Teorem Had Pusat dalam Kewangan
Fahami perkara yang dikatakan Teorem Had Pusat tentang jumlah yang dipusatkan dan diskalakan, andaian yang boleh dilanggar oleh pulangan kewangan, sebab penumpuan tidak tepat, dan bila penskalaan punca kuasa dua masa gagal
Jawapan terus
Teorem Had Pusat menyatakan bahawa jumlah yang dipusatkan dan diskalakan dengan betul bagi banyak sumbangan rawak yang cukup berkelakuan baik menghampiri taburan normal. Ini ialah pernyataan asimptotik dengan syarat tertentu, bukan bukti bahawa pulangan harian adalah normal atau kerugian ekor pada ufuk terhingga mengikut lengkung loceng
Teorem ini berkaitan dengan jumlah, bukan pemerhatian mentah
Katakan X_1,…,X_n bebas dan teragih sama dengan min terhingga μ serta varians positif terhingga σ²
Pernyataan klasik ialah (Σ_iX_i−nμ)/(σ√n) menumpu dalam taburan kepada N(0,1) apabila n menghampiri infiniti
X_i individu mungkin senget atau diskret; kesimpulan itu berkaitan dengan agregat terpiawai, bukan bentuk setiap input
Pemusatan dan penskalaan adalah penting
Jumlah berkembang sekitar nμ, manakala sisihan piawainya berkembang seperti σ√n di bawah kebebasan
Bagi min sampel, √n(Ȳ_n−μ)/σ mempunyai had terpiawai yang sama dan ralat piawai mengecut pada kadar 1/√n
Membuang pemusatan, menggunakan varians yang salah atau mengabaikan kovarians mengubah objek yang dikaji dan boleh membatalkan perbandingan normal
Penumpuan tidak bermaksud normaliti tepat
Penumpuan dalam taburan menerangkan ambang terpiawai tetap pada had; ia tidak memberikan kesamaan bagi sesuatu n tertentu
Kelajuannya bergantung pada kecondongan, ketebalan ekor, kesan kekisi dan syarat momen yang lebih kuat, serta boleh menjadi perlahan pada ekor yang jauh
Anggaran normal boleh kelihatan memadai berhampiran pusat tetapi dengan ketara meremehkan kebarangkalian kerugian besar dalam sampel terhingga
Pulangan kewangan mencabar andaian
Pulangan menunjukkan pengelompokan volatiliti, kebergantungan bersiri, lonjakan, perubahan struktur, pendedahan yang berubah dan taburan yang berubah mengikut masa
Versi Teorem Had Pusat untuk kebergantungan lemah dan martingale wujud, tetapi setiap satunya menggantikan kebebasan dengan syarat keteraturan yang tepat
Jika varians tidak terhingga, had normal √n klasik mungkin gagal sepenuhnya dan had stabil bukan Gaussian boleh muncul di bawah penskalaan yang berbeza
Punca kuasa dua masa ialah akibat model
Bagi kenaikan pegun yang tidak berkorelasi dengan varians malar, Var(Σ_iX_i)=nσ², lalu volatiliti berkadar dengan √n
Autokovarians menambah 2Σ_{h=1}^{n−1}(n−h)γ_h, jadi persistensi atau pembalikan mengubah varians ufuk masa
Pengkompaunan, volatiliti stokastik, lonjakan, data bertindih dan kesan kalendar juga menghalang penukaran harian kepada tahunan secara mekanikal
Inferens memerlukan varians jangka panjang yang boleh dianggar
Menggantikan σ dengan anggaran sampel menghasilkan ralat piawai asimptotik hanya apabila penganggar dan andaian kebergantungan adalah sah
Kaedah yang konsisten terhadap heteroskedastisiti dan autokorelasi menganggar varians jangka panjang, bukannya berpura-pura bahawa pemerhatian bebas
Sampel kecil, ekor berat, penyelongkaran data dan min yang tidak stabil boleh menjadikan selang keyakinan yang kelihatan tepat terkalibrasi dengan buruk
Pengesahan patut menguji tujuan anggaran
Periksa kebergantungan, rejim volatiliti, plot ekor, kestabilan subsampel dan perubahan pulangan terpiawai yang diagregatkan mengikut ufuk masa
Bandingkan liputan empirikal bagi selang pusat dan ambang ekor secara berasingan kerana kejayaan berhampiran median tidak mengesahkan modal risiko
Gunakan bootstrap, alternatif hukum stabil, kaedah teguh atau siri masa yang eksplisit apabila andaiannya lebih sepadan dengan keputusan dan diagnostik yang diperhatikan
Soalan lazim
Apakah yang dinyatakan oleh Teorem Had Pusat?
Di bawah syarat yang sesuai, jumlah yang dipusatkan dan dibahagikan dengan sisihan piawainya menghampiri taburan normal piawai
Adakah CLT membuktikan bahawa pulangan saham adalah normal?
Tidak. Ia menerangkan agregat asimptotik di bawah syarat tertentu dan tidak menyatakan bahawa pulangan satu tempoh atau ekor ufuk terhingga adalah normal
Mengapa volatiliti diskalakan mengikut punca kuasa dua masa?
Ia berlaku apabila kenaikan pegun yang tidak berkorelasi mempunyai varians terhingga yang malar, bukan daripada CLT sahaja
Apakah yang berlaku jika varians pulangan tidak terhingga?
CLT normal klasik boleh gagal, dan jumlah yang dinormalkan boleh menumpu kepada hukum stabil bukan Gaussian di bawah penskalaan yang berbeza
Sumber dan bacaan lanjut
Semakan pantas
Sudah membaca panduan? Uji diri dengan 3 soalan
Soalan 01
Pernyataan manakah yang paling tepat untuk panduan ini — Teorem ini berkaitan dengan jumlah, bukan pemerhatian mentah?
Pilih jawapan untuk melihat penjelasan
Glosari opsyen
Convergence in which the probability of exceeding any fixed positive error threshold tends to zero; it is weaker than almost-sure convergence.
Baca panduan terperinciDegrees of freedomThe Student-t parameter ν governing tail thickness and moment existence; smaller values produce heavier tails, and the distribution's scale is not necessarily its standard deviation.
Baca panduan terperinciAt the moneyA call or put whose strike is near the underlying price; it has little intrinsic value and often substantial sensitivity to time and volatility.
Baca panduan terperinci