Предлагаю поломать голову над следующей задачкой. Ее решение вполне применимо в трейдинге и возможно кому-то поможет.
Имеется N случайных величин (СВ), распределенных по нормальному закону. Каждая из них имеет отрицательную корреляцию K одновременно со всеми остальными СВ. Необходимо найти минимальное возможное значение K и построить график K(N). Дополнительно можно построить график корреляции между суммой N-1 CВ и оставшейся СВ.
Как-то некорректно поставлена задача. Когда говорят о взаимо-корреляционной функции или авто-корреляционной функции, то имеется ввиду как раз функция (набор СВ), но ни как не о числе. Если у вас нормальное распределение (Гаусов купол) то как каждое конкретное число может иметь отрицательную корреляцию относительно любого другого числа?
Хорошую генерацию последовательностей с наименьшей величиной взаимной корреляции (одной последовательности относительно другой последовательности) дают коды Голда.
автокорреляция это когда следующее приращение зависит от предыдущего во временном ряде.
Автокорреляция это свертка функции (временного ряда) со своей копией, сдвинутой на N отчетов K=f(x)*f(x-i). Каждое i дает свое значение автокорреляционной функции. Если система динамическая и на вход поступают новые значения временного ряда и вы пересчитываете автокорреляцию, то да следующее приращение автокоррелционной функции зависит от предыдущего, так как эти отчеты используются в расчете.
Все же не понятно, что именно вам нужно. Значение автокорреляционной функции зависит от самих СВ и больше ни от чего, вы можете только сдвижку менять, при определенной сдвижке вы можете получить локальный минимум корреляции, который при получении следующего СВ может уже и не быть локальным минимумом.
Соответственно, вы хотите синтезировать некую функцию корреляция которой с исходными СВ будет минимальна или что?
1) Теория вероятностЕЙ, конечно же. (UPD: Спасибо, что исправили).
2) Судя по всему, в условие надо дописать, что отдельные величины Xi имеют одинаковые математические ожидания EXi и дисперсии Var Xi.
3) Без ограничения общности считаем, что математическое ожидание каждой из величин равно 0 и дисперсия совпадает со вторым моментом E Xi^2 и равна 1, тогда корреляция равна математическому ожиданию произведения двух таких случайных величин r = E XiXj. Сумма S = X1+...+XN величин имеет неотрицательный второй момент E S^2 >= 0, который равен N*EX1^2 + N*(N-1)*EX1X2 = N*1 + N*(N-1)*r, откуда r >= -1/(N-1).
4) Наверное, надо ещё доказать, что существует многомерное нормальное распределение, для которого это равенство достигается. В этом случае K(N) = -1/(N-1) — график гиперболы.
5) Самое сложное — теперь придумать этому применение в трейдинге. :)
_sk_, Гениально! Я предполагал что график должен быть похож на гиперболу, но не додумался через дисперсию суммы решить. А оказалось, что очень даже красивое решение. Спасибо
SECRET, есть другое решение. Пусть есть N случайных чисел x1, х2, ..., Хn нормально распределенных и с мат ожиданием 0 и дисперсией 1. Пусть корреляция между ними одинакова и равна К. Пусть есть СВ Y — нормально распределенная и с корреляцией со всеми Xn равной тоже К. Найдем корреляцию суммы Х1+Х2+...+Хn и Y => r =( E[(X1+..+Xn)*Y] — E(X1+...+Xn)*EY ) / корень(D(X1+..+Xn)*D(Y)).
Упростим выражение:
1) E[(X1+..+Xn)*y] = Е(X1*Y)+E(X2*Y)+...+E(Xn*Y) = K+K+...+K=N*K
2) E(X1+...+Xn)*EY = 0, т.к. EY =0
3) D(X1+..+Xn)*D(Y) = D(X1+..+Xn)*1= D(X1)+...+D(Xn)+2*K*N!/(N-2)!/2! => D(Xn) =1 => N+K*(N-1)*N
Тогда получаем упрощенное выражение:
r=N*K/корень(N+K*(N-1)*N) = корень(N/(1+K(N-1)))*K
Известно что r>=-1 тогда:
корень(N/(1+K(N-1)))*K >=-1, возведем в квадрат обе части:
N/(1+K*(N-1))*K^2>=1
N*K^2-(N-1)*K-1>=0, решаем квадратное уравнение относительно К и получаем корни:
K=1, K=-1/N.
Таким образом r>=-1 при К>=-1/N для СВ Х1, Х2, ..., Хn и Y.
Если сделать замену Y=Xn+1 то K>=-1/(Nn+1 - 1)
SECRET, спасибо за интересную задачу. посмотрел решение второй части задачи, попробовал посчитать корреляцию суммы N-1 для N=3 и N=4. Получилось что корреляция суммы N-1 СВ c СВ номер N составляют около 99% и 98%. В целом смысл улавливается, если есть три актива с отрицательной корреляцией, цены или дельта цена которых отрицательно коррелируют, то сумма изменений цен двух активов будет практически функциональной зависимостью от изменения цены третьего актива.
к Новому году песенка. навеяно индексом)
кто ставочку приносит нам
пара-рара-ра-ра
лосями каждому знаком.
пара-рара-ра-ра
он принесет ее нераз
и деньги заберет у вас.
пара-рара-ра-ра ...
Разовая выплата в 400 тысяч руб при заключении контракта для участия в СВО распространена на Росгвардию - указ Путина — РИА Новости Разовая выплата в 400 тысяч рублей при заключении контракта для учас...
Нет, на самом деле бумага неплохая, размещал её Финам на первичке. Тут просто в стакане постоянно большие объемы висят на продажу, а покупателей мало. И это соответствующим образом влияет на динамику ...
недавно думал о подобном, а Вы так четко сформулировали...
Это мне напоминает кажется формулы Эйнштейна и вероятности частиц… ;-))))
Хорошую генерацию последовательностей с наименьшей величиной взаимной корреляции (одной последовательности относительно другой последовательности) дают коды Голда.
О числе никто не говорит. Речь идет о наборе зависимых случайных величин.
Зависимость между СВ может быть выражена одним числом — корреляцией K.
Коды Голда дают очень низкую корреляцию, а нам нужна минимально возможная, т.е. как можно меньше нуля значение, а не как можно близкое к нулю.
Все же не понятно, что именно вам нужно. Значение автокорреляционной функции зависит от самих СВ и больше ни от чего, вы можете только сдвижку менять, при определенной сдвижке вы можете получить локальный минимум корреляции, который при получении следующего СВ может уже и не быть локальным минимумом.
Соответственно, вы хотите синтезировать некую функцию корреляция которой с исходными СВ будет минимальна или что?
2) Судя по всему, в условие надо дописать, что отдельные величины Xi имеют одинаковые математические ожидания EXi и дисперсии Var Xi.
3) Без ограничения общности считаем, что математическое ожидание каждой из величин равно 0 и дисперсия совпадает со вторым моментом E Xi^2 и равна 1, тогда корреляция равна математическому ожиданию произведения двух таких случайных величин r = E XiXj. Сумма S = X1+...+XN величин имеет неотрицательный второй момент E S^2 >= 0, который равен N*EX1^2 + N*(N-1)*EX1X2 = N*1 + N*(N-1)*r, откуда r >= -1/(N-1).
4) Наверное, надо ещё доказать, что существует многомерное нормальное распределение, для которого это равенство достигается. В этом случае K(N) = -1/(N-1) — график гиперболы.
5) Самое сложное — теперь придумать этому применение в трейдинге. :)
Упростим выражение:
1) E[(X1+..+Xn)*y] = Е(X1*Y)+E(X2*Y)+...+E(Xn*Y) = K+K+...+K=N*K
2) E(X1+...+Xn)*EY = 0, т.к. EY =0
3) D(X1+..+Xn)*D(Y) = D(X1+..+Xn)*1= D(X1)+...+D(Xn)+2*K*N!/(N-2)!/2! => D(Xn) =1 => N+K*(N-1)*N
Тогда получаем упрощенное выражение:
r=N*K/корень(N+K*(N-1)*N) = корень(N/(1+K(N-1)))*K
Известно что r>=-1 тогда:
корень(N/(1+K(N-1)))*K >=-1, возведем в квадрат обе части:
N/(1+K*(N-1))*K^2>=1
N*K^2-(N-1)*K-1>=0, решаем квадратное уравнение относительно К и получаем корни:
K=1, K=-1/N.
Таким образом r>=-1 при К>=-1/N для СВ Х1, Х2, ..., Хn и Y.
Если сделать замену Y=Xn+1 то K>=-1/(Nn+1 - 1)
откуда такая формула второго момента, у нас же N СВ.
Получается график гиперболы в IV четверти декартовой системы координат, где по х — число используемых случайных величин и у- корреляция между СВ.
«Каждая из них имеет отрицательную корреляцию K одновременно со всеми остальными»
а как такое возможно вообще? может имелось в виду «нулевую»?
SECRET походу решил в портфельное инвестирование удариться…