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
Statistics 学习路线›模块 1 · 描述与估计›主题 1.3·~55分钟中级

置信区间与自助法

路线进度模块 1/4 · 主题 3/3
1.3 置信区间与自助法
—实验得分— / 100总 XP—连续天数—

估计有多精确

像平均收益率这样的点估计,并不说明它有多可靠。置信区间补上了这一点:对均值为 xˉ±t∗ s/n\bar x\pm t^{*}\,s/\sqrt{n}xˉ±t∗s/n​,其中 t∗t^{*}t∗ 是自由度为 n−1n-1n−1 的 ttt 分布的临界值(95%、n=25n=25n=25 时约为 2.06,nnn 很大时趋于 1.96)。对比例,区间为 p^±1.96p^(1−p^)/n\hat p\pm1.96\sqrt{\hat p(1-\hat p)/n}p^​±1.96p^​(1−p^​)/n​。宽度由标准误和置信水平决定,且只按 1/n1/\sqrt{n}1/n​ 缩小。

[θ^(2.5%)∗, θ^(97.5%)∗],θ^1∗,…,θ^B∗\left[\hat\theta^{*}_{(2.5\%)},\ \hat\theta^{*}_{(97.5\%)}\right],\qquad \hat\theta^{*}_{1},\dots,\hat\theta^{*}_{B}[θ^(2.5%)∗​, θ^(97.5%)∗​],θ^1∗​,…,θ^B∗​(1)

许多统计量没有简单的标准误公式:中位数、夏普比率、回撤、两个均值之比。自助法绕开了这个问题:对观测数据有放回地重抽样,得到同样大小的新样本,在其上计算统计量,重复成千上万次,再从所得数值的分位数读出区间。它把样本当作总体的替身。当观测相依时要小心(应对连续若干天组成的块重抽样,而不是单个交易日),而且它救不了极小的样本。

两个区间n=25n=25n=25 天、s=2%s=2\%s=2% 的均值标准误为 2/5=0.4%2/5=0.4\%2/5=0.4%,95% 区间为均值 ±2.064⋅0.4=±0.826%\pm2.064\cdot0.4=\pm0.826\%±2.064⋅0.4=±0.826%。在 400 笔交易中 55% 盈利:胜率的区间为 0.55±1.960.55⋅0.45/400≈0.55±0.0490.55\pm1.96\sqrt{0.55\cdot0.45/400}\approx0.55\pm0.0490.55±1.960.55⋅0.45/400​≈0.55±0.049,即约 50.1% 到 59.9%,仅比抛硬币略高。做 2000 次自助重抽样时,2.5% 和 97.5% 分位数分别是第 50 小和第 50 大的值。
  • 均值的置信区间:估计值 ±\pm± 临界值 ×\times× 标准误。
  • 自助法:有放回重抽样、重新计算、重复、取分位数;无需公式。
  • 相依数据:对连续日期的块重抽样,以保留自相关。
95% 区间没有说明的事它并不表示真实值以 95% 的概率落在这个具体区间里。真实值是固定的,区间才是随机的。95% 描述的是这套程序:若把研究重复很多次、每次都构造区间,约有 95% 的区间会包含真值。对单个区间的诚实表述是它的范围,而不是一个概率。

实验:评分内容

  • 均值的区间15 分
  • 比例的区间15 分
  • 自助法的步骤15 分
  • 95% 的含义15 分
  • 关于自助法的事实15 分
  • 读取分位数10 分
  • 为什么自助法不需要公式15 分
0/ 已答 7 题
任务
1数值作答15 分未作答

n = 25 个日收益率的均值,样本标准差为 2%。用 t 临界值 2.064(自由度 24),95% 置信区间的半宽度是多少(百分数)?保留三位小数。

h=h =h=允许误差:± 0.005
2数值作答15 分未作答

400 笔交易中 55% 盈利。用 1.96,胜率 95% 置信区间的半宽度是多少?保留四位小数。

h=h =h=允许误差:± 0.0005
3排列步骤15 分未作答

把百分位自助区间的步骤按顺序排好。

拖动以重新排序;也可聚焦某项,按空格抬起,用方向键移动,再按空格放下。

  1. 1取这些统计量的 2.5% 和 97.5% 分位数
  2. 2在该重抽样上计算统计量
  3. 3有放回地抽取同样大小的重抽样
  4. 4重复很多次,例如 2000 次
4选择15 分未作答

95% 置信区间意味着什么?

5选择15 分未作答

选出所有正确的陈述。

6数值作答10 分未作答

把 2000 个自助值从小到大排序,作为 95% 区间下端的 2.5% 分位数位于第几位(从 1 数起)?

k=k =k=允许误差:± 0.001
7用文字解释15 分未作答

请用两句话解释自助法如何给出夏普比率的置信区间。

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