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 Hidden Markov Models›الوحدة 3 · الأنظمة في الأسواق›الموضوع 3.1·~55 دمتقدم

انبعاثات غاوسية للعوائد

الموضع في المسارالوحدة 3 من 3 · الموضوع 1 من 4
3.1 انبعاثات غاوسية للعوائد
—درجة المختبر— / 100إجمالي XP—التتابع—

من فئات الحجم إلى العوائد الحقيقية

العوائد الحقيقية ليست صغيرة أو كبيرة بل أعداد مثل −3.0%-3.0\%−3.0% أو +0.4%+0.4\%+0.4%. فيصبح انبعاث كل حالة منحنى جرسيًا: في الحالة jjj يكون العائد طبيعيًا بمتوسطه الخاص μj\mu_jμj​ وانحرافه المعياري σj\sigma_jσj​. واحتمال الانبعاث Bj(r)B_j(r)Bj​(r) هو ارتفاع ذلك المنحنى عند العائد المرصود rrr. وكل ما عدا ذلك في الخوارزميات يبقى كما هو: الأمام وفيتربي والأمامي الخلفي وبوم-ويلش لا تطلب إلا الأعداد Bj(ot)B_j(o_t)Bj​(ot​). وفي خطوة M يكون μj\mu_jμj​ وσj\sigma_jσj​ الجديدان المتوسط المرجح والانحراف المعياري المرجح للعوائد بالاحتمالات المنعَّمة γt(j)\gamma_t(j)γt​(j) أوزانًا.

Bj(r)=1σj2πexp⁡ ⁣(−(r−μj)22σj2),μj=∑tγt(j)rt∑tγt(j),σj2=∑tγt(j)(rt−μj)2∑tγt(j)B_j(r)=\frac{1}{\sigma_j\sqrt{2\pi}}\exp\!\Big(-\frac{(r-\mu_j)^{2}}{2\sigma_j^{2}}\Big),\qquad \mu_j=\frac{\sum_t\gamma_t(j)r_t}{\sum_t\gamma_t(j)},\qquad \sigma_j^{2}=\frac{\sum_t\gamma_t(j)(r_t-\mu_j)^{2}}{\sum_t\gamma_t(j)}Bj​(r)=σj​2π​1​exp(−2σj2​(r−μj​)2​),μj​=∑t​γt​(j)∑t​γt​(j)rt​​,σj2​=∑t​γt​(j)∑t​γt​(j)(rt​−μj​)2​(1)

النموذج ذو الحالتين الهادئة والعاصفة خليط من منحنيين طبيعيين. وكل منحنى وحده له أذيال رقيقة لكن الخليط له أذيال ثقيلة: فالحالة العاصفة بـ σ\sigmaσ الكبير تنتج حركات كبيرة أكثر بكثير من منحنى طبيعي واحد بالتقلب المتوسط. وهذا أحد أسباب ملاءمة HMM للعوائد الحقيقية. وللحالات حكاية أيضًا. فعادةً نجد حالة هادئة بمتوسط موجب صغير وتقلب منخفض وحالة عاصفة بمتوسط سالب وتقلب مرتفع، والعاصفة مثابرة فتأتي الانهيارات في مجموعات.

يوم بنسبة -3%لتكن للهادئ متوسط +0.05%+0.05\%+0.05% وانحراف معياري 0.6%0.6\%0.6% وللعاصف متوسط −0.10%-0.10\%−0.10% وانحراف معياري 2.0%2.0\%2.0% في اليوم. العائد −3%-3\%−3% يبعد (−3−0.05)/0.6=−5.1(-3-0.05)/0.6=-5.1(−3−0.05)/0.6=−5.1 انحرافًا معياريًا عن الهادئ لكنه يبعد فقط (−3+0.10)/2=−1.45(-3+0.10)/2=-1.45(−3+0.10)/2=−1.45 عن العاصف. وارتفاعا المنحنيين 1.6×10−61.6\times10^{-6}1.6×10−6 للهادئ و0.06970.06970.0697 للعاصف. ومع مسبق 0.90.90.9 للهادئ و0.10.10.1 للعاصف يكون احتمال العاصف اللاحق 0.1×0.0697 / (0.1×0.0697+0.9×1.6×10−6)=0.99980.1\times0.0697\,/\,(0.1\times0.0697+0.9\times1.6\times10^{-6})=0.99980.1×0.0697/(0.1×0.0697+0.9×1.6×10−6)=0.9998. والتقلب اليومي 2%2\%2% يساوي 2%×252=31.7%2\%\times\sqrt{252}=31.7\%2%×252​=31.7% في السنة.
  • الانبعاث الغاوسي: في كل حالة يكون العائد طبيعيًا بمتوسطه وتقلبه الخاصين.
  • خطوة M للعوائد: متوسط مرجح وانحراف معياري مرجح بأوزان γt(j)\gamma_t(j)γt​(j).
  • أذيال ثقيلة مجانًا: خليط طبيعيين هادئ وعاصف له أذيال أثقل من توزيع طبيعي واحد.

المختبر: ما الذي يُقيَّم

  • درجة z15 نقطة
  • ارتفاع منحنى15 نقطة
  • تقلب سنوي15 نقطة
  • أي حالة كانت؟15 نقطة
  • لماذا للخليط أذيال ثقيلة10 نقطة
  • طابق الرموز15 نقطة
  • ما هي الحالة العاصفة15 نقطة
0/ 7 تمت الإجابة
المهام
1إجابة رقمية15 نقطةبلا إجابة

للعاصف متوسط −0.10%-0.10\%−0.10% وانحراف معياري 2.0%2.0\%2.0%. كم انحرافًا معياريًا عن متوسطه يبعد عائد −3%-3\%−3% أي z=(−3−(−0.10))/2.0z=(-3-(-0.10))/2.0z=(−3−(−0.10))/2.0؟ أعطه بخانتين عشريتين.

z=z =z=المقبول: ± 0.01
2إجابة رقمية15 نقطةبلا إجابة

ما ارتفاع منحنى العاصف عند ذلك العائد أي exp⁡(−z2/2) / (σ2π)\exp(-z^{2}/2)\,/\,(\sigma\sqrt{2\pi})exp(−z2/2)/(σ2π​) مع z=−1.45z=-1.45z=−1.45 وσ=2.0\sigma=2.0σ=2.0؟ أعطه بأربع خانات عشرية.

b=b =b=المقبول: ± 0.0004
3إجابة رقمية15 نقطةبلا إجابة

للحالة العاصفة تقلب يومي 2.0%2.0\%2.0%. ما تقلبها السنوي 2.0×2522.0\times\sqrt{252}2.0×252​ بالنسبة المئوية؟ أعطه بخانة عشرية واحدة.

v=v =v=المقبول: ± 0.1
4إجابة رقمية15 نقطةبلا إجابة

مع مسبق 0.90.90.9 للهادئ و0.10.10.1 للعاصف وارتفاعين 1.6×10−61.6\times10^{-6}1.6×10−6 (الهادئ) و0.06970.06970.0697 (العاصف) ما الاحتمال اللاحق للعاصف أي 0.1×0.06970.1×0.0697+0.9×1.6×10−6\dfrac{0.1\times0.0697}{0.1\times0.0697+0.9\times1.6\times10^{-6}}0.1×0.0697+0.9×1.6×10−60.1×0.0697​؟ أعطه بأربع خانات عشرية.

p=p =p=المقبول: ± 0.0003
5اختيار10 نقطةبلا إجابة

لماذا يكون لخليط منحنى طبيعي هادئ وآخر عاصف أذيال أثقل من منحنى طبيعي واحد بالتقلب المتوسط؟

6مطابقة15 نقطةبلا إجابة

طابق كل رمز بمعناه.

اختر مقابل كل عنصر في اليسار.

μj\mu_jμj​
σj\sigma_jσj​
Bj(r)B_j(r)Bj​(r)
γt(j)\gamma_t(j)γt​(j)
7اشرح بكلماتك15 نقطةبلا إجابة

في جملة أو جملتين اشرح لماذا ينتج خليط منحنى طبيعي هادئ وآخر عاصف أذيالًا ثقيلة.

وضع الرياضياتإدخال بلوحة المفاتيح أو LaTeXالمهمة 1 من 7 · 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