金融市场的波动充满不确定性。投资者希望预测价格走势。统计学提供了重要工具。股票价格每日变化。这些变化构成数据序列。时间序列分析研究这种数据。我们可以计算股票收益率。收益率是今日价格与昨日价格的比较。收益率为正表示上涨。收益率为负表示下跌。许多因素影响收益率。公司新闻影响股价。经济政策影响股价。国际事件也影响股价。这些因素难以全部量化。统计学寻找历史规律。

历史数据包含信息。我们收集一只股票过去一年的每日收盘价。收盘价是交易日最后的价格。我们得到大约250个数字。这些数字形成一条曲线。曲线有时上升有时下降。直接观察曲线很难发现规律。我们计算每日对数收益率。具体公式是今日收盘价除以昨日收盘价然后取自然对数。这个数字表示单日涨幅。对数收益率有优点。它将乘法关系变为加法关系。这方便后续计算。

收益率序列看似随机。我们检查它的分布。首先计算平均收益率。平均收益率通常接近零但略微为正。长期来看股票市场有正回报。然后计算收益率的标准差。标准差衡量波动大小。标准差大代表价格波动剧烈。金融风险与标准差密切相关。观察收益率分布的形状。正态分布是对称的钟形曲线。实际收益率分布常常不是正态分布。它的两端尾部更厚。这意味着极端涨跌出现的概率比正态分布预测的更高。这个现象叫尖峰厚尾。2008年金融危机时很多股票单日暴跌超过10%。正态分布认为这种事件概率极低。实际金融市场这种事件几十年会发生几次。

我们想预测未来波动。波动有聚集现象。大涨之后常跟着大涨或大跌。大跌之后也常跟着大幅波动。平静时期之后常继续平静。这个现象叫波动率聚集。ARCH模型描述这种现象。模型思想是今日波动性与过去几日收益率平方有关。如果前几天收益率绝对值很大模型预测今日波动也会大。GARCH模型是ARCH模型的扩展。GARCH模型认为波动性有长期平均水平。当前波动性会向长期水平回归。这些模型用于估计条件方差。条件方差是基于过去信息对未来波动的估计。

风险管理需要这些模型。银行持有大量金融资产。资产价格波动影响银行资本。监管要求银行计算在险价值。在险价值表示一定置信水平下最大可能损失。例如95%置信度的每日在险价值。这意味着明天损失超过这个数字的概率只有5%。计算在险价值需要估计收益率分布。单纯用历史标准差可能低估风险。因为极端事件发生在尾部。厚尾分布必须考虑。历史模拟法是一种简单方法。它直接使用过去一段时间的收益率数据。找出该时间段内第五糟糕的收益率作为95%置信度的在险价值估计。但历史可能不会简单重复。

另一个重要概念是相关性。投资组合包含多种资产。组合风险不仅取决于单个资产风险。还取决于资产之间的相关性。相关性衡量两个资产价格运动的同步程度。相关性为1表示完全同向运动。相关性为-1表示完全反向运动。相关性为0表示没有线性关系。分散化投资利用低相关性降低整体风险。计算相关性需要历史收益率数据。但相关性不是固定不变的。市场危机时相关性经常上升。这导致分散化效果在危机时减弱。2008年许多不同类型资产同时下跌。动态相关性模型捕捉这种变化。DCC-GARCH模型允许时变的相关性。它更真实反映市场关系。

统计学帮助检验市场有效性。有效市场假说认为价格反映所有可得信息。技术分析无法持续获得超额收益。检验方法是看收益率是否可预测。如果历史收益率能预测未来收益率则市场无效。研究者进行自相关检验。自相关检查今天收益率与昨天收益率是否有关系。如果存在显著自相关则可能存在预测模式。大量实证研究发现股票收益率自相关很弱。这支持了市场有效性。但波动率存在显著自相关。波动率比收益率更容易预测。这对期权定价很重要。期权价值取决于标的资产波动率。

线性回归分析资产定价因素。资本资产定价模型认为股票收益率与市场收益率有关。市场收益率是整个股票市场的平均收益率。该模型用贝塔系数衡量股票对市场的敏感度。贝塔大于1表示股票波动大于市场。贝塔小于1表示股票波动小于市场。我们可以用历史数据回归估计贝塔。具体是将股票收益率对市场收益率做线性回归。回归系数就是贝塔估计值。回归的R平方表示市场因素解释了多少股票波动。通常R平方不会太高。因为还有许多其他因素。

多因子模型加入更多解释变量。常见因子包括公司规模。小公司股票平均收益高于大公司股票。账面市值比也是一个因子。高账面市值比公司股票平均收益更高。这些因子来自长期实证研究。法玛-弗伦奇三因子模型包含市场因子、规模因子和价值因子。该模型能解释大部分股票收益差异。回归分析检验这些因子是否显著。显著性检验使用t统计量。t统计量是系数估计值除以标准误。如果t统计量绝对值大于2我们通常认为因子显著。p值给出犯错的概率。p值小于0.05表示结果统计显著。

统计学处理金融数据的挑战很多。金融数据存在异常值。异常值是远离其他数据点的极端值。这些值可能来自数据错误也可能来自真实市场事件。异常值影响回归结果。稳健统计方法降低异常值影响。中位数比平均数更稳健。金融时间序列存在结构性变化。市场制度可能改变。过去的关系未来可能不成立。这导致模型预测失败。样本外测试检查模型效果。样本外测试使用未参与建模的数据进行预测。样本外表现好说明模型稳健。

高频交易产生海量数据。这些数据是分笔交易数据。每秒钟可能有成千上万条记录。分析高频数据需要不同方法。已实现波动率直接加总日内平方收益率。它比日数据更准确估计真实波动率。微观结构噪声影响高频数据。买卖价差导致观测价格偏离真实价格。噪声会扭曲统计量。需要特殊方法滤除噪声。

机器学习方法进入金融统计学。神经网络可以识别复杂非线性关系。支持向量机用于分类预测涨跌。树模型如随机森林处理高维数据。这些方法不依赖严格的统计假设。它们从数据中自动学习模式。过拟合是主要风险。模型过度适应历史数据中的随机噪声。这导致样本外预测能力差。交叉验证防止过拟合。交叉验证将数据分成多份。轮流用一部分训练用剩余部分测试。模型复杂度需要控制。

金融统计服务于实际决策。量化交易策略基于统计模型。策略信号来自模型预测。回测检验策略历史表现。回测需要避免数据窥探偏差。数据窥探偏差是过度优化参数以适应历史数据。这会产生虚假的优秀回测结果。实盘表现往往差于回测。统计可以帮助评估策略稳定性。夏普比率衡量风险调整后收益。夏普比率是超额收益除以波动率。更高的夏普比率表示更好的绩效。

普通投资者也能使用简单统计。定投策略不需要预测市场。定期投资固定金额。市场低位时买入更多份额。市场高位时买入较少份额。长期来看成本被平均。统计证明定投能降低风险。投资者应关注费用。费用长期复利影响巨大。费用是确定的成本。收益是不确定的。降低费用直接增加净回报。资产配置决定大部分投资回报。统计研究显示股票长期回报高于债券。债券波动低于股票。不同年龄配置不同比例。年轻人可以承担更多股票风险。临近退休应增加债券比例。

金融数据不断产生。统计工具持续发展。核心目标是理解风险与收益的关系。没有模型完美预测市场。统计提供概率框架。它帮助我们在不确定中做出更明智的决策。