Alex Craft
Alex Craft личный блог
20 сентября 2021, 23:10

Почему дневные изменения цен акций не следуют Распределению Парето?

Я рассчитал распределение изменений цены акций (дифф). Имеются ввиду мультипликативны изменения (diff), во сколько раз меняется цена акции за каждый день, d(t) = p(t) / p(t-1)

Насколько я знаю, распределение должно выглядеть как распределение по Power law (распределение Парето). С CDF, являющейся линией на графике log-log.

Но CDF который я получил не похож на линию на графике log-log. Почему?

Mожет ли это быть вызвано тем, что распределение имеет два хвоста вместо одного? Поскольку имеются два редких событий: редкие огромные ежедневные падения цен с d <0,7 и редкие огромные ежедневные повышения цен d > 1,4

Насколько мне известно, линейный тест распределения парето на логлог графике используется для распределений с одним хвостом. Как например распределение богатства у людей. Можно ли его также использовать для распределения с двумя хвостами?

Пример

Ежедневные цены на 4 акции за пару лет, нормированные на 1 за первый день.

Почему дневные изменения цен акций не следуют Распределению Парето?

CDF ежедневных различий. Ось x — это логарифмическая шкала, чтобы изменения выглядели симметрично относительно x = 1.

Почему дневные изменения цен акций не следуют Распределению Парето?

Изобразим его в логарифмическом масштабе, и он получается совсем не похож на линию, ни один хвост, ни другой.

Почему дневные изменения цен акций не следуют Распределению Парето?

На предыдущей диаграмме один хвост был смят. Поэтому я рассчитал гибридную CDF, два разных CDF, один для d <1, а другой для d> 1, и опять построил его на лог-лог графике, чтобы можно было увидеть оба хвоста. Но проблема осталась, ни левая ни правая части графика не похожи на линию. Почему?

Почему дневные изменения цен акций не следуют Распределению Парето?

P.S.

Если это не Парето, то что это может быть за распределение?

Апдейт:

Судя по всему это может быть распределение Каучи, оно описывает распределение от соотношения двух случайных величин X1/X2. Плохо что для него не так просто подобрать параметры по данным....

Но думаю есть способ проще, попробую микс из гауссовских моделей.

13 Комментариев
  • Сергей Нагель
    21 сентября 2021, 08:38
    Не вдаваясь в написанное выскажу предположение:
    При изначальной выборке нужно было брать на порядок большее число акций, чтобы снизить значимость случайных событий (инсайд к примеру повлек рост или обвал) на итоговый график.
  • Михаил
    21 сентября 2021, 08:39
    Обычно распределение логарифма доходности очень хорошо приближается t-распределением с малым числом степеней свободы или смесью двух нормальных распределений. 
  • InvestorNaDolgo
    21 сентября 2021, 10:39
    С такими знаниями нужно на кафедру ВУЗа идти. К бирже это какое отношение имеет?
  • CloseToAlgoTrading
    21 сентября 2021, 11:32
    Насколько я знаю, распределение должно выглядеть как распределение по Power law (распределение Парето).

    А почему должно? 
  • Михаил Табаков
    21 сентября 2021, 12:55
    по сути нет разницы как описать распределение ретернов хоть смесью хоть еще как, никакого представления о будущих ретернах это не даст 
  • wrmngr
    21 сентября 2021, 14:20
    Для практики достаточно логнормального с переменной дисперсией плюс эвристики для хвостов
  • А. Г.
    21 сентября 2021, 15:23
    Посмотрите обобщенное гиперболическое распределение
  • Михаил Табаков
    21 сентября 2021, 18:52
    @Alex Craft  волатильность же по сути то же временной ряд, с некоторой долей обратной корреляции к рынку. немного непонял что в ней можно было еще найти полезного (ну кроме как для хеджирования коэфы считать)

     
  • Toddler
    21 сентября 2021, 22:34
    Это — произведение гауссовской случайной величины на случайную величину гамма-распределения

Активные форумы
Что сейчас обсуждают

Старый дизайн
Старый
дизайн