금융에서 p-value와 통계적 유의성

결과를 보기 전에 귀무·대립가설, 검정통계량, 표본모형, 중단규칙, 단측·양측 방향과 유의수준을 정합니다

귀무가설은 흔히 효과 없음이나 기준값을 나타내지만 추정해야 하는 방해모수를 포함한 복합가설일 수도 있습니다

자료를 본 뒤 자산군, 기간, 통제변수, 이상치 규칙이나 검정을 바꾸면 해석하는 p-value의 실험 자체가 달라집니다

귀무가설 아래 검정통계량은 기준분포를 가지며 p-value는 관측통계량이 관련 꼬리로 얼마나 멀리 갔는지 측정합니다

작은 값은 자료와 완전한 귀무모형 설정이 양립하기 어렵다는 뜻이지 어떤 가정이 틀렸거나 대립가설이 참이라는 뜻은 아닙니다

종속성, 두꺼운 꼬리, 이분산성, 자료 오류나 선택과정을 잘못 지정하면 기준분포와 p-value가 무효가 될 수 있습니다

사전에 정한 수준 α는 가정 아래 참인 귀무가설을 기각할 확률을 제한하며 발표된 주장 중 거짓 비율을 뜻하지 않습니다

제1종 오류는 참 귀무가설의 잘못된 기각, 제2종 오류는 거짓 귀무가설의 기각 실패이며 검정력은 특정 대립가설에서 기각할 확률입니다

기각하지 못했다고 효과가 없다는 증거는 아니며 경제적으로 중요한 효과에 대한 검정력이 낮을 때 특히 그렇습니다

큰 표본은 아주 작은 효과도 유의하게 만들고 잡음이 큰 작은 표본은 중요할 만큼 큰 효과를 놓칠 수 있습니다

p-value와 함께 효과 추정치, 구간, 단위, 거래비용, 수용력과 실무적 판단 문턱을 보고해야 합니다

0.05 바로 위와 아래의 결과는 대체로 비슷한 증거를 주며 그 경계를 진실의 스위치로 만들면 정보를 버리게 됩니다

임의중단, 여러 설정 시도, 관측 제거, 결과변수 변경, 성공한 검정만 발표하는 행위는 거짓양성의 작동방식을 바꿉니다

명목 p-value는 사전에 정당하게 선언한 순차규칙이나 보정을 포함해 그 값을 만든 전체 분석경로에 대해서만 유효합니다

사전등록, 전체 연구기록, 다중우주 분석, 손대지 않은 유보자료와 재현은 민감도를 드러내지만 잘못된 모형을 고치지는 못합니다

수익률에는 자기상관, 횡단면 종속, 이분산성, 중첩과 생존한 자산군을 선택한 조건부 구조가 있을 수 있습니다

단순 iid 표준오차는 t통계량을 부풀리고 반복되는 팩터 발굴과 백테스트는 훨씬 큰 숨은 검정 집합을 만듭니다

시계열 구조에 맞는 표준오차와 재표본법을 사용하고 국면, 자산, 비용, 지연과 실전자료에서 안정성을 확인합니다

p-value를 효과크기, 불확실성, 사전증거, 경제적 기제, 예측성과와 의사결정 비용 가운데 하나의 연속적 진단으로 다룹니다

거짓 거래신호, 놓친 위험노출, 불안정한 헤지, 경제가치 없는 모형의 승격 중 어떤 오류가 중요한지 먼저 정합니다

전체 분석군과 실패한 재현을 공개해야 선택된 유의한 결과 하나가 연구 전체의 증거로 오인되지 않습니다