方差比检验
解释多期收益方差比的经济含义;在随机游走假设下讨论它的基准值,并比较非重叠与重叠统计量的渐近分析。
提示 1点击展开
把多期对数收益写成单期收益之和,展开方差时保留所有跨期协方差。
提示 2点击展开
推导渐近方差前,先明确收益是否独立同分布、是否有有限四阶矩,以及两种统计量使用了哪些观测值。
如果历史收益能够预测未来收益,是否就说明市场无效?本章从有效市场假说的不同形式出发,解释信息集、异常收益、随机游走及“联合假设问题”。检验时必须分清统计可预测性、风险补偿和可实现的交易收益,不能把显著的自相关直接解释成可获利机会。
方法部分介绍序列相关检验、Box–Pierce 与 Ljung–Box 统计量、方差比检验、Bootstrap 以及基于 AR 模型的检验。贵州茅台的 R 案例展示从数据处理到结果解读的完整路径。学完后,你应能说明检验依赖哪些假设,并对市场效率给出有条件的结论。
本章选取 4 道习题。先独立思考,遇到困难时再逐步展开提示;完整题面及数据要求请参阅教材。
解释多期收益方差比的经济含义;在随机游走假设下讨论它的基准值,并比较非重叠与重叠统计量的渐近分析。
把多期对数收益写成单期收益之和,展开方差时保留所有跨期协方差。
推导渐近方差前,先明确收益是否独立同分布、是否有有限四阶矩,以及两种统计量使用了哪些观测值。
对贵州茅台近一年的日收盘价计算对数收益率,按预先说明的规则处理零收益,将其转换为涨跌符号,统计游程并进行随机性检验。
一个游程是一段连续的相同符号;可从符号发生切换的次数入手核对游程数。
记录正负符号各有多少,明确随机性零假设下的条件分布,再判断正态近似是否合适。
先确定样本区间和零收益处理规则。拒绝符号随机性后,还要说明该结果与有效市场假说之间有哪些解释距离。
将本章股票案例的检验由 rw1 扩展到 rw2 和 rw3,说明各假设允许怎样的收益依赖与异方差,并构建相应的检验统计量。
先按教材逐项列出 rw1、rw2、rw3 的定义,区分独立同分布、独立但分布可变以及跨期不相关。
同一个方差比统计量在不同零假设下可能需要不同的标准误;检查推导中哪里用到了同方差或独立性。
分别报告对每个假设的检验证据,不将“未拒绝”写成“已证明”;讨论交易成本和风险补偿是否影响经济解释。
对于平稳 AR(1) 对数收益 rₜ=ρrₜ₋₁+εₜ,其中 |ρ|<1,创新独立同分布、均值为零、方差有限且为正,推导 p 期方差比,并讨论正、负自相关对结果的影响。
先求单期收益的自相关函数,再将 p 期累计对数收益写成单期收益之和。
展开和的方差时,同一滞后距离会出现多次协方差;画出期数与配对距离有助于数清次数。
用 p=1 和 ρ=0 两个特例核对推导,再比较正负 ρ 及不同 p;注意负自相关时权重与符号的共同作用。
围绕收益可预测性与有效市场假说,学习如何区分统计检验结果和可实现的交易收益。
正文演示:提供正文价格检验的数据入口;准备好数据后可运行贵州茅台案例。
数据说明:仓库未预置贵州茅台行情。运行该实证案例前,须按本章字段说明提供数据。
打开本章 GitHub 目录 ↗ 查看本章代码索引点击下方条目可在线查看源码,或从 GitHub 下载。
若对数价格服从随机游走,不同期限的增量方差应呈现怎样的关系?本章将这一问题转化为方差比检验,并与收益序列相关检验进行对照。
动手实践:生成随机游走序列;进行 Ljung–Box 检验;计算多个期限的异方差稳健方差比检验。
数据说明:默认使用模拟对数随机游走;可提供 date,close 价格 CSV,至少 100 行。
打开本章 Python 目录 ↗ 查看 Python 导读与运行说明书中 R 示例与公开数据按章整理,附有运行说明。可从各章演示程序开始,也可对照正文逐段学习。点击或扫描二维码即可打开仓库。
github.com/Jiajing-Sun/financial-econometrics-r