Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Моделирование обменного курса валют при двойной конверсии валют.⇐ ПредыдущаяСтр 32 из 32
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 К1 j в день с номером j от начала действия депозита складывается из значения тренда f(j) и маржи , т.е. К1 j = 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
Бусленко Н.П. Моделирование сложных систем. – М.: Наука, 1978. Калашников В.В. Организация моделирования сложных систем. – М.: Знание, 1982 Советов Б.Я., Яковлев С.А. Моделирование систем: учебник для вузов. – М.: Высш. Шк., 1985 Шрайбер Т.Д. Моделирование на GPSS. – М.: Машиностроение, 1980. Максимей И.В. Имитационное моделирование на ЭВМ. – М.: Радио и связь, 1988. Коуден Д. Статистические методы контроля качества. – М.: Физматиз., 1961. Кнут Д. Искусство программирования на ЭВМ. – М.: Мир, 1977. Ермаков С.М., Михайлов Г.А. Курс статистического моделирования – М.: Наука, 1976. Поляк Ю.Г. Вероятностное моделирование на ЭВМ. – М.: Сов. радио, 1971. Быков В.В. Цифровое моделирование в статической радиотехнике. – М.: Сов. радио, 1973. Андерсон Т.В. Статистический анализ временных рядов. – М.: Мир, 1978. Ермаков С.М. Метод Монте-Карло и смежные вопросы. – М.: Наука, 1975. Михайлов Г.А. Некоторые вопросы методов Монте-Карло. – Новосибирск: Наука. Сиб. отделение, 1974. Соболь И.М. Метод Монте-Карло. – М.: Наука, 1985. Соболь И.М. Численные методы Монте-Карло. – М.: Наука, 1973. Ермаков С.М. Жиглявский А.А. Математическая теория оптимального эксперимента. – М.: Наука, 1987. Федоров В.В. Теория оптимального эксперимента. – М.: Наука, 1971. Клейнен Дж. Статистические методы в имитационном моделировании. Вып. 1,2. – М.: Статистика, 1978. Асатурян В.И. Теория планирования эксперимента. – М.: Радио и связь, 1983. Ивченко Г.И., Медведев Ю.И. Математическая статистика. – М.: Высш. шк., 1984. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. – М.: Наука, 1983. Айвазян С.А. и др. Прикладная статистика. Т. 1,2,3 – М.: Финансы и статистика, 1983,1985, 1987. Харин Ю.С., Степанова М.Д. Практикум на ЭВМ по математической статистике. – Минск.: Университетское, 1987. Киндлер Е. Языки моделирования. – М.: Энергоатомиздат, 1985. Прицкер А. Введение в имитационное моделирование и язык СЛАМ-11. – М.: Мир, 1987. Питерсон Д. Теория сетей Петри и моделирование систем. – М.: Мир, 1984. Catalog of simulation software. Microcomputer, minicomputer and mainframe software. //Simulation, 1988.October/ Schriber T.J. An introduction to simulation/ Using GPSS/H. John Wiley &Sons, 1991/ Гнеденко Б.В. Курв теории вероятностей. – М.: Наука, 1969. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. – М.: Наука, 1976. Аптон Г. Анализ таблиц сопряженности. – М.: Наука, 1982. Андерсон Т.В. Введение в многомерный статистический анализ. – М.: Наука, 1963. Технология системного моделирования (Под общей редакцией С.В. Емельянова, В.В. Калашникова, М. Франка, А. Явора).. – М.: Машиностроение; Берлин: Техник, 1983. Параллельная обработка информации. Распараллеливание алгоритмов обработки (т.1). (Под ред. А.Н. Свенсона). – Киев: Навукова думка, 1985. 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. Schriber T.J. Introduction to GPSS/PC. // Proceding of IEEE. San-Franicssco. California. 1987. Cox S.W. The interactive grafics and annimation of GPSS/PC. // Proceding of IEEE. San-Franicssco. California. 1987. Кашьяп Р.А., Рао А.Р. Построение динамичных стохастических моделей по экспериментальным данным. – М.: Наука, 1983. Кенеми Дж., Снелл Дж. Конечные цепи Маркова. – М.: Наука, 1970. Айвазян С.А. Программное обеспечение ПЭВМ по статистическому анализу данных. // Заводская лаборатория. 1991, №1 – 54-58 с.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2020-12-09; просмотров: 97; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.149.25.163 (0.05 с.) |