σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
مسار Bayesian Inference›الوحدة 3 · النماذج والتطبيق›الموضوع 3.3·~55 دمتقدم

التحديث البيزي لأداء الاستراتيجية

الموضع في المسارالوحدة 3 من 3 · الموضوع 3 من 4
3.3 التحديث البيزي لأداء الاستراتيجية
—درجة المختبر— / 100إجمالي XP—التتابع—

لاحق الأمس هو مسبق اليوم

تأتي الاستراتيجية باختبار خلفي ثم بنتائج حية. والتحديث البيزي يعالج الاثنين بطريقة واحدة. ابدأ بمسبق: ما يقوله الاختبار الخلفي عن ميزة الاستراتيجية السنوية مع عدم اليقين فيها. وحين تصل فترة جديدة من النتائج الحية حدّث. يصبح اللاحق مسبقًا للفترة التالية. والتحديث فترة بعد فترة يعطي الإجابة نفسها تمامًا كالتحديث مرة واحدة بكل البيانات، ولا يهم ترتيب الفترات. وهذا طبيعي لنظام حي يتعلم كل يوم.

Pk=Pk−1+1s2,mk=Pk−1 mk−1+yk/s2PkP_{k}=P_{k-1}+\frac{1}{s^{2}},\qquad m_{k}=\frac{P_{k-1}\,m_{k-1}+y_k/s^{2}}{P_{k}}Pk​=Pk−1​+s21​,mk​=Pk​Pk−1​mk−1​+yk​/s2​(1)

هنا PPP دقة الاعتقاد وmmm متوسطه وyky_kyk​ نتيجة الفترة kkk وsss خطؤها المعياري. وفكرة أخرى تهم الأسواق: أنها تتغير. فقد تختلف ميزة استراتيجية اليوم عن ميزتها قبل خمس سنوات فتضلل النتائج القديمة جدًا. وعامل النسيان δ\deltaδ الأقل من 111 قليلًا يضرب الدقة في δ\deltaδ قبل كل تحديث فيوسّع الاعتقاد قليلًا ويترك النتائج القديمة تتلاشى. والثمن أن الاعتقاد لا يصبح يقينيًا جدًا أبدًا وهذا أمين حين يواصل العالم الحركة.

اختبار خلفي أمام سنتين حيتينيقول الاختبار الخلفي إن الميزة 6%6\%6% في السنة بعدم يقين 4%4\%4% فدقة المسبق 1/16=0.06251/16=0.06251/16=0.0625. وتعطي السنة الحية الأولى 2%2\%2% بخطأ معياري 5%5\%5% أي دقة 0.040.040.04. فللاحق دقة 0.10250.10250.1025 ومتوسط (0.0625×6+0.04×2)/0.1025=4.44%(0.0625\times6+0.04\times2)/0.1025=4.44\%(0.0625×6+0.04×2)/0.1025=4.44% وانحراف معياري 3.12%3.12\%3.12%. وتعطي السنة الثانية 1%1\%1%. حدّث مجددًا: دقة 0.14250.14250.1425 ومتوسط 3.47%3.47\%3.47% وانحراف 2.65%2.65\%2.65%. وكل شيء دفعة واحدة بمتوسط 1.5%1.5\%1.5% وخطأ معياري 3.54%3.54\%3.54% يعطي 3.47%3.47\%3.47% نفسها. واحتمال أن تكون الميزة فوق الصفر الآن 0.9050.9050.905.
  • التحديث المتسلسل: لاحق الأمس مسبق اليوم. فترة بعد فترة يساوي كل شيء دفعة واحدة.
  • الاختبار الخلفي كمسبق: اعتقاد ابتدائي بعدم يقين صادق وليس حقيقة.
  • عامل النسيان δ<1\delta<1δ<1: يقلل الدقة قبل كل تحديث فتتلاشى النتائج القديمة.

المختبر: ما الذي يُقيَّم

  • بعد السنة الحية الأولى15 نقطة
  • الانتشار بعد السنة الأولى10 نقطة
  • بعد السنة الحية الثانية15 نقطة
  • احتمال ميزة موجبة15 نقطة
  • نسيان النتائج القديمة10 نقطة
  • هل يهم الترتيب؟10 نقطة
  • طابق المصطلحات10 نقطة
  • لماذا ننسى النتائج القديمة15 نقطة
0/ 8 تمت الإجابة
المهام
1إجابة رقمية15 نقطةبلا إجابة

المسبق 6%6\%6% بدقة 0.06250.06250.0625. والسنة الحية الأولى تعطي 2%2\%2% بدقة 0.040.040.04. ما المتوسط اللاحق (0.0625×6+0.04×2)/0.1025(0.0625\times6+0.04\times2)/0.1025(0.0625×6+0.04×2)/0.1025 بالنسبة المئوية؟ أعطه بخانتين عشريتين.

m=m =m=المقبول: ± 0.02
2إجابة رقمية10 نقطةبلا إجابة

الدقة اللاحقة 0.10250.10250.1025. ما الانحراف المعياري اللاحق 1/0.10251/\sqrt{0.1025}1/0.1025​ بالنسبة المئوية؟ أعطه بخانتين عشريتين.

s=s =s=المقبول: ± 0.02
3إجابة رقمية15 نقطةبلا إجابة

الآن المسبق هو آخر لاحق (متوسط 4.44%4.44\%4.44% ودقة 0.10250.10250.1025) والسنة الحية الثانية تعطي 1%1\%1% بدقة 0.040.040.04. ما المتوسط اللاحق الجديد (0.1025×4.44+0.04×1)/0.1425(0.1025\times4.44+0.04\times1)/0.1425(0.1025×4.44+0.04×1)/0.1425 بالنسبة المئوية؟ أعطه بخانتين عشريتين.

m=m =m=المقبول: ± 0.02
4إجابة رقمية15 نقطةبلا إجابة

التوزيع اللاحق N(3.47%, 2.65%)N(3.47\%,\ 2.65\%)N(3.47%, 2.65%). ما قيمة P(m>0)=Φ(3.47/2.65)=Φ(1.31)P(m>0)=\Phi(3.47/2.65)=\Phi(1.31)P(m>0)=Φ(3.47/2.65)=Φ(1.31)؟ أعطه بثلاث خانات عشرية.

p=p =p=المقبول: ± 0.004
5إجابة رقمية10 نقطةبلا إجابة

قبل التحديث التالي طبّق عامل نسيان δ=0.9\delta=0.9δ=0.9 على الدقة 0.10250.10250.1025. ما الدقة الجديدة 0.9×0.10250.9\times0.10250.9×0.1025؟ أعطها بخمس خانات عشرية.

d=d =d=المقبول: ± 0.00003
6اختيار10 نقطةبلا إجابة

تحدّث بالسنة 1 ثم السنة 2 أو بالسنة 2 ثم السنة 1 دون نسيان. ما الفرق في اللاحق النهائي؟

7مطابقة10 نقطةبلا إجابة

طابق كل مصطلح بمعناه.

اختر مقابل كل عنصر في اليسار.

التحديث المتسلسل
مسبق الاختبار الخلفي
عامل النسيان
النتائج الحية
8اشرح بكلماتك15 نقطةبلا إجابة

في جملة أو جملتين اشرح لماذا قد يريد متداول عامل نسيان عند تحديث معتقداته عن استراتيجية.

وضع الرياضياتإدخال بلوحة المفاتيح أو LaTeXالمهمة 1 من 8 · Ctrl ⏎ للتحقق

سجّل الدخول لتشغيل الكود الخاص بك.

قراءة كل المحاضرات مجانية. أنشئ حسابًا أو سجّل الدخول لتشغيل الكود وتنفيذ الاختبارات وتسليم هذا المختبر.

  • بيئة تطوير داخل المتصفح مع طرفية bash — لا حاجة لتثبيت أي شيء
  • تصحيح فوري ونقاط خبرة ومكانك في المسار
إنشاء حسابتسجيل الدخول
أو
المتابعة عبر GitHub