← Питер Кемпторн
П
Питер Кемпторн
20 цитат из наших статей · нажмите, чтобы открыть статью-источник
Лектор MIT, специалист по финансовой математике и статистике.
«
SVD позволяет нам снижать размерность. Возможно, вариативность данных ограничена подпространством ранга 2 или 3.
16:42 · От собственных векторов до «хоккейной клюшки»: как математика MIT управляет финансами
«
Если вы ребалансируете портфель слишком быстро, вы забираете средства у победителей и отдаете их проигравшим.
27:06 · От собственных векторов до «хоккейной клюшки»: как математика MIT управляет финансами
«
Если вы ребалансируете портфель слишком часто, вы забираете средства у победителей и отдаете их проигравшим.
27:06 · Линейная алгебра и теория вероятностей на службе инвестора: разбор лекции MIT
«
Знание распределения кардинально влияет на то, какой будет справедливая цена опциона.
53:22 · Линейная алгебра и теория вероятностей на службе инвестора: разбор лекции MIT
«
Интеграл Ито на самом деле будет случайной величиной.
21:47 · Математика случайности: Питер Кемпторн о том, как вычислить неизмеримое
«
Это не эквивалентно представлению броуновского движения как реальной функции... у нас есть этот тормоз на интеграле.
43:17 · Математика случайности: Питер Кемпторн о том, как вычислить неизмеримое
«
Лептокуртрозис означает, что нормальная модель недооценивает значения, близкие к среднему, и одновременно недооценивает масштаб хвостов распределения.
14:01 · Профессор MIT об анализе временных рядов: от S&P 500 до отрицательных цен на нефть
«
В 2020 году значение фьючерсного контракта на нефть стало отрицательным, что стало шоком для брокеров, чьи системы не поддерживали такие цены.
18:58 · Профессор MIT об анализе временных рядов: от S&P 500 до отрицательных цен на нефть
«
Броуновское движение — это процесс, который, я уверен, большинство из вас знает. И он был назван в честь Роберта Брауна, английского ботаника.
0:26 · Питер Кемпторн: «Математические основы броуновского движения в финансах»
«
Квадратическая вариация броуновского движения равна времени T с вероятностью 1.
1:07:24 · Питер Кемпторн: «Математические основы броуновского движения в финансах»
«
Если вы собираетесь играть в азартные игры с честными шансами, у вас есть преимущество, если ваш банкролл больше, чем у вашего оппонента.
27:18 · Математика неопределенности: Мартингалы, цепи Маркова и основы регрессии
«
В мартингалах есть понятие плоскостности ожиданий.
02:28 · Математика неопределенности: Мартингалы, цепи Маркова и основы регрессии
«
Свойства волатильности таковы, что она меняется медленно, но ее выбор как меры риска имеет решающее значение.
12:16 · Профессор Кемпторн: «Стандартные модели волатильности часто ошибаются в экстремальных условиях»
«
Данные High-Low содержат гораздо больше информации, чем просто цены закрытия; точность оценки может вырасти в 5 раз.
27:17 · Профессор Кемпторн: «Стандартные модели волатильности часто ошибаются в экстремальных условиях»
«
В статистике названия важных терминов часто не очень изощренные. У нас есть «нормальные уравнения», хотя в них нет ничего действительно нормального.
07:33 · Питер Кемпторн: «Математические основы линейной регрессии и диагностики»
«
Если бы мы собирали новый набор данных в идентичных условиях, мы бы получили другие результаты.
104:19 · Питер Кемпторн: «Математические основы линейной регрессии и диагностики»
«
С ростом периода измерения доходности её волатильность стабилизируется около постоянного уровня.
18:01 · Профессор Кемпторн объяснил связь стохастического исчисления и уравнения Блэка-Шоулза
«
Уравнение Блэка-Шоулза выполняется для любого производного финансового инструмента, если на рынке нет арбитража.
32:55 · Профессор Кемпторн объяснил связь стохастического исчисления и уравнения Блэка-Шоулза
«
Метод максимального правдоподобия дает наилучшую оценку в терминах наименьшей дисперсии на больших выборках.
12:40 · Регрессионный анализ в MIT: от теории Гаусса — Маркова до регуляризации LASSO
«
Если мы не можем отклонить нулевую гипотезу об альфе, равной нулю, то ценообразование актива можно считать равновесным.
57:29 · Регрессионный анализ в MIT: от теории Гаусса — Маркова до регуляризации LASSO