Тест отношения дисперсий: случайное блуждание, горизонты и трейдинг

Пусть \(P_t\) — наблюдаемая цена, а \(x_t=\ln(P_t)\) — ее логарифм. Логарифмическая доходность за один период равна \(r_t=x_t-x_{t-1}\). Доходность за \(q\) периодов складывает \(q\) последовательных однопериодных доходностей. Если приращения не коррелируют и их дисперсия стабильна, дисперсия суммы растет пропорционально \(q\).

Популяционное отношение дисперсий равно:

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

При таком масштабировании дисперсии \(\operatorname{VR}(q)=1\). Процедура Lo–MacKinlay превращает эту связь в выборочную статистику и тест ограничения случайного блуждания. Единица — это эталон при некоррелированных приращениях, а не утверждение, что цены движутся плавно или предсказуемо. В первоначальном применении авторы отвергли спецификацию случайного блуждания на исторических данных рынка акций США, отдельно подчеркнув, что одного такого результата недостаточно для подтверждения модели возврата цен к среднему.

Для стационарных однопериодных доходностей с автокорреляцией \(\rho_j\) на лаге \(j\) то же популяционное отношение можно записать так:

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

Вес каждой автокорреляции уменьшается с ростом лага. Поэтому отношение суммирует взвешенные серийные корреляции вплоть до горизонта \(q-1\), а не совпадает с автокорреляцией на каком-то одном лаге.

Пусть при \(q=4\) гипотетический процесс доходностей имеет \(\rho_1=0.10\), \(\rho_2=0.04\) и \(\rho_3=0\). Тогда:

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

Значение выше единицы отражает положительную взвешенную зависимость на этих горизонтах. Если бы две первые автокорреляции составляли \(-0.10\) и \(-0.04\), а третья по-прежнему равнялась нулю, отношение было бы \(0.83\). Это гипотетические популяционные расчеты. Оценка по выборке может отличаться из-за случайности выборки, меняющейся волатильности и поправок оценивателя для конечной выборки.

Разные профили автокорреляции могут давать одинаковое отношение на одном горизонте. Положительные и отрицательные вклады могут компенсировать друг друга, поэтому точное значение один не означает, что все включенные автокорреляции равны нулю. Несколько заранее заданных горизонтов могут выявить другой профиль, но совместное тестирование результатов требует совместного вывода.

Обычно тест применяют к логарифмам цен с одинаковыми интервалами или к их первым разностям. Если используются дневные цены закрытия, \(q=5\) означает доходность за пять торговых сессий, а не за календарную неделю с другим числом сессий. Пропущенные сессии, ночные разрывы и нерегулярные временные метки меняют смысл «одного периода». Укажите торговый календарь и включают ли цены дивиденды или другие корпоративные события.

Использование простых доходностей вместо логарифмических — это выбор спецификации, а не безвредная смена обозначения на любом горизонте. Логарифмические доходности точно складываются во времени, простые — накапливаются через сложный процент. При небольших изменениях они могут быть численно близки, но выбранное определение должно соответствовать вопросу и оставаться единым в примере, оценивании и бэктесте. Не применяйте формулу к уровню цены как к ряду доходностей.

В большинстве реализаций строят перекрывающиеся доходности за \(q\) периодов, чтобы в оценке участвовало каждое доступное наблюдение. Это увеличивает число агрегированных наблюдений, но соседние окна включают многие одинаковые однопериодные доходности и потому зависимы. Стандартная ошибка теста учитывает такую конструкцию при принятых предположениях; если считать перекрывающиеся доходности независимыми, неопределенность будет занижена.

Пусть дисперсия доходности гипотетического актива за одну сессию равна \(0.0001\), что соответствует стандартному отклонению 1%. При некоррелированных приращениях дисперсия доходности за четыре сессии составит \(4\times0.0001=0.0004\), стандартное отклонение — 2%, а отношение — \(0.0004/(4\times0.0001)=1\).

Теперь предположим, что оцененная дисперсия за четыре сессии равна \(0.000468\), а оценка за одну сессию по-прежнему \(0.0001\). Выборочное отношение равно \(0.000468/(4\times0.0001)=1.17\). Этот расчет показывает, как соотносятся разбросы на выбранных горизонтах. Он не означает, что ожидаемая доходность выше на 17%, вероятность положительной доходности завтра больше на 17% или позиция на четыре сессии принесет ожидаемые 17%.

Для статистического вывода сравните оцененное отношение с распределением теста и оценкой неопределенности. Значение около единицы возможно, даже если другие свойства ценового процесса нарушают полную модель случайного блуждания. И наоборот, в короткой или зашумленной выборке оценка, отличающаяся от единицы, может статистически от нее не отличаться. Отдельно сообщайте оценку, статистику теста, p-значение и экономическую интерпретацию.

Классическая статистика Lo–MacKinlay при гомоскедастичности стандартизирует \(\widehat{\operatorname{VR}}(q)-1\) с помощью асимптотической дисперсии, выведенной при постоянной дисперсии приращений. Если условная волатильность доходностей меняется, такая стандартная ошибка может неверно оценивать размер теста. Lo и MacKinlay также разработали устойчивую к гетероскедастичности оценку дисперсии статистики отношения дисперсий.

У понятия «устойчивая к гетероскедастичности» есть конкретные границы: при предположениях теста вывод корректируется с учетом более широкого ряда изменений дисперсии доходности. Такой подход не исправляет неверный ценовой ряд, зависимость на всех возможных горизонтах, структурные сдвиги, устаревшие котировки или слишком короткую выборку. Если программа помечает варианты символами вроде \(Z\) и \(Z^*\), проверьте документацию: какая нулевая гипотеза и какая формула стандартной ошибки реализованы.

Исследование конечных выборок 1989 года показало, что качество зависит от выбранной нулевой и альтернативной гипотез; в рассмотренных симуляциях авторы сообщили о большей надежности при гетероскедастичной нулевой модели случайного блуждания, чем у ряда конкурирующих тестов. Это не универсальная гарантия для любой выборки и реализации. Для малой выборки может пригодиться bootstrap или другая процедура для конечной выборки, но схема повторной выборки тоже должна сохранять важные для вопроса особенности зависимости и волатильности.

Тест для одного \(q\) проверяет ограничение масштабирования дисперсии на одном выбранном горизонте. Если \(q\) выбрали после просмотра многих горизонтов, сообщаемое p-значение не учитывает этот поиск. Перебор \(q=2,4,8,16\) с выделением только самого значимого результата увеличивает вероятность ложноположительного вывода.

Совместная процедура для отношений дисперсий проверяет заранее заданный набор горизонтов и корректирует решение с учетом множественных сравнений. Chow и Denning разработали такой подход, поскольку многократное тестирование отдельных отношений без поправки может сильно увеличить общую вероятность ошибки первого рода. Совместный результат относится к проверенному набору горизонтов и не объясняет, какой лаг, механизм или участник рынка вызвал отклонение.

Выбирайте горизонты исходя из частоты наблюдений и исследовательского вопроса. Сравнение одного дня, недели и месяца может быть полезным, но информационный набор и структура перекрывающихся доходностей для каждого горизонта различаются. Сообщайте весь набор проверок, а не только наиболее удобный горизонт, и различайте разведочный поиск и подтверждающий тест.

Оценка выше единицы согласуется с положительной взвешенной серийной зависимостью на выбранных лагах, ниже единицы — с отрицательной. Ни тот ни другой знак сам по себе не позволяет однозначно установить моментум, возврат к среднему, задержку ценовой корректировки, влияние запасов, эффект bid–ask bounce, несинхронную торговлю или процесс волатильности.

В частности, \(\operatorname{VR}(q)<1\) не доказывает стационарность уровня цены. На отдельном горизонте отношение может быть ниже единицы, хотя в ряде сохраняется стохастический тренд. И наоборот, отклонение ограничения случайного блуждания не доказывает стационарную альтернативу с возвратом к среднему. Lo и MacKinlay прямо отмечали, что их отклонение модели на изученных данных акций не подтверждало такого вывода.

Вывод зависит и от того, что именно тестируется: доходность, логарифм цены, избыточная доходность или иной преобразованный ряд. Результат для дневных доходностей от закрытия до закрытия нельзя автоматически переносить на внутридневные котировки или другой набор активов. Точно укажите объект и ограничьте интерпретацию.

Эффект bid–ask bounce может создавать отрицательную зависимость на коротком горизонте в доходностях по ценам сделок, даже если более медленный процесс экономической стоимости не разворачивается. Цены малоликвидных бумаг могут обновляться несинхронно, а цены закрытия на разных площадках отражают разные информационные окна. Это сильнее всего может влиять на самые короткие горизонты. Прежде чем называть результат рыночной аномалией, проверьте качество котировок, торговую активность, синхронизацию временных меток и чувствительность к более редким наблюдениям.

Кластеризация волатильности влияет на стандартные ошибки, даже если у знаков доходности или уровней нет устойчивой направленной закономерности. Структурные изменения среднего, волатильности, часов торгов или состава рынка могут смешать разные режимы в одном отношении по всей выборке. Проверяйте устойчивость на подвыборках, не выбирая только окно, подтверждающее предпочтительную интерпретацию.

Поиск по активам, частотам, горизонтам, фильтрам и начальным или конечным датам выборки создает еще одну проблему — выбор по шуму. Статистически необычное отношение, найденное после широкого поиска, уже не является нетронутым тестом гипотезы. Заранее задайте основной горизонт или используйте подходящий совместный тест либо метод повторной выборки, а затем проверьте найденный результат на более поздних хронологических данных.

Тест суммирует изменчивость доходностей на разных горизонтах. Он не задает направление, вход, выход, стоп-приказ, размер позиции, срок удержания или наличие сигнала до исполнения. Даже устойчивой зависимости может быть недостаточно для покрытия комиссий, спреда, рыночного воздействия, финансирования, платы за заем и оборота.

В торговом исследовании определите сигнал и момент принятия решения до просмотра будущих доходностей. Оцените параметры на обучающем интервале, зафиксируйте их и проверьте на последующих наблюдениях. Если результат найден после перебора активов или горизонтов, оставьте действительно нетронутый тестовый период либо примените метод, учитывающий этот поиск. Сравнивайте результаты после затрат с базовой стратегией и моделируйте реалистичное исполнение, а не только теоретическую доходность.

Используйте отношение дисперсий как один из диагностических инструментов наряду с графиками, проверками автокорреляции, тестами единичного корня и анализом стабильности. Отклонение масштабирования может стать поводом для более конкретной модели, которой нужны собственные предположения и вневыборочные доказательства. Тест кратко описывает ограничение на момент, а не доказывает наличие преимущества.

Опишите определение цены, преобразование доходностей, частоту наблюдений, даты выборки, число пригодных наблюдений и перекрываются ли доходности. Сообщите каждый проверенный горизонт \(q\), выборочное отношение дисперсий, вариант стандартной ошибки, статистику теста, p-значение, уровень значимости и поправку для совместной проверки нескольких горизонтов.

Объясните, как обрабатывались пропуски, корпоративные действия, закрытия рынков и временные метки. Укажите, менялся ли результат при устойчивом к волатильности выводе, bootstrap, разбиении на периоды или другой частоте наблюдений. В торговом приложении отделите статистическую выборку от периода оценки, раскройте затраты, время исполнения, правила выбора и все проверенные активы и горизонты.

Lo и MacKinlay представляют тест спецификации отношения дисперсий и исследуют его размер и мощность на конечных выборках. Chow и Denning объясняют, почему проверка нескольких отношений дисперсий требует совместного контроля размера90051-6). См. также руководства о стационарности и единичных корнях, коинтеграции Engle–Granger и тесте ранга коинтеграции Johansen.