رفتن به محتوا
همه اسناد کتابخانه

آزمون چیرگی تصادفی با PySDTest برای پایتون و استاتا

مقاله arXiv papers · نویسنده: Kyungho Lee et al.

خلاصه

این سند PySDTest را معرفی می‌کند؛ بسته‌ای برای پایتون و استاتا که روابط چیرگی تصادفی را به‌صورت آماری می‌آزماید. روش‌هایی از چندین پژوهش منتشرشده و بسط‌های آن‌ها را شرح می‌دهد و گزینه‌هایی برای ترکیب آماره‌های آزمون با روش‌های بازنمونه‌گیری، از جمله روش دلتا عددی، ارائه می‌کند. بسته از پرسش‌های پیچیده‌تری مانند شناسایی گزینه‌ای که بر اساس چیرگی تصادفی، در میان چند چشم‌انداز بیشینه است نیز پشتیبانی می‌کند.

یک نمونه تجربی بازده روزانه بیت‌کوین و شاخص S&P 500 را در چارچوب انتخاب سبد مقایسه می‌کند. نتیجه گزارش‌شده این است که بازده S&P 500 بر پایه چیرگی تصادفی مرتبه دوم بر بازده بیت‌کوین چیره است؛ یافته‌ای که بر اساس معیار چیرگی بیان‌شده به سود شاخص است. این نمونه‌ای از کاربرد آزمون‌هاست، نه شاهدی بر اینکه شاخص در دوره‌های آینده عملکرد بهتری خواهد داشت یا برای هر سرمایه‌گذاری مناسب است. سند تاریخ‌های نمونه، جزئیات پیاده‌سازی یا نتایج حساسیت را ارائه نمی‌کند؛ بنابراین برای ارزیابی مقایسه تجربی و فرض‌های عملی آزمون‌ها به متن کامل پژوهش نیاز است.

ایده‌های کلیدی

  • آزمون‌های چیرگی تصادفی، توزیع بازده را بر پایه معیارهای رسمی ترجیح مقایسه می‌کنند.
  • PySDTest چند روش آزمون منتشرشده و بسط‌های آن‌ها را در پایتون و استاتا پیاده‌سازی می‌کند.
  • کاربران می‌توانند آماره‌های آزمون را با روش‌های بازنمونه‌گیری، از جمله روش دلتا عددی، ترکیب کنند.
  • این بسته می‌تواند بیشینه‌بودن یک گزینه بر اساس چیرگی تصادفی را میان چند چشم‌انداز سرمایه‌گذاری بیازماید.
  • در نمونه، بازده S&P 500 بر پایه چیرگی تصادفی مرتبه دوم بر بازده بیت‌کوین چیره است.

برچسب‌ها

متن کامل
# PySDTest: a Python/Stata Package for Stochastic Dominance Tests


# PySDTest: a Python/Stata Package for Stochastic Dominance Tests









We introduce PySDTest, a Python/Stata package for statistical tests of stochastic dominance. PySDTest implements various testing procedures such as Barrett and Donald (2003), Linton et al. (2005), Linton et al. (2010), and Donald and Hsu (2016), along with their extensions. Users can flexibly combine several resampling methods and test statistics, including the numerical delta method (Dümbgen, 1993; Hong and Li, 2018; Fang and Santos, 2019). The package allows for testing advanced hypotheses on stochastic dominance relations, such as stochastic maximality among multiple prospects. We first provide an overview of the concepts of stochastic dominance and testing methods. Then, we offer practical guidance for using the package and the Stata command pysdtest. We apply PySDTest to investigate the portfolio choice problem between the daily returns of Bitcoin and the S&P 500 index as an empirical illustration. Our findings indicate that the S&P 500 index returns second-order stochastically dominate the Bitcoin returns.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.