如果你也在 怎样代写金融数学Financial Mathematics这个学科遇到相关的难题，请随时右上角联系我们的24/7代写客服。
金融数学是将数学方法应用于金融问题。(有时使用的同等名称是定量金融、金融工程、数学金融和计算金融）。它借鉴了概率、统计、随机过程和经济理论的工具。传统上，投资银行、商业银行、对冲基金、保险公司、公司财务部和监管机构将金融数学的方法应用于诸如衍生证券估值、投资组合结构、风险管理和情景模拟等问题。依赖商品的行业（如能源、制造业）也使用金融数学。 定量分析为金融市场和投资过程带来了效率和严谨性，在监管方面也变得越来越重要。
statistics-lab™ 为您的留学生涯保驾护航 在代写金融数学Financial Mathematics方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写金融数学Financial Mathematics代写方面经验极为丰富，各种代写金融数学Financial Mathematics相关的作业也就用不着说。
我们提供的金融数学Financial Mathematics及其相关学科的代写，服务范围广, 其中包括但不限于:
- Statistical Inference 统计推断
- Statistical Computing 统计计算
- Advanced Probability Theory 高等概率论
- Advanced Mathematical Statistics 高等数理统计学
- (Generalized) Linear Models 广义线性模型
- Statistical Machine Learning 统计机器学习
- Longitudinal Data Analysis 纵向数据分析
- Foundations of Data Science 数据科学基础
数学代考|金融数学代考Financial Mathematics代写|Constant expectation AIR
One may be interested to choose the AIR $\mathrm{a}{0}(\mathrm{~h})$ in such a way that the expected pension payments are constant with respect to $\mathrm{h}$, that is such that $\mathrm{E}{0}\left[\mathrm{~W}_{\mathrm{h}}(\mathrm{h})\right]=\mathrm{W} 0(0)$ (recall that the first pension payment $\mathrm{W} 0(0)$ is without investment risk).
Proposition 2.1. The AIR $A I R \bar{a}{0}(h \mid w)$ that leads to constant expected payments for variable annuities equals $$ \bar{a}{0}(h \mid w)=r+w \lambda \sigma .
$$
Proof. From (2.11), we find that $\mathrm{E}{0}\left[\mathrm{~W}{\mathrm{h}}(\mathrm{h})\right]=\mathrm{W}{0}(0)$ implies $\frac{W{0}(h)}{W_{0}(0)}=\exp (-h(r+w \lambda \sigma))$,
or (2.14), using (2.8).
This constant AIR leads to nominally constant expected pension payments. In case our financial market would exhibit interest rate risk (that is, a horizondependent risk-free term structure) and/or stock market predictability, we would need horizon-dependent AIRs to obtain expected constant pension payments. We will see that, even in the present financial market,also smoothing financial market returns leads to a horizon-dependent AIR if annuity payments are required to be constant in expectation.
数学代考|金融数学代考Financial Mathematics代写|Optimal AIR
For given preferences, we derive the optimal AIR that maximizes the expected utility from all the pension payments subject to the budget constraint of the total available pension wealth. The optimal withdrawal is determined by the optimal allocation strategy $a_{0}^{*}(h \mid w)$. The retiree has to determine how much of his wealth he allocates to each horizon for a given investment strategy w. Thus, a retiree who maximizes the expected utility subject to the budget constraint solves the following optimization problem:
Problem 2.1.
$\max {\left|W{0}(h)\right\rangle} \mathbb{E}{0}\left[\sum{h=0}^{H-1} \exp (-\beta h) u\left(W_{h}(h)\right)\right]$
(2.16)
s.t. $\quad W_{0}=\sum_{h=0}^{H-1} W_{0}(h)$,
(2.17)
where $\beta$ is the subjective discount rate that reflects time preferences, that is, impatience.
Proposition 2.2. The optimal AIR that solves Problem $2.1$ with utility function $(2.4)$ is
$$
a_{0}^{*}(h \mid w)= \begin{cases}r+\frac{1}{\gamma}(\beta-r)-\left(\frac{1}{\gamma}-1\right) w \sigma\left(\lambda-\frac{1}{2} \gamma w \sigma\right) & \text { if } \gamma>0, \gamma \neq 1 \ \beta & \text { if } \gamma=1\end{cases}
$$
Proof. Using Itô’s lemma and (2.10), we find
$$
\mathrm{d} W_{t}(h)^{1-\gamma}=\left(r+w \lambda \sigma-\frac{1}{2} \gamma w^{2} \sigma^{2}\right)(1-\gamma) W_{t}(h)^{1-\gamma} \mathrm{d} t+w \sigma(1-\gamma) W_{t}(h)^{1-\gamma} \mathrm{d} Z_{t} .
$$
This leads to the optimization problem
$$
\max {\left(W{0}(h)\right)} \sum_{h=0}^{H-1} \exp (-\beta h) \frac{W_{0}(h)^{1-\gamma}}{1-\gamma} \exp \left(\left(r+w \lambda \sigma-\frac{1}{2} \gamma w^{2} \sigma^{2}\right)(1-\gamma) h\right)
$$
s.t. $W_{0}=\sum_{h=0}^{H-1} W_{0}(h)$.
The Lagrangian is
$$
\begin{aligned}
\mathcal{L}\left(W_{0}(h)\right)=& \sum_{h=0}^{H-1} \exp (-\beta h) \frac{W_{0}(h)^{1-\gamma}}{1-\gamma} \exp \left(\left(r+w \lambda \sigma-\frac{1}{2} \gamma w^{2} \sigma^{2}\right)(1-\gamma) h\right) \
&-\kappa\left(\sum_{h=0}^{H-1} W_{0}(h)-W_{0}\right)
\end{aligned}
$$
数学代考|金融数学代考Financial Mathematics代写|SMOOTHING FINANCIAL RETURNS
If agents have habit-formation preferences, they may want to reduce yeartoyear volatility in the pension payments. Utility functions of this type capture individuals who receive utility from consumption relative to a habit. It rationalizes the demand for smooth consumption as shown by Abel (1990), Constantinides (1990), Fuhrer (2000), Carroll (2000), Crawford (2010) and Davidoff et al. (2005).
The traditional view to achieve smooth consumption, that is lower yearto-year volatility, is to “smooth” financial market returns. That is, in case portfolio returns are $-20 \%$, instead of reducing the pension payment immediately by $20 \%$, it is only reduced by a fraction, say, $20 \% / 5=4 \%$. This implies that pension payments later in the retirement phase need to be cut by more than $20 \%$ to fulfill the budget constraint. Smoothing thus leads to a smaller year-to-year volatility, but the long-term volatility is larger. We derive the conceptual implications of smoothing in the framework of the discrete pension buckets and show the change in the design via the AIR that generates constant expectations.
The reduced year-to-year volatility can be achieved as follows. Recall that the initial pension payment at time 0 is given by $W_{0}(0)$. In order to have limited risk in the pension payment $\mathrm{W} t(1)$, we do not invest it according to a stock exposure w, as in Section 2 , but with a stock exposure w0(1) = $\mathrm{w} / \mathrm{N}$, where $\mathrm{N}$ denotes the smoothing period, say, $\mathrm{N}=5$ years. Subsequently, the pension wealth $\mathrm{W}{0}(2)$ for the pension payment $\mathrm{W}{2}(2)$ is invested with exposure $\mathrm{w}{0}(2)=2 \mathrm{w} / \mathrm{N}$ the first year and $\mathrm{w}{1}(2)=\mathrm{w} / \mathrm{N}$ the second year. Different smoothing mechanisms can be chosen as long as the exposure is decreased. All results, that is, formulas, below hold for general wj-1(h), which is the stock exposure from year $\mathrm{j}-1$ to $\mathrm{j}$ for the pension wealth that generates the payment in year h. For illustration, we provide figures based on the exposures
$$
w_{j-1}(h)=w \min \left{1, \frac{1+h-j}{N}\right}, \quad j=1, \ldots, h,
$$
for given smoothing period $\mathrm{N}$ and long-term stock exposure $\mathrm{w}$. Figure 12 shows these stock exposure w
(h) as a function of $j$ for $h=17$.
金融数学代考
数学代考|金融数学代考Financial Mathematics代写|Constant expectation AIR
可能有兴趣选择 AIR一个0( H)以这样一种方式，即预期的养老金支付相对于H, 就是这样和0[ 在H(H)]=在0(0)（回想一下第一次养老金支付在0(0)无投资风险）。
命题 2.1。空气一个我R一个¯0(H∣在)这导致可变年金的预期支付不变
一个¯0(H∣在)=r+在λσ.
证明。从（2.11），我们发现和0[ 在H(H)]=在0(0)暗示在0(H)在0(0)=经验(−H(r+在λσ))，
或 (2.14)，使用 (2.8)。
这种恒定的 AIR 导致名义上恒定的预期养老金支付。如果我们的金融市场会表现出利率风险（即，依赖于地平线的无风险期限结构）和/或股票市场的可预测性，我们将需要依赖于地平线的 AIR 来获得预期的恒定养老金支付。我们将看到，即使在当前的金融市场中，如果要求年金支付在预期中保持不变，那么平滑金融市场回报也会导致 AIR 依赖于地平线。
数学代考|金融数学代考Financial Mathematics代写|Optimal AIR
对于给定的偏好，我们从所有受可用养老金财富的预算约束的养老金支付中推导出最佳 AIR 最大化预期效用。最优退出由最优分配策略决定一个0∗(H∣在). 退休人员必须确定他为给定的投资策略 w 分配给每个期限的财富的多少。因此，在预算约束下最大化预期效用的退休人员解决了以下优化问题：
问题 2.1。
最大限度|在0(H)⟩和0[∑H=0H−1经验(−bH)在(在H(H))]
(2.16)
英石在0=∑H=0H−1在0(H),
(2.17)
其中b是反映时间偏好即急躁的主观贴现率。
命题 2.2。解决问题的最佳 AIR2.1具有效用函数(2.4)是
一个0∗(H∣在)={r+1C(b−r)−(1C−1)在σ(λ−12C在σ) 如果 C>0,C≠1 b 如果 C=1
证明。使用 Itô 引理和 (2.10)，我们发现
d在吨(H)1−C=(r+在λσ−12C在2σ2)(1−C)在吨(H)1−Cd吨+在σ(1−C)在吨(H)1−Cd从吨.
这导致了优化问题
最大限度(在0(H))∑H=0H−1经验(−bH)在0(H)1−C1−C经验((r+在λσ−12C在2σ2)(1−C)H)
英石在0=∑H=0H−1在0(H).
拉格朗日是
大号(在0(H))=∑H=0H−1经验(−bH)在0(H)1−C1−C经验((r+在λσ−12C在2σ2)(1−C)H) −ķ(∑H=0H−1在0(H)−在0)
数学代考|金融数学代考Financial Mathematics代写|SMOOTHING FINANCIAL RETURNS
如果代理人有习惯形成偏好，他们可能希望减少养老金支付的逐年波动。这种类型的效用函数捕获从相对于习惯的消费中获得效用的个人。如 Abel (1990)、Constantinides (1990)、Fuhrer (2000)、Carroll (2000)、Crawford (2010) 和 Davidoff 等人所示，它使平滑消费的需求合理化。（2005 年）。
实现平稳消费的传统观点，即降低年度波动率，是为了“平稳”金融市场回报。也就是说，如果投资组合收益是−20%，而不是立即减少养老金支付20%, 它只减少了一小部分, 比如,20%/5=4%. 这意味着退休阶段后期的养老金支付需要削减超过20%来满足预算约束。因此，平滑导致逐年波动较小，但长期波动较大。我们在离散养老金桶的框架中推导出平滑的概念含义，并通过 AIR 展示设计中的变化，从而产生恒定的期望。
可以通过以下方式减少逐年波动。回想一下，在时间 0 的初始养老金支付由下式给出在0(0). 为了限制养老金支付的风险在吨(1)，我们不像第 2 节那样根据股票风险 w 进行投资，而是根据股票风险 w0(1) =在/ñ， 在哪里ñ表示平滑期，例如，ñ=5年。随后，养老金财富在0(2)为养老金支付在2(2)投资有风险在0(2)=2在/ñ第一年和在1(2)=在/ñ第二年。只要减少曝光，就可以选择不同的平滑机制。以下所有结果，即公式，适用于一般 wj-1(h)，即当年的股票敞口j−1至j对于在 h 年产生支付的养老金财富。为了说明，我们提供了基于曝光的数字
w_{j-1}(h)=w \min \left{1, \frac{1+hj}{N}\right}, \quad j=1, \ldots, h,w_{j-1}(h)=w \min \left{1, \frac{1+hj}{N}\right}, \quad j=1, \ldots, h,
对于给定的平滑周期ñ和长期股票敞口在. 图 12 显示了这些股票暴露 w
(h) 作为函数j为了H=17.
统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。
金融工程代写
金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题，以及设计新的和创新的金融产品。
非参数统计代写
非参数统计指的是一种统计方法，其中不假设数据来自于由少数参数决定的规定模型；这种模型的例子包括正态分布模型和线性回归模型。
广义线性模型代考
广义线性模型（GLM）归属统计学领域，是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。
术语 广义线性模型（GLM）通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归，以及方差分析和方差分析（仅含固定效应）。
有限元方法代写
有限元方法（FEM）是一种流行的方法，用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。
有限元是一种通用的数值方法，用于解决两个或三个空间变量的偏微分方程（即一些边界值问题）。为了解决一个问题，有限元将一个大系统细分为更小、更简单的部分，称为有限元。这是通过在空间维度上的特定空间离散化来实现的，它是通过构建对象的网格来实现的：用于求解的数值域，它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统，以模拟整个问题。然后，有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。
tatistics-lab作为专业的留学生服务机构，多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务，包括但不限于Essay代写，Assignment代写，Dissertation代写，Report代写，小组作业代写，Proposal代写，Paper代写，Presentation代写，计算机作业代写，论文修改和润色，网课代做，exam代考等等。写作范围涵盖高中，本科，研究生等海外留学全阶段，辐射金融，经济学，会计学，审计学，管理学等全球99%专业科目。写作团队既有专业英语母语作者，也有海外名校硕博留学生，每位写作老师都拥有过硬的语言能力，专业的学科背景和学术写作经验。我们承诺100%原创，100%专业，100%准时，100%满意。
随机分析代写
随机微积分是数学的一个分支，对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。
时间序列分析代写
随机过程，是依赖于参数的一组随机变量的全体，参数通常是时间。 随机变量是随机现象的数量表现，其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中，往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录，以得到其自身发展的规律。
回归分析代写
多元回归分析渐进（Multiple Regression Analysis Asymptotics）属于计量经济学领域，主要是一种数学上的统计分析方法，可以分析复杂情况下各影响因素的数学关系，在自然科学、社会和经济学等多个领域内应用广泛。
MATLAB代写
MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。