趙同學(xué)
2023-04-07 18:37老師好，C說的是must，是必須替換么
所屬：FRM Part I > Quantitative Analysis 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個(gè)回答
Michael助教
2023-04-09 23:07
該回答已被題主采納
學(xué)員你好，是必須要替換的，不然的話數(shù)據(jù)重抽樣的次數(shù)會(huì)減少很多。舉個(gè)栗子，有100個(gè)數(shù)據(jù)，每次抽樣25個(gè)。
如果不放回，就只能抽取4次完整的樣本（100/25=4)；
如果是放回，合計(jì)能有100C25=好多好多（反正非常多(?﹏?)，計(jì)算器按不出來的那種）
這樣彩體現(xiàn)出這個(gè)方法能產(chǎn)生大量的樣本的好處。
-
追問
C is correct. In bootstrapping, data are resampled with replacement in order to empirically estimate the sampling distribution.
請(qǐng)問老師這個(gè)解析怎么理解呢 -
追答
比如我有100個(gè)損失數(shù)據(jù)要去計(jì)算VaR，現(xiàn)在使用boostrap的方法是這樣操作的。
首先我隨機(jī)抽取一個(gè)樣本，里面有25個(gè)數(shù)據(jù)，計(jì)算一個(gè)VaR值，記錄為VaR1；
接著將數(shù)據(jù)放回（replacement）原來的數(shù)據(jù)庫(kù)，然后再隨機(jī)抽取一個(gè)樣本（resample），里面有25個(gè)數(shù)據(jù)，計(jì)算一個(gè)VaR值，記錄為VaR2）；
以此類推，得到很多很多的VaR值，那么我認(rèn)為這些VaR值形成的分布可以很好去估計(jì)真實(shí)的VaR。
0
0
0
0
