Finance में Stable Distributions और Infinite Variance की व्याख्या
Alpha-stable laws, generalized Central Limit Theorem, infinite variance, tail parameters, aggregation, शुरुआती financial evidence और stable models से पहले जरूरी diagnostics समझें
सीधा जवाब
Stable distribution location और scale adjustment के बाद independent copies के sums में अपनी family preserve करती है। Non-Gaussian alpha-stable laws में power-law tails और infinite variance होती है, इसलिए √n scaling, conventional volatility और ordinary variance-based inference fail हो सकते हैं। Stability mathematically coherent है, फिर भी empirical model choice है
Stability addition के अंतर्गत property है
Distribution stable है यदि independent copies X_1 और X_2 तथा positive a,b के लिए aX_1+bX_2 का law कुछ c>0 और d के लिए cX+d जैसा हो
यह closure aggregation के लिए family को natural बनाती है क्योंकि sums उसी distributional shape class में रहती हैं
Normal distribution α=2 stable member है; stable का अर्थ अपने आप heavy-tailed या infinite-variance नहीं होता
Four parameters univariate stable law describe करते हैं
Stability exponent α (0,2] में और skewness β [−1,1] में होती है, जबकि declared parameterization में scale और location size तथा center तय करते हैं
α<2 के लिए nondegenerate conditions में tails exponent α के साथ regularly varying होती हैं और normal law की तुलना में extremes बहुत अधिक likely होते हैं
Stable densities में elementary closed forms आम तौर पर नहीं होतीं और खासकर α=1 के पास parameterizations अलग होती हैं, इसलिए software conventions महत्वपूर्ण हैं
Moment existence risk का अर्थ बदलती है
α<2 वाली non-Gaussian stable law में population variance infinite होती है, भले हर finite dataset की sample variance finite हो
Absolute first moment केवल α>1 पर finite होता है; α≤1 पर conventional population mean भी generally exist नहीं करती
बढ़ती sample variance या unstable mean heavy tails से consistent है, लेकिन अपने आप infinite moment का proof नहीं
Generalized CLT family को explain करती है
यदि independent identically distributed variables के normalized sums nondegenerate limit पर converge करें, तो possible limits stable laws होती हैं
Finite-variance inputs Gaussian α=2 case तक ले जाते हैं, जबकि appropriate regularly varying inputs α<2 stable limits दे सकते हैं
Aggregation scale √n नहीं बल्कि n^(1/α) है और centering α तथा parameterization पर निर्भर करती है
Stable laws का financial history लंबा है
Gaussian model की अनुमति से कहीं अधिक बड़े moves देखने के बाद Mandelbrot ने speculative price changes के लिए stable Paretian laws propose कीं
Fama ने stable Paretian returns के अंतर्गत portfolio analysis और finite variance के बिना diversification का अध्ययन किया
Volatility clustering, truncated tails और changing regimes का बाद का evidence बताता है कि exact iid stability heavy returns की एकमात्र explanation नहीं
Infinite variance strong structural claim है
Exact α<2 model किसी भी horizon पर finite population variance नहीं होने का अर्थ देता है, केवल बड़ा या hard-to-estimate variance नहीं
Tempered stable, truncated stable, mixture, jump, GARCH और stochastic-volatility models finite moments रखते हुए heavy finite samples mimic कर सकते हैं
Finite datasets true infinite tail और बहुत बड़े finite cutoff में rarely distinction करती हैं, इसलिए claim केवल straight log-log segment पर नहीं टिकना चाहिए
Validation aggregation और tails दोनों examine करे
Multiple methods से uncertainty के साथ α estimate करें और characteristic-function fit, quantiles, exceedances तथा parameter stability inspect करें
Check करें कि horizons के across sums predicted तरीके से rescale होती हैं और fitting के बाद residual dependence या volatility clustering बची है या नहीं
Predictive tail coverage और decisions की finite-variance alternatives से तुलना करें और report करें कि fitted model के अनुसार कौन-से moments exist नहीं करते
आम सवाल
Stable distribution क्या है?
यह probability family है जिसमें independent copies location और scale adjustment के बाद sum होकर उसी family के दूसरे member में जाती हैं
क्या सभी stable distributions की variance infinite होती है?
नहीं। Gaussian α=2 member की variance finite है; α<2 वाली हर non-Gaussian stable law की variance infinite है
Sample variance finite क्यों रहती है?
Finite observations की किसी भी finite list की computed variance finite होती है, भले model का population second moment infinite हो
क्या financial returns सच में alpha-stable हैं?
वे कुछ ranges में stable heavy tails जैसी दिख सकती हैं, लेकिन truncation, volatility clustering, mixtures और regime change समान data explain कर सकते हैं