CFA學習筆記(四)定量分析Common Probability Distributions

概率分布(probability distribution)一個隨機變量所有可能產(chǎn)生的不同結(jié)果對應(yīng)著不同的概率。
離散隨機變量(discrete random variable)該類隨機變量的取值結(jié)果是可以被窮舉的坛善,并且每一個結(jié)果的發(fā)生概率也都是可以被計算的。
連續(xù)變量(continuous variable)連續(xù)變量取值的結(jié)果是無限的因此不可以被窮舉礼烈。
概率密度函數(shù)(probability density function)可以幫助我們解決連續(xù)變量的概率計算問題。
累積概率函數(shù)(comulative probability function)這一函數(shù)的公式表達為F(X) = P(X<=x)
離散均勻分布(discrete uniform distribution)是最簡單的一類離散分布爽柒,隨機變量取任何數(shù)值的發(fā)生概率都是相同的蹋订。
伯努利試驗(Bernoulli experiment)在同樣條件下布讹,重復(fù)的琳拭、相互獨立的對一個隨機變量進行試驗。其特點是該試驗只存在兩種結(jié)果描验,即事件成功發(fā)生(X=1)或事件失敯奏摇(X=0),這里研究的變量稱為伯努利隨機變量(Bernoulli random variable)
二項分布(binomial distribution)重復(fù)N次的伯努利試驗后得到的概率分布挠乳,它是一個衡量事件發(fā)生次數(shù)的概率分布权薯。
二叉樹(binomial tree)多用于股價的預(yù)測
連續(xù)均勻分布(continuous uniform distribution)是最簡單的連續(xù)分布,圖形表現(xiàn)為一條直線睡扬,并且分布變量的取值范圍存在上限與下限。
正態(tài)分布(normal distribution)黍析,也成為了常態(tài)分布卖怜,又名高斯分布。正態(tài)分布的偏度(skewness)=0表示正態(tài)分布是一個關(guān)于縱軸左右對稱的分布阐枣,
一個置信區(qū)間(confidence interval)是一個區(qū)間范圍的概念马靠。它代表了我們所要顧及的參數(shù)將以一個給定的概率被包含在這個區(qū)間之中。比如68%的置信區(qū)間表示我們有68%的信心認為樣本的取值介于均值正負1倍標準差之間蔼两。相對應(yīng)的甩鳄,90%置信區(qū)間是1.65倍標準差,95%對應(yīng)1.96倍额划,99%對應(yīng)2.58倍妙啃。
標準正態(tài)分布(standard normal distribution)是一種特殊的正態(tài)分布,即Z分布俊戳。隨機變量均值為0揖赴,方差為1。
超虧風險(shortfall risk)投資的收益率小于最低要求回報率的風險抑胎,即投資者面臨Rp<RL的風險燥滑,此處RL(rhtreshold level return)代表最低要求回報率。
羅伊第一安全比率(Roy‘s safety-first criterion)假設(shè)組合收益率服從正態(tài)分布阿逃,投資者想要最小化P(Rp<RL)铭拧,就等同于最大化第一安全比率(SF ratio)赃蛛,其中SF ratio代表了平均收益率與最小要求收益率的距離,再將其除以組合收益的標準差便得到了以標準差為單位的標準距離搀菩。
第一安全比率衡量了組合資產(chǎn)收益率低于其最低要求回報率的程度焊虏,組合收益的第一安全比率越大,意味著組合資產(chǎn)收益率低于最小要求回報率的發(fā)生概率就越小秕磷,那么投資者投資該組合的安全性也就越高诵闭。
第一安全比率和夏普比率非常相似,唯一的不同在于第一安全比率的超額收益是基于最小要求回報率的澎嚣,而夏普比率是基于無風險利率疏尿。
對數(shù)正態(tài)分布(lognormal distribution)如果隨機變量lnX服從正態(tài)分布,那么隨機變量X就服從對數(shù)正態(tài)分布易桃。在金融市場中褥琐,資產(chǎn)的價格都是大于零的,因此晤郑,我們一般用對數(shù)正態(tài)分布來擬合資產(chǎn)價格的分布敌呈,用正態(tài)分布來擬合資產(chǎn)收益率。
蒙特卡羅模擬(monte carlo simulation)是一種統(tǒng)計方法造寝,通過正態(tài)分布生成隨機數(shù)磕洪,擴充原先的數(shù)據(jù)量。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末诫龙,一起剝皮案震驚了整個濱河市析显,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌签赃,老刑警劉巖谷异,帶你破解...
    沈念sama閱讀 218,451評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異锦聊,居然都是意外死亡歹嘹,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,172評論 3 394
  • 文/潘曉璐 我一進店門孔庭,熙熙樓的掌柜王于貴愁眉苦臉地迎上來尺上,“玉大人,你說我怎么就攤上這事史飞〖饣瑁” “怎么了?”我有些...
    開封第一講書人閱讀 164,782評論 0 354
  • 文/不壞的土叔 我叫張陵构资,是天一觀的道長抽诉。 經(jīng)常有香客問我,道長吐绵,這世上最難降的妖魔是什么迹淌? 我笑而不...
    開封第一講書人閱讀 58,709評論 1 294
  • 正文 為了忘掉前任河绽,我火速辦了婚禮,結(jié)果婚禮上唉窃,老公的妹妹穿的比我還像新娘耙饰。我一直安慰自己,他們只是感情好纹份,可當我...
    茶點故事閱讀 67,733評論 6 392
  • 文/花漫 我一把揭開白布苟跪。 她就那樣靜靜地躺著,像睡著了一般蔓涧。 火紅的嫁衣襯著肌膚如雪件已。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,578評論 1 305
  • 那天元暴,我揣著相機與錄音篷扩,去河邊找鬼。 笑死茉盏,一個胖子當著我的面吹牛鉴未,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播鸠姨,決...
    沈念sama閱讀 40,320評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼铜秆,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了享怀?” 一聲冷哼從身側(cè)響起羽峰,我...
    開封第一講書人閱讀 39,241評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎添瓷,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體值纱,經(jīng)...
    沈念sama閱讀 45,686評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡鳞贷,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,878評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了虐唠。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片搀愧。...
    茶點故事閱讀 39,992評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖疆偿,靈堂內(nèi)的尸體忽然破棺而出咱筛,到底是詐尸還是另有隱情,我是刑警寧澤杆故,帶...
    沈念sama閱讀 35,715評論 5 346
  • 正文 年R本政府宣布迅箩,位于F島的核電站,受9級特大地震影響处铛,放射性物質(zhì)發(fā)生泄漏饲趋。R本人自食惡果不足惜拐揭,卻給世界環(huán)境...
    茶點故事閱讀 41,336評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望奕塑。 院中可真熱鬧堂污,春花似錦、人聲如沸龄砰。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,912評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽换棚。三九已至式镐,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間圃泡,已是汗流浹背碟案。 一陣腳步聲響...
    開封第一講書人閱讀 33,040評論 1 270
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留颇蜡,地道東北人价说。 一個月前我還...
    沈念sama閱讀 48,173評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像风秤,于是被迫代替她去往敵國和親鳖目。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,947評論 2 355

推薦閱讀更多精彩內(nèi)容