肥尾效应：前渐进论、认识论和应用

肥尾效应：前渐进论、认识论和应用
作者: [美] 纳西姆·尼古拉斯·塔勒布
出版社: 中信出版社
原作名: Statistical Consequences of Fat Tails: Real World Preasymptotics, Epistemology, and Applications
译者: 戴国晨
出版年: 2022-7
页数: 460
定价: 198.00元
装帧: 平装
ISBN: 9787521743913
去京东買紙版￥139.80  ：

内容简介

我们所在的世界是如此不确定和不透明，信息和我们的理解都极不完整，却很少有人研究在这种不确定性的基础上我们应该做什么。

本书从数学和统计学出发，讲述产生极端事件的统计分布类型，以及在这些分布下如何进行统计推断并做出决策。作者认为，社会科学和金融学研究中现有的大多数“标准”统计理论均来自薄尾分布，然而用薄尾思维衡量肥尾事件有可能导致严重问题。

在金融市场，一个人所获得的不是概率，而是直接的财富。分布的尾部越肥，就越需要关心收益空间。“收益远胜于概率”，如果犯错的成本够低，决策者可以经常犯错，只要收益是凸性的（即预测准确时会获得很大的收益）。反过来，决策者也可以在预测准确率高达99.99%的情况下破产。

不理解肥尾效应会导致谬误。糟糕的是，这种谬误在当今世界，尤其是金融领域非常普遍。面对风云诡谲的金融市场与不确定性结构异常复杂的现实世界，作者在本书中为参与者点出了破局之道：小概率极端事件不可预测，理解肥尾效应、管理尾部风险是必然选择。

作者简介

纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb）是我们这个时代伟大的思想者之一，是当今令人敬畏的风险管理理论学者，被誉为拥有“罕见的勇气与博学”。他倾其一生研究概率和风险问题，撰写了50篇学术论文来探讨“不确定性”，内容涉及国际关系、风险管理、统计物理学。他大部分时间都在闲逛，在世界各地的咖啡馆中冥想。在成为作家和学者之前，塔勒布做过20年交易员，目前是纽约大学理工学院风险工程学特聘教授。

目录

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
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）
5.0.1 重新排序
5.0.2 什么是边界概率分布？
5.0.3 创建一个分布
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
A.1 多重模型与厚尾，战争-和平模型
A.2 转移概率：有不可逆破碎可能的事物终将破碎
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
B.1 谜题
B.2 瘟疫的分布极度肥尾
C 大偏差理论简介
C.1 简单示例：切诺夫界
D 帕累托性质拟合
D.1 样本尾部指数的分布
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
E.1 标准带参风险统计量的表现
E.2 标准非参风险统计量的表现
F 有关机器学习
F.1 拟合有角函数
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
12.0.1 主要结论
12.0.2 框架
12.0.3 有关风险中性的讨论
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
14.3 累加不等性质的不等性
14.4 尾部指数的混合分布
14.5 变量和越大，越大
14.6 结论以及如何合理估计集中度
第五部分 影子矩相关论文
第十五章 无限均值分布的影子矩
15.1 介绍
15.2 双重分布
15.3 回到y：影子均值（或总体均值）
15.4 和其他方法的比较
15.5 应用
第十六章 暴力事件的尾部风险
16.1 介绍
16.2 统计讨论汇总
16.3 研究方法讨论
16.4 数据分析
16.5 额外的鲁棒性和可靠性测试
16.6 结论：真实世界是否比看起来更不安全？
G 第三次世界大战发生的概率有多高？
第六部分 元概率相关论文
第十七章 递归的认知不确定性如何导致肥尾
17.1 方法和推导
17.2 状态2：a(n)为衰减参数
17.3 极限分布
第十八章 不对称幂律的随机尾部指数
18.1 背景
18.2 随机α的单尾分布
18.3 幂律分布求和
18.4 不对称稳定分布
18.5 α为对数正态分布的帕累托分布
18.6 α为伽马分布的帕累托分布
18.7 有界幂律，西里洛和塔勒布（2016）
18.8 其他评论
第十九章 p值的元分布和p值操控
19.1 证明和推导
19.2 检验的逆功效
19.3 应用和结论
H 行为经济学的谬误
H.1 案例研究：短视损失厌恶的概念谬误
第七部分 肥尾下的期权交易与定价
第二十章 金融理论在期权定价上的缺陷
20.1 巴舍利耶而非布莱克—斯科尔斯
第二十一章 期权定价的唯一测度（无动态对冲和完备市场）
21.1 背景
21.2 证明
21.3 当远期不满足风险中性时
21.4 评述
第二十二章 期权交易员从来不用BSM公式
22.1 打破链条
22.2 介绍
22.3 误区1：交易员在BSM之前无法对期权定价
22.4 方法和推导
22.5 误区2：今天的交易员使用布莱克-斯科尔斯定价
22.6 动态对冲的数学不可能性
第二十三章 幂律条件下的期权定价：稳健的启发式方法
23.1 介绍
23.2 卡拉玛塔点之上的看涨期权定价
23.3 看跌期权定价
23.4 套利边界
23.5 评述
第二十四章 量化金融领域的四个错误
24.1 混淆二阶矩和四阶矩
24.2 分析期权收益时忽略詹森不等式
24.3 保险和被保资产之间的不可分割性
24.4 金融领域计价单位的必要性
24.5 附录（押注分布尾部）
第二十五章 尾部风险约束和最大熵
25.1 投资组合的核心约束是左尾风险
25.2 重新审视均值-方差组合
25.3 再论高斯分布
25.4 最大熵
25.5 总结评述
25.6 附录/证明
参考文献