Rozkłady stabilne i nieskończona wariancja w finansach

Rozkład jest stabilny, jeśli dla niezależnych kopii X_1 i X_2 oraz dodatnich a,b, aX_1+bX_2 ma ten sam rozkład co cX+d dla pewnych c>0 i d

Ta domkniętość sprawia, że rodzina jest naturalna dla agregacji, ponieważ sumy pozostają w tej samej klasie kształtu rozkładu

Rozkład normalny jest stabilnym członem α=2; stabilność nie oznacza automatycznie ciężkich ogonów ani nieskończonej wariancji

Wykładnik stabilności α należy do (0,2], skośność β do [−1,1], a skala i położenie określają rozmiar i centrum przy zadanej parametryzacji

Dla α<2 ogony mają regularną zmienność z wykładnikiem α w warunkach niezdegenerowanych, a ekstrema są znacznie bardziej prawdopodobne niż w rozkładzie normalnym

Gęstości stabilne zwykle nie mają elementarnych postaci zamkniętych, a parametryzacje różnią się szczególnie w pobliżu α=1, dlatego konwencje oprogramowania mają znaczenie

Niegaussowski rozkład stabilny z α<2 ma nieskończoną wariancję populacyjną, mimo że wariancja z próby każdej skończonej obserwacji jest skończona

Absolutny moment pierwszego rzędu jest skończony tylko wtedy, gdy α>1; dla α≤1 konwencjonalna średnia populacyjna na ogół nie istnieje

Rosnąca wariancja z próby lub niestabilna średnia są zgodne z ciężkimi ogonami, ale same w sobie nie dowodzą nieskończonego momentu

Jeżeli znormalizowane sumy niezależnych, identycznie rozłożonych zmiennych zbiegają do niezdegenerowanej granicy, możliwymi granicami są rozkłady stabilne

Dane wejściowe o skończonej wariancji prowadzą do gaussowskiego przypadku α=2, podczas gdy odpowiednie dane o regularnie zmiennych ogonach mogą prowadzić do granic stabilnych α<2

Skala agregacji to n^(1/α), a nie √n, a centrowanie zależy od α i parametryzacji

Mandelbrot zaproponował stabilne prawa paretowskie dla spekulacyjnych zmian cen, obserwując znacznie więcej dużych ruchów, niż dopuszcza model gaussowski

Fama badał analizę portfela przy stabilnych zwrotach paretowskich oraz to, jak działa dywersyfikacja bez skończonej wariancji

Późniejsze dowody na skupianie zmienności, obcięte ogony i zmieniające się reżimy oznaczają, że dokładna stabilność iid nie jest jedynym wyjaśnieniem ciężkich ogonów zwrotów

Dokładny model α<2 oznacza brak skończonej wariancji populacyjnej w każdym horyzoncie, a nie tylko dużą lub trudną do oszacowania wariancję

Modele tempered stable, truncated stable, mieszaninowe, skokowe, GARCH i stochastycznej zmienności mogą naśladować ciężkie skończone próby, zachowując jednocześnie skończone momenty

Skończone zbiory danych rzadko odróżniają prawdziwy nieskończony ogon od bardzo dużego skończonego odcięcia, dlatego twierdzenie nie powinno opierać się na prostym odcinku log-log

Oszacuj α z niepewnością przy użyciu wielu metod i zbadaj dopasowanie funkcji charakterystycznej, kwantyle, przekroczenia oraz stabilność parametrów

Sprawdź, czy sumy dla różnych horyzontów przeskalowują się zgodnie z prognozą i czy po dopasowaniu pozostaje zależność lub skupianie zmienności

Porównaj pokrycie predykcyjne ogonów i decyzje z alternatywami o skończonej wariancji oraz zgłoś, których momentów dopasowany model nie uznaje za istniejące