底部:Log xscale,分别与两个高斯分布函数N(0,σ)和N(0,σ)进行比较。附录一。为了对具有Fat-tailed分布且无自动相关的合成时间序列(每日收益)进行评级,我们使用了Python内置的Student\'s t distributedrandom数字生成器。使用ν=3形状参数,可以得到无发散的二阶矩(注意,方差不能小于1,得到的实际值为ν/(ν-2) =3)。通过生成与我们的道琼斯工业平均指数数据长度相同的时间序列,这将导致出现非常大的每日回报值,从而导致实际的发散指数。为了避免这种情况,我们对这些随机变量进行了标度,使分布保持标准化。通过使用Python包的“scale”参数,可以很容易地实现这一点。使用“标度=0.01”参数,生成的时间序列的标准偏差(用STT表示)与道琼斯工业平均指数收益率的波动性顺序相同,σST T=0.01 8。TTT时间序列的日收益率呈现非高斯厚尾分布,与DJIA指数[3]中观察到的类似(见图9)。对STT1 10τρ*±|ρ|[σ]|ρ进行逆统计分析|-|ρ|γ+=1.78γ-=1.80图。10.(在线彩色)τ的缩放*ρ正(绿色虚线曲线)和负(红色连续曲线)ρ回报水平的最佳投资期限,使用具有厚尾学生T分布(STT)的每日回报的艺术指数。请注意对数刻度。黑色虚线和灰色连续线表示适用于|ρ|>3σ回归水平的斜率,由细垂直线表示。图例中给出了标度指数。0.11 10 100吨[交易日]w(T)DJIAS和P500NASDAQ100FIG。11
|