КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Использование неравенства Чебышева для оценки риска
Возвращаясь к вариации как к мере риска, следует заметить, что дисперсия позволяет в некоторых случаях выявить граничные шансы инвестора. Теоретическая база этого заложена в известном неравенстве Чебышева: вероятность того, что случайная величина х отклоняется по модулю от своего математического ожидания больше, чем заданная величина ε, не превышает ее дисперсии, деленной на ε2, или . При этом дисперсия некоторой случайной величины х должна быть меньше, чем ε2, поскольку вероятность р £ 1. Это неравенство позволяет находить верхнюю границу вероятности того, что случайная величина х отклоняется (в обе стороны) от своего среднего значения на величину, большую ε. Здесь - дисперсия случайной величины, вычисляемая по формуле: . неравенство Чебышева может быть записано и следующим образом: Если нас интересует вероятность отклонения только в одну сторону, например, в большую, то неравенство Чебышева запишется в виде: . Пример 8. У банка имеются должники, значения RNK у которых за три прошедших месяца составили: у первого – 1,5, 1,3, 1,7; у второго – 1,6, 1,4, 1,5. Какова вероятность того, что они в течение ближайшего месяца погасят долги перед банком? Решение. Среднее значение КТЛ: 1) 2) . Среднее значение КТЛ у обоих должников одинаково, поэтому по лемме Маркова получим одинаковую вероятность погашения долга у обоих должников: , т.е. менее 75%. Неравенство Чебышев кроме среднего значения КТЛ учитывает еще и его колеблемость (дисперсию), которая у первого больше, чем у второго: , . Должники погасят долг, если повысят свой КТЛ до уровня 2. Для этого он должен отклониться в большую сторону от существующего значения как минимум на 0,5. Вероятность такого отклонения по неравенству Чебышева равна: для 1) , т.е. 5,34%, для 2) , т.е. 1,34%. Таким образом, вероятность невозврата долга первым должником будет как минимум 100 – 5,34 = 94,66 %, а вторым – как минимум 100 – 1,34 = 98,66 %. Почему должник с меньшей колеблемостью показателей вернет ссуду с меньшей вероятностью? меньшая колеблемость КТЛ у второго должника говорит о его большей устойчивости в состоянии неплатежеспособности. Поэтому и вероятность невозврата им долга оказалась выше. Если бы у него была меньшая колеблемость вблизи значения КТЛ, равного, например, 2,5, тогда все обстояло бы по-другому.
Дата добавления: 2014-12-16; Просмотров: 826; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |