作者yesjimmy62 (~凰之翼~)
看板Foreign_Inv
標題Re: [心得] 最差的30年rolling return,到底有多差?
時間Wed Oct 30 07:48:45 2024
※ 引述《daze (一期一會)》之銘言:
: 最近看到了些談 30-year rolling return 的文章
: 突然想到,最差的30年rolling return,到底有多差?
: ===
: 考慮某投資,假設其年報酬率為獨立同分佈,且服從對數常態分佈。
: (這裡假設了分佈的型態,但並不對μ跟σ做估計。)
: 問: 該投資未來三十年的累積報酬率,低於過去一百年間的 30-year rolling return
: 之最小值的機率有多少?
: 這個問題也許有解析解,但我數學不太好,就直接用蒙地卡羅法模擬看看。
: 我模擬的結果是大約 12%。
: ===
: 這裡的前提,「獨立同分佈+對數常態分佈」是非常強的假設
: 這個模擬的結果,不見得能適用於現實
: 但「過去100年的 30-year rolling return」雖然看似足足有71組數字
: 對於從中得到的一些觀察
: 或許可以再思考看看要給予多少信心
小弟剛好對這頗有興趣
以下是一點拙見:
----------------------------------------------
1. 為什麼股價是對數常態,而不是常態分佈?
常態分佈的數值本身沒有上下限
可以說,負無限和正無限都有機率發生(當然機率很小很小)
但這對股價來說是不對的,因為股價都是正值、最小值就是0
用對數常態來描述股價就能解決這個問題
對數常態另一個重要理由就是數學好描述
實際上,真實股價比對數常態分佈有更多極值(大漲大跌)出現
----------------------------------------------
2. 報酬是常態分布嗎?
這其實對了一半
在股價是對數常態分佈的假設下(其實誰是因誰是果有點難說)
對報酬 x 而言
正確解答是他的對數 ln(1+x) 是常態分布
但當x不太大的時候,ln(1+x) 近似 x
所以報酬x不大的話(1%、2%之類的),可以說報酬近似於常態分布
但報酬很大的時候(-50%),這個近似就不成立、報酬就不是常態分布
這也可以從報酬有最小值(-100%)看出來報酬不完全是常態分布
----------------------------------------------
3. 回到原po的問題
"下一個 30-year rolling return 比前100年的最差的30-year rolling return 還差的機率是多少"
首先,前100年的最差30-year rolling return
我的理解是
前100年當中、任一個連續30年的return
因此如原po所說,有71個不同的連續30年(1-30年,一直到71-100)
如原po所說,這個解析解似乎相當困難
但有個方便粗略估計的方法
就是這100年中,有至少3個不重疊、也就是互相獨立的30年
這問題可以簡化成像是,擲完3次骰子,再擲一次會比前3次都小的機率
(骰子可能不是很好的例子,因為會有相同數值的時候...)
那這個的解是25% (並且這與是什麼分佈完全無關)
這當然是個會高估的粗估,因為還少算過去100年裡的一個10年
然後還有其他71-3=68個有重疊、不完全獨立的30年
如原po所說,更準確的解大概就只能靠蒙地卡羅了
我也得到跟原po一樣的數字、11.9 +/- 0.1 %
與mu和sigma無關
----------------------------------------------
以上一點淺見
感謝daze大分享如此有趣的問題 :)
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 96.246.241.196 (美國)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Foreign_Inv/M.1730245727.A.BE6.html
1F:推 a4695200: 專業 10/30 08:47
2F:推 daze: Right,其實是(報酬率+1)服從對數常態分佈。我習焉而不察, 10/30 08:56
3F:→ daze: 漏掉了那個+1 10/30 08:56
4F:推 Altair: 謝謝分享 10/30 10:23
5F:推 elven: 太強了 10/30 11:19
6F:推 icelaw: 太深究沒有意義,常態分佈本來就有離散性, 10/30 13:44
7F:→ icelaw: 極端情況還是有可能發生,所以才要降低預期報酬來做資產 10/30 13:44
8F:→ icelaw: 配置來 ,做為一種保險手段 10/30 13:44
9F:→ icelaw: 不然大家都直接上槓桿all in上去就好了,什麼都不用研究 10/30 13:45
10F:→ icelaw: 了 10/30 13:45
11F:推 staytuned74: 是與參數無關不是與分佈無關吧?不然怎跑蒙地卡羅? 10/30 13:50
12F:推 staytuned74: 同是lognorm得到一樣估計機率,換norm得到另一估機率 10/30 13:58
13F:→ staytuned74: 還是我又誤解意思了? 10/30 13:59
14F:推 daze: 那個粗略估計方法得到的25%的上界,與分佈無關。至於蒙地卡 10/30 15:06
15F:→ daze: 羅得出的11.9%則需要指定分佈的形式。 10/30 15:06
16F:推 staytuned74: 我可能沒搞清楚假設前提,可否寫一下上界解的詳盡數 10/30 15:38
17F:→ staytuned74: 學推導25%怎麼來的 10/30 15:38
18F:推 staytuned74: 簡化成骰子還是要假設uniform 10/30 15:49
19F:推 aldosterone: 對任意獨立同分佈的四個樣本,最小值出現在最後一個 10/30 17:26
20F:→ aldosterone: 樣本的機率為 1/4;不知否表達這個意思 10/30 17:27
21F:推 aldosterone: 連續的;避免原 PO 所謂重複的情況 10/30 17:43
22F:推 daze: 我試著改用對數Student's T分佈做蒙地卡羅,結果是自由度越 10/30 19:18
23F:→ daze: 低,機率越高。自由度=1,約16.9%。自由度=2,約13.7%。 10/30 19:21
24F:→ daze: 直覺上這似乎很合理,自由度低,tail比較肥。但其他tail更肥 10/30 19:29
25F:→ daze: 的分佈也會有這個現象嗎? 10/30 19:30
26F:推 weimr: 謝謝分享。 10/30 21:11
27F:→ KooA: 取對數還有detrending的目的 10/30 23:50
28F:推 a4695200: 有關『對數常態分佈』如果只是因為"股價都是正值" 10/31 09:39
29F:→ a4695200: 似乎不夠完健 10/31 09:39
30F:→ a4695200: 那謂何不能用『指數分佈』或『Gamma 分佈』? 10/31 09:40
31F:→ a4695200: 還有每年的報酬謂何可以假設是i.i.d? 10/31 09:41
32F:推 a4695200: 而且股價之間是否須滿足『無記憶性』? 10/31 09:45
33F:推 a4695200: to 冰律哥 『常態分佈本來就有離散性』我猜您指的是 10/31 10:22
34F:→ a4695200: 離散程度。就老弟認知應該就是變異數(variable) 10/31 10:23
35F:→ a4695200: 但任何機率分佈都有啊? 10/31 10:24
36F:→ a4695200: 還是冰律哥指的是discrete?但常態分佈是連續型的 10/31 10:25
37F:推 SweetLee: 我猜冰律要講的意思是常態分佈在很大的地方值不為0 10/31 22:57
38F:推 vincent1700: 請問mu的區間是(-1,無限大)? 11/01 17:00