所有選擇權指南
把機率賦予不同對象的兩種區間閱讀約15分鐘
信賴區間與貝氏可信區間
比較頻率學派信賴區間與貝氏可信區間，包括涵蓋率、後驗機率、先驗、概似、轉換、選擇、校準與金融解讀
由 Mark 撰寫 · 官方資料列於文末
直接解答
信賴區間來自一套重複抽樣程序，目標是在長期中按指定比例涵蓋固定參數。貝氏可信區間則在給定模型、先驗與觀測資料後，包含不確定參數的指定後驗機率。兩種區間可能得出相同端點，但相應的機率陳述不能互換
兩種區間都始於估計目標與模型
計算前先定義目標，例如平均報酬、迴歸係數、波動率、違約率、選擇權模型輸入或其他量
抽樣模型決定資料如何變化，而前處理、相依、設限與選擇決定區間實際涵蓋哪些不確定性
除非明確納入分析，否則兩種區間都不涵蓋模型錯設、狀態轉換、資料錯誤或與決策錯位的目標
信賴描述的是程序
在假設成立時，95%信賴程序產生的區間會在重複樣本中有95%包含固定真實參數
觀察到一個具體區間後，經典涵蓋理論不會為固定參數落在該端點之間賦予95%機率
抽樣前參數固定而區間隨機；涵蓋率屬於跨重複的規則，並非每個已實現區間的屬性
可信描述的是後驗機率
在指定概似與先驗下，95%可信區間包含參數後驗機率的95%
等尾區間在兩端留下相同後驗質量，最高後驗密度集則尋找高密度值，甚至可能不連通
後驗陳述直接但有條件；錯誤先驗、概似或資料過程也能產生精確卻誤導的區間
端點相似不會消除差別
在正則模型、大樣本與先驗影響較弱時，信賴區間與可信區間可能數值接近
在邊界、偏斜概似、弱識別、小樣本、階層匯聚或資訊性先驗下，兩者可能明顯分離
一致只是特定假設下的數值結果，不表示頻率涵蓋率與後驗機率意思相同
區間寬度不是完整品質指標
窄區間可能來自更多資訊，也可能源於低估相依、選擇、可選停止、僵硬模型或過度集中的先驗
信賴程序應檢查涵蓋率；貝氏區間則需要先驗與後驗預測檢驗及敏感度分析
變數轉換也重要：直接在對數波動率、波動率與變異數上建構的首選區間，未必能彼此簡單轉換
金融中的目標會不穩定
自我相關、波動率群聚、重疊報酬、生存偏誤與曝險變化，都可能使教科書標準誤失效
歷史平均報酬的窄區間或許準確描述一個過去狀態，卻很少回答下一狀態的機會集合
只有假設符合資料生成過程時，才應使用區塊或相依感知方法、階層或動態模型及明確斷點分析
報告區間背後的問題
說明區間表達重複抽樣涵蓋還是後驗機率，並列出估計目標、期限、模型、先驗及信賴或可信水準
展示點估計、區間端點、實際決策門檻、視窗與先驗敏感度，並在可行時報告樣本外校準
區間應傳達決策不確定性，而不是把依賴模型的計算變成未來報酬保證
常見問題
95%信賴區間是什麼意思？
它來自在假設成立時於95%的重複樣本中涵蓋固定真實參數的程序
95%可信區間是什麼意思？
它在所選概似、先驗與觀測資料條件下包含參數後驗機率的95%
信賴區間與可信區間可以完全相同嗎？
可以。部分正則模型會產生相同端點，但機率解釋與驗證標準仍不相同
哪種區間更適合金融決策？
沒有普遍更佳者；應選擇假設、校準與機率陳述最符合決策和可用資訊的框架
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標，讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權