متوسط ريسك متريكس المرجح بشكل كبير - الحركة -

استكشاف المتوسط ​​المتحرك الموزون أسي. فولياتيليتي هو المقياس الأكثر شيوعا من المخاطر، لكنه يأتي في العديد من النكهات في مقال سابق، أظهرنا كيفية حساب التقلبات التاريخية البسيطة لقراءة هذه المقالة، انظر استخدام التقلب لقياس المخاطر في المستقبل استخدمنا جوجل s البيانات الفعلية لأسعار الأسهم من أجل حساب التقلب اليومي استنادا إلى 30 يوما من بيانات المخزون في هذه المقالة، سوف نقوم بتحسين التقلبات البسيطة ومناقشة المتوسط ​​المتحرك المرجح أضعافا إوما التاريخية المتضمنة التقلب الضمني أولا، دعونا نضع هذا المقياس في قليلا من منظور هناك نهجان واسعان التقلب التاريخي والضمني أو الضمني النهج التاريخي يفترض أن الماضي هو مقدمة نحن قياس التاريخ على أمل أن يكون التنبؤية التقلب الضمني، من ناحية أخرى، يتجاهل التاريخ الذي يحل للتقلبات التي تنطوي عليها أسعار السوق وهي تأمل في أن يعرف السوق على أفضل وجه وأن سعر السوق يحتوي، حتى ولو ضمنا، على تقدير للآراء المتقلبة إتي للقراءة ذات الصلة، انظر استخدامات وحدود التقلب. إذا كنا نركز على النهج التاريخية الثلاثة فقط على اليسار أعلاه، لديهم خطوتين في common. Calculate سلسلة من العائدات الدورية. تطبيق مخطط الترجيح. أولا، نحسب العائد الدوري هذا هو عادة سلسلة من العائدات اليومية حيث يتم التعبير عن كل عودة في مصطلحات معقدة بشكل متواصل لكل يوم، ونحن نأخذ السجل الطبيعي لنسبة أسعار الأسهم أي السعر اليوم مقسوما على سعر أمس، وهلم جرا. هذا ينتج سلسلة من العوائد اليومية، من أوي إلى u إم اعتمادا على عدد الأيام أيام م نحن قياس. وهذا يحصلنا على الخطوة الثانية هذا هو المكان الذي تختلف فيه ثلاثة نهج في المقالة السابقة باستخدام التقلب لقياس المخاطر في المستقبل، أظهرنا أن تحت اثنين من التبسيط مقبول، والتباين البسيط هو متوسط ​​العوائد التربيعية. لاحظ أن هذا المبلغ كل من العائدات الدورية، ثم يقسم هذا المجموع من قبل عدد من الأيام أو الملاحظات م لذلك، انها حقا جوس t متوسط ​​العوائد الدورية المربعة بطريقة أخرى، يعطى لكل عائد مربعة وزن متساوي لذلك إذا كان ألفا هو عامل ترجيح على وجه التحديد، 1 م، فإن التباين البسيط يبدو شبيها بهذا. إن إوما يحسن التباين البسيط. ضعف هذا النهج هو أن جميع العائدات كسب نفس الوزن يوم أمس s عودة الأخيرة جدا ليس له تأثير أكثر على التباين من العودة في الشهر الماضي يتم إصلاح هذه المشكلة باستخدام المتوسط ​​المتحرك المرجح أضعافا إوما، التي عوائد أكثر حداثة وزنا أكبر على التباين. المتوسط ​​المتحرك المرجح أضعافا إوما يدخل لامدا وهو ما يسمى معلمة التمهيد يجب أن يكون لامبا أقل من واحد في ظل هذا الشرط، بدلا من الأوزان متساوية، يتم ترجيح كل مربعات العائد من مضاعف على النحو التالي. على سبيل المثال، ريسمتريكس تم، وهي شركة إدارة المخاطر المالية، تميل إلى استخدام لامدا من 0 94، أو 94 وفي هذه الحالة، يتم ترجيح أول عائد دوري مربعة الأحدث بنسبة 1-0 94 94 0 6 ن إرجاع التربيع الموسع هو ببساطة لامدا متعددة من الوزن السابق في هذه الحالة 6 مضروبا في 94 5 64 والثالث في اليوم السابق الوزن s يساوي 1-0 94 0 94 2 5 30. وهذا معنى الأسي في إوما كل وزن هو المضاعف المستمر أي لامدا، والتي يجب أن تكون أقل من واحد من وزن اليوم السابق s وهذا يضمن التباين الذي هو مرجح أو منحازة نحو أحدث البيانات لمعرفة المزيد، راجع ورقة عمل إكسيل لتقلب غوغل s الفرق بين ببساطة التقلب و إوما ل غوغل هو موضح أدناه. التذبذب البسيط يزن بشكل فعال كل عودة دورية من قبل 0 196 كما هو مبين في العمود O كان لدينا عامين من بيانات سعر السهم اليومي وهذا هو 509 عوائد يومية و 1 509 0 196 ولكن لاحظ أن تعيينات العمود P ووزن 6، ثم 5 64، ثم 5 3 وهلم جرا هذا الفرق الوحيد بين التباين البسيط و EWMA. Remember بعد أن نجمع السلسلة بأكملها في العمود Q لدينا التباين، وهو مربع الانحراف المعياري إذا نحن نريد تقلب، نحن ني د لتذكر أن تأخذ الجذر التربيعي لهذا التباين. ما الفرق في التقلب اليومي بين التباين و إوما في حالة غوغل s انها كبيرة التباين البسيط أعطانا تقلب يومي من 2 4 ولكن إوما أعطى تقلب يومي من فقط 1 4 انظر جدول البيانات للحصول على التفاصيل على ما يبدو، استقر تقلب جوجل في أسفل في الآونة الأخيرة وبالتالي، قد يكون التباين البسيط مصطنع high. Today s التباين هو وظيفة بيور يوم ق الفرق سوف نلاحظ أننا بحاجة إلى حساب سلسلة طويلة من أضعافا مضاعفة انخفاض الأوزان فزنا ر تفعل الرياضيات هنا، ولكن واحدة من أفضل ملامح إوما هو أن السلسلة بأكملها يقلل بشكل ملائم إلى صيغة عودية. الاسترداد يعني أن اليوم مراجع الفرق أي أي وظيفة من اليوم السابق الصورة التباين يمكنك العثور على هذه الصيغة في جدول البيانات أيضا، وتنتج نفس النتيجة بالضبط مثل حساب لونغاند يقول اليوم الفرق s تحت إوما يساوي فارق التباين بالأوزان لامدا زائد أمس سس كواريد عودة يزنها ناقص لامدا لاحظ كيف نضيف فقط اثنين من المصطلحات معا يوم أمس التباين المرجح والأمثلة المرجحة، مربعة العودة. حتى ذلك، لامدا هو لدينا تمهيد المعلمة أعلى لامدا مثل ريسكمتريك s 94 يشير إلى تسوس أبطأ في سلسلة - من الناحية النسبية، سنحصل على المزيد من نقاط البيانات في السلسلة، وسوف تسقط ببطء أكثر من ناحية أخرى، إذا قلنا من لامدا، فإننا نشير إلى انحلال أعلى في الأوزان تسقط بسرعة أكبر، نتيجة التسوس السريع، وتستخدم نقاط بيانات أقل في جدول البيانات، لامدا هو المدخلات، حتى تتمكن من تجربة مع حساسية لها. تقلب سوماري هو الانحراف المعياري لحظية من الأسهم ومقياس المخاطر الأكثر شيوعا بل هو أيضا الجذر التربيعي من التباين يمكننا قياس التباين تاريخيا أو ضمنا تقلب ضمني عند قياس تاريخيا، وأسهل طريقة هو التباين البسيط ولكن الضعف مع التباين البسيط هو كل عوائد الحصول على نفس w ثمانية لذلك نحن نواجه المفاضلة الكلاسيكية نحن نريد دائما المزيد من البيانات ولكن المزيد من البيانات لدينا أكثر يتم تخفيف حسابنا من قبل البيانات أقل ذات الصلة المتوسط ​​المتحرك أضعافا مضاعفة إوما يحسن على التباين البسيط عن طريق تعيين الأوزان للعائدات الدورية عن طريق القيام هذا، يمكننا على حد سواء استخدام حجم عينة كبيرة ولكن أيضا إعطاء المزيد من الوزن لعوائد أكثر حداثة. لعرض برنامج تعليمي حول هذا الموضوع، قم بزيارة استطلاع بيونيك تورتل. A الذي أجراه مكتب الولايات المتحدة لإحصاءات العمل للمساعدة في قياس الوظائف الشاغرة. جمع البيانات من أرباب العمل. الحد الأقصى للمبلغ الذي يمكن للولايات المتحدة اقتراضه كان سقف الدين المنشأة بموجب قانون سندات الحرية الثاني. معدل الفائدة الذي تقدم به مؤسسة الإيداع الأموال المحتفظ بها في الاحتياطي الاتحادي إلى مؤسسة إيداع أخرى (1). مقياس إحصائي لتشتت العائدات لمؤشر أمن أو سوق معين يمكن قياس التقلب إما. وهو قانون أقره الكونجرس الأمريكي في عام 1933 بوصفه قانون المصارف الذي يحظر على المصارف التجارية المشاركة في الاستثمار. وتشير الرواتب غير الزراعية إلى أي وظيفة خارج المزارع والأسر المعيشية الخاصة والقطاع غير الربحي مكتب العمل الأمريكي. GARCH و EWMA.21 مايو 2010 من قبل ديفيد هاربر، كفا، فرم، CIPM. AIM قارن والتباين وحساب النهج المعلمية وغير المعلمية لتقدير التقلبات الشرطية بما في ذلك G مقاربة أرش بما في ذلك إكسوننتيال سموثينغ EWMA. Eononential تمهيد المعلمة الشرطية. الأساليب الحديثة تضع وزنا أكبر على المعلومات الأخيرة كل من إوما و غارتش تعطي وزنا أكبر على المعلومات الأخيرة وعلاوة على ذلك، كما إوما هو حالة خاصة من غارتش، كل من إوما و غارتش توظيف تمهيد أسي. غارتش p، q وعلى وجه الخصوص غارتش 1، 1.GARCH p، q هو الانحدار الذاتي المشروط نموذج غير متجانسة الشرطية وتشمل الجوانب الرئيسية. الانتعاش أر فروق الغد أو التقلب هي وظيفة تراجع من اليوم s التباين أنه يتراجع على نفسه. شروط C غدا التباين يعتمد مشروط على التباين الأخير لا يعتمد التباين غير المشروط على التباين اليوم. التباين H هيتيروسكيداستيك ليست ثابتة، فإنها تتدفق مع مرور الوقت. يتراجع غارتش على المصطلحات المتخلفة أو التاريخية المصطلحات المتخلفة هي إما التباين أو عوائد التربيعية عامة يتغير نموذج غارتش p، q على عوائد p تربيع و ف فاريانسس لذلك، غارتش 1، 1 يتخلف أو يتراجع على الماضي لكل يود ثانية أي عودة 1 فقط والفترة الماضية s التباين أي فقط 1 التباين غارتش 1، 1 المعطاة بالمعادلة التالية ويمكن إعطاء نفس الصيغة غارتش 1، 1 مع المعلمات اليونانية هال يكتب نفس المعادلة غارتش كما غل مصطلح الأول هو أمر مهم لأن فل هو متوسط ​​التباين في المدى الطويل لذلك، غل هو منتج هو التباين المتوسط ​​المرجح على المدى الطويل يحل النموذج غارتش 1، 1 للتباين الشرطي كدالة لثلاثة متغيرات التباين السابق، والعائد السابق 2، و التباين على المدى الطويل الثبات هو سمة مدمجة في نموذج غارتش تلميح في الصيغ المذكورة أعلاه، الثبات هو بك أو ألفا 1 بيتا يشير الثبات إلى مدى سرعة أو ببطء التباين يعود أو يتراجع نحو متوسطه على المدى الطويل ارتفاع الثبات يعادل بطء الانحلال والانحدار البطيء نحو متوسط ​​الثبات المنخفض يساوي الانحلال السريع والانعكاس السريع لمتوسط ​​A استمرار 1 0 يعني عدم وجود انعكاس يعني استمرار أقل من 1 0 يعني العودة إلى ميي n، حيث أن الثبات الأقل يعني ضمنا أكبر إلى متوسط ​​تلميح كما هو مبين أعلاه، فإن مجموع الأوزان المخصصة للتفاوت المتأخر والعائدات التربيعية المتأخرة هو استمرار استمرارية استمرارية استمرارية الوجود إن الثبات العالي أكبر من الصفر ولكن أقل من واحد يعني ضمنا إبطاء بطيئا إلى المتوسط ولكن إذا كانت الأوزان المخصصة للتفاوت المتأخر والعائد التربيعي المتخلف أكبر من واحد، فإن النموذج غير ثابت إذا كان بك أكبر من 1 إذا كان بك 1 النموذج غير ثابت، ووفقا لهل غير مستقر وفي هذه الحالة، ويفضل إوما ليندا ألين عن غارتش 1، 1.GARCH على حد سواء المدمجة أي نماذج بسيطة نسبيا ودقيقة بشكل ملحوظ غارتش تسود في البحوث العلمية وقد حاولت العديد من الاختلافات في نموذج غارتش، ولكن عدد قليل قد تحسنت على الأصلي. العيوب من نموذج غارتش هو غير خطية. للمثال حل لتباين المدى الطويل في غارتش 1،1 النظر في غارتش 1، 1 المعادلة أدناه افترض أن المعلمة. ألفا 0 2. المعلمة بيتا 0 7، و. ملاحظة ث في أوميغا هو 0 2 ولكن دون تي خطأ أوميغا 0 2 للتباين على المدى الطويل أوميغا هو نتاج غاما والتباين على المدى الطويل لذلك، إذا ألفا بيتا 0 9، ثم يجب أن تكون غاما 0 1 بالنظر إلى أن أوميغا هو 0 2 ، ونحن نعلم أن التباين على المدى الطويل يجب أن يكون 2 0 0 2 0 1 2 0.GARCH 1.1 الفرق مجرد تدوين بين هال و Allen. EWMA هو حالة خاصة من غارتش 1،1 و غارتش 1،1 هو المعمم حالة إوما الفرق الرئيسي هو أن غارتش يتضمن المصطلح الإضافي ل متوسط ​​العائد و إوما يفتقر إلى متوسط ​​العائد هنا هو كيف نحصل من غارتش 1،1 إلى إوما ثم تركنا 0 و بك 1، بحيث تبسط المعادلة أعلاه إلى هذا يعادل الآن صيغة المتوسط ​​المتحرك المرجح أوما إوما في إوما، المعلمة لامدا الآن يحدد الاضمحلال لامدا التي هي قريبة من واحد لامدا عالية المعارض بطيئة تسوس. ذي ريسكمتريكستم Approach. RiskMetrics هو شكل علامة تجارية من التحرك المرجح أضعافا مضاعفة متوسط ​​نهج إوما يختلف لامدا النظري الأمثل حسب فئة الأصول، ولكن ر وقد كان المعلمة المثلى الشاملة المستخدمة من قبل ريسكمتريكس 0 94 في الممارسة العملية، ريسكمتريكس يستخدم فقط عامل تسوس واحد لجميع سلسلة 0 94 للبيانات اليومية 0 97 للشهر البيانات الشهرية المحددة على النحو 25 أيام التداول من الناحية الفنية، والنماذج اليومية والشهرية غير متناسقة ومع ذلك، فهي على حد سواء سهلة الاستخدام، أنها تقارب سلوك البيانات الفعلية بشكل جيد للغاية، وأنها قوية ل ميسبيسيفيكاتيون ملاحظة غارتش 1، 1، إوما و ريسكمتريكس هي كل حدودي و recursive. Recursive EWMA. EWMA هو من الناحية الفنية سلسلة لانهائية ولكن لانهائية سلسلة يقلل بشكل أنيق إلى شكل عودية. المزايا وعيوب ما أي ستديف مقابل تقديرات GARCH. GARCH يمكن أن توفر تقديرات أكثر دقة من ملخص MA. Graphical للأساليب حدودي أن تعيين المزيد من الوزن للعائدات الأخيرة غارتش EWMA. Summary نصائح. GARCH 1، 1 هو ريسكمتريكس، وعلى العكس من ذلك، ريسكمتريكس هي حالة محدودة من غارتش 1،1 حيث 0 و بك 1 غارتش 1، 1 تعطى من قبل المعلمات الثلاثة هي الأوزان لذا يجب أن نلخص تلميح واحد كن حذرا حول المصطلح الأول في غارتش 1، 1 معادلة أوميغا غاما متوسط ​​التباين على المدى الطويل إذا طلب منك التباين، قد تحتاج إلى تقسيم الوزن من أجل حساب متوسط ​​التباين تحديد متى وما إذا كان ينبغي استخدام نموذج غارتش أو إوما في تقدير التذبذب في الممارسة العملية، تميل معدلات التباين إلى أن تكون عائدة لذلك، فإن نموذج غارتش 1، 1 متفوق نظريا أكثر جاذبية من نموذج إوما تذكر أن هذا الفرق الكبير ويضيف غارتش المعلمة التي ترجح متوسط ​​المدى الطويل، وبالتالي فإنها تتضمن متوسط ​​العائد تلميح غارتش 1، يفضل 1 إلا إذا كانت المعلمة الأولى سالبة والتي تنطوي ضمنا إذا ألفا بيتا 1 في هذه الحالة، غارتش 1،1 غير مستقر و إوما هو يفضل شرح كيف يمكن لتقديرات غارتش أن توفر توقعات أكثر دقة يحسب المتوسط ​​المتحرك التباين استنادا إلى نافذة زائدة من الملاحظات على سبيل المثال الأيام العشرة السابقة، الأيام ال 100 السابقة هناك اثنين من المشاكل مع المتوسط ​​المتحرك MA. Ghosting الصدمات ميزة التقلبات يتم إدراج الزيادات المفاجئة فجأة في مقياس ما وبعد ذلك، عندما يمر نافذة زائدة، يتم إسقاطها فجأة من الحساب ونتيجة لهذا فإن مقياس ما يتحول فيما يتعلق بالنافذة المختارة لم يتم تضمين معلومات التداول. تقديرات غارتش تحسن على نقاط الضعف هذه بطريقتين. تم تعيين المزيد من الملاحظات الأخيرة أكبر من الأوزان هذا يتغلب على الظلال لأن صدمة تقلب سوف تؤثر على الفور تأثير ولكن تأثيرها سوف تتلاشى تدريجيا مع مرور الوقت. الكلمة هي إضافة إلى دمج الانعكاس إلى المتوسط. تعرف على كيفية ارتباط الثبات بالرجوع إلى المتوسط ​​نظرا لمعادلة غارتش 1، 1 يعطى الثبات من قبل غارتش 1، 1 غير مستقر إذا كان الثبات 1 استمرار 1 0 يشير إلى عدم وجود انعكاس A انخفاض الثبات على سبيل المثال 0 6 يشير إلى الاضمحلال السريع وعودة عالية إلى متوسط ​​تلميح غارتش 1، 1 ثلاثة الأوزان المخصصة لثلاثة عوامل بيرسيستين سي هو مجموع الأوزان المخصصة لكل من التباين المتخلف والعائد التربيعي المتخلف يتم تعيين الوزن الآخر إلى التباين على المدى الطويل إذا كان P استمرار و G الوزن المخصصة إلى التباين على المدى الطويل، ثم بغ 1 ولذلك، إذا كان P استمرار هو عالية، ثم G يعني انعكاس منخفض سلسلة مستمرة لا يعني بشدة عودته يعرض تسوس بطيئة نحو المتوسط ​​إذا P منخفض، ثم G يجب أن تكون عالية سلسلة متعثرة لا يعني بشدة عودته يعرض تسوس سريع نحو المتوسط ​​المتوسط، يتم عرض التباين غير المشروط في نموذج غارتش 1 و 1 من خلال شرح كيفية إوما بشكل منهجي لخصومات البيانات القديمة وتحديد عوامل ريسكمتريكس اليومية والضمحلال الشهرية ويعطى المتوسط ​​المتحرك أضعافا مضاعفة إوما من خلال الصيغة أعلاه هو تبسيط متكرر لسلسلة إوما الحقيقية والتي تعطى من قبل في سلسلة إوما، كل الوزن المعين للعوائد التربيعية هو نسبة ثابتة من الوزن السابق على وجه التحديد، لامدا ل هو نسبة بين الجيران ز الأوزان وبهذه الطريقة، يتم خصم البيانات القديمة بانتظام الخصم المنظم يمكن أن يكون بطيئا تدريجيا أو مفاجئة، اعتمادا على لامدا إذا لامدا مرتفع مثل 0 99، ثم الخصم تدريجي جدا إذا لامدا منخفضة مثل 0 7، والخصم هو أكثر مفاجئة عوامل تسوس ريسكمتريكس تم 94 94 للبيانات اليومية.0 97 لشهر البيانات الشهري المحدد ب 25 يوم تداول. توضيح لماذا يمكن أن تكون عالقات الترابط أكثر أهمية من التنبؤ بالتقلبات عند قياس مخاطر الحافظة، يمكن أن تكون عالقات الترابط أكثر أهمية من تقلبات األدوات الفردية) التباين لذلك، فيما يتعلق بمخاطر الحافظة، يمكن أن تكون توقعات الترابط أكثر أهمية من توقعات التقلبات الفردية استخدام غارتش 1، 1 للتنبؤ بالتذبذب يعطى معدل التباين المستقبلي المتوقع، في فترات t إلى الأمام، على سبيل المثال، افترض أن التقلب الحالي يتم إعطاء فترة التقدير n بمعادلة غارتش 1، 1 التالية في هذا المثال، ألفا هو الوزن 0 1 المعين إلى عودة التربيع السابقة السابق إيتس عودة 4، بيتا هو الوزن 0 7 المخصصة للتباين السابق 0 0016 ما هو التقلبات المستقبلية المتوقعة، في عشرة أيام n 10 أولا، حل التباين على المدى الطويل ليس 0 00008 هذا المصطلح هو نتاج التباين ووزنه بما أن الوزن يجب أن يكون 0 2 1 - 0 1 -0 7، التباين على المدى الطويل 0 0004 ثانيا، نحن بحاجة إلى فترة التباين الحالية n وهذا يعطى تقريبا لنا أعلاه الآن يمكننا تطبيق الصيغة لحل لمعدل التباين في المستقبل المتوقع هذا هو معدل التباين المتوقع، وبالتالي فإن التقلب المتوقع هو حوالي 2 24 لاحظ كيف يعمل هذا التقلب الحالي هو حوالي 3 69 والتقلب على المدى الطويل هو 2 توقعات 10 أيام إلى الأمام يتلاشى المعدل الحالي أقرب إلى معدل المدى الطويل. الانحدار التقلب التنبؤات. تحديد كما تقلب متغير السوق في اليوم ن، كما يقدر في نهاية اليوم n-1 معدل التباين هو مربع من التقلب، يوم n. Sppose القيمة من متغير السوق في نهاية اليوم ط هو كونتينو معدل العائد المركب عادة خلال اليوم i بين نهاية اليوم السابق أي i-1 ونهاية اليوم i يعبر عنه. بعد ذلك، وباستخدام المقاربة المعيارية لتقدير البيانات التاريخية، سنستخدم أحدث ملاحظات m لحساب مقدر غير متحيزة للتباين. أين هو متوسط. في وقت لاحق، دعونا نفترض واستخدام تقدير الاحتمال الأقصى لمعدل التباين. لقد قمنا حتى الآن بتطبيق أوزان متساوية للجميع بحيث غالبا ما يشار إلى تعريف أعلاه باسم " في المقابل، ذكرنا أن هدفنا هو تقدير المستوى الحالي للتذبذب بحيث يكون من المنطقي إعطاء أوزان أعلى للبيانات الحديثة مقارنة بالبيانات القديمة. ولإجراء ذلك، دعنا نعبر عن تقدير التباين المرجح كما يلي. من الوزن المعطاة للمراقبة I - أيام. لذلك، لإعطاء وزن أعلى إلى الملاحظات الأخيرة. تباين متوسط ​​المدى الطويل. الإمكانية تمديد الفكرة أعلاه هو أن نفترض أن هناك تباين متوسط ​​المدى الطويل وأنه ينبغي أن يكون نظرا لبعض الوزن. نموذج أب ومن المعروف أن أوف هو نموذج أرش M، التي اقترحها إنغل في عام 1994.WMA هو حالة خاصة من المعادلة أعلاه في هذه الحالة، ونحن جعله بحيث أوزان انخفاض متغير أضعافا مضاعفة ونحن نتحرك مرة أخرى من خلال time. Unlic العرض السابق ، و إوما يتضمن جميع الملاحظات السابقة، ولكن مع الأوزان انخفاض أضعافا مضاعفة طوال الوقت. بعد ذلك، نطبق مجموع الأوزان بحيث أنها تساوي القيد الوحدة. للقيمة. الآن نحن سد تلك الشروط مرة أخرى في المعادلة للتقدير. بالنسبة لمجموعة أكبر من البيانات، تكون صغيرة بما فيه الكفاية ليتم تجاهلها من المعادلة. نهج إوما له ميزة جذابة واحدة يتطلب بيانات مخزنة قليلا نسبيا لتحديث تقديراتنا في أي لحظة، نحن بحاجة فقط إلى تقدير مسبق لمعدل التباين و آخر قيمة للمراقبة. الهدف الثانوي من إوما هو تتبع التغيرات في التقلب بالنسبة للقيم الصغيرة، الملاحظات الأخيرة تؤثر على تقدير فوري لقيم أقرب إلى واحد، وتغير التقديرات ببطء على أساس ريسن t في عوائد المتغير الأساسي. قاعدة بيانات ريسكمتريكس التي تنتجها جب مورغان والمتاحة للجمهور تستخدم إوما مع لتحديث التقلبات اليومية. مهمة لا تتحمل صيغة إوما متوسط ​​مستوى التباين على المدى الطويل وهكذا، فإن مفهوم التقلب يعني لا يتم التقاط انعكاس من قبل إوما نماذج أرش غارتش هي الأنسب لهذا الغرض. الهدف الثانوي من إوما هو تتبع التغيرات في التقلب، وذلك لقيم صغيرة، الملاحظة الأخيرة تؤثر على تقدير على الفور، والقيم أقرب إلى واحد، يتغير التقدير ببطء إلى التغيرات الأخيرة في عوائد المتغير الأساسي. قاعدة بيانات ريسكمتريكس التي تنتجها جي بي مورغان والمتاحة للجمهور في عام 1994، يستخدم نموذج إوما مع لتحديث تقديرات تقلب اليومية وجدت الشركة أنه عبر مجموعة من المتغيرات السوق، فإن هذه القيمة تعطي توقعات التباين التي تأتي أقرب إلى معدل التباين المحقق تم حساب معدلات التباين المحققة في يوم معين على أنها ومتوسط ​​مرجح بالتساوي على 25 يوما لاحقة. وبالمثل، لحساب القيمة المثلى لل لامدا لمجموعة البيانات لدينا، ونحن بحاجة لحساب التقلبات المحققة في كل نقطة هناك عدة طرق، لذلك اختيار واحد التالي، وحساب مجموع أخطاء سمد بين تقدير إوما والتقلبات المحققة وأخيرا، تقليل سس من خلال تغيير قيمة لامدا. سوند بسيط هو التحدي الأكبر هو الاتفاق على خوارزمية لحساب التقلبات المحققة على سبيل المثال، اختار الناس في ريسكمتريكس اللاحقة 25 يوما لحساب معدل التباين المحقق في حالتك، يمكنك اختيار خوارزمية تستخدم حجم اليومية، مرحبا لو و أوبين-كلوز الأسعار. Q 1 يمكننا استخدام إوما لتقدير أو التنبؤ تقلب أكثر من خطوة واحدة إلى الأمام. تمثيل تقلب إوما يفعل لا يفترض متوسط ​​تقلب في المدى الطويل، وبالتالي، لأي أفق التنبؤ خارج خطوة واحدة، إوما ترجع قيمة ثابتة. لمجموعة بيانات كبيرة، والقيمة لها تأثير ضئيل جدا على القيمة المحسوبة. G أوينغ إلى الأمام، ونحن نخطط للاستفادة من حجة لقبول قيمة التذبذب الأولي المعرفة من قبل المستخدم. Q 3 ما هي علاقة إوما ل أرش غارتش Model. EWMA هو في الأساس شكل خاص من نموذج أرش، مع الخصائص التالية. ترتيب أرش يساوي حجم بيانات العينة. أوزان التراجع تنخفض بشكل مطرد في معدل طوال الوقت. Q 4 هل تعود إوما إلى المتوسط. لا إوما ليس لها مصطلح لمتوسط ​​التباين على المدى الطويل وبالتالي فإنه لا يعود إلى أي قيمة. Q 5 ما هو تقدير التباين في الأفق بعد يوم واحد أو خطوة إلى الأمام. كما هو الحال في Q1، ترجع الدالة إوما قيمة ثابتة تساوي قيمة تقدير خطوة واحدة. Q 6 لدي بيانات سنوية شهرية أسبوعية أي قيمة يجب أن أفعلها قد لا تزال تستخدم 0 94 كقيمة افتراضية، ولكن إذا كنت ترغب في العثور على القيمة المثلى، تحتاج إلى إعداد مشكلة تحسين لتقليل سس أو مس بين إوما والتقلبات المحققة. لاحظ التقلب لدينا 101 البرنامج التعليمي في نصائح وتلميحات على موقعنا على الانترنت لمزيد من التفاصيل وما قبل amples. Q 7 إذا لم يكن لدى البيانات الخاصة بي يعني صفر، كيف يمكنني استخدام الدالة. للآن، استخدم الدالة ديترند لإزالة المتوسط ​​من البيانات قبل تمريرها إلى وظائف إوما. في الإصدارات نومكسل المستقبل، و سوف إوما إزالة المتوسط ​​تلقائيا نيابة عنك. هول، جون C الخيارات، العقود الآجلة وغيرها من المشتقات المالية تايمز برنتيس هول 2003، ب 372-374، إيسبن 1-405-886145.Hamilton، جد تحليل سلسلة الوقت برينستون مطبعة جامعة 1994، إيسبن 0-691-04289-6.Tsay، روي S تحليل الوقت المالي سلسلة جون وايلي سونس 2005، إيسبن 0-471-690740.Related لينكس.