→ yhliu: e_{t} 是誤差項?隨機的,而且對不同 t 是 i.i.d., 怎麼微? 07/04 07:43
我是直接當不同變數去思考,比如對y微分,看到x項就直接是0
※ 編輯: wwwh0225 (150.117.53.120 臺灣), 07/04/2024 08:45:44
→ yhliu: 不同 t 之間的 e_t 是相互獨立的隨機變數,不是 t 的函數。 07/05 08:10
→ yhliu: 隨機變數本身就是個函數不說,以其實現值(觀測值)串在一起 07/05 08:12
→ yhliu: 有一個名詞稱樣本路徑(sample path),當做 t 的函數,也是 07/05 08:14
→ yhliu: 不可微分的。形象一點地說,這 sample path 就像一堆亂跳的 07/05 08:15
→ yhliu: 亂數,不是平滑函數,不可能做微分。 07/05 08:16
→ saltlake: 好像聽說財務數學那邊有對隨機變數的微機分? 07/07 10:21
→ saltlake: random walk? 醉步問題的樣子? 07/07 10:21
→ yhliu: 隨機微積分,和一般的微積分有些不同。 07/09 09:07
→ yhliu: 首先需有 ∫_a^t φ(s) dw(s) 的定義, 07/09 09:07
→ yhliu: 其中 w(s) 並不像 Stieltjes 積分要求那樣變異有界。 07/09 09:08
→ yhliu: 其次,如果 X(t) = X(a) + ∫_a^t φ(s) dw(s), 07/09 09:08
→ yhliu: 就可以說 dX(t) = φ(t) dw(t), 但此式其實是前列積分式 07/09 09:08
→ yhliu: 的另一表示形式,本身沒有自己獨特的意義,也就是說不具 07/09 09:09
→ yhliu: 微分的意義。典型的隨機微積分式是對 Brownian Motion 的 07/09 09:09
→ yhliu: 積分,所謂 Ito^ 積分。BM 是一個隨機過程 B(t), 其任何 07/09 09:09
→ yhliu: 不相重疊區段的增量均相互獨立,如同 Poisson 過程,只是 07/09 09:09
→ yhliu: B(t) 服從 N(μt, σ^2 t) 而不像 Poisson 過程 N(t) 服從 07/09 09:10
→ yhliu: Poisson(λt)。依 Ito^ 積分, ∫_a^b dB(t) = B(b)-B(a) 07/09 09:10
→ yhliu: 即 B(t) 在 [a,b] 的增量,b > a。注意 B(t) 本身不是相互 07/09 09:10
→ yhliu: 獨立的,其屬於不相重疊區段的增量才是。在時間數列中, 07/09 09:11
→ yhliu: 誤差項 e(t) 若是相互獨立,可說是白噪音,沒有所謂「微分 07/09 09:11
→ yhliu: 一般 e(t) 也可能是移動平均模型,由(有限項)白噪音的加 07/09 09:12
→ yhliu: 權和構成,最後仍歸結至白噪音。但白噪音算是基本元素了, 07/09 09:12
→ yhliu: 再不會有微分。Ito^ 積分的 dB(t) 非正式地說也就是白噪音 07/09 09:12
→ yhliu: 過程 (i.i.d. normal),如果把積分區段分割為相等的 n 小段, 07/09 09:13
→ yhliu: 每段長度 Δ, 則 ∫_a^b X(t) dB(t) 可以近似地表示為 07/09 09:13
→ yhliu: Σ_i X_i e_i, e_i 就是 B(t) 在第 i 小段的增量,X_i 是 07/09 09:13
→ yhliu: X(t) 在第 i 小段的代表值。 07/09 09:13