Quelle est la probabilité qu'une distribution normale à variance infinie ait une valeur supérieure à sa moyenne?

13

On m'a demandé quelque chose de similaire à cela dans une interview aujourd'hui.

L'intervieweur voulait savoir quelle est la probabilité qu'une option à la monnaie finisse dans la monnaie lorsque la volatilité tend vers l'infini.

J'ai dit 0% parce que les distributions normales qui sous-tendent le modèle de Black-Scholes et l'hypothèse de marche aléatoire auront une variance infinie. Et donc je me suis dit que la probabilité que toutes les valeurs soient nulles.

Mon intervieweur a dit que la bonne réponse est 50% car la distribution normale sera toujours symétrique et presque uniforme. Ainsi, lorsque vous intégrez de la moyenne à l'infini, vous obtenez 50%.

Je ne suis toujours pas convaincu par son raisonnement.

Qui a raison?

normal-distribution variance

— louzer
source

En fait, il y a une limite (faible) des distributions normales lorsque la variance augmente à l'infini. Il s'agit d'un 1 / Aleph (0) infinitésimal interdit. Vous pouvez lire mon article sur les infinitésimaux dans Research Gate ou dans Academia. Tapez "H. Tomasz Grzybowski" dans Google, accédez à la page Research Gate avec mes articles, cliquez sur "Contributions" et trouvez-le.

— H. Tomasz Grzybowski

1

Bienvenue sur notre site, @ H.TomaszGrzybowski. J'ai converti votre message en commentaire, car je savais que vous n'aviez pas encore acquis la réputation de créer un commentaire, mais il ne répond pas réellement à la question et ne peut donc pas rester comme réponse. Il serait intéressant de lire une solution à ce problème basée sur votre idée des infinitésimaux et d'une limite faible. Arrivez-vous encore à la valeur de

ou trouvez-vous la valeur est non définie?

1 / 2

$1/2$

— whuber

13

Aucune des deux formes de raisonnement n'est mathématiquement rigoureuse - il n'y a pas de distribution normale avec une variance infinie, ni de distribution limite à mesure que la variance augmente - alors soyons un peu prudents.

Dans le modèle Black-Scholes, le prix du log de l'actif sous-jacent est supposé subir une marche aléatoire. Le problème revient à demander "quelle est la probabilité que la valeur (journal) de l'actif à la date d'expiration dépasse sa valeur (journal) actuelle?" Laisser la volatilité augmenter sans limite équivaut à laisser la date d'expiration augmenter sans limite. Ainsi, la réponse devrait être la même que celle de demander "quelle est la limite, comme , que la valeur d'une marche aléatoire au temps soit supérieure à sa valeur au temps ?" Par symétrie (échange de montées et de descentes) (et en notant que dans le modèle continu, la chance d'être à l'argent est de ), ces probabilités sont égales à $t \to \infty$ $t$ $0$ $0$ pour tout ,où leur limite existeeffet et est égal . $1/2$ $t \gt 0$ $1/2$

— whuber
source

6

+1 En bref, le raisonnement physique: deux résultats possibles, parfaitement symétriques, et les probabilités de tous les résultats possibles doivent résumer à 1 - la seule réponse peut être 1/2 (-;

7

Considérons une séquence de variables aléatoires normales avec une moyenne et SD . $X_1, X_2,\ldots, X_n$ $\mu$ $\sigma_n$

Essentiellement, votre intervieweur demande , étant donné que nous connaissons . $\lim_{n\to\infty} P(X_n>\mu)$ $\sigma_n\to \infty$

On voit clairement est indépendant de, ce qui nous donne la réponse. $\lim_{n\to\infty} P(X_n>\mu)=\frac{1}{2}$ $\sigma_n$

Intuitivement, au lieu de concevoir une distribution normale à variance infinie, vous devriez imaginer une distribution à variance finie et travailler avec ses limites.

— Bravo
source

-2

Vous devriez faire votre analyse sur la base d'une distribution logarithmique normale, et non pas normale. Votre intervieweur a tort quand il déclare que la distribution est symétrique. Ce ne serait jamais le cas, quelle que soit la variance. Vous devez également faire la distinction entre la volatilité et ce que vous appelez la variance infinie. Un prix des actions, par exemple, n'a pas de limite supérieure, il a donc une "variance infinie".

— Ralph Winters
source

2

Il est vrai qu'une distribution log-normale est impliquée, mais il n'est pas nécessaire de l'invoquer, comme le montre ma réponse. La distribution normale sous-jacente est bien sûr symétrique. Le fait qu'un cours boursier (ou autre chose) n'ait pas de limite supérieure n'implique pas que sa distribution ait une variance infinie. Dans la théorie de Black-Scholes, d'ailleurs, la volatilité est bien le paramètre de variance (pour la distribution des logarithmes).

— whuber

nous considérons l'option, pas le stock.

— Wok

@wok True, mais la théorie dépend de la distribution des prix des actifs (actions). La distribution des valeurs des options n'est ni normale ni log-normale.

— whuber