term. We do however generate the pr

term. We do however generate the prior covariance matrix using a sample of returns, and we
have a consistent n to use with our Σ which we could use to estimate a standard error for the
estimate of the mean.
Formula (8) shows the basic relationship between τ and n from our covariance matrix
calculations. Because we are using non-statistical methods to estimate the mean return, this is
not a quantitative answer as to what value we should use for τ, it is just one way to provide some
intuition around the scale of τ.
If we were to perform a statistical bootstrap procedure, for example re-sampling with
replacement, to determine the standard error, the central limit theory assures us that the result
from formula (17) is in fact the value we would compute.
A second approach to establishing a reasonable value for τ is to use confidence intervals. This
has a more direct connection with the model and our estimate of the model. Formula (4)
illustrates the distribution of the estimate of the mean, about the mean return. From this
distribution we can assert a confidence interval for our estimate using basic probability.
A plausible scenario we might encounter would be yearly equity like returns with μ = 8% and σ
= 15%. Table 3 below shows the 95% and 99% confidence intervals for this scenario and various
values of τ.
Table 3

ผลลัพธ์ (ไทย) 1:

ระยะเวลาการ เราแต่สร้างเมตริกซ์ความแปรปรวนร่วมก่อนหน้านี้ใช้ตัวอย่างของการส่งคืน และเรามี n สอดคล้องกับΣของเราซึ่งเราสามารถใช้ในการประเมินมีข้อผิดพลาดมาตรฐานสำหรับ ใช้ในการประมาณค่าเฉลี่ยสูตร (8) แสดงความสัมพันธ์พื้นฐานระหว่างτ n จากเมทริกซ์ความแปรปรวนร่วมของเราคำนวณ เนื่องจากเราใช้วิธีไม่ใช่ทางสถิติประเมินผลตอบแทนเฉลี่ย เป็นไม่มีเชิงปริมาณคำตอบเป็นค่าอะไรเราควรใช้τ มันเป็นวิธีหนึ่งเพื่อให้บางสัญชาตญาณสถานมาตราส่วนของτถ้าเราทำการเริ่มต้นระบบสถิติ สำหรับตัวอย่างการสุ่มตัวอย่างด้วยทดแทน การตรวจสอบข้อผิดพลาดมาตรฐาน ทฤษฎีขีดจำกัดกลางมั่นใจว่าเราที่ผลจากสูตร (17) ไว้ในความเป็นจริงเราจะคำนวณค่าวิธีที่สองการกำหนดค่าที่เหมาะสมสำหรับτจะใช้ช่วงความเชื่อมั่น นี้มีการเชื่อมต่อโดยตรงมากขึ้น ด้วยรูปแบบและแบบประเมินของเรา สูตร (4)แสดงการกระจายของการประเมินค่าเฉลี่ย เกี่ยวกับการส่งคืนหมายถึง จากนี้เราสามารถยืนยันรูปช่วงความเชื่อมั่นสำหรับการประเมินของเราโดยใช้พื้นฐานความน่าเป็นการกระจายงานเราอาจพบสถานการณ์สมมติรับมือจะหุ้นรายปีเช่นผลตอบแทนกับμ = 8% และσ= 15% ด้านล่าง 3 ตารางแสดงช่วงความเชื่อมั่น 95% และ 99% สำหรับสถานการณ์นี้และต่าง ๆค่าτตาราง 3

ผลลัพธ์ (ไทย) 2:

วาระ แต่เราจะสร้างแปรปรวนเมทริกซ์ก่อนโดยใช้ตัวอย่างของผลตอบแทนและเรา
มี n ที่สอดคล้องกับการใช้งานร่วมกับΣของเราซึ่งเราสามารถใช้ในการประเมินข้อผิดพลาดมาตรฐานสำหรับ
ประมาณการของค่าเฉลี่ย.
สูตร (8) แสดงให้เห็นถึงความสัมพันธ์ขั้นพื้นฐานระหว่าง τและ n จากแปรปรวนเมทริกซ์ของเรา
คำนวณ เพราะเราจะใช้วิธีการที่ไม่เป็นสถิติในการประมาณการผลตอบแทนเฉลี่ยนี้เป็น
ไม่ได้คำตอบเชิงปริมาณเป็นสิ่งที่มีค่าที่เราควรจะใช้สำหรับการτก็เป็นเพียงวิธีหนึ่งที่จะให้บาง
ปรีชารอบขนาดของτ.
ถ้าเราจะดำเนินการ ขั้นตอนการบูตสถิติเช่นการสุ่มตัวอย่างอีกครั้งกับ
การเปลี่ยนการตรวจสอบข้อผิดพลาดมาตรฐานทฤษฎีขีด จำกัด กลางทำให้เรามั่นใจว่าผลที่
ได้จากสูตร (17) ในความเป็นจริงค่าเราจะคำนวณ.
แนวทางที่สองที่จะสร้างมูลค่าที่เหมาะสม สำหรับτคือการใช้ช่วงความเชื่อมั่น นี้
มีการเชื่อมต่อโดยตรงกับรูปแบบและประมาณการของเราที่รูปแบบ สูตร (4)
แสดงให้เห็นถึงการกระจายตัวของประมาณการของค่าเฉลี่ยประมาณผลตอบแทนเฉลี่ย จากนี้
การกระจายเราสามารถยืนยันความเชื่อมั่นสำหรับประมาณการของเราโดยใช้ความน่าจะเป็นพื้นฐาน.
สถานการณ์ที่เป็นไปได้ที่เราอาจพบจะเป็นผู้ถือหุ้นประจำปีเหมือนกลับมาพร้อมกับμ = 8% และσ
= 15% ตารางที่ 3 แสดงให้เห็นด้านล่าง 95% และช่วงความเชื่อมั่น 99% สำหรับสถานการณ์สมมตินี้และต่าง ๆ
ค่าของτ.
ตารางที่ 3

ผลลัพธ์ (ไทย) 3:

ในระยะ เราทำแต่สร้างเมทริกซ์ความแปรปรวนร่วมก่อนใช้ตัวอย่างของผลตอบแทนและเรา
มีสอดคล้อง n เพื่อใช้กับΣของเราซึ่งเราสามารถใช้เพื่อประมาณค่าความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ยประมาณการสำหรับ
.
สูตร ( 8 ) แสดงความสัมพันธ์พื้นฐานระหว่างτและจากการคำนวณเมทริกซ์
นักเรียนของเรา เพราะเราใช้ไม่วิธีการทางสถิติประมาณนี้
หมายถึงกลับไม่ใช่เชิงปริมาณ ตอบ เป็นสิ่งที่เราควรจะใช้ค่าτ มันเป็นเพียงวิธีหนึ่งที่จะให้บาง ๆขนาดของτสัญชาตญาณ
.
ถ้าพวกเราได้แสดงกระบวนการบูตสแตรปสถิติ ตัวอย่างอีกตัวอย่างกับ
แทน เพื่อตรวจสอบความคลาดเคลื่อนมาตรฐาน ทฤษฎีขีดจำกัดกลาง มั่นใจว่าเรา ว่า ผล
จากสูตร ( 17 ) ในความเป็นจริงเราจะคำนวณค่า
.วิธีที่สองเพื่อสร้างค่าที่เหมาะสมสำหรับτคือใช้ช่วงความเชื่อมั่น นี้
มีการเชื่อมต่อโดยตรงกับรูปแบบและราคาของรุ่น สูตร ( 4 ) แสดงให้เห็นถึงการกระจายของ
ประมาณการของหมายถึง เกี่ยวกับหมายถึงกลับ จากการกระจายนี้
เราสามารถอ้างช่วงความเชื่อมั่นสำหรับประมาณการของเราใช้
ความน่าจะเป็นเบื้องต้นสถานการณ์ที่เป็นไปได้ที่เราอาจพบจะปีหุ้นเหมือนกลับด้วยμ = 8 % และσ
= 15% 3 ตารางด้านล่างแสดงช่วงความเชื่อมั่น 95% และ 99% สำหรับสถานการณ์นี้ และค่านิยมต่าง ๆของτ
.
3
โต๊ะ