我有一份包含3994个每日对数收益率的列表
我查看了
ptf
,并且从图形上发现这些数据的良好拟合可能是一个学生 t 分布。
使用Python中的Scipy,我获得了参数
(tdf, mu_t, sigma_t) = stats.t.fit(ptf)
特别地,自由度tdf
为3.36。
我想研究尾部行为,并且我知道学生 t 分布是幂律分布。然后,在对数-对数图中进行了图形检查:
是的,我能看到幂律分布,因为在某一点上存在线性关系。现在,我知道幂律分布取决于一个参数alpha,直观地说,它是log-log图中图形的斜率。我的问题是:在学生t分布的情况下,如何找到幂律的alpha值?这个值是否巧合恰好等于学生t分布的自由度?我查看了
powerlaw
包,但是我无法弄清楚如何操作。我尝试了这个:results = powerlaw.Fit(ptf)
print(results.alpha)
print(results.power_law.xmin)
我得到的alpha
是4.23。这是我正在寻找的alpha
吗?它与学生t分布的自由度有什么关系?
tdf
= 3.36 就是我的 $\alpha$ 吗? - Puzzle