ZAVOD ZA ELEKTRONIKE SUSTAVE I OBRADU INFORMACIJA FAKULTET ELEKTROTEHNIKE I RAUNARSTVA SVEUILITE U ZAGREBU

Monte Carlo metoda

i njena primjena u financijama
Marin Biki Ivan Franulovi Marko Kiti Matej Salkovi
PROJEKT IZ KOLEGIJA SLUAJNI PROCESI U SUSTAVIMA

Zagreb, 2007.

Sadraj Saetak...3. 1. Uvod..............4. 2. Primjer Monte Carlo metode.....................................................................................4. 3. Matematiki model ...........6. 4. Rezultati simulacija.......9. 5. Zakljuak.................................................................................................................13. Prilog 1: Matlab skripta za simulaciju.........................................................................14.

Saetak Tema ovog rada je Monte Carlo metoda. Ukratko je objanjena ideja iza te metode i dan je primjer njene primjene u financijama - izraen je pojednostavljeni model kretanja cijena dionica na tritu. Pomou tog modela, upotrebom Monte Carlo metode, napravljena je simulacija tj. prognoza kretanja cijena dionica odreenih dionikih drutava za nekoliko dana unaprijed.

1. Uvod Naziv Monte Carlo odnosi se na iroki spektar matematikih modela i algoritama ija je glavna karakteristika stohastiki pristup odnosno upotreba sluajnih brojeva u rjeavanju razliitih problema. Najee je rije o matematikim problemima ija se rjeenja ne mogu odrediti analitiki ili za to ne postoje efikasni numeriki algoritmi. Uz to, esto se koriste i za provjeru rezultata dobivenih analitikim ili drugim metodama. Zbog velikog broja matematikih operacija i ponavljanja, Monte Carlo metode ulaze u iroku upotrebu tek s naglim razvojem raunala u posljednjim desetljeima dvadesetog stoljea. Samo ime 'Monte Carlo' uveli su Stanislaw Ulam, John von Neumann i Nicholas Metropolis 1946. godine, iako je sama ideja bila poznata i ranije. Enrico Fermi upotrijebio je sline metode 1930. godine kako bi odredio svojstva tada tek otkrivenog neutrona. Amerika vojska koristila ih je intenzivno 40-ih i 50-ih godina prilikom razvoja nuklearne, a zatim i hidrogenske bombe, unato vrlo ogranienoj snazi tadanjih raunala. Tek nakon pojave elektronikih raunala poinje detaljno prouavanje Monte Carlo metoda. Danas su u upotrebi u razliitim podrujima znanosti: od numerike matematike, fizikalne kemije i statistike fizike, sve do razvoja poluvodia, raunalne grafike i financija.

2. Primjer Monte Carlo metode Ideju iza Monte Carlo metode pokazat emo na vrlo jednostavnom primjeru pokuat emo odrediti iznos broja . Ako nasumice biramo toku u ravnini na intervalu [0,1]x[0,1], vjerojatnost da se ona nalazi unutar jedinine krunice je omjer povrine etvrtine kruga i ukupne povrine intervala:

r 2 2 Ak 4 = 1 = P= = 2 Aint d 4 12 4

Meutim, tu vjerojatnost moemo i procijeniti. Zakon velikih brojeva nam govori da e omjer broja toaka koje su zavrile unutar jedinine krunice i ukupnog broja toaka biti priblino jednak traenoj vjerojatnosti, naravno, ako izaberemo dovoljno velik broj toaka. to je vei broj odabranih toaka, to je i na rezultat blie tonoj vrijednosti. Dakle, jedina nepoznanica u gornjoj relaciji je broj . Moemo napisati:
n i

= 4P 4 ,
gdje je n broj toaka unutar jedninine krunice, a i ukupan broj odabranih toaka. Na slici 1.1. prikazan je ishod jedne simulacije uz tisuu odabranih toaka. Dobiveni rezultat, = 3.134, govori da ovakav nain procjene nije vrlo precizan. Algoritam moemo poboljati odaberemo li npr. deset tisua toaka, pohranimo rezultat, zatim to ponovimo sto puta i usrednjimo rezultate svih ponavljanja. Takvim algoritmom dobivamo = 3.1420, to je bolji rezultat, pogotovo ako su nam dovoljne prve tri decimale.

Slika 1. Odreivanje broja sluajnim odabirom tisuu toaka. Plavom bojom oznaene su toke unutar, a crvenom bojom toke izvan jedinine krunice.

3. Matematiki model

U ovom projektu razmatrat emo kako pomou Monte Carlo simulacije procjeniti kretanje vrijednosti dionica. Podaci o kretanju cijene dionica u proteklih godinu dana za Privrednu banku Zagreb d.d., Zagrebaku banku d.d. i Adris grupu d.d. preuzeti su sa stranica Zagrebake burze (www.zse.hr). Iz cijena za prvih 345 dana izraunati su ili procijenjeni parametri modela, te je nakon toga simulirano kretanje cijene dionica za narednih 20 dana. Koriteni model prouavali su Ahimud i Mendelson (1987.), te Damodaran (1993.). Prirodni logaritam cijene u danu t odreen je izrazom:

P(t ) = P(t 1) + [V (t ) P(t 1)] + (t ) ,

gdje je P(t 1) prirodni logaritam cijene dionice prethodnog dana, V(t) intrisina vrijednost dionice, faktor brzine prilagodbe cijene, te (t) bijeli um. Na slici 2 prikazana je usporedba vrijednosti dionice P(t) i intrizine vrijednosti V(t). Intrinzina vrijednost dionice na neki nain predstavlja stvarnu vrijednost dionikog drutva. Naime, dionice svakog dana mjenjaju svoju vrijednost, ali te promjene vie su odraz stanja na tritu nego stvarne promjene vrijednosti drutva. Zato je V(t) procijenjen kao srednja vrijednost dionica u razdoblju od nekoliko dana:
P(t 4) + P(t 3) + P(t 2) + P(t 1) + P(t ) + P(t + 1) + P(t + 2) + P(t + 3) + P(t + 4) 9

V (t ) =

Nakon 345. dana vie ne znamo cijenu dionica, te intrinzinu vrijednost nije mogue izraunati po prethodnoj formuli. Zato je procjenjujemo sljedeim izrazom:
V (t ) = V (t 1) + + e(t ) ,

gdje je prosjean prinos, a e(t) bijeli um.

Slika 2. Cijena dionica Privredne banke Zagreb i njihova intrinzina vrijednost kroz godinu dana.

Prosjean prinos, kao i brzinu prilagodbe cijene dionice izraunat emo iz niza dnevnih prinosa. Prinosi su raunati izrazom:
R (t ) = P (t ) P (t 1)

Kretanje prinosa prikazano je slikom 3. Prosjean prinos jednostavno raunamo:

1 N
N

R(i) =
i =1

1 345 R(i) 345 i =1

Sljedei korak je procjena brzina prilagodbe iz izraunatih prinosa. Koriteni izraz glasi: cov(R(t ), R(t 2) ) cov(R(t ), R(t 1) )

= 1

Vrijednosti kreu su u intervalu <0,2>. Zanimljiv je podatak da dionika drutva istog podruja djelatnosti imaju sline brzine prilagodbe cijena, kao to je prikazano tablicom 1.
Podruje djelatnosti BANKARSTVO Dioniko drutvo Zagrebaka banka d.d. Privredna banka Zagreb d.d. Karlovaka banka d.d. Hotel Excelsior d.d. Hotel Maestral d.d. Hotel Podgora d.d. Intel AMD Brzina prilagodbe cijene 0,775777276084633 0,774334309580094 0,749194540217444 0,63202247761615 0,65863209322807 0,602539116604807 1,058272389200558 1,061089204360971

HOTELIJERSTVO POLUVODIKA TEHNOLOGIJA

Tablica 1. Brzina prilagodbe cijene pojednih sektora djelatnosti.

Zadnje to nam je ostalo jest procijeniti parametre bijelog uma (t) i e(t). Njihova oekivana vrijednost biti e 0. Za varijancu uma (t) uzimamo standardnu devijaciju prinosa R(t), a za varijancu uma e(t) uzimamo standardnu devijaciju intrinzine vrijednosti dionice V(t).

Slika 3. Kretanje prinosa Privredne banke Zagreb d.d.

4. Rezultati simulacija

Model je testiran za Privrednu banku Zagreb d.d., Zagrebaku banku d.d. i Adris grupu d.d.. Rezultati su prikazani sljedeim grafovima. Uz stvarne i simulirane cijene dionica prikazani su i grafovi s ucrtanim podrujem unutar kojeg e se pronozirana cijena dionica nalaziti s vjerojatnou od 95%. Na slici 10 prikazan je histogram realizacija za 350. dan na kojem se vidi da vrijednosti realizacija slijede normalnu razdiobu.

Slika 4. Rezultat simulacije za Privrednu banku Zagreb d.d.

Slika 5. Rezultat simulacije za Zagrebaku banku d.d.

Slika 6. Rezultat simulacije za Adris grupu d.d.

10

Slika 7. Rezultat simulacije za Privrednu banku Zagreb d.d. uz 95% prugu

Slika 8. Rezultat simulacije za Zagrebaku banku d.d. uz 95% prugu

11

Slika 9. Rezultat simulacije za Adris grupa d.d. uz 95% prugu

Slika 10. Histogram realizacija za 350. dan.

12

5. Zakljuak

Iz rezultata simulacija moemo zakljuiti da prikazani model prilino dobro predvia kratkorono kretanje cijena dionica. Naravno, treba uzeti u obzir da je model matematiki te kao takav prati prethodni trend kretanja cijene dionica, tj. vrijedi jedino u sluaju kada je taj trend monoton. Koriteni model ne uzima u obzir vanjske faktore (politike, ekonomske, prirodne...) koji utjeu na cijene dionica. Osim toga, temeljni parametri modela procijenjeni su na krajnje jednostavan nain te bi njihova preciznija estimacija rezultirala i tonijim rezultatima.

13

Prilog 1. Matlab skripta za simulaciju

% raunanje logaritama cijena % for i=1:365 logcijene(i,j) = log(cijene(i,j)); end % racunanje prinosa % for i = 2:365 r(i,j) = logcijene(i,j) - logcijene(i-1,j); end % raunanje lambda % min = floor(0.05*365); max = floor(0.95*365); top = max-min+1; for i = 2:max tmp(i,j) = logcijene(i,j) - logcijene(i-1,j); end tmp1(:,j) = circshift(tmp(:,j),1); tmp2(:,j) = circshift(tmp(:,j),2); rtmp([1:top],j) = tmp([min:max],j); rtmp1([1:top],j) = tmp1([min:max],j); rtmp2([1:top],j) = tmp2([min:max],j); temp = 1-cov(rtmp(:,j),rtmp2(:,j))./cov(rtmp(:,j),rtmp1(:,j)); lambda(j,1) = temp(1,2); sigma_e(j,1) = std(tmp([20:300],j)); clear('tmp1','tmp2','rtmp','rtmp1','rtmp2','temp', 'tmp'); % korak 3 - racunanje stvarne vrijednosti (v) % for i = 5:(length(logcijene)-4) v(i,j) = (logcijene(i-4,j) + logcijene(i-3,j) + logcijene(i-2,j) + logcijene(i-1,j) + logcijene(i,j) + logcijene(i+1,j) + logcijene(i+2,j) + logcijene(i+3,j) + logcijene(i+4,j))/9; end sigma_f(j,1) = std(v(5:325,j)) % korak 4 - mi pom = 0; for i = 2:365 pom = pom+r(i,j); end mi(j,1) = pom/364; clear('pom'); % procjena kretanja cijene % clear('v_pom', 'cijena', 'cijena_sv', 'cijena_vk'); for n = 1:10000 v_pom(:,n) = v(:,j); cijena(:,n) = logcijene(:,j); end

14

for n = 1:10000 for i = 345:365 f = normrnd(0,sigma_f(j,1)); e = normrnd(0,sigma_e(j,1)); v_pom(i,n) = v_pom(i-1,n) + mi(j,1)+ f; cijena(i,n) = cijena(i-1,n) + lambda(2,1)*(v_pom(i,n) cijena(i-1,n)) + e; end end %% usrednjavanje rezultata cijena_sv(:,1) = logcijene(:,j); cijena_vk(:,1) = v(:,2); for i=345:365 cijena_vk(i,1) = mean(v_pom(i,:)); cijena_sv(i,1) = mean(cijena(i,:)); end %% raunanje 95% pruge for i=345:365 cijena_std(i,1) = std(cijena(i,:)); cijena_gore(i,1) = cijena_sv(i,1)+2*cijena_std(i,1); cijena_dolje(i,1) = cijena_sv(i,1)-2*cijena_std(i,1); end %% prikaz rezultata hold off; figure(1); plot(logcijene(:,2)); hold on; plot(cijena_sv, 'r'); plot(cijena_gore, 'k--'); plot(cijena_dolje, 'k--');

15