หากคุณกำหนดอัตราผลตอบแทนตามสัดส่วนเป็นโดยที่คือราคาไม่ใช่เรื่องแปลกที่มีผลตอบแทนรายวันเพียงแค่คูณผลตอบแทนแบบสัดส่วนด้วย (จำนวนที่ทำงาน วันในหนึ่งปี) และค่าเบี่ยงเบนมาตรฐานโดยเพื่อทำให้เป็นรายปี สอดคล้องกับกรณีของคุณนี้C จุดที่นี่คือการrescaleเพื่อให้ตัวเลขประจำปีที่มีความหมายสามารถรายงานจากตัวเลขรายวัน (แต่คุณจะไม่ใช้สิ่งนี้เพื่อเปรียบเทียบตัวชี้วัดที่ได้มาจากรายวันเทียบกับที่ได้มาจากรายเดือน) โดยทั่วไปคุณจะต้องทำการคำนวณทั้งหมดและทำการตัดสินใจทั้งหมดตามความถี่ที่คุณรวบรวมข้อมูล (รายเดือนในกรณีของคุณ)ΔP/P=(Pt+1−Pt)/PtP250250−−−√
วิธีการที่ถูกต้องตามหลักทฤษฏีคือการใช้บันทึกส่งคืน = (ใช้บันทึกธรรมชาติ) สูตรสำหรับความคาดหวังของผลรวมของตัวแปรแบบสุ่มนั้นสามารถใช้ได้อย่างถูกต้องเนื่องจากผลรวมของการส่งคืนบันทึกคือบันทึกของผลิตภัณฑ์ของผลตอบแทนlog(Pt+1/Pt)
ยิ่งไปกว่านั้นถ้าคุณใช้ log return The Central Limit Theorem จะให้เหตุผลทางทฤษฎีบางอย่างที่การคืนค่าล็อกปกติแล้วการกระจาย (โดยปกติแล้ว The Central Limit Theorem บอกว่าผลรวมของตัวแปรอิสระมีแนวโน้มที่จะมีการแจกแจงแบบปกติ ) นี้ช่วยให้คุณกำหนดความน่าจะเป็นที่จะได้เห็นผลตอบแทนน้อยกว่า (น่าจะได้รับจากฟังก์ชันการกระจายสะสมสำหรับการกระจายปกติ:0.023) หากบันทึกการส่งคืนมีการกระจายตามปกติเราจะบอกว่าการส่งคืนถูกแจกจ่ายแบบล็อกนอ - นี่เป็นหนึ่งในสมมติฐานที่ใช้ในการกำหนดสูตรการกำหนดราคาตัวเลือก Black Scholes ที่มีชื่อเสียงμ−2σΦ(−2)≃0.023)
สิ่งหนึ่งที่ควรทราบคือเมื่อผลตอบแทนเป็นสัดส่วนมีขนาดเล็กแล้วผลตอบแทนตามสัดส่วนจะเท่ากับเท่ากับผลตอบแทนจากการบันทึก เหตุผลของเรื่องนี้คือชุดเทย์เลอร์สำหรับลอการิทึมธรรมชาติได้รับจากและเมื่อผลตอบแทนเป็นสัดส่วนมีขนาดเล็กคุณสามารถละเว้นคำที่มี ,ฯลฯ การประมาณนี้ให้ความสะดวกสบายมากขึ้นสำหรับผู้ที่เลือกที่จะทำงานกับผลตอบแทนตามสัดส่วนและคูณค่าเฉลี่ยด้วยและ ค่าเบี่ยงเบนมาตรฐานโดย !log(1+x)=x−12x2+13x3+…xx2x3nn−−√
คุณควรจะสามารถค้นหาข้อมูลเพิ่มเติมบนเว็บ เช่นฉันพยายามค้นหา "บันทึกการส่งคืน" เพื่อรีเฟรชหน่วยความจำของฉันและการเข้าชมครั้งแรกก็ค่อนข้างดี
สิ่งที่คุณได้ใส่ในกรณีเป็นสิ่งที่ผิด ในส่วนที่เหลือของโพสต์ของคุณคุณใช้ข้อเท็จจริงที่ (i) ความคาดหวังของผลรวมของตัวแปรสุ่มคือผลรวมของความคาดหวังของพวกเขาและ (ii) ความแปรปรวนของผลรวมของตัวแปรสุ่มอิสระคือผลรวมของความแปรปรวน จาก (ii) มันตามที่ค่าเบี่ยงเบนมาตรฐานของอิสระตัวแปรสุ่มกระจายเหมือนกันกับส่วนเบี่ยงเบนมาตรฐานมี\แต่ในกรณีAคุณได้คูณทั้งค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานด้วยในขณะที่ค่าเฉลี่ยต้องคูณด้วยและค่าเบี่ยงเบนมาตรฐานโดยnσn−−√σμXσXnnn−−√.
จุดที่บอบบาง แต่สำคัญดังที่ระบุไว้ในความเห็นของ @ whuber คือกฎ (ii) ต้องการความสัมพันธ์ซึ่งในกรณีของอนุกรมเวลาหมายถึงไม่มีความสัมพันธ์แบบอนุกรม (โดยปกติจะเป็นความจริง แต่ควรตรวจสอบ) ข้อกำหนดสำหรับความเป็นอิสระถือทั้งในกรณีที่สัดส่วนและบันทึกผลตอบแทน
(ฉันไม่เคยเห็นกรณีBผลิตภัณฑ์ของตัวแปรสุ่มมาก่อนฉันไม่คิดว่าวิธีนี้ใช้กันโดยทั่วไปฉันไม่ได้ดูรายละเอียดการคำนวณของคุณ แต่ตัวเลขของคุณดูถูกต้องและสูตรสามารถ พบได้ในวิกิพีเดีย . ในความคิดของวิธีการนี้ดูเหมือนว่ามีจำนวนมากที่มีความซับซ้อนมากขึ้นกว่าทั้งประมาณเกี่ยวข้องในการใช้ผลตอบแทนตามสัดส่วนหรือวิธีการที่เสียงในทางทฤษฎีของการใช้ผลตอบแทนล็อก. และเทียบกับการใช้ผลตอบแทนบันทึกสิ่งที่คุณสามารถพูดเกี่ยวกับการกระจายของ Y คุณจะกำหนดความน่าจะเป็นให้กับการส่งคืนกรณีที่เลวร้ายที่สุดได้อย่างไร)