Risk Management in Finance: 1. Risk and return

Zhrnutie prednášky

Úvodná prednáška kurzu manažmentu finančných rizík zopakuje základy výnosu a rizika z podnikových financií a ukáže ich implementáciu v MATLAB-e. Cena aktíva sa modeluje ako autoregresný proces AR(1) s normálne rozdeleným šumom, čo zodpovedá hypotéze efektívneho trhu. Parameter beta musí byť rovný 1, aby sa rad správal ako cena; pri hodnotách nad 1 exploduje a pri nižších osciluje ako výnos. Realistickejšie dáta by vyžadovali dlhšiu pamäť (až 30 oneskorení) a rozdelenie s hrubými chvostmi, napríklad Studentovo. Simulované výnosy získané diferencovaním sa dobre fitujú normálnym rozdelením. Pri reálnych trhových dátach sa potom počítajú priemer, smerodajná odchýlka, šikmosť, špicatosť a test normality.

• - Cena aktíva sa modeluje ako AR(1) proces s normálnym šumom, čo zodpovedá hypotéze efektívneho trhu.
• - Pri bete rovnej 1 sa rad správa ako cena; nad 1 exploduje, pod 1 osciluje okolo nuly ako výnos.
• - Realistickejšie modely potrebujú dlhšiu pamäť (až 30 lagov) a rozdelenie s hrubými chvostmi, napr. Studentovo.
• - Výnosy sa získajú diferencovaním cien; logaritmy sú problematické pri záporných úrokových sadzbách a výnosoch dlhopisov.
• - Normálne rozdelenie je určené len priemerom a smerodajnou odchýlkou; simulované dáta ho dobre kopírujú.
• - Pri reálnych dátach treba skúmať šikmosť (asymetriu) a špicatosť (normálna hodnota je 3), pretože signalizujú extrémne hodnoty.
• - Ak sa šikmosť a špicatosť výrazne líšia od normálnych hodnôt, test normality zlyhá.

Zhrnutie pripravené s pomocou AI z prepisu videa.