Цитата (Mercator @ 12.3.2020)
То есть ты написал "все верно" а имел ввиду "все неверно"?
Как хорошо, что я не веду с тобой никаких дел.
Ты юлишь и изворачиваешься, как уж на сковородке. Но шансов нет, расслабься. Я рад, что ты проиграл, такой скользкий тип как ты, не заслуживает победы.
Лол, ты сделал много не верных утверждений здесь, которые я подметил, особенно при расчетах Михея по моему алгоритму, где ты утверждал, что он должен получить 5%, а он получал 3,9%. Я отстаиваю свою позицию, которую выразил изначально. Если ты с ней не согласен, это не значит, что она не верна и я не делал неверных утверждений в этой теме. Я не юлил, не изворачивался и уж я точно не скользкий тип, потому как отстаивал свою позицию.
Вот еще интересный момент, запощу с инвестопедии (как википедия только про финансы) ссылочка на статью:
https://www.investopedia.com/articles/04/021804.aspAs a test, let's take a look at the actual daily distributions of the S&P 500 above. In this case, the average annual return (over the last 10 years) was about 10.6% and, as discussed, the annualized volatility was 18.1%. Here we perform a hypothetical trial by starting with $100 and holding it over 10 years, but we expose the investment each year to a random outcome that averaged 10.6% with a standard deviation of 18.1%.
<...>
Another finding of our trials is consistent with the "erosion effects" of volatility: if your investment earned exactly the average each year, you would hold about $273 at the end (10.6% compounded over 10 years). But in this experiment, our overall expected gain was closer to $250.
In other words, the average (arithmetic) annual gain was 10.6%, but the cumulative (geometric) gain was less.
It is critical to keep in mind that our simulation assumes a random walk: it assumes that returns from one period to the next are totally independent (
как у нас в модели).
<...>
The Bottom Line
Volatility is annualized standard deviation of returns.
In the traditional theoretical framework, it not only measures risk, but affects the expectation of long-term (multi-period) returns. As such, it asks us to accept the dubious assumptions that interval returns are normally distributed and independent. If these assumptions are true, high volatility is a double-edged sword:
it erodes your expected long-term return (it reduces the arithmetic average to the geometric average), but it also provides you with more chances to make a few big gains.
Я очень далек от споров, но спорить на то не знаю что и судить неизвестно кто должен. Тяжко вам будет в выявлении победителя )