We saw in section 2 that the stocha

We saw in section 2 that the stochastic component of the return on the
hedge portfolio, y, corresponds to a displaced chi-squared distribution with
one degree of freedom. Although the return on the hedge portfolio will vary
both on account of changes in i and the stochastic nature of y, to focus
attention on the changes induced by the stochastic component we assume I
is held constant.3 As mentioned before, assuming homoscedasticity is not
valid, but homoscedasticity can, in principle, be achieved by varying the
number of options held inversely with 2. (Assuming, of course, that the
higher-order terms in dt remain negligible.)
In this section we analyse the distribution of hedge portfolio returns on
this basis. In particular, we examine the biases which can arise from the
skewness of the y-distribution in the calculation of t-statistics for confidence
interval construction. The results presented in this section are illustrative
rather than definitive since formula (IO) for HR neglects higher powers of t.
With 1. assumed constant, the estimation bias will exactly correspond to
that obtained in the following experiment. A random sample of size n is
taken from a chi-squared distribution with one degree of fredom and tstatistics
for confidence limits on the sample mean are computed. What is the
resulting distribution of the t-statistics like? How does the bias change as n
changes? We are assured that for large samples, the t-statistics will be
‘correct’ by an appeal to the law of large numbers. However, it is of interest
to examine the behavior of the c-statistics for small values of n such as 10, 20
and 30 since it has been suggested that weekly rebalancing of hedge
portfolios may be adequate and also since the 60 trading days of a threemonth
option is not necessarily large enough for the law of large numbers to
apply. For small sample sizes, the c-statistics will be biased downwards. This
is because a negative mean return is caused by a predominance of negative
daily hedge returns. These negative returns are closely bunched together and
the variance estimate tends therefore to be low. This leads to a large negative
r-statistic. Conversely a positive mean return is caused by a predominance of
positive widely dispersed daily returns. The t-statistic tends to appear
insignilicant because of the resulting high variance estimate.
Table 2 shows the result of a simulation experiment. The approximate
frequency distribution of t is displayed for the case when the parent
population is chi-squared and when it is normal.
As can be seen, there are substantial differences in the distribution of the
estimated t-statistic when the sample is taken from the chi-squared distri-
‘In the next section we analyse the structure of hedge returns when the option is held to
maturity, and we thus account for the combined effect of variations m I and in the stochastic
component. The distribution of hedge returns in this case will be examined using Monte Carlo
simulation and so the higher order (At) terms, ignored in sections 3 and 4 will be automatically
Included in the analysis.
8/3-

ผลลัพธ์ (ไทย) 1:

เราเห็นในส่วน 2 ที่สโทแคสติกส่วนประกอบของผลตอบแทนจากการผลงานป้องกัน y สอดคล้องกับการแจกแจงหน่วยด้วยหนึ่งองศาความเป็นอิสระ แม้ว่าผลตอบแทนจากผลงานป้องกันจะแตกต่างกันทั้งในบัญชีเปลี่ยนแปลงฉันและธรรมชาติแบบเฟ้นสุ่มของ y โฟกัสเกิดความสนใจในการเปลี่ยนแปลงคอมโพเนนต์แบบเฟ้นสุ่มเราสมมติฉันมีจัด constant.3 ตามที่กล่าวไว้ก่อน homoscedasticity ไม่ทะลึ่งถูกต้อง แต่ homoscedasticity สามารถ หลัก สำเร็จได้ ด้วยการแตกต่างกันจำนวนของตัวเลือกจัด inversely 2 (สมมติว่า แน่นอน ที่เงื่อนไขขั้นสูงใน dt ยังคงระยะ)ในส่วนนี้เราวิเคราะห์ การกระจายของผลงานป้องกันกลับในข้อมูลพื้นฐานนี้ โดยเฉพาะอย่างยิ่ง เราตรวจสอบยอมซึ่งสามารถเกิดขึ้นได้จากการความเบ้ของ y-แจกจ่ายในการคำนวณสถิติ t สำหรับความเชื่อมั่นช่วงก่อสร้าง ผลที่แสดงในส่วนนี้จะแสดงดี กว่าทั่วไปตั้งแต่สูตร (IO) ชมเพิกเฉยต่ออำนาจสูงของ t1 สันนิษฐานคง อคติการประเมินจะต้องสอดคล้องกับที่ได้รับในการทดลองต่อไปนี้ เป็นตัวอย่างสุ่มขนาด nนำมาจากการแจกแจงไคสแควร์ด้วยองศาหนึ่งของ fredom และ tstatisticsสำหรับขีดจำกัดความเชื่อมั่นในหมายความว่าตัวอย่างที่คำนวณ สิ่งกระจายผลลัพธ์ของสถิติ t เช่น อย่างไร?การเปลี่ยนแปลงที่ตั้งเป็น nเปลี่ยนแปลงหรือไม่ เราจะมั่นใจได้ว่า ตัวอย่างขนาดใหญ่ สถิติ t จะ'แก้ไขได้' ด้วยการขอร้องให้เป็นตัวเลขขนาดใหญ่ของกฎหมาย อย่างไรก็ตาม มันจะน่าสนใจการตรวจสอบลักษณะการทำงานของ c-สถิติสำหรับค่าขนาดเล็กของ n เช่น 10, 20และ 30 เนื่องจากมีการแนะนำที่ปรับสมดุลรายสัปดาห์ของการป้องกันพอร์ตการลงทุนอาจจะเพียงพอ และ ตั้งแต่วัน threemonth ค้า 60ตัวเลือกไม่จำเป็นต้องใหญ่พอสำหรับตัวเลขขนาดใหญ่ของกฎหมายการนำไปใช้ สำหรับขนาดตัวอย่างเล็ก c-สถิติจะสามารถลำเอียงลง นี้เนื่องจากผลตอบแทนเฉลี่ยติดลบเกิดจากความเด่นของค่าลบป้องกันทุกวันคืน ผลตอบแทนติดลบเหล่านี้ได้อย่างใกล้ชิดตูด และการประเมินผลต่างมีแนวโน้มจึงจะต่ำ นี้นำไปสู่การลบจำนวนมากr-สถิติ ในทางกลับกัน กลับหมายถึงบวกเกิดจากความเด่นของบวกกันกระจายทุกวันคืน สถิติมีแนวโน้มที่ปรากฏinsignilicant เนื่องจากการประเมินผลต่างสูงได้ตารางที่ 2 แสดงผลการจำลองการทดลอง โดยประมาณการแสดงการกระจายความถี่ของ t สำหรับกรณีเมื่อแม่ประชากรคือไคสแควร์ และเมื่อมันเป็นเรื่องปกติสามารถมองเห็น มีความแตกต่างที่พบในการกระจายของการประเมินสถิติเมื่อใช้ตัวอย่างจากไคสแควร์ distri-"ใน ส่วนที่เราวิเคราะห์โครงสร้างของป้องกันกลับเมื่อตัวจัดขึ้นเพื่อครบกำหนด และเราทำบัญชีสำหรับผลรวมของรูปแบบ m ฉันและ ในแบบสโทแคสติกcomponent. The distribution of hedge returns in this case will be examined using Monte Carlosimulation and so the higher order (At) terms, ignored in sections 3 and 4 will be automaticallyIncluded in the analysis.8/3-

ผลลัพธ์ (ไทย) 2:

ที่เราเห็นในส่วนที่ 2 ว่าองค์ประกอบสุ่มผลตอบแทนจาก
ผลงานการป้องกันความเสี่ยง, y, สอดคล้องกับการย้ายการกระจายไคสแควร์กับ
หนึ่งในระดับของเสรีภาพ แม้ว่าผลตอบแทนจากการป้องกันความเสี่ยงที่ผลงานจะแตกต่างกัน
ทั้งในบัญชีของการเปลี่ยนแปลงในผมและธรรมชาติที่สุ่มของปีเพื่อมุ่งเน้น
ความสนใจเกี่ยวกับการเปลี่ยนแปลงที่เกิดจากองค์ประกอบสุ่มเราถือว่าผม
จะจัดขึ้น constant.3 ดังกล่าวก่อนสมมติว่า homoscedasticity ไม่
ถูกต้อง แต่ homoscedasticity สามารถในหลักการทำได้โดยการที่แตกต่างกัน
จำนวนของตัวเลือกที่จัดขึ้นผกผันกับ 2 (สมมติว่าแน่นอนว่า
ข้อตกลงขั้นสูงใน dt ยังคงอยู่เล็กน้อย.)
ในส่วนนี้เราจะวิเคราะห์การกระจายตัวของผลงานการป้องกันความเสี่ยง ผลตอบแทนที่ได้บน
พื้นฐานนี้ โดยเฉพาะอย่างยิ่งเราตรวจสอบอคติซึ่งสามารถเกิดขึ้นจาก
เบ้ของ y ที่จัดจำหน่ายในการคำนวณของเสื้อสถิติสำหรับความเชื่อมั่นของ
การก่อสร้างช่วงเวลา ผลที่นำเสนอในส่วนนี้จะเป็นตัวอย่าง
ที่ชัดเจนมากกว่าตั้งแต่สูตร (IO) สำหรับ HR ละเลยอำนาจที่สูงขึ้นของ t.
ด้วย 1. สันนิษฐานว่าคงมีอคติการประเมินว่าจะสอดคล้องกับ
ที่ได้รับในการทดลองต่อไปนี้ สุ่มตัวอย่างขนาด n จะ
นำมาจากการกระจายไคสแควร์กับระดับของ fredom และ tstatistics
สำหรับข้อ จำกัด ของความเชื่อมั่นเกี่ยวกับค่าเฉลี่ยของกลุ่มตัวอย่างที่มีการคำนวณ เป็นสิ่ง
ที่เกิดจากการจัดจำหน่ายเสื้อสถิติเป็นอย่างไร วิธีการที่ไม่เปลี่ยนแปลงอคติเป็น n
การเปลี่ยนแปลง? เราจะมั่นใจได้ว่าสำหรับตัวอย่างที่มีขนาดใหญ่, เสื้อสถิติจะเป็น
'ที่ถูกต้องโดยการอุทธรณ์ต่อกฎหมายจำนวนมาก แต่ก็เป็นที่น่าสนใจ
ในการตรวจสอบพฤติกรรมของสถิติคค่าเล็ก ๆ ของ n เช่น 10, 20
และ 30 เนื่องจากได้รับการแนะนำว่าการปรับสมดุลรายสัปดาห์ของการป้องกันความเสี่ยง
พอร์ตการลงทุนอาจจะเพียงพอและตั้งแต่วันที่ 60 ของการซื้อขาย threemonth
ตัวเลือกที่ไม่จำเป็นต้องมีขนาดใหญ่พอสำหรับกฎหมายจำนวนมากที่จะ
นำไปใช้ สำหรับขนาดกลุ่มตัวอย่างขนาดเล็ก, c-สถิติจะลำเอียงลง นี้
เป็นเพราะผลตอบแทนเฉลี่ยในเชิงลบที่เกิดจากความเด่นของเชิงลบ
ผลตอบแทนการป้องกันความเสี่ยงในชีวิตประจำวัน ผลตอบแทนในเชิงลบเหล่านี้จะพัวกันอย่างใกล้ชิดและ
ประมาณการความแปรปรวนจึงมีแนวโน้มที่จะต่ำ นี้นำไปสู่เชิงลบที่มีขนาดใหญ่
R-สถิติ ตรงกันข้ามผลตอบแทนเฉลี่ยในเชิงบวกที่เกิดจากความเด่นของ
บวกกระจายอย่างกว้างขวางผลตอบแทนทุกวัน เสื้อสถิติที่มีแนวโน้มที่จะปรากฏ
insignilicant เพราะการประมาณการความแปรปรวนสูงส่งผลให้.
ตารางที่ 2 แสดงผลการทดลองจำลอง ตัวอย่าง
การแจกแจงความถี่ของเสื้อจะปรากฏสำหรับกรณีที่ผู้ปกครอง
ประชากรไคสแควร์และเมื่อมันเป็นเรื่องปกติ.
ที่สามารถเห็นได้มีความแตกต่างอย่างมีนัยสำคัญในการกระจายของ
ประมาณเสื้อสถิติเมื่อตัวอย่างที่นำมาจาก ไคสแควร์ distri-
'ในส่วนถัดไปเราจะวิเคราะห์โครงสร้างของผลตอบแทนที่ป้องกันความเสี่ยงเมื่อเลือกที่จะจัดขึ้นที่จะ
ครบกําหนดและเราจึงบัญชีสำหรับผลรวมของการเปลี่ยนแปลง m ฉันและสุ่ม
ส่วนประกอบ การกระจายตัวของผลตอบแทนการป้องกันความเสี่ยงในกรณีนี้จะถูกตรวจสอบโดยใช้ Monte Carlo
จำลองและเพื่อให้การสั่งซื้อที่สูงขึ้น (ที่) ข้อตกลงละเว้นในส่วนที่ 3 และ 4 จะได้รับโดยอัตโนมัติ
รวมอยู่ในการวิเคราะห์.
8/3

ผลลัพธ์ (ไทย) 3:

เราเห็นในมาตรา 2 ว่า Stochastic ส่วนประกอบของผลตอบแทน
hedge พอร์ต , Y , สอดคล้องกับพลัดถิ่น ชิ พร้อมแจกจ่ายกับ
หนึ่งองศาของอิสรภาพ แม้ว่าผลตอบแทนกองทุน ผลงานจะแตกต่างกัน
ทั้งในบัญชีของการเปลี่ยนแปลงในลักษณะสุ่มและ Y เพื่อเน้นความสนใจในการเปลี่ยนแปลง
เกิดจากองค์ประกอบสุ่มเราถือว่าผม
จัดขึ้นอย่างต่อเนื่อง3 ดังกล่าวก่อน สมมติว่า homoscedasticity ไม่ได้
homoscedasticity สามารถใช้ได้ แต่ในหลักการจะบรรลุโดยการเปลี่ยนแปลง
หมายเลขของตัวเลือกที่จัดขึ้นผกผันกับ 2 ( สมมติว่าของหลักสูตรที่
5 เงื่อนไขใน DT ยังคงกระจอก )
ในส่วนนี้เราจะวิเคราะห์การกระจายตัวของ hedge พอร์ตผลตอบแทน
พื้นฐานนี้ โดยเฉพาะ เราตรวจสอบอคติที่อาจเกิดขึ้นจาก
ความเบ้ของ y-distribution ในการคำนวณช่วงความเชื่อมั่นสำหรับการก่อสร้างหรือไม่

ผลการทดลองในส่วนนี้เป็นตัวอย่างที่ชัดเจนตั้งแต่
มากกว่าสูตร ( IO ) HR ทอดทิ้งพลังสูงของ T .
1 . คิดว่าคงประมาณว่า อคติ จะสอดคล้องกับ
ที่ได้ในการทดสอบดังต่อไปนี้ แบบสุ่มขนาด n
ถ่ายจากไคกำลังสอง ด้วยระดับของการกระจายและ fredom tstatistics
สำหรับขอบเขตความเชื่อมั่นในตัวอย่างหมายถึงการคํานวณ . อะไรคือ
ที่เกิดการแพร่กระจายของหรือไม่ชอบ ? แล้วเปลี่ยนค่าเป็น n
การเปลี่ยนแปลง ? เรามั่นใจว่า ตัวอย่างใหญ่ หรือไม่จะ
'correct ' โดยยื่นอุทธรณ์ต่อกฎหมายของตัวเลขขนาดใหญ่ แต่ก็น่าสนใจ
เพื่อศึกษาพฤติกรรมของ c-statistics สำหรับค่าขนาดเล็ก ( เช่น 10 , 20 และ 30
เนื่องจากได้รับการแนะนำว่า การปรับสมดุลของพอร์ตการลงทุนอาจจะตอแหลรายสัปดาห์
เพียงพอ และยังนับตั้งแต่ 60 วันของการซื้อขายตัวเลือก threemonth
ไม่จําเป็นต้องมีขนาดใหญ่พอสำหรับกฎหมายของตัวเลขขนาดใหญ่

สมัคร สำหรับขนาดตัวอย่างขนาดเล็ก c-statistics จะลำเอียงลง นี้
เพราะหมายถึงผลตอบแทนที่เป็นลบ มีสาเหตุมาจากความเด่นของลบ
ทุกวัน ป้องกันความเสี่ยงผลตอบแทน ผลตอบแทนเชิงลบเหล่านี้อย่างใกล้ชิดและพัวกัน
แปรปรวนประมาณการมีแนวโน้มดังนั้นจะต่ำ นี้นำไปสู่
ลบขนาดใหญ่ r-statistic . ในทางกลับกัน หมายถึงผลตอบแทนที่ดี เกิดจากความเด่นของ
บวกกันอย่างแพร่หลายกระจายทุกวัน กลับมา การ t-statistic มีแนวโน้มที่จะปรากฏ
insignilicant เพราะเกิดความแปรปรวน
สูงประมาณ ตารางที่ 2 แสดงผลการจำลองการทดลอง ประมาณ
การแจกแจงความถี่ของ t จะปรากฏขึ้นสำหรับกรณีที่ผู้ปกครอง
ประชากรชิยกกำลังสองและเมื่อมันเป็นปกติ .
ที่สามารถเห็นได้ มีความแตกต่างที่สำคัญในการกระจายของ
ประมาณ t-statistic เมื่อตัวอย่างถ่ายจากไคกำลังสอง distri -
ถ้าต่อไปเราวิเคราะห์โครงสร้างความเสี่ยงผลตอบแทนเมื่อตัวเลือกที่จัดขึ้นเพื่อ
วุฒิภาวะ เราจึงพิจารณาผลรวมของรูปแบบ M ฉันและในส่วนของ Stochastic

การกระจายของผลตอบแทนกองทุน ในกรณีนี้จะถูกตรวจสอบโดยใช้เทคนิคมอนติคาร์โล
การจำลองและดังนั้นที่สูงขึ้นเพื่อ ( ที่ ) เงื่อนไข ละเว้นในส่วนที่ 3 และ 4 จะรวมอยู่ในการวิเคราะห์โดยอัตโนมัติ
.
8 / 3