Distribuições estáveis e variância infinita em finanças
Entenda leis alpha-estáveis, o Teorema do Limite Central generalizado, variância infinita, parâmetros de cauda, agregação, evidências financeiras iniciais e os diagnósticos necessários antes de usar modelos estáveis
Resposta direta
Uma distribuição estável preserva sua família sob somas de cópias independentes depois de um ajuste de localização e escala. Leis alpha-estáveis não gaussianas têm caudas de lei de potência e variância infinita, portanto a escala √n, a volatilidade convencional e a inferência comum baseada em variância podem falhar. A estabilidade é matematicamente coerente, mas ainda é uma escolha de modelo empírica
Estabilidade é uma propriedade sob adição
Uma distribuição é estável se, para cópias independentes X_1 e X_2 e a,b positivos, aX_1 + bX_2 tiver a mesma lei que cX + d para algum c > 0 e d
Essa propriedade de fechamento torna a família natural para agregação, porque as somas permanecem na mesma classe de formas distribucionais
A distribuição normal é o membro estável α = 2; estável não significa automaticamente caudas pesadas ou variância infinita
Quatro parâmetros descrevem uma lei estável univariada
O expoente de estabilidade α está em (0,2], a assimetria β em [−1,1], enquanto escala e localização definem tamanho e centro sob uma parametrização declarada
Para α < 2, as caudas variam regularmente com expoente α sob condições não degeneradas e os extremos são muito mais prováveis que em uma lei normal
Densidades estáveis geralmente não têm formas fechadas elementares, e as parametrizações diferem especialmente perto de α = 1, portanto as convenções do software importam
A existência dos momentos muda o significado do risco
Uma lei estável não gaussiana com α < 2 tem variância populacional infinita, embora todo conjunto de dados finito tenha variância amostral finita
O primeiro momento absoluto é finito somente quando α > 1; para α ≤ 1, uma média populacional convencional em geral nem existe
Uma variância amostral crescente ou uma média instável é compatível com caudas pesadas, mas não prova, por si só, a existência de um momento infinito
O TCL generalizado explica a família
Se somas normalizadas de variáveis independentes e identicamente distribuídas convergem para um limite não degenerado, os limites possíveis são leis estáveis
Entradas de variância finita levam ao caso gaussiano α = 2, enquanto entradas adequadas que variam regularmente podem levar a limites estáveis com α < 2
A escala de agregação é n^(1/α), não √n, e a centralização depende de α e da parametrização
Leis estáveis têm uma longa história financeira
Mandelbrot propôs leis estáveis paretianas para variações de preços especulativos depois de observar muito mais movimentos grandes do que um modelo gaussiano permite
Fama estudou a análise de carteiras sob retornos estáveis paretianos e como a diversificação funciona sem variância finita
Evidências posteriores sobre agrupamento de volatilidade, caudas truncadas e regimes variáveis significam que a estabilidade iid exata não é a única explicação para retornos com caudas pesadas
Variância infinita é uma afirmação estrutural forte
Um modelo exato com α < 2 implica nenhuma variância populacional finita em qualquer horizonte, não apenas uma variância grande ou difícil de estimar
Modelos estáveis temperados, estáveis truncados, de mistura, de saltos, GARCH e de volatilidade estocástica podem imitar amostras finitas pesadas, mantendo momentos finitos
Conjuntos de dados finitos raramente distinguem uma cauda verdadeiramente infinita de um corte finito muito grande, portanto a afirmação não deve se basear em um segmento reto em um gráfico log-log
A validação precisa examinar agregação e caudas
Estime α com incerteza usando vários métodos e inspecione o ajuste da função característica, quantis, excedências e estabilidade dos parâmetros
Verifique se as somas em diferentes horizontes são reescaladas como previsto e se dependência residual ou agrupamento de volatilidade permanece depois do ajuste
Compare a cobertura preditiva de cauda e as decisões com alternativas de variância finita, e informe quais momentos o modelo ajustado diz que não existem
Perguntas frequentes
O que é uma distribuição estável?
É uma família de probabilidades cujas cópias independentes, somadas e ajustadas por localização e escala, resultam em outro membro da mesma família
Todas as distribuições estáveis têm variância infinita?
Não. O membro gaussiano α = 2 tem variância finita; toda lei estável não gaussiana com α < 2 tem variância infinita
Por que a variância amostral continua finita?
Qualquer lista finita de observações finitas tem uma variância calculada finita mesmo quando o segundo momento populacional do modelo é infinito
Os retornos financeiros são realmente alpha-estáveis?
Eles podem se parecer com caudas pesadas estáveis em alguns intervalos, mas truncamento, agrupamento de volatilidade, misturas e mudanças de regime podem explicar dados semelhantes