股票收益率分布椭圆模型的新性质检验

708

收藏 2022-06-24

英文标题：
《Testing new property of elliptical model for stock returns distribution》
---
作者：
Petr Koldanov
---
最新提交年份：
2019
---
英文摘要：
Wide class of elliptically contoured distributions is a popular model of stock returns distribution. However the important question of adequacy of the model is open. There are some results which reject and approve such model. Such results are obtained by testing some properties of elliptical model for each pair of stocks from some markets. New property of equality of $\\tau$ Kendall correlation coefficient and probability of sign coincidence for any pair of random variables with elliptically contoured distribution is proved in the paper. Distribution free statistical tests for testing this property for any pair of stocks are constructed. Holm multiple hypotheses testing procedure based on the individual tests is constructed and applied for stock markets data for the concrete year. New procedure of testing the elliptical model for stock returns distribution for all years of observation for some period is proposed. The procedure is applied for the stock markets data of China, USA, Great Britain and Germany for the period from 2003 to 2014. It is shown that for USA, Great Britain and Germany stock markets the hypothesis of elliptical model of stock returns distribution could be accepted but for Chinese stock market is rejected for some cases.
---
中文摘要：
广义椭圆等高线分布是一种流行的股票收益率分布模型。然而，模型的充分性这一重要问题仍然存在。有一些结果拒绝和批准这种模式。这些结果是通过测试某些市场中每对股票的椭圆模型的一些性质得到的。本文证明了具有椭圆等高分布的任意一对随机变量的$\\ tau$Kendall相关系数相等和符号重合概率相等的新性质。构造了检验任何一对股票的这一性质的无分布统计检验。构建了基于个体检验的Holm多假设检验程序，并将其应用于具体年份的股市数据。本文提出了一种新的检验股票收益率分布的椭圆模型的方法。该程序适用于中国、美国、英国和德国2003年至2014年的股票市场数据。结果表明，对于美国、英国和德国的股票市场，可以接受股票收益率分布的椭圆模型假设，但对于中国的股票市场，在某些情况下却被拒绝。
---
分类信息：

一级分类：Statistics 统计学
二级分类：Applications 应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--
一级分类：Quantitative Finance 数量金融学
二级分类：Statistical Finance 统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
-->

Testing_new_property_of_elliptical_model_for_stock_returns_distribution.pdf
大小:(313.55 KB)

马上下载

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

何人来此

2022-6-24 11:19:32

测试ELLIPTICALMODEL的新特性，以实现股票收益分布。Petr Koldanov 2019年7月25日摘要一类椭圆等高线分布是一种流行的股票收益率分布模型。然而，模型的充分性这一重要问题尚未解决。有一些结果拒绝并批准了此类模型。这些结果是通过测试一些市场中每对股票的ellipticalmodel的一些性质得到的。本文证明了具有椭圆等高线分布的任意一对随机变量的τKendall相关系数相等和符号重合概率相等的新性质。构造了用于测试任何一对股票这一性质的无分布统计检验。构建了基于个体测试的Holm多假设测试程序，并将其应用于具体年份的股票市场数据。本文提出了一种新的检验股票收益率分布的椭圆模型的方法。该程序适用于中国、美国、英国和德国2003年至2014年的股票市场数据。结果表明，美国、英国和德国股市可以接受股票收益率分布的椭圆模型假设，但中国股市在某些情况下被拒绝。关键词：股票收益率分布、椭圆模型、τ-肯德尔相关、符号重合概率、无分布检验、多决策统计过程、拒绝图。1介绍近十年来，多变量股票收益率分布模型越来越受到人们的关注。投资组合构建和风险管理尤其需要这种模型。股票收益率分布的流行模型是一类广泛的椭圆等高线分布（见[安德森（2003）]，[古普塔（2013）]）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-24 11:19:35

【Chicheportiche&Bouchaud（2012年）】研究了椭圆模型与美国和日本股市数据的一致性，其中表明股票回报的联合分布不是椭圆的。这样的结果是通过比较任何一对股票之间的成对依赖度量得到的。同时，作者指出，应用的方法论不是统计的。在【Koldanov（2016）】中，提出了检验股票收益率分布对称性的统计方法。构造了检验任意一对股票收益率分布对称性的无分布检验。这些单独的测试使用了著名的Holm程序【Holm（1979）】，用于测试美国和英国市场股票回报联合分布的对称性。引入了拒绝图的概念，指出删除图中的枢纽（高度垂直）可以接受股票收益率分布的对称性假设。目前的工作继续了【Koldanov（2016）】中开始的研究。本文证明了椭圆等高分布的新性质，即任意一对随机变量的τKendall相关系数的相等性和符号重合概率（measureQ（[Kruskal（1958）]）的性质。该性质用于检验股票收益率分布的椭圆模型。单个假设的无分布检验检验hi，j：τi，j=Qi，jagainstki，j：τi，j6=Qi，jfor any i，j=1，p（其中p是市场中的股票数量）被构造。结合使用Holm程序的这些单独测试来测试椭圆模型与股票收益率分布的一致性。拒绝图的概念【Koldanov（2016）】用于描述Holm程序的结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-24 11:19:39

得到的结果表明，椭圆模型的拒绝与中国股市的少量股票对有关。去掉这些股票，股票收益率分布的椭圆模型就不成立了。构建了检验某一时期股票收益率分布椭圆模型的新方法。该程序基于不同年份Holm程序结果的组合。新程序适用于中国、美国、英国和德国2003年至2014年的股市数据。结果表明，对于美国、英国和德国的股票市场，股票收益率分布的椭圆模型假设是可以接受的。相反，本文发现，对于中国股票市场，在某些情况下，股票收益率分布的椭圆模型假设被拒绝。论文组织如下：第2节介绍了主要符号和定义，并证明了椭圆等高线分布的τ-肯德尔相关系数和测度Q（【Kruskal（1958）】）相等定理。在第3节中，构建了单独的测试。第4节描述了Holm程序。第5节介绍了新的程序，并描述了获得的实验结果。第6节讨论了获得的结果。椭圆等高线分布的2对度量二十、。Xp系统是连续的随机向量。随机变量之间存在若干相关系数（或成对的依赖性度量），如皮尔逊相关、斯皮尔曼相关、肯德尔相关、费希纳相关、克鲁萨尔相关。其中一些在【Kruskal（1958）】中进行了调查。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-24 11:19:42

Kruscal相关性基于以下度量。定义1随机变量之间依赖性的度量Q xind Xj（【Kruskal（1958）】是Qi，j=P[（Xi- 医学（Xi））（Xj- med（Xj））>0]，其中med（Xi）是随机变量Xii的分布FXi（x）的中间值。e、 P（Xi>med（Xi））=P（Xi<med（Xi））=或FXi（med（Xi））=。还表明，τ-肯德尔相关系数τi，jis基于以下度量：定义2LetXiXj公司是具有累积分布函数FXiXj（x，y）和let的随机向量Xi（t）Xj（t）,Xi（t+1）Xj（t+1）是向量的独立副本XiXj公司.Kendall测度τi，由等式τi定义的随机变量之间的jof依赖性，j=P[（Xi（t））- Xi（t- 1））（Xj（t）- Xj（t- 1））>0]证明了如果随机向量X=（X，X，…，Xp）具有已知u的多变量非线性分布N（u，λ），那么对于所有i，j=τi，j=1，pi 6=j（1）让我们证明（1）对于椭圆等高线分布ECD（u，λ，g）和任何函数g都成立。如果密度的形式为：f（X；u，λ）=∧，则随机向量X=（X，X，…，Xp）具有椭圆等高线分布cd（u，λ，g）|-g{（x- u)Λ-1（x- u）}（2），其中∧是正定义矩阵，函数g（x）≥ 0和Z∞-∞. . .Z∞-∞g（yy）dy。dyp=1一类椭圆等高线分布尤其包含多变量非线性分布和多变量学生分布。已知e（Xi）=ui，i=1，2，p如果存在。定理1如果随机向量X具有已知u的椭圆等高分布ECD（u，λ，g），则对于任何g，都有Qi，j=τi，j，i、 j=1，p、 i 6=j。证明向量X具有椭圆等高分布ECD（u，λ，g），然后med（Xi）=ui，即。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-24 11:19:46

矢量U=X-med（X）具有椭圆等高线分布ECD（0，λ，g）。向量X（t），X（t-1）独立（定义2）且具有椭圆等高线分布ECD（u，λ，g），然后通过引理1从【Lindskog（2003）】向量=X（t）-X（t-1）具有椭圆等高线分布ECD（0，λ，g），其中z∞-∞. . .Z∞-∞g（yy）dy。dyp=1在【Kalyagin（2017）】中，引理2表明，如果X具有椭圆等高分布ECD（0，λ，g），则P（Xi>0，Xj>0）=+2π弧λij√λiiλjj（其中λij是矩阵∧的元素），不依赖于g。因此P（UiUj>0）=P（ViVj>0）或Qi，j=τi，jforg、证明了定理1。定理1具有以下推论1如果向量u已知且存在i，j=1，pi 6=j，使得Qi，j6=τi，j当向量X没有椭圆等高线分布时。在实际操作中，假设已知向量u是不现实的。为了处理未知u，让我们证明以下定理2LetX（1）X（1）。Xp（1）,X（2）X（2）。Xp（2）, . . . ,X（n）X（n）。Xp（n）是来自向量X的独立同分布观测的样本=二十、。Xp系统具有椭圆等高线分布ECD（u，λ，g）。LetXi=nnXt=1Xi（t），然后对于n≥ 2一个搭扣（（Xi（t））-Xi）>0，（Xj（t）-Xj）>0）=+2π弧sinλijpλiiλjj，i、 j=1，pt=1，根据[Lindskog（2003）]中的引理1，如果向量Zhas椭圆中心分布ECD（u，λ，g）和向量Zhas椭圆等高线分布ECD（u，λ，g），那么向量aZ+bZhas椭圆等高线分布ECD（au+bu，λ，g）。在不丧失一般性的情况下，考虑t=1的情况。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

可人4

2022-6-24 11:19:51

一个hasX（1）- X=n- 1nX（1）-[Lindskog（2003）]引理1中的nnXt=2X（t）向量nnXt=2X（t）具有椭圆等高线分布ECD（n- 1nu，λ，g？）因为向量X（1）和npnt=2X（t）是独立的，所以向量X（1）- X轴椭圆等高线分布ECD（0，λ，g°）来自【Kalyagin（2017）】的引理2，一个搭扣（（Xi（t））-Xi）>0，（Xj（t）-Xj）>0）=+2π弧sinλijpλiiλjj，t=1，ni、 j=1，p、证明了定理2。从定理2可以看出，如果向量X具有椭圆等高分布ECD（u，λ，g），那么p（（Xi（t））-Xi）>0，（Xj（t）-Xj）>0）=P（Xi（t）-ui）>0，（Xj（t）-uj）>0）=Qi，j根据定理2和推论1，如果存在i，j=1，…，则有以下推论2，pi 6=j，因此Qi，j6=τi，j当向量X具有非椭圆等高分布时。3个人假设的检验来自推论2。为了研究与椭圆模型的一致性，有必要检验等式Qi，j=τi，j对于任何i，j=1，pi 6=j。该问题可表述为同时测试以下假设的问题：i，j：Qi，j=τi，jagainst ki，j：Qi，j6=τi，j（3）。在本节中，无分布测试用于测试单个假设（3）。在不丧失一般性的情况下，让我们考虑情况i=1，j=2。允许x（1）x（1）,x（2）x（2）, . . . ,x（n+m）x（n+m）是来自随机向量的样本XX号.对于检验假设h1，2:Q1，2=τ1,2against k1，2:Q1，26=τ1,2let usconsider the statistics^τ1,2=[n]Xi=1S{x（2i）- x（2i- 1））（x（2i）- x（2i- 1） }（4）和^Q1,2=n+mXi=n+1S（（x（i））- x） ×（x（i）- x））（5）其中（x）=1，x>00，x≤ 0xk=mn+mXi=n+1xk（i），k=1，2静态^τ1,2具有二项分布b（r，τ1,2），其中r=n, 统计量^Q1,2具有二项分布b（m，Q1,2）。此外，统计数据^τ1,2，^Q1,2因其基于不同的观察结果而不同。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-24 11:19:54

因此，P（^τ1,2=k，^Q1,2=l）=Ckrτk1,2（1- τ1,2）r-kClmQl1,2（1- Q1,2）m-l==CkrClmexpnk ln（τ1,21-τ1,2）+l ln（Q1,21-Q1,2）o（1- τ1,2）r（1- Q1,2）M当测试h1,2的一致最强大无偏（UMPU）测试（见【Lehmann（2005）】，第126页）：Q1,2=τ1,2against k1,2：Q1,26=τ1,2的形式为：Д1,2（x）=0，c（l+k）≤ k≤ c（l+k）1，k<c（l+k）或k>c（l+k）（6），其中c（l+k），c（l+k）定义自：PQ1,2=τ1,2（k<c（l+k）或k>c（l+k）/^τ1,2+^Q1,2=l+k）=α（7），为简单起见，让我们考虑测试Д1,2（x），其中常数c（l+k），c（l+k）由方程确定：PQ1,2=τ1,2（k<c（l+k）/τ1,2+τQ1,2=l+k）=αPQ1,2=τ1,2（k>c（l+k）/τ1,2+τQ1,2=l+k）=α（8）SincePQ1,2=τ1,2（τ1,2=k/τ1,2+τQ1,2=l+k）=ckmckrl+lr+mt当c（l+k）是满足以下条件的最大整数：c（l+k）Xi=0圈l+k-imCk+lr+m≤α（9）c（l+k）是满足以下条件的最小整数：rXi=c（l+k）CirCl+k-imCk+lr+m≤α（10）试验（6）的p值定义为q1,2=2 min（kXi=0CirCl+k-imCk+lr+m，rXi=kCirCl+k-imCk+lr+m）（11）4 Holm程序在大型股票市场的情况下，股票对的数量巨大，有必要考虑所谓的多重性现象（【Bretz（2011）】）。为了用椭圆模型研究股票收益率分布的一致性，使用了多假设检验方法（见【Lehmann（2005）】，第9章）。多重比较程序调整了从实验中得出的统计推断的多重性，从而能够做出更好的决策。在我们的方法中，多重测试的显著性水平由至少一种类型错误的概率给出，称为家庭错误率（FWER）。采用（11）中的p值测试单个假设（3）的测试（6）组合在同时测试程序中。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-24 11:19:57

为了控制至少一次错误拒绝真实个体假设的概率（3），使用了众所周知的Holm程序【Holm（1979）】。在我们的例子中，Holm程序最多包含M=Cpsteps。在任何步骤中，一个假设hi、jis被拒绝或所有其他假设都被接受。Holm程序由以下算法定义：o步骤1：Ifmini，j=1，。。。，pqi，j≥αm当所有假设hi，j，i，j=1，2，接受p，否则，如果最小，j=1，。。。，pqi，j=qi，j假设hi，jis被拒绝，进入步骤2。o步骤K：设I={（I，j），（I，j），…，（iK-1，jK-1） }是以前被拒绝的假设的指标集。Ifmin（i，j）/∈Iqi，j≥αM- K+1然后接受假设hi，j，（i，j）/∈ 一、否则，如果最小值（I，j）/∈Iqi，j=qiK，JK然后拒绝假设hiK，JK并进入步骤（K+1）。o步骤M：设I={（I，j），…，（iM-1，jM-1） }是以前被拒绝的假设的索引集。Let（iM、jM）/∈ 一、 IfqiM，jM≥ α然后接受假设hiM，jM，否则拒绝假设hiM，jM（拒绝所有假设）。5椭圆模型试验。实验结果本节介绍了我们的实验结果。首先，我们给出了中国股票市场的结果，结果表明，对于2006年、2010年和2011年，股票收益率的椭圆模型的假设可能会被拒绝，仅适用于少数股票。然后，我们考虑了不同国家的股票市场在某一时期的情况，并提出了检验股票收益率在整个时期分布的椭圆模型假设的程序。在我们的实验结果中，我们考虑了2003年至2014年期间中国、美国、英国和德国的股票市场。5.1中国股市椭圆模型的检验。为获得中国股市的实验结果，选择了2006年中国股市交易量最大的100只股票。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-24 11:20:00

FWER=0.05的Holm程序；2003年至2014年期间，每年对选定的股票进行0.5和单独测试（6），p值为（11）。为了描述Holm程序的结果，使用了【Koldanov（2016）】中引入的拒绝图概念。当且仅当单个假设hi，j:Qi，j=τi，j被Holm多重检验程序拒绝时，拒绝图的节点与该边缘相邻，则在拒绝图中添加边缘（i，j）。在所有呈现的结果中，选择了n=m=125的值。根据上半年的观察结果，τKendall测度（定义2）是根据下半年的观察结果估计的，Q Kruscallmeasure（定义1）是估计的。获得的结果如图1（2006年）和图2（2010年）所示。图中仅显示了与拒收图中某些边缘相关的顶点。请注意，与【Koldanov（2016）】中构建的拒收图相比，在这种情况下，没有集线器。同时，被拒绝的假设数量非常少，远远少于【Koldanov（2016）】。这些图表中的股票报价人列表如下：图1:2006年中国市场拒绝图。FWER=0.5。n=m=图2：2010年中国市场的拒收图。FWER=0.5。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-24 11:20:04

n=m=o图1：顶点0对应于股票代码600037。SS’，顶点1对应于代码“600016”。SS\'，顶点2对应于ticker“600031”。SS’，顶点3对应于股票代码“600015”。SS’，顶点4对应股票代码‘600028’。SS’，顶点5对应于股票代码“600435”。SS’，顶点6对应于股票代码“600519”。SS’，顶点7对应于股票代码“600060”。SS’，顶点8对应于股票代码“600252”。SS\'，顶点9对应股票代码\'600649。SS’o图2：顶点0对应于股票代码“601555”。SS’，顶点1对应于代码“600029”。SS’，顶点2对应于股票代码“600037”。SS\'，顶点3对应于ticker“600031”。SS\'，顶点4对应股票代码\'600795。SS’，顶点5对应股票代码“600010”。SS’，顶点6对应于股票代码“601098”。SS’，顶点7对应股票代码“600005”。SS’，顶点8对应股票代码“601225”。SS\'，顶点9对应股票代码\'600372。SS’，顶点10对应于股票代码“600519”。SS\'，顶点11对应于股票代码601336。SS’，顶点12对应于股票代码“601186”。SS’。下表列出了不同α（第一行）和不同年份（第一列）中国股市被拒绝的股票对数。例如，表中第二列和第二行的值6意味着，2006年，只有来自中国股市的六对股票的个别假设（3）被拒绝。从表中可以看出，对于2010年和α=0.05，椭圆模型的假设没有被拒绝。表1：。年份/α0.5 0.25 0.1 0.052006 6 6 6 32010 7 7 02011 5 5 5 55.2不同国家股市椭圆模型的测试。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-24 11:20:08

在该小节中，考虑了以下问题：尽管从2003年到2014年的几年中，椭圆模型被Holm程序拒绝，但是否有可能接受股票收益分布椭圆模型的假设？为了回答这个问题，我们提出了以下程序：如果Holm程序拒绝椭圆模型一年的年数大于给定的保留时间，则拒绝椭圆模型。程序的合理性如下所示。让我们公式化假设Hi：“在第一年，股票收益率的分布是椭圆形的”。那么被拒绝的假设数X Hi，i=1，如果所有假设Hi，i=1，…，则长度s周期的s为二项随机变量b（s，α），sare true和Holm程序每年的FWER=α。在这里，一年期间通过Holm程序获得的决定的独立性与不同年份的观察结果的独立性相一致。假设H=Tni=1，则股票收益分布的椭圆模型在所有考虑年份都是正确的。然后pH（X≥ c） =nXi=cCin（α）i（1- α） n个-因此，对于给定的β，可以从方程pH（X）中确定阈值cβ≥ cβ）=nXi=cβCin（α）i（1- α） n个-我≤ β（12），拒绝假设H i ffx≥ cβ。这意味着假设H的检验形式为：ДH（x）=0，x<cβ1，x≥ cβ（13），其中x是观察到的被拒绝假设数Hi，cβ是从（12）中定义的，β是测试的显著水平ДH（x）。如果应用的霍尔姆程序FWER=α，则试验（13）的p值可通过以下公式计算：pHα（x）=nXi=xCin（α）i（1- α） n个-我（14）在下文中，我们对2003年至2014年期间中国、美国、英国和德国的股票市场适用该程序。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-24 11:20:12

所提供的实验结果包含一个表格，其中包含了一对股票（i；j），对于这些股票，假设hij:Qi，j=τi，j被Holm程序拒绝。在所有呈现的结果中，选择值n=83，m=166。霍尔姆程序考虑了两种不同水平的FWER：α=0.05，α=0.5.5.2.1中国股市对于中国股市（见表2）被拒绝的假设数hij：Qi，j=τi，jis 11，α=0.5，jis 10，α=0.05。从另一方面来看，对于α=0.5和α=0.05，被拒绝的假设数HI等于5（对于2005年、2006年、2010年、2011年、2013年）。然后，假设H的检验ДH（x）（13）的p值（14）为pH0.5（5）=p（N≥ 5 |α=0.5）=Pi=5Ci（0.5）=0.6128pH0.05（5）=P（N≥ 5 |α=0.05）=Pi=5Ci（0.05）i（0.95）12-i=1.110779* 10-5可以看出，p值pH0.05（5）太小。那么假设H在任何水平β>1.110779时被拒绝* 10-5如果我们测试单个假设Hi：i=1，12按照FWER 0.05的Holm程序。相反，假设H在任何水平β下都被接受≤ 0.6128如果我们测试单个假设Hi:i=1，12通过福尔摩斯程序，FWER为0.5。表2：。年份α=0.5α=0.052003 0 02004 0 02005（88；23）（88；23）2006（4；2）（4；2）2007 0 02008 0 02009 0 020010（37；17），（85；66），（87；9），（92；56）（37；17），（85；66），（87；9）2011（22；5），（16；10），（19；16）（22；5），（16；10），（19；16）2012 0 02013（14；7），（29；2）（14；7），（29；2）2014 0 05.2.2美国股票市场美国股票市场（见表3）被拒绝的数量假设hij:Qi，j=τi，jis 2表示α=0.5，jis 1表示α=0.05。对于α=0.5（2004年、2006年）和α=0.05（2004年），被拒绝的假设数HI分别为2和1。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-24 11:20:15

然后，假设HarepH0.5（2）=p（N）的检验ДH（x）（13）的p值（14）≥ 2 |α=0.5）=Pi=2Ci（0.5）=0.9807pH0.05（1）=P（N≥ 1 |α=0.05）=Pi=1Ci（0.05）i（0.95）12-i=0.1184如果我们测试单个假设Hi：i=1，…，则假设H在任何水平β>0.1184被拒绝，12采用霍尔姆程序，FWER为0.05，假设H在任何β水平均被接受≤ 0.9807如果我们测试单个假设：i=1，12采用福尔姆程序，FWER为0.5。表3.5.2.3英国股票市场对于英国股票市场（见表4），被拒绝的假设数hij:Qi，j=τi，jis 1表示α=0.5，0表示α=0.05。对于α=0.5（2007年），被拒绝的假设数HI等于1，对于α=0.05，则为0。然后，假设H的检验ДH（x）（13）的p值（14）为pH0.5（1）=p（N≥ 1 |α=0.5）=Pi=1Ci（0.5）=0.9968pH0.05（0）=P（N≥ 0 |α=0.05）=1年α=0.5α=0.052003 0 02004（91；9）（91；9）2005 0 02006（59；22）02007 0 02008 0 02009 0 02010 0 02011 0 02012 0 02013 0 02014 0 0 0 0 0可以看出两个p值都不是太小。如果我们检验单个假设Hi：i=1，…，则假设H在任何水平β<0.9968时均被接受，12如果我们检验单个假设Hi：i=1，…，则在任何β级接受水平为0.05和假设H的byHolm程序，12通过Holm程序，等级为0.5。表4：。年份α=0.5α=0.052003 0 02004 0 020005 0 02006 0 02007（57；29）02008 0 02009 0 02010 0 02011 0 02012 0 02013 0 02014 0 05.2.4德国股票市场德国股票市场（见表5）被拒绝的假设数：Qi，j=τi，jis 2表示α=0.5，0表示α=0.05。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-24 11:20:19

对于α=0.5（2007年），被拒绝的假设数HI等于2，对于α=0.05，则为0。然后，假设H的检验ДH（x）（13）的p值（14）为pH0.5（1）=p（N≥ 2 |α=0.5）=Pi=2Ci（0.5）=0.9807pH0.05（0）=P（N≥ 0 |α=0.05）=1可以看出，两个p值都不太小。如果我们检验单个假设Hi：i=1，…，则假设H在任何水平β<0.9807时均被接受，12如果我们检验单个假设Hi：i=1，…，则在任何β级接受水平为0.05和假设H的byHolm程序，12通过Holm程序，等级为0.5。表5：。本文证明了α=0.5α=0.052003 0 02004 0 020005 0 02006 0 02007（11；2）02008 0 02009（12；11）02010 0 02011 0 02012 0 0 0 1 3 0 0 0 0 2 014 0 0 6结论标志着椭圆等高线分布的新性质，即任意一对随机变量的τKendall相关系数的性质和[Kruskal（1958）]的测度Q。构建了用于测试属性的无分布单独测试。使用著名的Holmprocedure，将这些单独的测试组合到多个假设测试程序中。将该方法应用于一年期的真实市场数据表明，中国股市中只有少数几对股票破坏了测试属性。将少量股票从对价中剔除，使得椭圆模型对股票市场的剩余股票没有反应。该结果与[Koldanov（2016）]中获得的结果一致，其中对称性假设得到了检验。然而，在【Koldanov（2016）】中，导致对称假设被拒绝的股票数量巨大，但拒绝图只有少量的枢纽（高度顶点）。值得注意的是，与【Koldanov（2016）】相比，在目前的情况下，没有高度枢纽。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-24 11:20:22

例如，在图1中，只有两个二级枢纽（顶点3和顶点8）。提出了对椭圆模型进行几年期检验的新方法。本程序适用于2003年至2014年期间中国、美国、英国和德国的股票市场。结果表明，美国、英国和德国接受了股票收益率分布的椭圆模型假设，而中国则不接受。确认该工作部分得到了HSE网络分析算法与技术实验室和RFFI赠款N 18-07-00524参考文献[Anderson（2003）]Anderson T.W.多元统计分析导论的支持。威利国际科学出版社，纽约，3-d版，2003年。[Kruskal（1958）]William H.Kruskal（1958）关联的顺序度量，美国统计协会杂志，53:284814-861[Lehmann（2005）]Lehmann E.L.，Romano J.P.检验统计假设。斯普林格，纽约，2005年。【Gupta（2013）】Gupta F.K.Varga T.Bodnar T.Elliptically Contoursed Models in Statistics and Portfolio Theory，Springer，2013，ISBN:978-1-4614-81539。【Chicheportiche&Bouchaud（2012）】Chicheportiche R.Bouchaud J-P.《股票收益的联合分布不是椭圆分布：国际理论和应用金融杂志》，2012年3月15日。【Koldanov（2016）】P.Koldanov，N.Lozgacheva。股票收益分布信号对称性的多重检验，《国际理论与应用金融杂志》第19卷，第8期（2016）[霍姆（1979）]霍姆，斯特尔。1979年，“一个简单的顺序拒绝多重测试程序”。斯堪的纳维亚统计杂志6（2）。[斯堪的纳维亚统计杂志基金会董事会，威利]：65-70。http://www.jstor.org/stable/4615733.【Kalyagin（2017）】V.A.Kalyagin，A.P.Koldanov，P.A.Koldanov。随机变量网络中的鲁棒识别。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-24 11:20:25

《统计规划与参考杂志》181（2017）3040【Lindskog（2003）】Lindskog F.、McNeil A.、Schmock U.（2003）Kendalls Tau Forellical Distributions。In：Bol G.、Nakhaeizadeh G.、Rachev S.T.、RidderT。，Vollmer KH。（eds）信用风险。对经济学的贡献。PhysicaVerlag HD【Bretz（2011）】F.Bretz，T.Hothorn&P.Westfall（2011）R.Taylor和Francis Group多重比较。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群