Beta und Volatilität einer Aktie sind keine Konstanten, und niemand nennt Ihnen den heutigen Wert. Diese Fähigkeit behandelt sie als verborgenen, driftenden Zustand und erklärt in einfachen Schritten, wie man ihn verfolgt, mit kurzen Aufgaben (Zahlen zum Berechnen, Schritte zum Ordnen, Begriffe zum Zuordnen) und Finanzbeispielen: warum ein Filter besser ist als eine einzelne verrauschte Beobachtung, was das Kalman-Filter tut, wenn alles eine Glockenkurve ist, wie eine Wolke gewichteter Partikel dasselbe tut, wenn es keine ist, warum Gewichte kollabieren und wie Resampling sie repariert, wie man die Volatilität an echten SPY-Renditen verfolgt, wie man die Zahlen des Modells lernt, wie man einen Wendepunkt erkennt und wie gleitende, exponentielle und Online-Schätzer abschneiden. Das Abschlussprojekt ist ein Code-Labor, in dem Sie den Partikelfilter, ein Kalman-Filter und eine gleitende Regression bauen und das Beta von Apple gegenüber dem SPY verfolgen.
Hidden-Markov-Modelle werden erwartet (Filtern, Bayes-Regel, verborgener Zustand und seine Beobachtungen) sowie Grundlagen der Wahrscheinlichkeit und Normalverteilungen.
