LIBOR tržního modelu (LMM)

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "LIBOR tržního modelu (LMM)"

Transcript

1 Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Bc. Ružena Nistorová Oceňování úrokových derivátů pomocí LIBOR tržního modelu (LMM) Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: RNDr. Petr Myška, Ph.D. Studijní program: Matematika Studijní obor: Finanční a pojistná matematika Praha 2012

2 Moja vd aka patrí v prvom rade RNDr. Petrovi Myškovi, Ph.D. za odborné vedenie, cenné rady, podnety a za čas, ktorý mi v priebehu písania tejto práce venoval. Ďalej by som rada pod akovala rodičom za všetko čo ma naučili. V neposlednom rade d akujem svojmu priatel ovi Pet ovi za psychickú podporu počas celého štúdia.

3 Prohlašuji, že jsem tuto diplomovou práci vypracovala samostatně a výhradně s použitím citovaných pramenů, literatury a dalších odborných zdrojů. Beru na vědomí, že se na moji práci vztahují práva a povinnosti vyplývající ze zákona č. 121/2000 Sb., autorského zákona v platném znění, zejména skutečnost, že Univerzita Karlova v Praze má právo na uzavření licenční smlouvy o užití této práce jako školního díla podle 60 odst. 1 autorského zákona. V Praze dne Bc. Ružena Nistorová

4 Název práce: Oceňování úrokových derivátů pomocí LIBOR tržního modelu (LMM) Autor: Bc. Ružena Nistorová Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: RNDr. Petr Myška, Ph.D., Česká spořitelna, a.s. Abstrakt: V predloženej práci sú predstavené úrokové deriváty a základy ich oceňovania, ktoré sú založené na budúcom vývoji úrokových sadzieb. Podrobne je opísaný Hull-whiteov model, ktorý sa zaoberá modelovaním okamžitej úrokovej sadzby. Tá umožňuje oceňovanie rôznych úrokových derivátov. Na tomto modely je prevedená kalibrácia na dáta z trhu. Hlavná čast práce je venovaná LIBOR tržnému modelu, ktorý modeluje množinu forwardových sadzieb. Sú predstavené výsledky kalibrácie tohto modelu pomocou tržných hodnôt swapových volatilít. V závere práce sú porovnané oba modely. Kl účové slova: úrokové deriváty, okamžitá úroková sadzba, forwardová sadzba, Hull-Whiteův model, LIBOR tržní model Title: Valuation of interest rates derivatives through LIBOR market model Author: Bc. Ružena Nistorová Department: Department of Probability and Mathematical Statistics Supervisor: RNDr. Petr Myška, Ph.D., Česká spořitelna, a.s. Abstract: In this thesis, the interest rates derivatives and their valuation based on the future development of interest rates are presented. The Hull-White model focusing on the modeling of the instantaneous spot rates is described in detail. The model is calibrated to the market caplet volatilities and is used to evaluate various interest rates derivatives. The main emphasis is put on the LIBOR market model describing the development of set of forward rates. There are presented and in detail discussed results of the calibration of LMM model on the market swaption volatilities. At the end the two models are compared. Keywords: interest rates derivatives, instantaneous interest rate, forward interest rate, Hull-White model, Libor market model

5 Obsah Úvod 1 1 Základné pojmy Spotová úroková sadzba Forwardová úroková sadzba Úrokové deriváty Swap Capy a floory Swapce Tržné dáta Spotová výnosová krivka Implikovaná capletová volatilita Implikovaná swapcová volatilita Modelovanie okamžitej úrokovej sadzby Hull-Whiteov model Cena dlhopisov Oceňovanie úrokových derivátov s využitím HW modelu Aplikácia HW modelu na reálne dáta Simulovanie sadzieb Ocenenie capletu a floorletu Kalibrácia HW modelu LIBOR tržný model Teória k LMM Okamžitá volatilita forwardovej úrokovej miery Ocenenie capu a flooru pomocou LMM Korelácia forwardových sadzieb Ocenenie swapca pomocou LMM Kalibrácia LMM Aplikácia LMM na tržných dátach Kalibrácia LMM Určenie ceny swapca Porovnanie oceňovania pomocou HW a LMM modelu Porovnanie cien capu a flooru Porovnanie cien swapca Záver 50 Zoznam použitej literatúry 54 v

6 Úvod V 70. a 80. rokoch minulého storočia sa v plnej miere rozvinul trh s úrokovými derivátmi. Podnetom k obchodovaniu s úrokovými inštrumentmi bola zvyšujúca sa volatilita úrokových sadzieb. Na trhu sa začali objavovat rozličné úrokové deriváty, ktorých cena závisela a aj dnes závisí od pohybu úrokových sadzieb. To podnietilo nielen obchodníkov, ale i radu ekonómov a matematikov k úvahám o budúcom vývoji úrokových sadzieb. Od tohto obdobia vzniklo mnoho modelov popisujúcich stochastický vývoj úrokových sadzieb. Prvou skupina modelov, ktoré sa zaoberajú problematikou modelovania okamžitej úrokovej miery, sú jednofaktorové modely. Medzi ne patrí napríklad Vašíčkov model a Hull-Whiteov model. Ked že výnosová krivka modelovaná pomocou jednofaktorových modelov nemusí spĺňat niektoré z hlavných požiadaviek na úrokovú sadzbu, bolo potrebné vyvinút zložitejšie modely, ktoré budú vo väčšom súlade s trhom. Pridaním d alšieho zdroja neistoty sa vyznačujú dvojfaktorové modely, ku ktorým patrí model Brennana a Schwartza, alebo konvergenčný model. V roku 1997 bol predstavený LIBOR tržný model, ktorý bol ako prvý v súlade s dovtedy zaužívanými vzt ahmi na oceňovanie niektorých úrokových derivátov. LIBOR tržný model predpovedá vývoj množiny forwardových sadzieb na základe znalostí okamžitej volatility forwardových sadzieb a korelácií medzi forwardovými sadzbami. LIBOR tržný model a jeho využitie pri oceňovaní úrokových derivátov je hlavnou témou tejto práce. V prvej kapitole sú zhrnuté základné pojmy, ktoré sa využívajú v oblasti úrokových sadzieb. Druhá kapitola je zhrnutím základných poznatkov o úrokových derivátoch. Zameriava sa hlavne na úrokové deriváty, ktoré sa v d alších kapitolách oceňujú. V tretej kapitole je možné nájst dáta z trhu, ktoré sa používajú v d alších kapitolách. Štvrtá kapitola je venovaná modelovaniu okamžitej spotovej sadzby pomocou jednofaktorových modelov. V tejto kapitole je priblížená teória Hull-Whiteovho modelu, aplikácia na reálne dáta, kalibrácia modelu a oceňovanie capletov a floorletov s využitím Hull-Whiteovho modelu. V piatej kapitole je charakterizovaná dynamika vývoja forwardovej úrokovej sadzby pomocou LIBOR tržného modelu a spôsoby oceňovania úrokových derivátov s využitím tohto modelu. Opísaná teória je aplikovaná na reálnych dátach, čo zahrňuje kalibráciu tohoto modelu na tržné volatility a modelovanie forwardovej úrokovej sadzby. Posledná kapitola je venovaná oceneniu capu, flooru a swapca využitím oboch opísaných modelov a Blackovej formuly. K analýze dát bol využitý štatistický software R [8], aj všetky obrázky boli vytvorené pomocou tohoto nástroja. Na priloženom CD sa nachádza zdrojový kód s výpočtami. 1

7 1. Základné pojmy 1.1 Spotová úroková sadzba V tejto kapitole si priblížime pojmy, ktoré sa často spomínajú v teórii úrokových sadzieb a ktoré sa budú v d alšom texte využívat. Dôležitá je definícia diskontného faktoru D(t, T ) medzi časmi t a T. Je to hodnota v čase t rovná jednotkovej čiastke vyplatenej v čase T a je daný vzt ahom D(t, T ) = exp T t r(s) ds, (1.1) kde r(t) je okamžitá úroková sadzba v čase t, nazývaná často aj krátkodobá spotová sadzba. kde r(t) je okamžitá úroková sadzba v čase t, nazývaná často aj krátkodobá spotová sadzba. S diskontným faktorom úzko súvisí cena bezkupónového dlhopisu. Bezkupónový dlhopis je kontrakt, ktorý garantuje držitel ovi v čase splatnosti T vyplatit jednotkovú čiastku. Cena tohto dlhopisu v čase t je označovaná P (t, T ). Je zrejmé, že P (T, T ) = 1 pre všetky T. Čas medzi t a T v rokoch budeme d alej značit τ(t, T ). Ak by bola okamžitá úroková miera r(t) deterministickou veličinou, tak by bol i diskontný faktor D deterministický, a platilo by D(t, T ) = P (t, T ) pre každú dvojicu (t, T ). Ked že okamžitá úroková miera r(t) je náhodná veličina, bude i diskontný faktor náhodnou veličinou závislou na budúcom vývoji okamžitej úrokovej sadzby r(t) v období medzi t a T. Potom môže byt P (t, T ) vyjadrené ako stredná hodnota diskontného faktoru D(t, T ) podmienená informáciami dostupnými v čase t P (t, T ) = E t exp T t r(s)ds. (1.2) Spotová úroková miera pre jednoduché úročenie so začiatkom v čase t a so splatnost ou v T sa označuje L(t, T ) a je to konštantná sadzba, s ktorou investor získa v čase splatnosti T jednotkovú čiastku, ak mal v čase t čiastku P (t, T ). To znamená, že P (t, T )(1 + τ(t, T )L(t, T )) = 1, (1.3) odkial dostávame vzt ah pre jednoducho úročenú spotovú úrokovú sadzbu L(t, T ) = 1 P (t, T ) τ(t, T )P (t, T ). (1.4) Spotová sadzba Y (t, T ) pre zložené úročenie v čase t so splatnost ou v čase T je konštantná sadzba, ktorou investor z hodnoty P (t, T ) získa za obdobie τ(t, T ) jednotkovú čiastku, pokial získanú hodnotu každý rok počas doby splatnosti opät reinvestuje, tj. P (t, T )(1 + Y (t, T )) τ(t,t ) = 1, (1.5) z čoho vyplýva Y (t, T ) = 1 1. (1.6) [P (t, T )] 1/τ(t,T ) 2

8 Spotová sadzba pre spojité úročenie R(t, T ) v čase t a splatnost ou v T je konštantná sadzba, ktorou investor z hodnoty P (t, T ) získa za obdobie τ(t, T ), jednotkovú čiastku, pokial získanú hodnotu neustále reinvestuje, tj. z čoho vyplýva Pre okamžitú úrokovú mieru platia vzt ahy P (t, T )e R(t,T ) τ(t,t ) = 1, (1.7) ln P (t, T ) R(t, T ) = τ(t, T ). (1.8) r(t) = lim R(t, T ) = lim L(t, T ) = lim Y (t, T ). (1.9) T t + T t + T t + Základná krivka, ktorú môžme získat z trhu, je spotová výnosová krivka bezkupónového dlhopisu k času t. Táto krivka je grafom funkcie { L(t, T ) t < T t + 1 (rokov); T (1.10) Y (t, T ) T > t + 1 (rokov) a často sa nazýva aj časová štruktúra úrokových sadzieb v čase t. Príkladom sadzby jednoduchého úročenia je napríklad LIBOR úroková sadzba. Tržná LIBOR (London Interbank Offered Rate) úroková sadzba je taká sadzba, za ktorú si banky na Londýnskom medzibankovom trhu požičiavajú finančné prostriedky od iných bank. LIBOR je Britskou bankovou asociáciou denne fixovaný a počíta sa z filtrovaného priemeru úrokov pôžičiek poskytovaných najbonitnejšími bankami sveta. LIBOR úroková miera je zvyčajne naviazaná na cenu bezkupónového dlhopisu s Actual/360 dňovou konvenciou na určenie τ(t, T ). Vo Európe sa používajú aj iné podobné úrokové miery napríklad EURIBOR (The Euro Interbank Offered Rate), alebo v Českej republike PRIBOR (Prague Interbank Offered Rate). 1.2 Forwardová úroková sadzba Jeden zo základných prostriedkov, ktorý hrá hlavnú úlohu pri oceňovaní úrokových derivátov, je forwardová úroková sadzba. Forwardová sadzba je charakterizovaná troma časovými okamžikmi, a to časom t, v ktorom je forwardová sadzba uvažovaná, čas T, kedy sadzba začne platit, a doba jej splatnosti S, pre ktoré platí t T < S. Forwardová sadzba je sadzba, ktorá môže byt dnes zafixovaná pre obchod, ktorý sa bude odohrávat v budúcnosti. Forwardovú sadzbu môžme najlepšie charakterizovat pomocou FRA (forward rate agrement) kontraktu. FRA je dohoda o budúcej úrokovej miere, ktorá umožňuje jej majitel ovi zaistit sa do budúcnosti voči pohybom úrokových mier. Vo FRA, podobne ako pre forwardovú úrokovú mieru, rozlišujeme tri časové okamžiky: dátum uzavretia t, čas T a dobu splatnosti S. V rámci tejto dohody platí kupujúci FRA (dlhá pozícia) predávajúcemu (krátka pozícia) k dátumu splatnosti FRA realizačnu sadzbu K a obdrží tržný úrok L(T, S) za období medzi T a S z istiny s nominálnou hodnotou N. Kupujúci FRA kontraktu sa jeho uzavretím zaistí voči vzostupu úrokových mier a predávajúci voči ich poklesu. Výplatná funkcia z kontraktu v čase S je preto Nτ(T, S)(K L(T, S)). 3

9 Označme P (t, T ) cenu bezkupónového dlhopisu v čase t se splatnost ou v T. V čase uzavretia t je výplata takéhoto kontraktu [1], str. 11 FRA(t, T, S, τ(t, S), N, K) = N[P (t, S)τ(T, S)K P (t, T ) + P (t, S)]. (1.11) Existuje jediné K, pre ktoré bude kontrakt v čase t spravodlivý, čiže jeho hodnota bude v čase t rovná 0. Úrokovej miere, ktorú z rovnice FRA=0 dostaneme, budeme hovorit forwardová úroková miera v čase t na obdobie medzi T a S a označíme ju F (t, T, S). V prípade jednoduchého úročenia je možné F (t, T, S) vyjadrit ako ( ) 1 P (t, T ) F (t, T, S) = τ(t, S) P (t, S) 1. (1.12) Ak sa doba splatnosti S bude blížit k času T, dostaneme okamžitú forwardovú úrokovú sadzbu f(t, T ) ln P (t, T ) f(t, T ) = lim F (t, T, S) =. (1.13) S T + T Forwardová sadzba F (t, T, S) môže byt chápaná ako odhad budúcej spotovej sadzby L(T, S), ktorá je v čase T náhodná. Podobne to platí i pre okamžitú forwardovú sadzbu f(t, T ), ktorú je možno chápat ako očakávanú hodnotu okamžitej spotovej úrokovej sadzby r(t ). 4

10 2. Úrokové deriváty Finančné deriváty patria medzi termínované obchody, čo znamená, že čas uzavretia a plnenia obchodu sú dva rôzne časové okamžiky. V čase uzavretia obchodu sa medzi dvoma stranami kontraktu, kupujúcim a predávajúcim, pevne stanovené parametre obchodu. Dohodnú sa na finančnom inštrumente obchodu, množstve a kapacite obchodu. Určí sa, ktorý účastníkov bude mat právo predat a kto kúpit, za akú cenu a kedy v budúcnosti obchod prebehne. Medzi hlavné trhy derivátov, na ktorých sa obchoduje s tržným rizikom patria burzy a OTC (over-the-counter) trhy. Vd aka derivátom je možné jednoducho oddelit tržné riziko od podkladového aktíva. Preto je jedným z hlavných využití derivátov zaistenie. Úrokové deriváty sú finančné inštrumenty, ktorých cena závisí na výške určitej úrokovej miery. Sú to kontrakty na budúci nákup, či predaj úrokových sadzieb. Medzi rozšírené úrokové deriváty patria forwardy, swapy, swapce, capy a floory. Základom ich ohodnocovania je znalost dynamiky úrokovej miery. Táto práca je zameraná na ocenenie úrokových opcií, ako napr. cap, floor a swapec. Charakteristiky rôznych derivátov je možné nájst v [2], v tejto kapitole zhrniem len nevyhnutné poznatky o niektorých úrokových derivátoch. 2.1 Swap Označme množinu časov T := {T α,..., T β } a množinu časových období medzi nimi τ := {τ α+1,..., τ β }. Doba τ i bude obdobie medzi časmi T i 1 a T i. Swap je dohoda medzi dvoma stranami o periodickej výmene budúcich platieb z podkladového aktíva s nominálnou hodnotou N, ktoré začnú v budúcnosti. V každom časovom okamžiku T i z vopred stanovenej množiny časov {T α+1,..., T β } platí jedna strana čiastku Nτ i K, ktorá odpovedá úroku z podkladového aktíva za obdobie τ i medzi časmi T i 1 a T i pri vopred pevne stanovenej realizačnej sadzbe K. Zatial čo prijíma od protistrany čiastku Nτ i L(T i 1, T i ), ktorá odpovedá úrokom z podkladového aktíva pri spotovej úrokovej miere L(T i 1, T i ), nazývanej referenčná sadzba v čase T i 1 s dobou splatnosti T i. Diskontovaná výplata v čase t < T α tej strany swapového obchodu, ktorá platí pevnú sadzbu (PFS - payer forward swap) je D(t, T i )Nτ i (L(T i 1, T i ) K). Zatial čo diskontovaná výplata strany prijímajúcej pevnú sadzbu (RFS - receiver forward swap) v čase t < T α je D(t, T i )Nτ i (K L(T i 1, T i )). Ak si swap predstavím ako portfólio FRA kontraktov, ktorých výplaty určíme zo vzt ahu (1.11), bude výplata swapu pre stranu prijímajúcu pevnú sadzbu rovná RFS(t, T, τ, N, K) = FRA(t, T i 1, T i, τ(t i 1, T i ), N, K) = 5

11 = N τ i P (t, T i )(K F (t, T i 1, T i )) (2.1) = NP (t, T α ) + NP (t, T β ) + N τ i KP (t, T i ) Podobne sa určí aj výplata, ktorú bude mat swap pre stranu, ktorá prijíma pevnú sadzbu a platí pohyblivú sadzbu. Forwardová swapová sadzba S α,β (t) v čase t pre časy T a časové období τ je úroková miera K fixnej strany, ktorá zaručí, aby bol kontrakt v čase t spravodlivý, to znamená RFS(t, T, τ, N, K) = 0. L ahko teda zistíme, že S α,β (t) = P (t, T α) P (t, T β ). (2.2) τ i P (t, T i ) Teraz podelíme čitatel a i menovatel a vo vzt ahu (2.2) výrazom P (t, T α ) a využitím vzt ahu (1.12) dostanem S α,β (t) = 1 β j=α+1 τ i i j=α τ j F j (t) 1 1+τ j F j (t) = 1 F P (t, T α, T β ), (2.3) τ i F P (t, T α, T i ) pričom F P (t, T α, T k ) = k j=α+1 P (t, T j ) P (t, T j 1 ) = k j=α τ j F j (t) pre k > α + 1, (2.4) kde F j (t) = F (t, T j 1, T j ). 2.2 Capy a floory Capy a floory patria medzi hlavné úrokové deriváty na trhu. Tieto kontrakty môžeme vnímat ako swap, ktorého platby prebehnú len za situácie priaznivej pre držitel a. To znamená, že držitel takéhoto derivátu platby len prijíma, ale nikdy neplatí. Držitel capu prijíma kladnú čast rozdielu tržnej úrokovej miery a referenčnej sadzby a držitel flooru opačný rozdiel, pokial je kladný. Diskontovaná výplata capu v čase t je daná vzt ahom Analogicky diskontovaná výplata flooru je D(t, T i )Nτ i (L(T i 1, T i ) K) +. (2.5) D(t, T i )Nτ i (K L(T i 1, T i )) +. (2.6) Diskontovanú výplatu capu a flooru je možné rozdelit na súčet podkladových capletov a floorletov, z ktorých každý závisí na osobitej budúcej spotovej úrokovej 6

12 miere. T i 1 -caplet je kontrakt, ktorý vypláca v čase T i rozdiel, medzi spotovou úrokovou mierou L(T i 1, T i ) a pevnou sadzbou K, ak je tento rozdiel kladný. V opačnom prípade k platbe nedochádza. Podobne T i 1 -floorlet je kontrakt, ktorý vypláca v čase T i kladnú čast rozdielu medzi pevnou sadzbou K a spotovou úrokovou mierov L(T i 1, T i ). Bezrizikovú cenu capu a flooru je možné vnímat ako strednú hodnotu diskontovanej výplaty. Podl a [1], str.17 sa capy v praxi oceňujú pomocou sumy Blackovej formule v čase t Cap Black (t, ω, τ, N, σ α,β ) = N P (t, T )τ i Bl(K, F (t, T i 1, T i ), υ i, 1),(2.7) Bl(K, F, υ, ω) = F ωφ(ωd 1 (K, F, υ)) KωΦ(ωd 2 (K, F, υ)), d 1 (K, F, υ) = ln (F/K) + υ2 /2, υ d 2 (K, F, υ) = ln (F/K) υ2 /2, υ υ i = σ α,β T i 1, kde Φ je distribučná funkcia normálneho rozdelenia so strednou hodnotou 0 a rozptylom 1. Za σ α,β dosadíme volatilitu odvodenú z trhu. Podobným vzt ahom je možné určit i hodnotu flooru Floor Black (t, ω, τ, N, σ α,β ) = N P (t, T )τ i Bl(K, F (t, T i 1, T i ), υ i, 1). (2.8) Cap s platbami v časoch T α+1...., T β je at-the-money ak platí K = S α,β, in-the-money pre K < S α,β a out-of-money v prípade ak K > S α,β. Pre floor to platí naopak. 2.3 Swapce Ďalší urokovým derivátom je opcia na swap, alebo swapec. Existujú dve hlavné verzie swapcov, platiaci a prijímajúci. Európsky platiaci swapec dáva jeho majitel ovi právo, nie však povinnost, vo vopred stanovenej dobe splatnosti swapca uzavriet swap, v ktorom bude platit protistrane fixnú hodnotu. Doba splatnosti swapca je zhodná s časom T α. Dĺžka podkladového swapu T β T α sa obvykle nazýva tenor swapca. Súbor výplatných dní swapu se často označuje tenorovou štruktúrou swapca. Ked vezmeme do úvahy hodnotu podkladového swapu v čase T α, ktorý je tiež časom splatnosti swapca, môžeme určit diskontovanú výplatu swapca pomocou vzt ahu + ND(t, T α ) τ i P (T α, T i )(F (T α, T i 1, T i ) K). (2.9) Diskontovanú výplatu zo swapca, na rozdiel od diskontovanej výplaty capu a flooru nie je možné rozdelit na viac sčítancov. V tom taktiež spočíva najväčší rozdiel medzi nimi. U capu (flooru) môžeme zaobchádzat s každým capletom (floorletom) jednotlivo, určit jeho diskontovanú výplatu a tieto potom zložit dohromady a tak 7

13 dostat diskontovanú výplatu celej opcie. To isté so swapom nieje možné urobit, pretože suma je v kladnej časti a nie mimo nej ako u capu (flooru). Tiež platí + τ i P (T α, T i )(F (T α, T i 1, T i ) K) P (T α, T i )τ i (F (T α, T i 1, T i ) K) +, (2.10) z čoho jednoznačne vyplýva, že platiaca opcia na swap má stále nižšiu diskontovanú výplatu než má cap s rovnakými parametrami. Swapec na podkladový swap s platbami v časoch T α+1...., T β je at-the-money ak platí K = S α,β. Swapec na PFS podkladový swap je in-in the-money pre K < S α,β a out-of-money v prípade, ak K > S α,β. U swapca s RFS podkladovým swapom je to naopak. V praxi sa swapce oceňujú pomocou Blackovej formule [1],str. 20. Podl a nej cena platiaceho swapca v čase t bude PS Black (t, ω, τ, N, K, σ α,β ) = NBl(K, S α,β (t), σ α,β, T α, 1) τ i P (t, T i ), (2.11) kde σ α,β je parameter volatility kotovaný na trhu, ale rôzny od σ α,β pre cap (floor). Podobná formula sa používa na oceňovanie prijímajúceho swapca, ktorý dáva majitel ovi právo uzavriet v čase T α swap, v ktorom bude prijímat fixní platby v časoch T RS Black (0, ω, τ, N, K, σ α,β ) = NBl(K, S α,β (0), σ α,β T α, 1) τ i P (0, T i ). (2.12) V d alších kapitolách ukážeme, že capy, floory a swapce je možné oceňovat aj inými spôsobmi. 8

14 3. Tržné dáta Z trhu je možné získat výnosy bezkupónového dlhopisu, implikované capletové a swapcové volatility. Implikovaná capletová volatilita, je volatilita, z ktorej po dosadení do Blackovej formuly (2.7) získame tržnú cenu capu a po dosadení do (2.8) tržnú cenu flooru. Podobne pomocou swapcovej implikovanej volatility dosadenej do (2.11) a (2.12) vieme určit trhovú cenu swapca. Všetky dáta využívané v tejto diplomovej práci poskytla agentúra Reuters a vzt ahujú sa k Spotová výnosová krivka Základnými dátami pre moju diplomovú prácu sú výnosy bezkupónových dlhopisov s rôznymi dobami splatnosti uvedené v tabul ke 3.1. Po preložení týchto hodnôt splajnom získame spotovú výnosovú krivku (obrázok 3.1) definovanú vzt ahom (1.10). Z takejto spotovej krivky vieme pomocou vzt ahu (1.12), do ktorého dosadíme vyjadrenie ceny bezkupónového dlhopisu z rovnice (1.3), získat ročnú forwardovú krivku. Na obrázku 3.2 je takto získaná ročná forwardová krivka k Ak čas budeme chápat ako čas 0, hovoríme o forwardovej sadzbe F (0, T, T + 1). výnos [%] čas [roky] Obr. 3.1: EUR spotová výnosová krivka bezkupónového dlhopisu pozorovaná na trhu k

15 H Tabul ka 3.1: Výnos bezkupónového dlhopisu pre rôzne doby splatnosti(mat.- maturity) k pre EUR v percentách (D-deň, T-týždeň, M-mesiac, R- rok). Mat. Výnos Mat. Výnos Mat. Výnos Mat. Výnos 1 D M R R T M R R T M R R M R R R M R R R M R R R M R R R M R R R M R R R M R R R M R R R Tabul ka 3.2: Capletové volatility k pre at-the-money caplet a rôzne maturity capletu udávaná v percentách. Mat. Volatilita Mat. Volatilita Mat. Volatilita 1 R R R R R R R R R R R R R R R R R R R R R R R R R R R R R R Implikovaná capletová volatilita Pri kalibrácií modelov na tržné dáta využijeme implikované capletové a swapcové volatility odpozorované z trhu (tabul ka 3.2 a tabul ka 3.3). Ked že capletovské volatility sú kótované pre cap na polročnú forwardovú sadzbu, a my chceme ocenit deriváty na ročnú forwardovú sadzbu, musíme najprv zistit hodnoty implikovaných capletových volatilít pre cap na ročnú sadzbu. Zvolíme si tri časove okamžiky 0 < S < T < U vzdialené od seba šest mesiacov. Uvažujeme dva polročné caplety s maturitou v S a T. Pre t < S si označíme tri forwardové miery F 1 (t) := F (t, S, T ), F 2 (t) := F (t, T, U), F (t) := F (t, S, U). (3.1) Prvé dve sadzby F 1 (t) a F 2 (t), sú polročné forwardové sadzby a tretia F (t) je ročná forwardová sadzba v ktorej sú obsiahnuté obe predošle sadzby. Závislost ročnej forwardovej sadzby F (t) od polročných sadzieb F 1 (t) a F 2 (t) je možné odvodit pomocou definície forwardových sadzieb (1.13) F 1 (t) = 1 [ ] P (t, S) 0.5 P (t, T ) 1, F 2 (t) = 1 [ ] P (t, T ) 0.5 P (t, U) 1 (3.2) 10

16 ročná forwardová úroková miera F(0,T,T+1) [%] čas T [roky] Obr. 3.2: Ročná EUR forwardová výnosová krivka pre jednoduché úročenie získaná zo spotovej výnosovej krivky bezkupónového dlhopisu znázornenej na obrázku 3.1. a F (t) = 1 1 [ ] P (t, S P (t, U) 1 = P (t, S) P (t, T ) 1. (3.3) P (t, T ) P (t, U) Úpravami vyššie uvedených vzt ahov dospejeme k ročnej forwardovej sadzbe F (t) vyjadrenej pomocou dvoch polročných forwardových sadzieb F 1 (t) a F 2 (t) následovne F (t) = F 1(t) + F 2 (t) + F 1(t)F 2 (t). (3.4) 2 4 Ročnú capletovú volatilitu je možné získat približným vzt ahom [1], str.257 kde υ 2 u 2 1(0)υ 2 S caplet + u 2 2(0)υ 2 T caplet + 2ρu 1 (0)u 2 (0)υ S caplet υ T caplet, (3.5) u 1 (0) := u 2 (0) := ( 1 F1 (t) F (t) 2 ( F2 (t) 1 F (t) 2 + F ) 1(t)F 2 (t) 4 ) + F 1(t)F 2 (t) 4 υ S caplet je volatilita S-tého capletu a ρ označuje koreláciu medzi F 1 (t) a F 2 (t). Najčastejšie sa za túto hodnotu dosadzuje 1. Preto budeme aj my používat ρ = 1. Z obrázka 3.3 je vidiet, že medzi capletovou volatilitou na 6M, ktorú sme získala z trhu a capletovou volatilitou na 1R sadzbu spočítanou pomocou vzt ahu (3.5) je len minimálny rozdiel. V d alšom texte budeme za tržnú capletovú volatilitu považovat υ 2 napočítanú pomocou vzt ahu (3.5). 11,

17 kapletová volatilita [%] K = 2.5 % volatilita capletu na 1R sadzbu volatilita capletu na 6M sadzbu z trhu čas [roky] Obr. 3.3: Capletová volatilita pre cap na 6M získaná z trhu a volatilita capletu na 1R sadzbu spočítaná pomocou vzt ahu (3.5). 3.3 Implikovaná swapcová volatilita Pri výpočtoch budeme používat implikované swapcové volatility pre at-the-money swapce s trvaním od 1 do 10 rokov s výplatnými obdobiami vzdialenými jeden rok (tabul ka 3.3 a obrázok 3.4). 12

18 Tabul ka 3.3: Swapcové volatility pre swap s jednotlivými dobami refixu vzdialenými jeden rok k udávané v percentách. Doba trvania podkladového swapu Maturita swapca 1 R 2 R 3 R 4 R 5 R 6 R 7 R 8 R 9 R 10 R 1 R R R R R R R R R R R R R tenor [roky] čas maturity [roky] Obr. 3.4: Časová štruktúra swapcovej volatility kotovanej trhom na podkladový swap s ročnou forwardovou sadzbou k

19 4. Modelovanie okamžitej úrokovej sadzby Jedným zo spôsobov, ako oceňovat úrokové deriváty, je modelovat okamžitú úrokovú sadzbu r(t). Z okamžitej úrokovej sadzby r(t) v čase t, je pomocou vzt ahu (1.2) vyjadrená cena bezkupónového dlhopisu a pomocou tejto ceny diskontovaná výplata rôznych derivátov. Zo vzt ahu (1.2) plynie, že pri známom rozdelení e T r(s)ds t, pre vybrané T, podmienené na dostupných informáciach v čase t, je možné určit cenu bezkupónového dlhopisu P (t, T ) a z nej rôzne úrokové miery, tak ako to bolo naznačené v kapitole 1. Takže spotová krivka v l ubovol nom budúcom čase t je jednoznačne charakterizovaná rozdelením okamžitej úrokovej sadzby r(t). Pri modelovaní okamžitej úrokovej sadzby rozlišujeme dve skupiny modelov, a to jednofaktorové a mnohofaktorové modely v závislosti na počtu zdrojov neistoty. Jednofaktorové modely pracujú iba s jedným zdrojom neistoty a ich rovnicu je možné zapísat v obecnom tvare pomocou stochastickej diferenciálnej rovnice dr(t) = µ(t, r(t))dt + σ(t, r(t))dz(t). (4.1) Jedná sa o súčet deterministickej a stochastickej zložky, pričom náhodnost je reprezentovaná Brownovým pohybom Z(t). Výraz µ(t, r(t)) sa nazýva driftový koeficient a výraz σ(t, r(t)) je difúzny koeficient. Konkrétny model by mal splňovat aspoň niektoré l ahko pozorovatel né vlastnosti úrokových sadzieb, ako je napríklad nezápornost r(t) a tiež by mal zahrňovat očakávania trhu. Jedným z d alších požiadavok je návratnost r(t) k určitej rovnovážnej hodnote, alebo k hodnote závislej na čase. Tento požiadavok je splnený u procesov, ktoré pracujú s tzv. návratnost ou ku stredu (meaning reversion). Medzi takéto patrí napr. Vašíčkov model, alebo Hull-Whiteov model. Modely, v ktorých je výnosová krivka vstupom, se nazývajú exogénne. Naopak, modely, u ktorých návrat prebieha len k jednej hodnote (v rovnici nie je zohl adnená forwardová krivka) nezávislej na čase, sa nazývajú endogénne. 4.1 Hull-Whiteov model V tejto kapitole sa budeme zaoberat Hull-Whiteovým modelom [3]. Dynamiku Hull-Whiteovho (HW) modelu popisuje rovnica dr(t) = (ϑ(t) kr(t))dt + σdz(t), r(0) = r 0, k > 0, σ > 0. (4.2) Jedná sa o model, v ktorom rovnovážnu hodnotu reprezentuje časovo závislý parameter ϑ(t) a parameter k (obyčajne má hodnoty medzi ) popisuje rýchlost návratnosti k rovnovážnej hodnote. Ked že sa v stochastickom sčítanci nevyskytuje r(t), značí parameter σ absolútnu volatilitu okamžitej úrokovej sadzby. Vzhl adom k tomu, že rovnovážna hodnota ϑ(t) závisí na čase, jedná sa o časovo nehomogénny model. 14

20 V HW modeli je hodnota parametru ϑ(t) nastavená tak, aby výsledná závislost okamžitej úrokovej miery bola v súhlase s aktuálnou spotovou krivkou známou z trhu. To je dosiahnuté zvolením ϑ(t) = f M (0, t) t + kf M (0, t) + σ2 2k (1 e 2kt ), (4.3) pričom f M (0, t) je tržná okamžitá forwardová úroková miera zadefinovaná vzt ahom (1.13). Ked že HW model využíva tržnú spotovú krivku, je tento model exogénny na rozdiel od napr. Vašíčkovho modelu. Dosadením za ϑ(t) môžeme rovnicu (4.2) prepísat do tvaru r(t + dt) r(t) = (f M (0, t + dt) f M (0, t)) k(r(t) f M (0, t))dt + + σ2 2k (1 e 2kt )dt + σ(z(t + dt) Z(t)), (4.4) z ktorého je vidiet, aké členy prispievajú k zmene r(t) so zväčšujúcim sa časom t. Prvý sčítanec rovnice (4.4) odpovedá vývoji forwardovej sadzby. Druhý sčítanec zaručuje to, aby sa spotová sadzba r(t) vrátila k forwardovej sadzbe f M (0, t), pričom rýchlost návratu je vyjadrená koeficientom k. Preto HW model splňuje podmienku návratnosti ku stredu. Tretí sčítanec môže byt, kvôli kvadrátu volatility σ, oproti ostatným sčítancom malý, ale tiež dáva určitý príspevok k zmene r(t), a to vždy kladný. Štvrtý sčítanec tvorí náhodnú zložku s normálnym rozdelením. Takže HW model drží modelovanú okamžitú spotovú sadzbu v blízkosti okamžitej forwardovej sadzby získanej z dát. Rovnicu (4.2) je možné následovne analyticky vyriešit d(r(u)e k(t u) ) = dr(u)e k(t u) + r(u)ke k(t u) du. Základnú rovnicu HW modelu vynásobíme veličinou e k(t u) dr(u)e k(t u) = e k(t u) (ϑ(t) kr(u))du + σe k(t u) dz(u). Dosadením druhej rovnice do prvej dostaneme d(r(u)e k(t u) ) = e k(t u) ϑ(t)du + σe k(t u) dz(u). Po integrácii v intervale 0 až t dostávame rovnicu pre r(t) kde t r(t) = r(0)e kt + γ(t) f M (0, t)e k(t) + σ 0 e k(t u) dz(u), (4.5) γ(t) = f M (0, t) + σ2 2k 2 (1 e 2kt ). Preto má r(t) normálne rozdelenie so strednou hodnotou a rozptylom v tvare E r(t) = r(0)e γ(t) + γ(t) γ(0)e γ(t) (4.6) Var r(t) = σ2 [ ] 1 e 2kt. 2k 15

21 Z rozdelenia náhodnej veličiny r(t) plynie, že existuje pravdepodobnost, že okamžitá úroková miera r(t) bude záporná. Táto pravdepodobnost je daná vzt ahom γ(t) P{r(t) < 0} = Φ σ 2 [1, (4.7) 2k e 2kt ] kde Φ značí distribučnú funkciu normovaného normálneho rozdelenia. Takáto pravdepodobnost je v praxi väčšinou nízka, ale pri malej sadzbe f M (0, t) v určitom čase t môže byt nezanedbatel ná Cena dlhopisov K určeniu ceny dlhopisu je možné využit tri spôsoby: 1. Priame odvodenie z rovnice (1.2). 2. Riešením Black-Scholes-Mertonovej parciálnej diferenciálnej rovnice P t P 2 σ2 r 2 3. Využitím afínnej časovej štruktúry. + µ P rp r = 0 (4.8) P (T, T ) = 1. V prípade modelovania úrokovej sadzby pomocou HW modelu je k určeniu ceny dlhopisov výhodné použit 3. spôsob, ktorý teraz bližšie priblížime. Model má podl a definície afinnú časovú štruktúru, ak platí P (t, T ) = e A(t,T ) B(t,T )r(t) (4.9) Pokial majú koeficienty v obecnej rovnici jednofaktorového modelu (4.1) tvar µ(t, r) = α(t)r + β(t) σ(t, r) = χ(t)r + δ(t), a α(t), β(t), χ(t), δ(t) sú deterministické funkcie, potom je možné dokázat, že takáto funkcia má afinnú časovú štruktúru. Ak do (4.8) dosadíme vyjadrenie P (t, T ), z (4.9), a ak spojíme členy s rovnakou mocninou u r(t) dostaneme nasledujúcu sústavu obyčajných diferenciálnych rovníc db dt + αb 1 2 χb2 = 1, (4.10) B(T, T ) = 0, da dt βb δb2 = 0, A(T, T ) = 0. Z týchto rovníc získame vzt ah pre A(t, T ) a B(t, T ) a z nich po dosadení do (4.9) dostaneme P (t, T ). 16

22 Z rovnice (4.2) je vidiet, že HW model má afinnú časovú štruktúru s týmito koeficientmi α(t) = k, β(t) = ϑ(t), χ(t) = 0, δ(t) = σ 2. Vyriešením diferenciálnej rovnice (4.10) je možné získat cenu dlhopisu v čase t A(t, T ) = log P (t, T ) = e A(t,T ) B(t,T )r(t) (4.11) B(t, T ) = 1 [ ] 1 e k(t t) [ k P M ] (0, T ) + B(t, T )f M (0, t) σ2 P M (0, t) 4k (1 e 2kt )B(t, T ) 2. Ceny modelovaných dlhopisov prostredníctvom tržnej ceny dlhopisu P M (0, T ) a úrokovej miery f M (0, T ) priamo závisia na aktuálnej výnosovej krivke. Pre t = 0 máme P (0, T ) = P M (0, T )exp{b(0, T )f(0, 0) B(0, T )r(0)} = P M (0, T ), (4.12) takže odvodenie ceny bezkupónového dlhopisu P (0, T ) je korektné Oceňovanie úrokových derivátov s využitím HW modelu Cenu capu a flooru odvodíme pomocou ceny európskych opcií. Cap odpovedá portfóliu európskych PUT opcií na dlhopis a naopak floor je možné vnímat ako súbor európskych CALL opcií na dlhopis. Z tohoto dôvodu budeme pri oceňovaní capu a flooru vychádzat zo vzt ahov na oceňovanie CALL a PUT opcie. Cena európskej CALL opcie v čase uzavretia t a splatnosti T na bezkupónový dlhopis s dobou splatnosti S a realizačnou cenou X sa v HW modeli riadi vzt ahom [1], str. 67 kde ZBC(t, T, S, X) = N(P (t, S)Φ(h) XP (t, T )Φ(h σ p )), (4.13) 1 e 2k(T t) σ p = σ B(T, S), 2k h = 1 P (t, S) log σ p P (t, T )X + σ p 2 a Φ označuje distribučnú funkciu štandardizovaného normálneho rozdelenia. Podobný vzt ah na určenie ceny európskej PUT opcie s rovnakými parametrami bude v tvare ZBP(t, T, S, X) = N(XP (t, T )Φ( h + σ p ) P (t, S)Φ( h)). (4.14) Odvodíme cenu PUT opcie (flooru) v čase t s realizáciou v čase T α na sadzby s rovnakými tenormi τ a realizačnou sadzbou K, ktorú sme bližšie charakterizovali v Kapitole 2.2. Diskontovanú výplatu z takejto opcie popisuje vzt ah Payoff floor = L(T i 1, T i )τ max (τ (K L(T i 1, T i ), 0)). (4.15) 17

23 Cenu takejto opcie budeme značit Floor(N, t, T, K) a odvodíme ju z ceny portfólia CALL opcií so splatnost ami v časoch T i pre i = α + 1,..., β na dlhopisy so splatnost ami v T i + τ s jednotkovou nominálnou hodnotou. Ich výplatnú funkciu budeme upravovat až pokial nedôjdeme k tvaru výplatnej funkcii flooru. Payoff ZBC = ( ) 1 N max 1 + L(T i 1, T i )τ X, 0 = N (( 1 1 X = N 1 + L(T i 1, T i )τ Xmax ( = NXPayoff floor t, ω, 1 X ). τx L(T i 1, T i )τ max (1 X L(T i 1, T i )Xτ, 0) Výraz 1 X musí byt rovný K. Odkial plynie, že X = 1 τx modeli je teda ) τx L(T i 1, T i ) 1+Kτ ) τ, 0. Cena flooru v HW Floor HW (t, T, N, K) = = ( (1 + τk)zbc t, T i 1, T i, ) 1 = (4.16) 1 + τk [(1 + Kτ)P (t, T i )Φ(h i ) P (t, T i 1 )Φ(h i σ pi )], (4.17) kde h i a σ pi sú h a σ p zo vzt ahu (4.13) s príslušnými časmi T i. Podobným spôsobom môžme získat aj vzt ah na vypočítanie ceny capu, ktorý má tvar Cap HW (t, T, N, K) = = ( (1 + τk)zbp t, T i 1, T i, ) τk (4.18) [P (t, T i 1 )Φ( h i + σ pi ) (1 + Kτ)P (t, T i )Φ( h i )]. (4.19) Uvažujme d alej európsku opciu s realizačnou sadzbou K a splatnost ou v čase T, upísanú na dlhopis, ktorý po splatnosti opcie vypláca n kupónov. Výplatný čas označím ako T i, kde T i > T a c i bude hodnota i-tej výplaty po čase T. Nech T := {T 1,, T n } a c := {c 1,, c n }. Ako r označíme spotovú úrokovú sadzbu v čase T, pre ktorú je cena kupónového dlhopisu rovná realizačnej cene opcie. Kupónový dlhopis je možné chápat ako portfólio bezkupónových dlhopisov, preto K i budú ceny jednotlivých čiastkových dlhopisov s maturitami T i pri spotovej miere r. Potom cena takejto opcie v čase t < T bude n CBO(t, T, T, c, K) = c i ZBO(t, T, T i, K i ), (4.20) i=1 kde ZBO(t, T, T i, K i ) označuje cenu jednotlivých čiastkových opcií na dlhopisy. 18

24 S využitím vzt ahu (4.20) je možné ocenit i swapec, stačí si ho len predstavit ako opciu na kupónový dlhopis. Budeme uvažovat platiaci swapec s pevnou sadzbou K, splatnost ou v T a nominálnou hodnotou N, ktorý dáva držitel ovi právo, nie však povinnost, v čase T α = T uzavriet swap s platbami v časoch T = {T α+1,, T β }. Časové intervaly medzi T i 1 a T i budú označené τ i a i = α + 1,, β. Hodnoty výplat c i = X i τ i pre i = α + 1,, β 1. Výplatná hodnota c β = 1 + X β τ β. Pre spotovú sadzbu r v čase T platí c i A(T, T i )e B(T,T i)r = 1. (4.21) Cena platiaceho swapca v čase t < T je potom PS HW (t, T, T, N, X) = N c i ZBP(t, T, T i, X i ), (4.22) kde X i := A(T, T i )exp( B(T, T i )r ). Analogicky je možné určit cenu príslušného swapca na swap prijímajúci pevnú sadzbu RS HW (t, T, T, N, X) = N c i ZBC(t, T, T i, X i ). (4.23) Pomocou HW modelu je teda možné získat explicitné rovnice na ocenenie capu, flooru a swapca, čo u iných modelov nemusí byt možné. Pri určení ceny swapca je však potrebné hl adat koreň r rovnice (4.21). 4.2 Aplikácia HW modelu na reálne dáta Simulovanie sadzieb Teóriu z kapitoly 4.1 aplikujeme na dáta, ktoré poskytla agentúra Reuters. Vstupom je eurová spotová krivka na obrázku 3.1 z Tento dátum budem označovat ako čas 0. Zo spotovej krivky získame okamžitú forwardovú krivku f M (0, T ). Vychádzame zo vzt ahu (1.13) odkial je možné dostat približný vzt ah f M (0, T ) F M (0, T, T + T ), (4.24) pričom za T si zvolíme jeden deň. Podobne pomocou vzorca (1.9) je možné získat približnú počiatočnú hodnotu okamžitej úrokovej sadzby r 0 r 0 = r(0) R M (0, T ), (4.25) kde R M (0, T ) je tržná spotová sadzba pre spojité úročenie. Pomocou rovnice HW modelu (4.2) simulujeme vývoj okamžitej úrokovej miery r(t). Na začiatok si pre ilustráciu simulovania sadzieb zvolíme l ubovol né hodnoty parametrov k a σ, napr. k = 0.2 a σ = Na obrázku 4.1 sú znázornené simulácie okamžitej úrokovej miery r(t) vytvorené pomocou HW modelu spolu 19

25 s okamžitou forwardovou krivkou zo súčastnosti. Je vidiet, že simulácie kopírujú vývoj forwardovej krivky z trhu, ako to je zrejmé i z rovnice (4.4). Povšimnime si, že v okolí 2 rokov sú niektoré simulované sadzby r(t) < 0, čo je spôsobené tvarom a hodnotami forwardovej krivky v tomto období. Nenulová pravdepodobnost výskytu záporných simulovaých sadzieb je jednou z negatívnych vlastností HW modelu. Priemer simulácií splýva s okamžitou forwardovou krivkou z trhu, čo súhlasi s rovnicou (4.6), z ktorej vyplýva, že pre male časy je stredná hodnota r(t) rovná približne f M (0, t). Podobne na obrázku 4.2 je vynesená ročná forwardová krivka z trhu F (0, T, T + 1) v porovnaní s ročnými spotovými krivkami L(T, T + 1) získanými zo simulácií r(t) pomocou vzorcov (4.11) a následne (1.4). k = 0.2 σ = úroková miera [%] okamžitá forwardová krivka f(0,t) simulácie okamžitej spotovej krivky r(t) aritm. priemer simulácií čas t [roky] Obr. 4.1: Okamžitá forwardová krivka z trhu, 100 simulácií okamžitej spotovej úrokovej miery pomocou HW modelu a ich aritmetický priemer Ocenenie capletu a floorletu Ako je vidiet zo vzt ahu (2.5) a (2.6) diskontované výplaty capu a flooru je možno rozdelit na súčty jednotlivých capletov a floorletov. Ocenenie capu a flooru teda spočíva v ocenení týchto čiastkových produktov. Na obrázku 4.3 je porovnanie ceny capletu a floorletu v závislosti na čase refixu pre realizačnú sadzbu K = 2.5 % s dobou trvania 1 roka. Tvar príslušných kriviek je možné dobre kvalitatívne vysvetlit pomocou tvaru ročnej forwardovej krivky z trhu na obrázku 4.2, ktorá slúži ako predpoved spotovej sadzby. Ked je táto predpoved menšia ako realizačná sadzba K (napr. v časoch od 0 do 5 rokov) tak, je cena capletu zanedbatel ne malá a cena floorletu kopíruje opačný vývoj forwardovej sadzby. Teda keby ozajstná spotová sadzba bola taká, aká 20

26 úroková miera [%] k = 0.2 σ = ročná forwardová krivka F(0,T,T + 1) simulácie spotovej krivky L(T,T + 1) aritm. priemer simulácií čas T [roky] Obr. 4.2: Ročná forwardová krivka z trhu, 100 simulácií ročnej spotovej úrokovej miery pomocou HW modelu a použitím vzorca (4.11) a ich aritmetický priemer. vyplýva z predpovede, tak bude diskontovaná výplata capletu nulová a diskontovaná výplata floorletu nezanedbatel ná, čo odpovedá aj ich oceneniu. Podobné vysvetlenie má vývoj cien pre časy > 5 rokov. 21

27 cena [%] caplet na 1R sadzbu floorlet na 1R sadzbu k = 0.2 σ = K = 2.5 % čas refixu [roky] Obr. 4.3: Porovnanie ceny floorletu a capletu na 1R sadzbu s realizačnou sadzbou 2.5 % v závislosti na čase refixu. Krivky boli získané z HW modelu pomocou explicitných vzorcov (4.17) a (4.19). Na obrázku 4.4 je porovnanie ceny capletu a floorletu v závislosti na realizačnej sadzbe pre čas refixu T = 2 roky s dobou trvania 1 rok. Opät existuje kvalitatívne vysvetlenie tvarov týchto kriviek porovnaním s ročnou forwardovou krivkou z trhu na obrázku 4.2. Z tohoto obrázku je vidiet, že forwardová sadzba F (0, 2, 3) 0.6 %, čo môže slúžit ako predpoved ročnej spotovej sadzby v čase 2 roky. Preto ceny capletu a floorletu sa na úrovni 0.6 % približne rovnajú. Cena floorletu začína od tejto úrovne vzrastat a cena capletu klesá približovaním sa k tejto úrovni. V prípade všeobecného modelu popisujúceho dynamiku okamžitej spotovej krivky, z ktorého sa nedá explicitne vyjadrit cena capletu a floorletu je potrebné pri ich oceňovaní postupovat metódou Monte Carlo. Simuláciu okamžitej spotovej krivky je potrebné previest vel akrát a pre každú simuláciu je treba zistit diskontovanú výplatu capletu alebo floorletu pomocou definičných vzt ahov (2.5) a (2.6). Na konci je potrebné spočítat priemer diskontovaných výplat, ktorý poslúži ako odhad strednej hodnoty diskontovaných výplat. Tak je možné zistit bezrizikovú cenu capletu alebo floorletu. To je možné urobit aj pre HW model a porovnat s výsledkom z explicitného vzorca. Na obrázku 4.5 sú znázornené tieto dva odlišné postupy ocenenia floorletu pomocou HW modelu. Je vidiet, že Monte Carlo postup, ktorý využíva 100 simulácií forwardovej krivky dáva približne rovnaký výsledok ako explicitný vzorec (2.6). Krivky na obrázku 4.3 a 4.4 závisia na parametroch σ a k. Na obrázku 4.6 je znázornená závislost týchto cien na parametru σ. Je vidiet, že ceny stúpajú 22

28 caplet na 1R sadzbu floorlet na 1R sadzbu k = 0.2 σ = T = 2 roky cena [%] realizačná sadzba K [%] Obr. 4.4: Porovnanie ceny floorletu a capletu na 1R sadzbu s refixom v čase 2 roky v závislosti na realizačnej sadzbe K. Krivky boli získané z HW modelu pomocou explicitných vzorcov (4.17) a (4.19). s volatilitou σ, ako sa to očakáva od modelu. Na obrázku 4.7 je možné pozorovat cenu v závislosti na hodnotách parametra k. Ked že so stúpajúcim k budú simulácie bližšie pôvodnej forwardovej krivke, musí cena s rastúcim k klesat. Ak chceme cenu derivátov čo najviac priblížit skutočnosti, je potrebné parametre k a σ čo najviac prispôsobit situácií na trhu, ako si to ukážeme v d alšej kapitole. 23

29 [%] cena floorletu z HW modelu diskontovaná výplata pre určitú HW simuláciu priemer simulácií k = 0.2 σ = K = 2.5 % čas refixu [roky] Obr. 4.5: Cena floorletu, 100 simulovaných diskontovaných výplat floorletu na 1R sadzbu s realizačnou sadzbou 2.5 % v závislosti na čase refixu a ich priemer. Cena bola zistená použitím explicitného vzorca (4.17) odvodeného z HW modelu. Diskontované výplaty boli zistené pomocou vzorca (2.6), pričom jednotlivé členy vo vzorci boli získané HW simuláciou. cena [%] caplet na 1R sadzbu floorlet na 1R sadzbu k = 0.2 T = 20 rokov K = 2.5 % σ Obr. 4.6: Závislost ceny capletu a floorletu na 1R sadzbu na volatilite σ. 24

30 cena [%] caplet na 1R sadzbu floorlet na 1R sadzbu σ = T = 20 rokov K = 2.5 % k Obr. 4.7: Závislost ceny capletu a floorletu na 1R sadzbu na hodnote parametra k Kalibrácia HW modelu Zistenie vhodných hodnôt parametrov σ a k sa volá kalibrácia HW modelu. Kalibrácia se robí porovnaním zistených cien capletu a floorletu s tržnými hodnotami. Je možné pripravit súčet s HW štvorcov rozdielov tržnej ceny a ceny získanej z HW modelu. Súčet s HW bude závisiet na parametroch σ a k. Optimálne hodnoty týchto parametrov sa získajú minimalizovaním tohto súčtu vzhl adom k parametrom σ a k s HW = ( Cap Black (0, {T i 1, T i }, N, 1, σ i 1,i ) Cap HW (0, {T i 1, T i }, k, σ) ) ( Floor Black (0, {T i 1, T i }, N, 1, σ i 1,i ) Floor HW (0, {T i 1, T i }, k, σ) ) 2 (4.26), kde za parameter σ α,i dosadíme príslušné implikovanú capletovú volatilitu pre ročnú forwardovú sadzbu charakterizivanú v predošlej kapitole. Na začiatku si zvolíme počiatočné hodnoty parametrov napr. k = 0.1 a σ = Vzhl adom k požiadavkám nezápornosti k a σ je možné k súčtu s HW pripočítat penalizačné členy p 1 = Q max(0, k), (4.27) p 2 = Q max(0, σ), kde nezáporná konštanta Q je rovná napr Pri minimalizácií bola v software R použila metódu Nelder-Mead [6] obsiahnutú vo funkcii optim z balíčka stats. Minimalizačný algoritmus úspešne do- 25

31 konvergoval k hodnote minima s hodnotami parametrov v minime zobrazenými v tabul ke 4.1. Minimalizáciou s HW +p 1 +p 2 sme získala optimálne hodnoty parametov k a σ (tabul ka 4.1). Správnost kalibrácie je možné overit napríklad porovnaním cien Tabul ka 4.1: Hodnoty parametrov HW modelu k a σ získané kalibráciou. Parameter k σ Opt. hodnota capletu a floorletu spočítaných pomocou Blackových formúl a pomocou explicitných vzorcov HW modelu, ako tomu je na obrázku 4.8. Tu je vidiet, že ceny capletu a floorletu napočítané týmito dvoma metódami sú vel mi podobné z čoho môžme konštatovat, že kalibrácia sa podarila. cena [%] HW model: caplet na 1R sadzbu HW model: floorlet na 1R sadzbu Black: caplet na 1R sadzbu Black: floorlet na 1R sadzbu k = 0.06 σ = K = 2.5 % čas refixu [roky] Obr. 4.8: Porovnanie ceny capletu a floorletu spočítanej pomocou Blackových formuly (2.7) a (2.8) a explicitných vzorcov pre HW model (4.17) a (4.19) s využitím optimálnych hodnôt parametrov k a σ. S využitím nájdených optimálnych hodnôt parametrov sme si opät nasimulovali vývoj ročnej forwardovej sadzby (obrázok 4.9). Pri porovnaní s obrázkom 4.2 je vidiet, že vplyvom vyššej hodnoty volatility σ a nižšej hodnoty parametra k sú simulácie ovel a viac vzdialené od forwardovej krivky. Malá hodnota k a tretí sčítanec rovnice (4.4) zapríčinili to, že so zvyšujúcim sa časom sa aritmetický priemer simulácií postupne vzd al uje od forwadovej krivky. Aj z rovnice (4.6) je vidiet, že pri vel kej hodnote σ a malom k nebude platit rovnost r(t) f M (0, t) a so zvyšujúcim sa časom bude tento rozdiel väčší. 26

32 Niektoré simulácie prechádza do záporných hodnôt. Záporná forwardová sadzba, ale v teórií úrokových sadzieb nemá zmysel. Táto vlastnost je preto hlavnou nevýhodou HW modelu. k = 0.06 σ = úroková miera [%] ročná forwardová krivka F(0,T,T + 1) simulácie spotovej krivky L(T,T + 1) aritm. priemer simulácií čas T [roky] Obr. 4.9: 200 simulácií 1R forwardovej sadzby pomocou HW modelu s kalibrovanými hodnotami parametrov. Aj napriek záporným simuláciám forwardových sadzieb, je možné model použit na oceňovanie capletov a floorletov. Hodnotu capu a flooru ocenených HW modelom pri kalibrovaných hodnotách parametrov k a σ je možné vidiet na obrázku Pri porovnaní s obrázkom 4.3 je vidiet, že cena floorletu i capletu sa vplyvom väčšej hodnoty volatility zvýšila. 27

33 cena [%] caplet na 1R sadzbu floorlet na 1R sadzbu k = 0.06 σ = K = 2.5 % čas refixu [roky] Obr. 4.10: Porovnanie ceny floorletu a capletu na 1R sadzbu s realizačnou sadzbou 2.5 % v závislosti na čase refixu. Krivky boli získané z HW modelu pomocou explicitných vzorcov (4.17) a (4.19) do ktorých boli dosadené parametre k a σ získané z kalibrácie. V kapitole 6 oceníme capy a floory a získané ceny porovnáme s inými oceňovacími nástrojmi. 28

34 5. LIBOR tržný model V tejto kapitole si priblížime jeden z nástrojov na modelovanie úrokových mier, a to LIBOR tržný model. V d alšom texte ho budeme značit skratkou LMM z anglického LIBOR Market Model. Často sa mu hovorí aj Brace-Gatarek-Musielov (BGM) model podl a autorov článku [4], v ktorom bol tento model v roku 1997 oficiálne predstavený. U jeho priaznivcov je obl úbený hlavne kvôli zhode medzi modelom a zaužívanými vzt ahmi na oceňovanie capu a flooru, ako je Blackova formula. Pred zavedením tržného modelu neboli žiadne vzorce na určenie úrokových sadzieb kompatibilné s Blackovou formulou pre cap a floor. Tieto vzorce boli založené na napodobňovaní Black-Scholesovho modelu pre opcie na akcie a nepresných predpokladoch o rozdelení úrokových sadzieb. Predstavenie LMM poskytlo nové odvodenie Blackovej formuly založené na presnej dynamike forwardových úrokových sadzieb. Pred zavedením LMM modelu boli jediným nástrojom na simulovanie úrokových sadzieb modely predpovedajúce okamžitú úrokovú sadzbu. Tieto modely sa ešte stále využívajú v mnohých aplikáciách. Princíp ich fungovania i jeden z modelov, Hull-Whiteov model, bol priblížený v kapitole Teória k LMM Nech čas t = 0 značí súčasnost. Uvažujme množinu časových okamžikov T := {T 0,..., T M } s dvojicami dôb splatnosti (T i 1, T i ). Označme τ i ako čast roka príslušnú k páru (T i 1, T i ) pre i > 0 a τ 0 je čas od uzavretia dohody po čas T 0 a položme T 1 := 0, potom T i bude v rokoch označovat dobu od času 0. Uvažujme všeobecnú forwardovú mieru F k (t) F (t, T k 1, T k ), k = 1,..., M, ktorá je vyjadrená do času T k 1, kedy sa zhoduje so spotovou mierou F k (T k 1 ) = L(T k 1, T k ). Predpokladajme, že forwardová miera F k se bude vyvíjat v čase podl a vzt ahu df k (t) = σ k (t)f k (t)dz k (t), t T k 1, (5.1) kde Z k (t) je M-dimenzionálny vektor Brownovho pohybu s kovarianciou ρ = ρ i,j, i, j = 1,..., M, pre ktorú platí dz k (t)dz k (t) T = ρdt, a kde σ k (t) je horizontálny M-dimenzionálny vektor volatility forwardovej miery F k (t). Každý vektor σ j (t) má na j-tom mieste jedinú nenulovú zložkou σ j (t). Preto môžme rovnicu (5.1) prepísat do tvaru df k (t) = σ k (t)f k (t)dz k k (t), t T k 1, (5.2) kde Z k k (t) je k-tou zložkou vektoru Brownovho pohybu Z k a ide teda o štandardný Brownov pohyb. Pokial bude z kontextu zrejmé, rovnicu (5.2) budeme písat iba v tvare df k (t) = σ k (t)f k (t)dz k (t), t T k 1. (5.3) 29

Matematika Funkcia viac premenných, Parciálne derivácie

Matematika Funkcia viac premenných, Parciálne derivácie Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x

Διαβάστε περισσότερα

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18

Διαβάστε περισσότερα

7. FUNKCIE POJEM FUNKCIE

7. FUNKCIE POJEM FUNKCIE 7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje

Διαβάστε περισσότερα

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY VPLYV KORELÁCIE MEDZI FAKTORMI NA CENY DLHOPISOV V DVOJFAKTOROVÝCH SHORT RATE MODELOCH DIPLOMOVÁ PRÁCA 018 Bc. Zuzana GIROVÁ

Διαβάστε περισσότερα

Obvod a obsah štvoruholníka

Obvod a obsah štvoruholníka Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka

Διαβάστε περισσότερα

Cvičenie č. 4,5 Limita funkcie

Cvičenie č. 4,5 Limita funkcie Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(

Διαβάστε περισσότερα

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny

Διαβάστε περισσότερα

Spojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.

Spojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana. Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................

Διαβάστε περισσότερα

3. Striedavé prúdy. Sínusoida

3. Striedavé prúdy. Sínusoida . Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa

Διαβάστε περισσότερα

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej . Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny

Διαβάστε περισσότερα

MIDTERM (A) riešenia a bodovanie

MIDTERM (A) riešenia a bodovanie MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude

Διαβάστε περισσότερα

Ekvačná a kvantifikačná logika

Ekvačná a kvantifikačná logika a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných

Διαβάστε περισσότερα

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu 6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis

Διαβάστε περισσότερα

Matematika 2. časť: Analytická geometria

Matematika 2. časť: Analytická geometria Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové

Διαβάστε περισσότερα

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.

Διαβάστε περισσότερα

Metódy vol nej optimalizácie

Metódy vol nej optimalizácie Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných

Διαβάστε περισσότερα

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop 1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27

Διαβάστε περισσότερα

Obsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio

Obsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio Value at Risk Obsah Motivácia a definícia Metódy výpočtu pre 1 aktívum pre portfólio Problémy a kritika Spätné testovanie Prípadová štúdia využitie v NBS Motivácia Ako kvantifikovať riziko? Nakúpil som

Διαβάστε περισσότερα

Čo sú kreditné deriváty

Čo sú kreditné deriváty Kreditné deriváty Čo sú kreditné deriváty Poistenie na kreditné riziko Finančné nástroje umožňujúce previesť kreditné riziko na niekoho iného (bez nutnosti preniesť celú expozíciu) Vznik: cca na začiatku

Διαβάστε περισσότερα

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010. 14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12

Διαβάστε περισσότερα

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x

Διαβάστε περισσότερα

7 Derivácia funkcie. 7.1 Motivácia k derivácii

7 Derivácia funkcie. 7.1 Motivácia k derivácii Híc, P Pokorný, M: Matematika pre informatikov a prírodné vedy 7 Derivácia funkcie 7 Motivácia k derivácii S využitím derivácií sa stretávame veľmi často v matematike, geometrii, fyzike, či v rôznych technických

Διαβάστε περισσότερα

Úrokovanie. Úrokovanie. Monika Molnárová. Technická univerzita Košice.

Úrokovanie. Úrokovanie. Monika Molnárová. Technická univerzita Košice. Úrokovanie Monika Molnárová Technická univerzita Košice monika.molnarova@tuke.sk Obsah 1 Úrokovanie Úvod Jednoduché úrokovanie Zložené úrokovanie Zmiešané úrokovanie Spojité úrokovanie Princíp finančnej

Διαβάστε περισσότερα

Motivácia pojmu derivácia

Motivácia pojmu derivácia Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)

Διαβάστε περισσότερα

Tomáš Madaras Prvočísla

Tomáš Madaras Prvočísla Prvočísla Tomáš Madaras 2011 Definícia Nech a Z. Čísla 1, 1, a, a sa nazývajú triviálne delitele čísla a. Cele číslo a / {0, 1, 1} sa nazýva prvočíslo, ak má iba triviálne delitele; ak má aj iné delitele,

Διαβάστε περισσότερα

,Zohrievanie vody indukčným varičom bez pokrievky,

,Zohrievanie vody indukčným varičom bez pokrievky, Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť

Διαβάστε περισσότερα

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE KATEDRA APLIKOVANEJ MATEMATIKY A ŠTATISTIKY Oceňovanie finančných derivátov pomocou Lévyho procesov DIPLOMOVÁ PRÁCA BRATISLAVA

Διαβάστε περισσότερα

1. písomná práca z matematiky Skupina A

1. písomná práca z matematiky Skupina A 1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi

Διαβάστε περισσότερα

RIEŠENIE WHEATSONOVHO MOSTÍKA

RIEŠENIE WHEATSONOVHO MOSTÍKA SNÁ PMYSLNÁ ŠKOL LKONKÁ V PŠŤNO KOMPLXNÁ PÁ Č. / ŠN WSONOVO MOSÍK Piešťany, október 00 utor : Marek eteš. Komplexná práca č. / Strana č. / Obsah:. eoretický rozbor Wheatsonovho mostíka. eoretický rozbor

Διαβάστε περισσότερα

Úvod do lineárnej algebry. Monika Molnárová Prednášky

Úvod do lineárnej algebry. Monika Molnárová Prednášky Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc

Διαβάστε περισσότερα

Integrovanie racionálnych funkcií

Integrovanie racionálnych funkcií Integrovanie racionálnych funkcií Tomáš Madaras 2009-20 Z teórie funkcií už vieme, že každá racionálna funkcia (t.j. podiel dvoch polynomických funkcií) sa dá zapísať ako súčet polynomickej funkcie a funkcie

Διαβάστε περισσότερα

Modelovanie dynamickej podmienenej korelácie kurzov V4

Modelovanie dynamickej podmienenej korelácie kurzov V4 Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať

Διαβάστε περισσότερα

Fakulta matematiky, fyziky a informatiky Univerzity Komenského v Bratislave

Fakulta matematiky, fyziky a informatiky Univerzity Komenského v Bratislave Fakulta matematiky, fyziky a informatiky Univerzity Komenského v Bratislave Stratégie obchodovania s futuritami založené na skúmaní historických dát Diplomová práca Bratislava 2007 Ján Barlák Stratégie

Διαβάστε περισσότερα

Súčtové vzorce. cos (α + β) = cos α.cos β sin α.sin β cos (α β) = cos α.cos β + sin α.sin β. tg (α β) = cotg (α β) =.

Súčtové vzorce. cos (α + β) = cos α.cos β sin α.sin β cos (α β) = cos α.cos β + sin α.sin β. tg (α β) = cotg (α β) =. Súčtové vzorce Súčtové vzorce sú goniometrické hodnoty súčtov a rozdielov dvoch uhlov Sem patria aj goniometrické hodnoty dvojnásobného a polovičného uhla a pridám aj súčet a rozdiel goniometrických funkcií

Διαβάστε περισσότερα

Základy metodológie vedy I. 9. prednáška

Základy metodológie vedy I. 9. prednáška Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna

Διαβάστε περισσότερα

Komplexné čísla, Diskrétna Fourierova transformácia 1

Komplexné čísla, Diskrétna Fourierova transformácia 1 Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené

Διαβάστε περισσότερα

Prechod z 2D do 3D. Martin Florek 3. marca 2009

Prechod z 2D do 3D. Martin Florek 3. marca 2009 Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica

Διαβάστε περισσότερα

Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich

Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich Tuesday 15 th January, 2013, 19:53 Základy tenzorového počtu M.Gintner Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich násobenie reálnym číslom tak, že platí:

Διαβάστε περισσότερα

VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b

VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR Michal Zajac Vlastné čísla a vlastné vektory Pripomeňme najprv, že lineárny operátor T : L L je vzhl adom na bázu B = {b 1, b 2,, b n } lineárneho priestoru L určený

Διαβάστε περισσότερα

MATEMATICKO FYZIKÁLNA FAKULTA UNIVERZITY KOMENSKÉHO v Bratislave. Analýza vol nej hranice amerických opcií

MATEMATICKO FYZIKÁLNA FAKULTA UNIVERZITY KOMENSKÉHO v Bratislave. Analýza vol nej hranice amerických opcií MATEMATICKO FYZIKÁLNA FAKULTA UNIVERZITY KOMENSKÉHO v Bratislave Ekonomická a finančná matematika Analýza vol nej hranice amerických opcií Diplomová práca Autor: Janka Horváthová Vedúci Diplomovej práce:

Διαβάστε περισσότερα

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY KALIBRÁCIA JEDNOFAKTOROVÉHO MODELU ÚROKOVÝCH MIER POMOCOU VIACERÝCH KRITÉRIÍ DIPLOMOVÁ PRÁCA Bratislava 2015 Bc. Martin ƒechvala

Διαβάστε περισσότερα

Cieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej transformácie,

Cieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej transformácie, Kapitola Riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie Cieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie, keď charakteritická rovnica má rôzne

Διαβάστε περισσότερα

Základné poznatky molekulovej fyziky a termodynamiky

Základné poznatky molekulovej fyziky a termodynamiky Základné poznatky molekulovej fyziky a termodynamiky Opakovanie učiva II. ročníka, Téma 1. A. Príprava na maturity z fyziky, 2008 Outline Molekulová fyzika 1 Molekulová fyzika Predmet Molekulovej fyziky

Διαβάστε περισσότερα

Príklady na precvičovanie Fourierove rady

Príklady na precvičovanie Fourierove rady Príklady na precvičovanie Fourierove rady Ďalším významným typom funkcionálnych radov sú trigonometrické rady, pri ktorých sú jednotlivé členy trigonometrickými funkciami. Konkrétne, jedná sa o rady tvaru

Διαβάστε περισσότερα

Priamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava

Priamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné

Διαβάστε περισσότερα

Rentový počet. Rentový počet. Monika Molnárová. Technická univerzita Košice.

Rentový počet. Rentový počet. Monika Molnárová. Technická univerzita Košice. entový počet Monika Molnárová Technická univerzita Košice monika.molnarova@tuke.sk Obsah 1 entový počet Úvod Polehotná renta s konštantnou splátkou Polehotná renta s rovnomerne rastúcou splátkou Predlehotná

Διαβάστε περισσότερα

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita 132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:

Διαβάστε περισσότερα

Základy matematickej štatistiky

Základy matematickej štatistiky 1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov

Διαβάστε περισσότερα

6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH

6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6. Otázky Definujte pojem produkčná funkcia. Definujte pojem marginálny produkt. 6. Produkčná funkcia a marginálny produkt Definícia 6. Ak v ekonomickom procese počet

Διαβάστε περισσότερα

Reálna funkcia reálnej premennej

Reálna funkcia reálnej premennej (ÚMV/MAN3a/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 18.10.2012 Úvod V každodennom živote, hlavne pri skúmaní prírodných javov, procesov sa stretávame so závislosťou veľkosti niektorých veličín od

Διαβάστε περισσότερα

Príklady k Matematike 1

Príklady k Matematike 1 Príklady k Matematike 1 1. Definícia derivácie 1. Nájdite deriváciu y = + 1) 2 tak, že prejdete od k t = + 1. 2. Zistite z definície, čomu sa rovnajú derivácie funkcií y = 3, y = 1/ 2 a y =. Návod k tretej

Διαβάστε περισσότερα

2 Chyby a neistoty merania, zápis výsledku merania

2 Chyby a neistoty merania, zápis výsledku merania 2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné

Διαβάστε περισσότερα

SLOVENSKEJ REPUBLIKY

SLOVENSKEJ REPUBLIKY ZBIERKA ZÁKONOV SLOVENSKEJ REPUBLIKY Ročník 2012 Vyhlásené: 28.06.2012 Časová verzia predpisu účinná od: 01.03.2013 Obsah tohto dokumentu má informatívny charakter. 180 O P A T R E N I E Národnej banky

Διαβάστε περισσότερα

Deliteľnosť a znaky deliteľnosti

Deliteľnosť a znaky deliteľnosti Deliteľnosť a znaky deliteľnosti Medzi základné pojmy v aritmetike celých čísel patrí aj pojem deliteľnosť. Najprv si povieme, čo znamená, že celé číslo a delí celé číslo b a ako to zapisujeme. Nech a

Διαβάστε περισσότερα

Funkcie - základné pojmy

Funkcie - základné pojmy Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny

Διαβάστε περισσότερα

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY ANALÝZA RIEŠENÍ NELINEÁRNYCH PARCIÁLNYCH DIFERENCIÁLNYCH ROVNÍC FINANČNEJ MATEMATIKY DIPLOMOVÁ PRÁCA 2015 Bc. Karol ĎURIŠ UNIVERZITA

Διαβάστε περισσότερα

u R Pasívne prvky R, L, C v obvode striedavého prúdu Činný odpor R Napätie zdroja sa rovná úbytku napätia na činnom odpore.

u R Pasívne prvky R, L, C v obvode striedavého prúdu Činný odpor R Napätie zdroja sa rovná úbytku napätia na činnom odpore. Pasívne prvky, L, C v obvode stredavého prúdu Čnný odpor u u prebeh prúdu a napäta fázorový dagram prúdu a napäta u u /2 /2 t Napäte zdroja sa rovná úbytku napäta na čnnom odpore. Prúd je vo fáze s napätím.

Διαβάστε περισσότερα

PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY. Pomôcka pre prípravný kurz

PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY. Pomôcka pre prípravný kurz KATEDRA APLIKOVANEJ MATEMATIKY A INFORMATIKY STROJNÍCKA FAKULTA TU KOŠICE PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY Pomôcka pre prípravný kurz 8 ZÁKLADNÉ ALGEBRAICKÉ VZORCE ) (a±b)

Διαβάστε περισσότερα

Teória pravdepodobnosti

Teória pravdepodobnosti 2. Podmienená pravdepodobnosť Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 23. februára 2015 1 Pojem podmienenej pravdepodobnosti 2 Nezávislosť náhodných udalostí

Διαβάστε περισσότερα

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3 ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v

Διαβάστε περισσότερα

AerobTec Altis Micro

AerobTec Altis Micro AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp

Διαβάστε περισσότερα

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA Bratislava 211 Maroš Komadel Analýza horných a dolných odhadov na oceňovanie ázijských typov košíkových opcií

Διαβάστε περισσότερα

4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti

4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti 4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti Výroková funkcia (forma) ϕ ( x) je formálny výraz (formula), ktorý obsahuje znak x, pričom x berieme z nejakej množiny M. Ak za x zvolíme

Διαβάστε περισσότερα

Planárne a rovinné grafy

Planárne a rovinné grafy Planárne a rovinné grafy Definícia Graf G sa nazýva planárny, ak existuje jeho nakreslenie D, v ktorom sa žiadne dve hrany nepretínajú. D sa potom nazýva rovinný graf. Planárne a rovinné grafy Definícia

Διαβάστε περισσότερα

Technická univerzita v Košiciach. Zbierka riešených a neriešených úloh. z matematiky. pre uchádzačov o štúdium na TU v Košiciach

Technická univerzita v Košiciach. Zbierka riešených a neriešených úloh. z matematiky. pre uchádzačov o štúdium na TU v Košiciach Technická univerzita v Košiciach Zbierka riešených a neriešených úloh z matematiky pre uchádzačov o štúdium na TU v Košiciach Martin Bača Ján Buša Andrea Feňovčíková Zuzana Kimáková Denisa Olekšáková Štefan

Διαβάστε περισσότερα

Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave

Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave Fakulta Matematiky, Fyziky a Informatiky Univerzity Komenského v Bratislave Diplomová práca Roman Žabka Bratislava, 2003 Value at Risk (Miera Rizika) Dipl. vedúci Diplomant p. Michal Filip Roman Žabka

Διαβάστε περισσότερα

Podnikateľ 90 Mobilný telefón Cena 95 % 50 % 25 %

Podnikateľ 90 Mobilný telefón Cena 95 % 50 % 25 % Podnikateľ 90 Samsung S5230 Samsung C3530 Nokia C5 Samsung Shark Slider S3550 Samsung Xcover 271 T-Mobile Pulse Mini Sony Ericsson ZYLO Sony Ericsson Cedar LG GM360 Viewty Snap Nokia C3 Sony Ericsson ZYLO

Διαβάστε περισσότερα

Obyčajné diferenciálne rovnice

Obyčajné diferenciálne rovnice (ÚMV/MAN3b/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 14.3.2013 Úvod patria k najdôležitejším a najviac prepracovaným matematickým disciplínam. Nielen v minulosti, ale aj v súčastnosti predstavujú

Διαβάστε περισσότερα

1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2

1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2 1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2 Rozdiel LMT medzi dvoma miestami sa rovná rozdielu ich zemepisných dĺžok. Pre prevod miestnych časov platí, že

Διαβάστε περισσότερα

Prednáška Fourierove rady. Matematická analýza pre fyzikov IV. Jozef Kise lák

Prednáška Fourierove rady. Matematická analýza pre fyzikov IV. Jozef Kise lák Prednáška 6 6.1. Fourierove rady Základná myšlienka: Nech x Haφ 1,φ 2,...,φ n,... je ortonormálny systém v H, dá sa tento prvok rozvinút do radu x=c 1 φ 1 + c 2 φ 2 +...,c n φ n +...? Ako nájdeme c i,

Διαβάστε περισσότερα

Goniometrické substitúcie

Goniometrické substitúcie Goniometrické substitúcie Marta Kossaczká S goniometrickými funkciami ste sa už určite stretli, pravdepodobne predovšetkým v geometrii. Ich použitie tam ale zďaleka nekončí. Nazačiatoksizhrňme,čoonichvieme.Funkciesínusakosínussadajúdefinovať

Διαβάστε περισσότερα

Matematický model robota s diferenciálnym kolesovým podvozkom

Matematický model robota s diferenciálnym kolesovým podvozkom Matematický model robota s diferenciálnym kolesovým podvozkom Demonštračný modul Úlohy. Zostavte matematický model robota s diferenciálnym kolesovým podvozkom 2. Vytvorte simulačný model robota v simulačnom

Διαβάστε περισσότερα

Matematická analýza pre fyzikov IV.

Matematická analýza pre fyzikov IV. 119 Dodatok - klasické riešenia PDR 8.1. Parciálne diferenciálne rovnice Príklady parciálnych diferenciálnych rovníc: Lalpaceova rovnica u = 0 Helmholtzova rovnica u = λu n Lineárna transportná rovnica

Διαβάστε περισσότερα

DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c)

DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) Prírodovedecká fakulta Univerzity P. J. Šafárika v Košiciach Božena Mihalíková, Ivan Mojsej Strana 1 z 43 DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) 1 Obyčajné diferenciálne rovnice 3 1.1 Úlohy

Διαβάστε περισσότερα

HANA LAURINCOVÁ KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP Štatistika Poistná matematika

HANA LAURINCOVÁ KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP Štatistika Poistná matematika UNIVERZITA KOMENSKÉHO, BRATISLAVA FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY KATEDRA POISTNEJ MATEMATIKY A ŠTATISTIKY PARCIÁLNA A MNOHONÁSOBNÁ KORELÁCIA: KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP (Bakalárska práca)

Διαβάστε περισσότερα

Obsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8

Obsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8 Obsah 1 Číselné obory 7 1.1 Reálne čísla a ich základné vlastnosti............................ 7 1.1.1 Komplexné čísla................................... 8 1.2 Číselné množiny.......................................

Διαβάστε περισσότερα

: Ω F F 0 t T P F 0 t T F 0 P Q. Merton 1974 XT T X T XT. T t. V t t X d T = XT [V t/t ]. τ 0 < τ < X d T = XT I {V τ T } δt XT I {V τ<t } I A

: Ω F F 0 t T P F 0 t T F 0 P Q. Merton 1974 XT T X T XT. T t. V t t X d T = XT [V t/t ]. τ 0 < τ < X d T = XT I {V τ T } δt XT I {V τ<t } I A 2012 4 Chinese Journal of Applied Probability and Statistics Vol.28 No.2 Apr. 2012 730000. :. : O211.9. 1..... Johnson Stulz [3] 1987. Merton 1974 Johnson Stulz 1987. Hull White 1995 Klein 1996 2008 Klein

Διαβάστε περισσότερα

Ján Buša Štefan Schrötter

Ján Buša Štefan Schrötter Ján Buša Štefan Schrötter 1 KOMPLEXNÉ ČÍSLA 1 1.1 Pojem komplexného čísla Väčšine z nás je známe, že druhá mocnina ľubovoľného reálneho čísla nemôže byť záporná (ináč povedané: pre každé x R je x 0). Ako

Διαβάστε περισσότερα

Základné vzťahy medzi hodnotami goniometrických funkcií

Základné vzťahy medzi hodnotami goniometrických funkcií Ma-Go-2-T List Základné vzťahy medzi hodnotami goniometrických funkcií RNDr. Marián Macko U: Predstav si, že ti zadám hodnotu jednej z goniometrických funkcií. Napríklad sin x = 0,6. Vedel by si určiť

Διαβάστε περισσότερα

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita. Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [

Διαβάστε περισσότερα

Analýza hlavných komponentov

Analýza hlavných komponentov Analýza hlavných komponentov Motivácia Úloha: Navrhnite scenáre zmien výnosovej krivky pre účely stresového testovania v dlhopisovom portfóliu Problém: Výnosová krivka sa skladá z väčšieho počtu bodov,

Διαβάστε περισσότερα

Goniometrické funkcie

Goniometrické funkcie Goniometrické funkcie Oblúková miera Goniometrické funkcie sú funkcie, ktoré sa používajú pri meraní uhlov (Goniometria Meranie Uhla). Pri týchto funkciách sa uvažuje o veľkostiach uhlov udaných v oblúkovej

Διαβάστε περισσότερα

18. kapitola. Ako navariť z vody

18. kapitola. Ako navariť z vody 18. kapitola Ako navariť z vody Slovným spojením navariť z vody sa zvyknú myslieť dve rôzne veci. Buď to, že niekto niečo tvrdí, ale nevie to poriadne vyargumentovať, alebo to, že niekto začal s málom

Διαβάστε περισσότερα

FUNKCIE N REÁLNYCH PREMENNÝCH

FUNKCIE N REÁLNYCH PREMENNÝCH FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE FUNKCIE N REÁLNYCH PREMENNÝCH RNDr. Kristína Rostás, PhD. PREDMET: Matematická analýza ) 2010/2011 1. DEFINÍCIA REÁLNEJ FUNKCIE

Διαβάστε περισσότερα

Súradnicová sústava (karteziánska)

Súradnicová sústava (karteziánska) Súradnicová sústava (karteziánska) = sú to na seba kolmé priamky (osi) prechádzajúce jedným bodom, na všetkých osiach sú jednotky rovnakej dĺžky-karteziánska sústava zavedieme ju nasledovne 1. zvolíme

Διαβάστε περισσότερα

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014 Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk

Διαβάστε περισσότερα

4. domáca úloha. distribučnú funkciu náhodnej premennej X.

4. domáca úloha. distribučnú funkciu náhodnej premennej X. 4. domáca úloha 1. (rovnomerné rozdelenie) Električky idú v 20-minútových intervaloch. Cestujúci príde náhodne na zastávku. Určte funkciu hustoty rozdelenia pravdepodobnosti a distribučnú funkciu náhodnej

Διαβάστε περισσότερα

2. prednáška. Teória množín I. množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin

2. prednáška. Teória množín I. množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin 2. prednáška Teória množín I množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin Verzia: 27. 9. 2009 Priesvtika: 1 Definícia množiny Koncepcia množiny patrí medzi

Διαβάστε περισσότερα

TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA 1. Funkcia jednej premennej a jej diferenciálny počet

TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA 1. Funkcia jednej premennej a jej diferenciálny počet TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA časťa Funkcia jednej premennej a jej diferenciáln počet Dušan Knežo, Miriam Andrejiová, Zuzana Kimáková 200 RECENZOVALI: prof. RNDr. Jozef

Διαβάστε περισσότερα

REZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických

REZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických REZISTORY Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických obvodoch. Základnou vlastnosťou rezistora je jeho odpor. Odpor je fyzikálna vlastnosť, ktorá je daná štruktúrou materiálu

Διαβάστε περισσότερα

Riadenie zásobníkov kvapaliny

Riadenie zásobníkov kvapaliny Kapitola 9 Riadenie zásobníkov kvapaliny Cieľom cvičenia je zvládnuť návrh (syntézu) regulátorov výpočtovými (analytickými) metódami Naslinovou metódou a metódou umiestnenia pólov. Navrhnuté regulátory

Διαβάστε περισσότερα

Numerické metódy Učebný text pre bakalárske štúdium

Numerické metódy Učebný text pre bakalárske štúdium Imrich Pokorný Numerické metódy Učebný text pre bakalárske štúdium Strana 1 z 48 1 Nepresnosť numerického riešenia úloh 4 1.1 Zdroje chýb a ich klasifikácia................... 4 1.2 Základné pojmy odhadu

Διαβάστε περισσότερα

Numerické metódy Zbierka úloh

Numerické metódy Zbierka úloh Blanka Baculíková Ivan Daňo Numerické metódy Zbierka úloh Strana 1 z 37 Predhovor 3 1 Nelineárne rovnice 4 2 Sústavy lineárnych rovníc 7 3 Sústavy nelineárnych rovníc 1 4 Interpolačné polynómy 14 5 Aproximácia

Διαβάστε περισσότερα

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017 Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine

Διαβάστε περισσότερα

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY ODHAD VÝŠKY DÔCHODKOV V DVOJPILIEROVOM Bc.

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY ODHAD VÝŠKY DÔCHODKOV V DVOJPILIEROVOM Bc. UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY ODHAD VÝŠKY DÔCHODKOV V DVOJPILIEROVOM SYSTÉME DIPLOMOVÁ PRÁCA 2016 Bc. Matej Ječmen UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA

Διαβάστε περισσότερα