【肥尾效应与黑天鹅区别 塔勒布】塔勒布关于肥尾效应是

肥尾效应电子书

肥尾效应与黑天鹅区别 塔勒布

关于肥尾效应是什么意思 pdf的图片

选自《林园炒股秘籍》肥尾效应与黑天鹅区别 塔勒布

3.5 认识论与非对称推理
定义3.1《〈分布的非对称性)

罪犯假扮诚实的普通人要比普通人假扮罪犯容易得多。同样，肥
尾分布伪装成薄尾分布也远远比薄尾分布伪装成肥尾分布更容易

法则3. 1《〈认识论:; 驱动机理不可见)
我们不观察概率分布，只观察事件的结果。
概率分布无法告诉你某事件的结果是否属于它。

你需要一个元概率分布来讨论尾部事件〈比如变量属于某个给
定分布的条件概率) 。

肥尾效应是什么意思 pdf

现在，让我们检视一下非对称推理在认识论领域产生的效应。图
3. 15显示了伪装问题 〈或推断中的中心非对称性) 。左边是一个退化

肥尾效应出版时间

后的随机变量，取近似常量的值，直方图会以狄拉克细柱的形式显
示。
Te TD)

明显退化的 更多数据示
情况 非退化

前加变量图3. 15 “伪装问题《或推理的中心非对称

近似常量值，直方图以狄拉克 我们无法以此排除非退化的
率。右边的图出现了不止一种 可上 退化特征 。我们可以抽象

肥尾效应和长尾效应

至少从塞克斯都。恩披里柯经验主义开始，我们就知道退化性无
法被排除，但在某些情况下，我们可以排除非退化性。如果看到一个
没有随机性的分布，我们不能说它一定不是随机的，也就是说，我们
不能否定黑天臣的存在。现在，加入一个观测值，我可以看到它是随
机的，我可以排除退化性，我可以说它不是“非随机的”。在右图

肥尾效应与黑天鹅区别 pdf

中，我们看到了一只黑天忽，因此关于没有黑天鹅的说法是错误的。
这正是西方科学的反向经验主义的基础，当收集信息时，我们可以逐
渐排除一些可能性。右图的分布可以伪装成左图的分布，但左图的分
布无法伪装成右图的分布。这为我们提供了一种非常简单的处理随机
性的方法。图3. 16总结了我们可以如何排除分布。

dist1 < “中实”分布

二st
dist3

肥尾效应出版时间 塔勒布

图3. 16 “概率面纱”，塔加布和皮佩尔[245] 从
纱”效应。通 观察者可以获得一系 美统计信
者生成，即从村 时间序列生成器产生数据) 。 观察者不知道数据的 的生
程，只根据手里的数据获取信息，同时必须对数据的统计特性〈概率、 当知差、风险值等) 做出估计。显然，观察者只有数据生成器的部分信息，并且没有
可靠的理论来反推数据源，因 出估计时总是会犯错误，但错误存在一定的
范式。这也是风险管理领域的核心问题。

肥尾效应豆瓣

如果看到一个20倍标准差的事件，我们就可以直接排除薄尾分
布。但如果没有看到大的偏差，就无法排除厚尾分布，除非我们对分
布背后的整个过程了如指掌。这就是我们对分布排序的方法。如果重
新考虑图3. 6，我们可以看到，随着偏差逐步出现，我们可以从底部向
上逐步排除分布类型。排序的依据是分布产生尾部事件的能力。排序
(为了逆向推理而设定的顺序或优先级) 的方法非常简单，考虑如下

肥尾效应图解 塔勒布

逻辑， 如果有人告诉你出现了一个10倍标准差事件，那么一般来说更
可能是你估计的分布错了，而不是真的出现了一个10倍标准差的事件
(在本章后面我们会继续完善该论点) 。同样，正如我们看到的，厚
尾分布并不会频繁出现远离均值的大偏差，但偶尔会出现一个极大的
偏差。所以，只要出现大偏差，我们就可以排除不是平均斯坦的情
况。我可以说，通过排除，这个分布是厚尾的，但我不能通过类似的
方法证明它是薄尾的，这就是黑天臣问题。

肥尾效应百度网盘 塔勒布

伪装问题的应用: 2019年8月12日前后的阿根廷股市。考虑一下
2019年8月12日大幅下跌前后的阿根廷股市〈见图3. 21) ，它可以说明
分布参数推理的非对称性，或者一个分布是如何伪装自己使尾部看起
来更薄的。通过这样的推理，尾部参数未来的不确定性只会使尾部更
肥而不是更薄。拉法尔。维隆[264] 论证了在拟合稳定分布时我们会倾
向于高估尾部指数〈低尾部指数意味着更肥的尾部) 。

关于肥尾效应是什么意思 pdf的相关词