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 2 · 確率変数と分布›トピック 2.2·~45 分初級

期待値と共分散

スキル上の位置モジュール 2/5 · トピック 2/3
2.2 期待値と共分散
—ラボスコア— / 100合計XP—連続日数—

平均・ばらつき・連動

確率変数の期待値は確率で重み付けした平均 E[X]=∑ixi piE[X]=\sum_i x_i\,p_iE[X]=∑i​xi​pi​ です。線形性 E[aX+bY+c]=aE[X]+bE[Y]+cE[aX+bY+c]=aE[X]+bE[Y]+cE[aX+bY+c]=aE[X]+bE[Y]+c は、XXX と YYY が独立かどうかにかかわらず常に成り立ちます。分散は平均まわりのばらつきを測り、Var⁡(X)=E[(X−E[X])2]=E[X2]−E[X]2\operatorname{Var}(X)=E\big[(X-E[X])^2\big]=E[X^2]-E[X]^2Var(X)=E[(X−E[X])2]=E[X2]−E[X]2、標準偏差 σ=Var⁡(X)\sigma=\sqrt{\operatorname{Var}(X)}σ=Var(X)​ は XXX と同じ単位を持ちます。

Cov⁡(X,Y)=E[XY]−E[X]E[Y],ρ=Cov⁡(X,Y)σXσY\operatorname{Cov}(X,Y)=E[XY]-E[X]E[Y],\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sigma_X\sigma_Y}Cov(X,Y)=E[XY]−E[X]E[Y],ρ=σX​σY​Cov(X,Y)​(1)

共分散は連動を測り、XXX と YYY がともに平均より大きくなりがちなら正です。相関 ρ\rhoρ はそれを −1-1−1 から 111 の範囲に直したものです。分散が足し算になるのは共分散が0のときだけで、一般には Var⁡(X+Y)=Var⁡(X)+Var⁡(Y)+2Cov⁡(X,Y)\operatorname{Var}(X+Y)=\operatorname{Var}(X)+\operatorname{Var}(Y)+2\operatorname{Cov}(X,Y)Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y) です。ウェイト wiw_iwi​ のポートフォリオでは、これが2次形式 Var⁡=∑i,jwiwjCov⁡(Ri,Rj)=wTΣw\operatorname{Var}=\sum_{i,j}w_iw_j\operatorname{Cov}(R_i,R_j)=\mathbf{w}^{T}\Sigma\mathbf{w}Var=∑i,j​wi​wj​Cov(Ri​,Rj​)=wTΣw になります。

離散的なリターンと2資産ポートフォリオあるリターン(パーセント)が −2-2−2、111、444 をそれぞれ確率 0.20.20.2、0.50.50.5、0.30.30.3 でとるとします。E[X]=−0.4+0.5+1.2=1.3E[X]=-0.4+0.5+1.2=1.3E[X]=−0.4+0.5+1.2=1.3、E[X2]=0.8+0.5+4.8=6.1E[X^2]=0.8+0.5+4.8=6.1E[X2]=0.8+0.5+4.8=6.1、Var⁡(X)=6.1−1.32=4.41\operatorname{Var}(X)=6.1-1.3^2=4.41Var(X)=6.1−1.32=4.41 なので σ=2.1\sigma=2.1σ=2.1 です。次に、σ1=0.2\sigma_1=0.2σ1​=0.2、σ2=0.3\sigma_2=0.3σ2​=0.3、ρ=0.5\rho=0.5ρ=0.5 の2資産に50対50で配分すると、Var⁡=0.25(0.04)+0.25(0.09)+2(0.25)(0.5)(0.2)(0.3)=0.0475\operatorname{Var}=0.25(0.04)+0.25(0.09)+2(0.25)(0.5)(0.2)(0.3)=0.0475Var=0.25(0.04)+0.25(0.09)+2(0.25)(0.5)(0.2)(0.3)=0.0475、σp≈0.218\sigma_p\approx0.218σp​≈0.218 で、平均の0.25を下回ります。
  • 期待値は独立性の有無にかかわらず線形。
  • 分散:E[X2]−E[X]2E[X^2]-E[X]^2E[X2]−E[X]2。Var⁡(aX+b)=a2Var⁡(X)\operatorname{Var}(aX+b)=a^2\operatorname{Var}(X)Var(aX+b)=a2Var(X)。
  • 共分散と相関は連動を測る。Cov⁡(X,X)=Var⁡(X)\operatorname{Cov}(X,X)=\operatorname{Var}(X)Cov(X,X)=Var(X)。
相関ゼロは独立ではない独立な変数の共分散は0ですが、逆は成り立ちません。XXX が0について対称で Y=X2Y=X^2Y=X2 のとき、YYY は XXX で完全に決まるのに Cov⁡(X,Y)=0\operatorname{Cov}(X,Y)=0Cov(X,Y)=0 です。相関が捉えるのは線形の連動だけで、暴落するまでは穏やかな市場は、相関が低くてもテールでは強く依存していることがあります。

ラボ:採点される内容

  • 期待リターン15点
  • 分散15点
  • 共分散10点
  • ポートフォリオの分散20点
  • 正しい規則はどれか15点
  • 相関10点
  • 分散投資が効く理由15点
0/ 7問回答済み
問題
1数値で答える15点未回答

あるリターン(パーセント)が -2、1、4 をそれぞれ確率 0.2、0.5、0.3 でとります。期待値 E[X]E[X]E[X] を計算してください。

E[X]=E[X] =E[X]=許容:± 0.001
2数値で答える15点未回答

あるリターン(パーセント)が -2、1、4 をそれぞれ確率 0.2、0.5、0.3 でとります。Var⁡(X)=E[X2]−E[X]2\operatorname{Var}(X)=E[X^2]-E[X]^2Var(X)=E[X2]−E[X]2 を計算してください。

Var⁡(X)=\operatorname{Var}(X) =Var(X)=許容:± 0.005
3数値で答える10点未回答

2つのリターンについて E[X]=1E[X]=1E[X]=1、E[Y]=2E[Y]=2E[Y]=2、E[XY]=3E[XY]=3E[XY]=3 です。Cov⁡(X,Y)\operatorname{Cov}(X,Y)Cov(X,Y) を求めてください。

Cov⁡=\operatorname{Cov} =Cov=許容:± 0.001
4数値で答える20点未回答

2つの資産について σ1=0.2\sigma_1=0.2σ1​=0.2、σ2=0.3\sigma_2=0.3σ2​=0.3、相関 ρ=0.5\rho=0.5ρ=0.5 です。50対50のポートフォリオの分散を小数第4位まで求めてください。

σp2=\sigma_p^{2} =σp2​=許容:± 0.0002
5選択15点未回答

常に成り立つ規則をすべて選んでください。

6数値で答える10点未回答

Cov⁡(X,Y)=0.9\operatorname{Cov}(X,Y)=0.9Cov(X,Y)=0.9、σX=1.5\sigma_X=1.5σX​=1.5、σY=1.0\sigma_Y=1.0σY​=1.0 のとき、相関 ρ\rhoρ を求めてください。

ρ=\rho =ρ=許容:± 0.001
7言葉で説明する15点未回答

完全には相関しない2資産のポートフォリオが、2つの平均よりリスクが小さくなる理由を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