韩同学2024-10-29 16:56:23
韩同学VaR那里的那个条件正态和非条件正态有什么区别，这个知识点不懂
回答（1）
黄石2024-10-30 09:52:25
黄石同学你好。方便上传一下具体的课件和出处。
- 评论（0）
- 追问（2）
- 追问
-
这个
- 追答
-
同学你好。传统金融学中假设回报率服从正态分布，但该假设与实际不符，现实中我们观测到回报率数据展现出有偏、肥尾的特征。近几十年来，学术界提出了新的思路：回报率依然服从正态分布，但这个分布是一个条件分布，也就是条件于当前信息，回报率服从一个正态分布。这与此前的（无条件）正态分布假设不同的一点在于，虽然每个时点的回报率依然服从正态分布，但是基于相应时点的条件，这些回报率服从的正态分布有着不同的参数（均值不同，或方差不同，或二者都不同）。而最后的无条件分布则是所有条件分布的混合，在数量分析中我们学过，将均值不同和/或方差不同的正态分布混合起来可以产生诸如双峰、有偏、肥尾等特征，这些特征能更好地拟合现实情况。
无条件分布中的均值和方差可以直接从数据中获取（估计数据的均值和方差），对于回报率这种时间序列来说，这些其实就是它的long-run mean和long-run variance。而条件分布中的条件均值和条件方差，我们需要使用模型来建模。对于条件均值，E[r_t|I_t-1]（I_t-1指的是t-1时刻的信息），我们可以使用ARMA类型的模型建模；而对于条件方差，我们可以使用本章中的GARCH模型进行建模（EWMA是GARCH的一个特例）。这也是为什么GARCH名称中“CH”的由来：条件异方差指的是序列的条件方差会随时间的变化而变。
评论
0/1000
追答
0/1000
+上传图片