零假设：它是什么，如何用于投资？

什么是零假设？

零假设是一种统计假设，该假设提出否统计意义存在于一组给定的观察中。假设检验用于通过使用样本数据来评估假设的可信度。有时被称为“零”，它表示为h₀。

零假设，也称为“猜想”，用于定量分析测试有关市场，投资策略和经济体的理论，以决定一个想法是对还是错。

理解零假设

赌徒可能对机会游戏是否公平感兴趣。如果是这样，那么两个球员的预期收入都将零。如果不是这样，那么预期的收入对一个球员来说是阳性的，另一个球员是负面的。

为了测试游戏是否公平，赌徒从游戏的许多重复中收集收入数据，计算这些数据的平均收益，然后测试未预期收益与零不同的假设。

如果样本数据的平均收益远非零，那么赌徒将拒绝原假设并得出结论替代假设（即每次游戏的预期收益与零不同。如果来自示例数据接近零，那么赌徒将不会拒绝零假设，而是得出结论是，数据平均值与零之间的差异仅是偶然地解释的。

零假设假设您在一组数据中看到的所选特征之间的任何类型的差异都是由于机会引起的。例如，如果赌博游戏的预期收益确实等于零，那么数据中的平均收入与零的任何差异都是由于机会。

分析师希望拒绝 无效的假设是因为这样做是一个有力的结论。这需要以观察到的差异形式的证据太大，无法完全偶然地解释。未能拒绝零假设（仅偶然就可以解释结果）是一个弱 结论是因为虽然机会可能在起作用以外的其他因素，但它们可能不足以使统计测试检测到它们。

替代假设

要注意的一个重要点是，我们正在测试零假设，因为对其有效性存在疑问。在替代（替代）假设中捕获了任何针对陈述的零假设的信息（h₁）。

对于下面的示例，替代假设将是：

• 学生得分不等于七个。
• 共同基金的平均年收益不等于每年8％。

换句话说，替代假设是无效假设的直接矛盾。

零假设示例

这是一个简单的例子：一位学校校长声称，他们学校的学生在考试中平均得分10分。零假设是人口意思是不是7.0。为了检验这个无效假设，我们记录了30名学生的标记（样本）从学校的整个学生群体中（例如300），并计算该样本的平均值。

然后，我们可以将（计算出的）样本均值与（假设的）种群平均值为7.0进行比较，并试图拒绝零假设。 （这里的无效假设（人口平均值不是7.0），使用样本数据证明了公库。它只能被拒绝。）

以另一个例子：特定的年度返回共同基金据称是8％。假设共同基金已经存在了20年。零假设是共同基金的平均回报不是8％。我们随机样本的样本年收益相互基金的五年（样本）并计算样本平均值。然后，我们将（计算的）样本均值与（声称的）种群平均值（8％）进行比较，以检验零假设。

对于上述示例，零假设是：

• 示例答：学校的学生在考试中平均没有10分。
• 示例B：共同基金的平均年收益不是每年8％。

为了确定是否拒绝零假设（缩写H0），为了论证，假设假设是真实的。然后，根据此推定，确定计算出的统计量的可能值的可能范围（例如，30名学生测试的平均得分）（例如，如果人口平均值为7.0，则合理平均值的范围可能在6.2到7.8范围。

如果样本平均值不在此范围内，则拒绝零假设。否则，差异被认为是“仅凭机会来解释”，在偶然性决定的范围内。

投资中如何使用零假设测试

作为与金融市场相关的例子，假设爱丽丝认为她的投资策略比简单地产生的平均收益更高购买和持有股票。原假设指出，两个平均回报之间没有差异，而爱丽丝倾向于相信这一点，直到她能够得出矛盾的结果。

驳斥零假设将需要显示统计显着性，这可以通过多种测试找到。另一种假设将指出，投资策略的平均收益高于传统的买卖策略。

可以确定结果统计显着性的一种工具是p值。一个p值表示差异大于或大于观察到的两个平均收益之间的差异可能仅是偶然发生的。

一个小于或等于0.05的P值通常表明是否有反对零假设的证据。如果爱丽丝（Alice）进行了其中一项测试，例如使用正常模型进行测试，从而导致她的回报和买入和持有回报之间存在显着差异（P值小于或等于0.05），然后她可以拒绝原假设并结束坦科假设。

底线

零假设指出，各组之间没有差异或变量之间的关系。这是一种统计假设，并提出在一组给定的观察结果中不存在统计学意义。 “ null”一无所有。

零假设用于定量分析中，以测试有关经济，投资策略和市场的理论，以决定一个想法是对还是错。假设检验通过使用样本数据评估假设的可信度。它表示为H₀有时被简单地称为“零”。

更正 - 2024年7月23日：将本文纠正为零假设的准确实例。