Empirikus portfólióstratégiák
|
|
- Etelka Takácsné
- 8 évvel ezelőtt
- Látták:
Átírás
1 Közgazdasági Szemle, LIII. évf., július augusztus ( o.) OTTUCSÁK GYÖRGY VAJDA ISTVÁN Empirikus portfólióstratégiák A cikk olya új szekveciális befektetési stratégiákat mutat be, amelyek általáos feltételek mellett garatálják a befektetõ számára az aszimptotikusa optimális ho zamszit elérését. A stratégiák aalitikus és empirikus tulajdoságait is áttekitjük. Az aalitikus eredméyek rámutatak arra, hogy a stratégiák aszimptotikus hozam szitje stacioárius és ergodikus piacoko egybeesik a logoptimális hozamszittel, amelyet csak a piaci árakat geeráló háttérfolyamat teljes együttes eloszlásáak is meretébe érheték el. Összehasolítjuk az alkalmazott modellt a hagyomáyos Markowitz-féle portfólióelmélettel.* Joural of Ecoomic Literature (JEL) kód: G. A cikkbe a pézügyi piacoko alkalmazható szekveciális befektetési (portfólióválasztási) stratégiákat mutatuk be. Szekveciális stratégiá olya kauzális stratégiát értük, amely a piacról redelkezésre álló múltbeli adatokat haszálva, mide kereskedési periódus (ap) végé megváltoztathatja a portfóliót, azaz a tõkét újraoszthatja a redelkezésre álló értékpapírok között. A befektetõ célja, hogy hosszú távo aélkül maximalizálja a vagyoát, hogy ismeré a részvéyárfolyamokat geeráló háttérfolyamat eloszlását. Szembe a klasszikus modellekkel, amelyek a piac mûködéséek a leírására erõs statisztikai feltételezéseket teszek, az ismertetett modellekbe a matematikai vizsgálatok sorá haszált egyetle feltétel az, hogy a api hozamok stacioárius és ergodikus folyamatot alkotak. E feltétel mellett az aszimptotikus övekedési rátáak (api átlagos hozamszitek) egy jól defiiált maximuma va, amely elérhetõ a folyamat eloszlásáak ismeretébe (lásd Algoet Cover [988]). Létezek uiverzálisa kozisztes módszerek (potos defiíciót lásd késõbb), amelyek az említett aszimptotikusa optimális hozamszitet elérik aélkül, hogy bármilye elõzetes ismeretük lee a folyamat eloszlásáról (lásd Algoet [992], Györfi Lugosi Udia [2006] és Györfi Schäfer [2003]). A cikkbe áttekitjük azokat az uiverzálisa kozisztes stratégiákat, amelyek emcsak az optimális aszimptotikus övekedési rátát garatálják stacioárius és ergodikus folyamatok eseté, haem (véges idejû) szimulációk eseté is jó eredméyt érek el. A szimulációk sorá az algoritmus teljesítméyét a New York-i Értéktõzsde (NYSE) referecia-adathalmazá vizsgálták. * A szerzõk szeretéek köszöetet modai Györfi Lászlóak a cikk többszöri alapos átolvasásért és haszos taácsaiért. Részletese lásd Medvegyev [2002] fejezet. Ottucsák György a Budapesti Mûszaki és Gazdaságtudomáyi Egyetem másodéves doktoraduszhallgatója (oti@szit.bme.hu). Vajda Istvá a Budapesti Corvius Egyetem másodéves doktoraduszhallgatója (vajda@szit.bme.hu).
2 Empirikus portfólióstratégiák 625 A szimulációs eredméyek alátámasztják, hogy a javasolt módszerek képesek megtaláli és hatékoya kiakázi a részvéyárak közötti rejtett és boyolult összefüggéseket. Elõször a logoptimális portfólióstratégiát ismertetjük, áttekitjük az alkalmazott modellek matematikai hátterét és az ahhoz kapcsolódó eredméyeket. Majd mit lehetséges portfólióválasztási stratégiákat bemutatjuk a hisztogram, a magfüggvéy és a legközelebbi szomszéd alapú becslõket. Ezt követõe összehasolítjuk a logoptimális és Markowitzféle portfólióstratégiát. Végül összefoglaljuk a cikkbe bemutatott eredméyeket. Matematikai modell A cikkbe vizsgált részvéypiaci modellt alkalmazta többek között Breima [96], Algoet Cover [988] és Cover [99]. Tegyük fel, hogy a piaco d darab részvéy va, és a tõkéket mide egyes ap elejé szabado újraoszthatjuk a részvéyek között. A vizsgálatok sorá em haszáljuk a közgazdasági modellekbe gyakra alkalmazott feltevést, hogy az egyik értékpapír kockázatmetes. Jelölje x = ( x (),, x ( d ) ) R d + a hozamvektort, amelyek j-edik kompoese, x ( j) 0, a j-edik részvéy záró áraiak aráyát fejezi ki az adott ap és azt követõ ap között. Más szóval: x ( j ) azt modja meg, hogy az adott ap végé a j-edik részvéybe fektetett egységyi tõke meyit ér a következõ ap végé. Az x ( j ) tehát egy körüli szám. A befektetõ mide egyes kereskedési periódus elejé diverzifikálja a tõkéjét egy b = (b (),,b (d ) ) portfólióvektor szerit. A b j-edik kompoese, b ( j ) azt modja meg, hogy a befektetõ a j-edik részvéybe tõkéjéek háyad részét fekteti be. A cikkbe feltesszük, hogy b portfólióvektor em egatív kompoesekbõl áll, amelyekek összege, d azaz j= b ( j ) =. Az utóbbi feltétel azt jeleti, hogy a befektetési stratégia öfiaszírozó, az elõbbi pedig a rövidre eladási (short sale) üzleteket zárja ki. Jelölje S 0 a befektetõ kezdeti tõkéjét, ekkor a tõkéje egy ap múlva d S = S 0 b ( j ) x ( j ) = S 0 b,x, j= ahol, a skalárszorzatot jelöli. d Hosszú idejû befektetések eseté a piac változását x, x 2, R + hozamvektor-sorozattal jellemezhetjük. Az x i ( j hozamvektor j-edik kompoese, x ) i, azt modja meg, hogy a j-edik részvéybe fektetett egységyi tõke meyit ér az i-edik ap végé. Mide k i eseté az x i k rövidítést haszáljuk a hozamvektorok (x k,, x i ) sorozatára, és jelölje d az összes b R d + emegatív kompoesû vektor szimplexét, amely kompoeseiek az összege. Egy B = {b, b 2, } befektetési stratégiát leíró függvéyekek egy sorozata b i : (R d + ) i d, i =, 2, úgy, hogy b i (x i ) jelöli a befektetõ által az i-edik apra a piac korábbi viselkedése alapjá választott portfólióvektort. Az egyszerûség kedvéért a késõbbiekbe a következõ jelölést haszáljuk b(x i ) = b i (x i ). Az S 0 kezdeti tõkébõl kiidulva, az -edik ap végé a B befektetési stratégia tõkéje i S = S 0 b( x ), x i i = S 0 e i= i= ahol W (B) az átlagos hozamszit (övekedési ráta) log ( i b x ), xi = S 0 e W ( B),
3 626 Ottucsák György Vajda Istvá W (B) = i log b( x i= Nyilvávalóa, S = S (B) maximalizálása ekvivales W (B) maximalizálásával. A szekveciális befektetések elméletébe a piac viselkedéséek modellezésére két fõ megközelítés létezik. Az egyik, amikor a hozamvektor x, x 2, tetszõleges értékeket vehet fel, és icse sztochasztikus feltevésük a részvéyárakat geeráló háttérfolyamatról. 2 Az ilye x, x 2, sorozatot idividuálisak is evezik. Eél a megközelítésél az elért vagyot a refereciastratégiák (szakértõk) egy osztályával hasolítják össze. Például Cover [99] a kostas újrasúlyozott portfóliók (Costatly Rebalaced Portfolios, CRP) osztályát vizsgálta, ahol B befektetési stratégiák b(x i ) függvéyei egyelõk egy fix portfólióvektorral, amely függetle i-tõl és a múlttól, x i -tõl is. Az adott periódusra a legjobb kostas újrasúlyozott portfóliót csak utólag lehet meghatározi, tehát ez em kauzális stratégia. Cover megmutatta, hogy létezik B befektetési stratégia (úgyevezett uiverzális portfólió 3 ), amelyek a teljesítméye ugyaolya jó, mit a legjobb kostas újrasúlyozott portfólió teljesítméye a következõ értelembe: ), x d W (B) max W (C) 2 log + O C C mide lehetséges x hozamvektorra, ahol C a kostas újrasúlyozott portfóliók osztálya. Vagyis eek a em elõrelátó, azaz kauzális, stratégiáak az átlagos hozamszitje legfeljebb egy (d )log -es hibatagba marad el a legjobb elõrelátó (em kauzális) 2 kostas újrasúlyozott portfólió övekedési rátájától. A lábjegyzetbe említett refereciák ezt az eredméyt terjesztették ki külöbözõképpe. A következõ egyszerû példa demostrálja a kostas újrasúlyozott portfóliók erejét Helmbold és szerzõtársai [998].. PÉLDA. Legye 2 részvéy a piaco, az egyik kockázatmetes értékpapír, amelyek ics hozama, illetve a másik egy agy volatilitású részvéy. Mide páros apo a részvéy értéke megduplázódik, és mide páratla apo a részvéy értéke megfelezõdik. Az elsõ értékpapír hozamvektora,,, a másodiké /2, 2, /2, 2,. Egyekét egyik értékpapír sem tuda 2-es faktorál agyobb hozamot realizáli, de ha pézüket egyelõe helyezzük el a két értékpapírba, azaz az egyeletes b = (/2, /2) portfóliót haszáljuk, akkor expoeciális övekedést tuduk eléri. A páratla apoko a vagyo csökkeése /2 + /2 /2 = 3/4, míg páros apoko a övekedés /2 + /2 2 = 3/2, azaz 2 ap utá a hozam (9/8). A feti megközelítés elõye, hogy em haszál a piac leírására boyolult statisztikai modelleket, és az eredméyek mide lehetséges x sorozatra feállak. Ebbõl a szempotból ez a megközelítés agyo robusztus, másfelõl azoba ehéz követi a refereciaosztályba lévõ legjobb stratégia viselkedését. Például a legjobb kostas újrasúlyozott portfólió aszimptotikusa optimális, ha az x,, x hozamvektor-sorozat függetle és azoos eloszlású valószíûségi változókból álló vektorsorozatak egy realizációja (lásd i. 2 Lásd például Cover [99], Cover Ordetlich [996], Siger [997], Helmbold Schapire Siger Warmuth [998], Ordetlich Cover [998], Vovk Watkis [998, Blum Kalai [999], Borodi El-Yaiv Goga [5], Cesa-Biachi Lugosi [2000], Cross Barro [2003] és Stoltz Lugosi [2003]. 3 Nem szabad összekeveri a késõbbiekbe bevezetésre kerülõ uiverzálisa kozisztes portfólióstratégiával.
4 Empirikus portfólióstratégiák 627 letebb). Nem jól haszálható viszot abba a valós piac mûködéshez jóval közelebb álló esetbe, ha a külöbözõ kereskedési periódusokba lévõ hozamvektorok között erõs, például Markov-típusú, statisztikai függések vaak. Megoldáskét a szakértõkek agyobb refereciaosztályait is vizsgálták, de hasoló korlátokba ütköztek {lásd például Cover Ordetlich [996], Siger [997] és Cross Barro [2003] kapcsolgatós portfóliója (switchig portfolios)}. A másik, szokásos megközelítés, hogy feltesszük a hozamvektorról, hogy valamilye statisztikai modellel leírható véletle folyamatból származik. Eek a klasszikus ézõpotak az az elõye, hogy mide folyamat eseté elvileg meghatározható egy optimális stratégia (részletese lásd késõbb), amely függ a folyamat ismeretle eloszlásától. Mid idõbe, mid a részvéyárak között azoba boyolult függõségek lehetek, amelyek agyo megehezítik a statisztikai modellek készítését. A cikkbe ötvözzük a feti két megközelítést. Aak elleére, hogy feltesszük: a hozamvektor egy véletle folyamat realizációja, em tételezük fel semmilye paraméteres struktúrát az eloszlásról vagy az idõbeli függésekrõl. Az általuk bemutatott modell em paraméteres statisztiká alapszik, az egyetle feltevés, amit haszáluk, hogy a piac stacioárius és ergodikus, amely megeged tetszõlegese komplex eloszlásokat. A voatkozó eredméyek fõ üzeete, hogy létezek em paraméteres befektetési stratégiák, amelyek hatékoya feltárják a múltbeli adatokba lévõ rejtett összefüggéseket, és ezeket kiakázva képesek gyors vagyoövekedést eléri. Logoptimális portfólió Tegyük fel, hogy x, x 2, az X, X 2, véletle valószíûségi változók realizációja, amelyek egy vektorértékû stacioárius és ergodikus folyamatot {X } alkotak! 4 Az Algoet [992]-be és az Algoet Cover [988]-ba meghatározott alapvetõ korlátok rámu * * tattak, hogy az úgyevezett logoptimális portfólió B = {b ( )} a legjobb választás. For * málisa, az -edik kereskedési periódusba jelölje b ( ) a logoptimális portfóliót: * E{log b ( X ), X X }= max E{log b ( X ), X X b( ) ahol E{ X } = E{ X, X 2,, X } a múltbeli hozamvektorok szerit vett feltételes várható értéket jeleti. 5 * * Ha általáos esetbe S = S (B ) jelöli a B * logoptimális portfólióstratégiával elért tõkét ap utá, akkor mide tetszõleges B befektetési stratégia által elért S = S (B) vagyora és {X } tetszõleges stacioárius és ergodikus folyamat eseté }, és ahol lim sup log S 0 valószíûséggel () * S * * lim log S = W valószíûséggel W = E max E{log b( X ), X * 0 b( ) X } a logoptimális befektetési stratégia övekedési rátája. 4 A feti feltételek mellett vizsgálta például Breima [96], Algoet Cover [988], Algoet [992], Walk Yakowitz [2002], Györfi Schäfer [2003] és Györfi Lugosi Udia [2006] a portfólióválasztási problémát. 5 Részletese lásd Medvegyev [2002] fejezet.
5 628 Ottucsák György Vajda Istvá Az () egyelõtleség alapötlete a következõ. Tekitsük egy tetszõleges B stratégiát és a hozzá tartozó vagyot, S -t, ekkor az átlagos api hozamszitet botsuk fel a következõképpe: ahol és log ( log i S = b X ), Xi = Zi + Y, (2) i i= i= i= Z i = log b(x i ), X { i E log b( X i ), Xi X i Y i = E{log b ( X ), X X i i }. i } amelyre ige általá Ekkor Z, Z 2, egy úgyevezett martigáldifferecia-sorozat, 6 os feltételek mellett lim Z i = 0 valószíûséggel. i= Következésképpe log S aszimptotikus viselkedését az dése határozza meg. Ugyaakkor b * defiíciója miatt i= Y i összetevõ viselke- Y i = E{log i= i= i b ( X ), Xi X i } max E{log b(x i ), X i X i= b( ) = * i E{log b ( X ), Xi X i= * ami viszot az log S aszimptotikus viselkedéséek felel meg. Tehát icse olya befektetési stratégia, amelyek aszimptotikusa agyobb a hozamszitje, mit a logoptimális portfólióak. A b * defiíciójából következik, hogy függetle és azoos eloszlású piacok eseté b * * kostas, és W = max b E{log b, X0 i }, i } }, ami azt mutatja, hogy ebbe az esetbe a logoptimális portfólió egybeesik a legjobb kostas újrasúlyozott portfólióval. 7 Tekitsük az. PÉLDA egy sztochasztikus verzióját (Cover [99])! 2. PÉLDA. Legye X = ( X, X 2 ) a hozamvektor és b = (b, b) a portfólióvektor. Az egyik értékpapír hozama kostas, a másiké 2 vagy /2 értéket vesz fel /2, /2 valószíûséggel. Formálisa P(X = ) =, míg P(X 2 = 2) = P(X 2 = / 2) = / 2. Tegyük fel továbbá, hogy X, X 2, függetle és azoos eloszlású tagokból álló sorozat! Ekkor a logoptimális portfólióba az elsõ értékpapír aráya: * b = arg max E{log b ( b, b), X } = arg max E{log(b + ( b)x 2 )} b 6 Részletese lásd Medvegyev [2002] fejezet. 7 Breima [96], Kelly [956], Lataé [959], Fikelstei Whitley [98], Barro Cover [988], Morvai [99], [992], Móri [982], [986] és Móri Székely [982].
6 Empirikus portfólióstratégiák 629 b = arg max log b log(2 b) =. 2 Azaz a logoptimális portfólió b * = (/2, /2), amelyek a api várhatóhozama: E{ b, X }= + E{X 2 } = Természetese, általáos esetbe a logoptimális portfólió meghatározásához a folyamat (végtele dimeziós) eloszlásáak teljes ismerete szükséges. A késõbbiekbe azokat a befektetési stratégiákat, amelyek aszimptotikusa elérik az optimális W * hozamszitet, az eloszlás ismerete élkül uiverzálisa kozisztesek evezzük. Potosabba, egy B befektetési stratégiát uiverzálisa kozisztesek evezük az {X } stacioárius és ergodikus folyamatok egy osztályá, ha az osztályba mide folyamatra * lim log S (B) = W valószíûséggel. Megjegyzések a logoptimális portfólióhoz Számos közgazdász em értett egyet az E{log S } mit cél maximalizálásával, és többyire a haszosságelmélet oldaláról idítottak támadást a logoptimális portfólióválasztás elle. Az eddigi általáos feltételekkel szembe (stacioárius és ergodikus hozamok) ebbe az alfejezetbe jóval korlátozóbb feltételezéssel élük, mégpedig, hogy a hozamok függetleek és azoos eloszlásúak. A kritikák e feltételek mellett születtek. Egy tipikus kritika a következõ. Tételezzük fel, hogy az egyes eszközök hozama függetle, azoos eloszlást követ! Jelölje S a vagyot az -edik periódus végé, továbbá legye a haszosság a következõ módo adott: γ U (S, γ ) = S /γ, ahol γ 0. Ahhoz, hogy a várható haszosságot maximalizáljuk, mide egyes idõpotba azoos portfóliót kell választauk. Jelöljük c-vel az U( ) haszossági függvéy várható értékét maximalizáló portfóliót, és legye d a logoptimális portfólió, azaz az a portfólió, amely maximalizálja az E{log S } kifejezést tetszõleges eseté. Összehasolítva a két portfólió teljesítméyét az U( ) haszossági függvéy által meghatározott mértékbe, adódik, hogy c E{U(S,γ )}, d E{U (S,γ )} c ha (Samuelso [963]), ahol S az -edik apig elért vagyoa a c stratégiáak. Eél valamivel komolyabb elleérv, de még midig ugyaazo godolat ismétléséek tekithetõ a Merto Samuelso [974] szerzõpárostól származó kritika. A szerzõk megmutatták, hogy a logoptimális portfólió még közelítõe sem lesz optimális a kezdeti vagyo egyeértékese értelmébe. Jelölje def π ef (, S 0 ) = π ef
7 630 Ottucsák György Vajda Istvá az f stratégia kezdeti vagyo egyeértékesét az e stratégiához viszoyítva, ha def e f E{U (π ef S, γ )} = E{U (S, γ )}, feltéve, hogy S 0 =. Legye e a logoptimális stratégia! Jelölje f az U ( x, γ ) = x γ /γ (γ < ) haszossági függvéy eseté a várható haszosságot maximalizáló stratégiát! A logoptimális stratégia közelítõe optimális ebbe a módosított értelembe, ha limπ ef (, S 0 ) = és π ef az idõ csökkeõ függvéye. Tekitve az U ( x, γ ) = x γ /γ, (γ < ) haszossági függvéyt, adódik. Hasolóa kapjuk, hogy f E{U(S, γ )} = E{(S f ) γ f } (E{(S = ) γ }) (3) γ γ γ e E{U(π ef S, γ )} = E{(π e ef S ) γ e } π = ef (E{(S ) γ }). (4) γ γ Vizsgáljuk γ 0-át, ekkor (3)-ból és (4)-bõl azt kapjuk, hogy ahol π ef = λ(γ ) /γ, f def E{(S ) γ } λ(γ ) = e. E{(S ) γ } Így azt kapjuk, hogy és limπ ef (, S 0 ) =, π ef (, S 0 ) > 0. Tehát a logoptimális stratégia em optimális ebbe a módosított értelembe. Az ilye jellegû kritikákkal az a probléma, hogy figyelme kívül hagyják azt a téyt, hogy az E{log S }-t em haszossági megfotolások miatt kell maximalizáljuk, haem a kedvezõ aszimptotikus tulajdoságai miatt. Vegyük észre, hogy az egyes befektetõk haszosságától függetleül pézbe kifejezve valószíûséggel a legagyobb vagyot fogja biztosítai aszimptotikusa. Ugyaakkor, ha már a logaritmusfüggvéyt haszossági függvéyek akarjuk tekitei, akkor e várjuk, hogy a logoptimális stratégia egy logaritmustól külöbözõ haszossági függvéy szeriti várható haszosságot is maximalizáljo. Maga Markowitz is olya metakritérium megtalálásá fáradozott, ami a várható haszosság megszállottjait is meggyõzi a logoptimális portfóliók aszimptotikus optimalitásáról. Hitte, hogy a várható haszosság Neuma és Morgester által bevezetett maximalizálása az üdvözítõ út az optimális portfólió kiválasztására. Markowitz [976] em túl szigorú feltételek mellett a logoptimális portfóliók optimalitását is igazolta. Tételezzük fel, hogy mide idõpotba azoosak a befektetési lehetõségek, vagyis a hozamok függetleek és azoos eloszlásúak. A haszossági függvéyel kapcsolatba Markowitz csak egy kikötést tesz: ha egy C stratégiából származó vagyosorozat S C C C = (S 0, S, S 2, ) és egy D stratégiából származó vagyosorozat S D D D = (S 0, S, S 2, ) eseté az S C sorozat mide eleme agyobb, mit az S D sorozat mide eleme egy bizoyos N utá, akkor U (S C ) U (S D ).
8 Empirikus portfólióstratégiák 63 E két feltételezés biztosítja a logoptimális portfólióválasztás felsõbbredûségét, amit Markowitz következõképpe bizoyít. Jelölje y i a log( + r i )-t, vagyis a logszázalékos hozamot. Jelölje C a logoptimális stratégiát, és legye D egy tetszõleges másik stratégia. A logoptimális stratégia defiíciójából adódik, hogy E( y C D ) > E( y ), mide -re. Feltehetjük, hogy az y, y 2, függetle és azoos eloszlású valószíûségi változók véges µ várható értékkel, így vagy lim ( y i µ) = 0, valószíûséggel, i= lim y i = µ, valószíûséggel. i= C D Mivel E( y ) > E( y ), ezért adódik, hogy C y i D y i, i= i= mide N (ω )-ra majdem mide ω Ω eseté. Alkalmazva y i = log( + r i )-t kapjuk, hogy C log( + r i ) D log( + r i ) i= i= mide N (ω )-ra, majdem mide ω Ω eseté. Így, S C S D mide N (ω )-ra, majdem mide ω Ω eseté. Ie a haszossági függvéyre tett feltételezésbõl adódik, hogy és így C C D D U (S 0, S, S 2, ) U (S 0, S, S 2, ) E{U(S C )} E{U (S D )}. valószíûséggel Uiverzálisa kozisztes empirikus befektetési stratégiák Meglepõ téy, hogy létezik uiverzális stratégia a stacioárius és ergodikus folyamatok tetszõleges osztálya eseté, amit Algoet [992] bizoyított. Algoet kostrukciója azoba elég komplex, és az elméleti jeletõsége elleére kicsi a gyakorlati értéke. Algoet bevezetett egy egyszerûbb sémát is, és vázlatosa bizoyította uiverzális koziszteciáját, amelyek teljes bizoyítását végül Györfi Schäfer [2003] adta meg. A következõkbe három uiverzálisa kozisztes portfólióstratégiát mutatuk be, amelyek alapjait az alakfelismerés és a em paraméteres regresszióbecslés témakörébe jól ismert módszerek adják: a partíciós becslõ, a magfüggvéy alapú becslõ és a legközelebbi szomszéd becslõ. Midhárom stratégia alapötlete, hogy a közeli múlthoz hasoló mitázatokat keres a múltba, és ezek alapjá készít becslést a másapi részvéyárfo-
9 632 Ottucsák György Vajda Istvá lyamokra, amely alapjá maximalizálja a portfólióját (a három stratégia közötti külöbség éppe a hasolóság defiíciójába va). A stratégiák alapjaiak részletesebb leírása megtalálható Devroye Györfi Lugosi [996] 9., 0. és. fejezetébe és Györfi Kohler Krzyzak Walk [2002] 4., 5. és 6. fejezetébe. Hisztogram alapú stratégia Bemutatjuk Algoet sémájáak Györfi Schäfer-féle változatát, az úgyevezett hisztogram alapú befektetési stratégiát mit a korábba említett portfólióválasztási stratégiák egy speciális esetét. Jelölje B H a hisztogram alapú befektetési stratégiát! B H kostrukciója a következõ. Elõször defiiáljuk az elemi stratégiákak (szakértõkek) egy végtele osztályát H (k,a) = {h (k,a) ( )} -t, ahol k és A idexek pozitív egészek, k, A = =, 2,. Egy H (k,a) szakértõ eseté k a mitaillesztési ablakméretét (lásd késõbb), míg A a d kvatálás fiomságát adja meg. Legye R + -ek egy partíciója, P A = {A A, j }, ahol j =, 2,, m A, amely m A darab diszjukt halmazból (cellából) áll. A H (k,a) szakértõ ahhoz, hogy meghatározza a portfólióját az -edik apo, az utolsó k ap hozamvektorát veszi alapul. Diszkretizálja (kvatálja) P A partíció szerit a múlt k d dimeziós vektorát, és meghatározza azt a portfólióvektort, amely optimális azoko a múltbeli apoko, amelyekek a kvatált k hosszú múltja egybeesik a mostaival. Formálisa, jelölje G A a P A partícióhoz tartozó diszkretizáló függvéyt, azaz G A (x) = j, x A A, j. Vezessük be a következõ egyszerûsítõ jelölést mide -re és x R d -re, jeletse G A (x ) a G A (x ),, G A (x ) sorozatot! Ezutá defiiáljuk a H (k,a) = {h (k,a) ( )} szakértõt h (k,a) (x ) = arg max, b x (5) b d i {k<i<:ga ( x i k )=G A ( x k )} mide > k + -re, ha a szorzat em üres, külöbe pedig válasszuk az egyeletes b 0 = (/d,, /d) portfóliót. Tehát h ( k,a) diszkretizálja x szekveciát a P A partíció szerit, és megkeresi az összes egyezést a múltba az utoljára látott G A (x k ) k hosszú kvatált sorozattal. Ezutá kiválasztja azt a fix portfólióvektort, amely maximalizálja a kifizetést a kvatált sorozatok utá következõ apoko. Az. ábra összefoglalja a stratégia csúszó ablakos mûködését. A voalkázott téglalapok a múltbeli k hosszú mitaegyezéseket jeletik. A teli karikák a múltbeli mitaegyezéseket követõ api hozamok, amiek alapjá az üres karikára, azaz a holapi hozamra ad becslést a stratégia., i. ábra A csúszó ablak szemléltetése k ap A B H hisztogram alapú stratégiát a H (k,a) szakértõk kombiálásával kapjuk, felhaszálva egy {q k,a } valószíûségi eloszlást, amely mide pozitív egész pár (k, A) halmazá értelmezett úgy, hogy k, A, q k,a > 0. B H stratégia a H (k,a) szakértõk egyszerû súlyo-
10 Empirikus portfólióstratégiák 633 zása a múltbeli teljesítméyük alapjá a következõképpe: a befektetõ vagyoa az edik ap utá S (B H ) = q k,a S (H (k,a ) ), (6) k,a ahol S (H (k,a) ) az -edik ap utá összegyûlt vagyot jeleti, amikor H (k,a) portfólióstratégiát haszálja, és a kezdeti tõke S 0 =. Az S 0 kezdeti tõkét H (k,a) szakértõk között a q k,a valószíûségi eloszlás szerit osztjuk szét, azaz S 0 (H (k,a) ) = q k,a S 0. Györfi Schäfer [2003] megmutatta, hogy B H stratégia uiverzálisa kozisztes az ergodikus folyamatokak mide olya osztályára, amelyre igaz E{ log X ( j ) } < j =, 2,, d eseté, és a kvatáláshoz haszált partíciók teljesítik a következõ két tulajdoságot: a) a partíciók sorozata fiomodó, azaz P A+ mide cellája egy részhalmaza P A partíció megfelelõ cellájáak, A =, 2, és b) ha diam( A) = sup x y jelöli a halmaz átmérõjét, akkor mide origó középx,y A potú gömb S R d eseté lim max diam( A A, j ) = 0. A A A, j S 0 Szakértõk kombiálása Az elõbb bemutatott empirikus stratégia alapötlete a szakértõk (portfóliók) kombiálása, azaz S (B) = q k,a S (H (k,a) ), k,a és az uiverzális koziszteciához azt kell megmutati, hogy lim if log S (B) W * valószíûséggel. A bizoyítás két lépésbõl áll. Elõször azt kell beláti, hogy a kombiáltportfólió- és a portfólióstratégia-osztályba lévõ legjobb portfólió között szoros kapcsolat va. Második lépés aak a megmutatása, hogy a portfólióstratégia-osztályba a legjobb portfólió uiverzálisa kozisztes. Az elsõ lépés godolatmeete a következõ lim if log S (B) = lim if log q k,a S (H (k,a) ) k,a lim if log sup q k,a S (H (k,a ) ) k,a = lim if sup(log q k,a + log S (H (k,a) )) k,a suplim if log S (H (k,a) ), k,a ezért az elõzõkbe taglalt stratégiák eseté azt kell megmutati, hogy suplim if log S (H (k,a) ) > W * k,a valószíûséggel.
11 634 Ottucsák György Vajda Istvá Magfüggvéy alapú stratégia Györfi Lugosi Udia [2006] vezette be a magfüggvéy alapú stratégiát, amelyek egy egyszerûbb, az egyeletes magfüggvéyhez tartozó, úgyevezett mozgó ablakos változatát ismertetjük. Ugyaúgy, mit az elõzõ alfejezetbe, a stratégiához defiiáljuk a szakértõk egy végtele osztályát H (k,a ) = {h (k,a) ( )}-t, ahol k és A pozitív egészek. Mide fix k, A pozitív egészhez válasszuk egy sugarat, amire igaz r k,a > 0 úgy, hogy mide fix k-ra lim r k,a = 0. A Ekkor mide > k + eseté defiiáljuk h (k,a) h (k,a) (x ) = arg max b d i {k<i<: xi k x k r k,a } szakértõt a következõképpe: b, x i, ha a szorzat em üres, külöbe pedig válasszuk az egyeletes b 0 = (/d,, /d) portfóliót. Az algoritmus azokat a mitákat tekiti hasolóak, amelyekek az euklédeszi távolsága kisebb egy meghatározott r k,a sugárál. A szakértõket a hisztogram alapú stratégia eseté bemutatott módo kombiáljuk a (6) szerit. Györfi Lugosi Udia [2006] bebizoyította, hogy B K portfólióséma uiverzálisa kozisztes az ergodikus folyamatok azo osztályára, amelyre igaz E{ log X ( j ) } < j =, 2,, d. Legközelebbi szomszéd alapú stratégia A korábbiakhoz hasolóa defiiáljuk a szakértõk egy végtele osztályát H (k,a) = {h (k,a ) ( )}-t, ahol 0 < k, A, egészek. Jelölje k a mitaillesztési ablak hosszát, és mide A-hez válasszuk q A (0,) -t úgy, hogy lim q A = 0. (7) A Legye ˆ A = q A. Mide adott apo a szakértõ megkeresi ˆA legközelebbi szomszédot a múltba. k, A( > k +  + ) fix pozitív egészekre vezessük be az  legközelebbi szomszéd (LSZ) halmazát: (k,a) i = {i: k + i úgy ugy, hogy x i bee va x  LSZ-ja között}. kozott Ĵ Legye h (k,a) szakértõ defiíciója h (k,a) (x ) = arg max k b d {i Ĵ (k,a ) } b, x i Azaz h ( k,a) szakértõ egy fix portfólióvektor, amely a legközelebbi szomszédok elõfordulását követõ apokra ézve optimális. A szakértõk kombiálása ugyaúgy törtéik, mit korábbi két stratégia eseté [lásd (6)]. Györfi Udia Walk [2006]-be bebizoyította, hogy a B NN portfólióséma uiverzálisa kozisztes az ergodikus folyamatokak azo osztályára, amelyre igaz E{ log X ( j ) } < j =, 2,, d. k.
12 Empirikus portfólióstratégiák 635 Kísérletek a New York-i Értéktõzsde adatai A bemutatott uiverzálisa kozisztes portfólióstratégiákat a New York-i Értéktõzsde (NYSE) stadard adatsorá vizsgálták, amelyet többek között Cover [99], Siger [997], Helmbold Schapire Siger Warmuth [998], Blum Kalai [999], Borodi El-Yaiv Goga [2000] is haszált empirikus vizsgálataihoz. Az adatsor 36 részvéy api árait tartalmazza egy 22 év hosszú perióduso (565 kereskedési apo) keresztül 962-tõl 984-ig. Vizsgálatok sorá a következõ feltételezésekkel élek, amelyeket az ismert közgazdasági modellek is alkalmazak (lásd például Markowitz [952] és Sharpe [964]): a részvéyek korlátlaul oszthatók, a részvéyekbõl korlátla meyiség áll a redelkezésükre az aktuális (api) áro, azaz tetszõlegese kevés vagy sok részvéyt tuduk vei vagy eladi, ics trazakciós költség és a befektetõ ifiitezimális, azaz a befektetõ akciói icseek hatással a piac viselkedésére (ez a feltevés, akkor realisztikus, ha a befektetett vagyo kicsi a piac kereskedési volumeéhez képest). A szimulációk sorá (Györfi Lugosi Udia [2006], Györfi Udia Walk [2006]) elért látváyos vagyoövekedést (például több mit 0 2 -ees övekedési faktor 22 év alatt a New York-i Értéktõzsdé) körültekitõe kell értelmezi, mivel a gyors övekedés a valós piacoko elkerülhetetleül maga utá voa számos reakciót, amelyet sem az elméleti, sem a gyakorlati modellek em képesek leíri. Az egyszerûsítések elleére úgy godoljuk, hogy a umerikus eredméyek erõs empirikus bizoyítékot yújtaak arra,. táblázat Külöbözõ befektetési stratégiákkal elért vagyo a Cover [99] által haszált NYSE-részvéypároko Részvéyek Legjobb sz. [k, A] Iroquois Ki Ark Legjobb részvéy 8,92 B H 2,3e+0,39e+ [, ] BCRP 73,70 B K 4,03e+0 9,0e+ [2, 2] Orákulum 6,85e+53 B NN,5e+2,44e+3 [2, 8] Cover UP 39,97 Siger AKP 43,7 Com. Met Mei. Corp Legjobb részvéy 52,02 B H 62,5 327,8 [2, ] BCRP 03,0 B K 775, 4749 [2, 5] Orákulum 2,2e+35 B NN ,4e+4 [3, 6] Cover UP 74,08 Siger AKP 07,7 Com. Met Ki Ark Legjobb részvéy 52,02 B H,33e+0 8,54e+0 [, ] BCRP 44,0 B K,e+,4e+2 [3, 3] Orákulum,84e+49 B NN 4,78e+2 8,25e+3 [3, 7] Cover UP 80,54 Siger AKP 206,7 IBM Coca-Cola Legjobb részvéy 3,36 B H 63,8 2,2 [, 5] BCRP 5,02 B K 47,6 94,6 [, 6] Orákulum,08e+5 B NN 74,3 296,3 [, 7] Cover UP 4,24 Siger AKP 5,05 UP: uiverzális portfólió, AKP: Siger-féle adaptív kapcsolgatós portfólió.
13 636 Ottucsák György Vajda Istvá hogy a részvéypiac em hatékoy. Ezt részbe azzal magyarázhatjuk, hogy aak elleére, hogy a javasolt modell csak publikus adatokat haszált, az általa feltárt piaci összefüggések elég komplexek ahhoz, hogy a legtöbb kereskedõ számára rejtve maradjaak. A következõkbe égy részvéypáro végzett szimulációk eredméyét mutatjuk be (Györfi Lugosi Udia [2006], Györfi Udia Walk [2006]). Az eredméyeket az. táblázat foglalja össze. A gyakorlatba mide szimuláció eseté a szakértõk végtele agy osztálya helyett csak egy véges 50 szakértõbõl álló osztályt haszáltak. A szakértõk paraméterei k =,, K és A =,, L, ahol K = 5 és L = 0. A táblázat második oszlopába található a két részvéy közül a jobbik által elért vagyo, a legjobb kostas újrasúlyozott portfólióval, egy orákulummal (ez a legjobb lehetséges stratégia, amely mide apo a jobb, magasabb hozamú, részvéybe fekteti a vagyot), illetve Cover-féle uiverzális portfólióval (UP) és a Siger-féle adaptív kapcsolgatós portfólióval (AKP) elért vagyoövekedés. A harmadik oszlop tartalmazza a korábba bemutatott három uiverzálisa kozisztes stratégiával: a hisztogram (B H ), a magfüggvéy (B K ) és a legközelebbi szomszéd (B NN ) alapú befektetési stratégiákkal elért vagyot. Az összes esetbe K = 5 és L = 0. Az utolsó oszlopba a K L darab szakértõ közül a legjobb szakértõ vagyoát és a hozzá tartozó paraméterek idexeit soroltuk fel. A logoptimális és Markowitz-féle portfólióelmélet kapcsolata Ebbe a fejezetbe párhuzamot vouk a logoptimális befektetés és a Markowitz-féle portfólióválasztás között. Elsõ pillaatra ez több okból is meglepõ lehet. A Markowitz-féle portfólióválasztás a várható érték és a variacia kettõsére voatkozó prefereciák alapjá ragsorolja a portfóliókat. A várható haszosság oldaláról ez a következõképpe magyarázható. Tekitsük egy CARA típusú (kostas abszolút kocká- U ( x) zatkerülõ) haszossági függvéyt. Legye ez az U ( x) = e kx függvéy, ahol U ( x) = k az abszolút kockázatkerülés mértéke. Ismert, hogy ha x ~ N (µ, σ ), akkor a EU helyett a V (µ, σ ) = µ kσ 2 kifejezést vizsgálhatjuk. 2 Ha a logoptimális portfólióválasztást a logaritmikus haszosság maximalizálásakét fogjuk fel, akkor ez em más mit egy U ( x, γ ) = (x γ ) CRRA (kostas relatív γ kockázatkerülõ) haszossági függvéy γ 0 helye vett várható értékéek a maximalizálása [ha γ 0, akkor U ( x, γ ) log( x) ]. Következésképpe egy kostas abszolút kockázatkerülõ függvéyt vetük össze egy em kostas abszolút kockázatkerülõvel. A következõ érveik vaak arra, hogy mégis idokolt az összehasolítás. A két portfólióválasztási szabály azoos logikáját igazolja a logoptimális portfólióválasztás késõbb defiiáladó implicit kockázatkerülõ tulajdosága is. Másrészt, késõbb megmutatjuk, hogy kvadratikus közelítést alkalmazva, a logoptimális portfólióválasztásra egy, a várható értéktõl pozitíva és a variaciától egatíva függõ kifejezést kapuk, hasolóa a markowitzi portfólióválasztáshoz. Markowitz [952] a moder portfólióelméletet megalapozó cikkébe rámutatott arra, hogy a várható hozam maximalizálása hosszú távo em hozhat eredméyt a piaco, mivel figyelme kívül hagyja a diverzifikáció elvét (ekkor az összes vagyo egyetle részvéybe ivesztálódik). Javaslata az volt, hogy a részvéyekbe rejlõ kockázatot is figyelembe kell vei a várható hozam mellett. A kockázat jellemzésére a hozamok variaciáját haszálta. Értelemszerûe az azoos várható hozamú értékpapírok között a racioális befektetõ a kisebb szórásút, míg azoos variacia mellett a agyobb várható értékût részesíti elõybe.
14 Empirikus portfólióstratégiák 637 A logoptimális portfólió hasoló tulajdoságát vizsgálta Vajda [2006]. Vezessük be az implicit kockázatkerülés fogalmát. Egy g portfólióstratégiára azt modjuk, hogy c szite implicit kockázatkerülõ, hogy ha két b és b 2 portfólió közül, amelyekre teljesül, hogy és ahol c 0, akkor E b, X = E b, 2, X Var b X = Var b, + c,, 2 X g(b, X ) g(b 2, X ). Ekkor belátható, hogy a logoptimális portfólió implicit kockázatkerülõ c = 2 max E{ X (i ) 3 } i paraméterrel, ahol X (i) a hozamvektor i-edik kompoese, és X (i) agyobb, mit 0,6. Az eredeti cikkbe (Markowitz [952]) mivel függetle és azoos eloszlású adatsoroko végzett vizsgálatokat kézefekvõ volt a várható hozam vizsgálata köye látható, hogy ha függések vaak egyes hozamok között, akkor ehelyett megfelelõbb a feltételes várható hozam vizsgálata. Vegyük észre, hogy függetleség eseté a feltételes várható hozam egybeesik a várható hozammal. Egy b portfólió Markowitz-féle haszosság függvéye a következõ kvadratikus alakba írható fel ahol és E{U E V ( b(x i i ), X i ) X }= E b λv b, i E b = E{ ( b X ), Xi X i } i V b = Var{ b ( X ), Xi X i } és λ a befektetõ kockázatkerülési hajladóságát fejezi ki. Mivel a kockázatkerülés az adott befektetõt jellemzi, ezért b em függ a választott portfóliótól. Ezért a feti egyeletet maximalizáló portfólióra igaz, hogy * b E V = arg max E b λv b = arg max E b V b. (8) b( ) b( ) λ A loghaszosság és E V megközelítés közötti kapcsolatot vizsgálta Markowitz [959], Markowitz [976] és Yog Tret [969]. Megmutatták bizoyos hozamvektor-eloszlásokra, hogy i i i Var E log( b ( X ), Xi ) log E{ b ( X ), Xi } { b( X ), Xi 2 i E {( b( X ), Xi ) } }. 2 A kövekezõkbe egy általáos összefüggést mutatuk a loghaszosság és az E V megközelítés között, ehhez Györfi Urbá Vajda [2006]-ba bevezetett semilog függvéyt haszáljuk, amelyek sorá a hozamvektorról em kell semmilye korlátozó feltételezést teük. A semilog függvéy a log(z) függvéy másodredû Taylor-sorfejtése a z = körül, azaz:
15 638 Ottucsák György Vajda Istvá log(z) z (z ) 2. 2 A feti közelítést haszálva a loghaszosságra, azt kapjuk, hogy i } i E{log b ( X ), Xi X E{ i b( X ), Xi X i } i E{ ( b( X ), Xi ) 2 X 2 A semilog függvéy egy jó közelítés log(z)-re, mivel z tipikusa körüli értéket vesz fel. Jelölje a feltételes második mometumot E 2 b, azaz i }. E b 2 i = E{( ( ), b X X ) 2 X i i }, ekkor levezethetõ, hogy arg max E{log b(x i ), X i X i } arg max 2Eb 2 E b 3 b( ) b( ) 2 2 = arg max 2Eb 2 (E b (E b ) 2 ) 2 (E b )2 b( ) 2 = arg max E b 2 2 E b 2 V b b( ) = arg max(e b (4 E b ) V b ) b( ) def = arg max E b V b * = b s b( ) λ bv b log, ahol λ b = a várható hozamtól függõ kockázatkerülési hajladóságot fejezi ki. Ez 4 E b az alak megegyezik a Markowitz-modellbõl levezetett, (8)-ba lévõ alakkal, azzal az eltéréssel, hogy a kockázatkerülési hajladóság, λ b, függ a b portfóliótól. Mivel E b értéke körüli, tipikusa korlátos itervallumba va (api hozam a tõzsdei szabályozás miatt em haladhat meg egy szitet), ezért a semilog haszosság megfeleltethetõ az E V haszosságak λ választással. 3 * A cikkbe pézügyi piacoko alkalmazható szekveciális befektetési (portfólióválasztási) stratégiákat mutattuk be. Szembe a klasszikus modellekkel, amelyek a piac mûködéséek a leírására erõs statisztikai feltételezéseket teszek, az ismertetett modellekbe a matematikai vizsgálatok sorá haszált egyetle feltétel, hogy a api hozamok stacioárius és ergodikus folyamatot alkotak. Bemutattuk az uiverzális kozisztecia fogalmát, és áttekitettük a hisztogram, a magfüggvéy és a legközelebbi szomszéd alapú uiverzá-
16 Empirikus portfólióstratégiák 639 lisa kozisztes stratégiákat, valamit a hozzájuk kapcsolódó empirikus eredméyeket. Ezekek a módszerekek a fõ üzeete, hogy létezek em paraméteres befektetési stratégiák, amelyek hatékoya feltárják a múltbeli adatokba lévõ rejtett összefüggéseket, és ezeket kiakázva képesek gyors vagyoövekedést eléri. Végül, párhuzamot votuk a Markowitz-féle és logoptimális portfólióelmélet között az implicit kockázatkerülés fogalmá és a haszosságfüggvéy kvadratikus sorfejtésé keresztül. Hivatkozások ALGOET, P. [992]: Uiversal schemes for predictio, gamblig, ad portfolio selectio. Aals of Probability, o. ALGOET, P. COVER, T. [988]: Asymptotic optimality asymptotic equipartitio properties of logoptimum ivestmets. Aals of Probability, o. BARRON, A. COVER, T. [988]: A boud o the fiacial value of iformatio. IEEE Trasactios o Iformatio Theory o. BLUM, A. KALAI, A. [999]: Uiversal portfolios with ad without trasactio costs. Machie Learig, o. BORODIN, A. EL-YANIV, R. GOGAN, V. [2000]: O the competitive theory ad practice of portfolio selectio (kibõvítettt összefoglaló). Proceedigs of the 4 th Lati America Symposium o Theoretical Iformatics (LATIN 00), Puta del Este, Uruguay, o. BREIMAN, L. [96]: Optimal gamblig systems for favorable games. Proceedigs of the 4 th Berkeley Symposium o Mathematical Statistics ad Probability, Uiversity of Califoria Press, o. CESA-BIANCHI, N. LUGOSI, G. [2000]: Miimax values ad etropy bouds for portfolio selectio problems. Proceedigs of the First World Cogress of the Game Theory Society, Bilbao, Spayolország, július, COVER, T. U. [99]: Uiversal portfolios. Mathematical Fiace, Vol o. COVER, T. ORDENTLICH, E. [996]: Uiversal portfolios with side iformatio. IEEE Trasactios o Iformatio Theory o. CROSS, J. BARRON, A. [2003]: Efficiet uiversal portfolios for pastdepedet target classes. Mathematical Fiace, o. DEVROYE, L., GYÖRFI, L. LUGOSI, G. [996]: A Probabilistic Theory of Patter Recogitio. Spriger-Verlag, New York. FINKELSTEIN, M. WHITLEY, R. [98]: Optimal strategies for repeated games. Advaces i Applied Probability, GYÖRFI, L. KOHLER, M. KRZYZAK, A. WALK, H. [2002]: A Distributio-Free Theory of Noparametric Regressio. Spriger, New York. GYÖRFI, L. LUGOSI, G. UDINA, F. [2006]: Noparametric kerel-based sequetial ivestmet strategies. Mathematical Fiace, o. GYÖRFI, L. SCHÄFER, D. [2003]: Noparametric predictio. Megjelet: Suykes J. A. K. Horváth, G. Basu, S. Micchelli,C. Vadevalle, J. (szerk.): Advaces i learig theory: Methods, models ad applicatios. IOS Press, NATO Sciece Series, o. GYÖRFI, L. UDINA, F. WALK, H. [2006]: Noparametric earest-eighbor-based empirical portfolio selectio strategies. Kézirat közlésre beyújtva. GYÖRFI, L. URBÁN, A. VAJDA, I. [2006]: Kerel-based semi-logoptimal empirical portfolio selectio strategies. Kézirat közlésre beyújtva. HELMBOLD, D. P. SCHAPIRE, R. E. SINGER, Y. WARMUTH, M. K. [998]: O-lie portfolio selectio usig multiplicative updates. Mathematical Fiace, o. KELLY, J. [956]: A ew iterpretatio of iformatio rate. Bell System Techical Joural, o. LATANÉ, H. [959]: Criteria for choice amog risky vetures. Joural of Political Ecoomy, 38. o o. MARKOWITZ, H. [952]: Portfolio selectio. Joural of Fiace, Vol. 7. No o.
17 640 Empirikus portfólióstratégiák MARKOWITZ, H. [959]: Portfolio Selectio: Efficiet Diversificatio i Ivestmets. JohWiley, NewYork. MARKOWITZ, H. [976]: Ivestmet for the log ru: New evidece for a old rule. Joural of Fiace, Vol. 3. No o. MEDVEGYEV PÉTER [2002]: Valószíûségszámítás. Aula, Budapest. MERTON, C. R. SAMUELSON, P. A. [974]: Fallacy of the logormal approximatio to optimal decisio makig over may periods. Joural of Fiacial Ecoomics, o. MÓRI TAMÁS [982]: Asymptotic properties of empiricial strategy i favourable stochastic games. Colloquia Mathematica Societatis Jáos Bolyai, 36. Limit Theorems i Probability ad Statistics, o. MÓRI TAMÁS [986]: Is the empirical strategy optimal? Statistics ad Decisos, o. MÓRI TAMÁS SZÉKELY G. J. [982]: How to wi if you ca? Colloquia Mathematica Societatis Jáos Bolyai, 36. Limit Theorems i Probability ad Statistics, o. MORVAI, G. [99]: Empirical logoptimal portfolio selectio. Problems of Cotrol ad Iformatio Theory, Vol. 20. No o. MORVAI, G. [992]: Portfolio choice based o the empirical distributio. Kyberetika, Vol. 28. No o. ORDENTLICH, E. COVER, T. [998]: The cost of achievig the best portfolio i hidsight. Mathematics of Operatios Research, o. SAMUELSON, P. [963]: A. Risk ad ucertaity: A fallacy of large umbers. Scietia, 57. április május. SHARPE, W. F. [964]: Capital asset prices: A theory of market equilibrium uder coditios of risk. Joural of Fiace, o. SINGER, Y. [997]: Switchig portfolios. Iteratioal Joural of Neural Systems. 8. május, o. STOLTZ, G. LUGOSI, G. [2003]: Iteral regret i o-lie portfolio selectio. Proceedigs of the 6th Aual Coferece o Learig Theory, COLT 2003, tavasz, o. VAJDA ISTVÁN [2006]: Risk cotrol i logoptimum ivestmet. Kézirat. VOVK, V. WARMUTH, K. [998]: Uiversal portfolio selectio. Proceedigs of the th Aual coferece o Computatioal Learig Theory, o. WALK, H. YAKOWITZ, S. [2002]: Iterative oparametric estimatio of a logoptimal portfolio selectio fuctio. IEEE Trasactios o Iformatio Theory, o. YONG, W. E. TRENT, R. M. [969]: Geometric mea approximatio of idividual security ad portfolio performace. Joural of Fiacial ad Quatitative Aalysis, Vol. 4. No o.
Empirikus portfólió-stratégiák
Empirikus portfólió-stratégiák Ottucsák György és Vajda István 2006. június 6. Kivonat A cikk olyan új szekvenciális befektetési stratégiákat mutat be, amelyek általános feltételek mellett garantálják
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
Részletesebben3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
RészletesebbenTÉZISGYŰJTEMÉNY NÖVEKEDÉS-OPTIMÁLIS PORTFÓLIÓ ELMÉLET
TÉZISGYŰJTMÉNY NÖVKDÉS-OPTIMÁLIS PORTFÓLIÓ LMÉLT Vajda Istvá című Ph.D. értekezéséhez Témavezető: Prof. Györfi László MTA redes tagja Budapest, 2009 TÉZISGYŰJTMÉNY NÖVKDÉS-OPTIMÁLIS PORTFÓLIÓ LMÉLT Vajda
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenLogoptimális portfóliók empirikus vizsgálata
Közgazasági Szemle, LVI. évf., 2009. jauár (1 18. o.) ORMOS MIHÁLY URBÁN ANDRÁS ZOLTÁN TAMÁS Logoptimális portfóliók empirikus vizsgálata A logoptimális portfólióelmélet matematikai bizoyítását, valamit
RészletesebbenRudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása
Rudas Tamás: A hibahatár a becsült meyiség függvéyébe a mért ártrefereciák téves értelmezéséek egyik forrása Megjelet: Agelusz Róbert és Tardos Róbert szerk.: Mérésről mérésre. A választáskutatás módszertai
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
RészletesebbenNÖVEKEDÉSOPTIMÁLIS PORTFOLIÓ ELMÉLET
-2 NÖVKDÉSOPTIMÁLIS PORTFOLIÓ LMÉLT írta Vajda Istvá Ph.D. disszertáció Témavezető: Dr. Györfi László Budapesti Corvius gyetem 2009 május Copyright Vajda Istvá, 2009 Tartalomjegyzék. Bevezetés.. Matematikai
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis 1. Írásbeli beugró kérdések Készítette: Szátó Ádám 2011. Tavaszi félév 1. Írja le a Dedekid-axiómát! Legyeek A R, B R. Ekkor ha a A és b B : a b, akkor
RészletesebbenSzámsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.
Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
RészletesebbenGyakorló feladatok II.
Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,
RészletesebbenNevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
RészletesebbenMatematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
RészletesebbenA tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Legye N, x k R k =,, és tegyük fel, hogy vagy x k 0 k =,, vagy pedig x k 0 k =,, Ekkor + x k + x k Speciális Beroulli-egyelőtleség Ha N és
RészletesebbenInnen. 2. Az. s n = 1 + q + q 2 + + q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha
. Végtele sorok. Bevezetés és defiíciók Bevezetéskét próbáljuk meg az 4... végtele összegek értelmet adi. Mivel végtele sokszor em tuduk összeadi, emiatt csak az első tagot adjuk össze: legye s = 4 8 =,
Részletesebben10.M ALGEBRA < <
0.M ALGEBRA GYÖKÖS KIFEJEZÉSEK. Mutassuk meg, hogy < + +... + < + + 008 009 + 009 008 5. Mutassuk meg, hogy va olya pozitív egész szám, amelyre 99 < + + +... + < 995. Igazoljuk, hogy bármely pozitív egész
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
RészletesebbenStatisztika 1. zárthelyi dolgozat március 18.
Statisztika. zárthelyi dolgozat 009. március 8.. Ismeretle m várható értékű, szórású ormális eloszlásból a következő hatelemű mitát kaptuk:, 48 3, 3, 83 0,, 3, 97 a) Számítsuk ki a mitaközepet és a tapasztalati
RészletesebbenKalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8
Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Részletesebben2. fejezet. Számsorozatok, számsorok
. fejezet Számsorozatok, számsorok .. Számsorozatok és számsorok... Számsorozat megadása, határértéke Írjuk fel képlettel az alábbi sorozatok -dik elemét! mooto, korlátos, illetve koverges-e! Vizsgáljuk
Részletesebben18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható
8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
Részletesebben2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
RészletesebbenVÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
RészletesebbenPályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
RészletesebbenALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198.
ALGEBRA MÁSODFOKÚ POLINOMOK. Határozzuk meg az + p + q = 0 egyelet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 98.. Határozzuk meg az összes olya pozitív egész p és q számot, amelyre az
RészletesebbenDiverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli tételek. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis. Írásbeli tételek Készítette: Szátó Ádám 20. Tavaszi félév . Archimedes tétele. Tétel: a > 0 és b R : N : b < a. Bizoyítás: Idirekt úto tegyük fel, hogy
RészletesebbenIngatlanfinanszírozás és befektetés
Nyugat-Magyarországi Egyetem Geoiformatikai Kar Igatlameedzser 8000 Székesfehérvár, Pirosalma u. 1-3. Szakiráyú Továbbképzési Szak Igatlafiaszírozás és befektetés 2. Gazdasági matematikai alapok Szerzı:
RészletesebbenHiba! Nincs ilyen stílusú szöveg a dokumentumban.-86. ábra: A példa-feladat kódolási változatai
közzétéve a szerző egedélyével) Öfüggő szekuder-változó csoport keresése: egy bevezető példa Ez a módszer az állapothalmazo értelmezett partíció-párok elméleté alapul. E helye em lehet céluk az elmélet
RészletesebbenDiszkrét matematika II., 3. előadás. Komplex számok
1 Diszkrét matematika II., 3. előadás Komplex számok Dr. Takách Géza NyME FMK Iformatikai Itézet takach@if.yme.hu http://if.yme.hu/ takach/ 2007. február 22. Komplex számok Szereték kibővítei a valós számtestet,
RészletesebbenTerületi koncentráció és bolyongás Lengyel Imre publikációs tevékenységében
Lukovics Miklós (szerk.) 204: Taulmáyok Legyel Imre professzor 60. születésapja tiszteletére. SZTE Gazdaságtudomáyi Kar, Szeged, 5-24. o. Területi kocetráció és bolyogás Legyel Imre publikációs tevékeységébe
RészletesebbenNUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.
NUMERIKUS SOROK II. Ebbe a részbe kizárólag a kovergecia vizsgálatával foglalkozuk. SZÜKSÉGES FELTÉTEL Ha pozitív (vagy em egatív) tagú umerikus sor, akkor a kovergecia szükséges feltétele, hogy lim a
RészletesebbenV. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
RészletesebbenSorozatok A.: Sorozatok általában
200 /2002..o. Fakt. Bp. Sorozatok A.: Sorozatok általába tam_soroz_a_sorozatok_altalaba.doc Sorozatok A.: Sorozatok általába Ad I. 2) Z/IV//a-e, g-m (CD II/IV/ Próbálj meg róluk miél többet elmodai. 2/a,
RészletesebbenA figurális számokról (IV.)
A figurális számokról (IV.) Tuzso Zoltá, Székelyudvarhely A továbbiakba külöféle számkombiációk és összefüggések reprezetálásáról, és bizoyos összegek kiszámolásáról íruk. Sajátos összefüggések Az elekbe
Részletesebben( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn
Feladatok közepek közötti egyelőtleségekre (megoldások, megoldási ötletek) A továbbiakba szmk=számtai-mértai közép közötti egyelőtleség, szhk=számtaiharmoikus közép közötti egyelőtleség, míg szk= számtai-égyzetes
RészletesebbenSZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo
SZÁMELMÉLET Vasile Beride, Filippo Spagolo A számelmélet a matematika egyik legrégibb ága, és az egyik legagyobb is egybe Eek a fejezetek az a célja, hogy egy elemi bevezetést yújtso az első szite lévő
RészletesebbenKomplex számok. d) Re(z 4 ) = 0, Im(z 4 ) = 1 e) Re(z 5 ) = 0, Im(z 5 ) = 2 f) Re(z 6 ) = 1, Im(z 6 ) = 0
Komplex számok 1 Adjuk meg az alábbi komplex számok valós, illetve képzetes részét: a + i b i c z d z i e z 5 i f z 1 A z a + bi komplex szám valós része: Rez a, képzetes része Imz b Ez alapjá a megoldások
RészletesebbenA statisztika részei. Példa:
STATISZTIKA Miért tauljuk statisztikát? Mire haszálhatjuk? Szakirodalom értő és kritikus olvasásához Mit állít egyáltalá a cikk? Korrektek-e a megállaítások? Vizsgálatok (kísérletek és felmérések) tervezéséhez,
RészletesebbenPopuláció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 16. A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezőgazdaság Szociológia
Részletesebbenf(n) n x g(n), n x π 2 6 n, σ(n) n x
Számelméleti függvéyek extremális agyságredje Dr. Tóth László 2006 Bevezetés Ha számelméleti függvéyek, l. multilikatív vagy additív függvéyek agyságredjét vizsgáljuk, akkor először általába az adott függvéy
RészletesebbenTöbbperiódusú befektetési stratégiák vizsgálata
Többperiódusú befektetési stratégiák vizsgálata Urbán András urban@finance.bme.hu Doktori disszertáció 2011 témavezető: Dr. Ormos Mihály Budapesti Műszaki és Gazdaságtudományi Egyetem, Gazdálkodás- és
Részletesebben1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény
Palácz Béla - Soft Computig - 11-1. Adatok közelítése 1. Adatok közelítése Bevezetés A természettudomáyos feladatok megoldásához, a vizsgált jeleségek, folyamatok főbb jellemzői közötti összefüggések ismeretére,
RészletesebbenDifferenciaegyenletek aszimptotikus viselkedésének
Differeciaegyeletek aszimptotikus viselkedéséek vizsgálata Mathematica segítségével Botos Zsófia Újvidéki Egyetem TTK Újvidék Szerbia E-mail: botoszsofi@yahoo.com 1. Bevezető Tekitsük az késleltetett diszkrét
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
RészletesebbenKidolgozott feladatok a nemparaméteres statisztika témaköréből
Kidolgozott feladatok a emparaméteres statisztika témaköréből A tájékozódást mideféle szíkódok segítik. A feladatok eredeti szövege zöld, a megoldások fekete, a figyelmeztető, magyarázó elemek piros szíűek.
RészletesebbenKalkulus II., második házi feladat
Uger Tamás Istvá FTDYJ Név: Uger Tamás Istvá Neptu: FTDYJ Web: http://maxwellszehu/~ugert Kalkulus II, második házi feladat pot) Koverges? Abszolút koverges? ) l A feladat teljese yilvávalóa arra kívácsi,
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
Részletesebben1 n. 8abc (a + b) (b + c) (a + c) 8 27 (a + b + c)3. (1 a) 5 (1 + a)(1 + 2a) n + 1
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Ha N és h R, akkor + h + h Mikor va itt egyelőség? Léyeges-e a h feltétel? Számtai-mértai közép Bármely N és,, R, k 0 k =,, választással k
RészletesebbenANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA
ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA Szerkesztette: Balogh Tamás 202. július 2. Ha hibát találsz, kérlek jelezd a ifo@baloghtamas.hu e-mail címe! Ez a Mű a Creative Commos Nevezd meg! - Ne add
Részletesebben18. Differenciálszámítás
8. Differeciálszámítás I. Elméleti összefoglaló Függvéy határértéke Defiíció: Az köryezetei az ] ε, ε[ + yílt itervallumok, ahol ε > tetszőleges. Defiíció: Az f függvéyek az véges helye vett határértéke
Részletesebben4. Test feletti egyhatározatlanú polinomok. Klasszikus algebra előadás NE KEVERJÜK A POLINOMOT A POLINOMFÜGGVÉNNYEL!!!
4. Test feletti egyhatározatlaú poliomok Klasszikus algebra előadás Waldhauser Tamás 2013 április 11. Eddig a poliomokkal mit formális kifejezésekkel számoltuk, em éltük azzal a lehetőséggel, hogy x helyébe
RészletesebbenFüggvényhatárérték-számítás
Függvéyhatárérték-számítás I Függvéyek véges helye vett véges határértéke I itervallumo, ha va olya k valós szám, melyre az I itervallumo, ha va olya K valós szám, melyre I itervallumo, ha alulról és felülről
Részletesebben1. A KOMPLEX SZÁMTEST A természetes, az egész, a racionális és a valós számok ismeretét feltételezzük:
1. A KOMPLEX SZÁMTEST A természetes, az egész, a raioális és a valós számok ismeretét feltételezzük: N = f1 ::: :::g Z = f::: 3 0 1 3 :::g p Q = j p q Z és q 6= 0 : q A valós szám értelmezése végtele tizedestörtkét
Részletesebbenmin{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is:
. A szupréum elv. = H R felülr l körlátos H fels korlátai között va legkisebb, azaz A és B a A és K B : a K Ekkor ξ-re: mi{k R K fels korlátja H-ak} } a A : a ξ : ξ fels korlát A legkisebb fels korlát
RészletesebbenA települési hősziget-intenzitás Kárpátalja alföldi részén 1
A települési hősziget-itezitás Kárpátalja alföldi részé Molár József, Kakas Móika, Marguca Viola A települési hőszigetek kifejlődéséek vizsgálata az urbaizáció folyamatáak előrehaladásával párhuzamosa
Részletesebben(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1
. Bevezető. Oldja meg az alábbi egyeleteket: (a cos x + si x + cos x si x = (b π si x = x π 4 x 3π 4 cos x (c cos x + si x = si x (d x 6 3x = 0 (e x + x = x (f x + 5 + x = 8 (g x + + x + + x + x + =..
Részletesebben3.1. A Poisson-eloszlás
Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a
RészletesebbenKétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.
Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására
Részletesebben2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;
Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:
RészletesebbenNumerikus sorok. Kónya Ilona. VIK, Műszaki Informatika ANALÍZIS (1) Oktatási segédanyag
VIK, Műszaki Iformatika ANALÍZIS Numerikus sorok Oktatási segédayag A Villamosméröki és Iformatikai Kar műszaki iformatikus hallgatóiak tartott előadásai alapjá összeállította: Fritz Józsefé dr. Kóya Iloa
RészletesebbenI. rész. Valós számok
I. rész Valós számok Feladatok 3 4 Teljes idukció Igazolja a teljes idukcióval a következ állítások helyességét!.. k 2 = k= ( + )(2 + ). 6.2. 4 + 2 7 + + (3 + ) = ( + ) 2..3. a) b) ( + ) = +. k ( ) =
RészletesebbenNagyméretű nemlineáris közúti közlekedési hálózatok speciális analízise
Nagyméretű emlieáris közúti közlekedési hálózatok speciális aalízise Dr. Péter Tamás* *Budapesti Műszaki és Gazdaságtudomáyi Egyetem Közlekedéautomatikai Taszék (tel.: +36--46303; e-mail: peter.tamas@mail.bme.hu
Részletesebbenbiometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat
Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke
RészletesebbenMATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)
O k t a t á s i H i v a t a l A 5/6 taévi Országos Középiskolai Taulmáyi Versey első forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató A 5 olya égyjegyű szám, amelyek számjegyei
RészletesebbenPrímszámok a Fibonacci sorozatban
www.titokta.hu D é e s T a m á s matematikus-kriptográfus e-mail: tdeest@freemail.hu Prímszámok a Fiboacci sorozatba A továbbiakba Fiboacci sorozato az alapsorozatot (u,,,3,5,...), Fiboacci számo az alapsorozat
Részletesebben6. Számsorozat fogalma és tulajdonságai
6. Számsorozat fogalma és tulajdoságai Taulási cél: A számsorozat fogalmáak és elemi tulajdoságaiak megismerése. A mootoitás, korlátosság vizsgálatáak elsajátítása. Nevezetes sorozatok határértékéek megismerése.
RészletesebbenA primitív függvény létezése. Kitűzött feladatok. határérték, és F az f egy olyan primitívje, amelyre F(0) = 0. Bizonyítsd be,
6 A primitív üggvéy létezése A primitív üggvéy létezése Kitűzött eladatok. Határozd meg az a és b valós paraméterek értékét úgy hogy az : R ae + b üggvéyek létezze primitív üggvéye! >. Az : [ + [ + olytoos
RészletesebbenMegjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.
RészletesebbenA G miatt (3tagra) Az egyenlőtlenségek két végét továbbvizsgálva, ha mindkét oldalt hatványozzuk:
Kocsis Júlia Egyelőtleségek 1. Feladat: Bizoytsuk be, hogy tetszőleges a, b, c pozitv valósakra a a b b c c (abc) a+b+c. Megoldás: Tekitsük a, b és c számok saját magukkal súlyozott harmoikus és mértai
RészletesebbenMatematikai statisztika
Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika
RészletesebbenMatematikai játékok. Svetoslav Bilchev, Emiliya Velikova
Első rész Matematikai tréfák Matematikai játékok Svetoslav Bilchev, Emiliya Velikova A következő matematikai játékokba matematikai tréfákba a végső eredméy a játék kiidulási feltételeitől függ, és em a
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
RészletesebbenKutatói pályára felkészítı modul
Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI
RészletesebbenA függvénysorozatok olyanok, mint a valós számsorozatok, csak éppen a tagjai nem valós számok,
l.ch FÜGGVÉNYSOROZATOK, FÜGGVÉNYSOROK, HATVÁNYSOROK Itt egy függvéysorozat: f( A függvéysorozatok olyaok, mit a valós számsorozatok, csak éppe a tagjai em valós számok, 5 haem függvéyek, f ( ; f ( ; f
RészletesebbenMatematikai játékok. Svetoslav Bilchev, Emiliya Velikova
Matematikai játékok Svetoslav Bilchev, Emiliya Velikova 1. rész Matematikai tréfák A következő matematikai játékokba matematikai tréfákba a végső eredméy a játék kiidulási feltételeitől függ, és em a játékosok
RészletesebbenFeladatok és megoldások a 11. heti gyakorlathoz
Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.
Részletesebben1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
RészletesebbenTöbbperiódusú befektetési stratégiák vizsgálata
Többperiódusú befektetési stratégiák vizsgálata Urbán András urban@finance.bme.hu Tézisfüzet 20 témavezető: Dr. Ormos Mihály Budapesti Műszaki és Gazdaságtudományi Egyetem, Gazdálkodás- és Szervezéstudományi
Részletesebben2.1. A sorozat fogalma, megadása és ábrázolása
59. Számsorozatok.. A sorozat fogalma, megadása és ábrázolása.. Defiíció. Azokat az f : N R valós függvéyeket, melyek mide természetes számhoz egy a valós számot redelek hozzá, végtele számsorozatokak,
RészletesebbenRádiókommunikációs hálózatok
Rádiókommuikációs hálózatok Készült az NJSZT Számítógéphálózat modellek Tavaszi Iskola elöadás-sorozataihoz. 977-980. Gyarmati Péter IBM Research, USA; Budapest Föváros Taácsa. I this paper we show a somewhat
RészletesebbenAz új építőipari termelőiár-index részletes módszertani leírása
Az új építőipari termelőiár-idex részletes módszertai leírása. Előzméyek Az elmúlt évekbe az építőipari árstatisztikába egy új, a korábba haszálatos költségalapú áridextől eltérő termelői ár alapú idexmutató
RészletesebbenA brexit-szavazás és a nagy számok törvénye
Mûhely Medvegyev Péter kadidátus, a Corvius Egyetem egyetemi taára E-mail: peter.medvegyev@uicorvius.hu A brexit-szavazás és a agy számok törvéye A 016. év, de vélhetőe az egész évtized legfotosabb politikai
RészletesebbenElsőbbségi (prioritásos) sor
Elsőbbségi (prioritásos) sor Közapi fogalma, megjeleése: pl. sürgősségi osztályo a páciesek em a beérkezési időek megfelelőe, haem a sürgősség mértéke szerit kerülek ellátásra. Az operációs redszerekbe
RészletesebbenIntegrálás sokaságokon
Itegrálás sokaságoko I. Riema-itegrál R -e Jorda-mérték haszálható ehhez: A R eseté c(a)=0, ha 0 eseté létezek C 1,,C s kockák hogy A C1 Cs és s i 1 c C i defiíció: D ullmértékű R itegrálási tartomáy,
RészletesebbenANALÍZIS I. DEFINÍCIÓK, TÉTELEK
ANALÍZIS I. DEFINÍCIÓK, TÉTELEK Szerkesztette: Balogh Tamás 2012. július 2. Ha hibát találsz, kérlek jelezd a ifo@baloghtamas.hu e-mail címe! Ez a Mű a Creative Commos Nevezd meg! - Ne add el! - Így add
RészletesebbenSorozatok október 15. Határozza meg a következ sorozatok határértékeit!
Sorozatok 20. október 5. Határozza meg a következ sorozatok határértékeit!. Zh feladat:vizsgálja meg mootoitás és korlátosság szerit az alábbi sorozatot! a + ha ; 2; 5 Mootoitás eldötéséhez vizsgáljuk
RészletesebbenKvantum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus
LOGO Kvatum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus Gyögyösi László BME Villamosméröki és Iormatikai Kar Bevezető Kvatum párhuzamosság Bármilye biáris üggvéyre, ahol { } { } : 0, 0,,
RészletesebbenHajós György Versenyre javasolt feladatok SZIE.YMÉTK 2011
1 Molár-Sáska Gáboré: Hajós György Verseyre javasolt feladatok SZIE.YMÉTK 011 1. Írja fel a számokat 1-tıl 011-ig egymás utá! Határozza meg az így kapott agy szám 0-cal való osztási maradékát!. Az { }
Részletesebben