Симулируйте демонстрационные пути Хестона с плотностью перехода
[ задает опции с помощью одного или нескольких аргументов пары "имя-значение" в дополнение к входным параметрам в предыдущем синтаксисе.Paths,Times] = simByTransition(___,Name,Value)
heston ОбъектСимулируйте демонстрационные пути Хестона с плотностью перехода.
Задайте параметры для heston объект.
Return = 0.03; Level = 0.05; Speed = 1.0; Volatility = 0.2; AssetPrice = 80; V0 = 0.04; Rho = -0.7; StartState = [AssetPrice;V0]; Correlation = [1 Rho;Rho 1];
Создайте heston объект.
hestonObj = heston(Return,Speed,Level,Volatility,'startstate',StartState,'correlation',Correlation)
hestonObj =
Class HESTON: Heston Bivariate Stochastic Volatility
----------------------------------------------------
Dimensions: State = 2, Brownian = 2
----------------------------------------------------
StartTime: 0
StartState: 2x1 double array
Correlation: 2x2 double array
Drift: drift rate function F(t,X(t))
Diffusion: diffusion rate function G(t,X(t))
Simulation: simulation method/function simByEuler
Return: 0.03
Speed: 1
Level: 0.05
Volatility: 0.2
Задайте параметры симуляции.
nPeriods = 5; % Simulate sample paths over the next five years
Paths = simByTransition(hestonObj,nPeriods);
PathsPaths = 6×2
80.0000 0.0400
92.9915 0.0343
108.6211 0.0737
52.9617 0.1012
46.9805 0.1243
54.3704 0.0571
MDL — Стохастическая модель дифференциального уравненияheston объектСтохастическая модель дифференциального уравнения в виде heston объект. Для получения дополнительной информации о создании heston возразите, смотрите heston.
Типы данных: object
NPeriods — Количество периодов симуляцииКоличество периодов симуляции в виде положительного скалярного целого числа. Значение NPeriods определяет количество строк симулированного выходного ряда.
Типы данных: double
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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.
[Paths,Times] = simByTransition(Heston,NPeriods,'DeltaTimes',dt)'NTrials' — Симулированные испытания (демонстрационные пути)Симулированные испытания (демонстрационные пути) NPeriods наблюдения каждый в виде разделенной запятой пары, состоящей из 'NTrials' и положительное скалярное целое число.
Типы данных: double
'DeltaTimes' — Положительное время постепенно увеличивается между наблюдениямиПоложительное время постепенно увеличивается между наблюдениями в виде разделенной запятой пары, состоящей из 'DeltaTimes' и скаляр или NPeriods- 1 вектор-столбец.
DeltaTime представляет знакомый dt, найденный в стохастических дифференциальных уравнениях, и определяет времена, в которые сообщают о симулированных путях переменных состояния вывода.
Типы данных: double
'NSteps' — Количество промежуточных временных шаговКоличество промежуточных временных шагов в течение каждого раза постепенно увеличивает dt (заданный как DeltaTimes) в виде разделенной запятой пары, состоящей из 'NSteps' и положительное скалярное целое число.
simByTransition функциональные разделы каждый раз постепенно увеличивают dt в NSteps подынтервалы длины dt/NSteps, и совершенствовал симуляцию путем оценки симулированного вектора состояния в NSteps − 1 промежуточные точки. Несмотря на то, что simByTransition не сообщает вектор состояния вывода в этих промежуточных точках, улучшение улучшает точность, позволяя симуляции более тесно аппроксимировать базовый процесс непрерывного времени.
Типы данных: double
'StorePaths' — Отметьте для устройства хранения данных и метода возвратаTrue
(значение по умолчанию) | логический с True или FalseОтметьте для устройства хранения данных и метода возврата, который указывает как выходной массив Paths хранится и возвратился в виде разделенной запятой пары, состоящей из 'StorePaths' и скалярный логический флаг со значением True или False.
Если StorePaths True (значение по умолчанию), или не задано, затем simByTransition возвращает Paths как 3D массив временных рядов.
Если StorePaths False (логический 0), затем simByTransition возвращает Paths выходной массив как пустая матрица.
Типы данных: логический
'Processes' — Последовательность процессов конца периода или корректировок вектора состоянияsimByTransition не вносит корректировок и не выполняет обработки (значение по умолчанию) | функция | массив ячеек функцийПоследовательность процессов конца периода или корректировок вектора состояния в виде разделенной запятой пары, состоящей из 'Processes' и функциональный или массив ячеек функций формы
simByTransition применяет функции обработки в конце каждого периода наблюдения. Функции обработки принимают текущее время наблюдения t и вектор текущего состояния X t, и возвращают вектор состояния, который может настроить состояние ввода.
Если вы задаете больше чем одну функцию обработки, simByTransition вызывает функции в порядке, в котором они появляются в массиве ячеек.
Типы данных: cell | function
Paths — Симулированные пути коррелированых переменных состоянияСимулированные пути коррелированых переменных состояния, возвращенных как (NPeriods + 1)- NVars- NTrials 3D массив временных рядов.
Для данного испытания, каждой строки Paths транспонирование вектора состояния X t во время t. Когда входной флаг StorePaths = False, simByTransition возвращает Paths как пустая матрица.
Times — Времена наблюдения сопоставлены с симулированными путямиВремена наблюдения сопоставлены с симулированными путями, возвращенными как (NPeriods + 1)- 1 вектор-столбец. Каждый элемент Times сопоставлен с соответствующей строкой Paths.
CIR SDE не имеет никакого решения, таким образом что r (t) = f (r (0), ⋯).
Другими словами, уравнение не явным образом разрешимо. Однако плотность перехода для процесса известна.
Точная симуляция для распределения r (t _1), ⋯, r (t _n) является симуляцией процесса во времена t _1, ⋯, t _n для того же значения r (0). Плотность перехода для этого процесса известна и описывается как
Модели Хестона являются двумерными составными моделями.
Каждая модель Хестона состоит из двух двойных одномерных моделей:
Геометрическое броуновское движение (gbm) модель со стохастической функцией энергозависимости.
Эта модель обычно соответствует ценовому процессу, энергозависимостью которого (уровень отклонения) управляет вторая одномерная модель.
Кокс-Инджерсолл-Росс (cir) модель диффузии квадратного корня.
Эта модель описывает эволюцию уровня отклонения двойного ценового процесса GBM.
[1] Глассермен, методы Монте-Карло Пола в финансовой разработке. Нью-Йорк: Springer-Verlag, 2004.
[2] Ван Хээстречт, Александр и Антун Пелссер. "Эффективная, Почти Точная Симуляция Хестона Стохастическая Модель Энергозависимости". Международный журнал Теоретических и Прикладных Финансов. 13, № 01 (2010): 1–43.
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
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.