|
Рассеянного органического
относительно t; , получим оценку критической цены (точки безубыточности) — точка А на рис. 17.6. Принимая во внимание формулы (17.1), (17.5), можно рассчитать вероятность того, что цена на товар будет меньше или равна цене приобретения, увеличенной на торговые издержки в соответствии с формулой, показывающей риск продавца:
Цена на производимый продукт также рассчитывается с помощью уравнения (17.2), для которого находится решение (17.5). В результате имеются два распределения: плотности вероятности себестоимости и плотности вероятности цены на производимый продукт. Риск производителя будет заключаться в определении вероятности того, что полученная прибыль окажется меньше запланированной, т.е. себестоимость окажется равной цене товара или превышающей ее. В этом случае производитель товара будет нести убытки от своей деятельности. Для того чтобы рассчитать вероятность риска, необходимо рассчитать условную вероятность того, что цена будет иметь определенное значение при условии, что полученная прибыль принимает другое значение. Эта вероятность рассчитывается по формуле условной вероятности для зависимых событий:
Все три категории качества взаимно исключают друг друга. Таким образом, чтобы, например, рассчитать вероятность получения изделий высшего и приемлемого качества, необходимо:
Математическое ожидание и стандартное отклонение вероятностного распределения возможных чистых текущих стоимостей, определенные при помощи дерева вероятностей или другими методами, дают нам значительный объем информации, необходимой для оценки риска инвестиционного проекта. Если вероятностное распределение — приблизительно нормальное, мы можем рассчитать вероятность предложения при условии, что чистая текущая стоимость более или менее точно определена. Вероятность находится путем определения площади, лежащей под кривой влево или вправо от определенной точки процента. Продолжая нашу предыдущую иллюстрацию, предположим, будто мы хотим определить вероятность того, что чистая текущая стоимость будет равна нулю или нуля, чтобы найти данную вероятность, мы сначала вычислим разницу между 0 и математическим ожиданием чистой текущей стоимости проекта. В нашем примере эта разница равна-116 дол. Затем пронормируем эту разницу путем ее деления на стандартное отклонение возможных чистых текущих стоимостей:
5. Модели разумного выбора («учти и проверь») позволяют рассчитать вероятность выбора между несколькими вариантами (например, какой-либо марки среди аналогичных товаров) как функцию от свойств всех возможных вариантов. Они широко применяются для оценки воздействия различных маркетинговых инструментов (например, цены, местоположения на прилавке, рекламы каких-либо конкретных свойств товара) на выбор марки потребителем.
Допустим, нам надо найти площадь под кривой N'(Z) между -1 стандартной единицей и +2 стандартными единицами. Есть два способа расчета. Мы можем рассчитать вероятность, не превышающую +2 стандартные единицы, при помощи уравнения (3.21) и вычесть вероятность, не превышающую -1 стандартную единицу (см. рисунок 3-12). Это даст нам:
сматриваем сделки, P&L в которых меньше, чем 0,330129 - (1,743232 * 2) = = -3,1563, или больше, чем 0,330129 + (1,743232 * 2) = 3,816593. Мы сейчас создали распределение торговых P&L системы. Распределение содержит 10 точек данных, так как мы решили работать с 10 ячейками. Каждая точка данных отражает число сделок, которые попадают в эту ячейку Каждая сделка не может попасть более чем в 1 ячейку и если сделка находится за пределами 2 стандартных единиц с любой стороны среднего (P&L < -3,156335 или > 3,816593), тогда она не будет представлена в этом распределении. Рисунок 3-16 показывает распределение, которое мы только что рассчитали. Может показаться, что распределение P&L торговой системы должно всегда быть смещено вправо за счет больших выигрышей. Наше распределение 232 торговых P&L представляет систему, которая в основном приносит небольшие прибыли. Многие трейдеры имеют ошибочное мнение, что распределение P&L должно быть смещено вправо для всех торговых систем. Это не всегда верно, что и подтверждает рисунок 3-16. Разные рыночные системы имеют различные распределения, и вам не следует ожидать, что все они будут одинаковыми. Также на рисунке 3-16 показано нормальное распределение для 232 торговых P&L, если бы они были нормально распределены. Это было сделано для того, чтобы вы могли графически сравнить торговые P&L для полученного и нормального распределения. Сначала нормальное распределение рассчитывается для границ каждой ячейки. Для самой левой ячейки это Z =-2 и Z=-l,6. Теперь подставим полученные значения Z в уравнение (3.21), чтобы рассчитать вероятность. В нашем примере это соответствует 0,02275 для Z = -2 и 0,05479932 для Z = -1,6. Затем возьмем абсолютное значение разности этих двух значений, которое в нашем примере будет ABS(0,02275 - 0,05479932) = = 0,03204932. Затем умножим полученный ответ на количество точек данных, то есть на 232 (мы все еще должны использовать 232 сделки, хотя некоторые исключаются, так как находятся вне диапазона выбранных ячеек). Таким образом, если бы данные были нормально распределены и размещены в 10 ячеек равной ширины между -2 и +2 сигма, тогда самая левая ячейка содержала бы 0,03204932 * 232 = 7,43544224 элемента. Если сделать расчет для каждой из 10 ячеек, мы получим нормальную кривую, показанную на рисунке 3-16.
Для каждой комбинации проведем тест К-С. Комбинацию, которая даст наименьшую статистику К-С, будем считать оптимальной для параметров SKALE и KURT (на данный момент). Чтобы провести тест К-С для каждой комбинации, нам необходимо как фактическое распределение, так и теоретическое распределение (определяемое параметрами тестируемого характеристического распределения). Мы уже знаем, как создать функцию распределения вероятности X/N, где N является общим числом сделок, а X является рангом (от 1 до N) данной сделки. Теперь нам надо рассчитать ФРВ для теоретического распределения при данных значениях параметров LOC, SCALE, SKEW и KURT. У нас есть характеристическая функция регулируемого распределения, она задается уравнением (4.06). Чтобы получить ФРВ из характеристической функции, необходимо найти интеграл характеристической функции. Мы обозначаем интеграл, т.е. площадь под кривой характеристической функции в точке X, как N(X). Таким образом, так как уравнение (4.06) дает первую производную интеграла, мы обозначим уравнение (4.06) как N'(X). В большинстве случаев вы не сможете вывести интеграл функции, даже если вы опытный математик. Поэтому вместо интегрирования функции (4.06) мы будем использовать другой метод. Этот метод потребует больших усилий, но он применим к любой функции. Вероятность для любой точки на графике характеристической функции можно оценить, если распределение представить себе как последовательность узких прямоугольников. Тогда для любого данного прямоугольника в распределении вы можете рассчитать вероятность, ассоциированную с этим прямоугольником, как отношение суммы площадей всех прямоугольников слева от вашего прямоугольника (включая площадь вашего прямоугольника) к сумме площадей всех прямоугольников в распределении. Чем больше прямоугольников вы используете, тем более точными будут полученные вероятности. Если бы вы использовали бесконечное число прямоугольников, то ваш расчет был бы точным. Рассмотрим процедуру поиска площадей под кривой характеристического распределения на примере. Допустим, мы хотим найти вероятности, ассоциированные с каждым отрезком длиной 0,1 в интервале от -3 до +3 сигма. Отметьте, что в таблице (с. 183) рассмотрен интервал от -5 до +5 сигма. Дело в том, что лучше выйти на 2 сигмы за ограничительные параметры (-3 и +3 сигма в нашем случае), чтобы получить более точные результаты. Отметьте, что X — это число стандартных единиц, на которое мы смещены от среднего значения. Далее идут значения четырех параметров. Следующий столбец — это столбец N'(X), который отражает высоту кривой в точке X при этих значениях параметров. N'(X) рассчитывается из уравнения (4.06). Воспользуемся уравнением (4.06). Допустим, нам надо рассчитать N'(X) для Х= -3 со значениями параметров 0,02, 2,76, 0 и 1,78 для LOC, SCALE, SKEW и KURT соответственно. Сначала рассчитаем показатель
торгуете без опционов и рассматриваете торговлю как не ограниченную во времени, ваш реальный риск банкротства равен 1. При таких условиях вы неминуемо разоритесь, что вполне согласуется с уравнениями риска банкротства, поскольку в них в качестве входных переменных используются эмпирические данные, то есть входные данные в уравнениях риска банкротства основываются на ограниченных наборах сделок. Утверждение о гарантированном банкротстве при бесконечно долгой игре с неограниченной ответственностью делается с позиций параметрического подхода. Параметрический подход учитывает большие проигрышные сделки, которые расположены в левом хвосте распределения, но еще не произошли, поэтому они не являются частью ограниченного набора, используемого в качестве входных данных в уравнениях риска банкротства. Для примера представьте себе торговую систему, в которой применяется постоянное количество контрактов. В каждой сделке используется 1 контракт. Чтобы узнать, каким может стать баланс через X сделок, мы просто умножим X на среднюю сделку. Таким образом, если система имеет среднюю сделку 250 долларов и мы хотим знать, каким может стать баланс через 7 сделок, мы $250 умножим на 7 и получим $1750. Отметьте, что кривая арифметического математического ожидания задается линейной функцией. Любая сделка может принести убыток, который отбросит нас назад (временно) от ожидаемой линии. В такой ситуации есть предел проигрыша по сделке. Так как наша линия всегда выше, чем самая большая сумма, которую можно проиграть за сделку, мы не можем обанкротиться сразу. Однако длинная проигрышная полоса может отбросить нас достаточно далеко от этой линии, и мы не сможем продолжить торговлю, то есть обанкротимся. Вероятность подобного развития событий уменьшается с течением времени, когда линия ожидания становится выше. Уравнение риска банкротства позволяет рассчитать вероятность банкротства еще до того, как мы начнем торговать по выбранной системе. Если бы мы торговали в такой системе на основе фиксированной доли счета, линия загибалась бы вверх, становясь после каждой сделки все круче. Однако проигрыш всегда сопоставим с тем, насколько высоко мы находимся на линии. Таким образом, вероятность банкротства не уменьшается с течением времени. В теории, однако, риск банкротства при торговле фиксированной долей счета можно сделать равным нулю, если торговать бесконечно делимыми единицами. К реальной торговле это не применимо. Риск банкротства при торговле фиксированной долей счета всегда немного выше, чем в этой же системе при торговле на основе постоянного количества контрактов. В действительности, нет верхнего предела суммы, которую вы можете проиграть за одну сделку; кривые состояния счета могут снизиться до нуля за одну сделку независимо от того, насколько высоко они расположены. Таким образом, если мы торгуем бесконечно долгий период времени инструментом с неограниченной ответственностью, постоянным количеством контрактов или фиксированной долей счета, риск банкротства составляет 1. Банкротство гарантировано. Единственный способ избежать такого развития событий — поставить ограничение на максимальный проигрыш. Этого можно достичь, используя опционы, когда
Не забывай о надбавке к цене исполнения. В то же время можно интуитивно оценить вероятность исполнения, если оценить, насколько цена исполнения превышает рыночную цену подлежащей акции. Если разрыв велик, цене акции придется сильно вырасти, чтобы запустить исполнение. Если разрыв не превышает 25%, можно из предположения, что компания сохранит выкупленные акции у себя, легко рассчитать вероятность угрозы разбавления. Следует использовать наше правило «5% от чистой прибыли», чтобы оценить, требует ли кумулятивный эффект
Суммарные потери по сделке, таким образом, составляют 6 пунктов (5 пунктов + 1 пункт). Значит, для того, чтобы получить прибыль хотя бы в 1 пункт, нужно купить EUR/USD не выше чем на 7 пунктов от максимальной цены дня. Таким образом, вам останется 119 пунктов для того, чтобы взять хотя бы 1 пункт прибыли (126 пунктов - 7 пунктов). Это значение позволяет нам рассчитать вероятность того, что вы сможете закрыть ранее открытую сделку по цене хотя бы на 1 пункт лучше цены открытия: 119/126 = 94.44%.
Битумоиды — это та часть органического вещества, которую можно извлечь из него органическими растворителями. Количество битумоидов в общем объеме рассеянного органического вещества составляет от долей процента до 10—15 %. По составу сходны они с нефтя-ми в залежах. В них содержится от 5 до 55 % жидких и твердых углеводородов всех трех групп. Общее содержание углеводородов во всем рассеянном органическом веществе изменяется от 0,05 до 2 %. Это привело ученых к выводу, что углеводородов в осадке должно быть тем больше, чем богаче эти породы органическим веществом и чем выше в нем выход битумоидной фракции.
Гуминовые кислоты извлекаются из рассеянного органического вещества путем обработки его щелочным раствором. На их долю приходится около 15—20% общей массы рассеянного органического вещества. Нерастворимое остаточное органическое вещество называется керогеном (греч. «керос» — воск, «геннао» — рождаю). По составу и свойствам кероген сходен с бурым и каменным углем. Количество его превышает 70—80 % от всей массы рассеянного ОВ.
Исследования показали, что органическое вещество морских растений состоит из липидов, белков, углеводов и других органических соединений. Из соединений этих же групп состоит и органический комплекс морских илов. Но при сравнении качественного и количественного состава соединений этих групп исходной растительности и органического вещества пород выявляются значительные различия. Битумоиды рассеянного органического вещества осадков подобны липоидам (греч.
С этого момента начинается первая стадия преобразования остатков этих организмов. Известный советский ученый В. А. Соколов назвал ее биохимической. Она сопровождается разложением органических остатков бактериями и преобразованием рассеянного органического вещества в условиях ограниченного доступа кислорода. Микроорганизмы в первую очередь перерабатывают легкоразрушаемые органические соединения — белки, углеводы и др. Как отмечалось выше, из них могут образоваться углеводороды. В процессе разложения рассеянного органического вещества образуется много метана, углекислого газа, воды и незначительное количество жидких и твердых углеводородов.
По В. А. Соколову, процессы биохимического преобразования рассеянного органического вещества происходят в основном в самых верхних слоях осадка на глубине нескольких метров, считая от морского дна, а также в морской воде. Предполагается, что уже на этом этапе рассеянное в илах органическое вещество преобразуется так сильно, что по составу и физико-химическим свойствам абсолютно не похоже на то исходное вещество, которое выпадало в осадок.
По мере погружения морского дна неизменно накапливаются илистые осадки, последовательно перекрывающие друг друга. Процесс уплотнения осадка и превращения его в осадочную породу называется диагенезом (греч. «диагенесис» — перерождение). Молодая осадочная порода попадает при погружении в зону катагенеза (греч. «ката» —• вниз, «генесис» — происхождение), где преобладают химические процессы, обусловленные взаимодействием веществ. В зоне катагенеза начинается новый этап преобразования рассеянного органического вещества, на котором основную роль играют температура и давление. Они возрастают по мере погружения затвердевших осадков и накопления сверху новых отложений.
цессы затухают. Если в начале в реакциях участвуй кислород среды, то затем они идут лишь за счет внутренних ресурсов кислорода самого органического вещества. Под влиянием высокой температуры начинается разложение более сложных соединений рассеянного органического вещества на менее сложные, в том числе и углеводороды.
Считается, что после достижения температуры примерно 60 °С разложение рассеянного органического вещества ускоряется. В большинстве случаев такая температура характерна для глубины 2—2,5 км. По мере дальнейшего повышения температуры темпы разложения снижаются. Н. Б. Вассоевич указывает следующее. Когда нефтематеринские породы, опускаясь в прогибающемся осадочном бассейне, попадают в глубокие зоны земной коры, где температура достигает 150—200°С, начинается деструкция (лат. «деструкцио? — разрушение) нефти. В результате образуются сначала газоконденсат, а затем метан, т. е. в этих условиях из рассеянного органического вещества и микронефти образуются только или почти только газообразные углеводороды.
разование из рассеянного органического вещества максимального количества жидких углеводородов — микронефти. Здесь господствует температура от 60 до 160°С. Эту зону Н. Б. Вассоевич назвал очагом нефтеобразо-вания, или главной зоной нефтеобразования (ГЗН). В дальнейшем он опустил нижнюю границу этой зоны до 6 км. Считается, что до этой глубины может образовываться нефть. А на больших глубинах, где температура превышает 150—200 °С, генерируется в основном метан. Эта зона выделяется С. Г. Неручевым, А. М. Акрам-ходжаевым и другими советскими учеными в качестве главной зоны газообразования.
Одним из важнейших вопросов является механизм концентрации рассеянной нефти — микронефти — в различные по масштабам скопления углеводородов. Согласно рассматриваемой концепции глинистые и известковые ильг считаются нефтематеринскими породами. По мере их погружения и уплотнения рассеянная микронефть вместе с газообразными углеводородами и водой начинает выжиматься из илов в залегающие выше пористые породы (песчаники и др.). Этот процесс получил название первичной миграции (лат. «миграцйо» — перемещение). Им заканчивается третий — термокаталитический (греч. «термэ» -—теплота, «каталисис»—растворение, разрушение) этап преобразования захороненного в осадках рассеянного органического вещества.
Обнаружение в современных осадках углеводородов дает основание предположить, что они являются продуктами начальной стадии преобразования рассеянного органического вещества осадков в нефть.
Регулирующее воздействие Регулирующие устройства Регулирующим деятельность Регулируются гражданским Реинжиниринг процессов Рекламные мероприятия Районного подчинения Рекламных материалов Рекламных проспектов Рекламным агентствам Рационального сочетания Рекламной информации Рекламное агентство вывоз мусора снос зданий
|
|
|
|
Навигация
