Distribuzioni stabili e varianza infinita nella finanza
Comprendi le leggi alfa-stabili, il Teorema del Limite Centrale generalizzato, la varianza infinita, i parametri di coda, l'aggregazione, le prime evidenze finanziarie e la diagnostica necessaria prima di usare modelli stabili
Risposta diretta
Una distribuzione stabile conserva la propria famiglia sotto somme di copie indipendenti dopo un aggiustamento di posizione e scala. Le leggi alfa-stabili non gaussiane hanno code a legge di potenza e varianza infinita, quindi la scala √n, la volatilità convenzionale e l'inferenza ordinaria basata sulla varianza possono fallire. La stabilità è matematicamente coerente, ma resta una scelta di modello empirica
La stabilità è una proprietà sotto addizione
Una distribuzione è stabile se per copie indipendenti X_1 e X_2 e a,b positivi, aX_1+bX_2 ha la stessa legge di cX+d per qualche c>0 e d
Questa chiusura rende la famiglia naturale per l'aggregazione, perché le somme restano nella stessa classe di forma distributiva
La distribuzione normale è il membro stabile α=2; stabile non significa automaticamente con code pesanti o varianza infinita
Quattro parametri descrivono una legge stabile univariata
L'esponente di stabilità α appartiene a (0,2], l'asimmetria β a [−1,1], mentre scala e posizione definiscono dimensione e centro secondo una parametrizzazione dichiarata
Per α<2, le code variano regolarmente con esponente α in condizioni non degeneri e gli estremi sono molto più probabili che sotto una legge normale
Le densità stabili di solito non hanno forme chiuse elementari e le parametrizzazioni differiscono soprattutto vicino a α=1, quindi contano le convenzioni del software
L'esistenza dei momenti cambia il significato del rischio
Una legge stabile non gaussiana con α<2 ha varianza di popolazione infinita anche se ogni dataset finito ha una varianza campionaria finita
Il primo momento assoluto è finito solo quando α>1; per α≤1 anche una media di popolazione convenzionale generalmente non esiste
Una varianza campionaria crescente o una media instabile è compatibile con code pesanti, ma non dimostra da sola l'esistenza di un momento infinito
Il CLT generalizzato spiega la famiglia
Se somme normalizzate di variabili indipendenti e identicamente distribuite convergono a un limite non degenere, i possibili limiti sono leggi stabili
Input con varianza finita portano al caso gaussiano α=2, mentre input appropriati a variazione regolare possono portare a limiti stabili con α<2
La scala di aggregazione è n^(1/α), non √n, e il centraggio dipende da α e dalla parametrizzazione
Le leggi stabili hanno una lunga storia finanziaria
Mandelbrot propose leggi stabili paretiane per le variazioni dei prezzi speculativi dopo aver osservato molti più grandi movimenti di quanti ne consenta un modello gaussiano
Fama studiò l'analisi di portafoglio con rendimenti stabili paretiani e il modo in cui funziona la diversificazione senza varianza finita
Le evidenze successive su clustering della volatilità, code troncate e regimi variabili mostrano che la stabilità iid esatta non è l'unica spiegazione dei rendimenti estremi
La varianza infinita è una forte affermazione strutturale
Un modello esatto α<2 implica nessuna varianza di popolazione finita a qualunque orizzonte, non soltanto una varianza grande o difficile da stimare
Modelli stabili temperati, stabili troncati, a miscela, con salti, GARCH e a volatilità stocastica possono imitare campioni finiti con code pesanti mantenendo momenti finiti
I dataset finiti distinguono raramente una coda davvero infinita da un cutoff finito molto grande, quindi l'affermazione non dovrebbe basarsi su un segmento log-log rettilineo
La validazione deve esaminare aggregazione e code
Stima α con incertezza usando più metodi ed esamina adattamento della funzione caratteristica, quantili, superamenti e stabilità dei parametri
Controlla se le somme su orizzonti diversi riscalano come previsto e se restano dipendenza residua o clustering della volatilità dopo l'adattamento
Confronta copertura predittiva delle code e decisioni con alternative a varianza finita, e dichiara quali momenti il modello adattato afferma che non esistano
Domande frequenti
Cos'è una distribuzione stabile?
È una famiglia di probabilità le cui copie indipendenti, sommate dopo un aggiustamento di posizione e scala, producono un altro membro della stessa famiglia
Tutte le distribuzioni stabili hanno varianza infinita?
No. Il membro gaussiano α=2 ha varianza finita; ogni legge stabile non gaussiana con α<2 ha varianza infinita
Perché la varianza campionaria resta finita?
Ogni lista finita di osservazioni finite ha una varianza calcolata finita anche quando il secondo momento di popolazione del modello è infinito
I rendimenti finanziari sono davvero alfa-stabili?
Possono somigliare a code stabili pesanti in alcuni intervalli, ma troncamento, clustering della volatilità, miscele e cambi di regime possono spiegare dati simili