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 AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • 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 AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Bayesian Inference-Skill›Modul 2 · Die Posterior abtasten›Thema 2.1·~1 Std. 5 Min.Fortgeschritten

Metropolis-Hastings von Grund auf

Position in der SkillModul 2 von 3 · Thema 1 von 2
2.1 Metropolis-Hastings von Grund auf
—Lab-Punkte— / 100XP gesamt—Serie—

Eine Posterior erkunden, die man nicht hinschreiben kann

Oft kann man die Posterior nur bis auf eine Konstante hinschreiben, als Prior mal Likelihood, und weder aufsummieren noch ihren Mittelwert algebraisch finden. Metropolis-Hastings baut einen Zufallsweg, der Orte im Verhältnis zur Posterior besucht. Schlagen Sie am aktuellen Punkt θ\thetaθ einen nahen Punkt θ′\theta'θ′ vor, etwa θ\thetaθ plus etwas Normalrauschen. Vergleichen Sie die Posterior-Höhen mit dem Verhältnis r=p(θ′)/p(θ)r=p(\theta')/p(\theta)r=p(θ′)/p(θ). Ist r≥1r\ge1r≥1, ist der neue Punkt mindestens so gut: Bewegen Sie sich. Sonst bewegen Sie sich mit Wahrscheinlichkeit rrr. Bewegen Sie sich nicht, notieren Sie den aktuellen Punkt erneut. Die unbekannte Konstante ist in beiden Höhen gleich und kürzt sich im Verhältnis heraus. Darum funktioniert die Methode.

r=p(θ′)p(θ),α=min⁡(1, r),ln⁡α=min⁡(0, ln⁡p(θ′)−ln⁡p(θ))r=\frac{p(\theta')}{p(\theta)},\qquad \alpha=\min(1,\,r),\qquad \ln\alpha=\min\big(0,\ \ln p(\theta')-\ln p(\theta)\big)r=p(θ)p(θ′)​,α=min(1,r),lnα=min(0, lnp(θ′)−lnp(θ))(1)

Die Liste der besuchten Punkte ist die Kette. Nach einer Aufwärmphase, Burn-in genannt, verhält sie sich wie eine Stichprobe der Posterior, Mittelwert und Intervall ergeben sich also aus einfachen Mittelwerten und Perzentilen der Kette. Die Schrittweite ist der wichtigste Regler. Ist sie zu klein, wird fast jeder Schritt akzeptiert, aber die Kette kriecht. Ist sie zu groß, landen die meisten Vorschläge an schlechten Stellen und werden abgelehnt, die Kette steht still. Eine gute Kette akzeptiert etwa ein Viertel bis die Hälfte der Vorschläge. Sehen Sie sich die Kette immer an: Zeichnen Sie sie und starten Sie sie an verschiedenen Orten, um zu sehen, dass sie übereinstimmen.

Ein Vorschlag von HandDie Posterior-Höhe sei p(θ)∝θ18(1−θ)10p(\theta)\propto\theta^{18}(1-\theta)^{10}p(θ)∝θ18(1−θ)10, die Form von Beta(19,11)\mathrm{Beta}(19,11)Beta(19,11). Von θ=0,6\theta=0{,}6θ=0,6 aus schlagen Sie θ′=0,7\theta'=0{,}7θ′=0,7 vor. Das Verhältnis ist (0,7/0,6)18(0,3/0,4)10=0,903(0{,}7/0{,}6)^{18}(0{,}3/0{,}4)^{10}=0{,}903(0,7/0,6)18(0,3/0,4)10=0,903, also mit Wahrscheinlichkeit 0,900{,}900,90 akzeptieren. Schlagen Sie stattdessen θ′=0,55\theta'=0{,}55θ′=0,55 vor: Das Verhältnis ist 0,6780{,}6780,678, also mit Wahrscheinlichkeit 0,680{,}680,68 akzeptieren. Keine der beiden Rechnungen brauchte die Konstante, die die Dichte auf 111 normiert.
  • Vorschlag und Verhältnis: einen nahen Punkt vorschlagen und Posterior-Höhen vergleichen. Die unbekannte Konstante kürzt sich.
  • Kette: die besuchten Punkte, bei abgelehntem Schritt wiederholt. Burn-in verwerfen, dann mitteln.
  • Schrittweite: zu klein kriecht, zu groß bleibt hängen. Ziel: etwa ein Viertel bis die Hälfte akzeptieren.

Lab: Was bewertet wird

  • Ein guter Vorschlag15 Pkt.
  • Ein schlechterer Vorschlag15 Pkt.
  • Ein Log-Verhältnis10 Pkt.
  • Eine Kette mitteln10 Pkt.
  • Eine zu große Schrittweite10 Pkt.
  • Eine Iteration10 Pkt.
  • Begriffe zuordnen15 Pkt.
  • Warum die Konstante nicht nötig ist15 Pkt.
0/ 8 beantwortet
Aufgaben
1Numerische Antwort15 Pkt.Nicht beantwortet

Gehen Sie mit p(θ)∝θ18(1−θ)10p(\theta)\propto\theta^{18}(1-\theta)^{10}p(θ)∝θ18(1−θ)10 von θ=0,6\theta=0{,}6θ=0,6 zu θ′=0,7\theta'=0{,}7θ′=0,7. Wie groß ist das Verhältnis r=p(θ′)/p(θ)r=p(\theta')/p(\theta)r=p(θ′)/p(θ)? Geben Sie vier Dezimalstellen an.

r=r =r=akzeptiert: ± 0.003
2Numerische Antwort15 Pkt.Nicht beantwortet

Gehen Sie nun von θ=0,6\theta=0{,}6θ=0,6 zu θ′=0,55\theta'=0{,}55θ′=0,55. Wie groß ist das Verhältnis rrr? Geben Sie vier Dezimalstellen an.

r=r =r=akzeptiert: ± 0.003
3Numerische Antwort10 Pkt.Nicht beantwortet

Wie groß ist beim Rechnen mit Logarithmen ln⁡p(θ′)−ln⁡p(θ)\ln p(\theta')-\ln p(\theta)lnp(θ′)−lnp(θ) für den Schritt von 0,60{,}60,6 nach 0,70{,}70,7, also ln⁡0,9029\ln 0{,}9029ln0,9029? Geben Sie drei Dezimalstellen an.

l=l =l=akzeptiert: ± 0.004
4Numerische Antwort10 Pkt.Nicht beantwortet

Nach dem Burn-in enthält eine kurze Kette die Werte 0,62, 0,65, 0,65, 0,58, 0,700{,}62,\ 0{,}65,\ 0{,}65,\ 0{,}58,\ 0{,}700,62, 0,65, 0,65, 0,58, 0,70 (das zweite 0,650{,}650,65 ist ein abgelehnter Schritt). Wie lautet die Schätzung des Posterior-Mittelwerts? Geben Sie zwei Dezimalstellen an.

m=m =m=akzeptiert: ± 0.005
5Auswahl10 Pkt.Nicht beantwortet

Was passiert, wenn die Vorschlagsschrittweite viel zu groß ist?

6Schritte ordnen10 Pkt.Nicht beantwortet

Bringen Sie die Schritte einer Metropolis-Hastings-Iteration in die richtige Reihenfolge.

Zum Umsortieren ziehen, oder ein Element fokussieren, mit Leertaste anheben, mit Pfeiltasten bewegen und mit Leertaste ablegen.

  1. 1Den Punkt notieren, neu oder wiederholt
  2. 2Eine Gleichverteilungszahl u zwischen 0 und 1 ziehen
  3. 3Einen nahen Punkt vorschlagen
  4. 4Bewegen, wenn u unter dem Verhältnis liegt, sonst bleiben
  5. 5Das Verhältnis der Posterior-Höhen berechnen
7Zuordnen15 Pkt.Nicht beantwortet

Ordnen Sie jedem Begriff seine Bedeutung zu.

Wähle den Partner für jedes Element links.

Kette
Burn-in
Vorschlag
Akzeptanzrate
8In Worten erklären15 Pkt.Nicht beantwortet

Erklären Sie in ein bis zwei Sätzen, warum Metropolis-Hastings funktioniert, auch wenn die Normierungskonstante der Posterior unbekannt ist.

Mathe-ModusEingabe per Tastatur oder LaTeXAufgabe 1 von 8 · Strg ⏎ zum Prüfen

Melde dich an, um deinen Code auszuführen.

Alle Lektionen kannst du kostenlos lesen. Erstelle ein Konto oder melde dich an, um Code auszuführen, Tests zu starten und dieses Lab abzugeben.

  • IDE im Browser mit Bash-Terminal — nichts zu installieren
  • Sofortige Bewertung, XP und dein Platz auf der Skill
Konto erstellenAnmelden
ODER
Weiter mit GitHub