有效市场假说检验.pptVIP

* * * * * * * * 方法4：检 验 模 型 是 否 充 分 在小样本的情况下，BP统计量的检验效力有限，为此Ljung和Box(1978)引入权函数对不同的滞后阶给予不同的权重，提出了一个改进的统计量： 原假设： 方法5：方差比检验 Lo和MacKinlay（1988）提出了方差比检验，其基本思想如下：首先定义p个时期的累计收益率： 原假设成立时： Remark：当序列不相关时，和的方差等于方差的和 方法5：方差比检验 当 ， 时，统计量为 在条件同方差的假设下： 方法5：考虑异方差的方差比检验 当存在条件异方差时，Lo和MacKinlay(1988)给出了方差比检验统计量 方法5：方差比检验 方差比等于1时存在两种情况 －一种情况是EMH确实成立，对于所有的 都等于0。 －第二种情况是， 仍存在序列相关，但 有正有负，也会导致方差比为1。 －Lo和MacKinlay(1988)只假定了特殊形式的条件异方差，其条件异方差没有涵盖EGARCH和TGARCH模型所描述的杠杆效应的情形，这是这个统计量的另一个缺陷。 第一种情况，原序列存在非线性序列依赖，Ljung_Box检验无法拒绝，过多接受原假设 第二种情况，原序列为鞅序列，采用BDS检验法会过度拒绝原假设 EMH的仿真实验 生成一个0自相关过程（1000个样本点），重复1000次 此过程为0自相关过程，但不是鞅差分过程 采用Ljung-Box（1978）进行检验，计算接受 的次数和拒绝的次数 原假设：市场是有效的，即收益率序列为鞅差分序列 计算Ljung-Box的Power 第一种情况 function [P_value,rej]=EMHsimu(T) %生成白噪声序列(或者是0自相关过程序列)，1000个样本 e=randn(T+100,1); e=e(99:T+100); x=zeros(T+2,1); for i=3:T+2 %生成X序列 x(i)=0.5*e(i-1)*e(i-2)+e(i); end x=x(3:end); %运用Ljung-Box(1978)检验，此过程为白噪声，但不是鞅差分过程 [BPL,P_value]=bpltest(x,10); rej=P_value0.05;%如果P_value0.05，说明原假设错误时，拒绝了原假设 function rejrate_ljq=EMHpower(N) P=zeros(N,1); rej=zeros(N,1); for i=1:N [P(i),rej(i)]=EMHsimu(1000); end rejrate_ljq=sum(rej)/N;%原假设错误时，计算拒绝原假设的频率，频率越接近1，则说明此检验的power越高 0自相关过程的Ljung－Box检验 rejrate_ljq=EMHpower(1000) rejrate_ljq = 0.0680 生成一个0自相关过程（1000个样本）1000次，此过程不满足鞅差分过程，一个power较高的检验应该拒绝原假设。但是Ljung-Box统计量只能检验0自相关过程，不能检验鞅差分过程，因此它不能拒绝原假设，因此Ljung－Box统计量在检验鞅差分过程时power较低 拒绝频率为0.0680，说明ljung-Box(1978)在检验EMH时power很低 第一种情况 首先生成如下的数据生成过程 按照有效市场假说的定义，此过程不满足EMH，但此过程却为0自相关过程， 采用不考虑异方差的Ljung-Box检验，看是否能拒绝 第二种情况 function [P_value,rej]=EMHsimu2(T) %生成白噪声序列(或者是0自相关过程序列)，1000个样本 e=randn(T+100,1); e=e(101:T+100); x=zeros(T+1,1); for i=2:T+1 %生成X序列 x(i)=1+0.02*x(i-1)^2+e(i); end x=x(2:end); %运用Ljung-Box(1978)检验，此过程为白噪声，但不是鞅差分过程 [BPL,P_value]=bpltest(x,10); rej=P_value0.05;%如果P_value0.05，说明原假设错误时，拒绝了原假设 function rejrate_ljq=EMHpower2(N) P=zeros(N,1); rej=zeros(N,1); for i=1:N [P(i),rej(i)]=EMHsimu2(1000); end rejrate_ljq=sum(rej)