一个投资例子解决对统计量、估计量、抽样分布、标准误差等概念感到模糊的问题

最新推荐文章于 2024-10-11 17:04:33 发布

Coleyyh

最新推荐文章于 2024-10-11 17:04:33 发布

阅读量363

点赞数 4

文章标签：学习金融

本文链接：https://blog.csdn.net/Coleyyh/article/details/127425864

版权

我想用一个例子来说明我想讲的内容。首先，我们先假设这样一个情况，假设我们知道股票收益率的总体，就是股票收益率只会出现下面几种情况。（图1）

股票收益率的总体（图 1）
收益率r	1%	2%	3%	4%
发生概率p	0.25	0.25	0.25	0.25

这个时候我们能求出总体的数字特征。

$E(r)=\sum pr=2.5%=\mu$

$D(r)=\sum [p(r-\mu)^{^{2}}]=5=\sigma ^{2}$

$SD(r)=\sqrt{D(r)}=\sqrt{5}%$

总体的标准差表达的意思是，任意抽取一支股票，偏离我们所期望的收益率一个偏差单位。

如果我们手里现在有n只股票，可以认为这n支股票是在股票总体里独立重复随机抽取n次获得的。每只股票的收益率定义为 $r_{i}(i=1,2,3,4,5,...,n)$ 。数字特征如下。因为样本是在总体中抽取出来的，所以自然有样本分布服从总体分布。

$E(r_{i})=E(r)=\mu$

$D(r_{i})=D(r)=\sigma ^{2}$

$SD(r_i)=\sqrt{D(r_i)}$

现在我们来分析我们手里的股票，假设我手里现在有m组风险资产组合（假设组合里只有股票，且都是这个总体里的股票），每组资产组合有n支股票。

这m组资产组合中，通过每组组合，我们都能得到一个样本均值 $\bar{r}$ ，它组合中每支股票的平均收益率。它是一个由样本值得到的一个函数，这样的函数叫做统计量，我们现在来分析一下这个统计量的一些性质。

首先，这个统计量是总体期望的无偏估计量，证明如下。实际上，我们用矩估方法估计总体期望，得到的也是样本均值这个统计量。

$E(\bar{r})=E(\frac{1}{n}\sum r_{i})=\frac{1}{n}\sum E(r_i)=\frac{1}{n}n\mu=\mu$

我们可以得到m组样本均值，因为我们有m组资产组合，那我们可以得到m个样本均值。通过这些样本均值，我们可以得到它的数字特征，即它的分布我们也可以描述出来，我们称这种多组抽样得到的统计量的分布为抽样分布。

我们通过数理分析，来分析样本均值的分布（从数字特征入手）。在刚才，我们知道了样本均值的期望。接下来，我们处理方差、标准差问题。

$D(\bar{r})=D(\frac{1}{n}\sum r_i)=\frac{1}{n^{2}}D(\sum r_i)=\frac{1}{n^2}\sum D(r_i)=\frac{n\sigma ^2}{n^2}=\frac{\sigma ^2}{n}$

$SD(\bar{r})=\sqrt{D(\bar{r})}=\frac{\sigma }{\sqrt{n}}$

以上，我们得到了投资组合的每支股票收益率均值的数字特征。

要注意的是，这些特征讨论的是样本统计量的分布，其中的SD我们可以认为是样本值对样本均值具有的一个偏差单位，同时样本均值也是总体期望的一个估计量，这也是对总体期望的偏差。我们定义样本的这个偏差为标准误差，它衡量了样本值的离散程度。从这里我们可以理解，当我们做回归的时候，SRF被解释变量系数的标准误差也就是它的一个标准差，因为这个系数也是由样本值得到的一个函数，且这个系数是总体回归模型中被解释变量系数的无偏估计量，所以这个标准误差也可以描述由样本得到的系数与PRF系数的一个偏差单位。标准误差英文是Standard Error，我们可以用SE来表示。

接下来，我们创造问题，解决问题。我们思考m组风险资产组合的每组收益率问题。由上面的讨论，我们能得到每一组资产组合中每只股票平均收益率，那么每个组合的总收益率是 $n\bar{r}$ 。我们定义它为 $R$ 。我们来讨论一下这个抽样分布。