如果你也在 怎样代写金融模型Modelling in finance这个学科遇到相关的难题,请随时右上角联系我们的24/7代写客服。

金融模型是以电子表格的形式创建一个公司的支出和收益摘要的过程,可用于计算未来事件或决定的影响。

assignmentutor-lab™ 为您的留学生涯保驾护航 在代写金融模型Modelling in finance方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写金融模型Modelling in finance代写方面经验极为丰富,各种代写金融模型Modelling in finance相关的作业也就用不着说。

我们提供的金融模型Modelling in finance及其相关学科的代写,服务范围广, 其中包括但不限于:

  • Statistical Inference 统计推断
  • Statistical Computing 统计计算
  • Advanced Probability Theory 高等概率论
  • Advanced Mathematical Statistics 高等数理统计学
  • (Generalized) Linear Models 广义线性模型
  • Statistical Machine Learning 统计机器学习
  • Longitudinal Data Analysis 纵向数据分析
  • Foundations of Data Science 数据科学基础
金融代写|金融模型代写Modelling in finance代考|FINN3103

金融代写|金融模型代写Modelling in finance代考|Forward rate agreement

An FRA with FRA discounting settlement rule is an instrument linked to a period of length $j$, a fixing date $t_0$, an accrual factor $\delta$ and a fixed rate $K$. At the fixing date $t_0$, the Ibor rate $I_X^j\left(t_0\right)$ is recorded. The contractual payment in $u=\operatorname{Spot}\left(t_0\right)$ (the start date) received by the contract buyer is
$$
\frac{\delta\left(I_X^j\left(t_0\right)-K\right)}{1+\delta I_X^j\left(t_0\right)}
$$
More details about the FRA conventions are given in Appendix B.3.
The origin of the formula can be traced back to the computation of the value as the difference between the Ibor fixing and the fixed rate discounted at the Ibor rate from the end date to the settlement date. The rate is not paid at the end of its natural period but at the start, and is discounted with the fixing rate itself; we insist that the Ibor discounting used in the above formula is not a modelling choice but part of the contract term sheet. It is not directly a floating coupon or a one period swap as defined in the previous section. In that sense, the above definition of an FRA, in line with a market FRA term sheet, is different from those of Ametrano and Bianchetti (2009), Bianchetti (2010), Chibane et al. (2009) and Mercurio (2009).

We would like to value this instrument in a simple way in our economy. In a general contingent claim formula with a generic numeraire $N$ and associated expected value $\mathrm{E}^N[]$, its value in 0 is
$N_0 \mathrm{E}^N\left[N_u^{-1} \frac{\delta\left(I_X^j\left(t_0\right)-K\right)}{1+\delta I_X^j\left(t_0\right)}\right]$.
Here we cannot use the usual trick of postponing the payment to $v=u+j$ by deciding to invest in $t_0$ from $u$ to $v$ at the rate $I_X^j\left(t_0\right)$ (multiplying by $1+\delta I_X^j\left(t_0\right)$ ) and selecting $P_X^j(., v)$ as the numeraire to simplify the formula. The reason is that the investment cannot be done at the Ibor rate but only at the risk-free rate.

金融代写|金融模型代写Modelling in finance代考|STIR Futures

A general pricing formula for interest rate futures in the one-factor Gaussian HJM model in the one-curve framework was proposed in Henrard (2005). The formula extended a previous result proposed in Kirikos and Novak (1997). The pricing in a displaced diffusion LMM with skew is analysed in Jäckel and Kawai (2005). Piterbarg and Renedo (2004) analyse the pricing of futures in some general stochastic volatility model to study the impact of the smile; they also analyse the pricing of options on futures.

The Gaussian HJM formula was extended to the multi-curve framework in Henrard (2007). In this section, we describe the pricing of futures under the hypotheses $\mathrm{I}^{\mathrm{CPN}}$ and $\mathbf{S} 0^{\mathrm{CPN}}$ in a multi-factor Gaussian $\mathrm{HJM}$ multi-curve framework. The exact notation for the multi-factor Gaussian HJM framework used here is given in Appendix 9. The pricing of the futures in the LMM with stochastic basis is proposed in Mercurio (2010b). In Mercurio and Xie (2012), the pricing of futures for an additive stochastic basis spread is analysed. The pricing of futures in a framework with multiplicative stochastic basis is proposed in Chapter 7.
The future fixing or last trading date is denoted $t_0$. The fixing is on the Ibor rate between $u=\operatorname{Spot}\left(t_0\right)$ and $v=u+j$. The fixing accrual factor for the period $[u, v]$ is $\delta$. More details on the STIR futures conventions can be found in Appendix B.4.
The futures price is denoted $\Phi_t^j$. On the fixing date, the relation between the futures price and the fixing rate is
$$
\Phi_{t_0}^j=1-I_X^j\left(t_0\right) .
$$
The futures margining is done on the futures price (multiplied by the notional and the futures accrual factor).

When analysing futures prices, we will use the generic futures price process theorem (Hunt and Kennedy 2004, Theorem 12.6), which states that
$$
\Phi_t^j=\mathrm{E}^{\mathbb{N}}\left[\Phi_{t_0}^j \mid \mathcal{F}_t\right]
$$
where $\mathrm{E}^{\mathbb{N}}$ [] is the cash account numeraire expectation. A generalisation of this theorem is proved in Chapter 8 . The formula above can be obtained as a special case of formula (8.3) for a collateral rate $c_t=0$. The link between pricing under collateral and futures is explained in that chapter.

金融代写|金融模型代写Modelling in finance代考|FINN3103

金融模型代写

金融代写|金融模型代写modeling in finance代考|Forward rate agreement

.


具有FRA贴现结算规则的FRA是一种与周期长度$j$、固定日期$t_0$、应计因子$\delta$和固定利率$K$挂钩的工具。在固定日期$t_0$,记录Ibor利率$I_X^j\left(t_0\right)$。合同买方在$u=\operatorname{Spot}\left(t_0\right)$(开始日期)收到的合同付款是
$$
\frac{\delta\left(I_X^j\left(t_0\right)-K\right)}{1+\delta I_X^j\left(t_0\right)}
$$
关于FRA公约的更多细节见附录B.3。这个公式的起源可以追溯到计算Ibor固定利率与按Ibor利率折现的固定利率之间的差值,从结束日到结算日。利率不是在自然期结束时支付,而是在开始时支付,并与固定利率本身贴现;我们坚持上述公式中使用的Ibor贴现不是一种建模选择,而是合同条款清单的一部分。它不是上一节定义的浮动息票或单期掉期。从这个意义上说,上述FRA的定义与市场FRA投资意面相符,不同于Ametrano和Bianchetti(2009)、Bianchetti(2010)、Chibane等人(2009)和Mercurio(2009)的定义


在我们的经济中,我们希望以一种简单的方式来评估这一工具的价值。在具有一般数字的一般或有索赔公式中 $N$ 和相关的期望值 $\mathrm{E}^N[]$,它在0中的值
$N_0 \mathrm{E}^N\left[N_u^{-1} \frac{\delta\left(I_X^j\left(t_0\right)-K\right)}{1+\delta I_X^j\left(t_0\right)}\right]$在这里我们不能使用通常的伎俩推迟付款到 $v=u+j$ 通过决定投资 $t_0$ 从 $u$ 到 $v$ 按照这个速度 $I_X^j\left(t_0\right)$ (乘以 $1+\delta I_X^j\left(t_0\right)$ )和选择 $P_X^j(., v)$ 作为数字来简化公式。原因是投资不能按Ibor利率进行,而只能按无风险利率进行

金融代写|金融模型代写modeling in finance代考|STIR Futures


Henrard(2005)提出了单因素高斯HJM模型在单曲线框架下利率期货的一般定价公式。该公式扩展了Kirikos和Novak(1997)先前提出的结果。在Jäckel和Kawai(2005)中分析了带有倾斜的位移扩散LMM的定价。Piterbarg和Renedo(2004)在一些一般的随机波动率模型中分析期货定价,研究微笑的影响;他们还分析期货期权的定价


Henrard(2007)将高斯型HJM公式推广到多曲线框架。在本节中,我们描述了假设$\mathrm{I}^{\mathrm{CPN}}$和$\mathbf{S} 0^{\mathrm{CPN}}$在一个多因素高斯$\mathrm{HJM}$多曲线框架下的期货定价。这里使用的多因子高斯型HJM框架的确切符号在附录9中给出。Mercurio (2010b)提出了基于随机基的LMM期货定价方法。在Mercurio和Xie(2012)中,对加性随机基价差的期货定价进行了分析。第七章提出了乘随机基框架下的期货定价问题。
未来的定盘价或最后交易日期记为$t_0$。调整的是$u=\operatorname{Spot}\left(t_0\right)$和$v=u+j$之间的Ibor利率。期间$[u, v]$的固定应计系数为$\delta$。关于STIR期货公约的更多细节可参阅附录B.4。
期货价格表示为$\Phi_t^j$。在定盘日,期货价格和定盘率之间的关系是
$$
\Phi_{t_0}^j=1-I_X^j\left(t_0\right) .
$$
期货保证金是在期货价格(乘以名义和期货应计因素)上进行的


当分析期货价格时,我们将使用一般期货价格过程定理(Hunt and Kennedy 2004,定理12.6),该定理指出
$$
\Phi_t^j=\mathrm{E}^{\mathbb{N}}\left[\Phi_{t_0}^j \mid \mathcal{F}_t\right]
$$
其中$\mathrm{E}^{\mathbb{N}}$[]是现金账户数字预期。第8章证明了这个定理的推广。上面的公式可以作为公式(8.3)的特例,得到附带利率$c_t=0$。本章解释了抵押品定价与期货定价之间的联系

统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。

金融工程代写

金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题,以及设计新的和创新的金融产品。

非参数统计代写

非参数统计指的是一种统计方法,其中不假设数据来自于由少数参数决定的规定模型;这种模型的例子包括正态分布模型和线性回归模型。

广义线性模型代考

广义线性模型(GLM)归属统计学领域,是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。

术语 广义线性模型(GLM)通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归,以及方差分析和方差分析(仅含固定效应)。

有限元方法代写

有限元方法(FEM)是一种流行的方法,用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。

有限元是一种通用的数值方法,用于解决两个或三个空间变量的偏微分方程(即一些边界值问题)。为了解决一个问题,有限元将一个大系统细分为更小、更简单的部分,称为有限元。这是通过在空间维度上的特定空间离散化来实现的,它是通过构建对象的网格来实现的:用于求解的数值域,它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统,以模拟整个问题。然后,有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。

assignmentutor™作为专业的留学生服务机构,多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务,包括但不限于Essay代写,Assignment代写,Dissertation代写,Report代写,小组作业代写,Proposal代写,Paper代写,Presentation代写,计算机作业代写,论文修改和润色,网课代做,exam代考等等。写作范围涵盖高中,本科,研究生等海外留学全阶段,辐射金融,经济学,会计学,审计学,管理学等全球99%专业科目。写作团队既有专业英语母语作者,也有海外名校硕博留学生,每位写作老师都拥有过硬的语言能力,专业的学科背景和学术写作经验。我们承诺100%原创,100%专业,100%准时,100%满意。

随机分析代写


随机微积分是数学的一个分支,对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。

时间序列分析代写

随机过程,是依赖于参数的一组随机变量的全体,参数通常是时间。 随机变量是随机现象的数量表现,其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值(如1秒,5分钟,12小时,7天,1年),因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中,往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录,以得到其自身发展的规律。

回归分析代写

多元回归分析渐进(Multiple Regression Analysis Asymptotics)属于计量经济学领域,主要是一种数学上的统计分析方法,可以分析复杂情况下各影响因素的数学关系,在自然科学、社会和经济学等多个领域内应用广泛。

MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中,其中问题和解决方案以熟悉的数学符号表示。典型用途包括:数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发,包括图形用户界面构建MATLAB 是一个交互式系统,其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题,尤其是那些具有矩阵和向量公式的问题,而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问,这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展,得到了许多用户的投入。在大学环境中,它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域,MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要,工具箱允许您学习应用专业技术。工具箱是 MATLAB 函数(M 文件)的综合集合,可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。

R语言代写问卷设计与分析代写
PYTHON代写回归分析与线性模型代写
MATLAB代写方差分析与试验设计代写
STATA代写机器学习/统计学习代写
SPSS代写计量经济学代写
EVIEWS代写时间序列分析代写
EXCEL代写深度学习代写
SQL代写各种数据建模与可视化代写