我國上市公司凈資產(chǎn)收益率分布實證分析-文庫吧資料
2025-07-05 13:36本頁面
【正文】 種費用，甚至于一部分已提費用可以轉(zhuǎn)回沖減相應(yīng)費用，從而會增大第二年利潤。這種情況對樣本中異常點的影響較大，從而可能由于少數(shù)異常點影響了樣本總體檢驗的可靠性。上市公司財務(wù)報表真實性。6凈資產(chǎn)收益率偏離正態(tài)分布的原因我們通過上述的檢驗，可以判斷電子通訊行業(yè)凈資產(chǎn)收益率近似的服從正態(tài)分布，但有一定程度的偏離。查表得顯著性水平α=，N＝，因而說明凈資產(chǎn)收益率服從正態(tài)分布。如果樣本符合正態(tài)分布，則D應(yīng)小于給定顯著性水平下的臨界值?？聽柲缏宸驒z驗法不依賴于區(qū)間劃分，從而避免了卡方檢驗由于區(qū)間劃分不同而導(dǎo)致的檢驗結(jié)果不一致的缺點。表3 檢驗2002年數(shù)據(jù)是否符合N（，）凈資產(chǎn)收益率實際頻數(shù)標(biāo)準(zhǔn)化區(qū)間區(qū)間的理論頻數(shù)差異樣本χ2值下限上限Vi下限上限累計分布nPi(Vi nPi)2(VinPi)2 /nPi21∝118112801801717111+∝合計1121112資料來源：作者計算結(jié)論2：以全部樣本為基礎(chǔ)估算總體的期望與方差，并以該期望與方差作為正態(tài)分布函數(shù)的參數(shù)，然后對電子通訊行業(yè)凈資產(chǎn)收益率進行χ2擬合檢驗，不能認(rèn)為電子通訊行業(yè)凈資產(chǎn)收益率服從正態(tài)分布；以“按3σ原則對異常點進行剔除”后的樣本估算總體的期望與方差，并以該期望與方差作為正態(tài)分布函數(shù)的參數(shù)，然后對電子通訊行業(yè)凈資產(chǎn)收益率進行χ2擬合檢驗，可以認(rèn)為電子通訊行業(yè)凈資產(chǎn)收益率服從正態(tài)分布5柯爾莫哥洛夫檢驗法由于凈資產(chǎn)收益率是連續(xù)變量，因而我們可以使用柯爾莫哥洛夫檢驗法來檢驗電子通信行業(yè)的凈資產(chǎn)收益率分布情況。查χ2分布表知在顯著性水平α=，自由度為7（81=7，具體的原因參見參考文獻(xiàn)）。我們僅根據(jù)[,]區(qū)間內(nèi)的數(shù)據(jù)估計總體的期望與方差，然后我們檢驗全部樣本是否來自服從N（，）的總體。表2 檢驗2002年數(shù)據(jù)是否符合N（，）計算表凈資產(chǎn)收益率實際頻數(shù)標(biāo)準(zhǔn)化區(qū)間區(qū)間的理論頻數(shù)差異樣本χ2值下限上限Vi下限上限累計分布nPi(Vi nPi)2(VinPi)2 /nPi7∝81821371164+∝合計1121112資料來源：作者計算在表2中，我們在計算χ2值過程中，使用全部樣本估計總體的期望與方差，而期望與方差又是決定正態(tài)分布的兩個參數(shù)。查χ2分布表知在顯著性水平α=，自由度為5（821=5，具體的原因參見參考文獻(xiàn)[3]）。更詳細(xì)的對χ2擬合檢驗的說明可以參見參考文獻(xiàn)[3]或其他的有關(guān)數(shù)理統(tǒng)計的書。χ2擬合檢驗是通過檢驗在一定區(qū)間內(nèi)樣本的觀測次數(shù)與正態(tài)分布總體在該區(qū)間的理論期望次數(shù)之間是否存在顯著性差異，來判斷樣本是否來自正態(tài)分布總體。4χ2擬合檢驗法進行偏度與峰度聯(lián)合檢驗時，我們注意到樣本中的每個點對偏度與峰度的影響是相同的，我們實際上是對樣本的特征數(shù)進行檢驗。因而將點B（，）描在圖1中，我們發(fā)現(xiàn)點B落在樣本數(shù)為100的邊界曲線內(nèi)，因而可以認(rèn)為電子通訊行業(yè)凈資產(chǎn)收益率服從正態(tài)分布。我們按萊因達(dá)原則，認(rèn)為處于3σ以外的點屬于異常點應(yīng)進行剔除。從圖3中，我們推測電子通訊行業(yè)內(nèi)有些公司凈資產(chǎn)收益率絕對值很大，因而可能為異常點，而應(yīng)被剔除。根據(jù)圖2 ，我們?nèi)サ羟?5個點及后10點，對凈資產(chǎn)收益率處于區(qū)間[,]內(nèi)的樣本作PP正態(tài)概率圖，如圖3所示。從圖2全體樣本PP正態(tài)概率圖中可以看出，散點分布離對角線較遠(yuǎn)，因而不能認(rèn)為樣本服從正態(tài)分布。PP正態(tài)概率圖是以樣本的累計概率為橫軸，以正態(tài)分布的理論累計概率為縱軸描出的散點圖。我們將點A（，）描在圖1中，我們發(fā)現(xiàn)點A落在樣本數(shù)為100的邊界曲線外，因而不能認(rèn)為電子通訊行業(yè)凈資產(chǎn)收益率服從正態(tài)分布（由于計算出的峰度已經(jīng)大于6，因而未能在圖中標(biāo)出來）。按（7）與（8）我們計算出。我們給出了α=，我們將依據(jù)該圖進行偏度與豐度的聯(lián)合檢驗。因而如果樣本來自正態(tài)分布的總體，偏度應(yīng)接近于零，且峰度接近于3。如果根據(jù)樣本值計算出的偏度大于零，則說明樣本為右偏；偏度小于零，則說明樣本為左偏。假設(shè)來自總體ξ的一組樣本值為x1, x2,…, xn， 設(shè)總體的偏度為γ1，豐度為γ2，則有γ1= （5） γ2= （6）由于總體分布未知，因而不能用極大似然估計，而僅能用矩估計法。如果一個樣本來自于正態(tài)總體，則樣本的經(jīng)驗分布密度（直方圖）就不能偏斜太大，也不能過陡或過緩。3偏度與豐度聯(lián)合檢驗法正態(tài)分布的隨機變量,其偏度等于零，峰度等于3，也就是說符合正態(tài)分布的密度曲線左右對稱且陡緩適中。我們選擇的行業(yè)應(yīng)有較多的上市公司，并且競爭程度應(yīng)較高。我們考慮到同一行業(yè)上市公司的凈資產(chǎn)收益率，應(yīng)以行業(yè)平均利率為中心進行上下波動。例如杜邦分析體系就將凈資產(chǎn)收益率層層分解到若干指標(biāo)。凈資產(chǎn)收益率是衡量公司財務(wù)狀況的最全面、最綜合的指標(biāo)。例如，%%有什么大的區(qū)別，%%。這就對我們做研究帶來很大的方便。 (3)我們特別注意到李雅普諾夫中心極限定理不要求決定Yn的隨機變量Xk立同分布，而僅要求Xk獨立。在現(xiàn)實問題中，只要n的數(shù)量足夠大(也就是說決定Zn的隨機變量足夠多)，Zn近似服從標(biāo)準(zhǔn)正態(tài)分布N(0，1)。有興趣的讀者可以參考有關(guān)概率的書籍。李雅普諾夫(Лялунов)中心極限定理對于隨機變量(Xk)要求最低，不要求隨機變量(Xk)同分布，僅要求隨機變量(Xk)獨立，因而本文以“李雅普諾夫中心
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1