Quiero extraer los parámetros del CIR de los datos mensuales del LIBOR con el método EULER-MARYAMA en lenguaje MATLAB. He encontrado los datos pero no puedo extraer los parámetros de ellos. ¿Cuál es el proceso? ¿Cuál es la fórmula?
Respuesta
¿Demasiados anuncios?
Usuario no registrado
Puntos
0
Como se sabe, el modelo CIR es el proceso de root cuadrada dado por la siguiente ecuación diferencial estocástica $$d{{r}_{t}}=\kappa (\theta -{{r}_{t}})dt+\sigma \sqrt{{{r}_{t}}}d{{W}_{t}}$$ Dejemos que $\Theta=(\kappa,\theta,\sigma)$ . Es bien sabido que, condicionado a un valor realizado de $r_t$ la variable aleatoria $2c_t\,r_{t+\Delta t}$ sigue una distribución chi-cuadrado no central con $d = 4\kappa\theta/\sigma^2$ grados de libertad y parámetro de no centralidad $2c_t\,r_te^{\Delta t}$ , donde $$c_t=\frac{2\kappa }{{{\sigma }^{2}}\,[1-{{e}^{-\kappa \Delta t}}]}$$ En efecto, la densidad de $r_{t+\Delta t}$ es $$P(r_{t+\Delta t}|r_t;\Theta)=c\,e^{-u-v}(\frac{u}{v})^{\frac{q}{2}}I_q(2\sqrt{uv})$$ donde
$$\,\,\,u_t=c_t\,r_te^{\Delta t}$$ $$v_t=c_t\,r_{t+\Delta t}$$ $$\,\,\,\,\,\,\,q=\frac{2\kappa\theta}{\sigma^2}-1$$ y $I_q(2\sqrt{uv})$ es una función de Bessel modificada del primer tipo y de orden $q$ . La densidad de transición se ha derivado originalmente en este .
La estimación de los parámetros se realiza sobre series temporales de tipos de interés con N observaciones Consideramos observaciones igualmente espaciadas con $\Delta t$ tiempo. La probabilidad para series temporales de tipos de interés con $N$ observaciones es el paso $$L(\Theta )=\prod\limits_{i=1}^{N-1}{P({{t}_{t+\Delta t}}}|\,{{r}_{t}}\,;\,\Theta )$$ Es computacionalmente conveniente trabajar con la función log-verosimilitud $$\ln L(\Theta )=\sum\limits_{i=1}^{N-1}{\ln P({{t}_{t+\Delta t}}}\,|{{r}_{t}}\,;\,\Theta )$$ a partir de la cual derivamos fácilmente la función de log-verosimilitud del proceso CIR $$\ln L(\Theta )=(N-1)\ln c+\sum\limits_{i=1}^{N-1}{\left( -{{u}_{{{t}_{i}}}}-{{v}_{{{t}_{i}}}}+\frac{1}{2}q\,\ln \left( \frac{{{v}_{{{t}_{i+1}}}}}{{{u}_{{{t}_{i}}}}} \right)+\ln {{I}_{q}}(\sqrt{2{{u}_{{{t}_{i}}}}{{v}_{{{t}_{i+1}}}}} \right)}$$ Se pueden encontrar estimaciones de máxima verosimilitud $\widehat{\Theta }$ del parámetro vector $\Theta$ maximizando la última ecuación de la función log-verosimilitud sobre su espacio de parámetros: $$\widehat{\Theta }=arg\,\underset{\Theta }{\mathop{max}}\,\,\ln \,L(\Theta )$$
