Например, сейчас акции ПАО Сбербанк стоят 246 р.
У нас есть намерение купить их по 240 р.
Вариант 1. Выставляем лимитную заявку покупки или стоп-заявку тейк-профит.
В этом случае, ждём, не получая никаких доходов.
Вариант 2. Продадим опцион пут на необходимое для покупки количество акций.
Если цена останется выше 240 р. на момент исполнения опциона (18 дней), то акции не получим, но получим дополнительный доход почти 300р. или 1,25% от стоимости покупаемых акций.
Если цена уйдёт ниже 240 р. мы получим и акции, и дополнительный доход.
Допустим у нас есть несколько моделей, описывающих движение цены актива. Нам нужно выбрать модель, которая лучше предсказывает будущую цену. Т.е. нам нужна метрика, по которой мы будем сравнивать модели.
Хороший обзор коэффициентов для оценки качества моделей есть на сайте Ивана Светунькова forecasting.svetunkov.ru/forecasting_toolbox/models_quality/
Проблема в том, что все коэффициенты оценки качества прогноза основываются на сравнении ошибок (разница между мат.ожиданием модели и реальным значением прогнозируемой переменной). Если нас интересует только мат.ожидание, например, мы торгуем линейно активом, то проблем никаких. Но если для нас важна плотность вероятности, например, при оценке стоимости опционов, то имеющиеся метрики сравнения моделей не подходят.
Приведу пример. Есть три модели, прогнозное мат.ожидание которых совпадает, а плотность вероятности различается: