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 Particle filtering and non-stationary time series›الوحدة 1 · حالات خفية تتحرك›الموضوع 1.1·~45 دمتقدم

نماذج فضاء الحالة مرة أخرى

الموضع في المسارالوحدة 1 من 3 · الموضوع 1 من 2
1.1 نماذج فضاء الحالة مرة أخرى
—درجة المختبر— / 100إجمالي XP—التتابع—

تتبّع ما لا تراه

بيتا السهم وتقلبه والمستوى العادل لفارق سعري: لا يستطيع أحد قراءة هذه الأرقام من الشاشة. ما تراه كل يوم هو سعر أو عائد أي الكمية الخفية مضافًا إليها ضجيج. ويكتب نموذج فضاء الحالة ذلك بمعادلتين. الحالة xtx_txt​ هي الكمية الخفية وتتحرك قليلًا كل يوم. والملاحظة yty_tyt​ هي ما تقيسه فعلًا. وأبسط حالة هي نموذج المستوى المحلي: تقوم الحالة بسير عشوائي وكل ملاحظة هي الحالة زائد ضجيج القياس.

xt=xt−1+wt,  wt∼N(0,q),yt=xt+vt,  vt∼N(0,r)x_t=x_{t-1}+w_t,\ \ w_t\sim N(0,q),\qquad y_t=x_t+v_t,\ \ v_t\sim N(0,r)xt​=xt−1​+wt​,  wt​∼N(0,q),yt​=xt​+vt​,  vt​∼N(0,r)(1)

هنا qqq هو مقدار تجوال الحالة في يوم واحد وrrr مقدار ضجيج الملاحظة الواحدة. وتتكرر ثلاثة أسئلة: التنبؤ يسأل أين ستكون الحالة غدًا قبل أن ترى بيانات الغد. والترشيح يسأل أين هي الآن بعد رؤية ملاحظة اليوم. والتنعيم يسأل أين كانت في الماضي بعد وصول بيانات أكثر. ومن يحتاج رقمًا حيًا لا يستطيع إلا استعمال الترشيح. وتحتفظ الثلاثة بالاعتقاد على هيئة منحنى جرسي له متوسط وتباين. والتنبؤ يزيد التباين بمقدار qqq لأن الحالة ربما تحركت. ورؤية ملاحظة تقلله لأنها تحمل معلومات.

نظرة أولى بالأرقاملنبدأ بالاعتقاد x0∼N(0,2)x_0\sim N(0,2)x0​∼N(0,2) مع q=0.5q=0.5q=0.5 وr=1r=1r=1. بعد يوم من الحركة ودون بيانات يكون تباين x1x_1x1​ هو 2+0.5=2.52+0.5=2.52+0.5=2.5. وتضيف الملاحظة ضجيجها فيكون لـ y1y_1y1​ تباين تنبؤي 2.5+1=3.52.5+1=3.52.5+1=3.5 ومتوسط 000. واحتمال أن تزيد y1y_1y1​ عن 222 هو احتمال أن يزيد طبيعي معياري عن 2/3.5=1.072/\sqrt{3.5}=1.072/3.5​=1.07 أي نحو 14%14\%14%. وبلا بيانات يواصل التباين النمو بمقدار 0.50.50.5 كل يوم: بعد أربعة أيام يصبح 2+4×0.5=42+4\times0.5=42+4×0.5=4.
  • الحالة مقابل الملاحظة: الحالة خفية وتتحرك ببطء، والملاحظة مشوشة وتصل كل يوم.
  • تنبأ ثم حدّث: خطوة التنبؤ تضيف عدم اليقين qqq وخطوة التحديث تستعمل البيانات لإزالة جزء منه.
  • الفكرة نفسها في نموذج ماركوف الخفي: هناك للحالة قيم قليلة وهنا هي رقم على خط.

المختبر: ما الذي يُقيَّم

  • خطوة حركة واحدة15 نقطة
  • تباين الملاحظة15 نقطة
  • أربعة أيام دون بيانات15 نقطة
  • ملاحظة كبيرة10 نقطة
  • أي الكميات خفية10 نقطة
  • دورة المرشح10 نقطة
  • طابق المصطلحات10 نقطة
  • لماذا نرشّح أصلًا15 نقطة
0/ 8 تمت الإجابة
المهام
1إجابة رقمية15 نقطةبلا إجابة

الاعتقاد عن x0x_0x0​ هو N(0,2)N(0,2)N(0,2) وتتحرك الحالة بـ q=0.5q=0.5q=0.5. ما تباين x1x_1x1​ قبل وصول أي بيانات؟

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

للحالة تباين 2.52.52.5 ولضجيج القياس تباين r=1r=1r=1. ما التباين التنبؤي للملاحظة y1y_1y1​؟

S=S =S=المقبول: ± 0.01
3إجابة رقمية15 نقطةبلا إجابة

ابدأ بتباين 222 ودع الحالة تتحرك أربعة أيام بـ q=0.5q=0.5q=0.5 ودون ملاحظات. ما تباين x4x_4x4​؟

P4=P4 =P4=المقبول: ± 0.01
4إجابة رقمية10 نقطةبلا إجابة

الملاحظة y1y_1y1​ هي N(0;3.5)N(0;3.5)N(0;3.5). والقيمة المعيارية لـ 222 هي z=1.07z=1.07z=1.07. وبما أن P(Z>1.07)≈0.143P(Z>1.07)\approx0.143P(Z>1.07)≈0.143 للطبيعي المعياري أعطِ احتمال أن تزيد y1y_1y1​ عن 222 بثلاث خانات عشرية.

p=p =p=المقبول: ± 0.003
5اختيار10 نقطةبلا إجابة

أي هذه الكميات حالات خفية لا تُقرأ مباشرة من السوق؟ اختر كل ما ينطبق.

6رتّب الخطوات10 نقطةبلا إجابة

رتّب خطوات دورة مرشح واحدة.

اسحب لإعادة الترتيب، أو ركّز على عنصر واضغط مسافة لرفعه والأسهم لتحريكه ومسافة لإفلاته.

  1. 1استعمل الملاحظة لتحديث الاعتقاد
  2. 2ابدأ باعتقاد الأمس
  3. 3كرّر غدًا بالاعتقاد الجديد
  4. 4لاحظ قيمة اليوم
  5. 5تنبأ بأين تحركت الحالة
7مطابقة10 نقطةبلا إجابة

طابق كل مصطلح بمعناه.

اختر مقابل كل عنصر في اليسار.

ضجيج الحالة q
ضجيج القياس r
الترشيح
التنعيم
8اشرح بكلماتك15 نقطةبلا إجابة

في جملة أو جملتين اشرح لماذا يعطي الجمع بين تنبؤ وملاحظة كما يفعل المرشح تقديرًا أفضل للحالة الخفية من آخر ملاحظة مشوشة وحدها.

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