Soumettre la recherche
Mettre en ligne
コピュラと金融工学の新展開(?)
•
16 j'aime
•
9,972 vues
Nagi Teramo
Suivre
Tokyo webmining(20110116、http://atnd.org/events/11710)用の資料。 コピュラの基本概念から金融での応用、Rでの実装まで紹介。
Lire moins
Lire la suite
Économie & finance
Technologie
Business
Signaler
Partager
Signaler
Partager
1 sur 48
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
最適輸送入門
最適輸送入門
joisino
最適輸送の解き方
最適輸送の解き方
joisino
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
Junya Saito
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
Recommandé
最適輸送入門
最適輸送入門
joisino
最適輸送の解き方
最適輸送の解き方
joisino
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
Junya Saito
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Fumihiko Takahashi
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-
Joe Suzuki
深層学習の数理
深層学習の数理
Taiji Suzuki
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
最適化超入門
最適化超入門
Takami Sato
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習
Deep Learning JP
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Deep Learning JP
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Fujimoto Keisuke
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
ohken
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
Nagi Teramo
金融業界でよく使う統計学
金融業界でよく使う統計学
Nagi Teramo
Contenu connexe
Tendances
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Fumihiko Takahashi
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-
Joe Suzuki
深層学習の数理
深層学習の数理
Taiji Suzuki
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
最適化超入門
最適化超入門
Takami Sato
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習
Deep Learning JP
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Deep Learning JP
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Fujimoto Keisuke
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
ohken
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
Tendances
(20)
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-
深層学習の数理
深層学習の数理
Active Learning 入門
Active Learning 入門
Optimizer入門&最新動向
Optimizer入門&最新動向
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
グラフィカルモデル入門
グラフィカルモデル入門
coordinate descent 法について
coordinate descent 法について
最適化超入門
最適化超入門
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
不均衡データのクラス分類
不均衡データのクラス分類
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
En vedette
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
Nagi Teramo
金融業界でよく使う統計学
金融業界でよく使う統計学
Nagi Teramo
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
Nagi Teramo
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
Nagi Teramo
はじめての「R」
はじめての「R」
Masahiro Hayashi
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Nagi Teramo
Rで学ぶ回帰分析と単位根検定
Rで学ぶ回帰分析と単位根検定
Nagi Teramo
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Nagi Teramo
Rで学ぶ現代ポートフォリオ理論入門 - TokyoR #18
Rで学ぶ現代ポートフォリオ理論入門 - TokyoR #18
horihorio
Lecture7 cross validation
Lecture7 cross validation
Stéphane Canu
Y1141617
Y1141617
sohail_s
オンライン講座第二回.33
オンライン講座第二回.33
hitomedia, inc.
Tokyo.R 26 LT isobe
Tokyo.R 26 LT isobe
Masayuki Isobe
【7月】maio media guide
【7月】maio media guide
Yuki Hayase
TOPIX
TOPIX
美夏(Mika) 村田(Murata)
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
Takanobu Mizuta
xtsパッケージで時系列解析
xtsパッケージで時系列解析
Nagi Teramo
座談会資料(趣旨とあゆみ)配布用 20151114
座談会資料(趣旨とあゆみ)配布用 20151114
知礼 八子
20110722資料 2
20110722資料 2
秀之 鈴木
株価分析ゼミ
株価分析ゼミ
Sho Mukuno
En vedette
(20)
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
金融業界でよく使う統計学
金融業界でよく使う統計学
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
はじめての「R」
はじめての「R」
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Rで学ぶ回帰分析と単位根検定
Rで学ぶ回帰分析と単位根検定
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Rで学ぶ現代ポートフォリオ理論入門 - TokyoR #18
Rで学ぶ現代ポートフォリオ理論入門 - TokyoR #18
Lecture7 cross validation
Lecture7 cross validation
Y1141617
Y1141617
オンライン講座第二回.33
オンライン講座第二回.33
Tokyo.R 26 LT isobe
Tokyo.R 26 LT isobe
【7月】maio media guide
【7月】maio media guide
TOPIX
TOPIX
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
xtsパッケージで時系列解析
xtsパッケージで時系列解析
座談会資料(趣旨とあゆみ)配布用 20151114
座談会資料(趣旨とあゆみ)配布用 20151114
20110722資料 2
20110722資料 2
株価分析ゼミ
株価分析ゼミ
Similaire à コピュラと金融工学の新展開(?)
2012年度 インゼミ大会 Cチーム
2012年度 インゼミ大会 Cチーム
udazemi2013
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
Roy Sugimura, Ph.D
Hyperledge meetup 20210908 パネルディスカッション : エンタープライズブロックチェーンの活用例 IBM 平山毅
Hyperledge meetup 20210908 パネルディスカッション : エンタープライズブロックチェーンの活用例 IBM 平山毅
Tsuyoshi Hirayama
パネルディスカッション : エンタープライズブロックチェーンの活用例
パネルディスカッション : エンタープライズブロックチェーンの活用例
Hyperleger Tokyo Meetup
米国Innovationから事業化の仕組み
米国Innovationから事業化の仕組み
Hiroshi Yagi
ブロックチェーンが切り拓く新たな市場
ブロックチェーンが切り拓く新たな市場
Hiroshi Takahashi
M tsuchiya+utokyo+2013 2-1
M tsuchiya+utokyo+2013 2-1
masaru168
オラクルのトラストモデルとブロックチェーン連携
オラクルのトラストモデルとブロックチェーン連携
Shigeichiro Yamasaki
ニセモノ創り実験工房
ニセモノ創り実験工房
Kenji Saito
Similaire à コピュラと金融工学の新展開(?)
(10)
2012年度 インゼミ大会 Cチーム
2012年度 インゼミ大会 Cチーム
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
Hyperledge meetup 20210908 パネルディスカッション : エンタープライズブロックチェーンの活用例 IBM 平山毅
Hyperledge meetup 20210908 パネルディスカッション : エンタープライズブロックチェーンの活用例 IBM 平山毅
パネルディスカッション : エンタープライズブロックチェーンの活用例
パネルディスカッション : エンタープライズブロックチェーンの活用例
米国Innovationから事業化の仕組み
米国Innovationから事業化の仕組み
ブロックチェーンが切り拓く新たな市場
ブロックチェーンが切り拓く新たな市場
M tsuchiya+utokyo+2013 2-1
M tsuchiya+utokyo+2013 2-1
オラクルのトラストモデルとブロックチェーン連携
オラクルのトラストモデルとブロックチェーン連携
ニセモノ創り実験工房
ニセモノ創り実験工房
Plus de Nagi Teramo
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
Nagi Teramo
Rでを作る
Rでを作る
Nagi Teramo
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
Nagi Teramo
闇と向き合う
闇と向き合う
Nagi Teramo
機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!
Nagi Teramo
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
Nagi Teramo
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
Nagi Teramo
F#談話室(17)
F#談話室(17)
Nagi Teramo
RFinanceJはじめました
RFinanceJはじめました
Nagi Teramo
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
お前の逐モン、GETだぜ!
お前の逐モン、GETだぜ!
Nagi Teramo
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
Nagi Teramo
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
Nagi Teramo
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
Nagi Teramo
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Nagi Teramo
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Nagi Teramo
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Nagi Teramo
Chapter 6: Computing on the language (R Language Definition)
Chapter 6: Computing on the language (R Language Definition)
Nagi Teramo
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
Nagi Teramo
Plus de Nagi Teramo
(20)
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
Rでを作る
Rでを作る
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
闇と向き合う
闇と向き合う
機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
F#談話室(17)
F#談話室(17)
RFinanceJはじめました
RFinanceJはじめました
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
お前の逐モン、GETだぜ!
お前の逐モン、GETだぜ!
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Chapter 6: Computing on the language (R Language Definition)
Chapter 6: Computing on the language (R Language Definition)
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
コピュラと金融工学の新展開(?)
1.
コピュラと金融工学の新展開 第9回 データマイニング+WEB 勉強会@東京
( TokyoWebmining 9)-1st Week - 大規模解析・機械学習・クオンツ 祭り- Presenter : @teramonagi(some web services)
2.
コピュラと金融工学の新展開(?) 第9回 データマイニング+WEB
勉強会@東京 ( TokyoWebmining 9)-1st Week - 大規模解析・機械学習・クオンツ 祭り- Presenter : @teramonagi(some web services)
3.
1:コピュラって何だ? TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 3
4.
コピュラ≒関係 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 4
5.
コピュラ≒確率変数間の関係 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 5
6.
確率変数間の関係≒結合分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 6
7.
多変量正規分布∈結合分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 7
8.
多変量正規分布って何だ? TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 8
9.
多変量正規分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 9
10.
多変量正規分布での関係 確率変数間 の関係は・・・
そうか!Σの 中に相関とし て入っている のか! TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 10
11.
一方、周辺分布は
(1変量)正規分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 11
12.
周辺分布と結合分布の関係 1変量
1変量 正規分布 正規分布 多変量正規分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 12
13.
関係の一般化(コピュラ!) 1変量
1変量 正規分布 正規分布 コピュラ 何らかの結合分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 13
14.
2変量結合分布の等高線
正規コピュラ t コピュラ クレイトン・コピュラ ガンベル・コピュラ 周辺は標準正規・コピュラだけ違う TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 14
15.
長所:周辺分布 とその関係(コ
ピュラ)を分けて モデリングできる TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 15
16.
短所:意味づけと か解釈が難しい TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 16
17.
Sklar’s Theorem 参考:wikipedia(コピュラ(統計学)-スクラーの定理) TokyoWebmining #9(2011/01/16)
「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 17
18.
正規コピュラ 周辺分布が正規分布の時、多
変量正規分布を再現 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 18
19.
Source Code (R) library(copula) #ケンドールのτは全部一致(するようにした) kendallsTau(normalCopula(0.5)) kendallsTau(tCopula(0.5)) kendallsTau(claytonCopula(1)) kendallsTau(gumbelCopula(1.5)) #plot lim
<- c(-3,3) marginal <- c("norm", "norm") parameter <- list(list(mean=0,sd=1), list(mean=0,sd=1)) par(mfrow=c(2,2),mar=c(2,2,1,1)) contour(mvdc(normalCopula(0.5), marginal,parameter),dmvdc, xlim=lim, ylim=lim) contour(mvdc(tCopula(0.5), marginal,parameter),dmvdc, xlim=lim, ylim=lim) contour(mvdc(claytonCopula(1), marginal,parameter),dmvdc, xlim=lim, ylim=lim) contour(mvdc(gumbelCopula(1.5), marginal,parameter),dmvdc, xlim=lim, ylim=lim) ※動作前にパッケージのインストールInstall.packages(“copula”)は必要。 ※この資料に出てくる他のコードも同様 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 19
20.
2:金融での応用例 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 20
21.
2-1
リターン分布のモデリング TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 21
22.
米・独・中・日の 代表的な株価指 数のリターン分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 22
23.
周辺分布のモデリング
≒正規分布 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 23
24.
どのコ
ピュラが 合うだろ うか・・・ TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 24
25.
T-コピュラ! TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 25
26.
モデルパラメーターの決定 >
fit.ml The estimation is based on the maximum likelihood and a sample of size 925. Estimate Std. Error z value Pr(>|z|) rho.1 0.7155620 0.01621145 44.139295 0.000000e+00 rho.2 0.3177060 0.03710005 8.563493 0.000000e+00 rho.3 0.2515627 0.03968773 6.338551 2.319365e-10 rho.4 0.5159302 0.02766178 18.651374 0.000000e+00 rho.5 0.4672290 0.03002338 15.562172 0.000000e+00 rho.6 0.7427242 0.01413110 52.559528 0.000000e+00 df 9.4838458 0.92328625 10.271837 0.000000e+00 The maximized loglikelihood is 892.0507 The convergence code is 0 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 26
27.
計算したパ
ラメーターを 使って将来 シミュレー ションする んだね TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 27
28.
#海外の株価指数が取れるんでquantmod使う
Source Code (R) library(quantmod) library(copula) #S&P500,DAX,香港ハンセン指数,NIKKEI225 symbols <- c("^GSPC","^GDAXI","^HSI","^N225") #終値のみ取得用関数 getClose <- function(symbol, date.from){ x <- getSymbols(symbol, auto.assign=FALSE, from=date.from) index.close <- grep("Close", colnames(x), ignore.case=TRUE) return(x[, index.close]) } #指数値のリスト、終値だけ取得 data.index <- sapply(symbols,getClose,"2007-01-01") #1つのxtsへ&欠損行削除 data.index <- do.call("merge",data.index) data.index <- data.index[!apply(data.index,1,function(x)any(is.na(x))),] #リターン系列へ return.index <- data.index / lag(data.index)-1 return.index <- return.index[-1,] pairs(as.matrix(return.index)) #基準化してuに倒してPLOT(周辺分布は正規だと仮定) return.index.scaled <- apply(return.index,2,scale) pairs(pnorm(return.index.scaled)) #パラメーターの最尤推定 dim.index <- ncol(return.index.scaled) dim.param <- dim.index*(dim.index-1)/2 t.cop <- tCopula(rep(0,dim.param), dim = dim.index,dispstr = "un", df.fixed = FALSE) fit.ml <- fitCopula(t.cop, pnorm(return.index.scaled), method="ml", start=c(rep(0,dim.param),10)) fit.ml TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 28
29.
2-2
Collateralized Debt Obligation TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 29
30.
CDOって何だ? TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 30
31.
ざっくりとした図解
資産 シニア 吹 優 AAA っ 貰 住宅 先 AA メザニン 飛 え 劣 び る 後 社債 構 BB 度 お 造 合 金 ABS --- エクイティ い TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 31
32.
吹っ飛び度合い
VS 貰えるお金 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 32
33.
吹っ飛び度合い に応じた貰えるお 金を計算したい TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 33
34.
貰えるお金の期待値
|| 損失の期待値 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 34
35.
Pricing Formula 利子率(のようなもの) TokyoWebmining #9(2011/01/16)
「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 35
36.
無理 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 36
37.
Approximated Pricing Formula ※ここから先の計算は参考文献[1]を追試する形 TokyoWebmining
#9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 37
38.
損失の関係
あるCDO証 券の損失 シニア メザニン 全体の 損失 a b TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 38
39.
損失をモデリング する必要性 TokyoWebmining #9(2011/01/16)
「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 39
40.
資産間の吹っ飛 び度合いの関係 をコピュラで表現 TokyoWebmining
#9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 40
41.
そして
を計算 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 41
42.
計算結果
スプレッド(Sのこと) 単位:bp コピュラ エクイティ メザニン シニア スーパーシニア 正規 1,145.42 62.49 0.52 0.000 t(20) 1,055.28 86.07 2.18 0.004 t(6) 896.74 126.44 8.56 0.044 t(3) 733.31 165.90 23.56 0.191 クレイトン 857.64 135.73 12.83 0.084 吹っ飛び度合い ※参考文献[1]P109・表7の値をほぼ再現 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 42
43.
正規コピュラ
が業界標準 TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 43
44.
金融危機時には リスクを過小評価 していた? TokyoWebmining
#9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 44
45.
Source Code -
1 (R) library(copula) #CDOのスプレッド計算関数 SpreadOfCDO <- function(copula, default.probability, maturity, recovery.rate, attachment, detachment, num.path, num.refdebt) { #コピュラによる乱数生成。これと倒産確率を比べて倒産判定実施 random.copula <- rcopula(copula,num.path) #各パスごとのデフォルト件数 num.default <- rowSums(random.copula < default.probability) #債務全体の損失率 loss.refdebt <- (1-recovery.rate)/num.refdebt*num.default #トランシェの損失率 loss.tranche <- (pmax(loss.refdebt - attachment,0)-pmax(loss.refdebt - detachment,0))/(detachment- attachment) #トランシェの損失率の期待値(標本ベース) expectation.loss.tranche <- sum(loss.tranche)/num.path #スプレッド spread <- -1/maturity*log(1-expectation.loss.tranche) return(spread) } TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 45
46.
Source Code -
2 (R) ############### main ############# #parameter NUM.PATH <- 10^5 NUM.REFDEBT <- 100 DEFAULT.PROBABILITY <- 0.05 MATURITY <- 5 RECOVERY.RATE <- 0.4 #使用するコピュラオブジェクトを生成しておく COPULA <- list(normalCopula(0.15, dim = NUM.REFDEBT), tCopula(0.15, dim = NUM.REFDEBT, df = 20), tCopula(0.15, dim = NUM.REFDEBT, df = 6), tCopula(0.15, dim = NUM.REFDEBT, df = 3), claytonCopula(0.21, dim = NUM.REFDEBT) ) #ある程度パラメーター固定したスプレッド計算関数 SpreadOfCDOWithFixedParameter <- function(copula,attachment, detachment){ SpreadOfCDO(copula, DEFAULT.PROBABILITY, MATURITY, RECOVERY.RATE, attachment, detachment, NUM.PATH, NUM.REFDEBT) } result <- list() #エクイティ result[[1]] <- sapply(COPULA,SpreadOfCDOWithFixedParameter,0.0,0.06) #メザニン result[[2]] <- sapply(COPULA,SpreadOfCDOWithFixedParameter,0.06,0.18) #シニア result[[3]] <- sapply(COPULA,SpreadOfCDOWithFixedParameter,0.18,0.36) #スーパーシニア result[[4]] <- sapply(COPULA,SpreadOfCDOWithFixedParameter,0.36,1) #行列&bp化 result <- 10^4*do.call("cbind", result) colnames(result) <- c("エクイティ","メザニン","シニア","スーパーシニア") rownames(result) <- c("正規","t(20)","t(6)","t(3)","クレイトン") result TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 46
47.
ご清聴ありがとうございました TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」
Presenter : @teramonagi 47
48.
参考
文献 [1]・金融危機時における資産価格変動の相互依存関係:コピュラに基づく評価 新谷 幸平、山田 哲也、吉羽 要直 [2] ・CDOのプライシング・モデルとそれを用いたCDOの特性等の考察:CDOの商 品性、国内市場の概説とともに 小宮 清孝 [3] ・コピュラの金融実務での具体的な活用方法の解説 戸坂 凡展/吉羽 要直 写真 ・ morgueFile ・ Stock.XCHNG TokyoWebmining #9(2011/01/16) 「コピュラと金融工学の新展開(?)」 Presenter : @teramonagi 48
Télécharger maintenant