Читаем Опционы полностью

Вычислив аналогичным способом значения обеих функций для всех 20 акций, получим два варианта распределения капитала – по выпуклой и вогнутой весовым функциям. На левом графике рис. 4.4.8 показаны значения двух трансформированных весовых функций и оригинальной линейной функции, послужившей исходным материалом для их расчета. Особенностью выпуклой функции является то, что все ее значения (за исключением экстремумов) меньше, чем значения исходной линейной функции. Для вогнутой функции справедливым будет обратное утверждение – все ее значения (за исключением экстремумов) больше, чем значения исходной линейной функции.



Для наших целей крайне важными будут характеристики чувствительности трансформированных функций к изменениям исходной весовой функции. Ниже мы опишем свойства выпуклой и вогнутой функций по отдельности для низких и высоких значений ее аргумента (исходной, нетрансформированной функции). Эти описания базируются на визуальном анализе левого графика рис. 4.4.8, а также на производных функции 4.4.1. Полагая ymin = xmin, ymax = xmax, производные выпуклой (n

= 2) и вогнутой (n = 0,5) функций имеют вид:


Выпуклая функция

На относительно высоких интервалах значений исходной функции приращение значений выпуклой функции больше, чем на низких интервалах значений исходной функции. Другими словами, разница в значениях трансформированной функции между комбинацией с наибольшим значением показателя и комбинацией со вторым по величине значением показателя больше, чем разница в значениях трансформированной функции между комбинацией со средним или низким значением показателя и комбинацией с предыдущим значением показателя. Кроме того, на высоких интервалах значений исходной функции приращение значений выпуклой функции больше, чем приращение значений самой исходной функции. Формально это можно выразить следующим образом. Обозначим через x(Ci) значение показателя i-й комбинации. Пусть портфель состоит из m

комбинаций {C1, C2…, Cm}. Причем x(Cm) > x(Cm – 1), x
(Cm – 1) > x(Cm – 2) и так далее. Тогда для выпуклой функции соблюдаются неравенства:



На низких интервалах значений исходной функции приращение значений выпуклой функции меньше, чем на высоких интервалах значений. Разница в значениях трансформированной функции между комбинацией со вторым по величине значением показателя и комбинацией с первым (самым низким) значением показателя меньше, чем разница в значениях трансформированной функции между комбинацией со средним или высоким значением показателя и комбинацией с предыдущим значением показателя. Кроме того, на низких интервалах значений исходной функции приращение значений выпуклой функции меньше, чем приращение значений самой исходной функции. Формально это можно выразить следующими неравенствами:


Вогнутая функция

На высоких интервалах значений исходной функции приращение значений вогнутой функции меньше, чем на низких интервалах значений исходной функции. Другими словами, разница в значениях трансформированной функции между комбинацией с наибольшим значением показателя и комбинацией со вторым по величине значением показателя меньше, чем разница в значениях трансформированной функции между комбинацией со средним или низким значением показателя и комбинацией с предыдущим значением показателя. Кроме того, на высоких интервалах значений исходной функции приращение значений вогнутой функции меньше, чем приращение значений самой исходной функции. Формально это можно выразить следующим образом:



На низких интервалах значений исходной функции приращение значений вогнутой функции больше, чем на высоких интервалах значений. Разница в значениях трансформированной функции между комбинацией со вторым по величине значением показателя и комбинацией с первым (самым низким) значением показателя больше, чем разница в значениях трансформированной функции между комбинацией со средним или высоким значением показателя и комбинацией с предыдущим значением показателя. Кроме того, на низких интервалах значений исходной функции приращение значений вогнутой функции больше, чем приращение значений самой исходной функции. Формально это можно выразить следующими неравенствами:


Расчет весов по трансформированным весовым функциям

В тот момент, когда все значения трансформированной функции определены, расчет весов производится по формуле 4.3.5. Правый график рис. 4.4.8 показывает веса, рассчитанные по весовым функциям, представленным на левом графике этого рисунка (данные взяты из таблицы 4.3.2; исходная весовая функция – показатель «математическое ожидание прибыли»; выпуклая и вогнутая функции рассчитаны по формуле 4.4.1 при n = 2 и n = 0,5 соответственно). Прямая линия на графике демонстрирует веса, соответствующие нетрансформированной весовой функции.

Перейти на страницу:

Похожие книги

Строить. Неортодоксальное руководство по созданию вещей, которые стоит делать
Строить. Неортодоксальное руководство по созданию вещей, которые стоит делать

Тони Фаделл возглавлял команды, создавшие iPod, iPhone и Nest Learning Thermostat, и за 30 с лишним лет работы в Кремниевой долине узнал о лидерстве, дизайне, стартапах, Apple, Google, принятии решений, наставничестве, сокрушительных неудачах и невероятных успехах столько, что хватило бы на целую энциклопедию. Тони использует примеры, которые мгновенно захватывают внимание, например, процесс создания самых первых iPod и iPhone. Каждая глава призвана помочь читателю решить проблему, с которой он сталкивается в данный момент - как получить финансирование для своего стартапа, уйти с работы или нет, или просто как вести себя с придурком в соседнем кабинете. Тони прокладывал свой путь к успеху рядом с такими наставниками, как Стив Джобс и Билл Кэмпбелл, иконами Кремниевой долины, которые снова и снова добивались успеха. Но Тони не следует кредо Кремниевой долины, согласно которому для создания чего-то великого необходимо изобретать все с нуля. Его советы нестандартны, потому что они старой закалки. Тони понял, что человеческая природа не меняется. Не нужно изобретать способы руководства и управления - нужно изобретать то, что ты делаешь. Тони Фаделл – американский топ-менеджер. Он создал iPod и iPhone, основал компанию Nest и создал самообучающийся термостат Nest. За свою карьеру Тони стал автором более 300 патентов. Сейчас он возглавляет инвестиционную и консультационную компанию Future Shape, где занимается наставничеством нового поколения стартапов, которые меняют мир.  

Tony Fadell , Тони Фаделл

Финансы / Прочая компьютерная литература / Банковское дело