Upload
vankhue
View
221
Download
4
Embed Size (px)
Citation preview
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Penzugyi matematika es R
Gall JozsefDebreceni Egyetem, Kozgazdasagtudomanyi Kar
Altenburger Szimpozium, 2009
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Penzugyi csomagok
Konyvek, webes forrasok
Nehany csomag, peldakfPortfolioVaR, +fBondsfOptions
Egy kamatlabpelda
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
’Elozmenyek’
Jeszenszky Peter: R eloadasok, MAT Oszi Iskola, 2009http://www.inf.unideb.hu/˜jeszy/R/index.html
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
R project
http://cran.at.r-project.org/CRAN Task Views
◮ Finance: Empirical Finance,
◮ Econometrics: Computational Econometrics,
◮ TimeSeries: Time Series Analysis,
◮ Multivariate: Multivariate Statistics,
◮ Distributions: Probability Distributions,
◮ Optimization: Optimization and Mathematical Programming.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Installalas
install.packages(”ctv”)library(”ctv”)install.views(”Finance”)update.views(”Finance”)
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
CRAN Task Views: Finance
◮ Finance (fOptions, fAsianOptions, fAssets, fBasics, fBonds,fExtremes, stb),
◮ Risk management (VaR, CreditMetrics),
◮ Standard regression models,
◮ Time series.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
CRAN Task Views: Finance, csomagok
actuar, ArDec, backtest, bayesGARCH, BLCOP, CADFtest, car,ccgarch, ChainLadder, copula, CreditMetrics, data.table, dlm, dse,dyn, dynamo, dynlm, evd, evdbayes, evir, extRemes, fame, fArma,fAsianOptions, fAssets, fBasics, fBonds, fCopulae, fEcofin,fExoticOptions, fExtremes, fgac, fGarch, fImport, financial,fMultivar, fNonlinear, fOptions, forecasting, fPortfolio, fracdiff,FracSim, fractal, fRegression, fTrading, fUnitRoots, fUtilities,ghyp, gogarch, fBrokers, ismev, its,lmtest, longmemo, MSBVAR,MSVAR, mvtnorm, opentick, PerformanceAnalytics, portfolio,portfolioSim, POT, QRMlib, quantmod, RBloomberg, Rcmdr,realized, RQuantLib, rwt, sandwich, sde, strucchange, tawny,termstrc, timeDate, timeSeries, timsac, tis, tradeCosts, TSdbi,tsDyn, tseries, tseriesChaos, tsfa, TTR, urca, uroot, VaR, vars,vrtest, wavelets, waveslim, wavethresh, xts, Zelig, zoo
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
RMetrics
◮ http://www.rmetrics.org/
◮ Time Series Econometrics, Hypothesis Testing, GARCHModelling and Volatility Forecasting, Extreme Value Theory &Copulae, Pricing of Derivatives, Portfolio Analysis, Design andOptimization.
◮ Diethelm Wurtz, Yohan Chalabi, William Chen, Andrew Ellis:Portfolio Optimization with R/Rmetrics, Rmetrics eBooks2009, Finance Online Publishing, Zurich
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Webes forrasok, I
Lei Jin: R Code and examples for David Ruppert ’s book:Statisticsand Finance: An Introduction,http://www.stat.tamu.edu/˜ljin/Finance/stat689-R.htmChapter 2: Probability and Statistical ModelsChapter 3: ReturnsChapter 4: Time SeriesChapter 5: Portfolio TheoryChapter 7: The Capital Asset Pricing ModelChapter 8: Option PricingChapter 9: Fixed Income SecuritiesChapter 10: ResamplingChapter 12: GARCH Models
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Webes forrasok, II
◮ Jeszenszky, P (Debreceni Egyetem): jegyzetek, peldak, linkek,stb, http://www.inf.unideb.hu/˜jeszy/R/index.html,
◮ Solymosi, N.: <-...erre, erre...! (Bevezetes az R-nyelv eskornyezet hasznalataba),http://cran.r-project.org/doc/contrib/Solymosi-Rjegyzet.pdf,
◮ Munnich, A, Nagy, A es Abari, K (Debreceni Egyetem):Tobbvaltozos statisztika pszichologus hallgatok szamarahttp://psycho.unideb.hu/statisztika/index2.html,
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Books on R by R Core Team members, I
◮ John M. Chambers (2008), Software for Data Analysis:Programming with R. Springer, New York,http://stat.stanford.edu/˜jmc4/Rbook/.
◮ Peter Dalgaard (2008), Introductory Statistics with R, 2ndedition. Springer, http://www.biostat.ku.dk/˜pd/ISwR.html.
◮ Robert Gentleman (2008), R Programming for Bioinformatics.Chapman & Hall/CRC, Boca Raton, FL,http://www.bioconductor.org/pub/RBioinf/.
◮ Stefano M. Iacus (2008), Simulation and Inference forStochastic Differential Equations: With R Examples. Springer,New York.
◮ Deepayan Sarkar (2007), Lattice: Multivariate DataVisualization with R. Springer, New York.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Books on R by R Core Team members, II
◮ W. John Braun and Duncan J. Murdoch (2007), A FirstCourse in Statistical Programming with R. CambridgeUniversity Press, Cambridge.
◮ P. Murrell (2005), R Graphics, Chapman & Hall/CRC,http://www.stat.auckland.ac.nz/˜paul/RGraphics/rgraphics.html.
◮ William N. Venables and Brian D. Ripley (2002), ModernApplied Statistics with S (4th edition). Springer,http://www.stats.ox.ac.uk/pub/MASS4/.
◮ Jose C. Pinheiro and Douglas M. Bates (2000), Mixed-EffectsModels in S and S-Plus. Springer.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
fPortfolio
◮ mean-variance (Markowitz) elmelet,
◮ mean–VaR/CVaR portfoliok,
◮ egyeb valtozatok, feltetelek.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: portfolio frontier 1
Frontier = portfolioFrontier(Data)frontierPlot(Frontier, ...)
0.00 0.05 0.10 0.15 0.20 0.25
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
MV | s
olveR
quad
prog
Efficient Frontier
Target Risk[Cov]
Targe
t Retu
rn[me
an]
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: portfolio frontier 2
minvariancePoints(Frontier, ...)
0.00 0.05 0.10 0.15 0.20 0.25
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
MV | s
olveR
quad
prog
Efficient Frontier
Target Risk[Cov]
Targe
t Retu
rn[me
an]
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: portfolio frontier 3
tangencyPoints(Frontier, ...)
0.00 0.05 0.10 0.15 0.20 0.25
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
MV | s
olveR
quad
prog
Efficient Frontier
Target Risk[Cov]
Targe
t Retu
rn[me
an]
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: portfolio frontier 4
tangencyLines(Frontier, ...)
0.00 0.05 0.10 0.15 0.20 0.25
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
MV | s
olveR
quad
prog
Efficient Frontier
Target Risk[Cov]
Targe
t Retu
rn[me
an]
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: portfolio frontier 5
singleAssetPoints(Frontier, ...)
0.00 0.05 0.10 0.15 0.20 0.25
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
MV | s
olveR
quad
prog
Efficient Frontier
Target Risk[Cov]
Targe
t Retu
rn[me
an]
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: portfolio frontier 6
twoAssetsLines(Frontier, ...)
0.00 0.05 0.10 0.15 0.20 0.25
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
MV | s
olveR
quad
prog
Efficient Frontier
Target Risk[Cov]
Targe
t Retu
rn[me
an]
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Megjegyzes: parameterek
◮ setWeights(spec), setTargetReturn(spec),setTargetRisk(spec), setRiskFreeRate(spec),setNFrontierPoints(spec), setStatus(spec),
◮ setSolver(spec), setObjective(spec), setTrace(spec)setType(spec), setOptimize(spec), setEstimator(spec),setTailRisk(spec), setParams(spec), setAlpha(spec)
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
VaR
◮ VaR.norm (VaR-ban): Value at Risk, lognormalis kozelıtes,
◮ VaR.gpd (VaR-ban): Value at Risk, altalanosıtott Paretoeloszlas (likelihood illesztes),
◮ tovabba ValueAtRisk: fExtremes-ben, szinten VaR es CVaR,
◮ es egyeb eloszlasok, csomagok.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
fBonds
◮ TermStructure,
◮ NelsonSiegel,
◮ Svensson.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Opciok
◮ fOptions: binaris fak, Black-Scholes, Gorogok.
◮ fAsianOptions, fExoticOptions: utfuggo opciok (barrier,binary, lookback, multiple asset, currency/translated,
◮ fAsianOptions: segedfv-ek.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: Binomialis (CRR) modell, library(fOptions)
CRRTree=BinomialTreeOption(TypeFlag = ”pa”,... )BinomialTreePlot(CRRTree, ... )
1 2 3 4 5
−6−4
−20
24
6
n
Optio
n Valu
e
6.33
11.26
2.14
19.11
4.64
0
27.25
10.06
0
0
34.57
19.11
0
0
0
Option Tree
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
fPortfolioVaR, +fBondsfOptions
Pelda: CRR konvergencia (Eu put)
0 10 20 30 40
5.65.8
6.06.2
6.46.6
Index
Optio
n Valu
e
Convergence
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
Egy kamatlabpelda:
◮ diszkret ideju veletlen mezos forward kamatlabmodell,
◮ egyuttes ML becslesek R-ben,
◮ nem i.i.d. (fae) megfigyelesek, nincs explicit alak a becslesre,
◮ R: optim fv, klasszikus numerikus ML becsles.
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R
Penzugyi csomagokKonyvek, webes forrasokNehany csomag, peldak
Egy kamatlabpelda
optim
◮ NelderMead, quasi-Newton and conjugate-gradient algorithms,
◮ ”BFGS” modszer: quasi-Newton (Broyden, Fletcher, Goldfarband Shanno, ’70).
◮ ”CG” modszer: conjugate gradients (Fletcher and Reeves,’64),
◮ ”L-BFGS-B”: Byrd et. al., ’95), box constraints,
◮ ”SANN”: variant of simulated annealing given in Belisle(1992), non-differentiable functions,
Gall Jozsef Debreceni Egyetem, Kozgazdasagtudomanyi Kar Penzugyi matematika es R