Güven Aralığı ve Güvenilirlik Aralığı

Bir aralık hesaplamadan önce hedefi tanımlayın: ortalama getiri, regresyon katsayısı, volatilite, temerrüt oranı, opsiyon modeli girdisi veya başka bir nicelik

Örnekleme modeli verinin nasıl değişeceğini belirler; ön işleme, bağımlılık, sansürleme ve seçim ise aralığın gerçekte hangi belirsizliği içerdiğini belirler

Hiçbir aralık model yanlış belirtimini, rejim değişimini, veri hatalarını veya kararla uyuşmayan bir tahmin edilen niceliği, bu riskler analize dahil edilmedikçe kapsamaz

95% güven prosedürü, varsayımları altında tekrarlanan örneklemlerin 95%'inde sabit gerçek parametreyi içeren aralıklar üretir

Tek bir aralık gözlemlendikten sonra klasik kapsama teorisi, sabit parametrenin gözlenen uç noktaların içinde olmasına 95% olasılık atamaz

Örnekleme öncesinde parametre sabit, aralık rassaldır; kapsama her bir aralığa değil, tekrarlar boyunca kurala aittir

95% güvenilirlik aralığı, belirtilen olabilirlik ve önsel altında parametrenin posterior olasılığının 95%'ini içerir

Eş kuyruklu aralıklar her iki kuyrukta eşit posterior kütle bırakır; en yüksek posterior yoğunluk kümeleri ise yüksek yoğunluklu değerleri arar ve bağlantısız olabilir

Posterior ifadesi doğrudan fakat koşulludur: kötü bir önsel, olabilirlik veya veri süreci kesin görünen ama yanıltıcı bir aralık üretebilir

Düzenli modellerde, büyük örneklemlerde ve zayıf önsel etkisinde güven ve güvenilirlik aralıkları sayısal olarak yakın olabilir

Sınırların yakınında, çarpık olabilirliklerde, zayıf tanımlamada, küçük örneklemlerde, hiyerarşik havuzlamada veya bilgilendirici önsellerde ayrışabilirler

Uyum, belirli varsayımlar altındaki sayısal bir sonuçtur; frequentist kapsama ile posterior olasılığın aynı anlama geldiğinin kanıtı değildir

Daha dar aralıklar daha fazla bilgiyi yansıtabilir; ancak eksik tahmin edilmiş bağımlılığı, isteğe bağlı durdurmayı, seçimi, katı modelleri veya aşırı yoğun bir önseli de yansıtabilir

Güven prosedürleri kapsama açısından, Bayesçi aralıklar ise önsel ve posterior tahmin kontrolleri ile duyarlılık analizi açısından incelenmelidir

Dönüşüm önemlidir: log volatilite, volatilite ve varyans üzerinde doğrudan kurulan aralık prosedürleri aynı tercih edilen aralıklara dönüşmeyebilir

Otokorelasyon, volatilite kümelenmesi, örtüşen getiriler, hayatta kalma yanlılığı ve değişen maruziyetler ders kitabı standart hatalarını geçersiz kılabilir

Tarihsel ortalama getiri için dar bir aralık, tek bir geçmiş rejimi doğru tahmin ederken sonraki rejimin fırsat kümesi hakkında çok az şey söyleyebilir

Blok veya bağımlılığa duyarlı yöntemleri, hiyerarşik ya da dinamik modelleri ve açık kırılma analizini yalnızca varsayımları veri üreten sürece uyuyorsa kullanın

Aralığın tekrarlı örnekleme kapsamasına mı yoksa posterior olasılığa mı sahip olduğunu belirtin; tahmin edilen niceliği, ufku, modeli, önseli ve güvenilirlik ya da güven düzeyini adlandırın

Nokta tahminlerini, aralık uçlarını, pratik karar eşiklerini, pencere ve önsel duyarlılığını ve mümkünse örneklem dışı kalibrasyonu gösterin

Bir aralık, model bağımlı bir hesabı gelecekteki getiriler hakkında garantiye dönüştürmek yerine bir karar için belirsizliği iletmelidir