风险过程入门阅读笔记

Charon077

已于 2023-11-30 14:16:33 修改

阅读量87

点赞数

分类专栏：破产论 #风险过程文章标签：笔记

于 2023-11-29 20:41:36 首次发布

本文链接：https://blog.csdn.net/weixin_60005227/article/details/134381008

版权

破产论同时被 2 个专栏收录

1 篇文章 0 订阅

订阅专栏

#风险过程

1 篇文章 0 订阅

订阅专栏

缩写

股息壁垒\障碍分红（Dividend Barrier）

部分相关概念：

缩写

df (Distibution Function)：在统计学中，“df”可以指累积分布函数（Cumulative Distribution Function， CDF）。CDF表示一个随机变量小于或等于某个特定值的概率。通常用大写字母F表示，例如F(x)表示随机变量X的累计分布函数。

pdf（Probability Density Function ）：“pdf”代表概率密度函数，用于描述连续型随机变量的概率分布。它表示随机变量在某一点的概率密度，而不是直接给出概率值。通常用小写字母表示，例如f(x)表示随机变量X的概率密度函数。

i.e. 也就是，那就是，换句话说

股息壁垒\障碍分红（Dividend Barrier）

通常是指公司设定的一种策略或条件，用于限制或规定在支付普通股股息时的一些限制或要求。其设计旨在保护公司免受财务压力和确保股东在获得股息时能够享受稳定和可持续的收益。可采取多种形式，例如：

1.固定比例条件：公司可能规定只有在其盈利达到一定水平或超过固定比例时才支付股息。

2.盈余限制：公司可能规定只有在其留存盈余（未分配利润）达到一定数额后才能支付股息。

3.财务稳定性条件：公司可能要求在支付股息之前，其财务状况必须足够稳定，以确保可持续性。

拉普拉斯变换

一个定义在区间[0, $\infty$ )的函数f(t)，它的拉普拉斯变换式F(s)定义为

$F(s)=\int_{0-}^{\infty}f(t)e^{-st}dt$

F(s)成为f(t)的象函数，f(t)称为F(s)的原函数。通常用 $L$ [ ]表示对方括号里的时域函数作拉普拉斯变换，记作 $F(s)=L[f(t)]$ 。

eg.考虑一个随机变量X，其概率密度为f(x)，想要计算期望E（X)可以通过拉普拉斯变换实现。假设拉普拉斯变换为

其中s是复数。对于连续r.v.X，期望值E(X)的计算公式为：

通过拉普拉斯变换，可以将f(x)转化为F(s)，然后计算：

Lévy过程

是一类随机过程。通常用于建模具有"跳跃"性质的随机现象，例如金融领域中的股票价格、汇率或商品价格。与布朗运动不同，Lévy过程在短时间内允许发生跳跃。它的定义基于Lévy-Khinchin表示定理，该定理表明Lévy过程可以由三个部分组成：漂移项、布朗运动项和跳跃项。

Lévy过程的基本性质包括：

独立增量： Lévy过程的增量在不同的时间段上是独立的，这意味着在一个时间段上的变化不会影响其他时间段上的变化。
平稳性： Lévy过程是平稳的，这表示它的统计性质在时间上是不变的。
马尔可夫性： Lévy过程是满足马尔可夫性质的，即未来的发展仅取决于当前状态，而不依赖于过去的状态。

Lévy过程的具体形式可以有多种，其中一些常见的例子包括Lévy飞行、稳定Lévy过程和复合Poisson过程。

更新方程

定义： 称如下形式的积分方程为更新方程：

其中 H(t) ， F(t) 为已知，且当 t<0 时 H(t) ， F(t) 均为0。当 H(t) 在任何区间上有界时，称上述方程为适定（proper）更新方程，简称更新方程。

更新过程

定义：设{ ${X_n,n=1,2,\dots}$ }是一列iid的非负随机变量，分布函数为F(x) (为了避免平凡的情况，设F(0)=P{ $X_n=0$ } $\neq1$ ，记 $\mu =E(X_n)=\int_{0}^{\infty}xdF(x)$ ，则 $0<\mu\leqslant \infty$ ）。令 $T_n=\sum_{i=1}^{n}X_i,n\geqslant 1,T_0=0$ 。我们把由