Excel LAMBDA, колдонуучуларга VBA же JavaScript жазбастан Excel'дин өзүнүн формула тилинин ичинде атайын функцияларды аныктоого мүмкүндүк берген функция; MAKEARRAY болсо LAMBDA тарабынан аныкталган эрежелер боюнча саптардан жана мамычалардан турган динамикалык массивдерди түзүү үчүн колдонулган толуктоочу функция. Tom Arnold жана Timothy Falcon Crack жүргүзгөн изилдөө бул эки түзүмдү бирге колдонуу менен циклге окшош эсептөөлөрдү, рекурсивдүү операцияларды жана финансылык математикадагы жогорку даражалуу эсептөөлөрдү түздөн-түз жумуш барагында курууга болорун көрсөтөт. Авторлордун негизги сунушу — ачык формулалар менен иштеген бул колдонуучу аныктаган Excel функциялары айрым жасалма интеллект жыйынтыктарын текшерүүдө көз карандысыз эсептөө каналы боло алат жана так аныкталган айрым талдоолордо AI колдонуунун ордун да басышы мүмкүн. Бирок изилдөө Excel менен жасалма интеллектти көзөмөлдөнгөн тактык же ылдамдык экспериментинде салыштырбайт; ошондуктан “Excel жалпысынан AI'дан такыраак же ылдамыраак” деген жыйынтык чыгарууга болбойт.

Изилдөө жөнөкөй LAMBDA жана MAKEARRAY мисалдарынан башталып, андан ары техникалык мүнөздөгү туруктуу кирешелүү баалуу кагаз колдонмосуна өтөт. Колдонмонун өзөгүндө кирешелүүлүк—төлөөгө чейинки кирешелүүлүк ченинин өзгөрүшү облигациянын баасына алып келе турган өзгөрүүнү Taylor катарынын жардамы менен болжолдуу эсептөө турат. Бул үчүн BondPartial аттуу колдонуучу аныктаган функция облигациянын баасынын YTM боюнча керектүү даражадагы туундусун, BondTaylor болсо бул туундуларды Taylor катарынын мүчөлөрү катары бириктирип, баанын өзгөрүшүн эсептейт.

Мөөнөтү 20 жыл, номиналдык наркы 1.000 АКШ доллары, жылдык купону %8, жылына эки жолу купон төлөнүүчү жана баштапкы YTM'и %7 болгон мисалда Taylor жакындашуусу үчүн зарыл болгон мүчөлөрдүн саны пайыздык кыймылдын чоңдугу менен өсөт. Булак үч ондук орун деңгээлинде тактык мындан ары өзгөрбөй калуу критерийи боюнча YTM 1 базистик пунктка өскөндө 3 мүчө, 10 базистик пунктта 4 мүчө, 100 базистик пунктта 6 мүчө жана 1.000 базистик пунктта 13 мүчө керек экенин билдирет. Бул натыйжа duration жана convexity сыяктуу төмөн даражалуу жакындашуулар кичине пайыздык өзгөрүүлөрдө күчтүү болгону менен, өтө чоң пайыздык кыймылдарда жогорку даражалуу мүчөлөр бара-бара маанилүүрөөк боло аларын айкын көрсөтөт.

Изилдөөнүн негизги көйгөйү

Генеративдүү жасалма интеллект бир нече секундда формула, код жана сандык талдоо түзө алат. Бирок ылдамдык алынган жыйынтыктын тууралыгын автоматтык түрдө кепилдебейт. Финансылык жыйынтык, баалоо, тобокелдик өлчөмү же математикалык эсеп жасалма интеллект тарабынан чыгарылганда, колдонуучу баары бир жыйынтыкты текшерүүгө тийиш. Эгер текшерүү процесси талдоону нөлдөн баштап кайра жасагандай эле көп убакыт алса, жасалма интеллект берген убакыт артыкчылыгы азайышы мүмкүн.

Arnold менен Crack караган маселе дал ушул текшерүүнүн наркы. Изилдөө Excel'деги жаңы функционалдык программалоо куралдары ошол эле эсептөөнү көрүнүктүү, текшериле турган жана кайра колдонулуучу формула түзүмүнө айландыра аларын негиздейт. Ошентип, Excel жөн гана электрондук таблица болбой калат; кичинекей, колдонуучу аныктаган эсептөө функциялары иштеген чөйрөгө айланат.

Excel LAMBDA деген эмне жана эмне үчүн маанилүү?

Excel LAMBDA — колдонуучу атаган өзгөрмөлөрдү жана ошол өзгөрмөлөрдөн түзүлгөн эсептөө туюнтмасын бир Excel функциясы катары аныктоого мүмкүндүк берген формула түзүмү. Изилдөөнүн контекстинде LAMBDA'нын мааниси — ошол эле логиканы VBA макросун жазбастан формула тилинин ичинде топтоп, зарыл болгондо Name Manager аркылуу атап, башка эсептөөлөрдө кайра колдонууга мүмкүн болушунда.

Камтылган функция менен колдонуучу аныктаган функциянын айырмасы

Excel'дин SUM, AVERAGE же MAX сыяктуу камтылган функцияларында функциянын аталышы жана жүрүм-туруму программа тарабынан алдын ала аныкталат. LAMBDA ыкмасында болсо кириш өзгөрмөлөрүн жана аларга колдонулуучу операцияны колдонуучу өзү аныктайт.

Алгачкы колдонууда функция анонимдүү болушу мүмкүн. Анонимдүү LAMBDA өзү жазылган формулада гана колдонулган жергиликтүү функция сыяктуу иштейт. Эгер ошол эле эсептөө туруктуу колдонулса, функцияны Excel Name Manager аркылуу ат менен сактоого болот. Мындай ат коюу колдонуу ыңгайлуулугун гана камсыз кылбастан, рекурсивдүү, башкача айтканда өзүн өзү чакырган функцияларды куруу үчүн да маанилүү.

Рекурсия жана цикл логикасы

Изилдөө LAMBDA жана массив функциялары мурда көп учурда VBA'дагы FOR же WHILE циклдери менен аткарылган айрым эсептөөлөрдү түздөн-түз Excel формулаларына алып келе аларын көрсөтөт. MAKEARRAY аркылуу белгилүү сандагы саптарга жана мамычаларга функция колдонулуп, SUM сыяктуу башка функциялар менен ошол массивдин суммасын же башка операцияларды эсептөөгө болот.

Татаалыраак учурда функция өзүн кайра чакыра алат. Мындай рекурсия үчүн функциянын аты болушу керек, анткени функциянын ичиндеги кийинки чакыруу кайсы функция кайра иштетилерин так көрсөтүшү керек. Изилдөө бул түзүмдү белгилүү бир шарт аткарылганга чейин операцияны кайталаган жөнөкөй мисал менен түшүндүрөт.

Функцияларды жумуш китептеринин ортосунда көчүрүү

Булакта баса белгиленген практикалык өзгөчөлүктөрдүн бири — Name Manager менен аныкталган колдонуучу функцияларын уячалар аркылуу башка жумуш китебине көчүрүүгө болору. Авторлор мындайча көчүрүлгөн уяча колдонгон аталган функциялар жана аларга көз каранды башка колдонуучу функциялары жаңы жумуш китебинин Name Manager түзүмүнө өткөрүлө аларын белгилешет.

Бул өзгөчөлүк эсептөө логикасын белгилүү бир компьютердеги VBA модулуна гана байлоонун ордуна, жумуш китеби менен кошо көчүрүлө турган формулага негизделген чакан куралдарга айландыруу идеясынын өзөгүн түзөт.

MAKEARRAY Excel'де эмне кылат?

MAKEARRAY — колдонуучу белгилеген сап жана мамыча саны бар массивдин ар бир элементин LAMBDA функциясы менен эсептеген Excel функциясы. Изилдөөдө MAKEARRAY жумуш барагында көрүнгөн акча агымы массивдерин түзүү үчүн да, кийин SUM сыяктуу функцияларга берилчү убактылуу математикалык массивдерди түзүү үчүн да колдонулат.

Жалпы иштөө логикасы

MAKEARRAY түзүмүндө колдонуучу адегенде массивдин сап жана мамыча өлчөмүн аныктайт. Ички LAMBDA функциясы андан кийин ар бир уячанын сап жана мамыча координаттарын алып, ошол орунда кайсы маани түзүлөрүн аныктайт.

Бул ыкманын финансылык талдоо үчүн маанилүү жагы — “бир эсептөөнү N жолу кайтала жана ар бир кайталоонун жыйынтыгын кош” деген сыяктуу программалоо логикасын түздөн-түз Excel'дин формула тилине өткөрүүгө болору. Taylor катары колдонулганда да негизги ыкма ушул: ар бир даража үчүн бир туунду мүчө түзүлүп, мүчөлөр бир жыйынтыкка кошулат.

LAMBDA + MAKEARRAY эмне үчүн текшериле турган түзүм түзөт?

Excel жумуш барагындагы формулалар модель кайсы киришти кайсы математикалык өзгөртүүдөн өткөрүп жыйынтыкка жеткенин түздөн-түз көрсөтөт. Бул өзгөчөлүк кара куту мүнөзүндө түзүлүшү мүмкүн болгон жасалма интеллект жообун экинчи жана көз карандысыз эсептөө каналы менен текшерүү үчүн пайдалуу болушу мүмкүн.

Ошол эле учурда “ачык формула” автоматтык түрдө “туура формула” дегенди билдирбейт. Эгер колдонуучу LAMBDA ичинде туура эмес математикалык байланышты аныктаса, Excel ошол туура эмес байланышты өтө тез жана ырааттуу эсептейт. Демек, изилдөөнүн текшерүү идеясы формулалар туура түзүлгөн жана көз карандысыз каралып чыккан деген божомолго таянат.

Жасалма интеллект менен атаандашуу же толуктоо?

Изилдөөнүн аталышындагы “AI жоопторун текшерүү же толугу менен ордун басуу” деген сөз айкашы кеңири эксперименттик жыйынтык эмес, ыкманын колдонуу мүмкүнчүлүгүн сүрөттөгөн тезис. Булак ар кандай жасалма интеллект моделдеринин ката көрсөткүчтөрүн, эсептөө убактысын, наркын же Excel менен салыштырмалуу тактыгын өлчөбөйт.

Ошондуктан изилдөөнүн эң коопсуз чечмелөөсү — LAMBDA негизиндеги Excel функциялары детерминисттик жана так аныкталган эсептөө тапшырмаларында көз карандысыз текшерүү куралы же түздөн-түз эсептөө кыймылдаткычы боло алат. Авторлордун жыйынтык бөлүмүндөгү мамилеси да Excel AI менен атаандаша да, AI жыйынтыктарын текшерүү үчүн платформа да бере алат деген багытта.

Туруктуу кирешелүү баалуу кагаз колдонмосуна өтүү

Изилдөөнүн техникалык борбору — облигация баасынын сезимталдыгы. Облигациянын баасы менен төлөөгө чейинки кирешелүүлүктүн ортосундагы байланыш сызыктуу эмес. Modified duration кичине пайыздык кыймылдарда биринчи даражадагы баа таасирин болжолдуу берет. Convexity экинчи даражадагы ийриликти эске алат. Пайыздык өзгөрүүнүн чоңдугу өскөн сайын жогорку даражадагы туундулар да баа кыймылын түшүндүрүүдө маанилүү боло башташы мүмкүн.

Ошондуктан булак Crack мурда иштеп чыккан жогорку даражалуу облигация баасынын туундуларын Excel LAMBDA жана MAKEARRAY түзүмүнө өткөрүп, Taylor катарынын канча мүчөсү колдонуларын колдонуучу тандай турган кылат.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Taylor катары менен облигация баасынын өзгөрүшүн болжолдуу эсептөө

Облигациянын баасы \(P(Y)\), төлөөгө чейинки кирешелүүлүк чени \(Y\)нин функциясы катары каралат. YTM'деги \(\Delta Y\) өлчөмүндөгү өзгөрүүнүн баага таасири \(K\) мүчөлүү Taylor жакындашуусу менен төмөнкүдөй берилет:

\[ \Delta P(Y) \approx \sum_{k=1}^{K} \frac{\partial^{k}P(Y)}{\partial Y^{k}} \frac{(\Delta Y)^k}{k!} \]

Бул теңдеме баа деңгээлинин өзүн эмес, баштапкы YTM'ден жаңы YTM'ге өткөндө пайда болгон баанын өзгөрүшүн болжолдуу эсептейт. \(K\) — колдонулган Taylor мүчөлөрүнүн саны. \(k=1\) биринчи туундуну гана, \(k=2\) биринчи жана экинчи туундуларды, ал эми жогору маанилер улам жогорку даражадагы пайыздык сезимталдыктарды эске алат.

Taylor Катарында Көбүрөөк Мүчө Колдонуу Эмне Үчүн Маанилүү?

YTM өзгөрүүсү чоңойгон сайын облигациянын баа-кирешелүүлүк ийри сызыгынын сызыктуу эмес түзүлүшү даана көрүнөт жана биринчи же экинчи даражадагы жакындашуу жетишсиз болуп калышы мүмкүн. Булактын мисалында 1 базистик пункттук өзгөрүү үч мүчө менен үч ондук орунда туруктуу болуп калса, 1.000 базистик пункттук өтө чоң өзгөрүүдө ошол эле жакындашуу критерийине жетүү үчүн 13 мүчө талап кылынат.

D-даражадагы облигация баасынын туундусу

Булак Crack'тин мурунку ишине негизделген D-даражадагы облигация баасынын туундусун Excel'ге өткөрөт. Жылдык купон чени \(C\), төлөөгө чейинки кирешелүүлүк чени \(Y\), номиналдык нарк \(PAR\), жыл менен берилген мөөнөт \(N\), жыл ичиндеги купон төлөмдөрүнүн саны \(m\) жана туунду даражасы \(D\) болсо, математикалык түзүм төмөнкүдөй:

\[ \frac{\partial^D P(Y)}{\partial Y^D} = \left[ \frac{-1} {m\left(1+\frac{Y}{m}\right)} \right]^D \left\{ \sum_{r=1}^{mN} \frac{(r+D-1)!}{(r-1)!} \frac{\frac{C}{m}PAR} {\left(1+\frac{Y}{m}\right)^r} + \frac{(mN+D-1)!}{(mN-1)!} \frac{PAR} {\left(1+\frac{Y}{m}\right)^{mN}} \right\} \]

Формула купондук акча агымдарынын жана мөөнөт аягында төлөнүүчү номиналдык нарктын YTM'ге карата D-даражадагы баа сезимталдыгын бирге эсептейт. \(r\) купон мезгилин, \(mN\) жалпы купон мезгилдеринин санын билдирет. D өскөн сайын факториалдык мүчөлөр өсүп, чийки туунду маанилери абдан чоң сандарга жетиши мүмкүн.

Duration, convexity жана андан жогорку даражалар

Булак колдонгон нормалдаштырылган туунду аныктамалары төмөнкүдөй:

\[ D^{*} = -\frac{\partial P(Y)/\partial Y}{P(Y)} \]

\[ \mathcal{C} = \frac{\partial^2P(Y)/\partial Y^2}{P(Y)} \]

\[ V = -\frac{\partial^3P(Y)/\partial Y^3}{P(Y)} \]

\[ Q = \frac{\partial^4P(Y)/\partial Y^4}{P(Y)} \]

Бул жерде \(D^{*}\) modified duration, \(\mathcal{C}\) convexity, \(V\) үчүнчү даражадагы сезимталдык үчүн velocity же tilt, ал эми \(Q\) төртүнчү даражадагы сезимталдык үчүн quatrain деп аталат. Булак мындан жогорку даражалар бул изилдөөдө атайын аттар менен аталбаганын белгилейт.

BondPartial функциясы

BondPartial — булак изилдөөдө D-даражадагы облигация баасынын туундусун Excel ичинде эсептеген колдонуучу аныктаган функциянын аталышы. Функциянын логикалык кириштери төмөнкүлөр:

Функция MAKEARRAY колдонуп ар бир купон мезгили үчүн туунду мүчөнү түзүп, бул массивди SUM менен кошот. Мөөнөт аягындагы номиналдык нарк компоненти өзүнчө да эске алынат. Ошентип, ошол эле функция \(D=0\) болгондо облигациянын баасын, \(D=1\) болгондо биринчи туундуну, ал эми D'нин жогору маанилеринде жогорку даражадагы туундуларды алуу үчүн колдонулушу мүмкүн.

BondTaylor функциясы

BondTaylor BondPartial функциясын кайра-кайра чакырып, Taylor катарынын алгачкы \(K\) мүчөсүн кошот. Ошентип, колдонуучу бардык туундуларды өз-өзүнчө эсептебей, керектүү Taylor даражасын белгилеп, баа өзгөрүүсүнүн жакындашуусун бир функциядан алат.

Бул түзүм Excel'деги MAKEARRAY механизминин илимий ролун ачык көрсөтөт: ар бир Taylor даражасы үчүн бир мүчө түзүлүп, мүчө тиешелүү \((\Delta Y)^k/k!\) салмагы менен көбөйтүлөт жана бардык мүчөлөр кошулат.

Изилденген облигация

Бул облигация үчүн BondPartial функциясы \(D=0\) менен \(D=7\) ортосундагы туунду даражаларында колдонулган. Булакта \(D=0\) үчүн облигациянын баасы 1.106,78 АКШ доллары.

Нормалдаштырылган жогорку даражалуу сезимталдыктар

Жогорку даражаларда чийки туундулардын чоңдугу өтө тез өсөт. Бирок Taylor катарында бул туундулар ошол эле учурда улам жогорку \((\Delta Y)^k\) даражалары жана \(k!\) факториалы менен масштабдалгандыктан, чоң туунду маанилери түздөн-түз чоң баа каталарын билдирбейт.

YTM өзгөрүүсү чоңойгон сайын жакындашуу

Булактын “туруктуу тактык” критерийи — кабарланган пайыздык тактык үч ондук орунда мындан ары өзгөрбөй калышы. Ошондуктан таблицада берилген мүчөлөрдүн саны “математикалык жактан чексиз катардын толук жакындашуу даражасы” эмес; алар изилдөө колдонгон практикалык тегеректөө жана тактык критерийине ылайык аныкталган маанилер.

Кичине пайыздык өзгөрүүдө төмөн даражалуу мүчөлөрдүн ийгилиги

YTM 1 базистик пунктка өскөндө биринчи даражадагы жакындашуу гана болжол менен -1,150567 АКШ доллары баа өзгөрүүсүн берет жана булак муну %100,076 тактык деп кабарлайт. Экинчи жана үчүнчү мүчөлөр кошулганда жыйынтык -1,14969 АКШ долларынын чамасында турукталат. Мындай чоңдуктагы пайыздык кыймылда биринчи даражадагы duration таасири эле жыйынтыкка кыйла жакын.

10 базистик пункттук өзгөрүү

10 базистик пунктка өсүүдө биринчи даражадагы жакындашуу гана -11,505666 АКШ долларын түзөт жана булакта %100,764 тактык деңгээлинде берилет. Экинчи жана үчүнчү даражалар кошулган сайын жакындашуу болжол менен -11,41844 АКШ долларына жакындайт; булак төрт мүчө колдонулганда үч ондук орун деңгээлинде туруктуу тактык алынганын билдирет.

100 базистик пункттук өзгөрүү

YTM 100 базистик пунктка өскөндө биринчи даражадагы жакындашуу -115,056660 АКШ доллары болуп, булак муну %107,756 деп кабарлайт. Экинчи даражада жыйынтык -106,282815 АКШ долларына, үчүнчү даражада -106,799025 АКШ долларына келет. Алтынчы мүчөгө жеткенде эсеп болжол менен -106,775361 АКШ долларында турукталат.

1.000 базистик пункттук өзгөрүү эмне үчүн өзгөчө үйрөтүүчү?

1.000 базистик пункт, башкача айтканда жылдык YTM'деги 0,10 өсүш, кичине-өзгөрүү жакындашуусунун чектерин даана көрсөтөт. Биринчи даражадагы баалоо -1.150,566599 АКШ доллары болуп, булакта %186,802 тактык катары көрсөтүлгөн. Экинчи даража кошулганда баалоо -273,182109 АКШ долларына, үчүнчү даражада -789,392374 АКШ долларына, төртүнчү даражада -543,203748 АКШ долларына жылат.

Катардын кийинки мүчөлөрү үстүнөн жана астынан жакындап термелет: бешинчи даражада -642,066296, алтынчы даражада -607,672199 жана жетинчи даражада -618,264735 АКШ доллары алынат. Булактын таблицасында 13-мүчөдө болжол менен -615,929003 АКШ доллары жана %100,000 кабарланат.

Бул мисал duration жана convexity пайдасыз экенин эмес, төмөн даражадагы жергиликтүү жакындашуулар чоң пайыздык кыймылдарда табигый түрдө чектелүү болуп калышы мүмкүн экенин көрсөтөт. Жогорку даражалуу Taylor жакындашуусу ошол эле баа-кирешелүүлүк функциясынын көбүрөөк ийрилик маалыматын эске алат.

Оң жана терс YTM өзгөрүүлөрү бирдей түрдө жакындашабы?

Булакта сандык таблицалар оң \(\Delta Y\) мисалдары үчүн берилген. Авторлор оң YTM өзгөрүүлөрүндө мүчөлөрдүн саны көбөйгөн сайын баалоо чыныгы баа өзгөрүүсүнүн бирде үстүнө, бирде астына өтүп, термелме түрдө жакындай турганын белгилешет.

Терс YTM өзгөрүүлөрү үчүн изилдөө өзүнүн жаңы таблицасын бербейт; Crack'тин 2025-жылдагы мурунку эмгегине таянып, мындай учурда жакындашуу баа өзгөрүүсүн дайыма төмөн бааларын, бирок кошумча мүчөлөр менен тактык өсөрүн айтат. Ошондуктан терс-YTM жүрүм-туруму бул макаланын жаңы сандык эксперимент жыйынтыгы катары эмес, таянган мурунку изилдөөдөн алынган методологиялык маалымат катары бааланууга тийиш.

Excel кодунун илимий ролу

Булактын негизги программалык салымы өтө чоң программа эмес. Негизги идея жогорку даражадагы финансылык математиканы бир нече компонент аркылуу уюштуруу:

1. Облигациянын акча агымын жана пайыздык түзүмүн аныктоо.
2. D-даражадагы туунду эсептөөнү бир BondPartial функциясына топтоо.
3. MAKEARRAY менен \(k=1,\ldots,K\) мүчөлөрүн түзүү.
4. Ар бир туундуну \((\Delta Y)^k/k!\) менен масштабдоо.
5. Мүчөлөрдү SUM менен кошуп, BondTaylor жыйынтыгын түзүү.
6. DEGREE параметри менен колдонулган Taylor мүчөлөрүнүн санын аныктоо.

Бул түзүм MATLAB'да векторлоштуруу же салттуу программалоо тилиндеги FOR цикли менен аткарылуучу операцияны Excel'дин формула кыймылдаткычынын ичинде курууга болорун көрсөтөт.

AI жыйынтыгын текшерүү жагынан бул эмнени билдирет?

Жасалма интеллект системасынан ошол эле облигациянын duration, convexity же жогорку даражадагы баа өзгөрүүсүн эсептөө суралганда, колдонуучуда эки башка маалымат булагы болушу мүмкүн: AI чыгарган жыйынтык жана алдын ала текшерилген Excel LAMBDA функциясы эсептеген жыйынтык.

Жыйынтыктар дал келсе, бул өзүнчө эле экөө тең сөзсүз туура экенин далилдебейт; бирок көз карандысыз эсептөө жолдорунун ортосунда шайкештик түзөт. Жыйынтыктар айырмаланса, колдонуучу кириш маалыматтарын, YTM бирдиктерин, купон жыштыгын, белги конвенциясын жана Taylor даражасы сыяктуу факторлорду кайра карай алат.

Изилдөөнүн “текшерүү платформасы” идеясынын практикалык баалуулугу ушунда: жасалма интеллекттин жыйынтыгын түз кабыл албастан, ачык математикалык логикасы бар детерминисттик эсеп менен салыштырууга болот.

Изилдөө колдогон жыйынтыктар

• Excel LAMBDA аркылуу VBA жазбастан атайын колдонуучу функцияларын түзүүгө болот.
• MAKEARRAY аркылуу LAMBDA негизиндеги массивдик жана кайталанма эсептөөлөрдү түзүүгө болот.
• Аталган LAMBDA функциялары бири-бирин чакырып, рекурсивдүү эсептөөлөрдө колдонулушу мүмкүн.
• Изилдөөдөгү Excel ыкмасы жогорку даражадагы облигация баасынын туундуларын жана Taylor суммасын компакттуу формула архитектурасынын ичинде ишке ашыра алат.
• Изилденген облигация мисалында YTM өзгөрүүсү чоңойгон сайын жогорку тактык үчүн керектүү Taylor мүчөлөрүнүн саны көбөйөт.
• Ачык жана детерминисттик Excel эсептөөлөрү айрым AI жыйынтыктарын текшерүү үчүн экинчи эсептөө жолун бере алат.

Изилдөө колдобогон жыйынтыктар

• Excel жалпысынан жасалма интеллекттен такыраак экени далилденген эмес.
• Excel менен белгилүү AI моделдеринин ылдамдыгын, наркын же ката көрсөткүчтөрүн салыштырган көзөмөлдөнгөн benchmark жүргүзүлгөн эмес.
• LAMBDA бардык VBA, JavaScript, Python же MATLAB колдонууну алмаштырат деген жыйынтык көрсөтүлгөн эмес.
• Изилдөөнүн облигация мисалы финансылык талдоонун бардык түрүндө бирдей натыйжалуулукту кепилдебейт.
• Жогорку даражадагы Taylor жакындашуусу ар бир пайыздык кыймыл же ар бир туруктуу кирешелүү инструмент үчүн автоматтык түрдө жетиштүү деп кабыл алынбашы керек.
• LAMBDA функциясынын ачык болушу анын математикалык жактан туура аныкталганын өз алдынча кепилдебейт.

Изилдөөнүн күчтүү жагы жана чектөөсү

Изилдөөнүн күчтүү жагы — абстракттуу “AI текшерилиши керек” деген сунушту түздөн-түз эсептөө архитектурасы менен байланыштырышы. Колдонуучу формуланын кириштерин, туунду даражасын, Taylor мүчөлөрүн жана акыркы сумманы текшериле турган жумуш китебинен көрө алат.

Эң маанилүү чектөө — жасалма интеллект бөлүгү эксперименттик түрдө текшерилген эмес. Булак AI моделдеринин топтомун түзбөйт, AI'га ошол эле суроолорду кайра-кайра бербейт, туура эмес жооптордун үлүшүн өлчөбөйт жана LAMBDA текшерүүсү берген убакыт үнөмүн сандык түрдө баалабайт. Ошондуктан AI тууралуу жыйынтык көрсөтүлгөн Excel функционалдуулугунун мүмкүн болгон колдонулушуна байланыштуу методологиялык аргумент болуп саналат.

Булак жана Ыкма Жөнүндө Эскертүү

Жүктөлгөн PDF'тин толук түпнуска аталышы: Deep Analysis in Excel Without VBA: New Functionality Could Validate AI Answers or Replace them Altogether.

Авторлор: Tom Arnold, CFA, CIPM; Timothy Falcon Crack.

PDF'теги аффилиациялар: Tom Arnold — The Robins School of Business, Department of Finance, University of Richmond; Timothy Falcon Crack — University of Otago, School of Business.

PDF датасы: 1-июль 2026.

Булактын түрү: Working paper / жумушчу кагаз.

Расмий repository: University of Richmond, Finance Faculty Publications, жазуу no. 87.

Библиографиялык версиянын айырмасы: University of Richmond'дын учурдагы repository жазуусу изилдөөнү “Deep Analysis in Excel Without VBA: Creating Transparent Portable User-Defined Functions with =LAMBDA” аталышы жана 25-июнь 2026 датасы менен көрсөтөт. Жүктөлгөн PDF болсо башка кошумча аталыш жана 1-июль 2026 датасын алып жүрөт. Verianla'нын негизги илимий баянында колдонуучу жүктөгөн PDF'тин илимий мазмуну негиз катары алынган, расмий repository болсо библиографиялык версияны жана жарыянын түрүн текшерүү үчүн гана колдонулган.

DOI: Жүктөлгөн PDF'те жана текшерилген University of Richmond repository жазуусунда DOI көрсөтүлгөн эмес.

Рецензиялоо: Булак расмий архивде Working Paper катары классификацияланган; рецензияланган журналдык макала катары берилбеши керек.

Лицензия жана колдонуу абалы: Ачык Creative Commons же ага тең ачык лицензия ырасталган эмес. PDF жана repository жазуусу уруксатсыз шилтеме бербөөнү суранган басмаканалык эскертүүнү камтыйт. Ошондуктан булак текст, түпнуска таблица композициясы жана толук Excel коду Verianla макаласында кайра жарыяланган эмес.

Кошумча файл: University of Richmond repository жазуусу изилдөөгө байланышкан Excel жумуш китебин сунуштайт. Бул кошумча файлдын бар экени библиографиялык жактан ырасталган; бирок анын укук/лицензия абалы негизги PDF менен автоматтык түрдө бирдей деп кабыл алынбашы керек.

Негизги ыкма: Excel LAMBDA, MAKEARRAY, SUM жана Name Manager негизиндеги колдонуучу аныктаган функциялар; рекурсия; D-даражадагы облигация баасынын туундулары; K-мүчөлүү Taylor катары аркылуу YTM өзгөрүүсүнө байланышкан облигация баасынын өзгөрүшүн жакындатуу.

Борбордук колдонуучу функциялары: BondPartial жана BondTaylor.

Финансылык мисал: Мөөнөтү 20 жыл, номиналдык наркы 1.000 АКШ доллары, жылдык купону %8, жарым жыл сайын төлөм жүргүзгөн жана баштапкы YTM'и %7 болгон облигация.

Негизги сандык жыйынтык: Булак колдонгон үч ондук орундагы тактык-туруктуулук критерийине ылайык, 1, 10, 100 жана 1.000 базистик пункттук оң YTM өзгөрүүлөрү үчүн тиешелүүлүгүнө жараша 3, 4, 6 жана 13 Taylor мүчөсү талап кылынат.

Маалымат топтому / тандалма: Изилдөө статистикалык маалымат топтомун же популяциялык тандалманы колдонбойт. Негизги далил — детерминисттик Excel эсептөөлөрү жана тандалган облигация параметрлеринде аткарылган математикалык колдонмо.

Статистикалык тест: Булакта p-маани, ишеним аралыгы же тандалмага негизделген гипотеза тести жок.

Каржылоо: Жүктөлгөн PDF'те каржылоо тууралуу билдирүү берилген эмес.

Кызыкчылыктардын кагылышы: Жүктөлгөн PDF'те кызыкчылыктардын кагылышы боюнча өзүнчө билдирүү берилген эмес.

CRediT / автордук салымдар: Жүктөлгөн PDF'те CRediT автордук салымдар жөнүндө билдирүү берилген эмес.

Маалыматтын жеткиликтүүлүгү: Салттуу маалымат топтому жок. Булак University of Richmond repository аркылуу байланышкан Excel файлын көрсөтөт.

Негизги чечмелөө чеги: Макала Excel LAMBDA ыкмасы белгилүү математикалык талдоолорду аткара аларын көрсөтөт; бирок AI'га салыштырмалуу системалуу тактык, ылдамдык же нарк артыкчылыгын сынаган эксперименттик изилдөө эмес.