Kalibrierung eines ökonomischen Szenariengenerators. Albert Meeser und Wiebke Burdag
|
|
- Victor Fuchs
- vor 5 Jahren
- Abrufe
Transkript
1 Kalibrierung eines ökonomischen Szenariengenerators Albert Meeser und Wiebke Burdag
2 Übersicht Einführung Vasicek Modell Black Scholes mit Vasicek Optimierungsalgorithmen Implementierung Ergebnisse der Kalibrierung
3 Ziel der Kalibrierung ist die Anpassung der Modelldaten an Marktdaten unter Verwendung geeigneter Optimierungsalgorithmen. Minimierungsproblem θ = min θ n (P Modell (t i, T i ) P Markt (t i, T i )) 2 j=1 θ = (θ 1,..., θ k ) T Parametervektor T = (T 1,..., T n ) T, t = (t 1,..., t n ) T
4 Das Vasicek-Modell Die Short-Rate r genügt der Differentialgleichung: dr(t) = (b + β r(t))dt + σdw b, σ R +, β R Explizit folgt daraus sowie r(t) = r(0)e βt + b t β (eβt 1) + σe βt e βt dw E[r(t)] = r(0)e βt + b β (eβt 1) 0
5 Die Preisformel des Vasicek-Modells liefert eine affinen Laufzeitstruktur P(t, T ) = exp( A(t, T ) B(t, T )r) wobei B(t, T ) = 1 b ( ) e β(t t) 1 A(t, T ) = σ2 (4e β(t t) e 2β(T t) 2β(T t) 3) 4β 3 + beβ(t t) 1 β(t t) β 2
6 Black Scholes mit Vasicek Der Aktienkurs S erfüllt die Differentialgleichung: ds (t) = S (t) r (t) dt + S (t) σ 1 W 1 Dynamik der Short-Rate nach dem Vasicekmodell: dr (t) = (b + βr (t))dt + σdw σ, σ 1 > 0 Die Preisformel einer europäischen Call Option X = [S(T ) K] + zum Zeitpunkt t = 0 ist gegeben durch: [ T ] Θ(0, X ) = E exp( r(s)ds) X 0
7 [ T ] [ T = E exp( r(s)ds)s (T ) 1 {S(T ) K} E exp( 0 0 = S(0)E S [ S(T )1{S(T ) K} S(T ) ] P(0, T )E T [ K1 {S(T ) K} ] Führen wir nun den normierten Preisprozess Z(t) = lässt sich der zweite Term umformen und wir erhalten Q T (S(T ) K) = Q T (Z(T ) K) Z(t) genügt der Differentialgleichung Z(T ) = Z(0) exp( 1 2 dz(t) = Z(t)σ z (t)dw T T 0 r(s)ds)k1 {S(T ) K S(t) P(t,T ) T σ z 2 dt + σ z (t)dw T ) 0 ein, so
8 Die Dynamik kann explizit beschrieben werden durch ( ) ( S(t) 1 1 dz(t) = d = ds(t) P(t, T ) P(t, T ) +S(t)d P(t, T ) ) +d S, Anwenden der Ito-Formel auf die Vasicek Preisformel ergibt: dp(t, T ) = P(t, T ) [r(t)dt B(t, T )σdw ] Und erhalten mit der Ito-Formel für die Dynamik von 1 P(t,T ) d ( ) 1 = P(t, T ) Einsetzen ergibt: 1 [( B 2 (t, T )σ 2 r(t) ) dt + B(t, T )σdw ] P(t, T ) dz(t) = Z(t) [ B 2 (t, T )σ 2 dt + σ 1 dw 1 + B(t, T )σdw ] 1 P(t, T )
9 Wir erhalten für die Varianz von Z(T ): Var(T ) = T 0 σ z 2 dt = T σ1 2 + (βt σ2 β e2βT + 12 ) e2βt Analog für den ersten Term der Preisformel durch einführen des normierten Preisprozess Y (t) = P(t,T ) S(t) Wir erhalten insgesamt: Θ(0, X ) = S(0)Q S (S(T ) K) KP(0, T )Q T (S(T ) K) = S(0)N(d 1 ) KP(0, T )N(d 2 ) mit d 2 = ( log S(0) KP(0,t) ) 1 2 Var(T ) Var(T ) d 1 = d 2 + Var(T )
10 Optimierungsalgorithmen für die Kalibrierung 1. Newtonverfahren 2. Gedämpftes Gauß-Newtonverfahren 3. Verfahren der konjugierten Gradienten
11 Newtonverfahren Gesucht ist die Nullstelle x einer nichtlinearen Funktion f : G R n R n Ist f stetig diffbar ergibt die Taylorentwicklung in einer Umgebung von x 0 : f (x) = f (x 0 ) + Df (x 0 ) (x x 0 ) + O ( x x 0 ) Unter der Annahme, dass x 0 nahe genug an der Nullstelle liegt, erhalten wir die Näherung Df (x 0 ) (x x 0 ) = f (x ) f (x 0 ) = f (x 0 ) Die Näherung von x 1 an x 0 wählt man als Lösung des GS und erhält die Iterationsvorschrift: x k+1 = x k (Df (x k )) 1 f (x k ), k 0
12 Gedämpftes Newtonverfahren Das Residuum r (x, t, T ) 2 2 = PModell (t, T ) P Markt (t, T ) wird minimiert min x g (x) mit g (x) := 1 2 r (x)t r (x) Voraussetzung r ist zwei mal stetig differenzierbar. Es gilt: g (x) = r (x) T r (x) und g (x) = r (x) T r (x) + n i=1 r i (x) r i (x) Für g (x) positiv definit folgt die Iterationsvorschrift: x k+1 = x k α k (r (x k ) T r (x k )) 1 r (x k ) T r (x k ) Die Schrittweite α k wird iterativ durch Halbierung so bestimmt, dass: r (x k+1 ) < r (x k )
13 Algorithmus: 1. Wähle Startvektor x 0 R n. Bestimme r und r 2. Berechne r(x k ) und r (x k ). 3. Berechne die Newtonkorrektur s k nach der Vorschrift: r (x) T r (x) s k = r (x) T r (x k ) 4. Falls s k tol STOP. 5. Setze x k+1 = x k + α k s k.
14 Conjugierte Gradientenverfahren CG steht für Conjugate Gradient und die Methode wird genutzt, um lineare Gleichungssysteme Ax = b zu lösen. Die Idee basiert darauf, die Richtungen h k in jeder Iteration A-konjugiert zu wählen. Das Verfahren liefert nach spätestens m Schritten (A R m m ) die exakte Lösung. Wir betrachten die Funktion f (x) = r(x, t, T ).
15 Algorithmus: 1. Wähle Startvektor x 0 R n und tol Setze f 0 = f (x 0 ), h 0 = f 0, k = Falls f k tol STOP. 4. Bestimme α k durch Line-Search. 5. Setze x k+1 = x k + α k h k. 6. Berechne f k+1 = f (x k+1 ) und β k+1 = f k+1 2 f k Setze h k+1 = f k+1 + β k+1 h k. 8. Setze k k + 1 und GOTO 2.
16 Anmerkungen Line-Search kann für den nicht-linearen Fall nicht exakt durchgeführt werden f (x k + α min h k ) = min α f (x k + αh k ) Wir verwenden die effiziente Armijo-Bedingung als inexakten Line Search: f (x k + α k h k ) f k + α k γ f T k h k, wobei 0 < γ < 1 ein zu wählender Parameter ist. Da der Line-Search nicht exakt ist, wird über β ein Korrekturversuch unternommen { f T } β k+1 = max k ( f k+1 f k ) f k 2, 0.
17 Input Kalibrierung Vasicek Modell Fünf Zero Bonds der Bundesrepublik Deutschland. Restlaufzeiten zwischen 3 und 15 Monaten. Zinssatz r 0 mit Hilfe des ersten Zero Bonds bestimmt: ( Zinsbetrag = Basisbetrag e r Tage ) 0 Basistage 1. Table 1: Input der Kalibrierung des Vasicek-Modells. T y
18 Ergebnisse Kalibrierung Vasicek Modell Table 2: Parameter des kalibrierten Vasicek-Modells. σ β b Norm GN CG lsqnonlin fminunc
19 Table 3: Zero Bond Preise des kalibrierten Vasicek-Modells und Marktpreise. T P Vasicek P Markt ɛ abs ɛ rel % % % % % Die Norm der Fehler beträgt
20 Anmerkungen Kalibrierung Vasicek Modell Kalibrierung mit zufällig gewählten Startwerten. Norm stets mindestens Kalibrierung des Black-Scholes-Modells mit den Parametern σ = , β = , b =
21 Input Kalibrierung Black Scholes Matrix von insgesamt 30 Calls auf den DAX. DAX in t = 0 bei Laufzeiten von 1, 2, 3, 6, 9, 12 Monaten. Strike von 8300, 8800, 9300, 9800, Restlicher Input vom Vasicek-Modell. Kalibrierung mit Hilfe des mittleren Eintrags: Laufzeit 6 Monate & Strike 9300.
22 Kalibrierung des Black-Scholes-Modells: Ergebnisse Table 4: Parameter des kalibrierten Black-Scholes-Modells. σ BS Norm GN e 06 CG e 13 lsqnonlin e 13 fminunc e 08 Table 5: Call Preis des kalibrierten Black-Scholes-Modells und Marktpreis. P BS P Markt ɛ abs ɛ rel %
23 Anwenden des kalibrierten Black-Scholes-Modells Figure 1: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von 8300.
24 Anwenden des kalibrierten Black-Scholes-Modells Figure 2: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von 8800.
25 Anwenden des kalibrierten Black-Scholes-Modells Figure 3: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von 9300.
26 Anwenden des kalibrierten Black-Scholes-Modells Figure 4: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von 9800.
27 Anwenden des kalibrierten Black-Scholes-Modells Figure 5: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von
28 Anwenden des kalibrierten Black-Scholes-Modells Figure 6: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 1 Monat.
29 Anwenden des kalibrierten Black-Scholes-Modells Figure 7: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 2 Monaten.
30 Anwenden des kalibrierten Black-Scholes-Modells Figure 8: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 3 Monaten.
31 Anwenden des kalibrierten Black-Scholes-Modells Figure 9: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 6 Monaten.
32 Anwenden des kalibrierten Black-Scholes-Modells Figure 10: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 9 Monaten.
33 Anwenden des kalibrierten Black-Scholes-Modells Figure 11: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 12 Monaten.
34 Kalibrierung des Black-Scholes-Modells: Ergebnisse bei Verwendung sämtlicher gegebener Daten Table 6: Parameter des kalibrierten Black-Scholes-Modells. σ BS Norm GN e + 02 CG e + 02 lsqnonlin e + 02 fminunc e + 02 Der Parameter bei der Kalibrierung anhand des mittleren Eintrags hatte den Wert σ BS =
35 Anwenden des kalibrierten Black-Scholes-Modells Figure 12: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von 9300.
36 Anwenden des kalibrierten Black-Scholes-Modells Figure 13: Vergleich Call Preis nach Black-Scholes und Marktpreis für Laufzeit von 6 Monaten.
37 Anwenden des kalibrierten Black-Scholes-Modells Figure 14: Vergleich Call Preis nach Black-Scholes und Marktpreis für Strike von 9300.
38 Implizite Volatilität der gegebenen Daten Figure 15: Implizite Volatilität in Abhängigkeit von der Laufzeit für Strike von 9300.
39 Implizite Volatilität der gegebenen Daten Figure 16: Implizite Volatilität in Abhängigkeit vom Strike bei einer Laufzeit von 6 Monaten.
40 Zur Kalibrierung des Black-Scholes-Modells Bei Verwendung eines deterministischen Zinses beträgt die implizite Volatilität des Black-Scholes-Modells σ BS = Die damit berechneten Call Preise liegen sehr nahe bei den mit stochastischem Zins bestimmten Preisen.
41 Fazit Die Kalibrierung bestimmt die Modellparameter so, dass das Modell möglichst gut die zur Kalibrierung verwendeten Marktdaten beschreibt. Die Güte des Modells hängt u.a. von der Anzahl der Parameter, den zur Kalibrierung verwendeten Marktdaten und der Kalibrierung selbst ab. In der Praxis werden komplexere Modelle eingesetzt und eine aufwendigere Kalibrierung betrieben.
Short Rate Modelle. Simon Dettmer Betreut von: Dr. Zoran Nikolić & Dr. Tamino Meyhöfer
Seminar: Finanzmarktmodelle in der Lebensversicherung Universität zu Köln SS 2016 Short Rate Modelle Simon Dettmer 17.06.2016 Betreut von: Dr. Zoran Nikolić & Dr. Tamino Meyhöfer Motivation: Prämienberechnung
MehrDas Black-Scholes Modell
Vathani Arumugathas Das Black-Scholes Modell 1 Das Black-Scholes Modell Vathani Arumugathas Seminar zu Finanzmarktmodellen in der Lebensversicherung, Universität zu Köln 10. Juni 016 Inhaltsverzeichnis
MehrWie Derivate die Finanzwelt veränderten
Franz Reiter 16. Dezember 2016 Aufbau Grundlagen Exotische Optionen Capital Asset Pricing Model Black-Scholes-Formel Derivat Derivat ist ausgestelltes Recht zum Kauf bzw. Verkauf von bestimmten Basiswerten
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrKlausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016
Verständnisfragen-Teil ( Punkte) Jeder der Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte.
MehrNICHTRESTRINGIERTE OPTIMIERUNG
3 NICHTRESTRINGIERTE OPTIMIERUNG Die Aufgabe, mit der wir uns im Folgen beschäftigen werden, ist die Lösung von Minimierungsproblemen der Form minimiere f(x) in R n, (3.1) wobei f : R n R eine gegebene
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrSymmetrische Gleichungssysteme Das Verfahren konjugierter Gradienten
Symmetrische Gleichungssysteme Das Verfahren konjugierter Gradienten 1 / 20 Lineares Gleichungssystem Ax = f, n A[i, j]x j = f i j=1 für i = 1,..., n Voraussetzungen Matrix A sei symmetrisch: A[i, j] =
MehrNikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen
Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen IGEL Verlag Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen 1.Auflage 2009 ISBN: 978 3 86815 358
Mehr7. Nichtlineare Gleichngssysteme. Problem 7: Sei f : R n R n stetig. Löse f(x) = 0.
7. Nichtlineare Gleichngssysteme Problem 7: Sei f : R n R n stetig. Löse f(x) = 0. Das Gleichungssystem f(x) = 0 lässt sich in die Fixpunktgleichung x = φ(x) umschreiben, wobei φ : D R n R n. Beispielsweise
MehrOptimierung. Optimierung. Vorlesung 4 Newton und Quasi Newton Verfahren (Teil II) 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 4 Newton und Quasi Newton Verfahren (Teil II) 1 Newton Verfahren Taylor Approximation 1. Ordnung von Newton Verfahren! 0 Setze 0und berechne Löse lineares Gleichungssystem für : 2
MehrEinige parametrische Familien für stochastische Prozesse
Einige parametrische Familien für stochastische Prozesse Seminar: Grundlagen der und Statistik von dynamischen Systemen 26. November 2014 Inhaltsverzeichnis 1 Einleitung 2 3 4 5 Einleitung Ziel des Vortrages:
Mehreps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrBlack-Scholes Modell
Universität zu Köln Mathematisch-Naturwissenschaftliche Fakultät Seminar Bewertungsmethoden in der Personenversicherungsmathematik Black-Scholes Modell Referenten: Prof. Dr. Hanspeter Schmidli Dr. Julia
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: b a 2 3a 1
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: 1 1 0 2 b 1 1 2 4 1 1 4 6 x = 1 1. 2 2 2a 2 3a 1 (a) Bringen Sie das lineare Gleichungssystem auf Treppenform. (b) Für welche
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
MehrAusgleichsproblem. Definition (1.0.3)
Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst
MehrKapitel 5 Nichtlineare Gleichungssysteme und Iterationen
Kapitel 5 Nichtlineare Gleichungssysteme und Iterationen Wir betrachten das System f() = 0 von n skalaren Gleichungen f i ( 1,..., n ) = 0, i = 1,..., n. Gesucht: Nullstelle von f() = 0. Es sei (0) eine
MehrVF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Aussagen Diese sind mit wahr bzw falsch zu kennzeichnen (hinschreiben) Es müssen alle Fragen mit wahr
MehrLineare Algebra und Numerische Mathematik D-BAUG. Sommer 2012 Prof. H.-R. Künsch
b Prüfung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice: Sommer Prof. H.-R. Künsch Gegeben sei die folgende Matrix A = 4. 4 (a) x AA T ist eine 4 4 Matrix mit ( AA T) = 4. AA T ist
MehrInhaltsverzeichnis. Innere-Punkte-Verfahren 3. Inhaltsverzeichnis 1
Inhaltsverzeichnis 1 Inhaltsverzeichnis Innere-Punkte-Verfahren 3 1 Theoretische Grundlagen 3 1.1 Die KKT-Bedingungen........................... 3 1.2 Der zentrale Pfad.............................. 4
MehrSeminar: Finanzmathematik. Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr
Seminar: Finanzmathematik Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr Deniz Atug 4. April 2010 Zusammenfassung Die vorliegende Arbeit gibt eine Einführung in
MehrKlausur Numerische Mathematik (für Elektrotechniker), Samstag, 19. August 2017
Verständnisfragen-Teil (5 Punkte) Jeder der 5 Verständnisfragenblöcke besteht aus 5 Verständnisfragen. Werden alle 5 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block
Mehry (k) (0) = y (k) y(z) = c 1 e αz + c 2 e βz. c 1 + c 2 = y 0 k=1 k=1,...,m y k f k (x)
9 Ausgleichsrechnung 9.1 Problemstelllung Eine Reihe von Experimenten soll durchgeführt werden unter bekannten Versuchsbedingungen z Ê m. Es sollen Größen x Ê n bestimmt werden, für die ein Gesetz gelten
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrNewton- und und Quasi-Newton-Methoden in der Optimierung. János Mayer
Newton- und und Quasi-Newton-Methoden in der Optimierung János Mayer 1 GLIEDERUNG Newton-Methode für nichtlineare Gleichungen nichtlineare Gleichungssysteme freie Minimierung. Quasi-Newton-Methoden für
MehrFinite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 4. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 17. März 2016 Lineare Gleichungssysteme 1 Wiederholung: Normen, Jacobi-Matrix,
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrSeminarvortrag. Euler-Approximation. Marian Verkely TU Dortmund
Seminarvortrag Euler-Approximation Marian Verkely TU Dortmund 03.12.14 1 / 33 Inhaltsverzeichnis 1 Motivation 2 Simulierte Prozesse 3 Euler-Approximation 4 Vasicek-Prozess: Vergleich analytische Lösung
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 2016/17
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 6/7 837 Aufgabe Punkte): Gegeben sei das lineare Gleichungssystem Ax = b mit A = 6 3 und
MehrDiplom VP Numerik 27. August 2007
Diplom VP Numerik 27. August 2007 Multiple-Choice-Test 30 Punkte Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese
MehrStrukturerhaltende Integrationsverfahren für stochastische Differentialgleichungen in der Modellierung von Zinsderivaten
Strukturerhaltende Integrationsverfahren für stochastische Differentialgleichungen in der Modellierung von Zinsderivaten Michael Günther, Christian Kahl und Thilo Roßberg Bergische Universität Wuppertal
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
MehrD-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten
MehrNichtlineare Ausgleichsrechnung
10. Großübung Nichtlineare Ausgleichsrechnung Allgemeines Problem: Wir betrachten ein nichtlineares System F : R n R m mit (m > n, d.h. das System ist überbestimmt und F i (x g(t i ; x g i! 0 i 1,.., m.
MehrNichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2
D-MAVT NUMERISCHE MATHEMATIK FS 4 K Nipp, A Hiltebrand Lösung vom Test Sei A ( 3 3 ) a) Bestimmen Sie κ(a), die Kondition von A (in der -Norm): κ(a) b) Berechnen Sie den Spektralradius von A: ρ(a) 4 c)
Mehr6.8 Newton Verfahren und Varianten
6. Numerische Optimierung 6.8 Newton Verfahren und Varianten In den vorherigen Kapiteln haben wir grundlegende Gradienten-basierte Verfahren kennen gelernt, die man zur numerischen Optimierung von (unbeschränkten)
MehrNichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
MehrDiplom VP Numerik 28. August 2006
Diplom VP Numerik 8. August 6 Multiple-Choice-Test Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese Aufgabe
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2010/11 1 / 1 Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung
Mehr(x x j ) x [a,b] n! j=0
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (4 Punkte Es gibt zu jeder der 1 Aufgaben vier Aussagen. Diese sind mit bzw. zu kennzeichnen (hinschreiben. Es müssen alle Fragen mit oder gekennzeichnet
Mehrd) Produkte orthogonaler Matrizen sind wieder orthogonal.
Die orthogonale Matrizen Definition: Eine Matrix Q R n n heißt orthogonal, falls QQ T = Q T Q = I gilt. Die Eigenschaften orthogonaler Matrizen: a) det(q) = ±1; b) Qx 2 = x 2 für alle x R n, also Q 2 =
MehrDas Gradientenverfahren
Das Gradientenverfahren - Proseminar: Algorithmen der Nichtlinearen Optimierung - David Beisel December 10, 2012 David Beisel Das Gradientenverfahren December 10, 2012 1 / 28 Gliederung 0 Einführung 1
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrWir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems
Kapitel 2 Newton Verfahren 2.1 Das lokale Newton Verfahren Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems F (x) = 0 (2.1) mit einer zumindest
MehrPS Numerische Mathematik für LAK WS 08/09, LV-Nr.: , HS Übungsblatt (bis )
. Übungsblatt (bis 5.0.2008). Aufgabe. Skizzieren Sie die Einheitskugeln K (0,) im R 2 für die Normen, 2 und. 2. Aufgabe. Beweisen Sie x x 2 n x für alle x R n. 3. Aufgabe. Bestimmen Sie die relative Konditionszahl
MehrMusterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt
TU ILMENAU Institut für Mathematik Numerische Mathematik PD Dr. W. Neundorf Musterlösungen zur Leistungsnachweisklausur vom.0.006 Studiengang Informatik, Ingenieurinformatik, Lehramt 1. Lineare Algebra
MehrBemerkung 2.1: Das Newtonverahren kann auch als sequential quad. minimization verstanden werden: 2.1 Ein globalisiertes Newtonverfahren
Kapitel 2 Newtonverfahren Ziel: Bestimmung von Nullstellen von f (=stationärer Punkt). Dies geschieht mit dem Newtonverfahren. x k+1 = x k ( 2 f (x k )) 1 f (x k ) (2.1) Bemerkung 2.1: Das Newtonverahren
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 26. Februar 2009, Gliederung,, Gleichungen in einer Variablen Was ist... Wie geht... eine lineare (nichtlineare,
MehrSeite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx
Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =
MehrDie Bewertung von amerikanischen Basketoptionen
Die Bewertung von amerikanischen Basketoptionen Seminararbeit von Henning Katerkamp 0. April 010 1 Inhaltsverzeichnis 1 Einführung 3 Bewertung des Perpetual Put mit der sogenannten Beibel/Lerche - Methode
MehrWiederholung: Iterative Verfahren
Wiederholung: Iterative Verfahren Vorlesung Inverse Probleme 22.12.2011 Inhalt Landweber-Iteration Nichtlineare Probleme Konjugierte Gradientenmethoden Landweber-Iteration T Tx = T y äquivalente Fixpunktgleichung
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Grundlagen der Nichtlinearen Optimierung. Klausur zur Vorlesung WS 2008/09
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Obige Angaben sind richtig: Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrKAPITEL 10 DIE INNERE-PUNKTE-METHODE
KAPITEL DIE INNERE-PUNKTE-METHODE F. VALLENTIN, A. GUNDERT Vorteile: + Löst effizient lineare Programme (in Theorie und Praxis) + erweiterbar (zu einer größeren Klasse von Optimierungsproblemen) + einfach
MehrKurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren
Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren Was sind typische qualitative Aussagen bei gewöhnlichen Differentialgleichungen der Form x (t) = f(t, x)? (1) 1. Andere
MehrDiplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y.
Diplom VP Informatik/Numerik 9 September 2000 / Seite 1 1 Pivotisierung : 2 L-R-Zerlegung von A: 3 Vorwärtseinsetzen: (pivotisierung) Aufgabe 1: L-R-Zerlegung, Nachiteration A A = 4 2 10 2 6 9 2 1 6 L
MehrOptionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009
nach Black-Scholes mit sprüngen 2. Februar 2009 nach Black-Scholes mit sprüngen Inhaltsverzeichnis 1 Einleitung Optionsarten Modellannahmen 2 Aktienmodell Beispiele für e ohne Sprung 3 nach Black-Scholes
MehrIterative Methoden zur Lösung von linearen Gleichungssystemen
Iterative Methoden zur Lösung von linearen Gleichungssystemen (13.12.2011) Ziel Können wir wir die zeitabhängige Schrödinger-Gleichung lösen? φ(t) = e iht ψ(0) Typischerweise sind die Matrizen, die das
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 05/06 Prof. Dr. Michael Scheutzow 20. Februar 2006
Technische Universität Berlin Fakultät II Institut für Mathematik WS 5/6 Prof. Dr. Michael Scheutzow 2. Februar 26 Februar Klausur Lineare Algebra I Name:.............................. Vorname:..............................
MehrOrnstein-Uhlenbeck-Prozesse
Ornstein-Uhlenbeck-Prozesse M. Gruber 3. 4 214 Zusammenfassung Der Ornstein-Uhlenbeck-Prozess (oft abgekürzt OU-Prozess) ist ein spezieller stochastischer Prozess, der nach den beiden niederländischen
MehrNumerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren
Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren
Mehr38 Iterative Verfahren für lineare Gleichungssysteme
38 Iterative Verfahren für lineare Gleichungssysteme 38.1 Motivation Viele praktische Probleme führen auf sehr große lineare Gleichungssysteme, bei denen die Systemmatrix dünn besetzt ist, d. h. nur wenige
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
MehrEuler-Approximation. Leonie van de Sandt. TU Dortmund Prof. Dr. Christine Müller. 5. Juni 2012
Euler-Approximation Leonie van de Sandt TU Dortmund Prof. Dr. Christine Müller 5. Juni 2012 Leonie van de Sandt (TU Dortmund) Euler-Approximation 5. Juni 2012 1 / 26 Inhaltsverzeichnis 1 Einleitung Leonie
MehrNewton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme
Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
Mehr5.3.5 Abstiegs & Gradientenverfahren
5.3 Iterative Lösungsverfahren für lineare Gleichungssysteme 5.3.5 Abstiegs & Gradientenverfahren Die bisher kennengelernten Iterationsverfahren zur Approximation von linearen Gleichungssystemen haben
Mehr6. Numerische Lösung des. Nullstellenproblems
6. Numerische Lösung des Nullstellenproblems 1 Problemstellung Zwischenwertsatz: Sei f : [a,b] R stetig und c R mit f(a) c f(b) oder f(b) c f(a). Dann gibt es ein x [a,b] mit f(x) = c. Frage: Wie lässt
MehrÜbungen zur Mathematik Blatt 1
Blatt 1 Aufgabe 1: Bestimmen Sie die Fourier-Reihe der im Bild skizzierten periodischen Funktion, die im Periodenintervall [ π, π] durch die Gleichung f(x) = x beschrieben wird. Zeichnen Sie die ersten
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
MehrDas Black-Scholes-Merton Modell
Agenda Lehrstuhl für Volkswirtschaftstheorie Westfälische Wilhelms-Universität Münster May 12, 2006 Teil I Agenda 2 Zur Erinnerung Das Lemma von Ito Die vereinfachten Annahmen an den Finanzmarkt Teil II
MehrKapitel 4: Nichtlineare Nullstellenprobleme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik (SS
MehrDas Trust-Region-Verfahren
Das Trust-Region-Verfahren Nadine Erath 13. Mai 2013... ist eine Methode der Nichtlinearen Optimierung Ziel ist es, das Minimum der Funktion f : R n R zu bestimmen. 1 Prinzip 1. Ersetzen f(x) durch ein
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Gewöhnliche Differentialgleichungen Prof.
MehrMathematik für Sicherheitsingenieure I B (BScS 2011)
Priv.-Doz. Dr. J. Ruppenthal Wuppertal, 5.9.7 Mathematik für Sicherheitsingenieure I B (BScS Aufgabe. (5+8+7 Punkte a eben Sie für jede der folgenden Aussagen an, ob sie WAHR oder FALSCH ist. Eine Begründung
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrInhaltsübersicht für heute:
Inhaltsübersicht für heute: Freie Nichtlineare Optimierung Orakel, lineares/quadratisches Modell Optimalitätsbedingungen Das Newton-Verfahren Line-Search-Verfahren Inhaltsübersicht für heute: Freie Nichtlineare
MehrWechselkurse und Finanzmarkt-Indizes
8. Mai 2008 Inhaltsverzeichnis 1 Wechselkurse Einführung Wechselkurs US Dollar - Deutsche Mark Statistischer Prozess 2 Reinjektion Eigenschaften der Fluktuationen von x(τ) 3 Diffusion auf Finanzmärkten
MehrLösen von nichtlinearen Gleichungssystemen durch Kurvenfortsetzung
Lösen von nichtlinearen Gleichungssystemen durch Kurvenfortsetzung 20. Februar 2003 Jan Sieber sieber@bris.ac.uk Department of Engineering Mathematics University of Bristol Übersicht Einleitung/Wiederholung
MehrDiplom VP Informatik / Numerik 2. September 2002
Diplom VP Informatik / Numerik. September 00 Aufgabe Gegeben sei das lineare Gleichungssystem A x = b mit 0 4 0 0 0 0 A = 4 0 0 0 0 0 0 0 0 und b = 4 4 8 5. Punkte a Berechnen Sie die Cholesky Zerlegung
MehrITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation
ITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation Aspekte des 2-Faktor-Hull-White-Modells 8. November 2012 Inhalt Weshalb ein Mehrfaktor Modell? 2-Faktor-Modelle Das ursprüngliche
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrÜbungsblatt 10 Musterlösung
Übungsblatt 0 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Aufgabe 45 Fehlerkonstante von MSV Betrachten Sie ein allgemeines lineares q Schrittverfahren α q j y i+ j = h β q j
MehrÜbungsklausur 2 Lineare Algebra 2
GRUPPE A: Übungsklausur Lineare Algebra 8. Juni 4 MUSTERLÖSUNGEN Aufgabe Lösen Sie das folgende System linearer Differentialgleichungen f 5 8 f x) = 7 f f x) f x) 4 6 f x) mit Anfangsbedingungen f ) f
Mehr