第十章:主成分模型与 VaR 分析

思维导图

一些想法

  • NS 家族模型的参数有经济意义,同时参数变化的行为类似主成分,考虑基于 NS 模型参数的风险度量。
  • 尝试用(多元)GARCH 滤波利率变化,对残差应用 PCA。

推导 PCD、PCC 和 KRD、KRC 的关系

利用主成分系数矩阵的正交性。

PCD 和 KRD

\[
\begin{aligned}
PCD(i) &= -\frac{1}{P} \frac{\partial P}{\partial c^*_i}\\&= -\sqrt{\lambda_i} \frac{1}{P} \frac{\partial P}{\partial c_i}\\
&=-\sqrt{\lambda_i} \frac{1}{P} \frac{\partial P}{\partial c_i} \sum_{j=1}^k \mu_{ij}^2\\
&=-\sqrt{\lambda_i} \frac{1}{P} \sum_{j=1}^k \frac{\partial P}{\partial c_i} \mu_{ij}^2\\
&=-\sqrt{\lambda_i} \frac{1}{P} \sum_{j=1}^k \frac{\partial P}{\partial c_i} \frac{\partial c_i}{\partial y(t_j)} \mu_{ij}\\
&=- \sqrt{\lambda_i} \frac{1}{P} \sum_{j=1}^k \frac{\partial P}{\partial y(t_j)} \mu_{ij}\\
&=\sqrt{\lambda_i}\sum_{j=1}^k KRD(j) \mu_{ij}\\
&=\sum_{j=1}^k KRD(j) l_{ji}
\end{aligned}
\]

PCC 和 KRC

\[
\begin{aligned}
PCC(i,j) &= -\frac{1}{P} \frac{\partial^2 P}{\partial c^*_i \partial c^*_j}\\
&=-\sqrt{\lambda_i}\sqrt{\lambda_j}\frac{1}{P} \frac{\partial^2 P}{\partial c_i \partial c_j}\\
\end{aligned}
\]

其中

\[
\begin{aligned}
\frac{\partial^2 P}{\partial c_i \partial c_j}&=
\frac{\partial\left(\frac{\partial P}{\partial c_i}\right)}{\partial c_j}\\
&=\frac{\partial\left(\sum_{l=1}^k \frac{\partial P}{\partial y(t_l)} \mu_{il}\right)}{\partial c_j}\\
&=\sum_{l=1}^k \frac{\partial^2 P}{\partial y(t_l) \partial c_j} \mu_{il}\\
\end{aligned}
\]

又有

\[
\begin{aligned}
\frac{\partial^2 P}{\partial y(t_l) \partial c_j}&=
\frac{\partial^2 P}{\partial y(t_l) \partial c_j} \sum_{n=1}^k \mu_{jn}^2\\
&=\sum_{n=1}^k \frac{\partial^2 P}{\partial y(t_l) \partial c_j} \mu_{jn}^2\\
&=\sum_{n=1}^k \frac{\partial^2 P}{\partial y(t_l) \partial c_j} \frac{\partial c_j}{\partial y(t_n)} \mu_{jn}\\
&=\sum_{n=1}^k \frac{\partial^2 P}{\partial y(t_l) \partial y(t_n)} \mu_{jn}\\
\end{aligned}
\]

所以

\[
\begin{aligned}
\frac{\partial^2 P}{\partial c_i \partial c_j}&=
\sum_{l=1}^k \sum_{n=1}^k \frac{\partial^2 P}{\partial y(t_l) \partial y(t_n)} \mu_{jn} \mu_{il}
\end{aligned}
\]

最终

\[
\begin{aligned}
PCC(i,j) &= -\sqrt{\lambda_i}\sqrt{\lambda_j}\frac{1}{P} \sum_{l=1}^k \sum_{n=1}^k \frac{\partial^2 P}{\partial y(t_l) \partial y(t_n)} \mu_{jn} \mu_{il}\\
&=\sum_{l=1}^k \sum_{n=1}^k KRC(l,n) l_{nj}l_{li}
\end{aligned}
\]

《Interest Rate Risk Modeling》阅读笔记——第十章 主成分模型与 VaR 分析的更多相关文章

  1. 《Interest Rate Risk Modeling》阅读笔记——第五章:久期向量模型

    目录 第五章:久期向量模型 思维导图 久期向量的推导 久期向量 广义久期向量 一些想法 第五章:久期向量模型 思维导图 久期向量的推导 \[ V_0 = \sum_{t=t_1}^{t_n} CF_t ...

  2. 《Interest Rate Risk Modeling》阅读笔记——第四章:M-absolute 和 M-square 风险度量

    目录 第四章:M-absolute 和 M-square 风险度量 思维导图 两个重要不等式的推导 关于 \(M^A\) 的不等式 关于 \(M^2\) 的不等式 凸性效应(CE)和风险效应(RE)的 ...

  3. 《Interest Rate Risk Modeling》阅读笔记——第三章:拟合期限结构

    目录 第三章:拟合期限结构 思维导图 扩展 第三章:拟合期限结构 思维导图 扩展 NS 模型的变种

  4. 《Interest Rate Risk Modeling》阅读笔记——第二章:债券价格、久期与凸性

    目录 第二章:债券价格.久期与凸性 思维导图 瞬时回报率-收益率的例子 第二章:债券价格.久期与凸性 思维导图 瞬时回报率-收益率的例子

  5. 《Interest Rate Risk Modeling》阅读笔记——第一章:利率风险建模概览

    目录 第一章:利率风险建模概览 思维导图 一些想法 第一章:利率风险建模概览 思维导图 一些想法 久期向量模型类似于研究组合收益的高阶矩. 久期向量模型用的是一般多项式表达高阶久期,试试正交多项式? ...

  6. 《Interest Rate Risk Modeling》阅读笔记——第八章:基于 LIBOR 模型用互换和利率期权进行对冲

    目录 第八章:基于 LIBOR 模型用互换和利率期权进行对冲 思维导图 推导浮息债在重置日(reset date)的价格 第八章:基于 LIBOR 模型用互换和利率期权进行对冲 思维导图 推导浮息债在 ...

  7. 《Interest Rate Risk Modeling》阅读笔记——第九章:关键利率久期和 VaR 分析

    目录 第九章:关键利率久期和 VaR 分析 思维导图 一些想法 有关现金流映射技术的推导 第九章:关键利率久期和 VaR 分析 思维导图 一些想法 在解关键方程的时候施加 \(L^1\) 约束也许可以 ...

  8. Keras 文档阅读笔记(不定期更新)

    目录 Keras 文档阅读笔记(不定期更新) 模型 Sequential 模型方法 Model 类(函数式 API) 方法 层 关于 Keras 网络层 核心层 卷积层 池化层 循环层 融合层 高级激 ...

  9. C++ Primer 第四版阅读笔记

    阅读笔记 初始化 变量定义指定了变量的类型和标识符,也可以为对象提供初始值.定义时指定了初始值的对象被称为是 已初始化的.C++ 支持两种初始化变量的形式:复制初始化和 直接初始化.复制初始化语法用等 ...

随机推荐

  1. HTML5中新增的主体结构元素

    article元素 article元素代表文档.页面或应用程序中独立的.完整的.可以独自被外部引用的内容. 它可以使一篇博客或者报刊中的文章,一篇论坛帖子.一段用户评论或独立的插件,或其他任何独立的内 ...

  2. Scrapy 爬取动态页面

    目前绝大多数的网站的页面都是冬天页面,动态页面中的部分内容是浏览器运行页面中的JavaScript 脚本动态生成的,爬取相对比较困难 先来看一个很简单的动态页面的例子,在浏览器中打开 http://q ...

  3. HTML table表头排序箭头绘制法【不用箭头图片】

    效果图 代码 <!DOCTYPE html> <html lang="en"> <head> <meta charset="ut ...

  4. Django 学习视图之FBV与CBV

    一. CBV与FBV CBV:Class Based View FBV:Function Based View 我们之前写过的都是基于函数的view,就叫FBV.还可以把view写成基于类的,那就是C ...

  5. Centos7 nginx的目录结构与nginx主配置文件解析

    一.nginx的目录结构 [root@node nginx_116]# ls client_body_temp  conf  fastcgi_temp  html  logs  proxy_temp ...

  6. Java 正则?:?=?!的理解

    上图是官方文档的介绍,总结一下讲了两个知识点 ①是否获取匹配并保存匹配的值.②正向预查和反向预查. 1:解释是否获取匹配并保存匹配的值 ()表示捕获分组,获取匹配,()把每个分组里的匹配的值保存起来 ...

  7. 你需要知道的 JavaScript 类(class)的这些知识

    作者: Dmitri Pavlutin译者:前端小智来源:dmitripavlutin 点赞再看,养成习惯 本文 GitHub https://github.com/qq44924588... 上已经 ...

  8. 概率图模型(PGM,Probabilistic Graphical Model)

    PGM是现代信号处理(尤其是机器学习)的重要内容. PGM通过图的方式,将多个随机变量之前的关系通过简洁的方式表现出来.因此PGM包括图论和概率论的相关内容. PGM理论研究并解决三个问题: 1)表示 ...

  9. 新闻网大数据实时分析可视化系统项目——11、MySQL安装

    1.修改yum源 鉴于用国外的Yum源,速度比较慢,所以想到将国外的yum源改为国内的Yum源,这里选择使用比较多的阿里云源.具体修改方法可以参考此连接 2.在线安装mysql 通过yum在线mysq ...

  10. android使用友盟实现第三方登录、分享以及微信回调无反应问题解决办法

    这里介绍微信和新浪登录.微信登录和新浪登录都需要申请第三方账号.可以参考官方文档http://dev.umeng.com/social/android/operation#2还是很清晰的. 新浪微博开 ...