Избранное трейдера yuryss
Эта оценочная функция может быть эффективно вычислена и она нечувствительна к выбросам. Она может быть существенно более точна, чем неробастный метод наименьших квадратов для несимметричных и гетероскедастичных данных и хорошо конкурирует с неробастным методом наименьших квадратов даже для нормально распределенных данных в терминах статистической мощности.
Метод признан «наиболее популярной непараметрической техникой оценки линейного тренда»
Привет, друзья. Много было постов о полезных ресурсах для трейдинга и сегодня я решил добавить еще чуток полезняшек для всех нас.
Интересную тему с эмпирическими распределениям подняли Дмитрий Новиков и Nonsense. Хотелось бы одну мысль по этому поводу озвучить. Насколько понимаю, эмпирическое распределение — это когда берут историю цен БА, нарезают неким окном, из каждого полученного отрезка получают приращение, и потом строят частотную диаграмму из этих приращений. Полученное распределение и называют эмпирическим. Nonsense пишет, что возникают две проблемы:
1. У полученного распределения мю может быть не ноль, и если считать по этому распределению справедливые цены, то не будет выполняться колл-пут паритет.
2. Выбор размера окна для нарезки.
Мне же кажется, что тут другая, более существенная, проблема. Предположим, у нас есть некий случайный процесс, с помощью которого мы можем сгенерировать кучу случайных траекторий цены: