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
Probability スキル›モジュール 3 · 極限定理と変換›トピック 3.2·~45 分中級

中心極限定理

スキル上の位置モジュール 3/5 · トピック 2/3
3.2 中心極限定理
—ラボスコア— / 100合計XP—連続日数—

なぜ釣り鐘型がどこにでも現れるのか

大数の法則は平均が μ\muμ の近くに落ち着くと述べます。中心極限定理は、残る誤差がどんな形をしているかを述べます。平均 μ\muμ、有限の分散 σ2\sigma^2σ2 を持つ独立な観測では、標準化した平均 Xˉn−μσ/n\dfrac{\bar X_n-\mu}{\sigma/\sqrt{n}}σ/n​Xˉn​−μ​ は、元の分布の形によらず、nnn が大きいとき近似的に標準正規分布になります。小さな独立な効果の和や平均は、個々が正規でなくても正規になります。

Xˉn ≈ N ⁣(μ, σ2n),μ∈Xˉn±1.96 σn  (95%)\bar X_n\ \approx\ N\!\left(\mu,\ \frac{\sigma^{2}}{n}\right),\qquad \mu\in\bar X_n\pm1.96\,\frac{\sigma}{\sqrt{n}}\ \ (95\%)Xˉn​ ≈ N(μ, nσ2​),μ∈Xˉn​±1.96n​σ​  (95%)(1)

だから、平均の95%信頼区間は標本平均±1.96標準誤差になり、平均が期待値から大きく離れる確率は正規分布表から読めます。標準偏差 σ\sigmaσ の独立な項 nnn 個の和の標準偏差は σn\sigma\sqrt{n}σn​ です。日次ボラティリティに 252\sqrt{252}252​ を掛けて年率にするのは、同じ定理を和の側から見たものです。

信頼区間と確率日次リターンの σ=3%\sigma=3\%σ=3% とします。n=36n=36n=36 日の平均の標準誤差は 3%/6=0.5%3\%/6=0.5\%3%/6=0.5% なので、真の平均の95%区間は標本平均 ±0.98%\pm0.98\%±0.98% です。標準誤差が 0.25%0.25\%0.25% なら、標本平均が真の平均を 0.5%0.5\%0.5% 上回る確率は P(Z>2)≈0.0228P(Z>2)\approx0.0228P(Z>2)≈0.0228 です。また、ボラティリティ1%の独立な25日分の和の標準偏差は 1%⋅25=5%1\%\cdot\sqrt{25}=5\%1%⋅25​=5% です。
  • 中心極限定理:有限分散の独立な多数の項の平均や和は近似的に正規。
  • 信頼区間:平均 ±1.96 σ/n\pm1.96\,\sigma/\sqrt{n}±1.96σ/n​ で約95%。
  • 時間の平方根則:独立な日次ボラティリティは TTT 日で T\sqrt{T}T​ 倍になる。
定理があまり役に立たないとき正規近似が扱うのは分布の中心部分で、独立性と有限の分散が必要です。裾の重いリターンでは近似が効くのが遅く、極端な値についてはほとんど何も言えません。ボラティリティのクラスタリングがあると観測は独立ではなく、実効的なサンプルは nnn より小さくなります。1.96標準誤差の区間を信用する前に、これらの仮定を確かめてください。

ラボ:採点される内容

  • 標準誤差10点
  • テール確率15点
  • 信頼区間15点
  • 定理が必要とするもの15点
  • 日数にわたる和10点
  • 近似が悪いとき15点
  • 裾の重さが定理を遅くする20点
0/ 7問回答済み
問題
1数値で答える10点未回答

日次リターンの σ=3%\sigma=3\%σ=3% です。n=36n=36n=36 日の平均の標準誤差をパーセントで求めてください。

SE=SE =SE=許容:± 0.005
2数値で答える15点未回答

標本平均の標準誤差は 0.25%0.25\%0.25% です。中心極限定理により、標本平均が真の平均を 0.5%0.5\%0.5% より大きく上回る確率はいくつですか。P(Z>2)P(Z>2)P(Z>2) を使い、小数第4位まで答えてください。

P=P =P=許容:± 0.0005
3数値で答える15点未回答

標準誤差が 0.5%0.5\%0.5% のとき、平均の95%信頼区間の半幅をパーセントで求めてください。1.96を使います。

h=h =h=許容:± 0.005
4選択15点未回答

古典的な中心極限定理に必要な条件の組はどれですか。

5数値で答える10点未回答

独立な25日分の日次リターンの標準偏差はそれぞれ 1%1\%1% です。その和の標準偏差をパーセントで求めてください。

σsum=\sigma_{\text{sum}} =σsum​=許容:± 0.005
6選択15点未回答

標本平均の正規近似が悪くなる状況をすべて選んでください。

7言葉で説明する20点未回答

裾の重いリターンの平均が正規分布らしく見えるまでに、より多くの観測が必要な理由を2文で説明してください。

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