“人的一切痛苦，本质上都是对自己无能的愤怒。”
文：蓝兔子读难NOTES
图：配图来源于网络
编码：0008
因为篇幅的限制，我们上一篇文章只说了一半，在这一篇文章中，我们会继续进行常见的概率分布内容的分享。可以说，在常见概率分布这一大章内容里面，最重要的内容就在接下来要说的里面，一个是正态分布(normaldistribution)，另一个是t分布(student‘st-distribution)，其也是掌握后面章节内容的关键知识点。
连续概率分布与正态分布
具体连续概率分布的定义我们在上一篇文章中已经进行过解释，这里就不再赘述。我们直接来看一个连续均匀分布(continuousuniformdistribution)的PDF图形：
MoonPay CEO购买3800万美元豪宅的前几周公司获1.5亿美元融资:金色财经报道，据The Information援引未具名消息来源，包括联合创始人兼首席执行官IvanSoto-Wright在内的MoonPay内部人士在这家加密支付初创公司于2021年11月下旬的A轮融资中获得了1.5亿美元。在2021年的A轮融资中，MoonPay宣布以34亿美元的估值筹集了5.55亿美元，投资方包括Tiger Global Management和Coatue Management。但有些钱并没有流向公司，而是被用来从Soto-Wright等现有股东手中购买股票。
据The Information援引匿名消息人士称，“MoonPay通过向投资者出售股票筹集了4.05亿美元，其余1.5亿美元代表内部人员在二级交易中套现的股票。”据报道，这些内部人士包括Soto-Wright。据报道，MoonPay证实A轮融资包括二次销售，这在之前并未公开。该公司没有立即回应The Block的置评请求。
在A轮融资几周后，Soto-Wright在迈阿密购买了一座价值3800万美元的豪宅，他曾在这处住所举办豪华派对，就像去年巴塞尔艺术节期间举办的派对一样。[2023/5/31 11:48:50]
因为每一个可能的结果发生的概率是相等的，所以其PDF曲线为一条水平线。这里需要强调说明一下，由于连续随机变量可以有无数多个可能，因此针对某一确定的结果，我们近似的认为其发生的概率为0，因此在分析连续随机变量相关问题时，我们应该取区间分析，而不能对点进行分析。
价值约5011万美元的BTC从未知钱包转入Coinbase:金色财经报道，据WhaleAlert数据监测，1814枚BTC（价值约5011万美元）从未知钱包转移到Coinbase。[2023/5/24 15:22:18]
又因为任何一个随机事件，其所有可能的结果的概率和为1，所以上图中，该条直线的y轴坐标为1/(b-a)。当我们对区间(a，b)中任何一段子区间进行分析时，可以利用简单的几何原理算出相应的面积(概率)。
接下来，就是重中之重的正态分布，正态分布几乎存在于我们生活的方方面面，无论是班上同学的考试成绩，还是班上同学的身高体重，基本上都逃离不了正态分布的“上帝诅咒”，而且同一个目标对象的数量(样本量)越是多，越是重复的厉害，那么就越正态。看看下面这两幅图，看看你是否能找到小正态的影子。
请别告诉我这是人为的，即便是人为的，为何偏偏就是这个样子。那到底是哪个样子呢，请看下图：
RoninNetwork：质押超25万枚RON才可运行验证者节点:2月21日消息，Axie Infinity侧链Ronin Network官方宣布，已与社区和当前验证者沟通，此后将需要25万枚RON才能在Ronin网络上运行验证者节点。[2023/2/21 12:18:53]
正态分布虽然如上帝的“祝福”般占据了我们生活的方方面面，但是我们只需要把它当作一个工具即可，一把扳手，我们不需要知道它是怎么生产出来的，我们只需要了解他的一些性质即可：
其PDF完全由均值和方差刻画，通常记为N(均值，方差)；其图形对称，偏度为0，越中间概率越大，越两端概率越小；如之前内容所讲，正态分布的峰度为3，超额峰度为0；服从正态分布的随机变量线性组合后还符合正态分布；标准正态分布概率区间几个特殊值经常用要记住，如下图(90%对应1.65个标准差，虽然图中没标，但也很重要)。
接下来的内容是标准化的正态分布。如前文所言，正态分布表示为N(均值，方差)，尽管正态分布存在于我们生活的方方面面，但是这方方面面的正态分布却也各不相同，且由于正态分布的PDF比较复杂，我们很难通过表达式去计算出其某区间的概率，更不可能给每一个参数不同的正态分布都列一个表格去查。
法院批准Core Scientific从现有债权人处获得3750万美元破产贷款:12月23日消息，美国比特币矿企Core Scientific周四获得法院批准，从一组现有债权人那里获得3750万美元贷款，为其第11章破产案提供资金。
美国破产法官David Jones在德克萨斯州休斯顿举行的法庭听证会上批准了Core Scientific的临时破产贷款。该公司将寻求贷款的最终批准，并获准在明年1月再借入3750万美元，不过该公司的律师说，它愿意接受其他贷款机构提供的更好的融资方案。（路透社）[2022/12/23 22:02:48]
好在前辈们也纠结过这个问题，并且找到了解决方案：他们把标准正态分布的结果列成一张表，并提供一种把非标准正态分布转换为标准正态分布的办法，再拿这个分布去查表。
标准正态分布表示为N(0,1)，其中0为均值，1为方差，任何非标准正态分布都可以进行转换，转换后即可查标准正态分布的表得到相应的值。为了便于理解，举个例子：
已知某公司股票的某参数符合正态分布，其均值为10，方差为9，即服从N(10，9)，问随机抽取该股票参数中的某个值，该值小于5的概率，即F(5)。
虽然其服从正态分布，但不是标准正态分布，所以没法直接查表，需要先进行转换，转换的方法就是：
(X-μ)/σ====即=====>>(5-10)/3
Web3短视频平台Cheelee完成800万美元融资，Veligera Capital参投:11月4日消息，Web3视频社交平台Cheelee完成800万美元股权融资，美国投资基金Veligera Capital、阿联酋Infinity Technology Fund、以及VC SILA等参投，该公司还获得了130万美元VC基金拨款支持。
据悉，Cheelee为新用户提供一个免费的“NFT眼镜”，该眼镜可以监测观看视频时间并根据时间长短转换成相应的积分，然后兑换代币奖励。此外，用户也能使用Cheelee的原生代币升级眼镜功能，比如内存、框架、镜片等，目前其服务正处于测试最后阶段，预计会在2022年四季度发布。（techbullion）[2022/11/4 12:16:51]
即查标准正态分布的F((5-10)/3)即可。
查表要注意，1、查表会不会，不会的同学看看书，这里就不解释了；2、查得的是累积概率，可能需要再次进行换算。
标准正态分布也被称为z分布或者u分布。
亏空风险(shortfallrisk)：指资产的收益低于最低可接受水平的概率，亏空风险是一个概率。这个最低可接受水平(shortfalllevel)用Rl表示。
罗伊的第一安全比例(Roy'ssafety-firstratio|SFration):
SFRatio=/标准差
从其公式上来看，第一安全比例代表的是每份超额风险所获得的收益，这里的超额指的是投资收益相对于最低要求收益的超额。注意与夏普比率区分，夏普比率的超额是指投资收益相对于无风险收益超额。
同夏普比率一样，每单位风险获得的收益肯定是越多越好，所以怎么根据SFratio选择组合你懂的。
对数正态分布与t分布
接下来是另一个非常重要的分布，学生t分布(studentt-distribution)，不要觉得名字奇怪，之所以叫这个名字，只是因为发表的人给自己取了个这么样的笔名而已。就像正态分布也叫高斯分布一样，只是名字而已。
不过说到正态分布和t分布，他们不仅仅是名字都是发表者用的名字而已，他们还有很多的相似之处。怎么个相似法呢，先看图：
我们之前说过，正态分布的样本数量越多，就越正态分布。以考试成绩为例，一个班50个同学的数据肯定没有全校同学的数据那么“正态”。但是如果反过来，班上只有40个同学，或者只有10个同学，他们的成绩还符合正态分布吗？不难想象，当我们数据量越小时，越容易受到极端值的影响，当数据量太少时，就会和正态分布出现偏差。
我们有一位伟大的同学，叫做“Student”，同我们一样，他也发现了这个现象，但是和我们不一样的是，人家找到了小样本的解决方案，后来被命名成t分布。t分布具有如下性质：
图形如上图所示，当自由度增大时，图形逐步接近于正态分布；图形完全由自由度(degreesoffreedom|df)刻画；相比于正态分布，t分布图形有低峰肥尾巴特质，因此峰度>3；这里说明一下，峰态虽然叫做“峰”态，但他看的不是峰有多高，而是尾巴有多肥。
下面是对数正态分布(lognormaldistribution)，虽然正态分布占据了我们生活的方方面面，但是他却有一个问题：他的取值范围在正负无穷的范围内，而我们的资产，或者说股票的价格，不可能为负，所以导致其不能用于衡量资产的价格。因此，我们引入了对数正态分布(具体的过程比较有意思，但是这里不说)，如下图：
其有如下特点：
非负性，符合资产股票的价格定义域，偏度为正，所以一般用正态分布来衡量资产的风险，而用对数正态分布来衡量资产的价格。
最后还有一个知识点，叫做多元分布(multivariatedistribution)，这里大家不用详细了解，只知道多元分布就像多元方程一样，里面有多个元素。考试一般问你需要几个参数才能刻画出这个多元分布，只要记住以下内容就OK：
每一个元需要两个参数来刻画：一个均值，一个方差；每两个元之间需要一个相关系数来刻画，nC2；所以，假设有n元，需要的参数就是2*n+nC2，掏出你的计算器吧！
模拟
模拟就是通过事前对事情进行彩排，来预测和发现事情的发展方向，比如去面试前，你会进行一个模拟面试，考虑会有哪些问题，如何应对。
模拟有两种，以面试为例，很多人都有面试过，自己可能也面试过多次，面试的常见套路，问题基本上就那些，你模拟的时候，你就能知道大概会问哪些问题，虽然每次面试不一样，但是大差不差，你可以假设一种情景来分析，如果问这个问题怎么样，如果问那个问题怎么样。这就是蒙特卡罗模拟(MonteCarlosimulation)，我们也称之为情景模拟，对解决如果咋的咋的(whatif)问题很有效。实际上，你就需要先假设这么一个如果(通常假设其符合某一分布)，但是其缺陷是，你一旦假设都错了，那你就全盘皆输。而且这种计算费电脑。
还有一个叫做历史模拟(historicalsimulation)，就是根据历史数据来模拟，比如搜集某个地方某一天过去100年的天气情况来预测以后的天气情况，由于其依赖历史数据，所以不能进行情景分析，如果(whatif)气象局搞了场人工降雨呢？而且时代在进步，万事万物都是在变，没有什么是一成不变的，所以历史模拟也存在问题。还有就是，你选的这段历史数据万一碰巧选到特殊的一段了，比如模拟经济发展，你刚好选到二战那一段呢？所以，我们通常进行样本外测试(outofsampletest)，把数据拿到样本外的历史数据去试试，排除数据选择问题(是那一段时间独有的)。
兔纸的相关文章
CFA一级数量分析-货币的时间价值
CFA一级数量分析-数理统计基础与收益
CFA一级数量分析-概率论基础
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。