Jarque-Bera检验

概述

Jarque-Bera检验（Jarque-Bera test，简称JB检验）是一种统计检验方法，用于检验样本数据的正态性。它基于偏度（Skewness）和峰度（Kurtosis）的统计量来评估数据是否偏离正态分布。由Carlos Jarque和Akhtar Mahmood Bera于1987年提出。在金融学，特别是二元期权定价模型中，正态性假设是许多理论基础，因此JB检验在验证模型假设的有效性方面起着关键作用。由于二元期权的价格高度依赖于标的资产的分布假设，对分布的准确评估至关重要。如果数据不符合正态分布，则使用基于正态分布的定价模型可能会导致严重的定价错误和风险管理问题。

主要特点

• **基于矩估计：** JB检验利用样本的偏度和峰度来衡量数据与正态分布的差异，属于基于矩估计的检验方法。
• **适用范围广：** 适用于大样本数据，通常建议样本量大于30。虽然理论上可以用于小样本，但检验结果的可靠性会降低。
• **易于计算：** JB检验的统计量计算相对简单，可以使用统计软件快速完成。
• **对异常值敏感：** 偏度和峰度对异常值非常敏感，因此异常值可能会显著影响检验结果。在进行JB检验之前，应考虑对数据进行异常值处理。
• **假设检验：** JB检验是一种假设检验，其零假设是数据服从正态分布，备择假设是数据不服从正态分布。
• **统计量分布：** 在零假设成立的情况下，JB检验的统计量服从自由度为2的卡方分布。
• **与Kolmogorov-Smirnov检验比较：** JB检验和KS检验都是正态性检验方法，但JB检验更侧重于数据的偏度和峰度，而KS检验则关注数据的累积分布函数。
• **与Shapiro-Wilk检验比较：** Shapiro-Wilk检验通常被认为比JB检验更强大，尤其是在小样本情况下。然而，Shapiro-Wilk检验的计算复杂度较高。
• **在风险管理中的应用：** 正态性检验是风险管理的重要组成部分，JB检验可以帮助评估风险模型的有效性。
• **与VaR模型相关：** 如果数据不服从正态分布，使用基于正态分布的VaR模型可能会低估实际风险。

使用方法

1. **计算样本偏度（Skewness）：** 偏度衡量数据分布的不对称性。正偏度表示分布右偏，负偏度表示分布左偏。公式如下：

   Skewness = E[(X - μ)³] / σ³

   其中，X为样本数据，μ为样本均值，σ为样本标准差。

2. **计算样本峰度（Kurtosis）：** 峰度衡量数据分布的尖锐程度。高峰度表示分布尖锐，低峰度表示分布平坦。公式如下：

   Kurtosis = E[(X - μ)⁴] / σ⁴ - 3

   通常使用样本的超峰度（Excess Kurtosis），即峰度减去3。正态分布的峰度为3，超峰度为0。

3. **计算Jarque-Bera统计量：** JB统计量基于样本偏度和峰度计算得出。公式如下：

   JB = n/6 * (S² + (K - 3)²) / ( (K - 3)²/4 + S²/4)

   其中，n为样本量，S为样本偏度，K为样本峰度。

4. **确定显著性水平（α）：** 常见的显著性水平为0.05或0.01。

5. **查找临界值：** 在自由度为2的卡方分布表中，查找与显著性水平对应的临界值。

6. **比较JB统计量和临界值：** 如果JB统计量大于临界值，则拒绝零假设，认为数据不服从正态分布。反之，如果JB统计量小于临界值，则无法拒绝零假设，认为数据可能服从正态分布。

7. **使用统计软件：** 大多数统计软件（例如R、Python、SPSS）都提供了JB检验的函数，可以直接计算JB统计量和p值。p值表示在零假设成立的情况下，观察到当前样本或更极端样本的概率。如果p值小于显著性水平，则拒绝零假设。

相关策略

JB检验的结果对金融建模和交易策略的选择具有重要影响。

• **正态性假设成立时：** 如果JB检验表明数据服从正态分布，则可以使用基于正态分布的定价模型，例如Black-Scholes模型。在期权定价中，Black-Scholes模型假设标的资产价格服从对数正态分布。
• **正态性假设不成立时：** 如果JB检验表明数据不服从正态分布，则需要考虑使用其他定价模型或调整现有模型。

   *   **使用非参数模型：** 可以使用非参数模型，例如蒙特卡洛模拟，来对期权进行定价。蒙特卡洛模拟不需要对数据分布做出假设。
   *   **使用广义扩散模型：** 可以使用广义扩散模型，例如Heston模型，来对期权进行定价。Heston模型考虑了波动率的随机性，可以更好地拟合实际市场数据。
   *   **使用跳跃扩散模型：** 跳跃扩散模型可以模拟资产价格的突然跳跃，适用于具有跳跃特征的市场。
   *   **数据转换：** 可以尝试对数据进行转换，例如取对数，使其更接近正态分布。
   *   **稳健性检验：**  对不同的模型和参数进行稳健性检验，以确保定价结果的可靠性。

• **与GARCH模型结合：** 在时间序列分析中，GARCH模型常用于模拟波动率的聚集效应。可以将JB检验与GARCH模型结合使用，以评估残差序列的正态性。
• **与布尔斯曼期权相关：** 布尔斯曼期权是一种特殊的二元期权，其定价对标的资产的分布非常敏感。因此，在对布尔斯曼期权进行定价时，需要特别关注数据的正态性。

以下表格总结了JB检验的步骤和结果解释：

Jarque-Bera检验步骤和结果解释

说明	计算样本偏度（Skewness）和峰度（Kurtosis）。	计算Jarque-Bera统计量（JB）。	确定显著性水平（α）。	查找自由度为2的卡方分布的临界值。	比较JB统计量和临界值。	如果JB > 临界值，则拒绝零假设（数据不服从正态分布）。	如果JB ≤ 临界值，则无法拒绝零假设（数据可能服从正态分布）。	解释	数据不服从正态分布，需要考虑使用其他定价模型或调整现有模型。	数据可能服从正态分布，可以使用基于正态分布的定价模型。

统计学 假设检验 正态分布 偏度 峰度 二元期权定价 Black-Scholes模型 蒙特卡洛模拟 Heston模型 跳跃扩散模型 GARCH模型 布尔斯曼期权 风险模型 VaR 时间序列分析

立即开始交易

注册IQ Option (最低入金 $10) 开设Pocket Option账户 (最低入金 $5)

加入我们的社区

关注我们的Telegram频道 @strategybin，获取： ✓ 每日交易信号 ✓ 独家策略分析 ✓ 市场趋势警报 ✓ 新手教学资料