- •Глава 1. Принципы моделирования случайных элементов 6
- •Глава 3. Метод Монте-Карло и его применения 51
- •3.4. Задания 63
- •Глава 4. Система моделирования gpss 64
- •Глава 5. Моделирование сложных систем на основе gpss 127
- •5.2.1. Иммитационная модель системы 136
- •Глава 6. Задания лабораторного практикума по gpss 152
- •Глава 7. Статистическое моделирование в финансовом анализе. 181
- •Введение
- •Глава 1.Принципы моделирования случайных элементов
- •1.1. Моделирование случайных величин
- •1.1.1.Моделирование базовых случайных величин (бсв) Понятие бсв
- •Датчики бсв
- •Метод Макларена-Марсальи
- •Специальные тесты проверки точности моделирования бсв
- •Тест «совпадения моментов»
- •Тест «ковариация»
- •Тест «равномерность двухмерного распределения»
- •1.1.2.Статический анализ точности моделирования
- •1.1.3.Задания
- •1.2. Моделирование дискретных случайных величин (дсв)
- •1.2.1.Понятие дсв. Общая схема алгоритма моделирования
- •1.2.3.Графический анализ точности моделирования
- •1.2.4.Задания
- •Дискретное равномерное распределение
- •1.3. Моделирование непрерывных случайных величин (нсв)
- •1.3.1.Понятие нсв. Универсальные методы моделирования нсв. Понятие нсв.
- •Метод обратной функции.
- •Метод исключения
- •1.3.2.Тесты проверки точности моделирования нсв Критерии согласия
- •- Критерий согласия Пирсона
- •Критерий согласия Колмогорова.
- •Критерий серий
- •Критерий “нисходящих” и ”восходящих” серий
- •1.3.3.Алгоритмы моделирования для основных непрерывных распределений Равномерное распределение
- •Алгоритм моделирования
- •Одномерное нормальное распределение
- •Алгоритм моделирования
- •Экспоненциальное распределение
- •Алгоритм моделирования
- •Распределение Лапласа
- •Алгоритм моделирования
- •Алгоритмы моделирования:
- •Бета-распределение.
- •Связь с другими распределениями
- •Алгоритмы моделирования:
- •Алгоритмы моделирования
- •Алгоритм моделирования
- •Моделирование случайных величин с заданной гистограммой
- •Алгоритм моделирования
- •Моделирование случайных величин с заданным полигоном частот
- •1.3.4.Задания Равномерное распределение
- •Одномерное нормальное распределение
- •Распределение Лапласа
- •Распределение Вейбулла-Гнеденко
- •Гамма распределение
- •Бета-распределение
- •Распределение Коши
- •Логистическое распределение
- •Распределение Стьюдента
- •Распределение Фишера
- •3.2. Вычисление определенного интеграла методом Монте-Карло
- •Пример.
- •Текст программы:
- •3.3. Решение системы алгебраических уравнений методом Монте-Карло
- •3.4. Задания
- •Глава 4.Система моделирования gpss
- •4.1. Краткие сведения из теории
- •4.2. Основные правила и операторы языка gpss
- •4.2.1.Структура операторов gpss
- •4.2.2.Основные операторы языка gpss
- •4.3. Основные блоки gpss/pc и связанные с ними объекты
- •4.3.1.Блоки, связанные с транзактами
- •4.3.2.Блоки, связанные с аппаратными объектами
- •4.3.3.Блоки для сбора статистических данных
- •4.3.4.Блоки, изменяющие маршруты транзактов
- •4.3.5.Блоки, работающие с памятью
- •4.3.6.Блоки для работы со списками пользователя
- •4.4. Управляющие операторы gpss/pc
- •4.5. Некоторые приемы конструирования gpss-моделей
- •4.5.1.Косвенная адресация
- •4.5.2.Обработка одновременных событий
- •4.6. Команды gpss/pc и технология работы с пакетом
- •4.6.1.Загрузка интегрированной среды
- •4.6.2.Ввод новой модели
- •4.6.3.Редактирование текста модели
- •4.6.4.Запись и считывание модели с диска
- •4.6.5.Прогон модели и наблюдение за моделированием
- •4.6.6.Получение и интерпретация стандартного отчета
- •5.1.3.Анализ результатов иммитационного моделирования
- •5.2. Моделирование работы участка цеха
- •5.2.1.Иммитационная модель системы
- •110 Generate 30,5 Первый сегмент модели
- •280 Generate 20,5 Второй сегмент модели
- •450 Generate 480 Третий сегмент модели (таймер)
- •5.2.2.Анализ результатов иммитационного моделирования
- •Обсуждение результатов моделирования
- •105 A2 storage 2 Второй станок моделируется как накопитель
- •5.3. Порядок оформления отчета
- •5.3.1.Содержание отчета
- •Задания для самопроверки
- •5.3.2.Создание выходного файла
- •Задание для домашней подготовки
- •5.3.3.Описание элементов выходного файла
- •Глава 6.Задания лабораторного практикума по gpss
- •Глава 7.Статистическое моделирование в финансовом анализе.
- •7.1. Моделирование наращенных сумм и современных величин платежа.
- •Задание 4.
- •7.2. Моделирование величины реальной наращенной суммы платежей с учетом инфляции.
- •7.3. Моделирование обменного курса валют при двойной конверсии валют.
- •Приложение
- •Примечание к таблице п.3
- •Литература
7.3. Моделирование обменного курса валют при двойной конверсии валют.
Рассмотрим задачу о вычислении наращенных сумм депозитов с использованием двойной конверсии валюты [ ].
Если имеются свободные денежные
средства, то их можно нарастить, поместив
на депозит. Для определенности рассуждений
будем предполагать, что свободные
денежные средства Pv
- это свободно конвертируемая
валюта, которую можно конвертировать
в рубли. Эти свободные денежные средства
можно нарастить двумя способами: 1)
используя прямое наращение капитала
на валютный депозит под
годовых процентов на срок n
лет; 2) используя двойную конверсию
валюты, обменяв вначале по курсу K0
валюту на рубли, затем поместив рубли
на депозит под j
годовых процентов, и, наконец, обменяв
наращенную рублевую массу на валюту по
обменному курсу K1.
Для определенности рассуждений
будем полагать, что указанные депозиты
краткосрочные, n
1 и ставки процентов
,
j – это годовые
ставки простых процентов. В данной
ситуации возникает вопрос: что выгоднее
– прямое помещение капитала или двойная
конверсия? Ответить на него помогают
два барьерных значения K1:
K1* =
K0(1 +n
),
=
.
Эти значения можно вычислить в самом
начале операции депонирования. Если 1)
K1* <
K1, то
двойная конверсия убыточна; 2) K1*
> K1,
то двойная конверсия прибыльна. В
ситуации 2) надо решать вопрос: а может
прямое помещение капитала более выгодно,
чем использование двойной конверсии
валют? В данной ситуации используется
значение
,
если K1 <
,
то выгоднее применить двойную конверсию
валют, если K1*
> K1 >
,
то прямое помещение капитала на депозит
выгоднее, чем использование двойной
конверсии.
Однако использовать этот алгоритм принятия решения не представляется возможным, так как значение обменного курса K1 в конце операции неизвестно. Для того, чтобы оценить K1, используют различные методы прогноза K1.
Опишем подход к принятию решений в данной ситуации, который основан на том, что неизвестное значение K1 мы будем рассматривать, как случайную величину с заданным либо спрогнозированным законом распределения вероятностей. В данном случае мы не только сможем выбрать лучшую из трех альтернатив принятия решения, но и количественно оценить в виде вероятности степень обоснованности выбора той или иной альтернативы: 1) P1 = P(K1* < K1) – вероятность того, что двойная конверсия убыточная, 2) P2 = P(K1 < ) – вероятность того, что двойная конверсия дает большую выгоду, чем прямое помещение капитала, 3) P3 = 1 - P1 - P2 – вероятность того, что прямое помещение капитала более выгодно, чем использование двойной конверсии валют. Оценивая значения P1, P2 и P3, можно сделать обоснованный вектор в пользу той или иной альтернативы.
Задание 1
Решено поместить 1200$ на трехмесячный
депозит. Курс обмена валюты на данный
момент K0 =
1820 руб. На валютном вкладе ставка 10 %
годовых, на рублевом вкладе – 50 % годовых.
Есть основания считать, что обменный
курс K1 через
3 месяца будет описываться "трапецеидальным"
законом распределения вероятностей,
K1
1830,
2100; 1840, 1850)
По 10 реализациям K1 оценить вероятности P1, P2 и P3 трех альтернатив принятия решения.
Решение. В данном случае K1* = 2048, = 1998. Пусть в результате моделирования получены следующие значения обменных курсов K1: 1838, 1842, 2010, 1843, 1999, 1849, 1881, 1837, 1847, 1844. По этим значениям оценим вероятности P1, P2 и P3: P1 = 0; P2 = 0,8; P3 = 0,2.
Вывод: данная конверсия выгодна и двойная конверсия даст большую выгоду, чем прямое поглощение капитала.
Задание 2
По 1000 реализациям обменного курса K1 оцените вероятности P1, P2 и P3 принятия альтернативных решений для условий депонирования вклада из задания1 и следующих распределений K1:
1) дискретный тип распределения K1: 1840 с вероятностью 0,13; 1850 с вероятностью 0,47; 1970 с вероятностью 0,12;
2) равномерное распределение, K1,
K1
3) нормальное распределение , K1,
K1
4) марковская зависимость с трендом.
Значения обменного курса К1j
в день с номером j
от начала действия депозита складывается
из значения тренда f(j)
и маржи
,
т.е. К1j
= f(j)
+
,
где тренд f(j)
= 1830 + j,
- заданные значения маржи;
-
номер состояния цепи Маркова с тремя
состояниями и матрицей одношаговых
переходов с элементами : p11
= 0,2; p21 =
0,7; p13 = 0,1;
p21 = 0,2; p22
= 0,5; p23 =
0,3; p31 = 0,2;
p32 = 0,6; p33
= 0,2. Цепь выходит из второго
состояния, т.е.
