Финансы

0,9500	6,314	5,165	4,370	3,798	3,869	3,053	2,816	2,638	2305	2,404	2,363	2,327
0,9600	7,916	6,319	5ДЗО	4,453	3,882	3,448	3,127	2,887	2,708	2376	2322	2,477
0,9700	10,579	8,189	6,5%	5,476	4,659	4,М9	3377	3,234	2,980	2,795	2,722	2,661
0,9750	12,706	9,651	7,645	6Д51	5,240	4,485	3,901	3,478	3,160	2,933	2,846	2,772
0,9800	15,895	11,802	9,164	7359	6,063	5,099	4,357	3,799	3394		2,9%	2,905
0,9850	21,205	15300	11,589	9,100	7341	6,МЗ	5,056	4,283	3,728	3330	3,191	3,070
0,9900	31,820	22,071	16,160	12313	9,659	7,737	6Д85	5,166	4Д91	3,670	3,461	3,290
0,9950	63,657	41,348	28,630	20,775	15,595	11,983	9,332	7290	5,633	4,375	3,947	3,643
0,9995	636,609	334,595	193,989	120,952	79,556	54337	37,%7	26,666	18,290	11,333	7,790	4,653

Из работы Фамэ и Ролла (Fama and Roll, 1971).

Таблица АЗЗ Квантили стандартизированных симметричных устойчивых распределений, 0,70 <= F <= 0,75, и(альфа, F)

Альфа faj


0,7000	0,727	0,732	0,736	0,739	0,742	0.743	0,744	0,744	0,743	0,743	0,742
0,7100	0,776	0,779	0,782	0,784	0,785	0,786	0,786	0,786	OJ85	0,784	0,783
0,7200	0,827	0,828	0,829	0,830	0,830	0,830	0,830	0,829	0,828	0,826	0,824
0,7300	0,882	0,879	0,878	0,877	0,876	0,875	0,874	0,872	0,871	0,869	0,867
0,7400	0,939	0,932	0,928	0,926	0,924	0,921	0,919	0,917	0,915	0,912	0,910
0,7500	1,000	0,989	0,982	0,977	0,973	0.969	0,966	0.%3	0,960	0,957	0,954

Из работы Фамэ и Ролла (Fama and Roll, 1971).

Глоссарий

Авторегрессионный (AR) процесс. Стационарный стохастический процесс, где текущая величина временного ряда соотносится с прошлыми величинами р (р - некоторое целое число), называется AR(p) процессом. Когда текущая величина связана с двумя предыдущими величинами, мы имеем AR(2) процесс. AR(1) процесс имеет бесконечную память.

Авторегрессионный дробно интегрированный процесс скользящего среднего (ARFIMA). Процесс ARIMA (p,d,q), где d принимает дробное значение. Когда d имеет дробное значение, процесс ARIMA становится дробным броуновским движением и может проявлять эффекты долговременной памяти наряду с AR и МА эффектами краткосрочной памяти. См. «авторегрессионнй (AR) процесс», «авторегрессионный процесс скользящего среднего (ARIMA)», «дробное броуновское движение», «процесс скользящего среднего (МА)».

Авторефессионный интефированный процесс скользящего среднего (ARIMA). Нестационарный стохастический процесс, связанный с процессом ARMA. Процессы ARIMA(p,d,q) становятся стационарными процессами ARMA(p,q), после их дифференцирования d раз, при этом d является целым числом. Процесс ARIMA(p,l,q) становится процессом ARMA(p,q) после взятия первых разностей. См. «авторегрессионный дробно интефированный процесс скользящего среднего (ARFIMA)» и «авторегрессионный процесс скользящего среднего (ARMA)».

Авторегрессионный процесс скользящего среднего (ARMA). Стационарный стохастический процесс, который может быть смешанной моделью процессов AR и МА. Процесс ARMA(p,q)oбъeдиняeт процесс AR(q) и процесс MA(q).

Авторефессионный условный гегероскедастический (ARCH) процесс.

Нелинейный стохастический процесс, где дисперсия изменяется во времени и зависима от прошлой дисперсии. ARCH-процессы имеют частотные распределения, которые отличаются остротой вершин в среднем значении и толстыми хвостами, что очень похоже на фрактальные распределения. Обобщенная модель ARCH (GARCH) также широко используется. См. «фрактальное распределение».

Альфа. Мера островершинности функции плотности вероятности. В