Распределение вероятностей лог годовой прибыли
Распределение логарифмов ожидаемой годовой прибыли. Упростил расчеты, выкинув кучу лишнего. Черточки на линии — 95% и 99% интервал, серый нормальное N(0,1) для сравнения. Модель: предсказание будущей цены как распределения вероятностей. Входные данные текущая волатильность (EWMA) и текущая безрисковая ставка. Прогноз — распределение вероятностей для лог прибыли через год, в виде гауссовского микса. Данные: 250 акций с 1970г каждая. Регрессия на исторических данных по Мах Likelihood дала Нормальный Микс изображенный на рисунке. Точность… я не знаю как точно ее оценить, вероятно не высокая, плюс минус километр, но походу это максимум что можно вытащить из исторических данных и текущей цены. (возможно EGARCH и т.п. дадут лучше, но едва ли сильно лучше). Проблемы: — Осталась старая проблема, модель завышает (арифметическое) среднее ожидание прибыли для волатильных акций, поэтому она принудительно упрощена и ожидание цены всех ацкий сделано одинаковым. Я думаю из за перекоса (ошибка выжившего и недостаточный обьем) в данных. — Распределение чуть не симметрично, но это тоже может быть перекос в данных, поэтому для надежности модель также упрощена и распределение принудительно сделано симметричным.
Распределение логарифмов ожидаемой годовой прибыли.
Упростил расчеты, выкинув кучу лишнего. Черточки на линии — 95% и 99% интервал, серый нормальное N(0,1) для сравнения.
Модель: предсказание будущей цены как распределения вероятностей. Входные данные текущая волатильность (EWMA) и текущая безрисковая ставка. Прогноз — распределение вероятностей для лог прибыли через год, в виде гауссовского микса.
Данные: 250 акций с 1970г каждая.
Регрессия на исторических данных по Мах Likelihood дала Нормальный Микс изображенный на рисунке.
Точность… я не знаю как точно ее оценить, вероятно не высокая, плюс минус километр, но походу это максимум что можно вытащить из исторических данных и текущей цены. (возможно EGARCH и т.п. дадут лучше, но едва ли сильно лучше).
Проблемы:
— Осталась старая проблема, модель завышает (арифметическое) среднее ожидание прибыли для волатильных акций, поэтому она принудительно упрощена и ожидание цены всех ацкий сделано одинаковым. Я думаю из за перекоса (ошибка выжившего и недостаточный обьем) в данных.
— Распределение чуть не симметрично, но это тоже может быть перекос в данных, поэтому для надежности модель также упрощена и распределение принудительно сделано симметричным.
Упростил расчеты, выкинув кучу лишнего. Черточки на линии — 95% и 99% интервал, серый нормальное N(0,1) для сравнения.
Модель: предсказание будущей цены как распределения вероятностей. Входные данные текущая волатильность (EWMA) и текущая безрисковая ставка. Прогноз — распределение вероятностей для лог прибыли через год, в виде гауссовского микса.
Данные: 250 акций с 1970г каждая.
Регрессия на исторических данных по Мах Likelihood дала Нормальный Микс изображенный на рисунке.
Точность… я не знаю как точно ее оценить, вероятно не высокая, плюс минус километр, но походу это максимум что можно вытащить из исторических данных и текущей цены. (возможно EGARCH и т.п. дадут лучше, но едва ли сильно лучше).
Проблемы:
— Осталась старая проблема, модель завышает (арифметическое) среднее ожидание прибыли для волатильных акций, поэтому она принудительно упрощена и ожидание цены всех ацкий сделано одинаковым. Я думаю из за перекоса (ошибка выжившего и недостаточный обьем) в данных.
— Распределение чуть не симметрично, но это тоже может быть перекос в данных, поэтому для надежности модель также упрощена и распределение принудительно сделано симметричным.
