置信区间无法给出一次性上线决策的正收益概率
某位 PM 看到“下个月策略边际收益”的 frequentist 95% 置信区间是 [-0.1, 0.4],于是问:“那这次上线时真实边际收益为正的概率到底是多少?” 为什么这个区间本身不能直接回答这个问题?如果用 Bayesian 语言,应看哪个量?
打开 →GLOBAL SEARCH
搜索在服务端完成,题目解析与答案不会进入搜索结果。登录后可搜索自己的收藏题单。
找到 14 个结果
English questions某位 PM 看到“下个月策略边际收益”的 frequentist 95% 置信区间是 [-0.1, 0.4],于是问:“那这次上线时真实边际收益为正的概率到底是多少?” 为什么这个区间本身不能直接回答这个问题?如果用 Bayesian 语言,应看哪个量?
打开 →PM 说:“Sharpe 的 frequentist 95% 置信区间大部分在 0 之上,所以真实 Sharpe 为正的概率有 95%。” 为什么这句话混合了两套框架?
打开 →某个 Monte Carlo 估计值为 12.0,标准误为 0.4。使用正态近似时,应报告什么样的 95% 置信区间?
打开 →某个系数的双侧检验得到 z = 1.8。不单独重新计算区间的前提下,你能判断对应的 95% 置信区间是否包含 0 吗?
打开 →PM 看到某策略日度 edge 的 95% Bayesian 可信区间后说:“所以真实 edge 落在这个区间里的概率是 95%。” 这种解读对吗?请与 frequentist 的 95% 置信区间解释做对比。
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 10.5,样本标准差为 4.2,路径数 n=400。若利率为 0.03、到期时间为 1,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 6.2,样本标准差为 2.8,路径数 n=625。若利率为 0.04、到期时间为 0.5,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 14,样本标准差为 7.5,路径数 n=900。若利率为 0.02、到期时间为 1.5,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 9.8,样本标准差为 5,路径数 n=1024。若利率为 0.025、到期时间为 1.25,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →假设数据很弱,而先验又强烈地把参数往 0 拉,同时也真实反映了对收缩幅度的不确定性。为什么在这种情况下,Bayesian 可信区间可能比 frequentist 渐近置信区间更宽?
打开 →为什么训练集和测试集之间的实体重叠通常还会让置信区间和模型稳定性评估看起来比真实情况更好?
打开 →一个路由微调方案的 p 值是 0.01,但其年节省额的 95% 置信区间为 [$10k, $1.2m]。为什么团队仍应谨慎?
打开 →在单位正方形 $[0,1]^2$ 上均匀独立抽取 $n = 10{,}000$ 个点 $(X_i, Y_i)$。定义 $Z_i = \mathbf{1}(X_i^2 + Y_i^2 \le 1)$,$\hat{\pi} = 4\bar{Z}$。 **(a)** 解释为什么 $E[\hat{\pi}] = \pi$ 以及 $\hat{\pi} \to \pi$ a.s.。 **(b)** 用 CLT,对 $\bar{Z} = 0.7854$ 给出 $\pi$ 的近似 $95\%$ 置信区间。 可使用 $\Phi(1.96) \approx 0.975
打开 →为什么“下周计数的 Bayesian 后验预测区间”回答的问题,与“底层均值计数的 frequentist 置信区间”并不相同?
打开 →