美文网首页
数据科学|高频数据中的均值与方差估计

数据科学|高频数据中的均值与方差估计

作者: 雷克斯 | 来源:发表于2021-07-12 13:07 被阅读0次

    观测值的频率越高是否导致估计值越准确呢?这个问题的答案令人惊讶:观测值的频率不会影响均值估计的准确性。

    样本时段的长度而非样本观测值的数量能改进估计的准确性。

    10年总收益率除以10与12乘以120个月的平均收益率能提供同样精度的预期年化收益率估计。

    平均月度收益率与10年的平均收益率具有一致性,额外的月度收益率观测值对平均收益估计提供不了额外的信息。

    但是,更长的样本期,相比10年的收益率,100年的收益率能提供更准确的收益率估计,这里有个前提条件,即100年间收益分布不发生改变。

    这里暗示一个规则:即使使用很长时段的样本,你依然相信收益分布不变。

    不幸的是,老数据往往包括较少的信息。

    19世纪的数据是否可以用来做21世纪的收益率?可能不行,这说明我们在估计平均收益时受到局限。

    相反,增加样本值可提高标准差或更高阶矩的估计准确性。

    所以我们可以用变频观测值来提高标准差和更高阶矩的估计准确性。

    标准差估计先从方差估计开始。

    当日度收益不相关时,月度方差可以简单相加。

    当月度方差相同时,年化方差等于\sigma_{A}^2=12\sigma_{M}^2

    总的来说,T个月的方差等T乘以单个月的方差。

    所以,标准差的增长率为\sqrt{T},即\sigma_A=\sqrt{12}\sigma_M

    均值和方差随时间段成比例增长,而标准差随时间段长度的平方根的增长而增长。

    相关文章

      网友评论

          本文标题:数据科学|高频数据中的均值与方差估计

          本文链接:https://www.haomeiwen.com/subject/gbmrpltx.html