Still, there may be benefits to emp

Still, there may be benefits to empirical risk models. If the theoretical risk models are any good at being right, an empirical model should capture these effects without having to know the names of the factors beforehand. If market risk is indeed a big driver of stock prices, an empirical model should pick this up from the data. If the data don’t bear it out, what good is the theory? Furthermore, the competing objectives of statistical significance and adaptiveness can be dealt with in part by using intraday data. For example, if a quant uses one‐minute intraday snapshots of price activities instead of simply a single closing price for each day, he is able to extract almost 400 data points for each day in his sample, which allows him to use far fewer days to achieve the same statistical significance as another quant using a single data point for each day (the closing price).

ผลลัพธ์ (ไทย) 1:

ยังคง อาจมีประโยชน์กับความเสี่ยงเชิงประจักษ์รุ่น ถ้าแบบจำลองทางทฤษฎีความเสี่ยงใด ๆ ที่ดีในการที่เหมาะสม แบบจำลองเชิงประจักษ์ควรจับผลกระทบเหล่านี้ โดยไม่ต้องทราบชื่อของปัจจัย ถ้าความเสี่ยงด้านตลาดเป็นใหญ่ขับของราคาหุ้น แบบจำลองเชิงประจักษ์ควรรับนี้จากข้อมูล ถ้าข้อมูลไม่แบกมันออกมา สิ่งที่ดีคือ ทฤษฎี นอกจากนี้ แข่งขันวัตถุประสงค์ของนัยสำคัญทางสถิติและ adaptiveness สามารถจัดการกับในส่วน โดยใช้ข้อมูลระหว่างกัน ตัวอย่างเช่น ถ้าเป็น quant ใช้สแนปช็อตระหว่าง one‐minute ราคากิจกรรมแทนเพียงครั้งเดียวราคาปิดในแต่ละวัน เขาจะสามารถแยกข้อมูลเกือบ 400 จุดในแต่ละวันในตัวอย่างของเขา ซึ่งช่วยให้เขาใช้วันน้อยให้ความสำคัญทางสถิติเดียวกันเป็นอีก quant ใช้ยังจุดข้อมูลเดียวในแต่ละวัน (ราคาปิด)

ผลลัพธ์ (ไทย) 2:

ยังอาจจะมีประโยชน์กับรูปแบบความเสี่ยงเชิงประจักษ์ หากรูปแบบที่มีความเสี่ยงทางทฤษฎีใด ๆ ที่ดีในการเป็นขวาซึ่งเป็นรูปแบบการทดลองควรจับผลกระทบเหล่านี้โดยไม่ต้องรู้ชื่อของปัจจัยก่อน หากความเสี่ยงด้านตลาดเป็นจริงขับรถขนาดใหญ่ของราคาหุ้นเป็นรูปแบบการทดลองควรเลือกนี้ขึ้นจากข้อมูลที่ หากข้อมูลที่ไม่ได้แบกมันออกมาสิ่งที่ดีคือทฤษฎี? นอกจากนี้วัตถุประสงค์ของการแข่งขันอย่างมีนัยสำคัญทางสถิติและ adaptiveness สามารถจัดการกับในส่วนของการใช้ข้อมูลระหว่างวัน ตัวอย่างเช่นถ้า Quant ใช้หนึ่งนาทีภาพรวมระหว่างวันของกิจกรรมราคาแทนที่จะราคาปิดเดียวสำหรับแต่ละวันเขาสามารถที่จะดึงเกือบ 400 จุดข้อมูลในแต่ละวันในกลุ่มตัวอย่างของเขาซึ่งจะช่วยให้เขาใช้วันที่ไกลน้อย เพื่อให้บรรลุนัยสำคัญทางสถิติเช่นเดียวกับควอนท์อื่นโดยใช้จุดข้อมูลเดียวสำหรับแต่ละวัน (ราคาปิด)