如何估計回撤/破產的機率？

估計回撤/破產機率的一種相當幼稚的方法是計算樣本收益的所有排列的機率，跟踪那些達到您的回撤/破產水平的機率（正如我所寫的那樣）。然而，這假設回報是獨立分佈的，這是不太可能的。

在回應我的部落格文章時，Brian Peterson建議使用塊引導程序來嘗試保留可能存在的任何依賴關係。（額外的功勞：有沒有一種方法/啟發式來選擇最佳塊大小？）

還有哪些其他方法？

我強烈推薦時間序列的最大熵引導程序，由 R 中的meboot包實現。在我的工作中，我已經停止使用塊引導程序和殘差引導程序來支持 meboot，我對結果感到滿意。

meboot 背後的研究員 Hrishikesh Vinod 在去年 UserR/2010 的演講中描述了它。該算法非常聰明，並保留了原始時間序列的相關結構，同時創建了與該結構一致的引導複製。該算法在封包檔中進行了概述。

該軟體包為您完成了繁重的工作，創建了您的時間序列的所有引導複製。不幸的是，它沒有採取基於複製計算估計信賴區間的最後一步。閱讀小插圖，了解如何從複製中計算 CI。（相比之下，引導包提供了執行最後一步的 boot.ci 函式。）

最後一點：我相信統計方法可以根據歷史數據估計合理的結果。但是，我絕對不相信他們可以預測所有可能的結果。請記住風險價值分析引起的虛假安全感……直到金融危機。現在，你將如何保護自己免受毀滅？

引用自：https://quant.stackexchange.com/questions/395