Tóm tắt Reading 6: Statistical Distributions for Financial Asset Prices and Returns

Môn CFA Level I (CFA1), Reading 6/102

Biến ngẫu nhiên, PMF, PDF, CDF

  • Discrete random variable có số kết quả đếm được; continuous random variable có vô số kết quả trong một khoảng.
  • Hàm xác suất p(x) = P(X = x) thỏa 0 ≤ p(x) ≤ 1 và Σp(x) = 1. Biến rời rạc dùng PMF, biến liên tục dùng PDF.
  • Với biến liên tục, xác suất tại một điểm bằng 0; PDF tỷ lệ với xác suất trong khoảng hẹp quanh điểm đó; xác suất của khoảng là diện tích dưới PDF.
  • CDF: F(x) = P(X ≤ x), không giảm, đi từ 0 đến 1; P(a ≤ X ≤ b) = F(b) − F(a). Cermak: F(15) − F(0) = 0.70 − 0.40 = 30%.

Kỳ vọng, variance, covariance không điều kiện

  • E(X) = Σ xi × P(xi); Var(X) = E{[X − E(X)]2} = E(X2) − [E(X)]2; độ lệch chuẩn là căn bậc hai của variance.
  • Cov(X, Y) = E{[X − E(X)] × [Y − E(Y)]} = E(XY) − E(X)E(Y). Hai biến độc lập có covariance bằng 0.
  • Security P và Q: E = 0.8% và 0.5%; variance 11.16 và 3.25; σ = 3.34% và 1.80%; covariance 6.0. Variance và covariance không có đơn vị phần trăm.
  • Law of large numbers: trung bình mẫu hội tụ về kỳ vọng thật khi số quan sát tăng, nếu mẫu ngẫu nhiên và đại diện.

Phân phối rời rạc

  • Bốn moment: mean, variance, skewness, kurtosis; excess kurtosis = kurtosis − 3.
  • Discrete uniform: mean (a + b) ÷ 2, variance [(b − a + 1)2 − 1] ÷ 12; {1, …, 5} có mean 3, variance 2.
  • Binomial: P(X = x) = nCx px(1 − p)n − x; E(X) = np, Var(X) = np(1 − p); skewness (1 − 2p) ÷ np(1 − p). Bernoulli là binomial một phép thử. DJIA: 5 × 0.67 = 3.35 ngày tăng, variance 1.1055.
  • Mô hình giá nhị thức: Si,j = S0 × ui × dj; Orland $10 × 1.022 × 0.98043 = $9.80.
  • Poisson: P(k) = (λt)ke−λt ÷ k!; mean = variance = λ; skewness 1 ÷ λ, excess kurtosis 1 ÷ λ. Giới hạn của binomial khi n → ∞, p → 0, np = λ. Ví dụ 800 trái phiếu, λ = 4: P(có vỡ nợ) = 1 − e−4 = 98.2%, P(đúng 3) = 19.5%.

Phân phối liên tục

  • Continuous uniform: P(x1 ≤ X ≤ x2) = (x2 − x1) ÷ (b − a); mean (a + b) ÷ 2; variance (b − a)2 ÷ 12; excess kurtosis −1.2. Đoạn [2, 12], khoảng 4–8: 40%. Là nền của Monte Carlo simulation.
  • Normal: xác định hoàn toàn bởi mean và variance; skewness 0, kurtosis 3; khoảng 68% trong ±1σ, 95% trong ±2σ. Standard normal là N(0, 1); F(−1) = 0.1587.
  • Log-normal: biến có ln tuân theo normal distribution; chặn dưới tại 0, lệch phải; hợp với giá tài sản. Mean = eμ + σ²/2.
  • ln(ST) = ln(S0) + T × (μ − σ2 ÷ 2); £10, μ = 6%, σ = 12%, ba năm: £11.72.
  • Logistic: đối xứng, đuôi dày hơn chuẩn, excess kurtosis 1.2, variance s2π2 ÷ 3; dùng trong logistic regression, machine learning.

Phân phối đồng thời và kỳ vọng có điều kiện

  • Joint CDF: F12(x1, x2) = P(X1 ≤ x1, X2 ≤ x2); độc lập thì bằng tích hai CDF. Marginal distribution là phân phối riêng của một biến.
  • Contingency table: joint probability = ô ÷ tổng bảng; marginal = tổng dòng hoặc cột ÷ tổng bảng; conditional = ô ÷ tổng dòng hoặc cột điều kiện.
  • E(X | S) = Σ Xi × P(Xi | S); Var(X | S) = E(X2 | S) − [E(X | S)]2; E(X) = Σ E(X | Si) × P(Si).
  • Cây giá $10, p = 0.55: E(P3) = $10.06, Var ≈ 0.1182; biết P1 = $9.80: E = $9.84, Var ≈ 0.0757.

Bayesian updating

  • P(A | B) = P(B | A) × P(A) ÷ P(B); P(B) cộng qua mọi kịch bản. Prior là xác suất trước thông tin, posterior là xác suất sau thông tin.
  • Ví dụ kinh tế: prior 60%, P(B) = 42% + 8% = 50%, posterior 42% ÷ 50% = 84%.

Bản đầy đủ gồm

Bài giảng chi tiết, flashcard lặp lại ngắt quãng, ngân hàng câu hỏi luyện thi, lộ trình theo ngày thi và trợ lý AI theo từng chương (có giới hạn). Dùng trọn 1 năm.

990.000đ890.000đdùng 1 năm

Hoàn 100% trong 7 ngày nếu bạn chưa dùng quá 30% khoá học.

Giá ưu đãi early bird 890.000đ

990.000đ890.000đdùng 1 năm
Mua ngay