cfbycir

Ценовые потоки наличности от дерева процентной ставки Кокса-Инджерсолла-Росса

Описание

пример

[Price,PriceTree] = cfbycir(CIRTree,CFlowAmounts,CFlowDates,Settle) ценовые потоки наличности от Кокса-Инджерсолла-Росса (CIR) дерево процентной ставки использование модели CIR ++ с подходом Навалька-Беляевой (NB).

пример

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

Примеры

свернуть все

Оцените портфель, содержащий два инструмента потока наличности, выплачивающие процент ежегодно за четырехлетний период с 1 января 2017 до 1 июня 2020.

Загрузите файл deriv.mat, который обеспечивает CIRTree. CIRTree структура содержит время и информацию процентной ставки, запрошенную, чтобы оценить инструменты.

load deriv.mat;

Дата оценки (улаживают дату), заданный в CIRTree 1 января 2017 (последовательный номер даты 736696).

CIRTree.RateSpec.ValuationDate 
ans = 736696

Введите 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 на два инструмента потока наличности 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

Поток наличности составляет в виде многих инструментов (NINST) максимальным количеством потоков наличности (MOSTCFS) матрица сумм потока наличности. Каждая строка является списком значений потока наличности для одного инструмента. Если инструмент имеет меньше, чем MOSTCFS потоки наличности, конец строки дополнен NaNs.

Типы данных: double

Даты потока наличности в виде NINST- MOSTCFS матрица. Каждая запись содержит последовательное количество даты соответствующего потока наличности в CFlowAmounts.

Типы данных: double

Расчетный день в виде вектора из последовательных чисел даты, векторов символов даты, строковых массивов или массивов datetime. Settle дата каждого потока наличности назначена к ValuationDate из дерева CIR. Аргумент Settle потока наличности проигнорирован.

Типы данных: double | char | string | datetime

(Необязательно) базис Дневного количества инструмента в виде вектора из целых чисел.

  •  0 = фактический/фактический

  •  1 = 30/360 (СИА)

  •  2 = Фактический/360

  •  3 = Фактический/365

  •  4 = 30/360 (PSA)

  •  5 = 30/360 (ISDA)

  •  6 = 30/360 (европеец)

  •  7 = Фактический/365 (японский язык)

  •  8 = фактический/фактический (ICMA)

  •  9 = Фактический/360 (ICMA)

  •  10 = Фактический/365 (ICMA)

  •  11 = 30/360E (ICMA)

  •  12 = Фактический/365 (ISDA)

  •  13 = ШИНА/252

Для получения дополнительной информации смотрите Базис.

Типы данных: double

Выходные аргументы

свернуть все

Ожидаемые цены во время 0, возвращенный как NINST- 1 вектор.

Древовидная структура цен на инструменты, возвращенных как MATLAB® структура деревьев, содержащих векторы из цен на инструменты и времена наблюдения для каждого узла. В PriceTree:

  • PriceTree.PTree содержит чистые цены.

  • PriceTree.tObs содержит времена наблюдения.

  • PriceTree.Connect содержит векторы возможности соединения. Каждый элемент в массиве ячеек описывает, как узлы на том уровне соединяются со следующим. Для данного древовидного уровня существует NumNodes элементы в векторе, и они содержат индекс узла на следующем уровне, с которым соединяется средняя ветвь. Вычитание 1 от того значения указывает, где подключения-ветви к, и добавление 1 указали, где вниз переходят подключения к.

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

Ссылки

[1] Cox, J., Ингерсолл, J. и С. Росс. "Теория термина структура процентных ставок". Econometrica. Издание 53, 1985.

[2] Brigo, D. и Ф. Меркурио. Модели процентной ставки - теория и практика. Финансы Спрингера, 2006.

[3] Hirsa, A. Вычислительные методы в финансах. Нажатие CRC, 2012.

[4] Nawalka, S., Soto, G. и Н. Беляева. Динамическое моделирование структуры термина. Вайли, 2007.

[5] Нельсон, D. и К. Рамасвами. "Простые Биномиальные Процессы как Приближения Диффузии в Финансовых Моделях". Анализ Финансовых Исследований. Vol 3. 1990, стр 393–430.

Введенный в R2018a
Для просмотра документации необходимо авторизоваться на сайте