Professional Documents
Culture Documents
Eee 3
Eee 3
Wydział Matematyki
luty 2024
1 Wstęp
• Wybór danych
• Motywacja
2 Przygotowanie danych
3 Wprowadzenie do MBS i CPR
• Analiza CPR w zależności od kuponu
• Wnioski z analizy zależności CPR od innych danych
4 Analiza modelu ARMA dla przyrostów CPR
• Prognozy dla modelu ARMA(2, 2) dla szeregu czasowego CPR kuponu 1.5% z
rokiem emisji 2020
• Prognozy dla modelu ARMA(1, 1) dla szeregu czasowego CPR kuponu 5.5% z
rokiem emisji 2003
5 Wnioski
6 Bibliografia
2
Wybór danych
Dane, których użyłam do analizy pochodzą ze strony agencji rządowej Fannie Mae1
oraz Federal Reserve Economic Data2 . Analiza dotyczyła Stanów Zjednoczonych. W
pracy analizujemy rynek papierów wartościowych zabezpieczonych
wierzytelnościami hipotecznymi (ang. Mortgage Backed Securities, MBS), skupiając
się na warunkowej stopie przedterminowych spłat (ang. Conditional Prepayment
Rate, CPR) korzystając z danych pochodzących od agencji rządowej Fannie Mae z
okresu 10.2021 – 09.2023 dla Stanów Zjednoczonych. Przeprowadzamy analizę
zależności pomiędzy CPR a różnymi zmiennymi, takimi jak stopa bezrobocia, inflacja,
sprzedaż alkoholu oraz stopa procentowa. Używamy także modelu ARMA do
prognozowania CPR.
1
https://datadynamics.fanniemae.com/data-dynamics//report/26
2
https://fred.stlouisfed.org/
3
Motywacja
4
5
CPR (%) CPR (%) CPR (%)
0
5
10
15
20
0
20
40
60
80
100
0
20
40
60
80
100
Data
Data
Data
85K
85K
85K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
2021-10-01 2021-10-01
2022-01-01 2022-01-01
2022-04-01 2022-04-01
2022-07-01 2022-07-01
2022-10-01 2022-10-01
Data
Data
2023-01-01 2023-01-01
2023-07-01 2023-07-01
85K
85K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
2023-10-01 2023-10-01
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
275K
250K
225K
200K
175K
150K
125K
110K
20
15
10
5
2 3 4 5 6
Kupon
6
Analiza CPR w zależności od kuponu z podziałem na rodzaj kredytu
10
2 3 4 5 6
Kupon
7
Zbadanie korelacji oraz regresji
0.6
0.50
stopabezrobocia 0.16 1 -0.059 -0.6 -0.036 stopabezrobocia 0.6 1 -0.059 -0.6 -0.036
0.4
0.25
inflacja 0.25 -0.059 1 -0.62 -0.36 0.2 inflacja 0.41 -0.059 1 -0.62 -0.36
0.00
0.0
stopyprocent -0.31 -0.6 -0.62 1 0.51 stopyprocent -0.83 -0.6 -0.62 1 0.51 −0.25
−0.2
−0.50
−0.4
alkohol -0.13 -0.036 -0.36 0.51 1 alkohol -0.59 -0.036 -0.36 0.51 1
−0.75
−0.6
2020 stopabezrobocia inflacja stopyprocent alkohol 2006 stopabezrobocia inflacja stopyprocent alkohol
Figure: Mapa ciepła dla kuponu 1.5% z Figure: Mapa ciepła dla kuponu 6.5% z
rokiem emisji 2020 rokiem emisji 2006
8
Wnioski z analizy zależności CPR od innych danych
9
Prognozy dla modelu ARMA(2, 2) dla szeregu czasowego CPR
kuponu 1.5% z rokiem emisji 2020
0
Przyrost
−1
−2 Dane treningowe
Dane testowe
Predykcje
−3 95% przedział predykcji
2021-10 2022-01 2022-04 2022-07 2022-10 2023-01 2023-04 2023-07 2023-10
10
Data
Prognozy dla modelu ARMA(2, 2) dla szeregu czasowego CPR
kuponu 1.5% z rokiem emisji 2020
0
Przyrost
−2
−4 Dane treningowe
Dane testowe
Predykcje
95% przedział predykcji
−6
2021-10 2022-01 2022-04 2022-07 2022-10 2023-01 2023-04 2023-07 2023-10
12
Data
Prognozy dla modelu ARMA(1, 1) dla szeregu czasowego CPR kuponu
5.5% z rokiem emisji 2003
Daneśtreningoweś(rzeczywi te)
18 Daneśte toweś(rzeczywi te)
Prognozowaneśwartości
95%śprzedziałśpredykcji
16
14
Wartości
12
10
14
Bibliografia
[1] M. Dingari, D. M. Reddy, and V. Sumalatha, “Time Series Analysis For Long
Memory Process Of Air Traffic Using Arfima,” International Journal of Scientific
Technology Research, Paź 2019, Tom 8, Wydanie 10
[2] K. Burnecki, G. Sikora, "Identification and validation of stable ARFIMA processes
with application to UMTS data", Chaos, Solitons Fractals, 102, 456-466.
15
Dziękuję za uwagę!
16