Кокуртоз
В теории вероятностей и статистике . кокуртозис — это мера того, насколько сильно изменяются две случайные величины вместе Кокуртозис — четвертый стандартизированный перекрестный центральный момент . [1] Если две случайные величины демонстрируют высокий уровень кокуртоза, они будут иметь тенденцию подвергаться крайним положительным и отрицательным отклонениям одновременно.
Определение
[ редактировать ]Для двух случайных величин X и Y существуют три нетривиальные статистики кокуртозиса. [1] [2]
и
где E[ X ] — ожидаемое значение X и , также известное как среднее значение X , — отклонение X. стандартное
Характеристики
[ редактировать ]- Куртозис - это частный случай кокуртозиса, когда две случайные величины идентичны:
- Для двух случайных X и Y эксцесс равен суммы X + Y величин
- где является эксцессом X и — отклонение X. стандартное
- Отсюда следует, что сумма двух случайных величин может иметь эксцесс, отличный от 3 ( ), даже если обе случайные величины имеют эксцесс 3 по отдельности ( и ).
- Кокуртозис между переменными X и Y не зависит от масштаба, в котором выражены переменные. Если мы анализируем связь между X и Y , то кокуртозис между X и Y будет таким же, как и кокуртозис между a + bX и c + dY , где a , b , c и d — константы.
Примеры
[ редактировать ]Двумерное нормальное распределение
[ редактировать ]Пусть X и Y имеют нормальное распределение с коэффициентом корреляции ρ. Условия кокуртоза
Поскольку кокуртозис зависит только от ρ, которое уже полностью определяется ковариационной матрицей низшей степени, кокуртозис двумерного нормального распределения не содержит новой информации о распределении. Однако это удобный справочник для сравнения с другими дистрибутивами.
Нелинейно коррелированные нормальные распределения
[ редактировать ]Пусть X — стандартное нормальное распределение, а Y — распределение, полученное путем установки X = Y всякий раз, когда X <0, и рисования Y независимо от стандартного полунормального распределения , когда X >0. Другими словами, X и Y имеют стандартное нормальное распределение со свойством, что они полностью коррелированы для отрицательных значений и некоррелированы, за исключением знака, для положительных значений. Совместная функция плотности вероятности равна
где H ( x ) — ступенчатая функция Хевисайда , а δ( x ) — дельта-функция Дирака . Четвертые моменты легко вычисляются путем интегрирования по этой плотности:
Полезно сравнить этот результат с тем, что было бы получено для обычного двумерного нормального распределения с обычной линейной корреляцией. Интегрируя по плотности, мы находим, что коэффициент линейной корреляции X и Y равен
Двумерное нормальное распределение с этим значением ρ имело бы и . Следовательно, все члены кокуртозиса этого распределения с этой нелинейной корреляцией меньше, чем можно было бы ожидать от двумерного нормального распределения с ρ = 0,818.
Обратите внимание, что хотя X и Y по отдельности имеют стандартное нормальное распределение, распределение суммы X + Y является платикуртным. Стандартное отклонение суммы равно
Подставив это и отдельные значения кокуртозиса в приведенную выше формулу суммы эксцесса, мы имеем
Это также можно вычислить непосредственно из функции плотности вероятности суммы:
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Jump up to: а б Миллер, Майкл Б. (2014). Математика и статистика для управления финансовыми рисками (2-е изд.). Хобокен, Нью-Джерси: John Wiley & Sons, Inc., стр. 53–56. ISBN 978-1-118-75029-2 .
- ^ Меуччи, Аттилио (2005). Распределение рисков и активов . Берлин: Springer-Verlag. стр. 58–59. ISBN 978-3642009648 .
Дальнейшее чтение
[ редактировать ]- Ранальдо, Анджело; Лоран Фавр (2005). «Как оценить хедж-фонды: от двух- до четырехмоментной CAPM». Исследовательский документ UBS . ССНН 474561 .
- Кристи-Дэвид, Р.; М. Чаудри (2001). «Совпадение и кокуртозис на фьючерсных рынках». Журнал эмпирических финансов . 8 (1): 55–81. дои : 10.1016/s0927-5398(01)00020-2 .