量化交易平台Quantopian讲座(16)——最大似然估计

最大似然估计
最大似然估计(Maximum Likelihood Estimation,MLE),是一种具有理论性的点估计法,此方法的基本思想是:当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大,而不是像最小二乘估计法旨在得到使得模型能最好地拟合样本数据的参数估计量。

本篇文章中,会包含以下几个内容:

  1. 对正态分布进行最大似然估计
  2. 对指数分布的最大似然估计
  3. 使用最大似然估计来对资产收益进行正态拟合。

首先需要引入必备的python库


引入库

正态分布

首先设定正态分布的均值与标准差,随机产生一组均值为40,标准差为10的样本数据:

产生随机样本数据

最大似然估计下均值与标准差的期望值公式如下:
均值与标准差期望值

很容易在python中将其实现,
实现代码

numpy中已经内建了mean与std函数分别用来计算样本的均值与方差,下面我们来对比下与我们的MLE实现结果是否一致:
与内建方法对比

注:可以看到结果是完全一致的
使用scipy的fit函数,还可以同时计算样本的均值与方差:
使用scipy的fit函数

接下来,为更加直观地体现拟合情况,将拟合的正态分布的概率密度函数与样本的概率分布直方图同时绘制出来
示例代码

绘制结果

指数分布

接下来对于指数分布再来进行一次相同的试验,需要注意的是,在numpy中对于指数分布的定时如下:


numpy中指数分布定义

所以λ的期望值为定义式的倒数:


λ的期望值

在python中计算期望值
计算期望值代码

同样也可以使用scipy中自建的fit函数进行拟合,得到λ的值,和正态分布一样,我们也将数据的频率直方图与拟合的概率密度函数一同绘制出来:


示例代码

拟合图示

对资产收益进行最大似然估计

接下来我们会根据真实的收益数据,使用最大似然估计法对其进行正态分布拟合。首先我们对于数据进行下预处理,得到基于前日收盘价的每日收益率

得到每日收益率

然后可以通过scipy去正态拟合
正态拟合示例代码

拟合图示

注:当然,只有拟合的数据本身是服从正态分布的时候,上述的拟合过程才是有效的,通常可以使用Jarque-Bera检验去做正态检验。

本文就到这里,感谢阅读,欢迎订阅!

标题图
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容

  • 数据结构算法对算法有兴趣的同学, 你来对咯任何开发语言都离不开算法,底层都是数据结构BAT等大公司面试,算法题是肯...
    怪兽大咖阅读 82评论 0 0
  • 古人云“三十而立,四十而不惑”。转眼之间,已到而立之年。每每想到此,都会倍感羞愧。年龄到了,我“立”起来了...
    知否1阅读 323评论 0 0
  • 想起来妈妈跟我说的 ,照顾好自己,以前也从来没怎么当回事,现在想想,就是啊,我就是没能做到这样。 可能照顾好自...
    简与鹿阅读 208评论 0 0
  • 初春的一天,一位白衣老人独自一人划着船缓缓的到了桥的一边。桥的对面寒气逼人,不知有什么正在等待着老人的到来。...
    f9d19d675385阅读 118评论 0 0