Cтраница 4
В районах распространения многолетнемерзлых грунтов применяются надземный, наземный и подземный способы укладки трубопроводов. Характерной особенностью многолетнемерзлых грунтов является высокая чувствительность их физико-механических свойств к тепловым воздействиям. Грунты при температуре ниже О С обладают весьма высокой прочностью и соответственно несущей способностью. Однако даже повышение температуры многолетнемерзлого грунта до О С приводит к таянию льда, содержащегося в грунте, нарушению цементационных связей между отдельными частицами грунта. Прочность грунта резко снижается, грунт разжижается и под воздействием собственного веса и внешних нагрузок дает большие просадки. Трубопровод, уложенный в такой грунт, и нефть, вышедшая из нефтепровода при авариях, оказывают на грунт механическое и тепловое воздействие, что приводит к снижению несущей способности грунта и высокому его водонасыщению. [46]
Конечно, нет, но здесь есть большие плюсы. Большой трейдер имеет все данные, чтобы делать хорошие сделки и деньги, чтобы пережить большую просадку. Я хочу, чтобы маленькие трейдеры стали лидерами, я знаю, что это возможно. Это должно когда-то начаться, и я думаю, что для многих из их это начнется с большой просадки. Никто не застрахован от рыночного риска. Чтобы управлять этим риском, мы должны торговать с дополнительными преимуществами. Мы торгуем по тренду и добавляем, но только правильно. Мы двумя способами защищаем свою позицию. Оба правила - и один и два - участвуют в игре. [47]
Другой подход состоит в том, чтобы использовать модель GARCH с распределением Стьюдента для шума с 4 степенями свободы, приспособленным к DJIA, чтобы непосредственно строить распределение просадок и сравнивать его с реальными данными. Из синтетического ценового временного ряда, сгенерированного моделью GARCH, распределение просадок построено согласно той же самой процедуре, как и в анализе реальных временных рядов. GARCH-ряда с шумовым распределением Стьюдента оказываются в пределах этих двух линий: таким образом, существует вероятность 1 %, что просадка в GARCH-ряде попадает выше верхней линии или ниже нижней линии. Заметьте, что распределение просадок из синтетической модели GARCH приблизительно экспоненциально или слегка субэкспоненциально для просадок величиной до, приблизительно, 10 % и хорошо соответствует эмпирическому распределению падений, показанному символом для DJIA. Однако, три самых больших просадки - явно выше верхней линии. Мы делаем вывод, что GARCH-зависимости не могут ( полностью) соответствовать зависимостям, наблюдаемым в реальных данных, в особенности, связанную с очень большими просадками. Это показывает, что одна из наиболее часто используемых эталонных моделей в финансах оказьшается не в состоянии соответствовать экспериментальным данным. [48]
Другой подход состоит в том, чтобы использовать модель GARCH с распределением Стьюдента для шума с 4 степенями свободы, приспособленным к DJIA, чтобы непосредственно строить распределение просадок и сравнивать его с реальными данными. Из синтетического ценового временного ряда, сгенерированного моделью GARCH, распределение просадок построено согласно той же самой процедуре, как и в анализе реальных временных рядов. GARCH-ряда с шумовым распределением Стьюдента оказываются в пределах этих двух линий: таким образом, существует вероятность 1 %, что просадка в GARCH-ряде попадает выше верхней линии или ниже нижней линии. Заметьте, что распределение просадок из синтетической модели GARCH приблизительно экспоненциально или слегка субэкспоненциально для просадок величиной до, приблизительно, 10 % и хорошо соответствует эмпирическому распределению падений, показанному символом для DJIA. Однако, три самых больших просадки - явно выше верхней линии. Мы делаем вывод, что GARCH-зависимости не могут ( полностью) соответствовать зависимостям, наблюдаемым в реальных данных, в особенности, связанную с очень большими просадками. Это показывает, что одна из наиболее часто используемых эталонных моделей в финансах оказывается не в состоянии соответствовать экспериментальным данным. [49]