Finansta Normal ve Student-t Dağılımı Karşılaştırması
Normal ve Student-t dağılımlarını kuyruk azalması, serbestlik dereceleri, ölçek ve varyans, olabilirlik, çok değişkenli bağımlılık ve finansal getiri modeli olarak sınırları açısından karşılaştırın
Doğrudan yanıt
Normal dağılımın ortalaması ve varyansıyla belirlenen üstel azalan kuyrukları vardır. Student-t dağılımı ν serbestlik derecesi ekler ve polinomla azalan kuyruklara sahiptir; uç gözlemlere daha fazla olasılık atar. Finansal getirileri daha iyi uydurabilir; ancak tek bir statik simetrik dağılım her rejimi, çarpıklığı veya volatilite kümelenmesini açıklayamaz
Her iki model de simetrik konum-ölçek aileleridir
Normal bir değişken X=μ+σZ şeklinde yazılabilir; burada Z standart normaldir ve σ standart sapmaya eşittir
Konum-ölçek Student-t değişkeni X=μ+sT_ν şeklinde yazılabilir; burada s ölçek parametresi, ν ise kuyruk kalınlığını kontrol eder
İkisi de μ çevresinde simetriktir; bu nedenle model genişletilmedikçe veya dönüştürülmedikçe getiri çarpıklığı üretmez
Student-t varyans belirsizliğinden doğar
Bağımsız Z∼N(0,1) ve V∼χ²_ν ile klasik T=Z/√(V/ν) istatistiği standart Student-t dağılımına sahiptir
Rastgele payda, sabit varyanslı normal yasaya göre büyük standartlaştırılmış değerleri daha olası yapar
ν sonsuza giderken payda belirsizliği yok olur ve Student-t dağılımı normal dağılıma yaklaşır
Serbestlik dereceleri momentleri belirler
Student-t kuyrukları ν ile kontrol edilen bir kuvvet yasası gibi azalırken normal kuyruklar karesel uzaklıkta üstel olarak azalır
Ortalaması ν>1 için, varyansı ν>2 için ve dördüncü momenti ν>4 için vardır; daha düşük ν ilgili popülasyon momentini ortadan kaldırır
ν>4 için fazla basıklık 6/(ν−4) olur; bu da normal kuyruklara geçişi açık hale getirir
Ölçek her zaman standart sapma değildir
ν>2 olan konum-ölçek t dağılımı için Var(X)=s²ν/(ν−2) olduğundan s, standart sapmadan küçüktür
Bir normal σ ile t ölçeği s’yi ikisi de volatiliteymiş gibi karşılaştırmak yanlış bir kuyruk veya olabilirlik karşılaştırması yaratabilir
Yazılım paketleri farklı parametre adları kullanır ve bazen varyansı bire standardize edilmiş sürümler sunar; kesin yoğunluk konvansiyonunu kaydedin
Olabilirlik merkez ile kuyrukları dengeler
Normal maksimum olabilirlik karesel artıkların baskın olmasını sağlar ve birkaç uç gözlemin varyans tahminini şişirmesine izin verebilir
Student-t olabilirliği büyük standartlaştırılmış artıkları ν üzerinden daha az ağırlıklandırır; onları imkânsız ilan etmeden sağlam görünümlü bir uyum sağlar
ν’yu bir moment sınırına yakın tahmin etmek, optimize edici yakınsasa bile varyans, basıklık ve risk ölçülerini kararsız yapabilir
Çok değişkenli modeller ortak uçları değiştirir
Çok değişkenli normal yasa, mükemmel korelasyonun altında sıfır asimptotik kuyruk bağımlılığına sahip Gauss kopulası ima eder
Çok değişkenli t yasası rastgele bir ölçeği paylaşır ve sonlu ν için simetrik pozitif kuyruk bağımlılığı üretir
Bu simetri, ortak çöküşler ortak yükselişlerden farklıysa veya bağımlılık rejimler arasında değişiyorsa hisseler için yine yanlış olabilir
Model seçimi örneklem dışı kuyruk kontrolleri gerektirir
Olasılık ve kantil grafiklerini, eşik aşımlarını, öngörülen olabilirliği, aralık kapsamını ve VaR veya ES geri testlerini karşılaştırın
Yapı sürüyorsa kayan pencerelerde yeniden uydurun ve çarpık-t, karışım, stokastik volatilite ve filtrelenmiş artık alternatiflerini test edin
Daha iyi t uyumu, getirilerin değişmez biçimde tek bir t yasasını izlediği değil, seçilen görev için daha yararlı bir yaklaşım olduğu anlamına gelir
Sık sorulan sorular
Student-t neden normalden daha kalın kuyrukludur?
Rastgele ölçek karışımı polinom kuyruk azalması üretir; normal olasılıklar ise uzaklığın karesiyle üstel olarak azalır
Serbestlik dereceleri ne anlama gelir?
ν parametresi kuyruk kalınlığını ve momentlerin varlığını kontrol eder; daha küçük pozitif değerler daha ağır kuyruklar yaratır
Student-t ölçeği volatiliteye eşit midir?
Genellikle hayır. ν>2 için yaygın konum-ölçek konvansiyonunda standart sapması s√[ν/(ν−2)] olur
Student-t finansal getiriler için her zaman daha mı iyidir?
Hayır. Simetrik ağır kuyrukları yakalar; ancak çarpıklığı, volatilite dinamiklerini, sıçramaları ve rejime bağlı bağımlılığı kaçırabilir