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 Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • 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 Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Bayesian Inference スキル›モジュール 1 · 信念と証拠›トピック 1.2·~50 分中級

共役モデル:ベータ二項とガウス

スキル上の位置モジュール 1/3 · トピック 2/4
1.2 共役モデル:ベータ二項とガウス
—ラボスコア— / 100合計XP—連続日数—

公式で済む更新

通常、事後分布の計算にはコンピュータが必要です。しかし事前分布と尤度の組によっては、事後分布が事前分布と同じ族にとどまるため、答えが簡単な式になります。そのような組を共役といいます。最も有名なのは勝率 θ\thetaθ の場合で、ベータ分布の事前分布と勝ち負けのデータです。Beta(a,b)\mathrm{Beta}(a,b)Beta(a,b) の事前分布は、すでに aaa 勝 bbb 敗を見たのと同じ働きをします。新しい勝ちは aaa に 111 を、負けは bbb に 111 を足します。平均は a/(a+b)a/(a+b)a/(a+b) です。

Beta(a,b)→Beta(a+k, b+n−k),m=a/(a+b)\mathrm{Beta}(a,b)\to\mathrm{Beta}(a+k,\,b+n-k),\qquad m=a/(a+b)Beta(a,b)→Beta(a+k,b+n−k),m=a/(a+b)(1)

2つ目の組は、ノイズの大きさがわかっているときの平均リターンのような未知の平均です。事前分布は N(μ0,τ02)N(\mu_0,\tau_0^{2})N(μ0​,τ02​)、データからは標準誤差 sss の標本平均 xˉ\bar xxˉ が得られます。精度(1/分散1/\mathrm{分散}1/分散)は、そのものをどれだけ信頼するかの目安と考えてください。事後精度は2つの精度の和で、事後平均は事前平均と標本平均を精度で重み付けした平均です。より精度の高いほうが大きな重みを持ちます。

1τn2=1τ02+1s2,μn=μ0/τ02+xˉ/s21/τ02+1/s2\frac{1}{\tau_n^{2}}=\frac{1}{\tau_0^{2}}+\frac{1}{s^{2}},\qquad \mu_n=\frac{\mu_0/\tau_0^{2}+\bar x/s^{2}}{1/\tau_0^{2}+1/s^{2}}τn2​1​=τ02​1​+s21​,μn​=1/τ02​+1/s2μ0​/τ02​+xˉ/s2​(2)
勝率と平均リターン平均 0.50.50.5 の Beta(5,5)\mathrm{Beta}(5,5)Beta(5,5) から始め、202020 日で 141414 勝を見ます。事後分布は平均 19/30=0.63319/30=0.63319/30=0.633 の Beta(19,11)\mathrm{Beta}(19,11)Beta(19,11) です。データだけなら 0.700.700.70 ですが、事前分布が 0.50.50.5 のほうへ引き戻します。次に、事前 6%±5%6\%\pm5\%6%±5%、データ 12%±4%12\%\pm4\%12%±4% の平均リターンです。精度は 1/0.052=4001/0.05^{2}=4001/0.052=400 と 1/0.042=6251/0.04^{2}=6251/0.042=625。事後精度は 102510251025、平均は (400⋅6+625⋅12)/1025=9.66%(400\cdot6+625\cdot12)/1025=9.66\%(400⋅6+625⋅12)/1025=9.66%、標準偏差は 1/1025=3.12%1/\sqrt{1025}=3.12\%1/1025​=3.12% です。データのほうが精度が高いので、結果はデータに近くなります。
  • 共役:事後分布が事前分布と同じ族なので、更新は式で済む。
  • ベータ事前分布:すでに見た勝ちと負けの回数。新しい回数を足せば事後分布。
  • 正規の場合:精度を足し、平均を精度の重みで平均する。

ラボ:採点される内容

  • 事後の勝率15点
  • 勝率の広がり15点
  • 事後の平均リターン15点
  • 事後の広がり15点
  • 平らなベータ事前分布10点
  • 用語を結び付ける15点
  • 事前分布とデータの間15点
0/ 7問回答済み
問題
1数値で答える15点未回答

事前分布は Beta(5,5)\mathrm{Beta}(5,5)Beta(5,5) で、戦略は 202020 日中 141414 日勝ちました。事後分布 Beta(19,11)\mathrm{Beta}(19,11)Beta(19,11) の平均 a/(a+b)a/(a+b)a/(a+b) はいくつですか。小数第4位まで答えてください。

m=m =m=許容:± 0.0005
2数値で答える15点未回答

Beta(a,b)\mathrm{Beta}(a,b)Beta(a,b) の標準偏差は ab(a+b)2(a+b+1)\sqrt{\dfrac{ab}{(a+b)^{2}(a+b+1)}}(a+b)2(a+b+1)ab​​ です。Beta(19,11)\mathrm{Beta}(19,11)Beta(19,11) ではいくつですか。小数第4位まで答えてください。

s=s =s=許容:± 0.0005
3数値で答える15点未回答

平均リターンの事前分布は 6%±5%6\%\pm5\%6%±5%、データは 12%±4%12\%\pm4\%12%±4% です。精度は 400400400 と 625625625 です。事後平均(パーセント)(400⋅6+625⋅12)/1025(400\cdot6+625\cdot12)/1025(400⋅6+625⋅12)/1025 はいくつですか。小数第2位まで答えてください。

m=m =m=許容:± 0.02
4数値で答える15点未回答

事後精度は 102510251025 です。事後標準偏差 1/10251/\sqrt{1025}1/1025​(パーセント)はいくつですか。小数第2位まで答えてください。

s=s =s=許容:± 0.02
5選択10点未回答

事前分布 Beta(1,1)\mathrm{Beta}(1,1)Beta(1,1) は勝率について何を言っていますか。

6対応づけ15点未回答

各用語をその意味に結び付けてください。

左の各項目に対応するものを選んでください。

Beta(a,b)\mathrm{Beta}(a,b)Beta(a,b)
精度
共役の組
事後平均(正規の場合)
7言葉で説明する15点未回答

1〜2文で、正規の平均の事後平均が事前平均と標本平均の間に来る理由と、どちらにより近いかを説明してください。

数学モードキーボードまたは LaTeX で入力問題1/7 · Ctrl ⏎ で確認

コードを実行するにはログインしてください。

レクチャーはすべて無料で読めます。コードの実行、テスト、ラボの提出にはアカウントの作成かログインが必要です。

  • ブラウザ内IDEとbashターミナル。インストール不要
  • 即時採点、XP、スキルでの現在地
アカウントを作成ログイン
または
GitHubで続ける