Stabilieji skirstiniai finansų rinkų modeliavime

• Main Author: Šakytė, Edita
• Other Authors: Saulis, Leonas
• Format: Dissertation
• Language: Lithuanian
• Published: Lithuanian Academic Libraries Network (LABT) 2007
• Subjects: Mathematics; Stabilusis skirstinys; Optimalusis portfelis; Efektyviųjų portfelių kreivė; Stable distribution; Efficient portfolio; Efficient frontier
• Online Access: http://vddb.library.lt/fedora/get/LT-eLABa-0001:E.02~2007~D_20070816_142611-47874/DS.005.0.01.ETD

Stabilieji skirstiniai yra plati tikimybinių skirstinių klasė. Atsitiktiniai dydžiai, pasiskirstę pagal stabiliuosius skirstinius, pasižymi savybe – jų suma taip pat yra stabili. Šie pasižymi sunkiomis uodegomis ir, kai kuriais atvejais, asimetriškumu. Taigi jie gerai aprašo duomenis. Pagrindinis šių skirstinių trūkumas yra tas, kad nežinomos tikslios pasiskirstymo ir tankio funkcijų išraiškos (išskyrus kelis atvejus: normalusis, Koši ir Levi skirstiniai). Darbo pradžioje pateikta stabiliųjų skirtinių apžvalga bei jų pritaikymas finansų rinkose. Aprašytos pagrindinės stabiliųjų skirstinių savybės, įverčių skaičiavimo algoritmai bei optimalaus portfelio sudarymas ir jo vertės pokyčio rizikos mato (VaR) skaičiavimas. Antroje darbo dalyje nagrinėjamas optimaliojo investicinio portfelio „normalioje“ ir „stabilioje“ rinkoje sudarymas. Rizikos matu laikomas sklaidos parametras (stabiliuoju atveju) arba standartinis nuokrypis, padalintas iš kvaratinės šaknies iš 2, (normaliuoju atveju). Palyginami portfeliai, sudaryti iš septyniolikos lietuviškų akcijų, gauti pagal skirtingas tikimybines prielaidas. Parodyta, kad optimalieji portfeliai skiriasi, kuomet duomenys yra pasiskirstę pagal stabilųjį ir normalųjį skirstinius. === Stable distributions are a rich class of probability distributions that allow skewness and heavy tails. The lack of closed formulas for densities and distribution functions for all distributions (except Gaussian, Cauchy and Levy distributions) is the major drawback. There is an overview of the stable distributions and their applications in finance markets at the beginning of this paper. There are described basic properties of stable distributions, estimation algorithms and optimal asset allocation and stable computation of Value at Risk in the first part of the work. We analyze an investment allocation problems in this work. We consider as the risk measure the estimate of scale parameter (in the stable case) or the expected value of absolute deviation divided by square root of 2 (in Gaussian case). We examine the optimal allocation between seventeen risky assets with normal or stable distributed returns and then we compare the allocation obtained under the Gaussian and stable distributional assumptions. We show that there are differences in the allocation when the data follow the stable non-Gaussian and the normal distribution.