Список проголосовавших за комментарий "<p>Кирилл Браулов, наконец дошли руки. Отвечаю.<br/> <br/> Подход, который я применяю используется еще много где. Самое очевидное, в страховании. Если упрощенно: справедливая страховая премия равна вероятности страхового случая, умноженная на ожидаемую сумму страховой выплаты. По облигациям аналитики считают справедливый спред над безрисковой ставкой как вероятность дефолта, умноженную на ожидаемую сумму потерь (loss-given-default). И много еще где, где нужна стоимость риска. Во всех случаях пока ничего лучше не придумали, как оценивать оба компонента этой стоимости исходя из исторических (эмпирических) данных.</p><p>Да, эмпирические данные дадут один единственный путь, но еще и дадут оценку вероятностей на будущее. По сути, они дадут функцию плотности вероятности. Конечно, крайне редко актив придет ровно в точку с мат.ожиданием или медианой. Но, если много раз это повторять, то будет стремиться. Т.к. все тут стохастическое, то для реальной торговли нужно иметь <a href="/blog/394581.php">приличную, статистически значимую разницу между справедливой и рыночной ценами</a>. Страховые компании тоже не справедливую стоимость просят за страховку, у них есть повышающий коэффициент — loading. </p><p>Еще я пришел к тому, что брать эмпирические данные просто за какое-то окно в прошлом – неправильно. Это то же самое, что, например, узнав за окном температуру воздуха (скажем, +5), сравнить ее со средней температурой за последние полгода и сделать вывод «тепло» на улице или «холодно». Разумеется, нужно сравнивать со средней температурой в этом конкретном месяце, городе, и времени суток. Для Сочи в мае +5 будет холодно, а для Мурманска – жарко. Для января – это оттепель, а для июля – похолодание. Еще раз напишу мой главный тезис: экстраполируем только то прошлое, которое похоже на настоящее. Собственно, основная сложность – идентифицировать правильный режим и отобрать данные из прошлого. Нужна правильная <a href="/blog/394157.php">фильтрация прошлого.</a></p>"