
1.5 稳健性检验与对比实验
本节包括稳健性检验与对比实验两个部分。首先对整个样本数据以及不同类型间的股票进行阈值p=0.10的稳健性检验;其次,利用已实现半方差模型进行对比实验。
1.5.1 稳健性检验
本小节包括两部分,第一部分是对整个样本数据的稳健性检验,第二部分是不同类型的股票间的稳健性检验。在本小节中,p值设置为0.10。
1.5.1.1 整个样本数据的稳健性检验
对整个样本数据的稳健性检验如图1-6~图1-9所示。

图1-6 NumberGood-NumberBad(p=0.10)

图1-7 SpeedGood-SpeedBad(p=0.10)

图1-8 DepthGood-DepthBad(p=0.10)

图1-9 ConnectlessGood-ConnectlessBad(p=0.10)
图1-6中100个位置NumberGood-NumberBad均大于0,相减得到的最大的差值为0.2069,最小的差值为0.0479。所以,利好信息的所有Number值均比利空信息的对应的Number值大。
图1-7中100个位置SpeedGood-SpeedBad均大于0,相减得到的最大的差值为1.9326,最小的差值为0.0601。所以,利好信息的所有Speed值均比利空信息的对应的Speed值大。
图1-8中100个位置上有52个位置对应的DepthGood-DepthBad大于0,48个位置对应的DepthGood-DepthBad等于0,相减得到的最大的差值为1,最小的差值为0。所以,利好信息的所有Depth值均不小于利空信息的对应的Depth值。
图1-9中100个位置对应的ConnectlessGood-ConnectlessBad均不大于0。其中96个位置对应的ConnectlessGood-ConnectlessBad等于0,相减得到的最大的差值为0,最小的差值为-0.0127。所以,利好信息的多数Connectless值等于利空信息的对应的Connectless值。
由此可见,图1-6~图1-9显示的结果与相对应的图1-2~图1-5的结果非常接近。
1.5.1.2 不同类型的股票间的稳健性检验
不同类型的股票间的稳健性检验结果见表1-9~表1-12。
表1-9 五类股票间的NumberGood-NumberBad(p=0.10,315天)

表1-10 五类股票间的SpeedGood-SpeedBad(p=0.10,315天)

表1-11 五类股票间的DepthGood-DepthBad(p=0.10,315天)

表1-12 五类股票间的ConnectlessGood-ConnectlessBad(p=0.10,315天)

由表1-9可知,MFS→REI、MFS→CMS、MFS→OFI和INS→CMS的值为负数,最大值为-0.0072,最小值为-0.3000,其余NumberGood-NumberBad的值均非负数,最大值为0.4933,最小值为0.0000。
由表1-10可知,MFS→REI、MFS→CMS、MFS→OFI和INS→CMS的值为负数,最大值为-0.0048,最小值为-0.3125,其余SpeedGood-SpeedBad的值均非负数,最大值为0.6267,最小值为0.0000。
由表1-11可知,OFI→OFI的值为-1,其余DepthGood-DepthBad的值均非负数,最大值为1,最小值为0。
显而易见,表1-12中的所有值均等于0.0000。
由于p=0.05的稳健性结果与p=0.10的稳健性结果相似,限于篇幅,此处不再赘述。
1.5.2 对比实验
在本小节中,我们将前文得到的结果与已实现半方差得到的相应结果进行比较。首先,将已实现半方差(RS)拆分为已实现负半方差(RS-)和已实现正半方差(RS+)两个部分,分别测量与正收益和负收益相对应的对数价格的波动。其次,利用线性格兰杰因果关系检验模型构建网络。再次,运用Dijkstra算法找出每一对节点之间的最短路径。最后,分别借助本书提出的四个指标对比分析利好信息和利空信息在所构建的Dijkstra网络上的传播特征。
由于篇幅有限,本小节在这里仅展示p=0.01的结果。
图1-10中100个位置上有72个位置对应的NumberGood-NumberBad小于0,其余28个位置上对应的NumberGood-NumberBad大于0。相减得到的最大的差值为0.2535,最小的差值为-0.4040。

图1-10 NumberGood-NumberBad(RS)
图1-11中100个位置上有71个位置对应的SpeedGood-SpeedBad小于0,其余29个位置上对应的SpeedGood-SpeedBad大于0。相减得到的最大的差值为0.3683,最小的差值为-0.7438。

图1-11 SpeedGood-SpeedBad(RS)
图1-12中100个位置上有38个位置对应的DepthGood-DepthBad小于0,有50个位置对应的DepthGood-DepthBad等于0,其余12个位置对应的DepthGood-DepthBad大于0。相减得到的最大的差值为1,最小的差值为-3。

图1-12 DepthGood-DepthBad(RS)
图1-13中100个位置上有52个位置对应的ConnectlessGood-ConnectlessBad小于0,有28个位置对应的ConnectlessGood-ConnectlessBad等于0,其余20个位置对应的ConnectlessGood-ConnectlessBad大于0。相减得到的最大的差值为0.0376,最小的差值为-0.0385。

图1-13 ConnectlessGood-ConnectlessBad(RS)
从图1-10~图1-13可以看出,与图1-2~图1-5的结果相比,利用已实现半方差得到的结果不存在规律性。对于四个指标,有的指标正对数收益率波动的指标值大于对应的负对数收益率波动的指标值,有的指标正对数收益率波动的指标值小于对应的负对数收益率波动的指标值。因此,在此我们省略了不同类型的股票间的比较。