目录(点击切换)
肥尾效应 塔勒布 电子书 塔勒布
肥尾效应塔勒布 塔勒布
关于肥尾效应免费阅读 pdf的图片
选自《林园炒股秘籍》肥尾效应和正态分布
误或计算机故障) 造成的伪异常。
所谓非参数的“经验分布”完全没有经验性的借鉴意义〈而且会
在尾部的期望收益上造成误导) ,至少在金融和风险管理领域是这样
的,第十章会进一步讨论。这里可以简单解释如下: 如果没有科学的
外推方法,从过去的数据中简单估计未来的极值,偏差会很大
这就像有人想通过修筑提坝来防止洪水,简单的“经验”分布会
基于历史最高水位,也就是说,更高水位的概率为0。但是反过来想
历史最高水位在成为最高水位之前肯定要超越之前的最高水位,因
此,经验分布已经被突破。在厚尾分布下,过去极大值和未来期望极
大值的差异会远远大于薄尾分布。
肥尾效应亚马逊
效应6 ”最小二乘线性回归失效〈高斯-马尔可夫定理不成
工) 。
肥尾效应 塔勒布 塔勒布
如图3. 10所示,最小二乘回归背后的原理是高斯-马尔可夫定理
要求变量满足薄尾分布,这样才能通过所有数据点拟合出唯一的直
线。而在肥尾条件下,我们需要远远多于预期的数据来最小化偏差平
方和《高斯-马尔可夫定理依然成立,但是现实世界的数据是有限的
而不是无限的,所以其效果近似于不成立) ,或者因为变量二阶矩不
存在,我们可能无法求解。在二阶矩不存在的情况下,如果仅仅最小
化平均绝对偏差 (MAD ) ,一方面我们会面临数据不足的问题,另一方
面我们求得的斜率也可能不唯一。图3. 10 在厚必条件下, 我们可以对同样的样本拟合出完全不同的直线 〈线
肥尾效应亚马逊 pdf
回归所需的高斯-马尔可夫定理不再成立) 。左图: 常规回归的结果。右图: 党
补偿大偏差得出的回归线一一可以看作某种“ 公对冲比率\" 补偿了大偏差但是
小偏差数据的误差很大,如果名视大偏差,结 就是灾难性的。这里的样本并
子均值”的方法进行估计。
性
肥尾效应和长尾效应
试
对
不
包含大偏差值,但回归时会通过“影
我们在章节6. 7中会进一步讨论,由于厚尾的小样本效应,回归样
肥尾效应豆瓣
本内的决定系数 〈R) 远远大于真实值。当随机变量方差无穷大的时
候,了应该等于0。但是,因为回归样本量必然有限,R2会给出高于
的欺骗性结果。因此,在厚尾条件下,R2不仅完全没有意义,还会因
为高估时不时产生十足的欺骗作用《〈就像智商研究一样) 。
肥尾效应图解
效应7 ”极大似然估计对于部分分布参数的估计依然有效〈好消
息) 。
以寡律分布为例,我们可以估计其分布的形状参数和尾部指数
《本书用a 表示艾) ,以帮助我们更好地理解分布,然后从分布反向
估计均值,其效果会远好于直接用样本均值估计整体期望。
肥尾效应与黑天鹅区别
示例: 一个简单帆累托分布 人 小值L,尾部指数 ,
EDRE=wzex22 )的期肩是Z (一个和a 相关的函数) 。
此,我们可以从这两个参数出发〈其中一个已知) ,通过插入式估计量获得均值。我们可以直观估计 a 《或者采用低方差的极大似然估
计,这里 a 满足倒伽马分布) ,然后计算得到均值。这样的均值估计
比直接求样本均值要准确得多。
肥尾效应与黑天鹅区别 pdf
让我们再强调一下上述逻辑,
通过拟合尾部指数 d 的方法,可以获得数据中没有出现的小概
率尾部信息,而且该信息对分布均值有巨大的影响。
肥尾效应出版时间 pdf
这一方法可以推广到基尼系数和其他的不平均估计量上。
因此,在一些情况下,我们可以针对尾部指数构建函数,从而得
到更可靠〈或者至少没有那么不可靠) 的统计量,当然,仅仅是在一
些情况下。
接下来,我们要面临一个现实世界中的问题: 如果没有靠谱的统
计量怎么办? 那最好还是在家里待着,我们不能把自己暴露在胞弱性
的风险之下。不过,如果可以锁定最大损失,我们就可以做出承担风
肥尾效应 塔勒布 pdf
效应8 经验可证实和可证伪之间的差距远比常规统计能覆盖的
范围更大,即不能证明和证明不可行之间的差异变得更大了。 (所
肥尾效应知乎 pdf
谓“基于证据”的科学除非经过严格的验证,否则通常是经验外推
的,其证据既不充分,也不算科学。)
关于肥尾效应免费阅读 pdf的相关词
肥尾效应亚马逊 | 肥尾效应pdf |
肥尾效应 塔勒布 | 肥尾效应塔勒布 |
肥尾效应与黑天鹅区别 塔勒布 | 肥尾效应和长尾效应 pdf |