Моделирование структуры терминов для двухфакторной аддитивной гауссовской модели процентных ставок
[ моделирует будущие траектории нулевой кривой с использованием указанного ZeroRates,ForwardRates] = simTermStructs(G2PP,nPeriods)LinearGaussian2F объект.
[ добавляет необязательные аргументы пары имя-значение. ZeroRates,ForwardRates] = simTermStructs(___,Name,Value)
Создайте двухфакторную аддитивную гауссову модель процентных ставок.
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 simTermStructs метод моделирования структур терминов на основе LinearGaussian2F модель.
SimPaths = simTermStructs(G2PP, 10,'nTrials',100);deltaTimeСоздайте двухфакторную аддитивную гауссову модель процентных ставок.
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 simTermStructs метод моделирования структур терминов на основе LinearGaussian2F объект, где теноры неравномерного моделирования задаются с помощью необязательного аргумента имя-значение deltaTime как вектор длины NPeriods.
NPeriods = 10; dt = rand(NPeriods,1); SimPaths = G2PP.simTermStructs(NPeriods,'nTrials',100,'DeltaTime',dt);
G2PP — LinearGaussian2F объектLinearGaussian2F объект, указанный с помощью G2PP объект, созданный с помощью LinearGaussian2F.
Типы данных: object
nPeriods - Количество периодов моделированияКоличество периодов моделирования, указанное как числовое значение. Например, для моделирования 12 лет с ежегодным интервалом укажите 12 в качестве nPeriods входные данные и 1 в качестве необязательного deltaTime input (обратите внимание, что значение по умолчанию для deltaTime является 1).
Типы данных: double
Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.
[ZeroRates,ForwardRates] = simTermStructs(G2PP,NPeriods,'nTrials',100,'deltaTime',dt)'deltaTime' - Временной шаг между nPeriods1
(по умолчанию) | числовыеВременной шаг между nPeriods, указанная как пара, разделенная запятыми, состоящая из 'deltaTime' и числовой скаляр или вектор. Например, для моделирования 12 лет с ежегодным интервалом укажите 12 в качестве nPeriods входные данные и 1 в качестве необязательного deltaTime input (обратите внимание, что значение по умолчанию для deltaTime является 1).
Типы данных: double
'nTrials' - Количество смоделированных испытаний1
(по умолчанию) | положительное целое числоКоличество моделируемых испытаний (пути выборки), указанное как пара, разделенная запятыми, состоящая из 'nTrials' и положительное скалярное целое значение nPeriods наблюдения каждый. Если значение для этого аргумента не указано, по умолчанию используется значение 1, указывая единственный путь коррелированных переменных состояния.
Типы данных: double
'antithetic' - Флаг, указывающий, используется ли антитетическая выборка для генерации гауссовых случайных вариацийfalse
(по умолчанию) | положительное целое числоФлаг, указывающий, используется ли антитетическая выборка для генерации гауссовых случайных вариаций, которые управляют нулевым дрейфом, единичной дисперсионной скоростью броуновского вектора dW (t), указанного как пара, разделенная запятыми, состоящая из 'antithetic' и логический скалярный флаг. Для получения более подробной информации см. simBySolution для модели HWV.
Типы данных: logical
'Z' - Прямая спецификация зависимого процесса случайного шумаsimBySolution функция (по умолчанию) | числовыеПрямая спецификация зависимого процесса случайного шума, определяемая как разделенная запятыми пара, состоящая из 'Z' и числовое значение. Z Это значение используется для генерации броуновского вектора dW (t) с нулевым дрейфом и единичной дисперсией, который управляет моделированием. Для получения более подробной информации см.simBySolution для модели HWV. Если не указано значение для Z, simBySolution генерирует гауссовы вариации.
Типы данных: double
'Tenor' - Сроки погашения, рассчитываемые на каждом шаге времениLinearGaussian2F нулевая кривая объекта (по умолчанию) | числовой векторСроки погашения, рассчитываемые на каждом временном шаге, указанные как пара, разделенная запятыми, состоящая из 'Tenor' и числовой вектор.
Tenor позволяет выбрать другой набор ставок для вывода, чем базовые ставки. Например, может потребоваться моделирование квартальных данных, но только годовых ставок; это можно сделать, указав дополнительный ввод Tenor.
Типы данных: double
ZeroRates - Смоделированные срочные структуры с нулевой скоростьюСмоделированные структуры членов нулевой ставки, возвращенные как nPeriods+1около-nTenorsоколо-nTrials матрица.
ForwardRates - Смоделированные срочные структуры форвардных ставокСмоделированные структуры членов нулевой ставки, возвращенные как nPeriods+1около-nTenorsоколо-nTrials матрица. ForwardRates вывод вычисляется с использованием смоделированных коротких ставок и определения модели для восстановления всей кривой доходности на каждую дату моделирования.
Имеется измененная версия этого примера. Открыть этот пример с помощью изменений?
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.