Základy ekonomického modelování

Slides:



Advertisements
Podobné prezentace
Statistická indukce Teorie odhadu.
Advertisements

“Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky.”
TEORIE ROZHODOVÁNÍ A TEORIE HER
Testování neparametrických hypotéz
Testování statistických hypotéz
Úvod Klasifikace disciplín operačního výzkumu
NORMOVANÉ NORMÁLNÍ ROZDĚLENÍ
Odhady parametrů základního souboru
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
Diskrétní rozdělení a jejich použití
Pravděpodobnost a statistika opakování základních pojmů
Obsah prezentace Náhodná proměnná Rozdělení náhodné proměnné.
Tloušťková struktura porostu
Obsah statistiky Jana Zvárová
Náhodná proměnná Rozdělení.
Matematická teorie rozhodování
Aplikace při posuzování inv. projektů
Poskytuje daný generátor opravdu posloupnost náhodných čísel?
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
Aplikace při řízení tržních rizik
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Řízení rizik II Jan Vlachý Vlachý, J.: Řízení finančních rizik; Eupress, Praha, 2006.
Řízení finančních rizik
Ekonomické modelování pro podnikatelskou praxi
Pohled z ptačí perspektivy
Základy zpracování geologických dat
Ekonomické modelování Reálné opce Reálnou opci lze interpretovat jako flexibilitu investičního projektu. –Opce zahájení/rozšíření projektu –Opce ukončení/útlumu.
Ekonomické modelování Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. –Akciové riziko –Měnové riziko –Komoditní riziko –Úrokové riziko –Odvozená.
Metrologie   Přednáška č. 5 Nejistoty měření.
Základy ekonometrie 4EK211
Metody řízení tržních rizik
2. Vybrané základní pojmy matematické statistiky
Základy matematické statistiky. Nechť je dána náhodná veličina X (“věk žadatele o hypotéku“) X je definována rozdělením pravděpodobností, s nimiž nastanou.
Opakování lekce 4,5,
8. Kontingenční tabulky a χ2 test
15. Ekonomie informací Osnova přednášky Rozhodování za rizika a nejistoty Asymetrická informace - úvod Nepříznivý výběr Morální hazard.
Řízení finančních rizik Jan Vlachý Vlachý, J.: Řízení finančních rizik; Eupress, Praha, 2006.
Cíl přednášky Seznámit se
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Distribuční funkce diskrétní náhodná proměnná spojitá náhodná proměnná
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Rozhodování spotřebitele za rizika
ŘÍZENÍ RIZIK I Finanční rizika Tržní riziko je pravděpodobnost změny hodnoty podniku, způsobené změnou tržní hodnoty rizikového faktoru. Kreditní riziko.
Ekonomické modelování pro podnikatelskou praxi
Ekonomické modelování Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. –Akciové riziko –Měnové riziko –Komoditní riziko –Úrokové riziko –Odvozená.
Časová hodnota peněz Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Základy statistiky Základní pojmy. Základy statistiky Statistiku můžeme chápat jako činnost - získávání stat. údajů, jejich zpracování a vyhodnocení jako.
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) a  x  b distribuční.
Ústav lékařské informatiky, 2. LF UK 2008 STATISTIKA II.
Simulace podnikových procesů
Spojitá náhodná veličina
Statistické testování – základní pojmy
Přednáška č. – 4 Extrémní hodnoty a analýza výběrových souborů
Základy statistické indukce
Přednáška č. 3 – Posouzení nahodilosti výběrového souboru
Induktivní statistika
Monte Carlo Typy MC simulací
Statistika 2.cvičení
Induktivní statistika
Základy zpracování geologických dat Rozdělení pravděpodobnosti
Příklad (investiční projekt)
Úvod do statistického testování
Statistika a výpočetní technika
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
7. Kontingenční tabulky a χ2 test
Induktivní statistika
Základy statistiky.
Transkript prezentace:

Základy ekonomického modelování Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Hnilica, J., Fotr, J. Aplikovaná analýza rizika Scholleová, H. Hodnota flexibility: Reálné opce Vlachý, J. Řízení finančních rizik

Význam ekonomického modelování Ekonomické modelování se využívá pro analýzu ekonomických jevů. Modely v ekonomii nahrazují experiment v exaktních vědeckých disciplínách. Modely umožňují pochopit chování ekonomických systémů a jejich složek při existenci rizika. Ekonomické modelování řeší především tyto úlohy: Citlivostní analýzu (význam při kvalitativní analýze rizik a při jejich zajišťování) Hodnotovou analýzu Tržní oceňování (rovnovážné tržní modely) Komparaci; optimalizaci (dynamická analýza systémů) Ekonomické modelování

Praxe ekonomického modelování Základní metody řešení modelů Analytické řešení ... někdy složité, případně neexistuje (ale mnohé známé vzorce jsou ve skutečnosti analytická řešení modelů - úroková parita, CAPM, Blackův-Scholesův model, oceňovací model diskontovaných peněžních toků atd.) Numerické řešení ... roste na významu díky dostupnosti a výkonu výpočetní techniky (např. bootstrap, rekurze, iterace, simulace) Riziko modelu a jeho řízení Chybné vstupy; nesprávné odhady předpokladů; chybná implementace; nesprávné použití (špatně zvolený model). Nezávislá kontrola; úplná dokumentace; kvalitní správa dat; zpětné testování; validace. Vždy je třeba používat modely, kterým uživatel dobře rozumí a kontrolovat je zdravým úsudkem. Ekonomické modelování

Ekonomické modelování Co je riziko Riziko je míra odchylky možného budoucího stavu světa od stavu očekávaného. Obecně nelze říci, jestli je riziko „dobré“ nebo „špatné“ záleží na kvalitativní analýze („co se stane když“), a subjektivním vnímání užitku (ze subjekt. pohledu lze ale riziko definovat i jen vzhledem k nepříznivým událostem). Jednotlivci mohou být rizikově neutrální vyhledávat riziko mít averzi (odpor) k riziku Pokud se s rizikem obchoduje (úplné efektivní trhy), vznikne rovnovážná cena rizika; trh se pak chová, jako by měl odpor k riziku a vyšší riziko musí být kompenzováno vyšším očekávaným výnosem. Ekonomické modelování

Ekonomické modelování Kvantifikace rizika Používají se nástroje statistiky, vycházející z empiricky nebo teoreticky zjištěných statistických rozdělení náhodných jevů (= které nemůžeme s jistotou předvídat). Míra polohy (medián) a variability (sm. odchylka) úplně popisují normální (Gaussovo) rozdělení (jiná rozdělení mohou mít méně nebo více parametrů). Ke kvantifikaci rizika se používají statistické míry odchylky (variability) náhodného jevu: Oboustranné (variační rozpětí, rozptyl, směrodatná odchylka) Jednostrané (semivariance, kvantilové rozpětí) Ekonomické modelování

Riziková analýza hazardní hry Pravidla: Výsledek hodu mincí určí, který z hráčů zaplatí druhému stanovenou částku. Z kolektivního pohledu hra s nulovým součtem Očekávaný výnos je nulový (není-li daň ani krupiér) Riziko je nulové (co jeden prodělá, to druhý vydělá) Kvalitativní (citlivostní) analýza (libov. hráče) Kolik prohraju, když prohraju? Záleží na vsazené částce (10 Kč, 1 mil. Kč...) a pravidlu pro výplaty Kvantitativní analýza Jak je pravděpodobné, že se výsledek bude lišit od očekávaného? Ekonomické modelování

Kvantitativní analýza (1 hod) Analýzou teoretického statistického rozdělení (výčtem všech možných scénářů a přiřazením pravděpodobností) RA= 100 Kč, RB= -100 Kč, P(A)= 50%, P(B)= 50% E(R)= P(A) RA + P(B) RB = 0 Kč Existuje-li bezplatné právo volby („efektivní trh“), lze totéž odvodit i z rovnovážného argumentu: „Proč by měl být můj očekávaný výnos horší než očekávaný výnos protihráče nebo výsledek rozhodnutí ‚nehraju‘?“ s(R)= = =100 Kč A B R P(R) +100 -100 50% Ekonomické modelování

Kvantitativní analýza (více hodů) Doplnění pravidel: Vítěze určí větší počet hodů (nezávislých náhodných jevů). U malého počtu hodů lze spočítat; pro 2 hody: RA= 100 Kč, RB= 0 Kč, RB= -100 Kč, P(A)= 25%, P(B)= 50%, P(C)= 25% => 2E(R)= 0 Kč, 2s(R)= 70,7 Kč (očekávaná hodnota se nemění+riziko klesá) Statistickou analýzou lze odvodit NE(R)= E(R), Ns(R)= s(R)/√N (tzn. např. 25E(R)= 0 Kč, 25s(R)= 20 Kč). Alternativou statistické analýzy je numerický experiment (simulace) (cvič.) Měli by skuteční hráči zájem o takové doplnění pravidel? Ekonomické modelování

Princip simulačních experimentů Numerické experimentální metody využívají zákona velkých čísel (při velkém počtu nezávislých pokusů se relativní četnosti a jejich charakteristiky blíží teoretickému rozdělení). Při neparametrické simulaci (historická či experimentální simulace) se vychází přímo z empirického pozorování daného jevu (předpoklad, že se výběrové rozdělení rovná skutečnému). Při parametrické simulaci (statistická simulace, „Monte Carlo“) se mnohokrát opakuje experiment s využitím generátoru náhodných čísel se zvoleným rozdělením (předpoklad, že se teoretické rozdělení rovná skutečnému). Žádný experiment nikdy nedává přesný výsledek, je nutné stanovit chybu odhadu (ta se snižuje s počtem pokusů, ne však lineárně). Ekonomické modelování

Realizace statistických simulací Generátory náhodných čísel Tabulky náhodných čísel Mechanické, fyzikální, chemické generátory Aritmetické generátory (pseudonáhodná čísla splňující testy náhodnosti) Využití výpočetní techniky Speciální matematický či statistický software (např. MatLab) Simulační software (např. Crystal Ball, @Risk) Běžný tabulkový procesor (např. Excel) Ekonomické modelování

Statistické simulace v Excelu Funkce =rand() nebo v české verzi =náhčíslo() generuje spojité rovnoměrné rozdělení v intervalu <0; 1> Transformace na diskrétní rovnoměrná rozdělení =round(rand(); 0) ... nabývá hodnot {0; 1} =int(rand()×6)+1 ... nabývá hodnot {1; 2; 3; 4; 5; 6} Transformace na běžná spojitá rozdělení (analyticky nebo pomocí inverzní kumulativní distribuční funkce) =rand()×6 – 3 ... spojité rovnoměrné -3; 3 =norminv(rand(); m; s) ... normální (Gaussovo) rozdělení dále např. =betainv(), =chiinv(), =gammainv(), =loginv() Do v. Excel 2002 se vestavěny generátor nedoporučuje pro velké modely (lze použít generátory třetích stran nebo přímo simulační nástavby); Excel 2003 má chybu (použít opravný balíček). Ekonomické modelování

Ekonomické modelování Cvičení (hody mincí) Zadání: Ověřte statistickou simulací analytický výpočet očekávaného výnosu a směrodatné odchylky hry o 100 Kč, rozdělené na 25 hodů mincí. Stanovte chybu odhadu. Nápověda: V jednom řádku Excelové tabulky generujte scénář s využitím 25 nezávislých náhodných čísel, transformovaných na diskrétní rovnoměrné rozdělení {-4; 4}. V sousedním sloupci na tomtéž řádku spočítejte výsledek hry (sečtěte celkovou výhru nebo prohru). Na dalších řádcích scénář mnohokrát opakujte. Ze souboru všech výsledků simulovaných her spočítejte průměrnou hodnotu a směrodatnou odchylku výplaty. Chybu zjištěné průměrné hodnoty odhadnete tak, že celý experiment opakujete 10× (klávesa F9) a odečtete druhý nejnižší od druhého nejvyššího výsledku. Porovnejte chybu pro experimenty s 50, 100 a 1000 simulačními scénáři. Ekonomické modelování

Ekonomické modelování Hazardní hra 2 (kostky) Určete pravděpodobnost, s níž padne při hodu dvou kostek menší číslo než 8. Výčtem scénářů (kombinační tabulka) ... P(<8) = N(<8)/N = 21/36 = 58,3% Statistickou (Monte Carlo) simulací (cvič.) x \ y 1 2 3 4 5 6 7 8 9 10 11 12 Ekonomické modelování

Cvičení (hody kostkou) Zadání: Určete pravděpodobnost, s níž padne při hodu dvou kostek menší číslo než 8. Zadání: Určete pravděpodobnost, s níž padnou při hodu dvou kostek čísla 2, 3, 4, ..., 12. Pro daný počet experimentů vždy stanovte chybu odhadu. Ekonomické modelování

Spotřebitelské úvěry (diverzifikace) Zadání: Banka poskytuje roční úvěry se sazbou 12% klientům, u nichž je pravděpodobnost nesplacení (navzájem nezávislá) 5%. Porovnejte očekávaný výnos a riziko pro 1, 2, 3... úvěry. Analytické řešení je analogické jako u mincí, tzn. výčtem scénářů nebo podle analytického vzorce (viz Vlachý:40-41) Numerické řešení statistickou simulací (cvič.) Ekonomické modelování

Ekonomické modelování Komentář k aplikaci Specifické riziko způsobují (statisticky) nezávislé náhodné jevy. Specifickou složku rizika lze (teoreticky donekonečna) snižovat diverzifikací. Systematické riziko je dáno rizikovostí ekonomiky (trhu, segmentu, pojistné třídy apod.) Není (v rámci investic na daném trhu) diverzifikovatelné. Z pojistně-matematického principu (Bernoulli 1713, Poisson 1835) se vychází u nezávislých rizik (pojišťovnictví, spotřebitelské úvěry) Chování závislých rizik (tržní rizika) popisuje Moderní portfoliová teorie (Markowitz 1952) N σ Specifické riziko Systematické riziko Ekonomické modelování

Kvantily statistických rozdělení Jaké minimální (maximální) hodnoty může nabýt určitý náhodný jev při určité požadované míře spolehlivosti odhadu. U finančních aplikací zkoumáme zpravidla maximální možnou ztrátu v určitém časovém horizontu a nejčastěji se používá 95. nebo 99. percentil (u normálního rozdělení  1,65s, resp. 2s). Ekonomické modelování

Kvantily normálního rozdělení Vycházejí z distribuční funkce normovaného norm. rozdělení (běžně tabelováno, funkce =normsdist()) u50% = 0 (medián) u90% = 1,28 (9. decil) u95% = 1,65 (95. percentil) u99% = 2,33 (99. percentil) x > xmin = m - u s x < xmax = m + u s P(x) x m 2,33s 99% Ekonomické modelování

Cvičení (spotřebitelské úvěry) Zadání: Banka poskytuje roční úvěry se sazbou 12% klientům, u nichž je pravděpodobnost nesplacení (navzájem nezávislá) 5%. Porovnejte očekávaný výnos a riziko pro 1, 2, 3... úvěry. Zadání: Banka poskytuje roční 12% úvěry po 20000 Kč klientům, u nichž je (nezávislá) pravděpodobnost nesplacení 5% a náklady (fin., provoz.) činí 4%. Jaké rezervy má tvořit, předpokládá-li že získá 75 klientů a požaduje-li dostatečnost rezervy se spolehlivostí 95%? Jakou očekává banka výnosnost kapitálu (ROE), bude-li kapitál udržován ve výši trojnásobku dostatečných rezerv? Jakou má banka účtovat klientům úrokovou sazbu, pokud její majitel požaduje minimální výnosnost kapitálu 10%? Ekonomické modelování