De centrale Limit Theoreem in Financiën
Begrijp wat de Centrale Limit Theoreem zegt over gestandaardiseerde bedragen, welke veronderstellingen financiële opbrengsten kunnen schenden, waarom convergentie niet exact is, en wanneer vierkante-wortel-van-tijd schalen mislukt
Direct antwoord
De centrale Limit Theorem zegt dat een goed gecentreerde en geschaalde som van veel voldoende goed gedragen willekeurige bijdragen een normale verdeling benadert. Het is een asymptotische statement met voorwaarden, geen bewijs dat de dagelijkse opbrengsten normaal zijn of dat eindige-horizon staart verliezen volgen een klokcurve
De stelling betreft bedragen, geen ruwe opmerkingen
Laat X 1,...,X n onafhankelijk en identiek verdeeld zijn met eindige gemiddelde μ en positieve eindige variantie σ2
De klassieke uitspraak is (Σ iX i−nμ)/(σ√n) convergent in distributie naar N(0,1) omdat n neigt tot oneindigheid
De conclusie is niet de vorm van elke input, maar het gestandaardiseerde geheel.
Centering en schalen zijn essentieel
De som groeit rond nμ, terwijl de standaardafwijking groeit als σ√n onder onafhankelijkheid
Voor het monstergemiddelde heeft √n(
Het verwijderen van het centreren, het gebruik van de verkeerde variantie, of het negeren van covarium verandert het object en kan ongeldig maken de normale vergelijking
Convergentie betekent niet exact normaliteit
De convergentie van de verdeling geeft een overzicht van de vaste gestandaardiseerde drempels in de grens; het geeft geen gelijkheid voor een bepaald n
De snelheid is afhankelijk van schuinheid, staartdikte, roostereffecten, en sterkere moment omstandigheden, en kan langzaam in de verre staart
Een normale benadering kan er goed uitzien in de buurt van het centrum terwijl de kans op een groot eindig-monster verlies materieel wordt onderschat
Financiële opbrengsten dagen de aannames uit
Returns vertonen volatiliteit clustering, seriële afhankelijkheid, sprongen, structurele pauzes, veranderende blootstelling, en tijd-varying distributies
Er bestaan zwakke en martingale versies van het CLT, maar elk vervangt onafhankelijkheid met precieze regelmaat
Als de variatie oneindig is, kan de klassieke normale limiet √n volledig falen en kan een stabiele niet-Gaussiaanse limiet ontstaan onder verschillende schaalverdelingen
Vierkante-wortel-van-tijd is een model gevolg
Voor niet-correlated stationaire stappen met constante variantie, Var(Σ iX i)=nσ2, die volatiliteit evenredig met √n veroorzaken
Autoco-ovarium voegt 2Σ {h=1}^{n−1}(n−h)γ h toe, dus persistentie of omkering verandert de horizonvariatie
Samengestelde, stochastische volatiliteit, sprongen, overlappende gegevens en kalender effecten voorkomen ook een mechanische dagelijkse-tot-jaar conversie
Invloed heeft een betrouwbare variantie op lange termijn nodig
Het vervangen van σ door een schatting van de steekproef leidt tot asymptotische standaardfouten alleen wanneer de schattings- en afhankelijkheidshypothesen geldig zijn
Heteroskedasticity en autocorrelation-consistente methoden schatten de lange-run variantie in plaats van doen alsof observaties onafhankelijk zijn
Kleine monsters, zware staarten, datasnooping en onstabiele middelen kunnen een precies uitziend betrouwbaarheidsinterval slecht gekalibreerd maken
Validatie moet het doel van de benadering testen
Inspecteer afhankelijkheid, volatiliteit regimes, staart percelen, substeekproef stabiliteit, en hoe geaggregeerde gestandaardiseerde rendementen veranderen met horizon
Vergelijk empirische dekking voor centrale intervallen en staartdrempels afzonderlijk omdat succes nabij de mediaan geen risicokapitaal valideert
Gebruik bootstrap, robuuste, stabiele wet of expliciete tijdreeks alternatieven wanneer hun aannames beter overeenkomen met de beslissing en waargenomen diagnostiek
Veelgestelde vragen
Wat zegt de Centrale Limit Theoreem?
Onder geschikte omstandigheden komt een gecentreerde som gedeeld door zijn standaardafwijking op een standaard normale verdeling
Is het CLT-certificaat normaal?
Nee. Het beschrijft een asymptotisch aggregaat onder omstandigheden en zegt dat geen enkele periode terugkeert of eindige-horizon staarten normaal zijn
Waarom schaalt volatiliteit met de wortel van de tijd?
Het volgt wanneer stationaire niet-corre-related stappen een constante eindige variantie hebben, niet van de CLT alleen
Wat gebeurt er als de terugkeervariantie oneindig is?
De klassieke normale CLT kan mislukken, en genormaliseerde bedragen kunnen samenkomen naar een niet-Gaussiaanse stabiele wet onder verschillende schaalvergroting
Bronnen en verder lezen
Snelle check
De gids gelezen? Test jezelf met 3 vragen
Vraag 01
Welke verklaring past het beste bij deze gids . . De stelling betreft bedragen, niet ruwe waarnemingen?
Kies een antwoord om de uitleg te zien
Optiewoordenlijst
Convergence in which the probability of exceeding any fixed positive error threshold tends to zero; it is weaker than almost-sure convergence.
Lees de uitgebreide gidsDegrees 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.
Lees de uitgebreide gidsAt 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.
Lees de uitgebreide gids