how to open pdf file on button click in mvc : How to make a pdf file text searchable software SDK dll winforms wpf .net web forms Simulation%20with%20Financial%20Applications5-part1269

© 2010   Ben Van Vliet 
51
C. 
MODELING TIME SERIES DATA 
Here is an actual chart using real daily closing price data of Boeing stock (symbol BA) 
from 10-02-2008 to 10-02-2009. 
0
10
20
30
40
50
60
1
13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241
Price path of BA stock 
The histogram for the daily log returns for BA over the year also appears to be 
approximately normally distributed: 
Histogram
0
5
10
15
20
25
30
35
40
45
-0.1
-0.08
-0.06
-0.04
-0.02
0
0.02
0.04
0.06
0.08
0.1
Bin
Frequency
0.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
Distribution of BA log returns 
The mean log return is .00011 with a standard deviation .0335. 
How to make a pdf file text searchable - search text inside PDF file in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Learn how to search text in PDF document and obtain text content and location information
pdf text select tool; search pdf for text in multiple files
How to make a pdf file text searchable - VB.NET PDF Text Search Library: search text inside PDF file in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Learn How to Search Text in PDF Document and Obtain Text Content and Location Information in VB.NET application
select text in pdf file; pdf make text searchable
© 2010   Ben Van Vliet 
52
The goal now is to simulate price data without first creating ticks.  To simplify, we will 
just generate closing prices.  We can do this easily using the normal distribution. 
t
t z
t
t
s
Se
S
σ
μ
+
+
=
1
If t = 1, then we can generate a one period ahead random price as per: 
σ
μ
s
z
t
t
Se
S
+
+
=
1
Cell D2 contains the following Excel formula: 
EXCEL: 
= D1 * EXP( $B$1 + NORMSINV( RAND() ) * $B$2 ) 
Mean 
0.000005  
50
StDev 
0.0017  
50.01666
49.94792
49.94042
49.90814
The chart output for this appears as follows: 
48.5
49
49.5
50
50.5
51
51.5
52
1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241
Random price path 
C# PDF Convert to Text SDK: Convert PDF to txt files in C#.net
Thus, please make sure you have installed VS 2005 or above versions and .NET Framework Now you can convert source PDF document to text file using the
search text in pdf image; how to select text in pdf image
Online Convert PDF to Text file. Best free online PDF txt
We try to make it as easy as possible to convert your PDF NET solution for Visual C# developers to convert PDF document to editable & searchable text file.
how to select all text in pdf file; find text in pdf files
© 2010   Ben Van Vliet 
53
1. 
FAT TAILS 
The assumption in the previous model is that the standard deviation remains constant 
over the price path, which is almost certainly not representative of the real world.  Stocks 
typically exhibit periods of low volatility and periods of high volatility, usually for 
exogenous or fundamental reasons—market shocks, earnings reports, etc.  Fat tails are a 
property of financial data distributions relative to normal distributions which have thin 
tails.  In an attempt incorporate extreme events with greater probability than a normal 
distribution would imply, mixture models that mix distributions together have been 
developed.  As a simple example, the code below implements a jump process, where 1% 
of the time the width of the distribution generating the random returns increases from one 
standard deviation, or volatility, to another. 
Now, for simplicity, let’s set μ ≈ 0, so that: 
σ
s
z
t
t
S e
S
−1
=
VBA: 
Function Mixture_of_Normals( price As Double, vol1 As Double, _ 
vol2 As Double ) As Double 
Dim us As Double 
us = Rnd() 
If us < 0.99 Then 
Mixture_of_Normals = Random_Price(price, vol1) 
Else 
Mixture_of_Normals = Random_Price(price, vol2) 
End If 
End Function 
Function Random_Price( price As Double, vol As Double ) As Double 
Random_Price = price * Exp(mu + Application.NormSInv(Rnd()) * vol) 
End Function 
Mean 
 
50
StDev 1 
0.01  
49.50734
StDev 2 
0.10  
49.43878
49.7491
49.68668
In cell D2 and copied down is the following formula: 
EXCEL: 
= Mixture_Of_Normals( D1, $B$2, $B$3 ) 
This code produced the following sample price path: 
VB.NET Image: Robust OCR Recognition SDK for VB.NET, .NET Image
Images exported can be Png, Jpeg, Tiff, image-only PDF or Bmp. NET OCR SDK supports a wide range of image file formats, so you can make all desired changes
convert pdf to word searchable text; how to select text on pdf
VB.NET PDF Convert to Text SDK: Convert PDF to txt files in vb.net
API, users will be able to convert a PDF file or a page to text and easily save it as new txt file. Before you get started, please make sure that you have
cannot select text in pdf file; search pdf for text
© 2010   Ben Van Vliet 
54
0
10
20
30
40
50
60
1
60 119 178 237 296 355 414 473 532 591 650 709 768 827 886 945
Random price path with jumps 
A histogram of the log returns will show a normal-like distribution but with fatter tails. 
2. 
STOCHASTIC VOLATILITY MODELS 
Stochastic volatility models treat volatility as a random process, governed by state 
variables, and may include a serial correlation and a tendency to revert to a long-run 
mean value.  Stochastic volatility models are one way to resolve the shortcoming of many 
financial models that assume constant volatility over some time horizon, which is 
certainly a contradiction of widely observed phenomena.  Stochastic volatility models are 
used to value and manage risk associated with derivative instruments.   
a. 
ARCH(1) 
An autoregressive conditional heteroscedasticity (ARCH) model considers the variance 
of the current period return, (i.e. the error term) to be a function of the prior period 
squared errors.  We use it finance, to account for volatility clustering, i.e. periods of high 
volatility tending to be followed by periods of low volatility.  The ARCH(1) equation is: 
2
2
1
ˆ
t
t
r
γ α
σ
= +
+
b. 
GARCH(1,1) 
An generalized autoregressive conditional heteroscedasticity (GARCH) model considers 
the variance of the current period return, (i.e. the error term) to be a function of the prior 
period squared errors and the prior period estimated of variance.  We use it finance, to 
account for volatility clustering, i.e. periods of high volatility tending to be followed by 
periods of low volatility.  The GARCH(1,1) equation is: 
VB.NET Create PDF Library SDK to convert PDF from other file
Create multipage PDF from OpenOffice and CSV file. Creating a PDF document is a good way to share your ideas because you can make sure that the PDF file
how to select all text in pdf file; convert pdf to word searchable text
OCR Images in Web Image Viewer | Online Tutorials
Scan a document and convert it to a searchable PDF file; provides detailed information for recognizing text from scanned in Web Document Viewer, make sure that
can't select text in pdf file; convert pdf to searchable text
© 2010   Ben Van Vliet 
55
2
2
2
1
ˆ
ˆ
t
t
t
r
βσ
γ α
σ
+
= +
+
Here is an Excel implementation of the GARCH(1,1) formula: 
gamma 
0.0001
Price 
Return 
GARCH 
Vol 
alpha 
0.4
50  
beta 
0.6
51
0.0198
0.01
0.1 
53.44
0.0467
0.0062
0.0788 
53.97
0.0098
0.0044
0.0669 
50.57
-0.0651
0.0028
0.0531 
Where, cells C2 and C32 contain initial prices, cell D3 (and copied down) contains the 
formula = LN( C3 / C2 ), cell E3 is an initial value for the GARCH forecast and column 
F is the square root of column E.  The GARCH equation in E4 and copied down is: 
EXCEL: 
= $B$1 + $B$2 * D3 ^ 2 + $B$3 * E3 
The following chart, of the data in column F, shows the kind of volatility clustering 
commonly observed in markets. 
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97
Volatility Clustering 
VB.NET Image: Start with RasterEdge .NET Imaging SDK in Visual
this dll, users are capable of recognizing text from scanned or existing PDF documents and creating searchable PDF-OCR in in VB.NET, Open or Create a File in VB
how to search a pdf document for text; text select tool pdf
© 2010   Ben Van Vliet 
56
VII.  MODELING OPTIONS
Before we begin to discuss option pricing, lets quickly review an important 
relationship—put-call parity.  Put-call parity states that the value of a call at a given strike 
implies a certain value for the corresponding put.  If there is divergence from parity, then 
an arbitrage opportunity would exist and trading could take risk-free profits until the 
divergence from parity is eliminated.   
Put-call parity states that the price of the stock, the price of a call at a given strike 
and expiration, and the price of a put with that same strike and expiration, are all 
interrelated and simultaneously solved according to: 
0
P S
Xe
C
rt
= +
+
Where, C is the call price, P the put price, X the strike, S the stock price, r the interest 
rate and t the time till expiration. 
A. 
THE SIMULATION WAY 
Recall that the t time ahead price can be simulated in the following way: 
t
t z
t
s
Se
S
σ
μ
+
=
0
Also, the call option payoff at time t can be expressed as: 
,0)
max(
X
S
C
t
=
Where X is the strike price of the option.  Using VBA we generate many simulations of 
the stock price to generate many call option payoffs. 
VBA: 
Function Sim_Eur_Call( S As Double, X As Double, rf As Double, _ 
t As Double, sigma As Double, sims As Double ) _ 
As Double 
rf = (rf - 0.5 * sigma ^ 2) * t 
sum_payoffs = 0# 
For n = 1 To sims 
ST = s * Exp(rf + Application.NormSInv(Rnd) * sigma * Sqr(t)) 
sum_payoffs = sum_payoffs + Max(ST - X, 0#) 
Next n 
Sim_Eur_Call = Exp(-rf * t) * (sum_payoffs / sims) 
End Function 
© 2010   Ben Van Vliet 
57
B. 
THE COX-ROSS-RUBENSTEIN or BINOMIAL WAY 
VBA: 
Function Bin_Am_Call( S As Double, X As Double, rf As Double, _ 
t As Double, sigma As Double, n As Double ) _ 
As Double 
dt = t / n 
u = Exp(sigma * Sqr(dt)) 
d = Exp(-sigma * Sqr(dt)) 
r = Exp(rf * dt) 
qu = (r - d) / (r * (u - d)) 
qd = 1 / r - qu 
Dim OptionValuesEnd() As Double 
ReDim OptionValuesEnd(n) 
For i = 0 To n 
OptionValuesEnd(i) = Max(s * u ^ i * d ^ (n - i) - X, 0) 
Next i 
For i = n - 1 To 0 Step -1 
ReDim OptionValuesPrior(i - 1) As Double 
For j = 0 To i 
OptionValuesMiddle(j) = Max(s * u ^ j * _ 
d ^ (i - j) - X, _ 
qd * OptionValuesEnd(j) + _ 
qu * OptionValuesEnd(j + 1)) 
Next j 
ReDim OptionValuesEnd(i - 1) 
For j = 0 To i 
OptionValuesEnd(j) = OptionValuesMiddle(j) 
Next j 
Next i 
Bin_Am_Call = OptionValuesMiddle(0) 
End Function 
© 2010   Ben Van Vliet 
58
C. 
THE BLACK-SCHOLES WAY 
The simulation and binomial methods for pricing options both approach the normal 
distribution.  The Black Scholes formula assumes a normal distribution of returns. 
VBA: 
Public Function BS_Eur_Call( S As Double, X As Double, rf As Double, _ 
t As Double, sigma As Double ) As Double 
Dim d1 As Double 
Dim d2 As Double 
d1 = (Log(S / X) + (rf + sigma ^ 2 / 2) * t) / (sigma * Sqr(t)) 
d2 = d1 - sigma * Sqr(t) 
BS_Eur_Call = S * SNormCDF(d1) - X * Exp(-rf * t) * SNormCDF(d2) 
End Function 
© 2010   Ben Van Vliet 
59
PROJECT I
1. 
Create a VBA function that generates random numbers from a triangular 
distribution.  In Excel, generate 1000 random numbers using this function and show the 
distribution of outcomes in a histogram. 
2.
Create a VBA function that generates random integers greater than 0 using an 
exponential distribution. 
3. 
Here is a probability density:   
5
0
( ) ) .0064
3
≤ ≤
=
x
x
f x
Create a VBA function that generates random numbers from this distribution using the 
inverse transform method.  Also, create a VBA function that generates random numbers 
from a to b, a truncation (or sub-range) of the density. 
© 2010   Ben Van Vliet 
60
PROJECT II 
1.
Generate 100 x
1
’s and x
2
’s using a bivariate normal distribution (BVN) and VBA. 
2.
Generate 100 x’s using empirical data in bins: 100, 500, 1000, 5000, 10000.  The 
probabilities are .2, .3, .1, .2, and .2 respectively.  Use linear interpolation in VBA to 
calculate values of the x’s from within these bins. 
3.
Generate 100 x
1
’s to x
n
’s using a multivariate normal distribution (MVN).   
Documents you may be interested
Documents you may be interested