Kamis, 13 November 2008

US Patent 6772136 - Sistem dan metode untuk instrumen keuangan dan pemodelan menggunakan simulasi Monte Carlo

Perangkat lunak dan metode sintesis sistem saat ini temuan menyediakan pemecahan masalah lingkungan untuk simulasi Monte Carlo (atau keterangan singkat matematika), teknik umum, keuangan, dan ilmu pengetahuan, yang secara otomatis transformasi masalah deskripsi ke eksekusi kode perangkat lunak. Cara menggunakan sistem dan spesifikasi bahasa untuk mendukung pengguna alam keterangan mengenai geometri dan matematika dari masalah dan solusi strategi.

Alam adalah keterangan singkat dinyatakan menggunakan koordinat umum dan dimensionless parameter, menggunakan domain tertentu sebagai kata kunci yang sesuai. Pengguna adalah masalah deskripsi dibandingkan dengan sistem basis untuk memperbaiki masalah-yaitu, identifikasi kendala, dan permohonan heuristics default, dan menerapkan aturan elaborasi. Perangkat lunak dan sistem sintesis menggunakan metode proses perencanaan, komputer aljabar, dan template untuk menganalisa dan mengoptimalkan masalah deskripsi, memilih dan menyesuaikan struktur data, dan menghasilkan kode palsu. Palsu-kode yang telah diterjemahkan ke dalam bahasa target yang diinginkan kode sumber.

Perangkat lunak sistem dan metode sintesis sehingga menyediakan kemampuan untuk menjelaskan masalah dan kemungkinan solusi strategi di tingkat tinggi, dan keluaran target kode bahasa yang menerapkan sebuah solusi. Perangkat lunak dan sistem sintesis adalah metode bermanfaat pemodelan pilihan di mana simulasi Monte Carlo digunakan.

Banyak masalah dalam ilmu pengetahuan, teknik, atau keuangan dapat menggunakan model
partial differential equations. persamaan diferensial parsial. Meskipun terbatas perbedaan teknik producing banyak digunakan untuk mencari solusi untuk masalah ini PDE, produksi akurat kode perangkat lunak untuk menghasilkan solusi yang sulit dan waktu
mengkonsumsi.

Program tersebut memerlukan perangkat lunak kode luas pengetahuan tentang masalah, pemahaman tentang matematika, pemahaman of advanced computer science techniques, and extensive testing and canggih ilmu komputer teknik, dan luas dan debugging. Oleh karena itu, teknik lain yang sering digunakan untuk model tersebut masalah.

Misalnya, pribadi derivatif perdagangan produk-produk keuangan yang terdiri Industri triliun pada tahun 1996, tumbuh 37% pada setiap tahun. Investment banks and Bank dan investasi turunan calo membuat luas penggunaan model matematika canggih r untuk harga yang instrumen, dan setelah dijual, untuk membatasi risiko dalam posisi. Model yang digunakan pada dasarnya dari empat jenis: Monte Carlo, lattices dan tiga versi angka perkiraan model: Monte Carlo, (binomium trinomial dan pohon) dan perbedaan terbatas.

Sebuah host simplifications, misalnya, suku bunga konstan, konstan volatilitas dari aset yang melandasi, terus dibayar dividen, dll, partial memungkinkan analisis solusi untuk Black-Scholes persamaan, dasar sebagian persamaan diferensial menjelaskan turunan surat-surat berharga. Analisis tersebut Solusi dalam kemasan perangkat lunak perpustakaan dari "analisis". Many packages Banyak paket ada. Mereka dapat digunakan oleh pedagang untuk perkiraan kasar, tetapi semua asumsi yang diperlukan untuk membuat analisis solusi mungkin, biasanya memberi mereka juga tidak akurat untuk harga produk turunan kompleks. Major Besar investasi bank biasanya strip mereka dari apapun terpadu perangkat lunak sistem
mereka dapat membeli, dan pengganti mereka sendiri model numerik.

Monte Carlo model menghitung nilai satu pilihan oleh ribuan simulasi atau mungkin jutaan acak jalur mengkritik harga aset Mei mengambil, dan rata-rata nilai lebih dari pilihan ini ditetapkan. Awal latihan yaitu, Amerika pilihan, tidak dapat harga, dan nilai-nilai lindung nilai parameter kritis yang sering bising. Option parameters calculated Opsi parameter dihitung dengan cara ini untuk memusatkan Mei jawaban yang benar cukup lambat.

Dalam jeruji metode harga path adalah simulasi lagi sebagai ciri-ciri rangkaian dari cabang poin, di sebuah aset yang dapat keluar harga atas, bawah, atau mungkin tetap tidak berubah. Metode ini sangat populer dan cukup fleksibel, tetapi mereka memerlukan banyak cabang poin dalam waktu untuk akurasi, (Mereka memusatkan ke jawaban benar seperti 1 / N, dimana N adalah jumlah sampel waktu.) dan mereka . mungkin sangat sulit untuk membangun, terutama dalam beberapa dimensi.

Jika
cabang tidak dapat dibuat untuk "kembali" maka CPU untuk waktu ini algoritma eksponensial meningkat dengan N, bukan proporsional. Sebuah solusi berbasis terbatas pada perbedaan solusi dari Black-Scholes persamaan diferensial sebagian terkait dan persamaan adalah yang diinginkan pendekatan, tetapi sulit untuk melaksanakan. Writing software solutions that Menulis solusi perangkat lunak yang memecahkan persamaan diferensial sebagian tersebut adalah waktu dan debug sulit.

Masalah lain adalah bahwa saat ini banyak yang saat ini diasumsikan pemodelan teknik keuangan untuk proses pengkajian terus menerus, dalam nyata keuangan dunia mereka diukur Seringkali perbedaan adalah cukup signifikan.

Terus model pengukuran mungkin terlalu tidak akurat
to be useful. akan berguna. Salah satu contoh adalah ciri-ciri sampel dari harga aset, berkata pada akhir perdagangan hari, untuk mengetahui apakah telah melewati sebuah "penghalang". Seringkali pilihan struktur ini berisi hambatan.hambatan ini Mei "mengetuk-out" salah satu pilihan, yakni, ia memberi nilai. Jika harga saham menyeberangi penghalang selama hari tetapi recrosses kembali sebelum akhir perdagangan, yang terus model pilihan akan menjadi letih tetapi mempunyai ciri-ciri model akan tetap bersemangat. Ada serupa perbedaan antara terus menerus dan rata-rata harga yang angka ke Asia dan back pilihan.

Sekalipun demikian, ada sejumlah masalah di mana PDE solusi adalah metode tak berguna. Dalam kasus tersebut metodologi untuk menghasilkan solusi menggunakan Monte Carlo teknik sangat dianjurkan. Contoh paten untuk menghargai instrumen keuangan termasuk US Pat. Nos. 5,940,810; 5,872,725; Nos. 5.940.810; 5.872.725; 5,819,237; 5,799,287; 5,790,442; 5,692,233 (incorporated by reference). 5819237; 5799287; 5790442; 5692233 (digabungkan dengan referensi).

http://www.patentstorm.us/patents/6772136/description.html

Referensi

  • Charnes, JM “Using Simulation For Option Pricing”. Proceedings of the 2000 Winter Simulation Conference, ed. JA Joines, RR Barton, K. Kang, and PAFishwick, pp. 151-157.*
  • Fu, MC “Pricing of Financial Derivatives Via Simulation”, Proceedings of the 1995 Winter Simulation Conference, ed. C.Alexander, K.Kang, WR Lilegdon, and D. Goldsman, pp. 126-132.*
  • Chalasani, P, S.Jha, I. Saias, “Approximate Option Pricing”. Institute of Electrical and Electronics Engineers 1996, pp. 244-253.*
  • “Interactive Selling Solutions,” © 1999 Meridien Research, Inc., pp. 1-41.
  • Michael Sherris, The Valuation of Option Features in Retirement Benefits, Journal of Risk and Insurance, Symposium on Insurance Solvency and Finance 3-27, Sep. 1995.
  • Robert J. Myers, Incomplete Markets and Commodity-Linked Finance in Developing Countries, World Bank Research Observer 79-94, Jan. 1992.
  • Sergio Focardi, From Equilibrium to Non-Linear Dynamics in Investment Management, Journal of Portfolio Management 3-18, Jun. 1996.
  • Hayne E. Leland, Corporate Debt Value, Bond Covenants, and Optimal Capital Structure, Journal of Finance, 1213-52, Sep. 1994.
  • Thomas P. Boehm et al., Reverse Mortgages and Interest Rate Risk; Special Issue: Housing Finance for the Elderly, Journal of the American Real Estate & Urban Economics Association 9-24, Jun. 1994.
  • Raman Uppal, A General Equilibrium Model of International Portfolio Choice, Journal of Finance 529-53, Jun. 1993.
  • Lenos Trigeorgis, Real Options and Interactions with Financial Flexibility; Topics in Real Options and Applicatinos 3-21, Sep. 1993.
  • Curt Randall and Elaine Kant, “Automatic Synthesis of Financial Modeling Codes,” Proceedings of the International Association of Financial Engineers First Annual Computational Finance Conference Stanford, Calif, Aug. 1996.
  • “Financial Toolbox for use with MATLAB—User's Guide—Version 2”, The MathWorks, Inc., pp. 1-44-1-48, 1-82-1-86 and 2-35-2-42.
  • “The Mathworks Launches MATLAB into the Financial Marketplace with the Release of the Financial Toolbox”, Business Wire, pp. 9181070. PROMPT [online] Retrieved from STN International. Accession No. 95:349255.
  • “Hattori Marshall Develops software for Swaps, Options (Hattori Marshall has Created Software . . . ”, Nikkei Financial Daily, p. 1. Business and Industry [online]. Retrieved from Dialog Information Services. Accession No. 01006088.
  • Michael C. Fu, “Pricing of Financial Derivates Via Simulation”, Proceedings of the 1995 Winter Simulation Conference pp. 126-132.
  • Elaine Kant, “Synthesis of Mathematical-Modeling Software”, IEEE Software, vol. 10(3), pp 30-41.
  • Elaine Kant, “Knowledge-Based Support for Scientific Programming”, IEEE, pp 2-4.
  • Robert Van Engelen. Gerard Cats and Lex Wolters, “Tomorrow's Weather Forecast: Automatic Code Generation for Atmospheric Modeling”, IEEE Computational Science & Engineering, pp 22-31.

RAHMAT KURNIAWAN
50404602