1 / 38

Statystyczne parametry akcji

Statystyczne parametry akcji. Średnie Miary rozproszenia Miary współzależności. Stopa zwrotu (zysku) z akcji Metoda historyczna. D i - dywidend a wypłaconą w i – tym okresie, P i , P i-1 - ceny akcji pod koniec i na początku i –tego okresu. s top a zysku w i - tym okresie.

amaris
Download Presentation

Statystyczne parametry akcji

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Statystyczne parametry akcji Średnie Miary rozproszenia Miary współzależności

  2. Stopa zwrotu (zysku) z akcji Metoda historyczna Di - dywidenda wypłaconą w i – tymokresie, Pi,Pi-1 - ceny akcji pod koniec i na początku i –tego okresu. stopa zysku w i - tym okresie

  3. Stopa zwrotu (zysku) z akcji Metodahistoryczna

  4. Średnia stopa zwrotu z akcji Metodahistoryczna

  5. Wartość oczekiwana zmiennej losowej(Miara tendencji centralnej) Def.Niech Ω będzie zbiorem skończonym. Wartością oczekiwanąEX zmiennej losowej X przyjmującej n wartości x1, ..., xn nazywamy liczbę

  6. Średnia stopa zwrotu z akcji Prognozowanie ekspertowe

  7. Wartość oczekiwana zmiennej losowejWłasności (i)E (X) = a jeżeliX przyjmuje tylko jedną wartość a (ii) E (aX) = a E(X) dla dowolnej a є R (iii) E(X +Y) = E(X) + E(Y) dla dowolnych zmiennych losowych X, Y (iv) E(X + a) = E(X) + a dla dowolnej liczby rzeczywistej a

  8. Wariancja zmiennej losowej(Miara rozproszenia wyników) Def.Wariancją zmiennej losowej X przyjmującej n wartości nazywamy liczbę

  9. Ryzyko papieru wartościowego

  10. Ryzyko papieruwartościowego Oba typy akcji posiadają tę samą oczekiwaną stopę zwrotu, jednak akcje typu B charakteryzują się mniejszym rozproszeniem wyników, są zatem „bezpieczniejsze”. Dla akcji A, oprócz dużej stopy zwrotu (30 %) może zdarzyć się duża strata (- 20%)

  11. Ryzyko papieru wartościowegoMetoda ekspertowa

  12. Ryzyko papieru wartościowego. Metoda historyczna

  13. Ryzyko papieru wartościowego. Metoda historyczna

  14. Zmienność ceny akcji

  15. Wariancja ceny akcji. Met. Hist

  16. Ryzyko papieru wartościowegoOdchylenie standardowe Wymiar odchylenia standardowego jest taki sam, jak wielkości mierzonej. Jeżeli zmienna losowa jest wyrażoną w procentach stopą zwrotu, odchylenie std. będzie miało wymiar procentowy Odchylenie std. jest miarą rozproszenia stopy zwrotu z akcji

  17. Wariancja zmiennej losowej Stwierdzenie. Wariancja zmiennej losowej X może być obliczona ze wzoru Var X = E(X2) – (E(X))2 Dowód. E[(X-E(X))2] = E(X2 – 2XE(X) + (E(X))2) =E(X2) –2 E(XE(X)) + E(E(X))2 = E(X2) – 2 (E(X))2 + (E(X))2 = =E(X2) – (E(X))2.

  18. Wariancja zmiennej losowej Wniosek ze stwierdzenia:

  19. Wariancja. Własności • Var X > 0 • jeżeli X przyjmuje tylko jedną wartość, to Var X = 0 • Var (aX) = a2 VarX (dla dowolnej liczby rzeczywistej a ) (iv) Var (a + X) = VarX

  20. Niezależność zmiennych losowych Def. 8. Zmienne X, Y o rozkładzie dyskretnym, przyjmujące odpowiednio n i m wartości, nazywamy niezależnymi zmiennymi losowymi, gdy spełniony jest warunek

  21. Niezależność zmiennych losowych Twierdzenie 2. Jeżeli zmienne losowe X i Y są niezależne, to E(XY) = E(X) E(Y) Dowód.

  22. Kowariancja zmiennych losowychMiara współzależności Def. 9. Kowariancją zmiennych losowych X, Y przyjmujących odpowiednio n i m różnych wartości nazywamy liczbę

  23. Kowariancja zmiennych losowych Stwierdzenie. Kowariancję zmiennych losowych X, Y można przedstawić w postaci

  24. Kowariancja zmiennych losowych Dowód E[(X-EX)(Y-EY)] = E[(XY - X EY – Y EX + EX EY)] = E(XY) – E(XEY) – E(YEX) + E(EX EY) = E(XY) – EY EX – EX EY + EX EY = E(XY) – EY EX.

  25. Kowariancja zmiennych losowych Def. Jeśli Cov (X,Y) = 0, to zmienne X,Y nazywamy nieskorelowanymi, w przeciwnym wypadku mówimy, że zmienne są skorelowane. Twierdzenie Jeżeli zmienne losowe X i Y są niezależne, to są nieskorelowane. Dowód wynika z ostatniego stwierdzenia oraz wzoru dla niezależnych zmiennych losowych E(XY) = E(X) E(Y)

  26. Własności kowariancji a - dowolna liczba rzeczywista (i)Cov(X,Y) = Cov(Y, X) (ii) Cov(X,X) = Var X (iii) Cov(aX,Y) = a Cov(X,Y) (iv)     Cov(a+X,Y) = Cov(X,Y) (v)     Cov(X + Y,Z) = Cov(X,Z) + Cov(Y,Z) Wniosek Cov(aX,bY) = abCov(X,Y)

  27. Kowariancja. Szczególny przypadek Jeżeli każda ze zmiennych losowych X,Y przyjmuje n wartości oraz

  28. Kowariancja papierów wartościowychPrognozowanie ekspertowe

  29. Kowariancja papierów wartościowychPrognozowanie ekspertowe

  30. Kowariancja papierów wartościowychdla historycznych stóp zwrotu z n okresów

  31. Kowariancja papierów wartościowychdla historycznych stóp zwrotu Kowariancja stóp zwrotu papierów wartościowych (Drugi wzór – dla małej liczby danych)

  32. Kowariancja papierów wartościowychdla historycznych stóp zwrotu Kowariancja stóp zwrotu papierów wartościowych (Drugi wzór – dla małej liczby danych)

  33. Korelacja Współczynnikiem korelacji zmiennych losowych X, Y o dodatnich odchyleniach standardowych nazywamy liczbę(ozn. także Cor (X,Y))

  34. Korelacja, własności zakładamy dodatnie odchyl. standardowe Cor (X,X) = 1, Cor (X,Y) = Cor (Y,X) Cor (aX,X) = 1, gdy a > 0 Cor (aX,X) = -1, gdy a < 0 Cor (aX,Y) = Cor (X,Y), gdy a > 0 Cor (aX,Y) = - Cor (X,Y), gdy a < 0 Cor (a + X,Y) = Cor (X,Y) gdy a różne od zera Cor (aX,aY) = Cor (X,Y),

  35. Korelacja papierów wartościowych Współczynnik korelacji stóp zwrotu papierów wartościowych

  36. Korelacja papierów wartościowych Mówimy, że stopy zwrotu akcji A i akcji B są dodatnio skorelowane, gdy Cor (A,B ) > 0 ujemnie skorelowane , gdy Cor(A,B ) < 0, nieskorelowane , gdy Cor (A,B ) = 0, doskonale skorelowane, gdy Cor(A,B )= 1,doskonale ujemnie skorelowane , gdy Cor (A,B ) = - 1

  37. Wariancja sumy dwóch zmiennych losowych Twierdzenie Jeżeli X i Y są zmiennymi losowymi, określonymi na tej samej przestrzeni zdarzeń, to Var (X + Y) = Var X + Var Y+ 2Cov (X,Y) Wniosek Dla kombinacji liniowej dwóch zmiennych losowych prawdziwy jest wzór Var (aX + bY) = a2 Var X + b2 Var Y+ 2ab Cov (X,Y)

  38. Wariancja sumy dwóch zmiennych losowych Dowód twierdzenia Var (X + Y) = E(X + Y)2 – [E(X + Y)]2 = E(X2 + 2XY + Y2) – [E(X) + E(Y)]2 = E(X2) + E(2XY) + E(Y2) – [E(X)]2–[E(Y)]2 - 2E(X)E(Y) = E(X2) + 2E(XY) + E(Y2) – [E(X)]2 – [E(Y)]2 - 2E(X)E(Y) = (E(X2) – [E(X)]2 ) + (E(Y2) – [E(Y)]2 )+2[E(XY)- E(X)E(Y)] = Var X + Var Y+ 2Cov (X,Y)

More Related