全部期权指南
把概率赋予不同对象的两种区间阅读约15分钟
置信区间与贝叶斯可信区间
比较频率学派置信区间与贝叶斯可信区间，包括覆盖率、后验概率、先验、似然、变换、选择、校准与金融解读
由 Mark 编写 · 官方资料列于文末
直接答案
置信区间来自一种重复抽样程序，目标是在长期中以指定比例覆盖固定参数。贝叶斯可信区间则在给定模型、先验与观测数据后，包含不确定参数的指定后验概率。两种区间可能得到相同端点，但对应的概率陈述不能互换
两种区间都始于估计目标与模型
计算前先定义目标，例如平均收益、回归系数、波动率、违约率、期权模型输入或其他量
抽样模型决定数据如何变化，而预处理、依赖、删失与选择决定区间实际涵盖哪些不确定性
除非显式纳入分析，否则两种区间都不覆盖模型错设、状态转换、数据错误或与决策错位的目标
置信描述的是程序
在假设成立时，95%置信程序生成的区间会在重复样本中有95%包含固定真参数
观察到一个具体区间后，经典覆盖理论不会给“固定参数落在该端点之间”赋予95%概率
抽样前参数固定而区间随机；覆盖率属于跨重复的规则，并非每个已实现区间的属性
可信描述的是后验概率
在指定似然与先验下，95%可信区间包含参数后验概率的95%
等尾区间在两侧留下相等后验质量，最高后验密度集则寻找高密度值，甚至可能是不连通的
后验陈述直接但有条件；错误先验、似然或数据过程也能产生精确却误导的区间
端点相似不会消除区别
在正则模型、大样本和先验影响较弱时，置信区间与可信区间可能数值接近
在边界、偏斜似然、弱识别、小样本、层次汇聚或信息性先验下，两者可能明显分离
一致只是特定假设下的数值结果，不代表频率覆盖率与后验概率含义相同
区间宽度不是完整质量指标
窄区间可能源于更多信息，也可能源于低估依赖、选择、可选停止、僵硬模型或过度集中的先验
置信程序应检查覆盖率；贝叶斯区间则需要先验与后验预测检验及敏感度分析
变量变换也重要：直接在对数波动率、波动率与方差上构造的首选区间，未必能彼此简单变换
金融中的目标会不稳定
自相关、波动率聚集、重叠收益、生存偏差与敞口变化都可能使教科书标准误失效
历史平均收益的窄区间或许准确描述一个过去状态，却很少回答下一状态的机会集
只有假设适合数据生成过程时，才应使用区块或依赖感知方法、层次或动态模型及显式断点分析
报告区间背后的问题
说明区间表达重复抽样覆盖还是后验概率，并列出估计目标、期限、模型、先验及置信或可信水平
展示点估计、区间端点、实际决策阈值、窗口与先验敏感度，并在可能时报告样本外校准
区间应传达决策不确定性，而不是把依赖模型的计算变成未来收益保证
常见问题
95%置信区间是什么意思？
它来自一种在假设成立时于95%的重复样本中覆盖固定真参数的程序
95%可信区间是什么意思？
它在选择的似然、先验与观测数据条件下包含参数后验概率的95%
置信区间与可信区间能完全相同吗？
可以。部分正则模型会产生相同端点，但概率解释与验证标准仍不相同
哪种区间更适合金融决策？
没有普遍更优者；应选择假设、校准与概率陈述最符合决策和可用信息的框架
资料来源与延伸阅读
把这个概念应用到一份期权
选择合约和目标，让价格、时间与波动率假设在同一份分析中清晰呈现
分析我的期权