直觉测试 - 页 13

[Alexey Subbotin]

IlyaA >> :

好的。以下是数据。

我们似乎误解了对方的意思。我对不正常的情绪并不适用于发电机，而是适用于市场。构建第一个增量的分布，自己看一下。

[ilyaa]

Mathemat >> :

那么，对于真空中的球形马来说，即对于保证正态分布来说--是的，这是不可能的。嗯，真正的马不是在真空中的马。有5或6个s.c.e.，甚至10个。

叔叔，请看，现在还有一张1971年的英镑的照片，是日记。可能有一个单一的跛行（顺便说一下，没有一个：），最重要的是它不会成为一个模式。对吗？

自1971年以来的第一次英镑差异。

附上用于检查的数据。

>>S. 也许应该检查他的静止性 :)

[Alexey Subbotin]

IlyaA >> :

叔叔，请看，现在还有一张1971年的英镑的照片，是日记。可能有一个单一的跛行（顺便说一下，没有一个：），最重要的是它不会成为一个模式。对吗？

英镑自1971年以来的首次差异

检查的数据附后。

我想用眼睛把它称为拉普拉斯分布。

[ilyaa]

alsu >> :

我把它称为拉普拉斯分布的眼睛

关键是，没有5-6-10个西格玛。否则，是的，但你必须测试它。然而，这可能是可以的。

[Sceptic Philozoff]

伊利亚，这里有一个建议：用正态分布近似这个分布。然后看看真实的直方图和高斯曲线的近似值有多大区别。不要把自己限制在三个西格玛上，至少要查到十个。

另一个微不足道的检查：计算这个分布的第一时刻，并将其与正态分布的时刻进行比较。

金融系列中的肥尾现象早已为人所知。你想向我证明什么？

[ilyaa]

Mathemat >> :

伊利亚，这里有一个建议：用正态分布近似这个分布。然后看看真实的直方图和高斯曲线的近似值有多大区别。不要把自己限制在三个西格玛上，至少要查到十个。

另一个微不足道的检查：计算这个分布的第一时刻，并将其与正态分布的时刻进行比较。

金融系列中的肥尾现象早已为人所知。你想向我证明什么？

谈话的内容是5-6-10 RMS。我没有看到他们的外表有什么规律。

[Alexey Subbotin]

IlyaA >> :

关键是，没有5-6-10个西格玛。就像现在这样，是的，但它需要被测试。然而，这可能是正常的。

是非常不可能的事。正态分布通常出现在自然界中，"大 "随机变量是大量以某种方式（但相等）分布的 "小 "随机变量之和。一个最好的例子是布朗运动，在下一个主题中已经用了这么多页来讨论它。就市场而言，价格形成的规律与之相去甚远，因为为了得到一个正常的规律，需要有非常多的外部 "干扰"--它必须是形成分配的主要因素。但我们不认为市场上的定价是噪音，是吗？

[Sceptic Philozoff]

在图表上，纯粹从视觉上看，你不会看到那个5-6-10。

在某处，我甚至有一张显示差异的图表。如果你把分布的前两个时刻当作近似正态的时刻，那么频率相差3、4、5等西格玛就很容易计算了。

我不记得具体数字了，但真实的3西格玛偏差频率比高斯的高3-4倍（高斯0.3%，真实的超过1%）。4西格玛偏差在现实中出现的频率比高斯偏差高约15倍。 对于5西格玛，差别是几十倍，甚至几百倍。以此类推。

只要你不评估风险，你就不在乎它是否是高斯的。

P.S. 顺便说一下，根据塔勒布的说法，LTCM的崩溃似乎正是因为低估了风险。10个希格玛的偏差被认为是可以忽略的罕见事件。而这正是所发生的事情。

[Alexey Subbotin]

Mathemat >> :

我不记得具体数字了，但真实的3西格玛偏差频率是高斯的3-4倍（高斯0.3%，真实的超过1%）。4西格玛的偏差在现实中比高斯的偏差多出15倍左右。 对于5西格玛，差别是几十倍。以此类推。

...这再次成为支持拉普拉斯的证据。

[ilyaa]

Mathemat >> :

只要你不评估风险，你就不在乎它是否是高斯的。

能否请您告诉我如何进行风险评估？