Variantieratiotoets: random walks, horizons en trading

Neem een waargenomen prijs \(P_t\) en de logprijs \(x_t=\ln(P_t)\). Het logrendement over één periode is \(r_t=x_t-x_{t-1}\). Een logrendement over \(q\) perioden telt \(q\) opeenvolgende eenperiode-rendementen op. Als deze toenames ongecorreleerd zijn en een stabiele variantie hebben, groeit de variantie van de som evenredig met \(q\).

De populatievariantieratio is

\[ \operatorname{VR}(q)=\frac{\operatorname{Var}(r_t+r_{t-1}+\cdots+r_{t-q+1})}{q\operatorname{Var}(r_t)}. \]

Onder deze variantieschalingsvoorwaarde geldt \(\operatorname{VR}(q)=1\). De procedure van Lo–MacKinlay zet dit verband om in een steekproefstatistiek en een toets van de randomwalkrestrictie. Eén is de referentiewaarde bij ongecorreleerde toenames; het betekent niet dat prijzen vloeiend of voorspelbaar zijn. In hun oorspronkelijke toepassing verwierpen de auteurs de randomwalkspecificatie voor historische Amerikaanse aandelengegevens. Ze benadrukten echter dat die verwerping op zichzelf geen mean-reverting prijsmodel aantoonde.

Voor stationaire rendementen van één periode met autocorrelatie \(\rho_j\) op lag \(j\) kan dezelfde populatieratio worden geschreven als

\[ \operatorname{VR}(q)=1+2\sum_{j=1}^{q-1}\left(1-\frac{j}{q}\right)\rho_j. \]

Elke autocorrelatie krijgt een kleiner gewicht naarmate de lag groter is. De ratio vat dus een gewogen verzameling seriële correlaties samen tot en met horizon \(q-1\); hij is niet gelijk aan de autocorrelatie op één bepaalde lag.

Stel voor \(q=4\) dat een hypothetisch rendementsproces \(\rho_1=0.10\), \(\rho_2=0.04\) en \(\rho_3=0\) heeft. Dan is

\[ \operatorname{VR}(4)=1+2\left(\frac{3}{4}\times0.10+\frac{2}{4}\times0.04\right)=1.17. \]

De waarde boven één weerspiegelt positieve gewogen afhankelijkheid over die horizons. Als de eerste twee autocorrelaties \(-0.10\) en \(-0.04\) waren en de derde nog steeds nul, zou de ratio \(0.83\) zijn. Dit zijn hypothetische populatieberekeningen. Een waargenomen steekproefschatting kan afwijken door steekproefvariatie, veranderende volatiliteit en correcties van de schatter voor eindige steekproeven.

Verschillende autocorrelatiepatronen kunnen op één horizon dezelfde ratio opleveren. Positieve en negatieve bijdragen kunnen elkaar opheffen; een ratio van precies één vereist dus niet dat elke opgenomen autocorrelatie nul is. Meerdere vooraf gekozen horizons kunnen een ander patroon laten zien, maar als je de uitkomsten samen toetst, is ook gezamenlijke inferentie nodig.

De toets wordt meestal toegepast op logprijzen met gelijke tussenpozen of op hun eerste verschillen. Bij dagelijkse slotkoersen gaat \(q=5\) over een rendement van vijf handelssessies, niet over een kalenderweek met een ander aantal handelssessies. Gemiste sessies, sprongen tussen handelsdagen en onregelmatige tijdstempels veranderen de betekenis van “één periode”. Vermeld de marktkalender en of uitkeringen of andere bedrijfsacties in de prijzen zijn verwerkt.

Eenvoudige rendementen gebruiken in plaats van logrendementen is een modelkeuze, geen onschuldige hernoeming voor iedere horizon. Logrendementen tellen exact op over de tijd; eenvoudige rendementen worden samengesteld. Bij kleine bewegingen kunnen ze numeriek dicht bij elkaar liggen, maar de gekozen definitie moet passen bij de vraag en consistent zijn in voorbeeld, schatting en backtest. Pas de formule niet toe op een prijsniveau alsof dat een rendementsreeks is.

De meeste implementaties maken overlappende rendementen over \(q\) perioden, zodat elke beschikbare waarneming bijdraagt aan de schatting. Daardoor zijn er meer geaggregeerde waarnemingen, maar aangrenzende vensters delen veel eenperiode-rendementen en zijn ze niet onafhankelijk. De standaardfout van de toets houdt onder de aangenomen voorwaarden rekening met deze constructie; overlappende rendementen als onafhankelijk behandelen zou de onzekerheid onderschatten.

Stel dat de variantie van het rendement over één sessie voor een hypothetisch actief \(0.0001\) is, overeenkomend met een standaardafwijking van 1% per sessie. Bij ongecorreleerde toenames is de variantie over vier sessies \(4\times0.0001=0.0004\), de standaardafwijking 2% en de ratio \(0.0004/(4\times0.0001)=1\).

Stel nu dat de geschatte variantie over vier sessies \(0.000468\) is, terwijl de schatting voor één sessie \(0.0001\) blijft. De steekproefratio is dan \(0.000468/(4\times0.0001)=1.17\). Die berekening beschrijft hoe de spreiding over de gekozen horizons zich verhoudt. Ze betekent niet dat het verwachte rendement 17% hoger is, dat het volgende rendement 17% meer kans heeft om positief te zijn of dat een positie van vier sessies een verwacht rendement van 17% heeft.

Voor een statistische conclusie vergelijk je de geschatte ratio met de toetsverdeling en de onzekerheidsmaat. Een ratio dicht bij één is mogelijk terwijl andere aspecten van het prijsproces niet aan een volledig randomwalkmodel voldoen. Omgekeerd kan een ratio die afwijkt van één in een korte of ruisrijke steekproef statistisch niet van één te onderscheiden zijn. Houd de schatting, toetsingsgrootheid, p-waarde en economische interpretatie uit elkaar.

De klassieke homoskedastische statistiek van Lo–MacKinlay standaardiseert \(\widehat{\operatorname{VR}}(q)-1\) met een asymptotische variantie die is afgeleid onder de aanname van toenames met constante variantie. Als de conditionele volatiliteit van rendementen verandert, kan die standaardfout de toetsgrootte verkeerd weergeven. Lo en MacKinlay ontwikkelen ook een heteroskedasticiteitsconsistente variantieschatter voor de variantieratiostatistiek.

“Heteroskedasticiteitsconsistent” heeft een specifieke reikwijdte: onder de aannames van de toets past de methode de inferentie aan op een ruimer patroon van veranderende rendementsvariantie. Ze herstelt geen verkeerde prijsreeks, afhankelijkheid op elke denkbare horizon, structurele breuken, verouderde koersen of een te korte steekproef. Sommige software gebruikt symbolen als \(Z\) en \(Z^*\) voor de twee varianten; raadpleeg de documentatie om na te gaan welke nulhypothese en standaardfoutformule worden toegepast.

Het onderzoek uit 1989 naar eindige steekproeven vond dat de prestaties afhangen van de onderzochte nul- en alternatieve hypothese. In de onderzochte simulaties rapporteerde het onder een heteroskedastische randomwalknul een betere betrouwbaarheid dan sommige concurrerende toetsen. Dat is geen universele garantie voor elke steekproef of implementatie. Bij een kleine steekproef kan een bootstrap of andere procedure voor eindige steekproeven nuttig zijn, maar ook het resamplingontwerp moet de voor de vraag relevante afhankelijkheids- en volatiliteitskenmerken behouden.

Een toets met één \(q\) vraagt of de variantieschalingsrestrictie geldt op één gekozen horizon. Als \(q\) pas is gekozen na het bekijken van veel horizons, houdt de gerapporteerde p-waarde geen rekening met die zoekactie. \(q=2,4,8,16\) uitproberen en alleen de meest significante uitkomst benadrukken verhoogt de kans op een vals positief resultaat.

Een gezamenlijke variantieratioprocedure toetst een vooraf bepaalde verzameling horizons tegelijk en past de beslissing aan voor meervoudige vergelijkingen. Chow en Denning ontwikkelden zo'n meervoudige toets omdat veel afzonderlijke variantieratio's als niet-aangepaste beslissingen behandelen de totale kans op een type-I-fout sterk kan vergroten. De gezamenlijke uitkomst gaat over de getoetste verzameling horizons; ze verklaart niet welke lag, welk mechanisme of welke marktpartij de afwijking heeft veroorzaakt.

Kies horizons op basis van de meetfrequentie en onderzoeksvraag. Een vergelijking over één dag, één week en één maand kan nuttig zijn, maar elk heeft een andere informatieset en structuur van overlappende rendementen. Rapporteer de volledige getoetste verzameling, niet alleen de gunstigste horizon, en maak onderscheid tussen een verkennende scan en een bevestigende toets.

Een schatting boven één past bij positieve gewogen seriële afhankelijkheid over de gekozen lags. Een waarde onder één past bij negatieve gewogen afhankelijkheid over die lags. Geen van beide tekens identificeert op zichzelf momentum, mean reversion, vertraagde prijsvorming, voorraadeffecten, bid-laatbounce, niet-synchrone handel of een volatiliteitsproces.

In het bijzonder bewijst \(\operatorname{VR}(q)<1\) niet dat het prijsniveau stationair is. Een reeks kan op een bepaalde horizon een ratio onder één hebben en toch een stochastische trend bevatten. Omgekeerd bewijst verwerping van een randomwalkrestrictie op zichzelf geen stationair alternatief met mean reversion. Lo en MacKinlay benadrukten expliciet dat hun verwerping in de onderzochte aandelengegevens die conclusie niet ondersteunde.

De inferentie hangt er ook van af of je rendementen, logprijzen, excessrendementen of een andere getransformeerde reeks toetst. Een resultaat voor dagelijkse rendementen van slot tot slot zegt niet automatisch iets over intradaykoersen of een andere activaset. Benoem het onderzochte object en beperk de interpretatie dienovereenkomstig.

Bid-laatbounce kan op korte horizon negatieve afhankelijkheid veroorzaken in rendementen op basis van transactieprijzen, ook als een langzamer proces van economische waarde niet omkeert. Illiquide effecten kunnen asynchroon worden bijgewerkt en slotkoersen kunnen voor verschillende handelsplaatsen andere informatievensters vastleggen. Dit speelt vaak het sterkst op de kortste horizons. Controleer koerskwaliteit, handelsactiviteit, tijdstempeluitlijning en gevoeligheid voor een trager meetinterval voordat je het patroon een marktanomalie noemt.

Volatiliteitsclustering beïnvloedt de standaardfouten ook wanneer tekens of niveaus van rendementen geen stabiel richtingspatroon hebben. Een structurele verandering in gemiddelde, volatiliteit, handelstijden of marktsamenstelling kan ervoor zorgen dat één ratio over de hele steekproef verschillende regimes mengt. Onderzoek de stabiliteit van deelperioden zonder alleen het venster te kiezen dat de gewenste interpretatie ondersteunt.

Zoeken over activa, frequenties, horizons, filters en einddatums van de steekproef creëert nog een probleem: selectie op ruis. Een statistisch ongebruikelijke variantieratio die na een brede zoekactie wordt gevonden, is geen onbeïnvloede hypothesetoets. Leg vooraf een primaire horizon vast of gebruik een geschikte gezamenlijke of resamplingmethode en valideer een ontdekt patroon met latere chronologische gegevens.

De variantieratiotoets vat de variabiliteit van rendementen over horizons samen. Ze specificeert geen richting, instap, uitstap, stop, positiegrootte, houdperiode of beschikbaarheid van het signaal vóór uitvoering. Zelfs een stabiel afhankelijkheidspatroon kan te klein zijn om kosten, spread, marktimpact, financiering, leenvergoeding en omzet te overtreffen.

Definieer voor een handelsstudie het signaal en het beslismoment voordat je toekomstige rendementen bekijkt. Schat parameters op een vormingsperiode, zet ze vast en beoordeel latere waarnemingen. Als de uitkomst is ontdekt na tests op veel effecten of horizons, houd dan een echt onaangeroerde testperiode apart of gebruik een methode die rekening houdt met de zoekactie. Vergelijk resultaten na kosten met een referentie en verwerk realistische uitvoeringen, niet alleen theoretische rendementsvoorspellingen.

Gebruik de variantieratio als diagnostiek naast grafieken, autocorrelatiecontroles, eenheidsworteltoetsen en stabiliteitsanalyse. Een afwijking van variantieschaling kan aanleiding geven tot een specifieker model, maar dat model heeft eigen aannames en out-of-samplebewijs nodig. De toets beschrijft compact een momentrestrictie en bewijst niet dat er een handelsvoordeel bestaat.

Vermeld de prijsdefinitie, rendementsbewerking, waarnemingsfrequentie, steekproefdatums, het aantal bruikbare waarnemingen en of rendementen overlappen. Rapporteer elke getoetste horizon \(q\), de steekproefvariantieratio, de gebruikte standaardfoutvariant, toetsingsgrootheid, p-waarde, significantieniveau en eventuele gezamenlijke correctie voor meerdere horizons.

Leg uit hoe ontbrekende waarnemingen, bedrijfsacties, marktsluitingen en tijdstempels zijn verwerkt. Vermeld of volatiliteitsrobuuste inferentie, een bootstrap, deelperioden of andere meetintervallen de uitkomst veranderden. Scheid voor een handelstoepassing de statistische steekproef van de evaluatieperiode en vermeld kosten, uitvoeringstiming, selectieregels en alle geteste activa en horizons.

Lo en MacKinlay introduceren de variantieratio-specificatietoets en onderzoeken de toetsgrootte en het onderscheidend vermogen in eindige steekproeven. Chow en Denning leggen uit waarom toetsen van meerdere variantieratio's gezamenlijke beheersing van de toetsgrootte vereisen90051-6). Bekijk voor verwante begrippen de gidsen over stationariteit en eenheidswortels, Engle–Granger-cointegratie en de Johansen-toets voor cointegratierang.