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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • 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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de SciPy›Módulo 1 · Ajustar y encontrar›Tema 1.8·~50 minIntermedio

Ajustar una curva de decaimiento con curve_fit

Posición en la rutaMódulo 1 de 3 · Tema 8 de 8
1.8 Ajustar una curva de decaimiento con curve_fit
—Puntuación del lab— / 100XP total—Racha—

La escala de tiempo de la reversión a la media

Un diferencial alto hoy tiende a ser menor más adelante, pero ¿con qué rapidez? La autocorrelación en el rezago k mide cuánto de la desviación de hoy respecto a la media sigue viéndose k días después: se resta la media y luego ρₖ=Σₜxₜxₜ₋ₖ / Σₜxₜ². Para una serie que revierte a la media, estos números caen como e^(-k/τ), y τ es la escala de tiempo: tras τ días queda cerca del 37 % de una desviación y tras τln 2 días (la vida media) la mitad. scipy.optimize.curve_fit(modelo, x, y, p0=..., bounds=...) halla los parámetros de cualquier modelo por mínimos cuadrados. Se le pasa el modelo como función modelo(x, *params), una estimación inicial p0 y límites que mantengan el parámetro positivo, y devuelve los mejores parámetros y su matriz de covarianza pcov; los errores estándar son las raíces cuadradas de su diagonal.

En el diferencial del Tesoro a 10 años menos 2 años (6.697 días desde 2000), el ajuste da τ≈1.006 días con un error estándar cercano a 5, una vida media cercana a 697 días. Esa cifra engaña. Repita el ajuste en trece ventanas separadas de 500 días y la vida media va de 33 a 124 días: el diferencial revertía mucho más rápido dentro de cada periodo de lo que sugiere la muestra completa, porque esta contiene también las oscilaciones lentas entre regímenes. Un error estándar diminuto solo dice que la curva ajusta bien las autocorrelaciones, no que estas sean estables. Ajuste por ventana, mire cómo se mueve la estimación e informe el rango, no un solo número.

  • La autocorrelación muestra la memoria: en la reversión a la media decae como exp(-k / tau).
  • curve_fit devuelve una curva y su incertidumbre: déle un inicio y límites, y lea el error estándar en pcov.
  • Un error estándar pequeño no es estabilidad: reajuste en ventanas móviles antes de creer una vida media.

Lab: qué se califica

  • Autocorrelaciones muestrales15 pts
  • El modelo de decaimiento5 pts
  • Ajustar la escala de tiempo25 pts
  • La vida media5 pts
  • Vidas medias móviles25 pts
  • El estudio del diferencial25 pts
Explorador · lab-sp-16
▾ lab-sp-16
▾ data
…
bash · en el navegador
learner@quantcraft:~/lab-sp-16$
Python aún no cargadoPythonLn 1, Col 1Spaces: 4UTF-8

¿Restablecer este tema?

Todo lo que hay en lab-sp-16 vuelve a los archivos iniciales y se limpia el terminal. Tu solución actual se perderá: no se puede deshacer.

Se restablecerá
  • main.py → código inicial
  • Historial del terminal y salida de pruebas
  • Cambios sin enviar
Se conservará
  • Mejor puntuación del lab
  • Tu XP y tu racha
  • Progreso de la lección y notas

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub