Центральная предельная теорема для количественных финансов

🚀 Освойте навыки количественного анализа с Quant Guild
📅 Встречайтесь со мной лично
📈 Interactive Brokers для алгоритмической торговли
👾 Присоединяйтесь к Discord-серверу Quant Guild здесь   / discord   ______________________________________________________ 🪐 Jupyter Блокнот
*TL;DW Краткое содержание* Случайные величины определяют множество исходов с соответствующими вероятностями или правдоподобиями (дискретными / непрерывными). Каждый раз, когда мы выбираем случайную величину, мы имеем дело с эмпирическим распределением, которое может генерировать статистику. Если выборки относятся к одному и тому же распределению генеральной совокупности (т.е. оно инвариантно во времени), эмпирические статистики и распределения сходятся по LLN, но на практике это не так, поскольку мы боремся с временной дисперсией распределений и последующей статистики. . . – Распределение средних значений выборки следует нормальному (гауссовскому) распределению независимо от распределения генеральной совокупности или источника данных. Это, по сути, наш мост между теорией и практикой, статистикой и вероятностью. – Если распределение генеральной совокупности или источника данных фиксировано, распределение средних значений выборки будет сходиться к нормальному распределению по мере того, как размер выборки становится произвольно большим, а вероятности будут точными в частотном смысле. – В действительности распределения генеральной совокупности или источника данных *НЕ* фиксированы и изменяются во времени, что приводит к генерации неверных вероятностей и статистически неверным выводам. – Хотя распределения в реальности меняются со временем, CLT может предоставить **моментальный снимок**, который полезен локально для генерации вероятностей, как мы видели в примере с торговым сигналом, где распределение настроений, приводящее к принятию торгового решения, вероятно, более стабильно в коротком промежутке времени (минутах), необходимом для принятия решения, чем в течение ряда дней (что не так важно, поскольку мы будем продолжать калибровать нашу модель под новые данные). Надеюсь, вам понравилось! Роман ___________________________________________ 📖 Главы: 00:00 - Связь между вероятностью и статистикой 02:57 - Случайные величины и моделирование частоты сделок 04:48 - Теоретические и эмпирические распределения 06:24 - Выборки данных как случайные величины 07:18 - Статистика как случайные величины 09:18 - Пример: получение выборочных средних значений 10:36 - Закон больших чисел (ЗБЧ) 12:14 - Калибровка моделей и эффективность внесистемных распределений (OOS) 14:11 - Ключевые вопросы моделирования на практике 18:22 - Нормальное (гауссовское) распределение 19:53 - Правдоподобие и вероятность 22:53 - Почему используется нормальное (гауссовское) распределение? 24:20 — Доказательство центральной предельной теоремы (приблизительное) 27:41 — Пример: распределение выборочных средних 28:35 — Больше выборок, больше уверенности 31:02 — Пример: распределение неизвестной генеральной совокупности 33:37 — Ограничения центральной предельной теоремы 35:55 ​​— Применение к доходности акций 39:08 — Распределения генеральной совокупности, изменяющиеся во времени 41:44 — Применение к торговым сигналам 46:40 — Краткое содержание TL;DW __________________________________________ 🗣️ Благодарности Особая благодарность моим подписчикам на YouTube за поддержку моего канала и возможность продолжать создавать такие же видео, как это! ⭐ Руководители Quant Guild Д-р Джейсон Пироццоло ______________________________________ ▶️ Похожие видео Развитие Quant 🔨 Статистика и прибыльность торговли с течением времени (Edge) 📈 Анализ временных рядов для Quant Finance    • Time Series Analysis for Quant Finance   Quant Trader о розничной и институциональной торговле    • Quant Trader on Retail vs. Institutional T...   Quant о торговле и инвестировании    • Quant on Trading and Investing   Почему профессиональные игроки в покер становятся лучшими трейдерами (дело НЕ в удаче)    • Видео   Quant против дискреционной торговли    • Quant vs. Discretionary Trading   -Quant развенчивает 3 мифа о торговле с математикой    • Quant Busts 3 Trading Myths with Math   _______________________________________ 🗂️ Ресурсы 📚 Библиотека Quant Guild:
🌎 GitHub:

📝 Medium (Блог):   / quantguild     / quant   ___________________________________________ 🛠️ Проекты Поваренная книга Гаусса:
Рецепты для моделирования стохастических Процессы: