Никто, это задача требующая полноценной занятости, океан данных и т.п. фонд Дж Симонса, и т.п. Показать никто не покажет, потому что кто умеет скрывает, а другим показать нечего.

Еще наблюдение — после нормализации, на графике распределения вероятностей исчезли «особенности» (разные горбы и перекосы) для отдельных акций, и он стал напоминать колокол (с хвостами). 

amberfoxman, оптимальный портфель по марковицу? Насколтко знаю, он игнорирует ключевой компонент — системный риск, нестационарность корреляций при падение рынка, когда у всех акций корреляция становится 1.

Опционный деск — это текущие цены опционов? Непонятно — как это поможет? Ведь цель — определить цены опционов, и сравнив их с текущими найти расхождения.

Это нечто, сюрприз — после нормализации по медиане и сигме, у «спокойной» MCD разброс получается больше чем у «волатильной» AMD.

Видно как они стабилизируются, если увеличить интервал до 20 лет, и превращаются в гладкие и плавные кривые.

Интересно было посмотреть в этом эксперименте Обобщенное Гиперболическое. Но, оно не впечатлило, оно работает не лучше чем Ассиметричный Гауссовский Микс со Средними = 0 из прошлых постов.

Возможно Гиперболическое может быть интересно если нужна аналитическая форма распределения, но мне она не нужна, я использую численные методы и симуляции, и с Гауссовским Миксом работать проще, интуитивно понятней, и аппроксимирует он не хуже.

Но чисто для аппроксимации, когда маштабировать не нужно, получается хорошее приближение. Нопример посмотреть симуляции, с известным теоретическим распределением, которое в то же время достаточно близко к реальному.

Подумал, все таки наверно лучше принудительно поставить условие для «среднего» в гауссовых компонентах равным нулю, и отдельно считать левую и правую часть чтоб учесть ассиметрию. Тогда маштабировать можно меняя сигму с сохранением пропорций.

С произвольно гуляющими средними слишком непонятно получается, теряется понятие сигмы как меры волатильности

Михаил, посмотрел в содержании, есть главы посвещенные VAR используя вероятности и корреляции, с учетом редких событий, но все таки полагаясь на вероятности.

Насколько я понимаю, Мандельброт/Талеб — предлагают другой подход, они считают вероятностный подход к защите от риска принципиально неверным. И предлагают вместо вероятностей использовать механические, детерминированные защиты. Как например страховка пут опционами, либо ассимметричный (barbel) портфель, где основная часть в супербезопасных (и практически безприбыльных) активах.

RoboScalp, это нужно для получения будущего распределения вероятностей цен акций — на следущий месяц, или полгода, или год.

А почему предсказание дивидендов, а не прибыли (чистой или грязной)? 

С дивидендами проблема — компании могут по разному их выплачивать, кто то напрямую дивиденды платит, кто то может скупать свои акции, кто то инвестирует в рост компании. Нет единообразия, не получается сравнивать напрямую компании.

Анализ прибыли, как грязной так и чистой — он более единообразен для всех компаний, его может быть легче предсказать.

А как конкретно прибыль компании выльется в прибыль держателя акций — в виде явных дивидендов, либо роста акций, вобщем то не важно.

Михаил, супер, спасибо!

Сергей Олейник, в данном случае у нас простой случай — определить параметры искуственного распределения которое мы заведомо знаем.

E L, в том то и дело, весь смысл этих графиков и поисков — это измерение текущей волатильности :). Текущая волатильность невидима, она не поддается прямому измерению, мы видим, скажем в данных за последней месяц — лишь часть ее.

E L, именно это я и делаю :). Если бы меня не интересовали изменения волатильности, я бы просто использовал эмпирическое распределение за несколько десятков лет, с фиксированной волатильностью, вообще сходу делается.

Но мне нужно найти а) общую форму распределения («истинное» распределение) основываясь на десятках лет истории и «гадании/индукции/интуиции разглядывания графиков» и б) как откалибровать ее волатильность на текущей волатильности за последний год или месяцы.

Проблема с прямым измерением волатильности на текущий момент (скажем за последний месяц, или последнюю неделю) — она не поддается измерению напрямую, она не репрезентативна. Слишком мало данных. 

Ее можно измерить только опосредственно. Используя «нерепрезентативный» замер текущей волатильности за скажем последний месяц, и затем калибруя по нему «истинное» распределение, чтобы получить настоящее, репрезентативное значение текущей волатильности.

Михаил, и избежать нахождения некой сложной кривой которая хорошо подойдет для правдоподобия за счет оверфиттинга .

Михаил, я хочу видеть каждый шаг, визуально, чтоб понимать что происходит и исключить ошибки.

Владимиров Владимир, это же обоюдный случай. Слишком дешево — можно купить, слишком дорого — можно продать :)