金融模型中的变量误差问题.pdf

《统计手册：金融中的统计方法》 第17 章 金融模型中的变量误差问题 G.S.Maddala 和M.Nimalendran 1.引言 金融中的变量误差（errors-in-variables,EIV ）问题产生于回归模型中错误地使用测定变 量或者代理变量。因变量的测量误差表现在扰动项里，它们不会产生问题。然而，当自变量 存在测量误差时，这一误差就会表现在回归元和新回归模型的误差项里。这导致回归元与误 差项之间的同期相关，也导致有偏的 OLS （普通最小二乘）估计量（甚至是渐进估计量） 和不一致的标准误。测量误差引起的偏倚可能是显著的并可能导致错误的推断。此外，当模 型中存在一个以上的回归元时，偏倚的方向是不可预知的。一些经济计量学教科书包括 Maddala （1992）和Greene （1993）都详尽地讨论了测量误差对OLS 估计量的影响。Fuller （1987）对变量误差模型进行了全面的讨论，Griliches （1985），Chamberlain 和 Goldberger （1990）在经济计量模型的背景下讨论了变量误差问题。 回归元的误差可能是由几个原因引起的。我们可以把这些原因分为以下两类：（1）测量 误差，和（2 ）用代理变量代替不可观测的理论概念、模型构造或者潜变量。在回归模型中 使用估计值就可能引入测量误差。例如，在 CAPM （资本资产定价模型）的横截面检验中 使用估计的beta 值作为回归元，以及在APT （套利定价理论）两步检验中的第二步使用估 计的因子载荷而不是实际的因子载荷。误差的第二个主要来源是用代理变量代替不可观测的 变量或者潜变量。金融中这样的例子是，检验信号模型时，经济计量学家只能观测到作为信 号的基本属性的噪声信号。本文将考察金融模型中使用的几种减小变量误差问题的模型和方 法。金融中会遇到变量误差问题的几个领域记述如下： I ．检验资产定价模型：这些检验存在几个潜在性问题，包括与风险度量使用估计值有 关联的测量误差，以及与实际市场组合不可观测性有关联的问题。 II ．业绩衡量：衡量投资组合管理（共同基金，退休基金等）的业绩，是评价管理人员 提供超额收益能力的一个重要部分。但是，评价业绩的任何方法都必须设定一个基准，而错 误的基准设定将导致业绩衡量产生误差。 III ．市场对公司公告的反应：有一些论文分析了市场对非预期收入、非预期股利、非预 期拆股和其他公告的反应。为了获得变量的非预期成分，需要为期望成分设定一个模型。期 望模型的错误设定或者估计误差将导致非预期成分的测量误差。 IV ．检验信号模型：在信号模型中，认为拥有内部信息的管理人员可以使用股利、收 入、拆股、资本结构等指标向市场传递他们的内部信息。检验这种模型的时候，必须认识到， 这些指标是作为信号的基本属性（投资机会、未来现金流等）的噪声度量。 研究人员可以使用若干种方法修正变量误差问题，获得一致估计和一致标准误。本文将 在下列八个类别中考察这些方法：（1）分组法，（2 ）直接与反向回归，（3 ）两步法以外的其 他方法，（4 ）MIMIC 模型，和（5 ）人工神经网络（ANN ）模型。我们还将讨论与变量误差 问题有关的其他模型，在以下范畴中考察：（6 ）信号提取模型，（7 ）定性受限因变量模型， 和（8 ）存在测量误差的因子分析。 2.分组法 分组法作为变量误差问题的一种解决方法已经广泛用于金融领域。参阅，例如Black ，Jensen 和Scholes （1972），Fama 和MacBeth （1973），以及Fama 和French （1992）的最新例证。 1 《统计手册：金融中的统计方法》 在后面的讨论中，将分别称这些论文为BJS 、FM 和FF 。基本的方法涉及一种两步法。第一 步，用每个证券的时间序列数据估计其beta 值。第二步，用第一步得到的beta 值作为回归 元通过横截面回归（CSR ）估计证券的平均收益。这就引入了变量误差问题。由于分组法可 以看成是工具变量（IV ）法，分组就用于解决这一变量误差问题。有些文献经常引用Wald 在这一领域的经典论文，但是Wald 使用的简单分组法并不是这些论文使用的方法。 Wald 的方法包括观测值排序，以