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路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • 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路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Bayesian Inference 学习路线›模块 1 · 信念与证据›主题 1.3·~45分钟中级

后验区间与决策

路线进度模块 1/3 · 主题 3/4
1.3 后验区间与决策
—实验得分— / 100总 XP—连续天数—

说出你有多确定

后验是一整片信念,所以可以用概率回答问题。95%95\%95% 可信区间是在给定先验和数据的条件下,以 95%95\%95% 的概率包含真值的范围。这正是人们常误加在普通置信区间上的那句直白的话。对正态后验 N(9.66%, 3.12%)N(9.66\%,\,3.12\%)N(9.66%,3.12%),区间是均值加减 1.961.961.96 个标准差:[3.5%, 15.8%][3.5\%,\ 15.8\%][3.5%, 15.8%]。对胜率 Beta(19,11)\mathrm{Beta}(19,11)Beta(19,11),区间为 [0.46, 0.79][0.46,\ 0.79][0.46, 0.79],围绕均值并不对称。

[μn−1.96 τn, μn+1.96 τn],P(μ>c)=1−Φ ⁣(c−μnτn)[\mu_n-1.96\,\tau_n,\ \mu_n+1.96\,\tau_n],\qquad P(\mu>c)=1-\Phi\!\left(\frac{c-\mu_n}{\tau_n}\right)[μn​−1.96τn​, μn​+1.96τn​],P(μ>c)=1−Φ(τn​c−μn​​)(1)

也可以直接问你真正关心的概率,比如 P(μ>c)P(\mu>c)P(μ>c)。决策还需要一样东西:判断错误的代价。设策略是好的就赚 +2+2+2 个单位,否则亏 101010 个单位。若后验认为它是好策略的概率为 0.930.930.93,期望结果为 0.93×2−0.07×10=1.160.93\times2-0.07\times10=1.160.93×2−0.07×10=1.16,所以应交易;若概率是 0.800.800.80,则为 0.8×2−0.2×10=−0.40.8\times2-0.2\times10=-0.40.8×2−0.2×10=−0.4,应观望。最佳的单点估计取决于如何给误差打分:平方误差下后验均值最好,绝对误差下中位数最好。

读数字由后验 N(9.66%, 3.12%)N(9.66\%,\,3.12\%)N(9.66%,3.12%):95%95\%95% 区间为 9.66±1.96×3.129.66\pm1.96\times3.129.66±1.96×3.12,即 [3.54%, 15.78%][3.54\%,\ 15.78\%][3.54%, 15.78%]。平均收益超过 5%5\%5% 的概率是 Φ((9.66−5)/3.12)=Φ(1.49)=0.932\Phi\big((9.66-5)/3.12\big)=\Phi(1.49)=0.932Φ((9.66−5)/3.12)=Φ(1.49)=0.932,高于 000 的概率是 0.9990.9990.999。所以你几乎确定这个策略能赚到钱,并且约有 93%93\%93% 的把握它赚得超过 5%5\%5%。
  • 可信区间:在给定先验和数据下,以所述概率包含真值的范围。
  • 尾部概率如 P(μ>c)P(\mu>c)P(μ>c) 回答的正是你真正关心的问题。
  • 决策:在后验上对收益取平均,选期望结果最好的行动。

实验:评分内容

  • 下端15 分
  • 上端15 分
  • 尾部概率15 分
  • 一次下注的期望结果15 分
  • 解读可信区间10 分
  • 配对术语15 分
  • 记录短区间宽15 分
0/ 已答 7 题
任务
1数值作答15 分未作答

后验为 N(9.66%, 3.12%)N(9.66\%,\,3.12\%)N(9.66%,3.12%)。95%95\%95% 可信区间的下端 9.66−1.96×3.129.66-1.96\times3.129.66−1.96×3.12(百分数)是多少?保留两位小数。

lo=lo =lo=允许误差:± 0.03
2数值作答15 分未作答

同一区间的上端 9.66+1.96×3.129.66+1.96\times3.129.66+1.96×3.12(百分数)是多少?保留两位小数。

hi=hi =hi=允许误差:± 0.03
3数值作答15 分未作答

平均收益高于 5%5\%5% 的后验概率是多少?先算 z=(9.66−5)/3.12z=(9.66-5)/3.12z=(9.66−5)/3.12,再用表或计算器求 Φ(z)\Phi(z)Φ(z)。保留三位小数。

p=p =p=允许误差:± 0.004
4数值作答15 分未作答

策略是好的就赚 222 个单位,否则亏 101010 个单位。它是好策略的后验概率为 0.930.930.93。期望结果是多少?

ev=ev =ev=允许误差:± 0.01
5选择10 分未作答

对于平均收益的 95% 可信区间 [3.5%, 15.8%],哪句话描述正确?

6配对15 分未作答

把每个术语与其含义配对。

为左侧每一项选择配对项。

95% 可信区间
P(μ>c)P(\mu>c)P(μ>c)
后验均值
后验中位数
7用文字解释15 分未作答

用一两句话解释:为什么一年的收益比二十年的收益给出宽得多的平均收益可信区间。

数学模式键盘或 LaTeX 输入第 1/7 题 · Ctrl ⏎ 检查

登录后即可运行你的代码。

所有讲解均可免费阅读。创建账户或登录后,即可运行代码、运行测试并提交此实验。

  • 浏览器内 IDE 与 bash 终端,无需安装
  • 即时评分、XP 以及你在学习路线中的位置
创建账户登录
或
使用 GitHub 继续