所有選擇權指南
用偏態與峰度修正常態分位數閱讀約15分鐘
風險分位數的Cornish–Fisher展開
理解Cornish–Fisher如何用累積量修正常態分位數、與Edgeworth的差別，以及尾部風險估計為何需要單調性與穩定性檢查
由 Mark 撰寫 · 官方資料列於文末
直接解答
Cornish–Fisher展開用標準化累積量修正參考常態分位數，從而近似目標分配的分位數。它可把偏態和峰度轉化為情境或VaR門檻調整，但截斷公式可能造成分位數交叉與不可靠的遠尾估計
輸出是分位數而不是密度
對機率p，令z_p=Φ^{-1}(p)為標準常態分位數
Cornish–Fisher先修正z_p，再用目標平均值μ與標準差σ重新縮放
它回答哪個門檻對應p，卻不說明門檻以外的密度或平均損失
偏態與峰度產生首批修正
使用標準化偏態γ₁和超額峰度γ₂，常見截斷式從z_p+γ₁(z_p²−1)/6開始
再加γ₂(z_p³−3z_p)/24−γ₁²(2z_p³−5z_p)/36，隨後乘σ並加μ
γ₁²項說明漸近階次並不等於每個更高階矩各增加一個修正
展開來自漸近反演
Cornish–Fisher可透過反演累積分配的Edgeworth近似推導
Edgeworth近似給定x處的密度或CDF；Cornish–Fisher近似達到選定累積機率的x
若要讓截斷階次受控，兩者都需聲明漸近序列與累積量縮放方式
風險應用需要正確測度
現實報酬輸入可調整歷史或預測VaR；選擇權隱含累積量描述風險中性分配
兩者回答不同問題，不能因為都使用偏態和峰度就直接混合
Cornish–Fisher只給門檻，無法單獨給出依賴門檻外完整損失分配的預期損失
分位數可能交叉或倒退
多項式修正隨|z_p|快速成長，可能讓估計分位數在p增加時反而下降
較大偏態或峰度也可能把近似推到變數支撐集以外，或顛倒預期尾部順序
單調重排可修復順序，但修復後的曲線已不再是原始截斷展開
估計累積量增加另一層誤差
樣本偏態和峰度雜訊大，對異常值、視窗、狀態變化與時間依賴敏感
把估計輸入當作已知值，會忽略可能超過形式修正本身的參數不確定性
遠尾會同時放大係數誤差和截斷誤差，而該區域的風險決策影響最大
驗證要檢驗整條分位數曲線
在密集機率網格上檢查q(p)的單調性、有限性、支撐約束與合理端點行為
在多個機率水準與精確分配、模擬、bootstrap區間和樣本外超越率比較
記錄累積量約定、樣本期限、依賴處理、截斷階次、修復方法與獨立預期損失計算
常見問題
Cornish–Fisher展開估計什麼？
它用常態參考分位數加偏態、峰度與高階累積量修正，估計選定機率的分位數
它與Edgeworth有什麼差別？
Edgeworth近似某個值的密度或CDF，Cornish–Fisher近似某個機率對應的值
它能計算預期損失嗎？
不能單獨完成。預期損失需要分位數以外的平均損失，而非僅一個修正門檻
為什麼分位數會交叉？
截斷多項式修正在尾部成長並振盪，使近似分位數函數可能失去單調性
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