juliola2019-03-02 16:37:27
juliola老师 notes上的这两段话我有点看不懂 尤其是第二段>_< 1. 第一段不懂的是为什么按正态分布算VaR时 我们假设mean和sigma are the same for asset returns for any given day呢？我想正态分布是对过去一段时期n天的收益汇总起来建模，那它的u和sigma是这n个收益得到的，跟每天的各自的收益的u和sigma有什么关系呢？（如果每天的收益平均数就代表这天的收益的话，那应该是不同的才对嘛）2. 第1个问题其实也是我对"unconditional distribution"和"conditional distribution"理解得不好，所以第二张的ppt上这几段话我几乎没看懂，可以再解释一下这两个分别是什么意思吗？3.第二张ppt里最后一段话是什么意思… 完全看不懂…
回答（1）
Cindy2019-03-04 15:23:23
Cindy同学你好，确实如此，因为你对unconditional distribution"和"conditional distribution这两个概念没有理解透彻，所以才有了第一个问题，unconditional distribution就是无条件分布，就是指不管市场环境怎么变化，资产收益的分布都是不变的，这叫uncondition，如果会随着外界环境的变化而变化，那么这样的分布就是conditional distribution，针对这个conditional distribution,我们提出了regime swithing model，这个模型会根据不同的时期的波动率特点对资产进行不同的建模，使不同的波动率对应不同的分布，这个模型只要定性的了解即可，知道它主要用于解决肥尾的问题就行了
- 评论（0）
- 追问（8）
- 追问
-
老师我还是有几个地方不懂。我现在理解的conditional distribution是 如果资产收益在不同时期的sigma和u不同，那在不同时期就有不同的收益分布，所以不能在不同时期用单一的分布去分析它。那关于“不同时期收益分布的sigma和u的变化导致unconditional distribution的肥尾”这句话该怎么理解呢？还有ppt上说肥尾只出现在unconditional distribution上，而所有的conditional distribution都是正态分布。这里是否涉及到数学上二维分布、边际分布的知识点呢
- 追问
-
边缘分布…打错了^-^
- 追答
-
同学你好，从你的总结，可以看出你应该理解的差不多了，就是把问题想复杂了，这里不涉及数学上的边缘分布等的概念，关于unconditional distribution的肥尾，这么来说吧，咱们都想得简单一点，肥尾现象的主要导致原因就是波动率变大导致的，而波动率变大的时候往往是市场不平稳的时候，那么这个时候对资产的分布建模的话就会出现肥尾，也就是condition distribution,这里的condition就是市场波动，如果是用uncondition来建模的话，那就靠这一个分布很难刻画的准确，因此就容易出现肥尾现象，毕竟肥尾是真的出现了，而你的分布要准确的话肯定能体现出肥尾的特性，所以肥尾通常都是出现在uncondition distribution的情况下
- 追问
-
老师 我又去翻了一下notes 上面说对于肥尾和正态分布来说 mean和variance两个矩的数据是similar的（我脑补可能在三阶矩和四阶矩上有差异），那可不可以这样理解：现在我们是在任意时刻 都以和假设的正态分布相同的mean和variance对资产实际收益的分布进行建模，但由于实际上 不同时刻资产收益的variance是会随着市场实际状况进行变化的，所以我们对收益用假设的正态分布的variance进行建模（得到的就是unconditional distribution）后就会出现肥尾分布，要想得到正确的正态分布，就要具体问题具体分析 拿各个时刻的variance建模。我也不知道我在说什么但是我只能想出这个逻辑orz
- 追问
-
还有呀根据您说的 统计学的建模都是根据波动率再建模的嘛？我以为是先海选数据建模后再得到波动率
- 追答
-
同学你好，上面那段话说的是对的，下面那段话就有点以偏概全了哦，统计学上的建模是根据数据建模的呀，但是在咱们这门课里，针对这个regime swithing model，这个模型它是有目的的被设计出来的，它的诞生就是为了解决肥尾的问题的，所以用它建模资产收益的话就可以规避肥尾的问题，所以这个模型是根据不同的波动率来的，但是这不能说明其他的模型也一样的，还是得具体问题具体分析的(#^.^#)
- 追问
-
好的谢谢老师！
- 追答
-
不客气，学习愉快
评论
0/1000
追答
0/1000
+上传图片