可以用matlab



function [vr_value,z1,z2]=vr(x,q)
%输入x为价格序列，q为滞后阶数
%vr_value输出方差比值
%z1为收益序列不存在下的检验统计量
%z2为收益序列为异方差时的检验统计量
%显著性水平0.05（双侧标准正态检验）
n1=size(x,2);%原始数据维数为m
m=n1-1;
r=zeros(1,m);
for i=1:m
r(i)=x(i+1)-x(i);
end
%r;
%median(r);%中值
%mean(r);%期望
%var(r);%方差
%range(r);%极差
%kurtosis(r);%峰度
%skewness(r);%偏度
mu=mean(r);%均值
rm=zeros(1,m-q+1);
for i=1:m-q+1
for j=i:i+q-1
rm(i)=rm(i)+r(j);
end
end
s1=0;s2=0;
for t=q:m
s1=s1+(x(1+t)-x(1+t-q)-q*mu)^2;
end
for t=1:m
s2=s2+(x(t+1)-x(t)-mu)^2;
end
me=q*(m-q+1)*(1-q/m);
vr_value=(s1/me)/(s2/(m-1));%vr_value为Lo & Mackinlay提出的方差比
fy1=2*(2*q-1)*(q-1)/(3*q*m);
z1=(vr_value-1)/sqrt(fy1);
%收益序列不存在时的方差比
fy2=0;
delta=zeros(1,q-1);
delta1=zeros(1,q-1);
s3=0;
for k=1:q-1
for l=k+1:m
delta1(k)=delta1(k)+(x(k+1)-x(k)-mu)^2*(x(1+l-k)-x(l-k)-mu)^2;
end
for t=1:m
s3=s3+(x(t+1)-x(t)-mu)^2;
end
delta(k)=delta1(k)/(s3)^2;
fy2=fy2+delta(k)*(2*(q-k)/q)^2;
end
z2=(vr_value-1)/sqrt(fy2);%收益序列是异方差时的方差比

可以用stata
1,findit lomackinlay(安装lomackinlay)
把你的数据copy到stata里同时copy一个数字序列就是1 2 3 4 ……(eg:变量名为var1)
2,然后把这个数字序列变量定义为time serials：tsset var1
3,lomackinlay var2, q(2 4 8 12 16)
就ok了

3# phx000
谢谢你！！！！

多谢，正好也在做有效性分析的文章，受用！

多谢！正好写这方面的论文。