Pracuję nad funkcją Monte Carlo do wyceny kilku aktywów o częściowo skorelowanych zwrotach. Obecnie właśnie generuję macierz kowariancji i przesyłam do rmvnorm()
funkcji w R. (Generuje skorelowane wartości losowe).
Jednak patrząc na rozkłady zysków danego składnika aktywów, zwykle nie jest on rozkładany.
To jest naprawdę dwuczęściowe pytanie:
1) Jak mogę oszacować jakiś rodzaj pliku PDF lub CDF, gdy wszystko, co mam, to dane z prawdziwego świata bez znanej dystrybucji?
2) Jak mogę wygenerować skorelowane wartości, takie jak rmvnorm, ale dla tego nieznanego (i nienormalnego) rozkładu?
Dzięki!
Rozkłady nie wydają się pasować do żadnego znanego rozkładu. Myślę, że bardzo niebezpieczne byłoby przyjęcie parametru parametrycznego, a następnie użycie go do oszacowania Monte Carlo.
Czy nie jest jakiś rodzaj bootstrapu lub metoda „empirycznego monte carlo”, na którą mogę spojrzeć?
źródło
Jestem z @mpiktas, ponieważ myślę, że potrzebujesz modelu.
Myślę, że tutaj standardową metodą byłoby oszacowanie kopuły w celu uchwycenia struktury zależności między różnymi aktywami i zastosowanie np. Rozkładów skośnych normalnych lub rozkładów krańcowych dla różnych aktywów. To daje bardzo ogólną klasę modelu (bardziej ogólną niż zakładanie np. Wielowymiarowej dystrybucji t), która jest w zasadzie standardem dla twojego rodzaju zadania (np. Myślę, że Basel II wymaga od instytucji finansowych zastosowania metod kopuły do oszacowania ich VaR) . Jest
copula
paczka dla R.źródło
Możliwa odpowiedź na pierwszą część pytania za pomocą R ... za pomocą
ecdf()
funkcjiźródło