I. 1. Idősorok alapvető tulajdonságai - b. Valószínűségi eloszlások
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška sa venuje pravdepodobnostným rozdeleniam v kontexte financií a časových radov. Normálne rozdelenie sa dlho používalo pre svoju jednoduchosť (stačí stredná hodnota a rozptyl), rýchlo doznievajúce chvosty a konečný rozptyl, a stavia na ňom aj hypotéza efektívnych trhov. Realita však normálne rozdelenie nenasleduje, čo ukázal kolaps fondu Long Term Capital Management v roku 1998. Rozdelenia s hrubými chvostmi (mocninné, stabilné, Studentovo t) sú známe od 30. rokov 20. storočia, no ťažko sa kalibrujú a zovšeobecňujú na iné obdobia. Novší pohľad cez teóriu sietí vysvetľuje šoky zmenami štruktúry trhu. Normalitu testuje Jarque-Berov test, pri ostatných rozdeleniach sa často používa vizuálne posúdenie.
- - Normálne rozdelenie je obľúbené pre jednoduchosť: stačí stredná hodnota a rozptyl, má jeden modus a rýchlo klesajúce chvosty.
- - Hypotéza efektívnych trhov (martingal, fair game) a modely ako CAPM či oceňovanie opcií stoja na normalite.
- - Kolaps fondu LTCM v roku 1998 ukázal riziko slepej dôvery v normálne rozdelenie.
- - Reálne finančné rady majú hrubé chvosty a ani s dlhším radom (napr. sto rokov dát Dow Jones) nekonvergujú k normalite.
- - Hrubé chvosty (mocninné, stabilné rozdelenia, Studentovo t) sa ťažko kalibrujú a nedajú sa spoľahlivo zovšeobecniť na iné obdobia.
- - Teória sietí vysvetľuje šoky ako dôsledok zmien štruktúry trhu, napríklad pádu uzlového hráča typu Lehman Brothers.
- - Normalitu overuje Jarque-Berov test; model je dobrý priblížením, no treba ho používať kriticky.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky