27.07.2013 Views

Estimation af Multifaktor Affine Rentestruktur Modeller ved Kalman ...

Estimation af Multifaktor Affine Rentestruktur Modeller ved Kalman ...

Estimation af Multifaktor Affine Rentestruktur Modeller ved Kalman ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

hvor κ, θ og σ er positive konstanter 6 . Ved en simpel reparametrisering kan<br />

(20) ogs˚a formuleres<br />

drt = (φ − κrt)dt + σ √ rtdzt<br />

(21)<br />

hvor φ = κθ er en positiv konstant. I det analoge n-dimensionale tilfælde<br />

siges en model at være en n-dimensional CIR-model, hvis den korte rente<br />

kan skrives som summen <strong>af</strong> tilstandsvariablene, dvs. rt = n j=1 xjt, og tilstandsvariablene<br />

er u<strong>af</strong>hængige, hvor den enkelte tilstandsvariabel følger samme<br />

proces som i det én-dimensionale tilfælde. Dermed er dynamikken for x givet<br />

<strong>ved</strong><br />

√<br />

dxjt = (φj − κjxjt) dt + σj xjtdzjt, j = 1, . . ., n<br />

hvor κj, φj og σj er positive konstanter. Bemærk at modellen er <strong>af</strong>fin idet vi<br />

<strong>ved</strong> sammenligning med (8) har<br />

(i) δ = 1<br />

<br />

(ii) αj + β ⊤<br />

j xt = xjt<br />

(iii) Γ er diagonal med elementer σ 2 j<br />

(iv) δ0 = 0<br />

og ergo følger fordelingsegenskaberne <strong>af</strong> hhv. (12) og (13). Da κ er diagonal<br />

er middelværdien veldefineret og givet <strong>ved</strong><br />

<br />

E [xT |Ft] = exp −κ (T − t) xt + I − exp −κ (T − t) κ −1 ⎛<br />

e<br />

⎜<br />

= ⎝<br />

ϕ<br />

−κ1(T −t)<br />

x1t + 1 − e−κ1(T −t) φ1<br />

κ1<br />

.<br />

e−κn(T −t) xnt + 1 − e−κn(T −t) ⎞<br />

⎟<br />

⎠<br />

φn<br />

κn<br />

Da tilstandsvariablene er u<strong>af</strong>hængige i modellen, bliver kovarians-matricen<br />

diagonal og er givet <strong>ved</strong><br />

Cov [xT |Ft] =<br />

T <br />

exp −κ (T − s) ΓE σ<br />

t<br />

2 (xs) <br />

Ft Γ ⊤ <br />

exp −κ ⊤ <br />

(T − s) ds<br />

=<br />

⎛<br />

v1<br />

⎜<br />

⎝ .<br />

. . .<br />

. ..<br />

⎞<br />

0<br />

⎟<br />

. ⎠<br />

0 . . . vn<br />

6 I modsætning til den Gaussiske model er CIR-modellen ikke maksimal, idet κ ikke<br />

behøver at være diagonal for at modellen kan identificeres, jf. Dai og Singleton (2000).<br />

15

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!