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
Particle filtering and non-stationary time series-Skill›Modul 1 · Verborgene Zustände in Bewegung›Thema 1.2·~50 Min.Fortgeschritten

Das Kalman-Filter im Überblick

Position in der SkillModul 1 von 3 · Thema 2 von 2
1.2 Das Kalman-Filter im Überblick
—Lab-Punkte— / 100XP gesamt—Serie—

Der Filter für Glockenkurven

Bewegt sich der Zustand linear und ist alles Rauschen glockenförmig, passiert etwas Schönes: Die Überzeugung über den Zustand bleibt für immer eine Glockenkurve. Eine Glockenkurve braucht nur zwei Zahlen, ihren Mittelwert mmm und ihre Varianz PPP, also muss ein Filter nur diese beiden mitführen. Das ist das Kalman-Filter, und in diesem Rahmen ist es die exakte Antwort. Jeden Tag macht es zwei Schritte. Vorhersagen: Der Mittelwert bleibt, die Varianz wächst um qqq. Aktualisieren: Die Beobachtung yyy zieht den Mittelwert um einen Bruchteil KKK, den Gewinn, zu sich, und die Varianz sinkt.

P−=P+q,K=P−P−+r,m=m−+K (y−m−),P=(1−K) P−P^{-}=P+q,\quad K=\frac{P^{-}}{P^{-}+r},\quad m=m^{-}+K\,(y-m^{-}),\quad P=(1-K)\,P^{-}P−=P+q,K=P−+rP−​,m=m−+K(y−m−),P=(1−K)P−(1)

Das Update ist nur ein gewichteter Mittelwert: Der neue Mittelwert ist (1−K) m−+K y(1-K)\,m^{-}+K\,y(1−K)m−+Ky. Der Gewinn KKK liegt zwischen 000 und 111. Er ist nahe 111, wenn die Vorhersage sehr unsicher ist (P−P^{-}P− groß) oder die Beobachtung präzise (rrr klein), man vertraut also den Daten. Er ist nahe 000 im umgekehrten Fall, man vertraut der Vorhersage. Die Differenz y−m−y-m^{-}y−m− ist die Überraschung, Innovation genannt. Jedes Update verkleinert die Varianz, weil 1−K<11-K<11−K<1 ist, jede Vorhersage vergrößert sie um qqq. Nach genügend langer Zeit gleichen sich beide auf einem stabilen Niveau aus.

Zwei Tage FilternNehmen wir die Überzeugung N(0,2)N(0,2)N(0,2), q=0,5q=0{,}5q=0,5, r=1r=1r=1 und die erste Beobachtung y1=2y_1=2y1​=2. Vorhersage: P−=2,5P^{-}=2{,}5P−=2,5. Gewinn: K=2,5/3,5=0,714K=2{,}5/3{,}5=0{,}714K=2,5/3,5=0,714. Update: m1=0+0,714×2=1,429m_1=0+0{,}714\times2=1{,}429m1​=0+0,714×2=1,429 und P1=(1−0,714)×2,5=0,714P_1=(1-0{,}714)\times2{,}5=0{,}714P1​=(1−0,714)×2,5=0,714. Am nächsten Tag y2=1y_2=1y2​=1: Vorhersage P−=0,714+0,5=1,214P^{-}=0{,}714+0{,}5=1{,}214P−=0,714+0,5=1,214 und K=1,214/2,214=0,548K=1{,}214/2{,}214=0{,}548K=1,214/2,214=0,548. Die Überraschung ist 1−1,429=−0,4291-1{,}429=-0{,}4291−1,429=−0,429, also m2=1,429−0,548×0,429=1,194m_2=1{,}429-0{,}548\times0{,}429=1{,}194m2​=1,429−0,548×0,429=1,194. Langfristig pendelt sich die vorhergesagte Varianz dort ein, wo P−=q+P−r/(P−+r)P^{-}=q+P^{-}r/(P^{-}+r)P−=q+P−r/(P−+r) gilt, was für diese Zahlen genau 111 ist und einen stabilen Gewinn von 0,50{,}50,5 ergibt.

Dasselbe Filter verfolgt ein zeitveränderliches Beta. Der Zustand ist das Beta βt\beta_tβt​, das wie ein Random Walk driftet, und die Beobachtung ist die Rendite einer Aktie yt=βt mt+ety_t=\beta_t\,m_t+e_tyt​=βt​mt​+et​, wobei mtm_tmt​ die Marktrendite ist. Die einzige Änderung: Der Gewinn wird zu K=P−mt/(P−mt2+r)K=P^{-}m_t/(P^{-}m_t^{2}+r)K=P−mt​/(P−mt2​+r). Eine große Marktbewegung lehrt viel über das Beta, ein Tag mit mt≈0m_t\approx0mt​≈0 fast nichts. Bei Apple gegenüber dem SPY seit 2005 liegt das Beta der ganzen Stichprobe bei 1,071{,}071,07, während ein Kalman-Filter mit q=10−3q=10^{-3}q=10−3 es Ende 2008 bei 0,770{,}770,77, Ende 2018 bei 1,421{,}421,42 und am letzten Tag bei 0,400{,}400,40 sieht, mit einem Standardfehler von etwa 0,250{,}250,25.

  • Zwei Zahlen pro Tag: Mittelwert und Varianz genügen, wenn alles linear und glockenförmig ist.
  • Der Gewinn ist ein Vertrauensregler: KKK nahe 111 vertraut den neuen Daten, nahe 000 der Vorhersage.
  • Grenzen: Ist die Volatilität selbst verborgen oder hat das Rauschen dicke Ränder, ist die Überzeugung keine Glockenkurve mehr und man braucht Partikel.

Lab: Was bewertet wird

  • Der erste Gewinn15 Pkt.
  • Der aktualisierte Mittelwert15 Pkt.
  • Die aktualisierte Varianz10 Pkt.
  • Zweiter Tag15 Pkt.
  • Das stabile Niveau10 Pkt.
  • Eine verrauschtere Beobachtung10 Pkt.
  • Begriffe zuordnen10 Pkt.
  • Warum ein Update die Varianz senkt15 Pkt.
0/ 8 beantwortet
Aufgaben
1Numerische Antwort15 Pkt.Nicht beantwortet

Bei der vorhergesagten Varianz P−=2,5P^{-}=2{,}5P−=2,5 und dem Messrauschen r=1r=1r=1: Wie groß ist der Gewinn K=P−/(P−+r)K=P^{-}/(P^{-}+r)K=P−/(P−+r)? Geben Sie drei Dezimalstellen an.

K=K =K=akzeptiert: ± 0.002
2Numerische Antwort15 Pkt.Nicht beantwortet

Der vorhergesagte Mittelwert ist 000, die Beobachtung y1=2y_1=2y1​=2 und der Gewinn K=0,714K=0{,}714K=0,714. Wie groß ist der aktualisierte Mittelwert m1=m−+K(y1−m−)m_1=m^{-}+K(y_1-m^{-})m1​=m−+K(y1​−m−)? Geben Sie drei Dezimalstellen an.

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

Mit P−=2,5P^{-}=2{,}5P−=2,5 und K=0,714K=0{,}714K=0,714: Wie groß ist die aktualisierte Varianz P1=(1−K)P−P_1=(1-K)P^{-}P1​=(1−K)P−? Geben Sie drei Dezimalstellen an.

P=P =P=akzeptiert: ± 0.003
4Numerische Antwort15 Pkt.Nicht beantwortet

Am zweiten Tag beträgt der vorhergesagte Mittelwert 1,4291{,}4291,429 und der Gewinn K=0,548K=0{,}548K=0,548. Die neue Beobachtung ist y2=1y_2=1y2​=1. Wie groß ist der aktualisierte Mittelwert m2m_2m2​? Geben Sie drei Dezimalstellen an.

m=m =m=akzeptiert: ± 0.003
5Numerische Antwort10 Pkt.Nicht beantwortet

Langfristig erfüllt die vorhergesagte Varianz aaa die Gleichung a=q+a r/(a+r)a=q+a\,r/(a+r)a=q+ar/(a+r). Prüfen Sie für q=0,5q=0{,}5q=0,5, r=1r=1r=1, welcher Wert sie löst: Passt a=1a=1a=1? Geben Sie den Wert von q+a r/(a+r)q+a\,r/(a+r)q+ar/(a+r) für a=1a=1a=1 ein.

v=v =v=akzeptiert: ± 0.001
6Auswahl10 Pkt.Nicht beantwortet

Das Messrauschen rrr wird viel größer, alles andere bleibt gleich. Was passiert mit dem Gewinn und dem aktualisierten Mittelwert?

7Zuordnen10 Pkt.Nicht beantwortet

Ordnen Sie jedem Begriff seine Bedeutung zu.

Wähle den Partner für jedes Element links.

Gewinn K
Innovation
Vorhergesagte Varianz
Aktualisierte Varianz
8In Worten erklären15 Pkt.Nicht beantwortet

Erklären Sie in ein bis zwei Sätzen, warum die Varianz nach einem Update, P=(1−K)P−P=(1-K)P^{-}P=(1−K)P−, nie größer ist als die vorhergesagte Varianz.

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