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) |
Моделирование обменного курса валют при двойной конверсии валют.
Рассмотрим задачу о вычислении наращенных сумм депозитов с использованием двойной конверсии валюты [ ]. Если имеются свободные денежные средства, то их можно нарастить, поместив на депозит. Для определенности рассуждений будем предполагать, что свободные денежные средства Pv - это свободно конвертируемая валюта, которую можно конвертировать в рубли. Эти свободные денежные средства можно нарастить двумя способами: 1) используя прямое наращение капитала на валютный депозит под годовых процентов на срок n лет; 2) используя двойную конверсию валюты, обменяв вначале по курсу K0 валюту на рубли, затем поместив рубли на депозит под j годовых процентов, и, наконец, обменяв наращенную рублевую массу на валюту по обменному курсу K1 . Для определенности рассуждений будем полагать, что указанные депозиты краткосрочные, n 1 и ставки процентов , j – это годовые ставки простых процентов. В данной ситуации возникает вопрос: что выгоднее – прямое помещение капитала или двойная конверсия? Ответить на него помогают два барьерных значения K1: K1* = K0(1 +n ), = . Эти значения можно вычислить в самом начале операции депонирования. Если 1) K1* < K1, то двойная конверсия убыточна; 2) K1* > K1, то двойная конверсия прибыльна. В ситуации 2) надо решать вопрос: а может прямое помещение капитала более выгодно, чем использование двойной конверсии валют? В данной ситуации используется значение , если K1 < , то выгоднее применить двойную конверсию валют, если K1* > K1 > , то прямое помещение капитала на депозит выгоднее, чем использование двойной конверсии. Однако использовать этот алгоритм принятия решения не представляется возможным, так как значение обменного курса K1 в конце операции неизвестно. Для того, чтобы оценить K1, используют различные методы прогноза K1.
Опишем подход к принятию решений в данной ситуации, который основан на том, что неизвестное значение K1 мы будем рассматривать, как случайную величину с заданным либо спрогнозированным законом распределения вероятностей. В данном случае мы не только сможем выбрать лучшую из трех альтернатив принятия решения, но и количественно оценить в виде вероятности степень обоснованности выбора той или иной альтернативы: 1) P1 = P(K1* < K1) – вероятность того, что двойная конверсия убыточная, 2) P2 = P(K1 < ) – вероятность того, что двойная конверсия дает большую выгоду, чем прямое помещение капитала, 3) P3 = 1 - P1 - P2 – вероятность того, что прямое помещение капитала более выгодно, чем использование двойной конверсии валют. Оценивая значения P1, P2 и P3, можно сделать обоснованный вектор в пользу той или иной альтернативы.
Задание 1 Решено поместить 1200$ на трехмесячный депозит. Курс обмена валюты на данный момент K0 = 1820 руб. На валютном вкладе ставка 10 % годовых, на рублевом вкладе – 50 % годовых. Есть основания считать, что обменный курс K1 через 3 месяца будет описываться "трапецеидальным" законом распределения вероятностей, K1 1830, 2100; 1840, 1850) По 10 реализациям K1 оценить вероятности P1, P2 и P3 трех альтернатив принятия решения. Решение. В данном случае K1* = 2048, = 1998. Пусть в результате моделирования получены следующие значения обменных курсов K1: 1838, 1842, 2010, 1843, 1999, 1849, 1881, 1837, 1847, 1844. По этим значениям оценим вероятности P1, P2 и P3: P1 = 0; P2 = 0,8; P3 = 0,2. Вывод: данная конверсия выгодна и двойная конверсия даст большую выгоду, чем прямое поглощение капитала.
Задание 2 По 1000 реализациям обменного курса K1 оцените вероятности P1, P2 и P3 принятия альтернативных решений для условий депонирования вклада из задания1 и следующих распределений K1: 1) дискретный тип распределения K1: 1840 с вероятностью 0,13; 1850 с вероятностью 0,47; 1970 с вероятностью 0,12;
2) равномерное распределение, K1, K1 3) нормальное распределение, K1, K1 4) марковская зависимость с трендом. Значения обменного курса К1j в день с номером j от начала действия депозита складывается из значения тренда f(j) и маржи , т.е. К1j = f(j) + , где тренд f(j) = 1830 + j, - заданные значения маржи; - номер состояния цепи Маркова с тремя состояниями и матрицей одношаговых переходов с элементами: p11 = 0,2; p21 = 0,7; p13 = 0,1; p21 = 0,2; p22 = 0,5; p23 = 0,3; p31 = 0,2; p32 = 0,6; p33 = 0,2. Цепь выходит из второго состояния, т.е. Приложение
Таблица П.1 Системные числовые атрибуты GPSS/PC
Таблица П.2 Стандартные числовые атрибуты GPSS/PC
Таблица П.3 Операторы блоков GPSS/PC
Примечание к таблице П.3
Всюду в таблице, где особо не оговаривается, операнды могут иметь одну из следующих форм представления: положительное целое число (К), <имя>, СЧАj, СЧА*<параметр>. В таблице используются обозначения: [] – признак того, что соответствующий операнд может быть опущен; ххх – логический указатель (табл.П.4) или оператор отношения (‘L’, ‘LE’, ‘E’, ‘NE’, ‘G’, ‘GE’) в операторах с расширенным полем операции.
Таблица П.4 Логические указатели
Литература
1. Бусленко Н.П. Моделирование сложных систем. – М.: Наука, 1978. 2. Калашников В.В. Организация моделирования сложных систем. – М.: Знание, 1982 3. Советов Б.Я., Яковлев С.А. Моделирование систем: учебник для вузов. – М.: Высш. Шк., 1985 4. Шрайбер Т.Д. Моделирование на GPSS. – М.: Машиностроение, 1980. 5. Максимей И.В. Имитационное моделирование на ЭВМ. – М.: Радио и связь, 1988. 6. Коуден Д. Статистические методы контроля качества. – М.: Физматиз., 1961. 7. Кнут Д. Искусство программирования на ЭВМ. – М.: Мир, 1977. 8. Ермаков С.М., Михайлов Г.А. Курс статистического моделирования – М.: Наука, 1976. 9. Поляк Ю.Г. Вероятностное моделирование на ЭВМ. – М.: Сов. радио, 1971. 10. Быков В.В. Цифровое моделирование в статической радиотехнике. – М.: Сов. радио, 1973. 11. Андерсон Т.В. Статистический анализ временных рядов. – М.: Мир, 1978. 12. Ермаков С.М. Метод Монте-Карло и смежные вопросы. – М.: Наука, 1975. 13. Михайлов Г.А. Некоторые вопросы методов Монте-Карло. – Новосибирск: Наука. Сиб. отделение, 1974. 14. Соболь И.М. Метод Монте-Карло. – М.: Наука, 1985. 15. Соболь И.М. Численные методы Монте-Карло. – М.: Наука, 1973. 16. Ермаков С.М. Жиглявский А.А. Математическая теория оптимального эксперимента. – М.: Наука, 1987. 17. Федоров В.В. Теория оптимального эксперимента. – М.: Наука, 1971. 18. Клейнен Дж. Статистические методы в имитационном моделировании. Вып. 1,2. – М.: Статистика, 1978. 19. Асатурян В.И. Теория планирования эксперимента. – М.: Радио и связь, 1983. 20. Ивченко Г.И., Медведев Ю.И. Математическая статистика. – М.: Высш. шк., 1984. 21. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. – М.: Наука, 1983. 22. Айвазян С.А. и др. Прикладная статистика. Т. 1,2,3 – М.: Финансы и статистика, 1983,1985, 1987. 23. Харин Ю.С., Степанова М.Д. Практикум на ЭВМ по математической статистике. – Минск.: Университетское, 1987. 24. Киндлер Е. Языки моделирования. – М.: Энергоатомиздат, 1985. 25. Прицкер А. Введение в имитационное моделирование и язык СЛАМ-11. – М.: Мир, 1987. 26. Питерсон Д. Теория сетей Петри и моделирование систем. – М.: Мир, 1984. 27. Catalog of simulation software. Microcomputer, minicomputer and mainframe software. //Simulation, 1988.October/ 28. Schriber T.J. An introduction to simulation/ Using GPSS/H. John Wiley &Sons, 1991/ 29. Гнеденко Б.В. Курв теории вероятностей. – М.: Наука, 1969. 30. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. – М.: Наука, 1976. 31. Аптон Г. Анализ таблиц сопряженности. – М.: Наука, 1982. 32. Андерсон Т.В. Введение в многомерный статистический анализ. – М.: Наука, 1963. 33. Технология системного моделирования (Под общей редакцией С.В. Емельянова, В.В. Калашникова, М. Франка, А. Явора).. – М.: Машиностроение; Берлин: Техник, 1983. 34. Параллельная обработка информации. Распараллеливание алгоритмов обработки (т.1). (Под ред. А.Н. Свенсона). – Киев: Навукова думка, 1985. 35. Cox S.W. Cox A.J. GPSS/PC: A user oriented simulation system.// Modeling and simulation on microcomputers (R.G. Lavery ed.) The society for Computers simulation. San-Diego. California. 1985. 36. Schriber T.J. Introduction to GPSS/PC. // Proceding of IEEE. San-Franicssco. California. 1987. 37. Cox S.W. The interactive grafics and annimation of GPSS/PC. // Proceding of IEEE. San-Franicssco. California. 1987. 38. Кашьяп Р.А., Рао А.Р. Построение динамичных стохастических моделей по экспериментальным данным. – М.: Наука, 1983. 39. Кенеми Дж., Снелл Дж. Конечные цепи Маркова. – М.: Наука, 1970. 40. Айвазян С.А. Программное обеспечение ПЭВМ по статистическому анализу данных. // Заводская лаборатория. 1991, №1 – 54-58 с.
Дата добавления: 2017-02-01; Просмотров: 70; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |