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 3.1·~1 سمتقدم

النماذج الهرمية والانكماش

الموضع في المسارالوحدة 3 من 3 · الموضوع 1 من 4
3.1 النماذج الهرمية والانكماش
—درجة المختبر— / 100إجمالي XP—التتابع—

دع التقديرات الكثيرة تساعد بعضها

افترض أن لديك متوسط عائد 505050 سهمًا. الأسهم الأجمل مظهرًا جيدة جزئيًا ومحظوظة جزئيًا. يقول النموذج الهرمي إن كل المتوسطات الحقيقية θi\theta_iθi​ تأتي من مجتمع واحد مشترك θi∼N(μ,τ2)\theta_i\sim N(\mu,\tau^{2})θi​∼N(μ,τ2) وإن كل متوسط مرصود yiy_iyi​ هو المتوسط الحقيقي مضافًا إليه ضجيج بخطأ معياري sis_isi​. فتُدمج بيانات السهم الخاصة بالمجموعة: يُسحب التقدير نحو متوسط المجموعة μ\muμ. ويسمى هذا السحب الانكماش.

Bi=si2si2+τ2,θ^i=Bi μ+(1−Bi) yi,sd(θi)=(1si2+1τ2)−1/2B_i=\frac{s_i^{2}}{s_i^{2}+\tau^{2}},\qquad \hat\theta_i=B_i\,\mu+(1-B_i)\,y_i,\qquad \mathrm{sd}(\theta_i)=\left(\frac{1}{s_i^{2}}+\frac{1}{\tau^{2}}\right)^{-1/2}Bi​=si2​+τ2si2​​,θ^i​=Bi​μ+(1−Bi​)yi​,sd(θi​)=(si2​1​+τ21​)−1/2(1)

عامل الانكماش BiB_iBi​ هو حصة الوزن المعطاة للمجموعة. السهم المشوش (sis_isi​ كبيرة) يكون BiB_iBi​ فيه قريبًا من 111 ويُسحب بقوة إلى متوسط المجموعة. والسهم المقاس بدقة (sis_isi​ صغيرة) يحتفظ تقريبًا بقيمته. وإن كنت لا تعرف τ2\tau^{2}τ2 فقدّره من الانتشار: تباين yiy_iyi​ عبر الأسهم يساوي τ2\tau^{2}τ2 زائد متوسط si2s_i^{2}si2​. فـ τ2\tau^{2}τ2 هو ذلك التباين ناقص متوسط الضجيج على ألا يقل عن 000. وإن لم يزد الانتشار عمّا يولّده الضجيج وحده فإن τ2=0\tau^{2}=0τ2=0 وتتشارك كل الأسهم تقديرًا واحدًا.

سهمان بالمتوسط نفسهليكن المجموعة μ=8%\mu=8\%μ=8% مع τ=2%\tau=2\%τ=2%. للسهم A القيمة y=14%y=14\%y=14% مع s=4%s=4\%s=4%: B=16/(16+4)=0.8B=16/(16+4)=0.8B=16/(16+4)=0.8 فالتقدير 0.8×8+0.2×14=9.2%0.8\times8+0.2\times14=9.2\%0.8×8+0.2×14=9.2% بانحراف معياري 1/1/16+1/4=1.79%1/\sqrt{1/16+1/4}=1.79\%1/1/16+1/4​=1.79%. وللسهم B القيمة y=14%y=14\%y=14% نفسها لكن s=1%s=1\%s=1% الدقيقة: B=1/(1+4)=0.2B=1/(1+4)=0.2B=1/(1+4)=0.2 فالتقدير 0.2×8+0.8×14=12.8%0.2\times8+0.8\times14=12.8\%0.2×8+0.8×14=12.8%. فالسهم المشوش يعود تقريبًا كل الطريق والدقيق بالكاد.
  • النموذج الهرمي: المتوسطات الحقيقية من مجتمع مشترك فتساعد بيانات كل سهم بقية الأسهم.
  • الانكماش Bi=si2/(si2+τ2)B_i=s_i^{2}/(s_i^{2}+\tau^{2})Bi​=si2​/(si2​+τ2): التقديرات المشوشة تتحرك كثيرًا والدقيقة بالكاد.
  • تقدير τ2\tau^{2}τ2: التباين عبر الأسهم ناقص متوسط الضجيج على ألا يقل عن 000.

المختبر: ما الذي يُقيَّم

  • عامل الانكماش15 نقطة
  • المتوسط المنكمش للسهم A15 نقطة
  • المتوسط المنكمش للسهم B10 نقطة
  • الانتشار اللاحق للسهم A10 نقطة
  • تقدير tau تربيع15 نقطة
  • من ينكمش أكثر10 نقطة
  • طابق المصطلحات10 نقطة
  • لماذا يفيد الانكماش15 نقطة
0/ 8 تمت الإجابة
المهام
1إجابة رقمية15 نقطةبلا إجابة

للسهم A خطأ معياري s=4%s=4\%s=4% وانتشار المجموعة τ=2%\tau=2\%τ=2%. ما قيمة B=s2/(s2+τ2)B=s^{2}/(s^{2}+\tau^{2})B=s2/(s2+τ2)؟

b=b =b=المقبول: ± 0.005
2إجابة رقمية15 نقطةبلا إجابة

متوسط المجموعة μ=8%\mu=8\%μ=8% ومتوسط السهم A هو y=14%y=14\%y=14%. ما المتوسط المنكمش Bμ+(1−B)yB\mu+(1-B)yBμ+(1−B)y مع B=0.8B=0.8B=0.8 بالنسبة المئوية؟ أعطه بخانتين عشريتين.

m=m =m=المقبول: ± 0.03
3إجابة رقمية10 نقطةبلا إجابة

السهم B أيضًا متوسطه y=14%y=14\%y=14% لكن خطؤه المعياري s=1%s=1\%s=1% فقط فـ B=1/(1+4)=0.2B=1/(1+4)=0.2B=1/(1+4)=0.2. ما متوسطه المنكمش بالنسبة المئوية؟ أعطه بخانتين عشريتين.

m=m =m=المقبول: ± 0.03
4إجابة رقمية10 نقطةبلا إجابة

ما الانحراف المعياري اللاحق للمتوسط الحقيقي للسهم A أي (1/s2+1/τ2)−1/2\big(1/s^{2}+1/\tau^{2}\big)^{-1/2}(1/s2+1/τ2)−1/2 مع s=4s=4s=4 وτ=2\tau=2τ=2 بالنسبة المئوية؟ أعطه بخانتين عشريتين.

s=s =s=المقبول: ± 0.02
5إجابة رقمية15 نقطةبلا إجابة

عبر الأسهم يكون تباين المتوسطات المرصودة 303030 (بالنسبة المئوية المربعة) ومتوسط si2s_i^{2}si2​ هو 202020. ما تقدير طريقة العزوم لـ τ2\tau^{2}τ2؟

t=t =t=المقبول: ± 0.01
6اختيار10 نقطةبلا إجابة

متوسط أي سهم يُسحب بأقوى صورة نحو متوسط المجموعة؟

7مطابقة10 نقطةبلا إجابة

طابق كل رمز بمعناه.

اختر مقابل كل عنصر في اليسار.

μ\muμ
τ\tauτ
sis_isi​
BiB_iBi​
8اشرح بكلماتك15 نقطةبلا إجابة

في جملة أو جملتين اشرح لماذا يتنبأ تقريب متوسط كل سهم من متوسط المجموعة عادةً بمتوسطه المستقبلي أفضل من المتوسط الخام.

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