Центральная предельная теорема в финансах
Разберитесь, что центральная предельная теорема говорит о стандартизированных суммах, какие её предпосылки могут нарушать финансовые доходности, почему сходимость не является точной и когда масштабирование по квадратному корню из времени перестаёт работать
Короткий ответ
Центральная предельная теорема утверждает, что правильно центрированная и масштабированная сумма множества достаточно хорошо ведущих себя случайных вкладов приближается к нормальному распределению. Это асимптотическое утверждение с условиями, а не доказательство нормальности дневных доходностей или колоколообразной формы хвостовых потерь на конечном горизонте
Теорема относится к суммам, а не к исходным наблюдениям
Пусть X_1,…,X_n — независимые одинаково распределённые величины с конечным средним μ и конечной положительной дисперсией σ²
Классическая формулировка такова: (Σ_iX_i−nμ)/(σ√n) сходится по распределению к N(0,1) при стремлении n к бесконечности
Отдельные X_i могут быть асимметричными или дискретными; вывод относится к стандартизированной сумме, а не к форме каждого входного наблюдения
Центрирование и масштабирование необходимы
При независимости сумма растёт вокруг nμ, а её стандартное отклонение растёт примерно как σ√n
Для выборочного среднего √n(Ȳ_n−μ)/σ имеет тот же стандартизированный предел, а стандартная ошибка уменьшается со скоростью 1/√n
Удаление центрирования, использование неверной дисперсии или игнорирование ковариации меняет рассматриваемый объект и может сделать сравнение с нормальным распределением недействительным
Сходимость не означает точную нормальность
Сходимость по распределению описывает фиксированные стандартизированные пороги в пределе; она не даёт равенства для конкретного n
Скорость зависит от асимметрии, толщины хвостов, решётчатых эффектов и более сильных условий на моменты и может быть низкой в дальнем хвосте
Нормальное приближение может выглядеть приемлемым в центре и при этом существенно занижать вероятность крупной потери в конечной выборке
Финансовые доходности испытывают предпосылки на прочность
Для доходностей характерны кластеризация волатильности, серийная зависимость, скачки, структурные разрывы, меняющаяся экспозиция и распределения, зависящие от времени
Версии ЦПТ для слабой зависимости и мартингалов существуют, но каждая заменяет независимость точными условиями регулярности
Если дисперсия бесконечна, классический нормальный предел с масштабом √n может полностью не работать, а при другом масштабировании может возникнуть устойчивый ненормальный предел
Квадратный корень из времени — следствие модели
Для некоррелированных стационарных приращений с постоянной дисперсией Var(Σ_iX_i)=nσ², поэтому волатильность пропорциональна √n
Автоковариации добавляют 2Σ_{h=1}^{n−1}(n−h)γ_h, так что устойчивость или возвратность меняют дисперсию на горизонте
Компундирование, стохастическая волатильность, скачки, перекрывающиеся данные и календарные эффекты также не позволяют механически переводить дневной показатель в годовой
Для вывода нужна оцениваемая долгосрочная дисперсия
Замена σ выборочной оценкой даёт асимптотические стандартные ошибки только тогда, когда сама оценка и предпосылки о зависимости корректны
Методы, устойчивые к гетероскедастичности и автокорреляции, оценивают долгосрочную дисперсию, а не делают вид, что наблюдения независимы
Малые выборки, толстые хвосты, перебор данных и нестабильные средние могут сделать интервал, выглядящий точным, плохо откалиброванным
Проверка должна соответствовать цели приближения
Изучите зависимость, режимы волатильности, графики хвостов, устойчивость по подвыборкам и то, как агрегированные стандартизированные доходности меняются с горизонтом
Отдельно сравнивайте эмпирическое покрытие центральных интервалов и хвостовых порогов: успех около медианы не подтверждает достаточность капитала под риск
Используйте бутстрэп, устойчивые методы, устойчивые законы или явные альтернативы временных рядов, если их предпосылки лучше соответствуют решению и наблюдаемой диагностике
Частые вопросы
Что утверждает центральная предельная теорема?
При подходящих условиях сумма после центрирования и деления на стандартное отклонение приближается к стандартному нормальному распределению
Доказывает ли ЦПТ нормальность доходностей акций?
Нет. Она описывает асимптотическую сумму при определённых условиях и не утверждает нормальность доходности за один период или хвостов на конечном горизонте
Почему волатильность масштабируется с квадратным корнем из времени?
Так происходит у стационарных некоррелированных приращений с постоянной конечной дисперсией, а не из одной только ЦПТ
Что произойдёт при бесконечной дисперсии доходности?
Классическая нормальная ЦПТ может не сработать, а нормированные суммы при другом масштабировании могут сойтись к устойчивому ненормальному закону