机率Probability的基础.PPT

統計學回顧 區國強 預期學習目標 對統計學作一簡單回顧，強調「標準差」、「共變異數」及「對數常態分配」在金融風險理論的應用(知道如何應用即可，不需強記統計公式) 機率在金融風險的重要性 機率是一個抽象的數學概念，用以描述風險因素的分配 簡單說，我們不知道未來給果確實發生的位置(風險)，但我們可以用機率理論來預測其可能發生的範圍 隨機變數 Random variable 隨機變數的發生是隨機的，但其依循一「固定」的資料產生過程(fixed data-generating process)。例如拋銅板、擲骰子,… 思考題 拋一公平的銅板: 請問連續出現10次「頭」的機率為何?  若連續出現九次「頭」，第十次出現「頭」的機率為何? 單變數分配函數 Univariate distribution function 若 X 為隨機變數 累加分配函數 :  若 X 不連續，則 f(x) 稱為機率密度函數 (probability density function, pdf) 若 X 連續，則 密度函數可籍由微分獲得: 密度函數的特性 必須為正 在可能事件空間(event space)內，全部加總(積分) 必須等於一 拋兩位die的例子 動差 Moments 一階動差 (平均數):  分位數(quantile) 若 c = 0.5, 則 Q(X, c) 稱為中位數  二階動差 (變異數, variance):  標準差 (standard deviation) 偏態係數 Skewness 三階動差(偏態係數)衡量分配的不對稱程度 峰度係數 Kurtosis 四階動差(峰度係數)衡量資料分配在尾端的多寡 多變數分配函數 Multivariate distribution function 聯合密度函數 (joint density function) 如果變數間獨立 邊際密度函數(marginal density function) 條件密度函數(conditional density function) 共變異數(covariance) 相關係數(correlation coefficient) 如果變數間獨立，則 如果共變異數及相關係數等於零，表示無線性相關，不隱含獨立 例題 (1999 FRM Exam Q.21) 如 A 、B兩變數之共變異數 = 5，相關係數 = 0.5，A之變異數 = 12，則B之變異數為何? A) 10.00B) 2.89C) 8.33D) 14.40 例題 (2000 FRM Exam Q.81) 下列何者有關「相關係數」之陳述為錯? A) 其必定介乎 -1 與 +1 之間 B) 相關係數等於零，表示兩隨機變數獨 立C) 它衡量兩個隨機變數的線性關係D) 它可由共變異數計算出來 隨機變數的線性轉換 若 則 隨機變數的和 若 則 隨機變數的乘積 若 則 變異數很複雜，但如獨立，則 隨機變數的組合 考慮資產組合包括N種資產，Xi及wi分別為第 i 種資產的報酬率及權數，則資產組合的報酬率、其預期值及變異數分別為 單一分配 Uniform distribution 若 在 發生的機率皆相同 常態分配 Normal distribution 標準常態分配Standard normal distribution 把常態分配標準化 中央極限定理 Central limit theorem (CLT) 如果觀察值數目N增加，則N個獨立且認定分配(independent and identically distributed, I.I.D.)的變數之平均數向常態分配收斂 常態分配重要特性 如果變數間 (1)為獨立分配；或 (2)多變數常態分配 則聯合常態分配變數的線性組合亦為一常態分配 例題 (1999 FRM Exam Q.12) 對一標準常態分配，累加分配函數介乎 -1 與 1之間下的面積大概為: A. 50%B. 68%C. 75%D. 95% 例題 (1999 FRM Exam Q.11) 若 X 與 Y為標準常態分配，其共變異數 Cov(X,Y)=0.4, 則(5X+2Y)之變異數為:A. 11.0B. 29.0C. 29.8D. 37.0 例題 (1999 FRM Exam Q.13) 常態分配之峰度