29.11.2012 Aufrufe

Statistische Kennzahlen für Renditen von Managed Futures

Statistische Kennzahlen für Renditen von Managed Futures

Statistische Kennzahlen für Renditen von Managed Futures

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

4.4. TESTS AUF NORMALVERTEILUNG 29<br />

wird die Nullhypothese H0: keine Autokorrelation verworfen und die Alternativhypothese<br />

H1: Autokorrelation angenommen. Die Tabelle der χ 2 -Verteilung kann z.B. aus Hartung<br />

u. a. (2002) entnommen werden.<br />

Der Ljung-Box-Test wurde <strong>für</strong> jede Substrategie und <strong>für</strong> den Index durchgeführt. Tabelle<br />

4.2 zeigt die Werte der Teststatistik, sowie den kritischen Wert zum Konfidenzniveau<br />

α = 0, 05. D.h. man kann mit einer Irrtumswahrscheinlichkeit <strong>von</strong> 5% annehmen, dass<br />

auf eine positive Rendite wieder eine positive folgt. Die Nullhypothese wird bei den<br />

Strategien FX Trading und Global Macro verworfen. Bei den restlichen Strategien und<br />

bei dem Index existiert dagegen keine Autokorrelation.<br />

Index DT FX GM STT TF Kritischer<br />

Wert<br />

Q 35,81 35,00 40,22 54,02 25,65 32,37 36,42<br />

Tabelle 4.2: Test auf Autokorrelation<br />

4.4 Tests auf Normalverteilung<br />

Tests, die es ermöglichen, hypothetische Verteilungsmodelle zu überprüfen, werden Anpassungstests<br />

genannt. Hier werden verschiedene Anpassungstests vorgestellt, mit denen<br />

auf Normalverteilung geprüft werden kann. Liegen T unabhängige Beobachtungen<br />

r1, ..., rT vor, dann überprüfen die folgenden Tests die Hypothese, dass die Beobachtungen<br />

aus einer Grundgesamtheit stammen, die normalverteilt ist. Im Folgenden werden der<br />

Kolmogorov-Smirnov-Test, der Anderson-Darling-Test und der Jarque-Bera-Test vorgestellt.<br />

Diese Tests wurden gewählt, da sie <strong>für</strong> Stichproben <strong>von</strong> geringem Umfang geeignet<br />

sind. Die Hypothesen lauten dabei folgendermaßen:<br />

H0: Die Verteilungsfunktion der Zufallsvariablen Ri ist normalverteilt,<br />

H1: Die Verteilungsfunktion der Zufallsvariablen Ri ist nicht normalverteilt.<br />

Wenn die Teststatistik den kritischen Wert überschreitet, muss die Nullhypothese H0<br />

abgelehnt werden und die Alternativhypothese H1 angenommen werden. Ansonsten wird<br />

die Nullhypothese beibehalten.<br />

4.4.1 Kolmogorov-Smirnov-Test<br />

Die Werte der empirischen Verteilungsfunktion ˆ FT (r) aus Definition 4.7 bei einer Stichprobe<br />

vom Umfang T streuen <strong>für</strong> jedes feste r um den wahren Wert F (r) aus De-

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!