回归与广义线性模型
statistical-inference · regression · linear-regression · ordinary-least-squares · normal-equations · design-matrix · hat-matrix · projection
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 30 个结果
English questionsstatistical-inference · regression · linear-regression · ordinary-least-squares · normal-equations · design-matrix · hat-matrix · projection
打开 →周二开盘前 30 分钟,你在一家百亿规模的私募(private fund)接手了今早的因子配置(factor allocation)任务。手头是沪深300 成份股过去 60 个交易日的日收益,以及 4 个候选风格因子——规模、价值、动量、低波——在同期的横截面暴露。你的 PM 只问一句:「把这批个股的今日预期收益,拟合成这 4 个因子的线性组合,残差还剩多少...
打开 →股票今天价格为 100,下一期可能到达 120、100 或 80。考虑一项在这三个状态下分别支付 20、10、0 的索赔。它能否仅靠股票和现金精确复制?如果可以,请给出对冲;如果不行,请指出障碍。
打开 →为什么一旦三叉树市场的状态数多于可交易证券数,唯一无套利价格就会消失?
打开 →为什么在不完全市场里,superhedge 的成本天然位于价格区间上端?
打开 →为什么一个最小方差对冲仍然不能钉死唯一的无套利价格?
打开 →为什么在三叉树模型里,再增加一个状态依赖报价就可能补全市场,即使原本只有股票和债券时做不到?
打开 →为什么无差异价格会依赖风险厌恶,而无套利区间却不会?
打开 →设 $\Sigma=egin{pmatrix}9&-3\-3&9\end{pmatrix}$,其第一主成分方向沿 $(1,-1)$。对于观察到的变动 $x=(2,-1)$,若只保留第一主成分,求对应的 rank-1 重建向量与残差。
打开 →最小化 $(x-2)^2$,约束为 $x\ge 0$。使用 KKT 形式 $g(x)=0-x\le 0$,求最优解 $x^*$ 与最优乘子 $\lambda$。
打开 →一只一期三叉树股票在零利率下可能终值为 120、100 或 80。某个只在上涨状态支付 1 的数字合约以未知价格 q 交易,并补全市场。另一项在三个状态下分别支付 5、1、0 的索赔报价为 1.8。由此隐含的 q 是多少?
打开 →上海某私募的多因子研究员把过去 250 个交易日的沪深300 成分股横截面回归刚跑完——12 个风格因子,公式 达到 0.41,看着挺漂亮。可是把 5 月那一周的极端行情样本剔掉再跑一次,某个动量因子的系数从 公式 翻成 公式;再换一种风险因子的口径,价值因子又从显著变成不显著。模型「拟合得很好」却一推就倒——这正是前两课没有触及的现实: 普通最小二乘...
打开 →某一期股票今天价格为 100,下一期可能到达 120、100 或 80。无风险利率为 0。一只只在上涨状态支付 1 的数字合约报价为 0.2,由此市场被补全。对于在上涨、中间、下跌状态分别支付 5、1、0 的索赔,隐含的唯一无套利价格是多少?
打开 →上海某量化私募的两位研究员同一天上午被同一类工具卡住:小赵在搭一个「明日是否跑赢沪深300」的择时信号,标签是二元的 0/1;小李在 50ETF 期权做市数据上估「下一分钟到单笔数」,响应是非负整数 公式。模块前三课的普通最小二乘(ordinary least squares, OLS)对这两个任务都派不上用场——OLS 默认响应在正态分布(Gaussian...
打开 →北京某私募的量化研究员手头有 1,500 个交易日的沪深300 ETF(300ETF)收益序列,外加 12 个候选因子——动量、价值、低波、三个流动性代理、六个宏观贝塔。她想要的是这 12 个因子在 L2 意义下最接近 ETF 收益的线性组合。1,500 个方程对 12 个未知数,这是高度超定的方程组,根本不存在精确解,她只能挑出 最佳近似 。给出 ...
打开 →一个已经中心化的双特征数据集,其协方差矩阵为 [[1.8, 2.4], [2.4, 8.2]]。第二主成分方向及其方差是多少?
打开 →某个不可交易的支付在三叉树股票的上涨、中间、下跌状态(120、100、80)下分别支付 4、1、6。交易台用现金 -8 和 Delta = 0.1 股股票进行对冲。该对冲在三个状态下的最坏短缺是多少?
打开 →某个不可交易的支付在三叉树股票的上涨、中间、下跌状态(120、100、80)下分别支付 3、5、1。交易台用现金 7 和 Delta = -0.05 股股票进行对冲。该对冲在三个状态下的最坏短缺是多少?
打开 →上海某私募的量化研究员在沪深300(CSI 300)成分股的三年日频收益里跑了一支六因子模型,回归表打出来:动量项系数 0.18、t 统计量 3.2,整体显著性 F 统计量 18.4。组合经理盯着她问:「这几个数字,到底说明因子真的有 alpha,还是只是回归噪音被你刚好捞到了?」她手里的工具不能回答这个问题——上一课的 公式 是点估计,没有不确定性。本节要...
打开 →最小化 $(x--2)^2$,约束为 $x\ge -1$。使用 KKT 形式 $g(x)=-1-x\le 0$,求最优解 $x^*$ 与最优乘子 $\lambda$。
打开 →最小化 $x^2+y^2$,约束为 $x+y\ge 1$。对不等式 $g(x,y)=1-x-y\le 0$,求 $(x^*,y^*)$ 与最优 KKT 乘子。
打开 →为什么 OLS 对冲比率常被描述为“把现金头寸收益流投影到对冲工具张成的空间里”?
打开 →为什么 y - X beta_hat 会与任意拟合向量 Xv 正交?
打开 →用一句话回答:在 OLS 中,X beta_hat 在几何上是什么?
打开 →P 是 R^8 上的一个投影矩阵,且 rank(P) = 3。问 rank(I - P) 是多少?
打开 →设 X_1, X_2, X_3, X_4 是独立同分布的对称 ±1 随机变量,自然滤过为 F_n。定义 Y = 1{X_1+X_2+X_3 >= 2},并令 M_n = E[Y | F_n]。问 (M_n) 是否是鞅?
打开 →设 X_1, X_2, X_3, X_4 是独立同分布的对称 ±1 随机变量,自然滤过为 F_n。定义 Y = 1{X_1+X_2+X_3+X_4 = 0},并令 M_n = E[Y | F_n]。问 (M_n) 是否是鞅?
打开 →设 X_1, X_2, X_3, X_4 是独立同分布的对称 ±1 随机变量,自然滤过为 F_n。定义 Y = 1{max(X_1,X_2,X_3) = 1},并令 M_n = E[Y | F_n]。问 (M_n) 是否是鞅?
打开 →设 X_1, X_2, X_3, X_4 是独立同分布的对称 ±1 随机变量,自然滤过为 F_n。定义 Y = X_1+X_2+X_3+X_4,并令 M_n = E[Y | F_n]。问 (M_n) 是否是鞅?
打开 →设 X_1, X_2, X_3, X_4 是独立同分布的对称 ±1 随机变量,自然滤过为 F_n。定义 Y = (X_1+X_2+X_3)^2,并令 M_n = E[Y | F_n]。问 (M_n) 是否是鞅?
打开 →