第四章 数理方法
第一部分 概率基础
一、概率与随机变量的含义、计算和原理
1、事件和概率
随机试验:进行试验时,会出现什么结果,是不确定的。
样本点:每一种可能的结果。
样本空间:全体样本点集合。
(扑克牌数字、花色)
事件:样本空间(可测)子集。
2、集合、事件与概率
概率:对某个事件发生可能性的度量。
最基础的事件运算:子事件、事件并(和)、事件交(积)、事件补(余事件)。
(1)概率主观定义。依据各自的经验和自信,对于事件A发生的可能性有不同的看法,分别给出的估计概率。
(2)概率的公理化定义。
样本空间s上的概率测度P满足以下概率公理:
①对于任意的事件A 属于S,0≤P(A)≤1,表示一个事件的概率必定在0和1之间;
②P(S)=1,表示样本空间s包含所有可能的结果,事件s的概率应该为1;
③如果对于任意的i≠j,Ai∩Aj=Φ(空集)
那么P(A1 ∪A2∪…)=P(A1)+ P(A2)+…,表示如果事件A和事件B不相交,那么它们并集的概率等于两个事件概率和。(和的概率等于概率之和)
3、条件概率与事件独立。
在给定事件B已经发生的条件下事件A发生的概率记为P(A / B)。
如果说事件A和事件B是相互独立的,则
P(A/B)=P(A),表示事件B的发生对事件A发生的机会不产生任何影响。
如果P(A∩B)=P(A/B)P(B)=P(A)P(B),我们说事件A和事件B是相互独立的。否则,我们说事件A和事件B是相互依赖的。
例题:考虑掷骰子的试验。样本空间S是六个样本点,出现点数为1的概率,记为集合A={1},则P(A)=1/6。但是,如果考虑奇数点出现的条件下点数1出现的概率,则在给定信息影响下,使得样本空间从S={1,2,3,4,5,6}缩小到B={1,3,5},此条件概率记为P(A丨B)=1/3。
2019年证券从业资格《证券投资顾问业务》在线题库 | 在线测试 |
2019年证券从业资格《证券分析师》在线题库 | 在线测试 |
2019年证券从业资格《投资银行业务》在线题库 | 在线测试 |
更多2019年证券从业资格考试讲义学习、领取考前冲刺资料,加入证券从业资格证学习群:1018359976 ,更有老师答疑解惑!
4、随机变量和概率分布
随机变量:是从样本空间到实数集的一个函数,一般用大写字母表示,它的取值用小写字母表示。(取值随机会而定的变量)
(1)离散随机变量及其概率分布函数。设随机变量X取值为有限个或者可数多个值,则:
P(X=xi)=pi i=i,2,…,n
称为随机变量X的(概率)分布。
(2)连续随机变量与概率密度函数。
概率分布函数:随机变量取值范围在一个区间或者整个实数轴。
设X是随机变量,其值小于等于x的事件{X≤x}发生概率用F(x)表示,我们称F(x)=P(X≤x)为随机变量X的分布函数。某个连续的随机变量X的概率密度函数满足的三条性质:
1)对于所有的x∈R,有f(x)≥0;
5、常用分布。在金融模型中,常见的分布包括二项分布、正态分布、对数正态分布、t分布和F分布。
(1)二项式分布。B(n,P)。其中n和P是两个参数, n是正整数,0≤p≤1。
考虑一个仅有两个结果的试验,比如价格上涨或下跌,随机变量X的值为0或1。随机变量X服从贝努利分布的假设为 P(X=1)=p,P(X=0)=1-p,这里0≤p≤1
如果X1,X2,...,Xn是相互独立,且服从贝努利分布,那么是一个取值为0,1,2,…,n的离散的随机变量。
6、随机变量的数字特征(随机变量的矩)
(1)数学期望。一般地,如果X是一个离散的随机变量,它的分布为
P(X=xi)=pi,i=1,2,…n…,它的期望值为
即是X的期望值是它的所有可能的取值的加权平均,其权数是它取该值的概率。
(3)方差(二阶中心距)与标准差。
如果r=2,E[(X-μ)2]被称为X的分布的方差或 x的方差。常常记它为σ2或var(X)。
σ2的正平方根σ被称为x的标准差,反映了随机变量波动程度的量(衡量风险的大小)。关于方差,常用公式:
(4)偏度与峰度。
1)偏度。使用3阶中心矩度量X关于其均值的对称性衡量分布是否有偏(用来描述随机变量的对称程度)
如果X的概率密度函数关于期望值是对称的,比如正态分布,μ3=E[X—E(X)]3=0是无偏的 ,对于u3>0,说明分布是正偏或者右偏,反之为负偏或者左偏。
偏度系数:
负的偏度系数,揭示了分布有很长的左尾(概率),反映了出现大负值的概率高。如果组合资产的收益率分布是负(左)偏的,则出现巨额损失的概率增加。
2)峰度
常使用4阶中心矩用于度量X的尾部特性,也衡量分布在均值附近的陡峭程度,如果x取值在概率上集中在均值附近,则u4 将倾向于小,否则就倾向于大。
峰度系数为β2=u4/u22
超额峰度 =β2-3
正态分布的峰度=3
正态随机变量的超额峰度=0。
厚尾:分布有正的超额峰度(峰度>3),意味着来自于这样一个分布的随机样本会有更多的极端值,故称这样的分布为尖峰的。
轻尾:具有负的超额峰度的分布(峰度<3),也称为低峰的。
(5)契比雪夫定理(不等式)。
随机变量和它的均值的差的绝对值超过它的标准差K倍的概率小于1/K2
该定理给出了任一随机变量取值的界限。在判断程序化投机(趋势)交易或者价差(套利)交易中触发条件的发生概率较为有效。
例题:下列关于正态分布的结论哪个是不正确的?
A.峰度为3.
B.偏度为1.
C.整个分布特性可由均值和方差描述。
D.正态分布的密度函数表示如下:
答案:B
二、多元分布函数及其数字特征
(用于分析组合资产的收益率)
1、 多元分布函数
联合累计分布函数:
X和Y是相互独立的,当且仅当:f(x,y)=g(x)h(y)
2、多元分布函数的数字特征
(1)协方差。(X,Y的二阶混合中心距)
σXY,或COV(X,Y)
σXY=E[(X-EX)(Y-EY)]=E[XY]-E[X]E[Y]
是XY之间相关性的一个测度。如果X和Y是相互独立的,那么cov(X,Y)=0。
(2)相关关系。
PXY的取值一定在-1和1之间。如果X和Y是相互独立的,那么PXY=0。相关系数是在计量经济学中使用回归分析技术时必须使用的工具。
(3)协方差矩阵。
描述多元随机变量。一个随机向量的期望值等于它的各个分量的期望值组成的向量。
随机向量X的协方差矩阵如下:
例题:给定随机变量X、Y,常数a、b、c、d,下列哪个结论是错误的。
A.若x和Y是相关的,则E(ax+by+c)=aE(x)+bE(y)+c
B.若x和Y是相关的,则Var(ax+by+c)=Var(ax+by)+c
C.若x和Y是相关的,则Cov(ax+by,cx+dy)=acVar(X)+bdVar(Y)+(ad+bc)Cov(x,Y)
D.若x和Y是不相关的,则Var(x-y)=Var(x+y)
=Var(x)+Var(y)
答案:B Var(ax+by+c)=Var(ax十by)= 2a Var(x)+ 2b VAR(y)+ 2ab Cov(x,y)。
解析:
Var(x+y)=Var(x)+Var(y)+2Cov(x,y)
Var(x-y)=Var(x)+Var(y)-2Cov(x,y)
x和Y是不相关的,Cov(x,y)=0,所以两者相等。
三、随机变量的函数
1、随机变量的线性组合。
对于以人民币计价的投资组合中现金为1 000万元,组合中美元资产为1 000万美元,美元汇率为X,其均值为0.01,标准差为0.001,这个组合可以被表示为Y=a+bX,其期望、方差和标准差分别为:
E(a+bX)=a+bE(X),
var(a+bX)=b2var(X),
y的均值:E(Y)=E(1+1 000X)
=1+1 000×0.01=11
y的标准差=1 000×0.001=1
随机变量线性组合的方差:
2、随机变量的加权和
如果a'=(a1, a2,..., an)是常数向量,那么有:
如果a是资产组合的权重,μ是资产组合收益率,σ是资产组合波动率,上述结果就是资产组合收益率的期望和方差的计算公式,可用于计算组合风险价值。
3、随机变量的积
随机变量乘积Y=X1Y2,其期望为:
E(X1X2)=E(X1)E(X2)+Cov(X1,X2)
当这些变量相互独立时,乘积期望就是均值的积。
4、随机变量变换(函数)的分布。
假设X是一个连续随机变量,概率密度函数为f(x),g(x)是一个单调函数,那么Y=g(X)是一个新的随机变量。我们把x表述成y的函数为X=W(y),那么y的概率密度函数 h(y)为:
四、对数正态分布等统计分布的特征和计算
(用于进行高频金融数据的分析)
1、对数正态分布与三大统计分布
(1)对数正态分布。 (期权定价模型)
如果一个随机变量x的对数形式Y=ln(X)是正态分布,则可以称这一变量服从对数正态分布。
如果资产的对数收益率是独立同分布,且都正态分布,那么在此假定下,简单收益率是独立同分布的对数正态分布的随机变量,均值和方差分别为:
反之,假设简单收益率Rt服从对数正态分布,均值为m1,方差为m2,则对应的对数收益率rt的均值和方差分别为:
(2)卡方(χ2)分布。
一个标准正态随机变量的平方服从自由度为1的χ2分布。即如果Z~N(0,1),那么Z2~ χ2(1)。如果Z1,Z2,…,Zn是相互独立的标准正态分布,那么
F的概率密度函数可通过变量替换方法得到,它是非负的,且偏向右边凸起。
例题:有着相同均值和标准差的正态分布和t分布,下列哪个结论正确?
A.它们有着相同的峰度
B.t分布有着更大的峰度
C.随着自由度增加,t分布的峰度逐渐收敛到正态分布峰度
D.当自由度相对较小的时候,对t分布而言,正态分布是一个较好的近似估计
答案:C
2、尾概率分布特点
极值理论(EVT)——x超过某个阀值点U的极限分布服从以下分布族:
F(y)=1-exp(-y),ξ=0
当y=(x-u)/β时。简单而言就是通过刻度(Scale)参数β和形状(Shape)参数ξ确定,其中参数ξ决定了尾概率中尾巴趋于零(消失)的速度。
正态分布对应于ξ=0,则尾巴概率以指数速度消失(趋于0)。但是,经典的金融数据,基本都有ξ>0,这就是著名的厚尾(肥尾或者重尾)现象。
极值理论在风险管理(即VaR,Value at Risk 风险价值)中具有非常重要的影响。
一级建造师二级建造师消防工程师造价工程师土建职称公路检测工程师建筑八大员注册建筑师二级造价师监理工程师咨询工程师房地产估价师 城乡规划师结构工程师岩土工程师安全工程师设备监理师环境影响评价土地登记代理公路造价师公路监理师化工工程师暖通工程师给排水工程师计量工程师
执业药师执业医师卫生资格考试卫生高级职称护士资格证初级护师主管护师住院医师临床执业医师临床助理医师中医执业医师中医助理医师中西医医师中西医助理口腔执业医师口腔助理医师公共卫生医师公卫助理医师实践技能内科主治医师外科主治医师中医内科主治儿科主治医师妇产科医师西药士/师中药士/师临床检验技师临床医学理论中医理论