Statistica piețelor financiare

Capitolul 4 · Probabilitate

În stînga este slide-ul din curs, în dreapta aceeași figură, calculată în browser din aceleași date. Butonul ▶ modifică parametrul pas cu pas.

Originile teoriei probabilităților: jocurile de noroc și axiomele · Variabile aleatoare și distribuții · Media și varianța · Distribuții comune și dependență · Media condiționată și varianța condiționată · Legea numerelor mari și CLT · Numere aleatoare și Monte Carlo · Modelul binomial · Procese stochastice în timp discret · Procesul Wiener și mișcarea browniană geometrică

Originile teoriei probabilităților: jocurile de noroc și axiomele

Exemplu: zile de scădere consecutive

Slide-ul 8: Exemplu: zile de scădere consecutive
Slide-ul 8

Probabilități condiționate pentru evenimentul D, randamente logaritmice zilnice

    Întrebare pentru sală Pentru S&P 500, P(scădere azi | scădere ieri) = 43,4% este chiar sub P(scădere) = 46,3%. Butonul ▶ ridică pragul x: evenimentul D devine o pierdere de peste x%. La x = 2%, cît este P(D | D ieri) față de P(D) = 4,27%?
    Răspuns

    11,85%, de 2,8 ori P(D). Două pierderi de peste 2% la rînd au frecvența 0,51%, față de 0,18% sub independență. Semnul randamentului aproape nu persistă la S&P 500, dar pierderile mari vin grupate: volatility clustering. La BET persistă și semnul, la x = 0: 50,0% după o zi de scădere față de 42,6% după o zi fără scădere, efect al tranzacționării rare (thin trading).

    Variabile aleatoare și distribuții

    O variabilă aleatoare discretă și una continuă

    Slide-ul 13: O variabilă aleatoare discretă și una continuă
    Slide-ul 13
      Întrebare pentru sală Pentru S&P 500, varianța lui K (1,16) este puțin sub varianța binomială 5p(1 − p) = 1,24. Butonul ▶ trece la DAX și BET. Ce se întîmplă pentru BET, al cărui randament zilnic are autocorelația de ordinul 1 egală cu 0,109?
      Răspuns

      Varianța lui K depășește valoarea binomială: 1,47 față de 1,24, raportul 1,18. Distribuția binomială presupune zile independente; cu autocorelația pozitivă a randamentelor BET, zilele de creștere vin mai des una după alta, deci săptămînile cu multe sau cu puține zile de creștere sînt mai frecvente. Media rămîne aproape de 5p: 2,67 față de 2,70. Pentru S&P 500, cu autocorelația −0,099, raportul este 0,93; pentru DAX tot 0,93.

      CDF empirică și cuantila de 1% a S&P 500

      Slide-ul 14: CDF empirică și cuantila de 1% a S&P 500
      Slide-ul 14
        Întrebare pentru sală La nivelul 1%, VaR empiric al S&P 500 (3,45%) este de 1,24 ori VaR din distribuția Normală cu aceeași medie și abatere standard (2,80%). Butonul ▶ coboară nivelul α de la 5% la 0,1%. Cît devine raportul la α = 0,1%?
        Răspuns

        Circa 1,94: VaR 0,1% este 7,22% în date și 3,72% în distribuția Normală. La α = 5% raportul este 0,94 (1,85% față de 1,97%). Dacă diferența ar fi doar de scală, raportul ar fi același la orice nivel; el crește spre coadă, deci problema este forma distribuției: un vîrf mai înalt și cozi mai groase. P(r < −5%) este 0,34% în date și 1,7 × 10−3% în distribuția Normală, de 199 de ori mai puțin.

        Media și varianța

        Exemplu lucrat: media și volatilitatea anuale

        Slide-ul 18: Exemplu lucrat: media și volatilitatea anuale
        Slide-ul 18

        Momentele randamentelor logaritmice zilnice (%)

        Exemplu lucrat: media și volatilitatea pe h zile

        \[E\Big[\sum_{t=1}^{h} r_t\Big] = h\,\bar r, \qquad \mathrm{Var}\Big(\sum_{t=1}^{h} r_t\Big) = h\,\sigma^2 \;\Rightarrow\; \sigma_h = \sigma\sqrt{h}\]
            Întrebare pentru sală Bitcoin se tranzacționează în fiecare zi, deci capitolul anualizează cu A = 365. Abaterea standard zilnică este 3,485%. Cît este volatilitatea anuală?
            Răspuns

            66,6% = 3,485 × √365. Cu A = 252, ca pentru acțiuni, ar fi 55,3%. Media anuală este 43,1% cu A = 365 (29,8% cu A = 252). Volatilitatea crește cu √A, media cu A, iar ambele presupun randamente i.i.d. Excesul de boltire 11,96 arată că distribuția zilnică nu este Normală, chiar dacă regula rădăcinii pătrate a timpului folosește doar varianța.

            Frecvența zilelor de 4 sigma: marginea lui Cebîșev

            Slide-ul 19: Frecvența zilelor de 4 sigma: marginea lui Cebîșev
            Slide-ul 19

            Zile cu |r − media| > kσ: date, distribuția Normală și marginea lui Cebîșev

            Exemplu lucrat: marginea lui Cebîșev față de date

            \[P(|X - \mu| \ge k\sigma) \le \frac{1}{k^2}, \qquad P(|X - \mu| > k\sigma) = 2\Phi(-k) \;\text{ pentru } X \sim N(\mu, \sigma^2)\]
                Întrebare pentru sală Pentru k = 2, inegalitatea lui Cebîșev permite pînă la 25% din zile. Ce pondere din zilele S&P 500 este la peste 2 abateri standard de medie?
                Răspuns

                4,90% (329 de zile), aproape de 4,55% în distribuția Normală. La 2 abateri standard datele seamănă cu distribuția Normală; diferența apare în coadă: la k = 4 sînt 46 de zile (0,69%), de 108 ori mai mult decît 0,0063% în distribuția Normală, iar la k = 6 sînt 12 zile, față de 1,3 × 10−5 zile așteptate. Marginea lui Cebîșev, 1/k², este valabilă pentru orice distribuție cu varianță finită, de aceea este mult peste date.

                Distribuții comune și dependență

                Distribuții comune ale randamentelor zilnice

                Slide-ul 23: Distribuții comune ale randamentelor zilnice
                Slide-ul 23
                  Întrebare pentru sală Corelația zilnică S&P 500–BET pe întreaga perioadă este 0,21. Cît este în zilele din 2020?
                  Răspuns

                  0,63, în 242 de zile comune, de trei ori valoarea pe întreaga perioadă. În 2008 corelația este 0,28, în 2017 0,20. Pentru S&P 500 și DAX: 0,69 în 2020, 0,62 în 2008 și 0,57 în 2017, față de 0,60 pe toată perioada. Corelația crește în anii de criză, adică exact cînd diversificarea ar fi necesară.

                  Exemplu lucrat: un portofoliu 50/50 din S&P 500 și DAX

                  Slide-ul 24: Exemplu lucrat: un portofoliu 50/50 din S&P 500 și DAX
                  Slide-ul 24

                  Varianțe, covarianțe și corelații ale randamentelor zilnice (%)

                  Perechi de serii pe zilele comune

                  Exemplu lucrat: volatilitatea portofoliului a/b

                  \[\begin{gathered}\sigma_p^2 = a^2\sigma_1^2 + b^2\sigma_2^2 + 2ab\,\mathrm{Cov}(X, Y), \qquad b = 1 - a,\\ \rho = \frac{\mathrm{Cov}(X, Y)}{\sigma_1\sigma_2}, \qquad a^* = \frac{\sigma_2^2 - \mathrm{Cov}(X, Y)}{\sigma_1^2 + \sigma_2^2 - 2\,\mathrm{Cov}(X, Y)}\end{gathered}\]
                      Întrebare pentru sală Butonul ▶ mută ponderea a a S&P 500 în portofoliul S&P 500/DAX de la 0 la 1. La ce pondere este volatilitatea portofoliului cea mai mică?
                      Răspuns

                      La a* = (σ2² − Cov)/(σ1² + σ2² − 2Cov) = 0,69, cu σp = 1,163%, față de 1,186% la a = 0,5. Ponderea S&P 500 este mai mare pentru că volatilitatea lui este mai mică (1,221% față de 1,429%), dar nu 1: cu ρ = 0,60, o parte de DAX reduce încă riscul. Pentru S&P 500/BET, cu ρ = 0,21: a* = 0,60 și σp = 1,025%.

                      Autocorelația randamentelor și a pătratelor randamentelor

                      Slide-ul 26: Autocorelația randamentelor și a pătratelor randamentelor
                      Slide-ul 26
                        Întrebare pentru sală Butonul ▶ mărește lagul h de la 1 la 20. La h = 20, mai iese Corr(rt², rt−20²) a S&P 500 din banda ±1,96/√n = ±0,024?
                        Răspuns

                        Da: 0,164 la lagul 20, față de 0,313 la lagul 1, în timp ce corelația randamentelor la lagul 20 este 0,014, în bandă. La lagul 1, corelația pătratelor este 0,31 (S&P 500), 0,15 (DAX), 0,33 (BET) și 0,14 (Bitcoin). La lagul 20 rămîne peste bandă pentru DAX (0,116) și BET (0,090); pentru Bitcoin (0,026) intră în banda ±0,030. Volatility clustering durează săptămîni. Banda este o valoare de referință asimptotică pentru o serie i.i.d., nu un test exact pentru fiecare lag.

                        Media condiționată și varianța condiționată

                        Exemplu lucrat: două regimuri

                        Slide-ul 30: Exemplu lucrat: două regimuri
                        Slide-ul 30

                        Două regimuri: componentele varianței

                        Exemplu lucrat: media și varianța totală

                        \[E[r] = \sum_j \pi_j \mu_j, \qquad \mathrm{Var}(r) = \underbrace{\sum_j \pi_j \sigma_j^2}_{E[\mathrm{Var}(r \mid X)]} + \underbrace{\sum_j \pi_j (\mu_j - E[r])^2}_{\mathrm{Var}(E[r \mid X])}\]

                          Datele: rt după chintila lui |rt−1|

                            Întrebare pentru sală În exemplul cu două regimuri, abaterea standard a randamentului este 1,286%. Cît devine dacă regimul agitat are abaterea standard 3% în loc de 2%?
                            Răspuns

                            1,776%: varianța în interiorul regimurilor crește la 0,7 × 0,8² + 0,3 × 3² = 3,148, iar componenta dintre regimuri rămîne 0,0047, deci Var(r) = 3,153. Media ponderată a abaterilor standard, 0,7 × 0,8 + 0,3 × 3 = 1,46%, subestimează riscul: se adună varianțe, nu abateri standard. În date, pentru S&P 500, componenta dintre chintile este 0,009% din varianța totală.

                            Randamentul de azi dată fiind mișcarea de ieri

                            Slide-ul 31: Randamentul de azi dată fiind mișcarea de ieri
                            Slide-ul 31
                              Întrebare pentru sală Cu 5 grupuri (chintile), raportul abaterilor standard dintre grupul cel mai agitat și cel mai calm este 1,88 pentru S&P 500. Butonul ▶ trece de la 2 la 10 grupuri. Cît devine raportul la 10 grupuri?
                              Răspuns

                              2,22: 2,03% în grupul cel mai agitat față de 0,92% în cel mai calm. Cu 2 grupuri raportul este 1,43: grupurile extreme sînt mai extreme cînd sînt mai înguste. Componenta dintre grupuri a varianței totale rămîne neglijabilă: 0,054% din total la 10 grupuri, 0,009% la 5. Mișcarea de ieri spune mult despre riscul de azi și aproape nimic despre media de azi.

                              Legea numerelor mari și CLT

                              Două teoreme limită

                              Slide-ul 34: Două teoreme limită
                              Slide-ul 34

                              S&P 500: media cumulată după n zile

                              Exemplu lucrat: eroarea standard a mediei

                              \[\bar r_n = \frac1n\sum_{t=1}^n r_t, \qquad \mathrm{SE} = \frac{s}{\sqrt n}, \qquad t = \frac{\bar r_n}{s/\sqrt n}, \qquad n_{t = 2} = \Big(\frac{2s}{\bar r}\Big)^2\]
                                  Întrebare pentru sală Pe 2000–2026, media zilnică a S&P 500 are t = 1,67. Cu aceeași medie și volatilitate, cîți ani de date ar trebui pentru t = 2?
                                  Răspuns

                                  Circa 38 de ani: n = (2s/r̄)² = (2 × 1,213/0,0247)² = 9 633 de zile. t crește cu √n, deci pentru un t de 2/1,67 = 1,20 ori mai mare trebuie de 1,43 ori mai multe zile. Pentru o eroare standard de două ori mai mică trebuie de patru ori mai multe zile (26 856). Media cumulată din 2000 este încă negativă după 100, 1 000 și 2 500 de zile.

                                  LLN pentru randamentul mediu: convergență lentă

                                  Slide-ul 35: LLN pentru randamentul mediu: convergență lentă
                                  Slide-ul 35
                                    Întrebare pentru sală Pe 2000–2026, media zilnică a S&P 500 are t = 1,67. Butonul ▶ mută începutul eșantionului de la 2000 la 2020. Ce valoare are t pentru eșantionul care începe în 2009?
                                    Răspuns

                                    2,83: media zilnică este 0,0480% (12,1% pe an), eroarea standard 0,0169%. Eșantionul din 2009 începe după criza din 2008. Din 2003, t = 2,38; din 2020, t = 1,64 cu doar 1 687 de zile. Intervalul de 95% al mediei anuale este [3,7%; 20,4%] din 2009 și [−1,1%; 13,5%] din 2000. Media estimată depinde mult de începutul eșantionului; un început ales după ce s-au văzut datele nu mai dă un test valid.

                                    Numere aleatoare și Monte Carlo

                                    Exemplu lucrat: un LCG cu M = 16

                                    Slide-ul 38: Exemplu lucrat: un LCG cu M = 16
                                    Slide-ul 38

                                    M = 16: perioada pentru fiecare multiplicator a, cu c și x0 alese

                                    Exemplu lucrat: pașii unui LCG și perioada lui

                                    \[x_{k+1} = (a\,x_k + c) \bmod M, \qquad u_k = \frac{x_k}{M}, \qquad M = 16\]
                                        Întrebare pentru sală Cu a = 4, c = 1 și x0 = 7, după cîți pași rămîne șirul blocat și la ce valoare?
                                        Răspuns

                                        După doi pași: x1 = 29 mod 16 = 13, x2 = 53 mod 16 = 5, apoi 4 × 5 + 1 = 21 ≡ 5, deci șirul rămîne 5 (perioada 1). Cu M = 16 și c impar, perioada maximă 16 apare exact cînd a − 1 este multiplu de 4 (a = 1, 5, 9, 13, condiția Hull–Dobell); a = 1 dă însă șirul 7, 8, 9, …, cu perioadă maximă și fără nimic aleator.

                                        RANDU: numerele aleatoare cad mai ales în plane (SFErandu)

                                        Slide-ul 39: RANDU: numerele aleatoare cad mai ales în plane (SFErandu)
                                        Slide-ul 39
                                          Întrebare pentru sală Butonul ▶ schimbă sămînța x0 a RANDU (numere impare de la 1 la 99). Cîte valori distincte ia combinația 9uk − 6uk+1 + uk+2 pentru x0 = 99?
                                          Răspuns

                                          15, de la −5 la 9, ca pentru orice sămînță impară. Relația vine din multiplicator: 65539 = 216 + 3, deci a² = 6a − 9 (mod 231) și xk+2 = 6xk+1 − 9xk (mod 231), oricare ar fi x0. Corelația perechilor rămîne mică (0,0078 pentru x0 = 99), deci un test pe perechi nu vede defectul. Cu PCG64, combinația ia 29 998 de valori diferite în 29 998 de triplete.

                                          Metoda transformării inverse

                                          Slide-ul 40: Metoda transformării inverse
                                          Slide-ul 40

                                          Exemplu lucrat: același u prin trei funcții cuantilă

                                          \[\begin{gathered}X = F^{-1}(U), \qquad U \sim U(0, 1):\\ x = -\frac{\ln(1 - u)}{\lambda} \;\text{(exponențială)}, \qquad x = \mu + \sigma\,\Phi^{-1}(u) \;\text{(Normală)}, \qquad x = \hat F^{-1}(u) \;\text{(istorică)}\end{gathered}\]

                                            Coada stîngă a celor 200 000 de extrageri din curs (S&P 500)

                                              Întrebare pentru sală Cu λ = 2, media distribuției exponențiale este 1/λ = 0,5. Pentru ce valori ale lui u depășește extragerea x = −ln(1 − u)/2 media?
                                              Răspuns

                                              Pentru u > 1 − e−1 = 0,632: P(X > 0,5) = e−λ × 0,5 = e−1 = 36,8%. Mediana este ln 2/λ = 0,347, sub medie: distribuția exponențială este asimetrică la dreapta. În tabel, cele 7 extrageri Normale sub −5%, față de 3,4 așteptate, diferă cu 1,9 abateri standard Poisson (√3,44 = 1,85): zgomot de simulare, nu un defect al metodei.

                                              Transformarea inversă: extrageri exponențiale, Normale și istorice

                                              Slide-ul 41: Transformarea inversă: extrageri exponențiale, Normale și istorice
                                              Slide-ul 41
                                                Întrebare pentru sală Dintre cele 200 000 de extrageri din distribuția Normală, 7 (0,0035%) sînt sub −5%. Cît dă distribuția Normală exactă, cu aceeași medie și abatere standard, pentru P(r < −5%)?
                                                Răspuns

                                                1,7 × 10−3%, adică 0,0017%, sau 3,4 extrageri așteptate din 200 000. Cu atît de puține evenimente, abaterea standard a numărului de extrageri este circa √3,4 ≈ 1,84, deci 7 extrageri sînt zgomot de simulare, nu un defect al metodei. Extragerile istorice dau 0,34% (685 din 200 000), ca datele: transformarea inversă cu funcția cuantilă empirică reproduce coada eșantionului. La −8%: nicio extragere Normală, 148 istorice.

                                                Exemplu lucrat: probabilitatea unei pierderi lunare prin Monte Carlo (2/2)

                                                Slide-ul 43: Exemplu lucrat: probabilitatea unei pierderi lunare prin Monte Carlo (2/2)
                                                Slide-ul 43

                                                Estimarea Monte Carlo și eroarea ei standard

                                                Exemplu lucrat: probabilitatea exactă, estimarea și eroarea standard

                                                \[\begin{gathered}z = \frac{-L - h\,m}{s\sqrt h}, \qquad p = \Phi(z), \qquad \hat p_N = \frac{1}{N}\sum_{i=1}^N \mathbf 1\{R_i < -L\},\\ \mathrm{SE} = \sqrt{\frac{p(1 - p)}{N}}, \qquad N_{10\%} = \frac{1{,}96^2 (1 - p)}{0{,}1^2\,p}\end{gathered}\]
                                                    Întrebare pentru sală Pentru o pierdere lunară peste 20%, p = 0,0112%. Cît este eroarea standard a estimării Monte Carlo cu N = 1 000 de simulări?
                                                    Răspuns

                                                    √(p(1 − p)/N) = 0,0334%, de trei ori p. Cu 1 000 de simulări estimarea este 0 (nicio lună simulată sub −20%); cu 100 000 este 0,007%, cu un milion 0,0117% (eroarea standard 0,0011%). Pentru L = 10%, eroarea standard la N = 1 000 este 0,533%, adică 18% din p = 2,922%.

                                                    Viteza de convergență Monte Carlo: 1/√N

                                                    Slide-ul 44: Viteza de convergență Monte Carlo: 1/√N
                                                    Slide-ul 44
                                                      Întrebare pentru sală Pentru o pierdere lunară peste 10%, o eroare relativă de 10% (la 95%) cere N = 12 762 de simulări. Cîte cere aceeași precizie pentru o pierdere lunară peste 15%?
                                                      Răspuns

                                                      Circa 146 000 (146 201): p scade de la 2,922% la 0,262%, iar N ≈ 1,96²(1 − p)/(0,1² p) crește aproape ca 1/p. Pentru 20%, p = 0,0112% și N = 3,44 milioane; cu un milion de simulări estimarea este 0,0117%, cu eroarea standard 0,0011%, circa 10% din p. Eroarea absolută √(p(1 − p)/N) scade odată cu p, dar eroarea relativă crește.

                                                      Modelul binomial

                                                      Exemplu lucrat: un arbore cu doi pași

                                                      Slide-ul 47: Exemplu lucrat: un arbore cu doi pași
                                                      Slide-ul 47

                                                      Nodurile finale ale arborelui, S0 = 100 (rîndurile evidențiate: Sn < 100)

                                                      Exemplu lucrat: media, probabilitatea unei pierderi și p*

                                                      \[\begin{gathered}S_n = S_0\,u^K d^{\,n-K}, \qquad P(K = k) = \binom{n}{k} p^k (1 - p)^{n-k},\\ E[S_n] = S_0\big(pu + (1 - p)d\big)^n, \qquad p^* = \frac{1 - d}{u - d}\end{gathered}\]
                                                          Întrebare pentru sală Cu S0 = 100, u = 1,2, d = 0,8 și p = 0,6, P(S2 < 100) = 0,64. Cît este P(S3 < 100) cu trei pași?
                                                          Răspuns

                                                          0,352: nodurile sînt 172,8, 115,2, 76,8 și 51,2, iar sub 100 sînt cele cu cel mult o creștere: 0,4³ + 3 × 0,6 × 0,4² = 0,064 + 0,288. Cu doi pași, nodul ud = 96 era sub 100 pentru că ud = 0,96 < 1; cu trei pași, nodul cu două creșteri este 115,2. Media E[S3] = 100 × 1,04³ = 112,49 crește oricum cu n.

                                                          Calibrarea arborelui pe o piață (Cox–Ross–Rubinstein)

                                                          Slide-ul 48: Calibrarea arborelui pe o piață (Cox–Ross–Rubinstein)
                                                          Slide-ul 48

                                                          Arborele CRR calibrat pe S&P 500 (σ = 19,26%, μ = 8,08%), S0 = 100, T = 1 an

                                                          Exemplu lucrat: P(ST ≤ 100) și P(ST < 100)

                                                          \[\begin{gathered}u = e^{\sigma\sqrt{\Delta t}}, \quad d = \frac1u, \quad p = \frac{e^{\mu\Delta t} - d}{u - d}, \qquad S_T = S_0\,u^{2K - n},\\ P(S_T \le S_0) = \sum_{k \le n/2} \binom{n}{k} p^k (1 - p)^{n-k}, \qquad P(S_T < S_0) = \sum_{k < n/2} \binom{n}{k} p^k (1 - p)^{n-k}\end{gathered}\]
                                                              Întrebare pentru sală Cu 252 de pași, P(ST ≤ 100) = 39,7%. Cît este probabilitatea ca ST să fie strict sub 100?
                                                              Răspuns

                                                              34,9%. Valoarea de 39,7% este P(ST ≤ 100): include nodul ST = 100 (k = 126 de creșteri), cu probabilitatea C(252, 126)p126(1 − p)126 = 4,8%. Limita lognormală, 37,3%, este practic media celor două valori. Cu un număr impar de pași nu există nod în 100: 37,3% la 251 și la 253 de pași.

                                                              Traiectorii binomiale și limita lognormală (SFEBinomp)

                                                              Slide-ul 49: Traiectorii binomiale și limita lognormală (SFEBinomp)
                                                              Slide-ul 49
                                                                Întrebare pentru sală Cu 252 de pași, P(ST ≤ 100) = 39,7%, față de 37,3% în limita lognormală. Cît este P(ST ≤ 100) cu doar 2 pași?
                                                                Răspuns

                                                                61,9%, din care 47,3% este nodul ST = 100 (o creștere și o scădere, ud = 1); P(ST < 100) este doar 14,7%. Cu n par, arborele are un nod exact în S0, cu o probabilitate care scade ca 1/√n: 6,7% la 126 de pași, 4,8% la 252. Cu 5 pași nu există acest nod și P(ST < 100) = 36,5%. Valoarea de 39,7% de pe slide este P(ST ≤ 100); strict sub 100 sînt 34,9%. E[ST] = 108,42 la orice n, prin construcția lui p.

                                                                Procese stochastice în timp discret

                                                                Procesul AR(1): simulare

                                                                Slide-ul 55: Procesul AR(1): simulare
                                                                Slide-ul 55

                                                                AR(1) cu σ = 1: valori teoretice, cele 500 de șocuri ale graficului și simularea lungă din curs

                                                                Exemplu lucrat: varianța, autocorelația și timpul de înjumătățire

                                                                \[X_t = \phi X_{t-1} + \varepsilon_t: \qquad \mathrm{Var}(X_t) = \frac{\sigma^2}{1 - \phi^2}, \qquad \rho(h) = \phi^h, \qquad h_{1/2} = \frac{\ln 0{,}5}{\ln \phi}\]
                                                                    Întrebare pentru sală Pentru φ = 0,5 timpul de înjumătățire al unui șoc este 1,0 perioade, pentru φ = 0,95 este 13,5. Cît este pentru φ = 0,9?
                                                                    Răspuns

                                                                    ln 0,5/ln 0,9 = 6,6 perioade. Varianța staționară este 1/(1 − 0,81) = 5,26, iar ρ(5) = 0,9⁵ = 0,590. Pe cele 500 de șocuri ale graficului, varianța de selecție a procesului cu φ = 0,9 este 6,44: cu o persistență mare, 500 de puncte conțin puține perioade aproape independente, iar varianța de selecție se depărtează de valoarea teoretică.

                                                                    Zgomot alb, AR(1) și mers aleator cu aceleași șocuri

                                                                    Slide-ul 56: Zgomot alb, AR(1) și mers aleator cu aceleași șocuri
                                                                    Slide-ul 56
                                                                      Întrebare pentru sală Pentru φ = 0,95, timpul de înjumătățire al unui șoc este 13,5 perioade. Cît este pentru φ = 0,99?
                                                                      Răspuns

                                                                      ln 0,5/ln 0,99 = 69,0 perioade, de cinci ori mai mult. Varianța staționară 1/(1 − φ²) crește de la 10,26 la 50,25, iar ρ(5) = 0,99⁵ = 0,951. Procesul este încă staționar și revine la 0, dar pe 500 de puncte se deosebește greu de un mers aleator; numai φ = 1 face șocurile permanente.

                                                                      Întrebare pentru sală: care serie este cea reală?

                                                                      Slide-ul 57: Întrebare pentru sală: care serie este cea reală?
                                                                      Slide-ul 57
                                                                        Întrebare pentru sală Care coloană este S&P 500, după randamente?
                                                                        Răspuns

                                                                        Coloana C. Prețurile nu o deosebesc: și mersurile aleatoare cu tendință au avînturi și căderi lungi. Randamentele o deosebesc: exces de boltire 10,67 față de cel mult 0,02 în simulări, Corr(rt², rt−1²) = 0,313 față de cel mult 0,006, cea mai mare mișcare zilnică 12,8% față de 6,2%. Peste 4 abateri standard: 46 de zile în C, cel mult una în coloanele simulate; peste 6 abateri standard: 12 zile în C, niciuna în simulări.

                                                                        Procesul Wiener și mișcarea browniană geometrică

                                                                        Procesul Wiener ca limită a mersului aleator (SFEWienerProcess)

                                                                        Slide-ul 62: Procesul Wiener ca limită a mersului aleator (SFEWienerProcess)
                                                                        Slide-ul 62
                                                                          Întrebare pentru sală 68,2% din cele 10 000 de valori simulate W(1) sînt în ±1. Ce pondere este în ±2?
                                                                          Răspuns

                                                                          95,37% în simulare, teoretic 2Φ(2) − 1 = 95,45%, pentru că W(1) ~ N(0, 1). Inegalitatea lui Cebîșev garantează doar cel puțin 1 − 1/2² = 75%, pentru orice distribuție cu varianță finită. Banda ±k√t descrie distribuția lui W(t), nu o margine a traiectoriilor: dintre cele 20 de traiectorii ale graficului, toate se termină în ±2, dar doar 14 în ±1. Pentru k = 3: 99,67% față de 99,73%.

                                                                          GBM: media, mediana și simularea

                                                                          Slide-ul 65: GBM: media, mediana și simularea
                                                                          Slide-ul 65

                                                                          GBM calibrat pe fiecare serie, S0 = 100

                                                                          Exemplu lucrat: media, mediana și cuantila lui ST

                                                                          \[\begin{gathered}E[S_T] = S_0 e^{\mu T}, \qquad \mathrm{Me}(S_T) = S_0 e^{(\mu - \sigma^2/2)T}, \qquad q_\alpha(S_T) = S_0 e^{(\mu - \sigma^2/2)T + \sigma\sqrt T z_\alpha},\\ P(S_T < S_0) = \Phi\Big(-\frac{(\mu - \sigma^2/2)\sqrt T}{\sigma}\Big)\end{gathered}\]
                                                                              Întrebare pentru sală GBM calibrat pe Bitcoin are σ = 66,6% pe an. De cîte ori este media lui S10 mai mare decît mediana?
                                                                              Răspuns

                                                                              De eσ²T/2 = e0,666² × 5 = 9,2 ori: media 68 252, mediana 7 437. Raportul dintre medie și mediană depinde doar de σ²T. Pentru S&P 500 (σ = 19,26%) raportul este 1,20 (224,4 față de 186,4). Media unui GBM este dominată de cîteva traiectorii foarte mari; o traiectorie tipică urmează mediana.

                                                                              GBM calibrat pe S&P 500 (SFEsimGBM)

                                                                              Slide-ul 66: GBM calibrat pe S&P 500 (SFEsimGBM)
                                                                              Slide-ul 66
                                                                                Întrebare pentru sală Butonul ▶ mărește σ de la 5% la 60%, cu aceeași medie μ = 8,08% pe an. Pentru σ = 40%, unde ajunge mediana lui S10?
                                                                                Răspuns

                                                                                La 100,8 = 100e(0,0808 − 0,08) × 10: tendința logaritmică μ − σ²/2 scade la 0,08% pe an. Media rămîne 224,4, pentru că depinde doar de μ. Probabilitatea unei pierderi după 10 ani crește de la 15,3% (σ = 19,26%) la 49,7%, iar ponderea traiectoriilor sub medie, Φ(σ√T/2), de la 62,0% la 73,6%. σ = 40% este o rulare suplimentară a formulelor capitolului, nu un rezultat din curs.

                                                                                Traiectorii reale în evantaiul GBM

                                                                                Slide-ul 67: Traiectorii reale în evantaiul GBM
                                                                                Slide-ul 67
                                                                                  Întrebare pentru sală Cu banda de 90%, BET este în afara evantaiului GBM în 24% din zile. Ce pondere dă banda de 99%, unde nominal ar fi 1%?
                                                                                  Răspuns

                                                                                  12,7%: mai puțin, dar de 13 ori valoarea nominală; avîntul din 2000–2007 și crahul din 2008 duc traiectoria departe de GBM. S&P 500: 7,0% în afara benzii de 90% și 0,0% în afara celei de 99%; Bitcoin: 4,5% și 0,1%. Zilele unei singure traiectorii nu sînt observații independente: traiectoria rămîne mult timp de aceeași parte a medianei, așa că și S&P 500 este în afara benzii de 50% în 64,2% din zile.

                                                                                  Limitele modelului GBM

                                                                                  Slide-ul 68: Limitele modelului GBM
                                                                                  Slide-ul 68

                                                                                  Zile cu |r − media| > k abateri standard: date, simulări GBM și distribuția Normală

                                                                                    Întrebare pentru sală Butonul ▶ ridică pragul k de la 3 la 8 abateri standard. La k = 6, cîte zile are S&P 500 și cîte are cea mai extremă dintre cele 300 de simulări GBM?
                                                                                    Răspuns

                                                                                    12 zile în date și 0 în fiecare dintre cele 300 de simulări. BET are 17 astfel de zile, Bitcoin 4. La k = 3, S&P 500 are 105 zile, față de mediana GBM 18; la k = 8, încă 4 zile. În distribuția Normală, numărul așteptat de zile peste 6 abateri standard în 6 714 zile este de ordinul 10−5.

                                                                                    Randamente logaritmice zilnice, în %: S&P 500, DAX și BET din ianuarie 2000, Bitcoin din septembrie 2014 (7 zile pe săptămînă), pînă la 18 septembrie 2026. Prețuri de închidere EODHD. Simulările sînt cele din curs: aceleași modele, aceleași numere de traiectorii și aceleași semințe ale generatorului.