更新时间：2022-09-02 10:36:09
封面
版权信息
本书所获赞誉
合著作者
插图
文前内容
第一章 序言*，†
第二章 术语、符号和定义
2.1 一般符号和常用符号
2.2 一般＆特殊概念目录
第一部分 肥尾及其效应介绍
第三章 非数理视角概述——剑桥大学达尔文学院讲义*，†
3.1 薄尾和厚尾的差异
3.2 直观理解：摇尾巴的狗
3.3 一种（更合理的）厚尾分类方式及其效应
3.4 肥尾分布的主要效应及其与本书的关联
3.5 认识论与非对称推理
3.6 幼稚的经验主义：不应该把埃博拉病毒和从梯子上跌落进行对比
3.7 幂律入门（几乎没有数学）
3.8 隐藏性质在哪里？
3.9 贝叶斯图谱
3.10 X和f(X)：混淆我们理解的X和相应风险敞口
3.11 破产和路径依赖
3.12 如何应对
第四章 单变量肥尾，有限矩（第一层）†
4.1 构造轻微肥尾的简单方法
4.2 随机波动率能否产生幂律？
4.3 分布的躯干、肩部和尾部
4.4 肥尾、平均差和上升范数
4.5 可视化p上升产生的等范数边界效应
第五章 亚指数和幂律（第二层）
5.1 尺度和幂律（第三层）
5.2 幂律的性质
5.3 钟形vs非钟形幂律
5.4 幂律分布尾部指数插值：一个例子
5.5 超级肥尾：对数帕累托分布
5.6 伪随机波动率：一项研究
第六章 高维空间厚尾†
6.1 高维空间中的厚尾，有限矩
6.2 联合肥尾分布及其椭圆特性
6.3 多元学生T分布
6.4 肥尾和互信息
6.5 肥尾和随机矩阵，一个小插曲
6.6 相关性和未定义方差
6.7 线性回归模型的肥尾残差
A 殊厚尾案例
第二部分 中数定律
第七章 极限分布综述*，†
7.1 温习：弱大数定律和强大数定律
7.2 中心极限过程
7.3 CLT的收敛速度：直观探索
7.4 累积量和收敛性
7.5 数理基础：传统版本的中心极限定理
7.6 高阶矩的大数定律
7.7 稳定分布的平均差
第八章 需要多少数据？肥尾的定量衡量方法‡
8.1 定义与介绍
8.2 统计量
8.3 收敛性基准，稳定分布类
8.4 数量化效应
8.5 效应总结
8.6 附录、推导和证明
第九章 极值和隐藏尾部*，†
9.1 极值理论简介
9.2 幂律分布看不见的尾
9.3 附录：经验分布的经验有限
B 增速和结果并非同类分布
C 大偏差理论简介
D 帕累托性质拟合
第十章 “事实就是这样”：标准普尔500指数分析†
10.1 帕累托性和矩
10.2 收敛性测试
10.3 总结：事实就是这样
E 计量经济学的问题
F 有关机器学习
第三部分 预报、预测和不确定性
第十一章 肥尾条件下的概率校准‡
11.1 连续vs离散分布：定义和评述
11.2 心理学中对尾部概率的伪高估
11.3 校准和校准失误
11.4 表现统计量
11.5 收益函数/机器学习
11.6 结论
11.7 附录：证明和推导
第十二章 鞅过程大选预测：套利法‡
12.1 巴舍利耶风格的估值
12.2 有界双重鞅过程
12.3 与德菲内蒂概率评估的关系
12.4 总结和评述
第四部分 肥尾条件下的不均估计
第十三章 无限方差下的基尼系数估计‡
13.1 介绍
13.2 无限方差下非参估计的渐进性质
13.3 极大似然估计
13.4 帕累托数据
13.5 小样本修正
13.6 总结
第十四章 分位数贡献的估计误差和超可加性‡
14.1 介绍
14.2 帕累托尾分布
