第一章 数据.ppt

第三节 金融资产的收益率 收益率与价格序列比较 虽然从JB检验看，价格和收益率均不服从正态分布，但是从图形看，收益率更加接近于正态分布 对收益率分布的传统假定： 正态分布：净收益率是相互独立的，且都服从一个固定均值为 、方差为 的正态分布。 对数正态分布：资产的对数收益率是相互独立的，且都服从一个均值为 、方差为 的正态分布。 第三节 金融资产的收益率 金融时间序列不同于一般的时间序列，具有自身的一些统计特征： 异常值 趋势 均值回复 波动聚集性 第三节 金融资产的收益率 上证综合指数曲线 上升趋势 下降趋势 第三节 金融资产的收益率 股市中的分形----股指曲线 上证指数日收益率序列 异常值 大波动的聚集 小波动的聚集 美国 WTI原油收益率数据图 异常值 第三节 金融资产的收益率 英国北海Brent原油收益率数据图 异常值 第三节 金融资产的收益率 欧元—人民币汇率收益率数据图 大波动的聚集 小波动的聚集 第三节 金融资产的收益率 练习：中国证券市场的统计特征 中国证券市场的统计特征： 非对称性 非正态性 非线性 参见EViews实例:数据的描述性统计 练习：中国股票市场的统计特征分析 数据处理 作出收盘价的曲线、描述性统计量并解释 作出收益率的曲线、描述性统计量并解释 第三节 金融资产的收益率 根据描述性统计检验，WTI原油的平均价格为39.42，波动率为28.91。在农产品中，大豆的平均价格最高，波动率最高，玉米的平均价格最低，波动率也最低。所有变量的偏度均为正值且峰度均大于3， 表明所有变量均呈现出右偏和尖峰特征。其中，原油的偏度最小而玉米的偏度最大；原油的峰度最小而玉米的峰度最大，表明原油价格的分布最平坦，而玉米价格的分布具有最尖的峰。所有变量JB-统计量的伴随概率值均为0.0000，表明对所有变量的检验均在1%显著水平下拒绝“服从正态分布”的原假设，因此，所有变量均不服从正态分布。 WTI SOYBEANS CORN WHEAT ?均值 ?39.4273 ?723.48 ?294.24 ?397.15 ?标准差 ?28.91053 ?283.30 ?147.39 ?156.06 ?偏度 ?1.2013 ?1.4780 ?1.8232 ?1.5541 ?峰度 ?3.2685 ?4.3887 ?5.5372 ?4.9803 JB-统计量 ?1736.458 ?3169.00 ?5862.9 ?4035.2 概率值 ?0.0000 ?0.0000 ?0.0000 ?0.0000 练习 选取一组数据并适当处理（如果需要） 做出数据图并简单分析 进行描述性统计检验并给出解释 邮箱：jinrongkejian@163.com 第二节 描述性统计量及检验 Word文档中表格的编辑 Excel图形的编辑 第二节 描述性统计量及检验 学术论文中的表格一般是如下形式 第二节 描述性统计量及检验 表1．描述性统计检验 WTI SOYBEANS CORN WHEAT ?均值 ?39.4273 ?723.48 ?294.24 ?397.15 ?标准差 ?28.91053 ?283.30 ?147.39 ?156.06 ?偏度 ?1.2013 ?1.4780 ?1.8232 ?1.5541 ?峰度 ?3.2685 ?4.3887 ?5.5372 ?4.9803 JB-统计量 ?1736.458 ?3169.00 ?5862.9 ?4035.2 概率值 ?0.0000 ?0.0000 ?0.0000 ?0.0000 学术论文中的图形一般是如下形式 第二节 描述性统计量及检验 第二节 描述性统计量及检验 第二节 描述性统计量及检验 相关文章示例 奇异值分解熵能够预测股票市场吗？ ENEECO-S-14-00689 第二节 描述性统计量及检验 Jarque-Bera检验只能检验一个时间序列是否服从正态分布。 问题：能否检验一个时间序列是否服从其它给定的分布？ Quantile—Quantile图 第二节 描述性统计量及检验 Quantile—Quantile图 Q-Q图是借助分位数来比较两个分布的一种简单而重要的工具（比JB统计量的用途更加广泛）。 分位数（Quantile）：对于介于0，1之间的数 q，满足如下条件的数 x(q) 称为 q 的分位数： P( x x(q) ) q 第二节 描述性统计量及检验 分位数的计算： 对于一组观察值，取概率：Pi=(i-0.5)/n ，i=1,…,n。 与Pi对应的分位数是把数据从小到大排列后的第i个数，记为Q(Pi)。 对任意概率P：Pi P Pi+1,有P=Pi +a( Pi