cfbycir

Ценовые денежные потоки из дерева процентных ставок Кокс-Ингерсолл-Росс

Описание

пример

[Price,PriceTree] = cfbycir(CIRTree,CFlowAmounts,CFlowDates,Settle) ценовые денежные потоки из процентного дерева Кокса-Ингерсолла-Росса (CIR) с использованием модели CIR++ с подходом Навалки-Беляевой (NB).

пример

[Price,PriceTree] = cfbycir(___,Basis) добавляет необязательный аргумент для Basis.

Примеры

свернуть все

Цена портфеля, содержащего два инструмента денежного потока, ежегодно выплачивающих проценты в течение четырехлетнего периода с 1 января 2017 года по 1 июня 2020 года.

Загрузите файл deriv.mat, который обеспечивает CIRTree. The CIRTree структура содержит информацию о времени и процентной ставке, необходимую для оценки инструментов.

load deriv.mat;

Дата оценки (дата расчета), заданная в CIRTree 1 января 2017 года (серийный номер даты 736696).

CIRTree.RateSpec.ValuationDate 
ans = 736696

Задайте значения для других обязательных аргументов.

CFlowAmounts =[5 NaN 5.5 105; 5 0 6 105];
CFlowDates = [736847,NaN,737061,737212; 
              737426,737577,737791,737943];

Вычислите цены двух инструментов денежного потока с помощью cfbycir.

[Price,PriceTree] = cfbycir(CIRTree, CFlowAmounts, CFlowDates,... 
CIRTree.RateSpec.ValuationDate)
Price = 2×1

  109.6845
   98.7246

PriceTree = struct with fields:
     FinObj: 'CIRPriceTree'
      PTree: {1x5 cell}
       tObs: [0 1 2 3 4]
    Connect: {[3x1 double]  [3x3 double]  [3x5 double]}
      Probs: {[3x1 double]  [3x3 double]  [3x5 double]}

Входные параметры

свернуть все

Древовидная структура процентной ставки, заданная при помощи cirtree.

Типы данных: struct

Суммы денежного потока, заданные как ряд инструментов (NINST) по максимальному количеству денежных потоков (MOSTCFS) матрица сумм денежного потока. Каждая строка является списком значений денежного потока для одного инструмента. Если инструмент имеет меньше MOSTCFS денежные потоки, конец строки заполнен NaNс.

Типы данных: double

Даты движения денежных средств, заданные как NINST-by- MOSTCFS матрица. Каждая запись содержит серийный номер даты соответствующего денежного потока в CFlowAmounts.

Типы данных: double

Дата расчета, заданная как вектор серийных номеров дат, векторов символов даты, строковых массивов или массивов datetime. The Settle дата для каждого денежного потока устанавливается в ValuationDate дерева CIR. Аргумент денежного потока Settle игнорируется.

Типы данных: double | char | string | datetime

(Необязательно) Дневной базис инструмента, заданный как вектор целых чисел.

  • 0 = факт/факт

  • 1 = 30/360 (SIA)

  • 2 = факт/360

  • 3 = факт/365

  • 4 = 30/360 (PSA)

  • 5 = 30/360 (ISDA)

  • 6 = 30/360 (европейский)

  • 7 = факт/365 (японский)

  • 8 = факт/факт (ICMA)

  • 9 = факт/360 (ICMA)

  • 10 = факт/365 (ICMA)

  • 11 = 30/360E (ICMA)

  • 12 = факт/365 (ISDA)

  • 13 = BUS/252

Для получения дополнительной информации см. раздел Базиса.

Типы данных: double

Выходные аргументы

свернуть все

Ожидаемые цены в момент 0, возвращенные как NINST-by- 1 вектор.

Древовидная структура цен на приборы, возвращенная как MATLAB® структура деревьев, содержащих векторы цен на приборы и времени наблюдения для каждого узла. Внутри PriceTree:

  • PriceTree.PTree содержит чистые цены.

  • PriceTree.tObs содержит время наблюдения.

  • PriceTree.Connect содержит векторы связности. Каждый элемент массива ячеек описывает, как узлы на этом уровне соединяются с следующим. Для заданного уровня дерева существуют NumNodes элементы в векторе, и они содержат индекс узла на следующем уровне, с которым соединяется средняя ветвь. Вычитание 1 из этого значения указывает, где соединяется восходящая ветвь, и добавление 1 указывает, где соединяется нисходящая ветвь.

  • PriceTree.Probs содержит массивы вероятностей. Каждый элемент массива ячеек содержит вероятности перехода вверх, посередине и вниз для каждого узла уровня.

Ссылки

[1] Кокс, Дж., Ингерсолл, Дж., и С. Росс. «Теория срочной структуры процентных ставок». Эконометрика. Том 53, 1985.

[2] Бриго, Д. и Ф. Меркурио. Модели процентных ставок - теория и практика. Springer Finance, 2006.

[3] Хирса, А. Вычислительные методы в финансах. CRC Press, 2012.

[4] Навалка, С., Сото, Г., и Н. Беляева. Динамическое моделирование структуры термина. Уайли, 2007.

[5] Нельсон, Д. и К. Рамасвами. Простые биномиальные процессы как диффузионные приближения в финансовых моделях. Обзор финансовых исследований. Vol 3. 1990, стр 393–430.

Введенный в R2018a
Для просмотра документации необходимо авторизоваться на сайте