VAR은 위험에 대한 구체적인 수치를 말한다. 즉 VAR은 시장이 불리한 방향으로 움직일 경우 보유한 포트폴리오에서 일정기간 동안에 발생하는 최대손실 가능액을 주어진 신뢰구간 하에서 통계적방법을 이용하여 추정한 수치이다. 예를 들어 특정회사의 거래포지션의 1일 동안 VAR이 신뢰구간 95%에서 10억
Ⅰ. 서론
금융시장의 급속한 발달과 통합화 및 새로운 금융상품의 출현은 금융기관의 위험에 대한 노출을 확대시키면서 다차원적으로 복잡하게 만들고 있다. 과거에는 주식이나 채권과 같이 위험구조가 단순한 상품이 거래의 대부분이었으나 최근에는 선물, 옵션 및 이를 이용한 복잡한 파생상품들
Multi-asset Options
⑴ Definition
Multi-asset 옵션은 하나의 기초자산이 아닌 다수의 기초자산을 대상으로 하는 옵션이다. 금융시장에서 실제로 많은 예를 찾아볼 수 있는데, 그 한 가지 예로써 지수 옵션(index options)을 들 수 있다.
⑵ Examples of multi-asset options traded in the financial market
① Exchange options
- 어떤
Derivagem에서 2009.6.30 350 배당(Dividend)을 고려하여 평가한 결과
Time- 평가기준일 2009.4.30에서 배당일 2009.6.30일까지의 일수(61일)를
365로 나눈 값
Dividend – 350원
> 배당을 고려한 가격 4437.96원과 배당을 고려하지 않은 가격 4716.98원
은 279.02원 차이를 보인다.
2010년 3월 30일 시점에서 Black-Scholes모형
3단계
분석
기존
성과평가
252일 간 종가 추출
기대수익률 및 표준편차 측정
Sharpe Ratio 측정
시나리오
분석
최소위험 Portfolio 도출 위한 가중치 추정
Sharpe Ratio 극대화 위한 가중치 추정
다기간
예측
기간이 확장된 Parametric VaR
GBM을 통한 Monte-CarloSimulation
Simulations)에서도 유용하다. 선형 방정식 시스템을 푸는 실제 응용에서, 촐레스키 분해가 LU 분해와 비교했을 때 약 두 배 정도 효율적인 것으로 알려졌다.
이 장에서는 몬테카를로 시뮬레이션의 (1)개념 및 적용가능 분야, 그리고 (2)이를 이용한 시설대안 평가의 수치적 예를 2개 이상 작성하기로 하자.
Simulation적인 부분이 아닌 실제 우리가 사용하는 데이터(KELS)를 이용하여 결측 패턴을 구분해 보고 이로 인한 시사점을 도출해 냈다는 점에서 본 연구는 큰 의미가 있다. 구체적으로, 원래 연구에서 밝혔던 결측 패턴 차이가 실제 데이터에서는 어떠한 특성으로 나타나는지에 대한 관찰이 본 연구의 주안
빅데이터(Big Data)가 새로운 미래기술로 주목받고 있다. 급속한 정보통신기술(Information and communication technology)의 발전과 이를 활용한 전자기기의 보급으로 생성된 대용량의 디지털 정보를 빅데이터라고 한다. 미래 기업과 국가의 경쟁력을 결정할 핵심요소로 빅데이터의 중요성이 높아지면서 세계 각국
Ⅰ. 서론
몬테카를로 시뮬레이션은 카지노로 유명한 모나코의 몬테카를로로부터 그 이름이 유래 되었다. 몬테카를로 시뮬레이션은 무작위로 추출된 난수를 이용하여 원하는 방정식의 값을 확률적으로 구하기 위한 알고리즘 및 시뮬레이션 방법이다. 주어진 문제의 방정식이 닫힌 형식의 해석적 해
결측 패턴 파악에 대한 SEM의 활용
(MCAR, MAR, MNAR)
A comparison of Missing Data Methods on Statistical Influence in Latent Growth Modeling (Shin, 2006)-replication
연구의 목적 및 필요성
모수 통계 이론에 근거, 양적 연구를 진행함에 있어 안정적인 결과를 얻기 위한 기본가정(적정 수 이상의 표본, 다변량 정규분포를 따르는 측정