dt);
G2PP
— LinearGaussian2F
Объект LinearGaussian2F
, заданное использование объекта G2PP
, созданного с помощью LinearGaussian2F
.
Типы данных: object
nPeriods
— Количество периодов симуляцииКоличество периодов симуляции, заданных как числовое значение. Например, чтобы моделировать 12 лет с ежегодным интервалом, задайте 12
как вход nPeriods
, и 1
как дополнительный вход deltaTime
(обратите внимание, что значением по умолчанию для deltaTime
является 1
).
Типы данных: double
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми.
Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение.
Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
[ZeroRates,ForwardRates] = simTermStructs(G2PP,NPeriods,'nTrials',100,'deltaTime',dt)
'deltaTime'
— Временной шаг между nPeriods
1
(значение по умолчанию) | числовойВременной шаг между nPeriods
, заданным как пара, разделенная запятой, состоящая из 'deltaTime'
и числовым скаляром или вектором. Например, чтобы моделировать 12 лет с ежегодным интервалом, задайте 12
как вход nPeriods
, и 1
как дополнительный вход deltaTime
(обратите внимание, что значением по умолчанию для deltaTime
является 1
).
Типы данных: double
'nTrials'
— Количество моделируемых испытаний1
(значение по умолчанию) | положительное целое числоКоличество моделируемых испытаний (демонстрационные пути), заданный как пара, разделенная запятой, состоящая из 'nTrials'
и значение положительного скалярного целого числа наблюдений nPeriods
каждый. Если вы не задаете значение для этого аргумента, значением по умолчанию является 1
, указывая на один путь коррелированых переменных состояния.
Типы данных: double
'antithetic'
— Отметьте указание, используется ли прямо противоположная выборка, чтобы сгенерировать Гауссовы случайные варьируемые величиныfalse
(значение по умолчанию) | положительное целое числоОтметьте указание, используется ли прямо противоположная выборка, чтобы сгенерировать Гауссовы случайные варьируемые величины, которые управляют смещением нуля, уровень модульного отклонения Броуновский векторный dW (t), заданный как пара, разделенная запятой, состоящая из 'antithetic'
и булева скалярного флага. Для получения дополнительной информации смотрите simBySolution
для модели HWV.
Типы данных: логический
Z
Прямая спецификация зависимого случайного шумового процессаsimBySolution
(значение по умолчанию) | числовойПрямая спецификация зависимого случайного шумового процесса, заданного как пара, разделенная запятой, состоящая из 'Z'
и числового значения. Значение Z
используется, чтобы сгенерировать смещение нуля, уровень модульного отклонения Броуновский векторный dW (t), который управляет симуляцией. Для получения дополнительной информации смотрите simBySolution
для модели HWV. Если вы не задаете значение для Z
, simBySolution
генерирует Гауссовы варьируемые величины.
Типы данных: double
'Tenor'
— Сроки платежа, чтобы вычислить на каждом временном шагеLinearGaussian2F
(значение по умолчанию) | числовой векторСроки платежа, чтобы вычислить на каждом временном шаге, заданном как пара, разделенная запятой, состоящая из 'Tenor'
и числового вектора.
Tenor
позволяет вам выбрать различный набор уровней, чтобы вывести, чем базовые уровни. Например, можно хотеть моделировать ежеквартальные данные, но только сообщить о годовых показателях; это может быть сделано путем определения дополнительного входа Tenor
.
Типы данных: double
ZeroRates
— Моделируемые структуры термина нулевого уровняМоделируемые структуры термина нулевого уровня, возвращенные как nPeriods+1
-by-nTenors-by-
nTrials
матрица.
ForwardRates
— Моделируемые структуры термина форвардного курсаМоделируемые структуры термина нулевого уровня, возвращенные как nPeriods+1
-by-nTenors-by-
nTrials
матрица. ForwardRates
вывод вычисляется с помощью моделируемых коротких уровней и при помощи образцового определения, чтобы восстановить целую кривую доходности в каждую дату симуляции.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.