Случайные процессы. Процесс Винера. Стохастическое интегрирование

Решение методом Рунге-Кутты четвертого порядка точности дифференциального уравнения. Характерситика функции распределения и плотности вероятности стандартной величины. Фрагмент сгенерированной стандартной величины. Особенности Винеровского процесса.

Рубрика Математика
Вид лабораторная работа
Язык русский
Дата добавления 20.05.2021
Размер файла 831,7 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное автономное образовательное

учреждение высшего образования

«Национальный исследовательский

Томский политехнический Университет»

Инженерная школа ядерных технологий

Направление «Прикладная математика и информатика»

ОТЧЕТ

По лабораторной работе

Случайные процессы. Процесс Винера. Стохастическое интегрирование

по дисциплине: Теория случайных процессов

Томск - 2021

Оглавление

  • Задание
    • Сгенерировать 103 значений стандартной случайной величины
    • Построить график винеровского процесса для моментов t из интервала [0,4] с шагом h=4x10-3
    • В соответствии с номером варианта сгенерировать процесс ценообразования рискового актива по формуле
    • Решить методом Рунге-Кутты четвертого порядка точности дифференциальное уравнение
    • Заключение
    • Приложение

Задание

Сгенерировать 103 значений стандартной случайной величины.

Построить график винеровского процесса для моментов t из интервала [0,4] с шагом h=4x10-3.

В соответствии с номером варианта сгенерировать процесс ценообразования рискового актива по формуле (не забудьте перевести волатильность в исходном задании в доли)

.

Интегралы вычислять численно методом трапеций и Монте-Карло для первого и второго интегралов соответственно с погрешностью не ниже 10-2 и вероятностью не ниже 0,95. Последовательно положить моменты времени равными t=0,5; 1;…; 4.

Сравнить полученные данные для Stc данными для котировок облигаций в те же моменты времени.

Решить методом Рунге-Кутты четвертого порядка точности дифференциальное уравнение . Сравнить с результатом, найденным в п.3 в те же моменты времени t. Не забудьте перевести волатильность в исходном задании в доли.

S0 - 10

µt, доли - 0.1 t

уt,% - t

Сгенерировать 103 значений стандартной случайной величины

Стандартная случайная величина - величина, принимающая значения с вероятностью, заданной функцией плотности вероятности вида

,

где - математическое ожидание, - среднеквадратическое отклонение распределения (Рис.1).

Рис. 1. Функции распределения и плотности вероятности стандартной величины.

Генерация стандартной случайной величины (Рис.2).

Рис. 2. Фрагмент сгенерированной стандартной величины.

Построить график винеровского процесса для моментов t из интервала [0,4] с шагом h=4x10-3.

Винеровский процесс () - случайный процесс блуждания с непрерывным временем.Значениевеличины в момент времени t = 0 . Дальнейшие приращения значения случайной величины независимы от предыдущих приращений и имеют нормальное распределение с параметрами , и , где - временной интервал между значениями случайной величины. винеровский рунге дифференциальное уравнение

Построение графика винеровского процесса (Рис.3).

Рис. 3. Винеровский процесс

На Рис. 3 приведены 10 реализаций Винеровского процесса.

В соответствии с номером варианта сгенерировать процесс ценообразования рискового актива по формуле

.

Интегралы вычислять численно методом трапеций и Монте-Карло для первого и второго интегралов соответственно с погрешностью не ниже 10-2 и вероятностью не ниже 0,95. Последовательно положить моменты времени равными t=0,5; 1;…; 4.

Вычисление интеграла функции методом трапеций заключается в следующем:

· разбиении отрезка интегрирования на n равных интервалов длиной h точками:

· последовательно вычисляются значения функции в двух соседних точках и и строятся прямоугольные трапеции (;;; ).

· вычисляется площадь каждой трапеции

приближенное значение интеграла - сумма:

Для достижения требуемого значенияточности вычисления eps количество интервалов разбиения удваивают каждую итерацию пока не будет выполняться условие

Вычисление интеграла функции наотрезке интегрирования методом Монте-Карло заключается в следующем:

· при помощи генератора случайных чисел генерируется n точек

· для каждой точки вычисляется значение функции

приближенное значение интеграла - сумма:

Код задания приведен в приложении. График сгенерированного процесса и сравнительный график котировок по формуле

приведены на Рис. 4.

Рис. 4.Процесс ценообразования рискового актива и котировки облигаций

Из Рис.4 видно, что детерминированная часть случайного процесса ценообразования рискового актива совпадает с процессом котировки облигаций. Отличия вносит стохастическая часть случайного процесса ценообразования рискового актива - Винеровский процесс.

Решить методом Рунге-Кутты четвертого порядка точности дифференциальное уравнение

.

Сравнить с результатом, найденным в п.3 в те же моменты времени t.

Метод Рунге-Кутты один из методов численного решения дифференциальных уравнений. В основном применяется для решения обыкновенных дифференциальных уравнений. Существуют алгоритмы для решения стохастических дифференциальных уравнений. Метод заключается в следующем:

· разбиении отрезка интегрирования на n равных интервалов длиной h точками:

· рекурсивного расчета значений по формуле:

??????

где

Результат решения дифференциального уравнения методом Рунге-Кутты приведен на Рис. 5. Приведен также график процесса ценообразования рискового актива.

Рис. 5 Результат решения дифференциального уравнения методом Рунге-Кутты

Заключение

В работе проведено решение стохастических дифференциальных уравнений различными методами. Приведены теоретические сведения, программный код, рисунки с результатами работы. Работа выполнена на языке Pythonв среде JupyterLab.

Приложение

Кодзадания

importnumpyasnp

import scipy as sp

import random

import math

from matplotlib import pyplot as plt

from matplotlib.pyplot import figure

from datetime import datetime

random.seed(datetime.now())

X = sp.random.normal(0,1,10**3)

print(X)

random.seed(datetime.now())

def WienerProcess(W, dt, T):

W = random.gauss(0, math.sqrt(dt)) + W

if(dt < T):

# recursion

wpr = np.insert(WienerProcess(W, dt, T - dt), 0, W)

else:

wpr = np.array(W)

return wpr

## Wiener process parameters

W0 = 0.

dt = 4e-3

T = 4

realizationCount = 10

plt.figure(figsize=(15, 8))

plt.suptitle('Wiener process', fontsize=20)

plt.xlabel('Time', fontsize=12)

plt.ylabel('Value', fontsize=12)

for i in range(0,realizationCount):

## realize wiener process

wpr = np.insert(WienerProcess(W0, dt, T), 0, W0)

plt.plot(wpr)

## show plot

plt.show()

random.seed(datetime.now())

## ******************************

def mu(t):

return 0.1*t

## ******************************

def sigma(t):

return t / 100

## ******************************

## simple integral

def SimpleInt(func, t_beg, t_end, eps):

n = 2

I = None

while True:

t_step = (t_end - t_beg) / n

I_ref = 0

fl = 0

fr = func(t_beg)

t = t_beg + t_step

while True:

fl = fr

fr = func(t)

I_ref = I_ref + ((fl + fr) / 2) * (t_step)

if (abs(t_end - t) < 0.000001):

break

elif (t + t_step>t_end) :

t_step = t_end - t

t = t_end

else:

t = t + t_step

# end while

if I is None or I - I_ref> eps :

I = I_ref

n = n * 2

else:

I = I_ref

break

# **************

return I

## ******************************

def StochasticInt(func, t_beg, t_end, eps):

## sample number 1.96 - 0.95 % likehood

n = int(((t_end - t_beg)**2 * 1.96**2) / eps**2)

X = sp.random.uniform(t_beg, t_end, n)

X = np.append(X, t_beg)

X = np.append(X, t_end)

X.sort()

I = 0

x0 = t_beg

for i in range(0, len(X) - 2):

dt = X[i+1] - X[i]

nu = random.gauss(0, math.sqrt(dt))

ft = func(X[i])

I = I + ft * nu

#print("Stoch I ", I)

return I

## ******************************

# determined function

def detFunc(t):

return mu(t) - (sigma(t)**2)/2

# stochastic functiom

def stochFunc(t):

return sigma(t)

Spr = np.array([])

Bpr = np.array([])

S_start = 10.

t_start = 0.

t_end = 4.

N=50

t = t_start

h=(t_end - t_start)/N

eps = 0.01

t_list = []

while(t <= t_end):

t_list.append(round(t, 2))

S = S_start*math.exp(SimpleInt(detFunc, t_start, t, eps) + StochasticInt(stochFunc, t_start, t, eps))

Spr = np.append(Spr, S)

B = S_start*math.exp(SimpleInt(mu, t_start, t, eps))

Bpr = np.append(Bpr, B)

t = t + h

print("Done")

plt.figure(figsize=(15, 5))

plt.suptitle('Price process', fontsize=20)

plt.xlabel('Time', fontsize=12)

plt.ylabel('Value', fontsize=12)

#plt.axis(t_list)

plt.plot(t_list, Spr)

plt.plot(t_list, Bpr)

plt.legend(['Risky asset S', 'Bond quotes B'])

## show plot

plt.show()

random.seed(datetime.now())

def f(Y, t):

f_val = Y*mu(t)

return f_val

def w(Y, t):

w_val = Y*sigma(t)

return w_val

def deltaW(h):

#dW = random.gauss(0, math.sqrt(h))

dW = WienerProcess(0, h, h)

return dW

def calcNextY(Y, t, h):

# print('mu t', mu(t), "Y", Y)

#Y = Y + mu(t) * Y * h

k1 = h * f(Y, t)

k2 = h * f(Y + k1/2, t + h/2)

k3 = h * f(Y + k2/2, t + h/2)

k4 = h * f(Y + k3, t + h)

dY = 1/6*(k1 + 2*k2 + 2*k3 + k4)

detY = Y + dY

Gm = Y + f(Y, t) * h + w(Y, t) * (h**(1/2))

dW = deltaW(h)

wienY = w(Y, t) * dW + (1/2) *(w(Gm, t) - w(Y, t)) * (dW**2 - h) * h**(-1/2)

Y = detY + wienY

return Y

# S_start = 10.

# t_start = 0.

# t_end = 4.

# N=1000

t = t_start

# h=(t_end - t_start)/N

Y = S_start

YList = []

t_list = []

while(t <= t_end):

t_list.append(round(t, 2))

YList.append(Y)

Y = calcNextY(Y, t, h)

t = t + h

#print(YList)

plt.figure(figsize=(15, 5))

plt.suptitle('Price process', fontsize=20)

plt.xlabel('Time', fontsize=12)

plt.ylabel('Value', fontsize=12)

plt.plot(t_list, Spr)

plt.plot(t_list, YList)

plt.legend(['Risky asset S', 'Equation'])

## show plot

plt.show()

Размещено на Allbest.ru

...

Подобные документы

  • Проверка непрерывности заданных функций. Интегрирование заданного уравнения и выполние преобразования с ним. Интегрирование однородного дифференциального уравнения. Решение линейного дифференциального уравнения. Общее решение неоднородного уравнения.

    контрольная работа [65,3 K], добавлен 15.12.2010

  • Изучение методов Рунге-Кутты четвертого порядка с автоматическим выбором длины шага интегрирования для решения дифференциальных уравнений. Оценка погрешности и сходимость методов, оптимальный выбор шага. Листинг программы для ЭВМ, результаты, иллюстрации.

    курсовая работа [2,9 M], добавлен 14.09.2010

  • Случайные величины. Функция и плотность распределения вероятностей дискретной случайной величины. Сингулярные случайные величины. Математическое ожидание случайной величины. Неравенство Чебышева. Моменты, кумулянты и характеристическая функция.

    реферат [244,6 K], добавлен 03.12.2007

  • Определение вероятности для двух несовместных и достоверного событий. Закон распределения случайной величины; построение графика функции распределения. Нахождение математического ожидания, дисперсии, среднего квадратичного отклонения случайной величины.

    контрольная работа [97,1 K], добавлен 26.02.2012

  • Дискретные случайные величины и их распределения. Формула полной вероятности и формула Байеса. Общие свойства математического ожидания. Дисперсия случайной величины. Функция распределения случайной величины. Классическое определение вероятностей.

    контрольная работа [33,8 K], добавлен 13.12.2010

  • Определение вероятности появления события в каждом из независимых испытаний. Случайные величины, заданные функцией распределения (интегральной функцией), нахождение дифференциальной функции (плотности вероятности), математического ожидания и дисперсии.

    контрольная работа [59,7 K], добавлен 26.07.2010

  • Исследование сходимости рядов. Степенной ряд интеграла дифференциального уравнения. Определение вероятности событий, закона распределения случайной величины, математического ожидания, эмпирической функции распределения, выборочного уравнения регрессии.

    контрольная работа [420,3 K], добавлен 04.10.2010

  • Общая характеристика и особенности двух методов решения обычных дифференциальных уравнений – Эйлера первого порядка точности и Рунге-Кутта четвёртого порядка точности. Листинг программы для решения обычного дифференциального уравнения в Visual Basic.

    курсовая работа [1,1 M], добавлен 04.06.2010

  • Получение точного решения дифференциального уравнения вручную, операторным методом, приближенное решение с помощью рядов (до 5 элемента ряда) на заданном интервале, графическое решение. Относительная и абсолютная погрешность методов Эйлера и Рунге-Кутты.

    курсовая работа [990,8 K], добавлен 17.07.2014

  • Практическое решение дифференциальных уравнений в системе MathCAD методами Рунге—Кутты четвертого порядка для решения уравнения первого порядка, Булирша — Штера - системы обыкновенных дифференциальных уравнений первого порядка и Odesolve и их графики.

    лабораторная работа [380,9 K], добавлен 23.07.2012

  • Решение дифференциального уравнения методом численного интегрирования Адамса. Методы, основанные на применении производных высших порядков. Формулы, обеспечивающие более высокую степень точности, требующие вычисления третьей производной искомого решения.

    курсовая работа [81,9 K], добавлен 29.08.2010

  • Решение задач по определению вероятности событий, ряда и функции распределения с помощью формулы умножения вероятностей. Нахождение константы, математического описания и дисперсии непрерывной случайной величины из функции распределения случайной величины.

    контрольная работа [57,3 K], добавлен 07.09.2010

  • Понятие случайной величины, а также ее основные числовые характеристики. Случайная величина, подчиняющаяся нормальному закону распределения. Кривые плотности вероятности. Использование генератора случайных чисел. Изображение векторов в виде графика.

    лабораторная работа [301,4 K], добавлен 27.05.2015

  • Вычисление математического ожидания, дисперсии, функции распределения и среднеквадратического отклонения случайной величины. Закон распределения случайной величины. Классическое определение вероятности события. Нахождение плотности распределения.

    контрольная работа [38,5 K], добавлен 25.03.2015

  • Непрерывная случайная величина и функция распределения. Математическое ожидание непрерывной случайной величины. Среднее квадратичное отклонение. Кривая распределения для непрерывной случайной величины. Понятие однофакторного дисперсионного анализа.

    контрольная работа [165,5 K], добавлен 03.01.2012

  • Основные методы Рунге-Кутта: построение класса расчетных формул. Расчетная формула метода Эйлера. Получение различных методов Рунге-Кутта с погрешностью второго порядка малости при произвольном задавании параметров. Особенности повышения порядка точности.

    реферат [78,4 K], добавлен 18.04.2015

  • Численное решение уравнения методом Эйлера и Рунге-Кутта в Excel. Программа на языке Turbo Pascal. Блок-схема алгоритма. Метод Рунге-Кутта для дифференциального уравнения второго порядка. Модель типа "хищник-жертва" с учетом внутривидового взаимодействия.

    курсовая работа [391,5 K], добавлен 01.03.2012

  • Пространства элементарных событий. Совместные и несовместные события. Функция распределения системы случайных величин. Функции распределения и плотности распределения отдельных составляющих системы случайных величин. Условные плотности распределения.

    задача [45,4 K], добавлен 15.06.2012

  • Формирование системы их пяти уравнений по заданным параметрам, ее решение методом Гаусса с выбором главного элемента. Интерполяционный многочлен Ньютона. Численное интегрирование. Решение нелинейных уравнений. Метод Рунге-Кутта четвертого порядка.

    контрольная работа [115,5 K], добавлен 27.05.2013

  • Теоретическое обоснование расчетных формул. Задача Коши для дифференциального уравнения первого порядка. Метод Рунге-Кутта. Ломаная Эйлера. Построение схем различного порядка точности. Выбор шага. Апостериорная оценка погрешности. Правило Рунге.

    курсовая работа [111,1 K], добавлен 13.11.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.