Читать диплом по менеджменту: "Процедуры для проверки многих гипотез о симметрии знаков доходностей на рынке" Страница 1

(Назад) (Cкачать работу)

Оглавление Введение

Глава 1. Постановка задачи работы

Глава 2. Класс элептических распределений

Глава 3. Процедура Холма

Глава 4. Несмещенность и тест структуры Неймана

Глава 5. Построение индивидуальных гипотез и индивидуального теста

Глава 6. Построение теста для одновременной проверки многих гипотез о симметрии знаков доходностей на рынке

Глава 7. Экспериментальные результаты. Анализ полученных результатов

7.1 Американский фондовый рынок

.2 Российский фондовый рынок

Заключение

Список использованной литературы

Приложения Введение Многомерное нормальное распределение долгое время служит в качестве стандартной модели для статистического анализа многомерных наблюдений. В частности, нормальное распределение используется для моделирования распределения доходностей акций фондового рынка. Вместе с тем, реальные наблюдения показывают, что "хвосты" распределения доходностей являются более тяжелыми, чем это предусмотрено гаусовской моделью. Поэтому в качестве модели распределения доходностей используются и другие распределения, такие как многомерное распределение Стьюдента, многомерное распределение Коши [1].

Многие из этих распределений относятся к классу распределений, плотности которых постоянны на многомерных элипсоидах. Этот класс включает в себя, в частности, многомерное нормальное распределение, многомерное распределение Стьюдента, многомерное распределение Коши, многомерное распределение Лапласа, а так же и некоторые другие устойчивые распределения.

С другой стороны в [2] было показано, что распределение доходностей акций фондового рынка, вообще говоря, не относится к классу элептических. Однако, это не исключает возможность выполнения некоторых свойств данного класса распределений, полезных при построении соответствующих статистических процедур. Такие процедуры зависят от способа анализа фондового рынка как сложной многомерной системы. Одно из таких направлений анализа связано с использованием сетевых моделей. Этот подход предполагает визуализацию фондового рынка с помощью представления характеристик акций (доходность, объем продаж, ликвидность и т.д.) как вершин, соединенных ребрами, веса которых пропорциональны некоторой мере связи между поведением характеристик акций. Обычно в качестве меры связи между вершинами графа используется коэффициент корреляции Пирсона [3], [4], [5], [6]. Как правило такие полные взвешенные графы получаются очень большими, что затрудняет их анализ. Общепринятым подходом является идентификация некоторых сетевых структур, которые содержат максимально возможную информацию о всей сети. Одной из таких структур является граф рынка, или отсеченный граф, предложенный в [4]. Схема построения графа рынка сводится к построению простого подграфа полного взвешенного графа, в котором оставляются только те ребра, вес которых больше заданного порога.

Реально построение графа рынка осуществляется на основе наблюдений. В настоящей работе предполагается, что эти наблюдения являются выборкой из распределения случайного вектора, который описывает вершины графа. Поэтому такие процедуры должны рассматриваться как статистические процедуры выбора одного из многих решений. Известно, что статистические процедуры,

Похожие работы