<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
    <channel>
        <title>Moving-Block - Nhãn - NZQIRC</title>
        <link>https://nzqirc.xyz/tags/moving-block/</link>
        <description>Moving-Block - Nhãn - NZQIRC</description>
        <generator>Hugo -- gohugo.io</generator><language>vi</language><copyright>This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.</copyright><lastBuildDate>Thu, 06 Aug 2026 10:00:00 &#43;0700</lastBuildDate><atom:link href="https://nzqirc.xyz/tags/moving-block/" rel="self" type="application/rss+xml" /><item>
    <title>Ứng dụng Bootstrap trong Phân tích Tài chính: Từ IID đến Moving-Block</title>
    <link>https://nzqirc.xyz/posts/math/stats/bootstrap-finance-application/</link>
    <pubDate>Thu, 06 Aug 2026 10:00:00 &#43;0700</pubDate>
    <author>Du Mã</author>
    <guid>https://nzqirc.xyz/posts/math/stats/bootstrap-finance-application/</guid>
    <description><![CDATA[<p>Bên cạnh các phương pháp Monte Carlo sử dụng phân phối tham số (như phân phối Chuẩn hay <a href="/posts/math/stats/laplace-ged-student-t-skewed-t/" rel="">phân phối Student-t</a>), một triết lý phân tích hoàn toàn khác biệt được áp dụng rộng rãi trong quản trị rủi ro: <strong>Hãy để dữ liệu tự cất tiếng nói</strong>. Đó chính là triết lý cốt lõi của phương pháp <strong>Bootstrap</strong>.</p>
<p>Bài viết này đi sâu vào cách áp dụng Bootstrap để mô phỏng rủi ro, phân tích sự khác biệt giữa Bootstrap cơ bản (IID) và Bootstrap nâng cao (Khối trượt - Moving-Block), đồng thời lý giải tại sao việc chọn đúng kỹ thuật lại mang tính sống còn đối với dữ liệu tài chính (đặc biệt là bài toán ước lượng VaR).</p>]]></description>
</item>
</channel>
</rss>
