对称的帕累托分布是随机分布吗?

Discussion in 'Model and Algorithm' started by Toby, Dec 11, 2012.

  1. 对称的帕累托分布是随机分布吗? 在哪可以查到资料啊?
     
  2. 只听说过双重帕累托,对称帕累托是什么?
    另外,你这问题很奇怪,有啥分布不是随机分布?不管离散分布连续分布,平均分布正态分布泊松分布啥的,统统都是随机分布啊。
     

  3. 帕累托分布是尖峰胖尾形。从直观上看,在尖峰处好象更容易回归均值,而胖尾处更容易偏离均值。所以自然想到在尖峰处实行小止盈宽止损的策略,在胖尾处实行大止盈窄止损的趋势策略。这只是直观上的结论。如果能从理论上得出此结论才更具有说服力。

    我这里说的随机分布就是采取以上的策略是不会盈利的。一个分布中,存在随机性,震荡性,趋势性。假设Hurst指数为0.5,这个分布就是完全的随机,不存在震荡性和趋势性。

    因为经济学家得出的投机市场呈有偏的帕累托分布,考虑到佣金呀什么的,偏度较小,,如果去抓这个偏度来制定策略,并不容易。因此我这里说是无偏的帕累托分布。跟钟形的无偏的正态分布似的,以峰为中心两边呈对称状。这样讨论问题就不考虑帕累托的偏度了。只考虑尖峰与胖尾可不可以利用。

    根据我从前查的资料,好象是不可以利用的。但从直观上看,及大部分人的认识上来看是可以利用的。因此我提出此问题,对称的帕累托分布是不是完全的随机分布。注意,完全的随机分布并不一定是正态分布哟。
     
  4. 好象没有这种分布吧。
    假设有的的话能不能获利,就是个纯理论问题了。
    不太懂,凭直觉想过去应该是0期望的,不能获利,无逻辑

     
  5. 如果是0期望的分布,那肯定不能获利. 但是从理论上需要数学大牛给出解释. 我等小散感激不尽.
     
  6. 很好理解的情况之一是,平均分布下任何策略的期望都是0;
    很好理解的情况之二是,p=0.5的二项分布下,任何策略的期望都是0;
    延伸出来的问题1:正态分布下,是否任何策略的期望都是0?
    延伸出来的问题2:某个左右对称的后尾的分布下,是否任何策略的期望都是0?
    延伸出来的问题3:某个左右不对称,但是左右面积相等的分布下,是否任何策略的期望都是0?

    根本的问题是,概率密度函数与策略优势是何种关系?
    是不是概率密度函数的期望是0,就等价于任何策略的期望都是0?

    有没有大神进来说说……
     

  7. 你的延伸问题1是显然的,期望是0.
    但问题2与问题3就不知道期望是多少了
     
  8. 1、所有概率分布都是随机分布,因为维度的限制关系,那东西本身就无法表达更多维度的参照关系,尽管你的数据来源大部分情况下可能非随机;
    2、你们讨论的问题还要看Toby究竟用的什么数据来考量的,比如说波动的话,就是随机的,不存在说有偏就不随机或者有限随机了;
    3、看起来像帕累托的分布不一定是帕累托原型分布,你们得测一下;
    4、对于所描述的可能的连续型分布,你们可以考虑看一下条件分布(如截尾分布等)以及联合分布的相关资料;
    5、从我的经验来看,如果没估计错的话,接下来你们可能会在为什么是这个分布,这个分布是否真的合理的问题上做很多思考。
     


  9. 先感谢酷大侠的回复. :)

    我搜了一下,
    http://wenku.baidu.com/view/5adc9cc5aa00b52acfc7ca10 此链接里有资产收益率符合帕累托分布的一些信息.

    其实标的物符合帕累托分布从直观上是没有怀疑的.

    看我下面的图形
    http://i48.tinypic.com/313q4ow.png
    Y轴为频率, X轴为收益率. 黑色线为正态分布. 绿色线为帕累托分布. 帕累托分布比正态分布具有尖峰胖尾特征.

    假设想利用这个尖峰特征获利. 在X0处设置止盈, 在X1处设置止损. 且X1 > X0. 求X0, X1的位置设置多少才能使此系统具有正期望值?
    按照上面的策略, 所有的止盈总盈利=X0 * 红色阴影区域上的曲线的所有点对应的频率, 这算是X0对右边做卷积运算吧??
    同理, 所有的止损造成的总亏损=X1 * 蓝色阴影区域上的曲线的所有点对应的频率.
    如果总盈利>总亏损,说明是正期望的. 反之就是负期望的.

    如果不管如何选择X0, X1, 在标准的对称的帕累托分布上, 期望值为0, 那肯定这个分布一定是完全随机, 或者说是市场是随机漫步的.

    这里以连续分布考虑的. 实际上市场是离散分布的.
     
  10. [​IMG]重新贴图
     
  11. 已详细阅读。
    不一定是帕累托的,分布拟合这个东西有些判断参数和统计量,各个相似分布间不分伯仲。所以这里需要详细考虑定义才好。