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 statsmodels›الوحدة 2 · نماذج السلاسل الزمنية›الموضوع 2.7·~55 دمتقدم

نموذج مستوى محلي لتقلب صاخب

الموضع في المسارالوحدة 2 من 3 · الموضوع 7 من 9
2.7 نموذج مستوى محلي لتقلب صاخب
—درجة المختبر— / 100إجمالي XP—التتابع—

مستوى خفي وراء قياسات صاخبة

يحوي نموذج فضاء الحالة حالة خفية تتطور مع الزمن وقياسات صاخبة لها. أبسطها نموذج المستوى المحلي: yₜ=μₜ+eₜ مع eₜ (variance σ²ₑ) وμₜ=μₜ₋₁+hₜ مع hₜ (variance σ²ₕ): المستوى μₜ سير عشوائي وكل قياس يضيف ضجيجًا مستقلًا. تقدّر UnobservedComponents(y, level='llevel').fit(disp=False) كلًا من σ²ₑ (باسم sigma2.irregular) وσ²ₕ (sigma2.level) بالإمكان الأعظم. والنسبة q=σ²ₕ/σ²ₑ هي نسبة الإشارة إلى الضجيج: q الصغيرة تعني مستوى بطيئًا وضجيجًا كثيرًا يجب تمليسه. وفي لوغاريتم تقلب SPY الشهري على 258 شهرًا σ̂²ₑ=0.089 وσ̂²ₕ=0.045 فتكون q=0.50.

يقدّر مرشح كالمان المستوى على خطوتين كل شهر: التنبؤ μ̂_(t|t-1)=μ̂_(t-1|t-1) ثم التصحيح بالمفاجأة μ̂_(t|t)=μ̂_(t|t-1)+Kₜ (yₜ-μ̂_(t|t-1)). بعد البداية يستقر الكسب عند K=P/(P+1) مع P=1/2(q+√(q²+4q)) ويصير المرشح عندها متوسطًا متحركًا أسيًا بوزن K: هنا K=0.502 وتطابق pd.Series(y).ewm(alpha=K, adjust=False).mean() المستوى المرشَّح بخطأ 7×10⁻¹⁰. والنموذج نفسه ARIMA(0,1,1) بمعامل متوسط متحرك -(1-K)=-0.498: لكليهما AIC يساوي 290.526. يستخدم المستوى المرشَّح res.filtered_state[0] البيانات حتى t فقط. أما المستوى الممَلَّس res.smoothed_state[0] فيستخدم العينة كلها: اقطع البيانات عند الشهر 200 بالمعاملات نفسها فلا يتغير المستوى المرشَّح إطلاقًا بينما يتحرك الممَلَّس بمقدار 0.116. المملِّس أداة للنظر إلى الوراء وليس إشارة أبدًا. وتنبؤ المستوى مسطّح عند -2.09 ويتسع مجاله 95% من ±0.83 إلى ±1.61.

  • ضجيج زائد مستوى: تحدد نسبة الإشارة إلى الضجيج q كم تحرّك كل مشاهدة جديدة التقدير.
  • المرشح EWMA ونموذج المستوى المحلي هو ARIMA(0,1,1): ثلاثة أسماء لفكرة واحدة.
  • المرشَّح يستخدم الماضي والممَلَّس يستخدم المستقبل: لا تتداول أبدًا على سلسلة ممَلَّسة.

المختبر: ما الذي يُقيَّم

  • ملاءمة المستوى المحلي10 نقطة
  • التباينان10 نقطة
  • المستويان المرشَّح والممَلَّس5 نقطة
  • الكسب المستقر15 نقطة
  • المرشح بوصفه EWMA15 نقطة
  • هل يستشرف المستقبل؟20 نقطة
  • ARIMA متنكر10 نقطة
  • دراسة التقلب15 نقطة
المستكشف · lab-sx-18
▾ lab-sx-18
▾ data
…
bash · داخل المتصفح
learner@quantcraft:~/lab-sx-18$
لم يتم تحميل Python بعدPythonLn 1, Col 1Spaces: 4UTF-8

هل تريد إعادة ضبط هذا الموضوع؟

سيعود كل ما في lab-sx-18 إلى الملفات الابتدائية وستُمسح الطرفية. ستفقد حلّك الحالي ولا يمكن التراجع عن ذلك.

سيُعاد ضبطه
  • main.py ← الشيفرة الابتدائية
  • سجل الطرفية ومخرجات الاختبارات
  • التغييرات غير المُرسلة
سيُحتفظ به
  • أفضل درجة في المختبر
  • نقاط XP والتتابع
  • تقدّم المحاضرة والملاحظات

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