El modelo CIR especifica que la tasa de interés instantánea sigue la ecuación diferencial estocástica , también llamada Proceso CIR:
donde es un proceso de Wiener (modelar el factor de riesgo de mercado al azar) y , y son los parámetros . El parámetro corresponde a la velocidad de ajuste a la media y a la volatilidad. El factor de deriva`` es exactamente el mismo que en el modelo de Vasicek. Asegura la reversión media de la tasa de interés hacia el valor de largo plazo , con la velocidad de ajuste regida por el parámetro estrictamente positivo .
El factor de desviación estándar`` evita la posibilidad de tipos de interés negativos para todos los valores positivos de y . También se excluye una tasa de interés de cero si la condición
se cumple. De manera más general, cuando la tasa ( ) es cercana a cero, la desviación estándar ( ) también se vuelve muy pequeña, lo que amortigua el efecto de la perturbación aleatoria en la tasa. En consecuencia, cuando la tasa se acerca a cero, su evolución queda dominada por el factor de deriva, que empuja la tasa hacia arriba (hacia el equilibrio ).
Este proceso se puede definir como una suma del proceso de Ornstein-Uhlenbeck al cuadrado . El CIR es un proceso ergódico y posee una distribución estacionaria. El mismo proceso se utiliza en el modelo de Heston para modelar la volatilidad estocástica.
Distribución
Distribución futura
La distribución de valores futuros de un proceso CIR se puede calcular en forma cerrada:
donde , y Y es una distribución chi-cuadrado no central con grados de libertad y parámetro de no centralidad . Formalmente, la función de densidad de probabilidad es:
donde , , , y es una función de Bessel modificada de primera especie de orden .
Distribución asintótica
Debido a la reversión de la media, a medida que aumenta el tiempo, la distribución de se acercará a una distribución gamma con la densidad de probabilidad de:
Para dado positivo, el proceso nunca tocará cero, si ; de lo contrario, ocasionalmente puede tocar el punto cero,
, por lo que la media a largo plazo es ,
Calibración
Mínimos cuadrados ordinarios
El SDE continuo se puede discretizar de la siguiente manera
que es equivalente a
proporcionado es niid (0,1). Esta ecuación se puede utilizar para una regresión lineal.
Estimación martingala
Máxima verosimilitud
Simulación
La simulación estocástica del proceso CIR se puede lograr utilizando dos variantes:
Discretización
Exacto
Precios de bonos
Bajo el supuesto de no arbitraje, se puede fijar el precio de un bono utilizando este proceso de tasa de interés. El precio del bono es exponencial afín en la tasa de interés:
dónde
Extensiones
Un proceso CIR es un caso especial de difusión de salto afín básico , que aún permite una expresión de forma cerrada para los precios de los bonos. Se pueden introducir en el modelo funciones variables en el tiempo que reemplacen a los coeficientes para que sea coherente con una estructura temporal preasignada de tipos de interés y posiblemente volatilidades. El enfoque más general se encuentra en Maghsoodi (1996). Un enfoque más manejable es el de Brigo y Mercurio (2001b) donde se agrega al modelo un cambio externo dependiente del tiempo para mantener la coherencia con una estructura de términos de entrada de tarifas. Lin Chen (1996) da una extensión significativa del modelo CIR al caso de la media estocástica y la volatilidad estocástica y se conoce como modelo de Chen.. Una extensión más reciente para manejar la volatilidad del clúster, las tasas de interés negativas y las diferentes distribuciones es el llamado CIR # de Orlando, Mininni y Bufalo (2018, [1] 2019, [2] [3] 2020, [4] 2021 [5 ] ) y Di Francesco y Kamm (2021, [6] inédito) propusieron una extensión más simple limitada a tipos de interés no negativos .
Ver también
Modelo Hull-White
Modelo Vasicek
Modelo Chen
Referencias
^ Orlando, Giuseppe; Mininni, Rosa María; Bufalo, Michele (2018). "Un nuevo enfoque para el modelado de tasas a corto plazo del CIR". Nuevos métodos en la modelización de la renta fija . Contribuciones a la ciencia de la gestión. Springer International Publishing: 35–43. doi : 10.1007 / 978-3-319-95285-7_2 . ISBN 978-3-319-95284-0.
^ Orlando, Giuseppe; Mininni, Rosa María; Bufalo, Michele (1 de enero de 2019). "Un nuevo enfoque para pronosticar los tipos de interés del mercado a través del modelo CIR". Estudios en Economía y Finanzas . antes de impresión (antes de impresión): 267–292. doi : 10.1108 / SEF-03-2019-0116 . ISSN 1086-7376 .
^ Orlando, Giuseppe; Mininni, Rosa María; Bufalo, Michele (19 de agosto de 2019). "Calibración de tipos de interés con un modelo CIR". La Revista de Financiamiento de Riesgos . 20 (4): 370–387. doi : 10.1108 / JRF-05-2019-0080 . ISSN 1526-5943 .
^ Orlando, Giuseppe; Mininni, Rosa María; Bufalo, Michele (julio de 2020). "Pronóstico de tipos de interés a través de modelos Vasicek y CIR: un enfoque de partición" . Journal of Forecasting . 39 (4): 569–579. doi : 10.1002 / para.2642 . ISSN 0277-6693 .
^ Orlando, Giuseppe; Bufalo, Michele (26 de mayo de 2021). "Previsión de tipos de interés: entre Hull y White y el CIR #: cómo hacer que un modelo de factor único funcione" . Journal of Forecasting : for.2783. doi : 10.1002 / para.2783 . ISSN 0277-6693 .
^ Di Francesco, Marco; Kamm, Kevin (7 de junio de 2021). "Cómo manejar tipos de interés negativos en un marco CIR" . arXiv : 2106.03716 .
Referencias adicionales
Hull, John C. (2003). Opciones, futuros y otros derivados . Upper Saddle River, Nueva Jersey: Prentice Hall . ISBN 0-13-009056-5.
Cox, JC, JE Ingersoll y SA Ross (1985). "Una teoría de la estructura temporal de las tasas de interés". Econometrica . 53 (2): 385–407. doi : 10.2307 / 1911242 . JSTOR 1911242 .CS1 maint: varios nombres: lista de autores ( enlace )
Maghsoodi, Y. (1996). "Solución de la Estructura de Plazos del CIR extendido y Valoración de la Opción de Bonos". Finanzas matemáticas . 6 (6): 89–109. doi : 10.1111 / j.1467-9965.1996.tb00113.x .
Damiano Brigo; Fabio Mercurio (2001). Modelos de tasas de interés: teoría y práctica con sonrisa, inflación y crédito (2ª ed. 2006 ed.). Springer Verlag. ISBN 978-3-540-22149-4.
Brigo, Damiano; Fabio Mercurio (2001b). "Una extensión de cambio determinista de modelos de tasa corta analíticamente manejables y homogéneos en el tiempo" . Finanzas y estocásticos . 5 (3): 369–388. doi : 10.1007 / PL00013541 . S2CID 35316609 .
Biblioteca de código abierto que implementa el proceso CIR en python
Orlando, Giuseppe; Mininni, Rosa María; Bufalo, Michele (2020). "Pronóstico de tipos de interés a través de modelos Vasicek y CIR: un enfoque de partición". Journal of Forecasting . 39 (4): 569–579. arXiv : 1901.02246 . doi : 10.1002 / para.2642 . ISSN 1099-131X . S2CID 126507446 .
vtmiProcesos estocásticos
Tiempo discreto
Proceso de Bernoulli
Proceso de ramificación
Proceso de restaurante chino
Proceso de Galton-Watson
Variables aleatorias independientes e idénticamente distribuidas
Cadena de Markov
Proceso de Moran
Caminata aleatoria
Bucle borrado
Evitarse a sí mismo
Tendencioso
Entropía máxima
Tiempo continuo
Proceso aditivo
Proceso de Bessel
Proceso de nacimiento-muerte
puro nacimiento
movimiento browniano
Puente
Excursión
Fraccionario
Geométrico
Meandro
Proceso de Cauchy
Proceso de contacto
Caminata aleatoria en tiempo continuo
Proceso de Cox
Proceso de difusión
Proceso empírico
Proceso de Feller
Proceso Fleming-Viot
Proceso gamma
Proceso geométrico
Proceso de Hawkes
Proceso de caza
Sistemas de partículas interactuantes
Itô difusión
Itô proceso
Difusión de salto
Proceso de salto
Proceso Lévy
Hora local
Proceso aditivo de Markov
Proceso de McKean-Vlasov
Proceso de Ornstein-Uhlenbeck
Proceso de Poisson
Compuesto
No homogéneo
Evolución de Schramm-Loewner
Semimartingale
Sigma-martingala
Proceso estable
Superproceso
Proceso de telégrafo
Proceso de varianza gamma
Proceso de salchicha
Salchicha salchicha
Ambos
Proceso de ramificación
Modelo de Galves – Löcherbach
Proceso gaussiano
Modelo de Markov oculto (HMM)
Proceso de Markov
Martingala
Diferencias
Local
Sub-
Súper-
Sistema dinámico aleatorio
Proceso regenerativo
Proceso de renovación
Cadenas estocásticas con memoria de longitud variable
ruido blanco
Campos y otros
Proceso de Dirichlet
Campo aleatorio gaussiano
Medida de Gibbs
Modelo Hopfield
Modelo de ising
Modelo de potts
Red booleana
Campo aleatorio de Markov
Filtración
Proceso Pitman-Yor
Proceso de puntos
Timonel
Poisson
Campo aleatorio
Gráfico aleatorio
Modelos de series de tiempo
Modelo de heterocedasticidad condicional autorregresiva (ARCH)
Modelo de media móvil integrada autorregresiva (ARIMA)
Modelo autorregresivo (AR)
Modelo autorregresivo de media móvil (ARMA)
Modelo de heterocedasticidad condicional autorregresiva generalizada (GARCH)