У вас вопросы?
У нас ответы:) SamZan.net

тематика студент Черных Е

Работа добавлена на сайт samzan.net: 2015-07-05

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 5.4.2025

Министерство образования Российской Федерации

ВОРОНЕЖСКИЙ ЗАОЧНЫЙ ФИНАНСОВО ЭКОНОМИЧЕСКИЙ ИНСТИТУТ

КОНТРОЛЬНАЯ РАБОТА

по дисциплине: «Финансовая математика»

студент           Черных Е.А.

курс:             4

факультет:  ФК

№ зач.           01ФФБ12502

доцент              Концевая Н.В.

  1.  
    Задание 1.

Дан временной ряд, характеризующий объем кредитования коммерческим банком жилищного строительства (в условных единицах) за 4 года (всего 16 кварталов).

Требуется:

  1.  Построить адаптивную мультипликативную модель Хольта-Уинтерса с учетом сезонного фактора, приняв параметры сглаживания 1 = 0,3; 2 = 0,6; 3 = 0,3.
  2.  Оценить точность построенной модели с использованием средней относительной ошибки аппроксимации.
  3.  Оценить адекватность построенной модели на основе исследования:
  •  случайности остаточной компоненты по критерию пико;
  •  независимости уровней ряда остатков по d-критерию (критические значения d1 = 1,10  и d2 = 1,37) и по первому коэффициенту автокорреляции при критическом значении r1 = 0,32;
  •  нормальности распределения остаточной компоненты по R/S – критерию с критическими значениями от 3 до 4,21.
  1.  Построить точечный прогноз на 4 шага вперед, т.е. на 1 год.
  2.  Отразить на графике фактические, расчетные и прогнозные данные.

  1.  Построение модели Хольта-Уинтерса.

Зависимость между компонентами тренд-сезонного временного ряда мультипликативная. Мультипликативная модель Хольта-Уинтерса с линейным ростом имеет следующий вид:

Yp(t+k)   =   [ a(t) + k · b(t) ] · F(t+k-L)                                (1)

где  k – период упреждения,

    Yp(t)- расчетное значение экономического показателя для t-го периода;

    a(t) , b(t)  и  F(t) коэффициенты модели, они адаптируются, уточняются   по мере перехода от членов ряда с номером t-1 к t;

   F(t+k-L) – значение коэффициента сезонности того периода, для   которого рассчитывается экономический показатель. L – период сезонности (для квартальных данных L=4, для месячных  L=12). Таким образом, если по формуле 1 рассчитывается значение экономического показателя, например, за второй квартал, то F(t+k-L)  как  раз будет коэффициентом сезонности второго квартала предыдущего года.

Уточнение (адаптация к новому значению параметра  времени t) коэффициентов модели производится с помощью формул:

a(t) =a1· Y(t) / F(t-L) + (1 - a1) · [ a(t-1)+b(t-1) ]                      (2)

b(t) =a3· [ a(t) – a(t-1) ]  +  (1 - a3) · b(t-1)                                (3)

F(t)=a2·Y(t) / a(t)+(1-a2)·F(t-L)                                                 (4)

Параметры сглаживания a1 , a2  и  a3 должны подбираться путем перебора с таким расчетом, чтобы расчетные данные наилучшим образом соответствовали фактическим (то есть чтобы обеспечить удовлетворительную адекватность и точность модели). Для поставленной задачи параметры заданы в условии.

Из формул 1 – 4 видно, что для расчета a(1)  и b(1) необходимо оценить значения этих коэффициентов для предыдущего период времени (то есть для t=1-1=0). Значения a(0)  и b(0)  имеют смысл этих же коэффициентов  для  четвертого квартала года, предшествующего первому году, для которого имеются данные в табл. 1.

Для оценки начальных значений  a(0) и  b(0)  применим линейную модель к первым 8 значениям Y(t)   из табл. 1. Линейная модель,  имеет вид:

Yp(t)   =   a(0) + b(0)*t                                                                      (5)

Метод наименьших квадратов дает возможность определить коэффициенты линейного уравнения a(0) и  b(0) по формулам (6-9):

  

         (6)

a(0) = Ycp  - b(0)·tср                             (7)

                                                       (8)

                                                                 (9)

Применяя линейную модель к первым 8 значениям  ряда  из таблицы 1 (то есть к данным за  первые 2 года), находим значения  a(0)= 33,893, b(0)= 0,774.

Уравнение (5) с учетом полученных коэффициентов имеет вид: Yp(t)=33,893+0,774·t. Из этого уравнения находим расчетные  значения Yp(t) и сопоставляем их с фактическими значениями (см. табл.1). Такое сопоставление позволяет оценить приближенные значения  коэффициентов  сезонности   1 – 4 кварталов F(-3),  F(-2), F(-1)   и F(0) для года, предшествующего первому году, по которому имеются данные в табл. 3.1.  Эти значения  необходимы для расчета коэффициентов сезонности первого года F(1), F(2), F(3), F(4)   и других параметров модели Хольта-Уинтерса по формулам 1-4.

Коэффициент сезонности есть отношение фактического значения экономического показателя к рассчитанному по линейной модели. Поэтому в качестве оценки коэффициента сезонности первого квартала  F(-3) может служить отношение фактических и расчетных значений Y(t) первого квартала первого года, равное Y(1)/Yp(1)   и такое же отношение для первого квартала второго года (то есть за пятый квартал t=5) Y(5)/Yp(5). Для  окончательной, более точной оценки этого коэффициента  сезонности можно использовать среднее арифметическое  значение  этих двух величин

F(-3)=[Y(1)/Yp(1)+Y(5)/Yp(5)]/2=[30/34,67+32/37,76]/2= =0,86

Аналогично находим  оценки коэффициенты сезонности для второго, третьего и четвертого кварталов:

F(-2) =  [ Y(2)/Yp(2)  + Y(6)/Yp(6) ] / 2 =  1,08

F(-1) =  [ Y(3)/Yp(3)  + Y(7)/Yp(7) ] / 2 =  1,27

F(0)  =  [ Y(4)/Yp(4)  + Y(8)/Yp(8) ] / 2 =  0,79

Oценив значения   a(0), b(0), а также F(-3), F(-2), F(-1) и F(0), можно перейти к построению адаптивной мультипликативной модели Хольта-Уинтерса с помощью формул (1-4).

Рассчитаем значения Yp(t), a(t), b(t) и F(t)  для t=1.

Из уравнение 1, полагая  t=0, k=1  находим  Yp(1):  

Yp(0+1)=Yp(1)=[a(0)+1*b(0)]*F(0+1-4)=[a(0)+1*b(0)]*F(-3)= 29.69

Из уравнение 2-4, полагая  t=1  находим:  

a(1)=a1*Y(1)/F(-3)+(1-a1)*[a(0)+b(0)]=34,78

b(1)=a3*[a(1)–a(0)]+(1-a3)*b(0)=0,81

F(1)=a2*Y(1)/a(1)+(1-a2)*F(-3)=0,86

Продолжая аналогично для t=2,3,4…,16, построим модель Хольта-Уинтерса (табл.3). Максимальное значение t  , для которого можно находить коэффициенты модели,  равно количеству имеющихся данных по экономическому показателю Y(t). В нашем примете данные приведены за 4 года, то есть за 16 кварталов. Максимальное значение t равно 16.

  1.  Проверка качества модели.

Будем считать, что условие точности выполнено, если относительная погрешность (абсолютное значение отклонения abs{E(t)} поделенное на фактическое значение Y(t) и выраженное в процентах 100%*abs{E(t)}/Y(t) ) в среднем не превышает 5%.  Суммарное значение относительных погрешностей (см. гр.10 табл.1) составляет 34,90, что дает среднюю величину 34,90/16 = 2,18%.

          Следовательно, условие точности выполнено.

t* (a=0.05)N-1=15 = 2,13

Так как |t| < t* условие выполняется, средний уровень Е можно считать нулевым.

  1.  Проверка условия адекватности.

Для того, чтобы модель была адекватна исследуемому процессу  ряд остатков E(t) должен обладать свойствами:

а) случайности;

б) независимости последовательных уровней;

в) нормальности распределения.

Проверка случайности уровней. Проверку случайности уровней остаточной компоненты (гр. 9 табл. 1) проводим на основе критерия поворотных точек. Для этого каждый уровень ряда E(t) сравниваем с двумя соседними. Если он больше (либо меньше) обоих соседних уровней, то точка считается поворотной и  в гр. 11 табл. 1 для этой строки ставится 1, иначе в гр. 11  ставится 0. В первой и последней строке гр. 11 табл. 1 ставится прочерк или иной  знак, так как у этого уровня нет двух соседних уровней.

Общее число поворотных точек в нашем примере равно р = 6. 

Рассчитаем   значение  q:

Функция int, означает, что от полученного значения берется только целая часть. При N = 16: 

Если количество поворотных точек р больше q, то условие случайности уровней выполнено. В нашем случае р = 6q = 6, значит условие случайности уровней ряда остатков невыполнено.

Проверка независимости уровней ряда остатков (отсутствия автокорреляции).

Проверку проводим двумя методами:

а) по d-критерию Дарбина-Уотсона;

б) по первому коэффициенту автокорреляции r1.

Проверка по d-критерию Дарбина-Уотсона. Для проверки по d-критерию Дарбина-Уотсона рассчитаем значение d:

                    d = 4-2.76 = 1.24

Примечание. В случае если полученное значение больше 2, значит имеет место отрицательная автокорреляция. В таком случае величину d  уточняют, вычитая полученное значение из 4.

Полученное (или уточненное) значение  сравнивают с табличными значениями d1и d2. Для нашего случая d1=1.08, а d2=1.36.

Если   0<d<d1, то уровни автокоррелированы, то есть зависимы, модель неадекватна;

Если d1<d<d2, то   критерий    Дарбина –Уотсона  не  дает   ответа на вопрос о независимости уровней ряда остатков. В таком случае необходимо воспользоваться другими критериями (например, проверить независимость уровней     по первому коэффициенту автокорреляции).

Если  d2<d<2 , то уровни ряда остатков являются независимыми.

В нашем случае имеет место отрицательная автокорреляция.

1,08 < 1,24 < 1,36, область неопределенности. Данный критерий не дает ответ на вопрос о независимости уровней ряда остатков.

Проверка по первому коэффициенту автокорреляции r(1).

Рассчитаем r1  по формуле

Если модуль рассчитанного значения первого коэффициента автокорреляции меньше критического значения | r1 |  <  rтаб , то уровни ряда остатков независимы. Для нашей задачи критический уровень rтаб =  0,32. Имеем:

| r1 | = 0,4  > rтаб  = 0,32       значит уровни зависимы.

Проверка соответствия ряда остатков нормальному распределению определяем по RS – критерию.

Рассчитаем значение RS:

                         RS = ( Emax – Emin ) / S 

где Emax -  максимальное значение уровней ряда остатков E(t)

       Emin - минимальное значение уровней ряда остатков E(t) (см. гр. 9 табл. 1)

S - среднее квадратическое отклонение

Emax = 2,36   Emin = - 1,63 ,   Emax – Emin  = 2,36-(-1,63) = 3,99

Полученное значение  RS сравнивают с табличными значениями, которые зависят от количества точек N и уровня значимости. Для N=16 и 5% уровня значимости значение RS  для нормального распределения должно находиться в интервале от 3,00 до 4,21

Так как 3,00 < 3,833 < 4,21,     полученное  значение RS попало в заданный интервал. Значит,  уровни ряда остатков подчиняются нормальному распределению.

Таким образом, условия адекватности и точности выполнены не в полном объеме. Следовательно, говорить об удовлетворительном качестве модели нельзя, но так как по заданию необходимо провести прогноз показателя Yp(t) на 4 квартала вперед, то делать прогноз будем исходя из построенной модели.

  1.  Оценка точности.

Т = 100% - ср = 100 – 2,18 = 97,82 %, что больше 90%

Т.к. ср = 2,18 < 5% - точность высокая.

  1.  Расчет прогнозных значений экономического показателя.

Составим  прогноз на  4 квартала вперед (т.е. на 1 год, с t=17 по t=20). Максимальное значение t, для которого могут быть рассчитаны коэффициенты a(t), b(t)  определяется количеством исходных данных и равно 16. Рассчитав значения a(16) и b(16) (см. табл.1), по формуле 1 можно определить прогнозные значения экономического показателя Yp(t).  Для t=17 имеем:

Yp(17)=Yp(16+1)=[a(16)+1·b(16)]*F(16-+1-4)=[a(16)+1·b(16)]·F(13)=

 = [ 48,02 + 1 * 0,92]· 0,89  =  43,46

Аналогично находим Yp(18), Yp(19) и  Yp(20) (см. гр. 8 табл. 1)


Таблица 1  Модель Хольта-Уинтерса

t

Фактические значения   yt

Расчетные значения 

ŷt= a0 + b0t

yt/ŷt

at

bt

Ft

Модель (ŷ)

Абсол. ошибка

Et= yt- ŷt

Относит. ошибка

Поворот-ные точки (Р)

Et2

Et-Et-1

(Et-Et-1)2

Et·Et-1

Et-Eср

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

-3

0,86

-2

1,08

-1

1,27

0

33,89

0,77

0,79

1

30

34,67

0,87

34,78

0,81

0,86

29,69

0,31

1,04%

-

0,10

 

 

 

0,04

2

38

35,44

1,07

35,45

0,77

1,08

38,47

-0,47

1,23%

0

0,22

-0,78

0,61

-0,15

0,33

3

45

36,21

1,24

35,98

0,70

1,26

46,00

-1,00

2,22%

0

1,00

-0,53

0,28

0,47

1,22

4

30

36,99

0,81

37,04

0,80

0,80

29,06

0,94

3,13%

1

0,88

1,94

3,76

-0,94

0,70

5

32

37,76

0,85

37,65

0,75

0,85

32,55

-0,55

1,72%

0

0,30

-1,49

2,22

-0,52

0,43

6

42

38,54

1,09

38,59

0,81

1,08

41,30

0,70

1,68%

1

0,50

1,25

1,57

-0,39

0,36

7

51

39,31

1,30

39,74

0,91

1,27

49,57

1,43

2,80%

0

2,03

0,72

0,52

1,00

1,74

8

31

40,08

0,77

40,03

0,72

0,79

32,63

-1,63

5,27%

1

2,67

-3,06

9,35

-2,33

3,02

9

36

 

 

41,18

0,85

0,87

34,81

1,19

3,31%

0

1,42

2,82

7,97

-1,94

1,18

10

46

 

 

42,16

0,89

1,09

45,52

0,48

1,04%

0

0,23

-0,71

0,51

0,57

0,14

11

55

 

 

43,09

0,90

1,28

54,82

0,18

0,33%

1

0,03

-0,29

0,09

0,09

0,01

12

34

 

 

43,78

0,84

0,78

34,57

-0,57

1,67%

0

0,32

-0,75

0,56

-0,10

0,45

13

41

 

 

45,43

1,08

0,89

38,64

2,36

5,75%

1

5,55

2,92

8,55

-1,34

5,07

14

50

 

 

46,35

1,03

1,08

50,60

-0,60

1,20%

0

0,36

-2,96

8,76

-1,42

0,50

15

60

 

 

47,28

1,00

1,27

60,42

-0,42

0,69%

1

0,17

0,19

0,04

0,25

0,27

16

37

 

 

48,02

0,92

0,77

37,68

-0,68

1,83%

-

0,46

-0,26

0,07

0,28

0,61

43,46

1,68

34,90%

6

16,24

44,87

-6,47

16,07

53,99

0,11

2,18%

64,59

Max = 2,36

40,05

Min = -1,63


На рис. 1. проводится сопоставление фактических и расчетных данных. Здесь же показаны прогнозные значения цены акции на 1 год вперед. Из рисунка видно, что расчетные данных хорошо согласуются с фактическими, что говорит об удовлетворительном качестве прогноза.


  1.  Задание 2.

 

Даны цены (максимальная, минимальная и закрытия) за 10 дней. Интервал сглаживания принять равным пяти дням. Рассчитать:

  •  экспоненциальную скользящую среднюю;
  •  момент;
  •  скорость изменения цен;
  •  индекс относительной силы;
  •  %R, %K, %D.

Расчеты проводить для всех дней, для которых эти расчеты можно выполнить на основании имеющихся данных.

Дни

Цены

Макс.

Мин.

Закрытия

1

765

685

750

2

792

703

733

3

740

706

733

4

718

641

666

5

680

600

640

6

693

638

676

7

655

500

654

8

695

630

655

9

700

640

693

10

755

686

750

Вывод: Тренд восходящий

  1.  Экспоненциальная скользящая средняя (EMA)

При расчете EMA учитываются все цены предшествующего периода. Последним значениям цены придается большое значение, чем предшествующим. Расчеты проводятся по формуле:

где ;

Сt – цена закрытия t-го дня,

EMAt – значение EMA текущего дня t.

Для  определения момента купли и продажи финансового инструмента руководствуются взаимным расположением двух скользящих средних с различными интервалами сглаживания. Если быстрая скользящая средняя (т.е. с меньшим интервалом сглаживания) пересекает снизу вверх медленную (с большим интервалом сглаживания), целесообразно покупать. При обратной ситуации, когда быстрая скользящая средняя пересекает медленную сверху вниз и идет под ней – надо продавать финансовый инструмент. Этот метод дает хорошие результаты только в условиях явно выраженного восходящего или нисходящего тренда. При отсутствии явно выраженного, устойчивого тренда метод подает ложные сигналы, что приводит к потерям.

При n = 10

EMA1

750,00

EMA2

746,91

EMA3

744,38

EMA4

730,13

EMA5

713,74

EMA6

706,88

EMA7

697,27

EMA8

689,58

EMA9

690,20

EMA10

701,07

При n =5

EMA1

750,00

EMA2

744,33

EMA3

740,56

EMA4

715,70

EMA5

690,47

EMA6

685,65

EMA7

675,10

EMA8

668,40

EMA9

676,60

EMA10

701,07

Вывод: исходя из анализа данного показателя сложно сделать вывод покупать или продавать (лучшим вариантом было бы подождать дальнейшего изменения цены, и в зависимости от ее движения делать дальнейшие выводы).

  1.  Осцилляторы

Альтернативой скользящим средним, работающим хорошо только в условиях устойчивого тренда, являются осцилляторы. Подаваемые этими индикаторами сигналы наиболее эффективны при бестрендовом рынке (боковом тренде). Кроме того, в период устойчивого тренда они способны предсказывать разворот тренда.

  1.  Момент (momentum – MOM)

Момент рассчитывается как разница конечной цены текущего дня Ct и цены n дней тому назад Ct-n

MOMt = CtCt-n

где Ct – цена закрытия t-го дня,

МОМt – значение МОМ текущего дня.

Положительные значения МОМ свидетельствуют об относительном росте цен, отрицательные – о снижении. Движение графика МОМ вверх из зоны отрицательных в зону положительных значений в точке пересечения нулевой линии дает сигнал к покупке (в случае нисходящего тренда ситуация развивается в обратном направлении).

МОМ6

-74

МОМ7

-79

МОМ8

-78

МОМ9

27

МОМ10

110

Вывод: начальные отрицательные значения свидетельствовали о снижении цен, последующие положительные значения – о росте цен. Движение графика МОМ из области отрицательных значений в область положительных (после восьмого дня) дает сигнал к покупке.

  1.  Скорость изменения цен.

Индикатор рассчитывается как отношение конечной цены текущего дня к цене n дней тому назад, выраженное в процентах.

где Ct – цена закрытия t-го дня,

ROCt – значение ROC  текущего дня.

ROC является отражением скорости изменения цены, а также указывает направление этого изменения. Правила работы ничем не отличаются от МОМ, но вместо нулевой линии для принятия решения о купле или продаже используется уровень 100%. При пересечении этого уровня снизу вверх надо покупать, а при пересечении сверху вниз – продавать финансовый инструмент.

ROC6

85,33%

ROC7

92,22%

ROC8

89,22%

ROC9

98,35%

ROC10

108,28%

Вывод: Показатель ROC дает сигнал на покупку после девятого дня.

  1.  Индекс относительной силы (RSI).

где AU –сумма приростов конечных цен за n последних дней,

     AD – сумма убыли конечных цен за n последних дней.

Значения RSI изменяются от 0 до 100. Этот индикатор может подавать сигналы либо одновременно с разворотом цен, либо с опережением, что является неоценимым достоинством данного индикатора.

Если значение RSI находится в пределах от 80 до 100 (так называемая «зона перекупленности»), значит цены сильно выросли, надо ждать их падения и подготовиться к продаже. Сигналом к продаже служит момент выхода графика RSI из зоны перекуплености.

Если значения RSI находятся в пределах от 0 до 20 (так называемая «зона перепроданности»), значит цены упали слишком низка, надо ждать их роста и подготовиться к покупке. Сигналом к покупке служит момент выхода графика RSI из зоны перепроданности.

Расхождение между направлением движения цен и осциллятора (дивергенция) указывает на близость разворота тренда. Особенно серьезным этот сигнал является, когда осциллятор находится в критической области (перекупленности или перепроданности).

RSI5

0,00

RSI6

27,91

RSI7

23,84

RSI8

43,53

RSI9

77,32

RSI10

81,36

Вывод: Значения RSI после девятого дня перешли в зону  перекуплености. Возможно цены в будущем начнут падать, но готовиться к продаже еще рано, следует подождать момента выхода графика RSI из зоны перекуплености.

  1.  Стахостические линии.

Если МОМ, ROC и RSI используют только цены закрытия, то стахостические линии строятся с использованием более полной информации. При расчете используются также максимальные и минимальные цены. Как правило, применяются следующие стахостические линии: %К, %D, медленная %D и %R.

где %К – значения индекса текущего дня,

С5 – цена закрытия текущего дня t,

L5 и H5 – минимальная и максимальная цены за 5 предшествующих дней, включая текущий (в качестве интервала может быть выбрано и другое число дней).

5 день

6 день

7 день

C max

C min

C max

C min

C max

C min

792

600

792

600

740

500

8 день

9 день

10 день

C max

C min

C max

C min

C max

C min

718

500

700

500

755

500

Индекс текущего момента %К

%К5

20,83%

%К6

39,58%

%К7

64,17%

%К8

71,10%

%К9

96,50%

%К10

98,04%

Индекс %D рассчитывается аналогично индексу %К, с той лишь разницей, что при его построении величины (СtL5) и (H5C5) сглаживают, беря их трехдневную сумму.

%D7

41,53%

%D8

58,28%

%D9

77,26%

%D10

88,55%


  1.  Задание 3.

  1.  Банк выдал ссуду, размером 1 000 000 руб. Дата выдачи ссуды – 18.01.02, возврата – 12.03.02. День выдачи и день возврата считать за 1 день. Проценты рассчитываются по простой процентной ставке 15% годовых.

Найти:

  1.  точные проценты с точным числом дней ссуды,
    1.  обыкновенные проценты с точным числом дней ссуды,
    2.  обыкновенные проценты с приближенным числом дней ссуды.

Решение:

I = P·n·i

n = t/K

P – первоначальная сумма денег,

i – ставка простых процентов,

I – наращенные проценты

n – срок ссуды (измеренный в долях года)

К – число дней в году

t – срок операции (ссуды) в днях

t = 13 + 28 + 11 + 1 = 53

  1.  К = 365;  t = 53; I = 1 000 000 · 0,15 · 53 / 365 = 21 780,82 руб.
  2.  К = 360;  t = 53; I = 1 000 000 · 0,15 · 53 / 360 = 22 083,33 руб.

t = 12 + 30 + 12 = 54

  1.  К = 360;  t = 54; I = 1 000 000 · 0,15 · 54 / 360 = 22 500 руб.

  1.  Через  180 дней после подписания договора должник уплатит 1 000 000 руб. Кредит выдан под 15% годовых (проценты обыкновенные). Какова первоначальная сумма и дисконт?

Решение:

D = S  P

руб.

D = 1 000 000 – 930232.56 = 69 767.44 руб.

  1.  Через 180 дней предприятие должно получить по векселю 1 000 000 руб. Банк приобрел этот вексель с дисконтом. Банк учел вексель по учетной ставке 15% годовых (год равен 360 дням). Определить полученную предприятием сумму и дисконт.

Решение:

D = S·n·d

P = S – D = S – S·n·d = S(1-n·d)

D = Snd = 1 000 000 · 0.15 · 180 / 360 = 75 000 руб.

P = S – D = 1 000 000 – 75 000 = 925 000 руб.

  1.  В кредитном договоре на сумму 1 000 000 руб. и сроком 4 года, зафиксиро-вана ставка сложных процентов, равная 15% годовых. Определить наращенную сумму.

Решение:

S = P (1+i)n

S = 1 000 000 · (1 + 0.15)4 = 1 749 006,25 руб.

  1.  Ссуда, размером 1 000 000 руб. предоставлена на 4 года. Проценты сложные, ставка – 15% годовых. Проценты начисляются 2 раза в год. Вычислить наращенную сумму.

Решение:

S = P(1+j/m)N

Число периодов начисления в году m=2

S = 1 000 000 · (1+0,15 / 2)8 = 1 783 477,8 руб.

  1.  Вычислить эффективную ставку процента, если банк начисляет проценты 2 раза в году, исходя из номинальной ставки 15% годовых.

Решение:

iэ = (1+j/m)m – 1

Эффективная ставка показывает, какая годовая ставка сложных процентов дает тот же финансовый результат, что и m-разовое наращение в год по ставке j/m.

iэ = (1+0,15/2)2 – 1 = 0,156 т.е. 15,6%

  1.  Определить, какой должна быть номинальная ставка при начислении процентов 2 раза в году, чтобы обеспечить эффективную ставку 15% годовых.

Решение:

j = m[( 1+iэ )1/m – 1]

j = [( 1+0.15)1/2 – 1] = 0,1448         т.е. 14,48%

  1.  Через 4 года предприятию будет выплачена сумма 1 000 000 руб. Определить ее современную стоимость при условии, что применяется сложная процентная ставка 15% годовых.

Решение:

руб.

  1.  Через 4 года по векселю должна быть выплачена сумма 1 000 000 руб. Банк учел вексель по сложной учетной ставке 15% годовых. Определить дисконт.

Решение:

P = S(1 - dсл)n

где dсл – сложная годовая учетная ставка

P = 1 000 000 · (1 – 0,15)5 = 443 705,3 руб.

D = S – P = 1 000 000 – 443 705,3 = 556 294,7 руб.

  1.  В течении 4 лет на расчетный счет в конце каждого года поступает по 1 000000 (1 млн.),  на которые 2 раза в году (m=2) начисляются проценты по сложной годовой ставке 15%. Определить сумму на расчетном счете к концу указанного срока.

 млн.руб.




1. Реферат- ОТНОШЕНИЯ В КОМАНДЕ СПОРТСМЕНОК, ЗАНИМАЮЩИХСЯ СИНХРОННЫМ ПЛАВАНИЕМ
2.  Form C КЛЮЧ
3. ВВЕДЕНИЕ 1 1 Конфликт и понятие управления конфликтами
4. 11234567 Адрес электронной почты resume@smple
5. Статистика для студентів усіх форм навчання напряму підготовки 6
6. Двигатели внутреннего сгорания
7. Ответы на философские вопросы.
8. маркетинг является производным от английского слова mrket т
9. NVPrint. Картриджи NVPrint это гарантия качества и выгодность цен
10. Рассмотрим один из таких приемов который может быть успешно использован в наших условиях для выработки общ