Hypothesis Testing

仮説検定の世界へようこそ！

FRMのカリキュラムにおいて、仮説検定（Hypothesis Testing）は、データの世界における探偵のようなものです。これまで皆さんは標本平均や分散の計算方法を学んできましたが、ここでは、観察されたパターンが真の統計的関係を表しているのか、それとも単なるランダムな標本抽出の変動による産物にすぎないのかを評価する方法を学んでいきます。

アクティブ投資戦略がアルファを生み出しているかを検証する場合でも、バリュー・アット・リスク（VaR）モデルが適切にキャリブレーションされているかを確認する場合でも、仮説検定は主要な計量フレームワークとなります。

1. スタート地点：帰無仮説と対立仮説

すべての仮説検定は、相互に排他的で網羅的な2つの主張から始まります。

帰無仮説 (\(H_0\)): これはデフォルトの主張、すなわち「現状維持」を表します。通常は効果がない、差がない、あるいはパラメータがある特定の基準値に等しいこと（\(\theta = \theta_0\)）を示します。統計的検定では、標本からの証拠が合理的な閾値を超えて矛盾を示さない限り、\(H_0\) が真であると維持します。

対立仮説 (\(H_a\) または \(H_1\)): これは、あなたが実証しようとする研究上の主張です。経験的な証拠が十分に強力である場合にのみ、\(H_0\) を棄却して \(H_a\) を採択します。

片側検定と両側検定

検定の構造は、研究上の問いに直接依存します。

両側検定（Two-Sided / Two-Tailed Test）: 想定されたパラメータからのいずれの方向への乖離も検定する場合に使用します。
例: ポートフォリオの期待収益率 \(\mu\) は5%と異なるか？（\(H_0: \mu = 5\%\) 対 \(H_a: \mu \neq 5\%\)）

片側検定（One-Sided / One-Tailed Test）: 特定の方向性を持った乖離（〜より大きい、または〜より小さい）を検定する場合に使用します。
例: ポートフォリオの期待収益率は5%を超えているか？（\(H_0: \mu \leq 5\%\) 対 \(H_a: \mu > 5\%\)）

重要な表記ルール:

帰無仮説 (\(H_0\)) には常に等号を含む記号（\(=\)、\(\leq\)、または \(\geq\)）が使われます。対立仮説 (\(H_a\)) は厳密な不等号（\(\neq\)、\(>\)、または \(<\)）を表します。

2. 第1種の過誤と第2種の過誤、検定のサイズ、および検定力

統計的決定は母集団全体の悉皆調査ではなく標本推定量に依存するため、2つの潜在的な過誤が発生する可能性があります。

第1種の過誤: 帰無仮説が実際には真であるにもかかわらず、誤って棄却してしまうこと（偽陽性）。
第1種の過誤を犯す確率は有意水準 (\(\alpha\)) と呼ばれ、検定のサイズ（size of the test）としても知られています：\(P(\text{Reject } H_0 \mid H_0 \text{ is true}) = \alpha\)。

第2種の過誤: 帰無仮説が実際には偽であるにもかかわらず、棄却できないこと（偽陰性）。
第2種の過誤を犯す確率は \(\beta\) で表されます：\(P(\text{Fail to reject } H_0 \mid H_0 \text{ is false}) = \beta\)。

検定力（Power of the Test）

検定力とは、誤っている帰無仮説を正しく棄却できる確率のことです：\(\text{Power} = 1 - \beta\)。検定力は、サンプルサイズ（\(n\)）が大きくなるほど、真の効果量（真のパラメータと仮説値との乖離）が大きくなるほど、また選択された有意水準（\(\alpha\)）が高くなるほど増大します。

3. 判断のフレームワーク：検定統計量、P値、および信頼区間

標準化された検定統計量は、標本推定量と \(H_0\) の下での仮説値との距離を測定し、それを標準誤差（\(SE\)）でスケーリングしたものです：

\(\text{Test Statistic} = \frac{\text{Sample Statistic} - \text{Hypothesized Value}}{SE(\text{Sample Statistic})}\)

棄却限界値アプローチ

選択した有意水準 \(\alpha\) において、計算された検定統計量を基準分布の棄却限界値と比較します：
- 両側検定の場合：\(\vert \text{Test Statistic} \vert > \vert \text{Critical Value}_{\alpha/2} \vert\) であれば、\(H_0\) を棄却します。
- 片側検定の場合：検定統計量が \(\alpha\) によって定義される棄却域の裾に厳密に入っていれば、\(H_0\) を棄却します。

P値アプローチ

P値（p-value）とは、\(H_0\) が棄却される最小の有意水準です。言い換えれば、\(H_0\) が真であると仮定したときに、計算された標本値と少なくとも同等以上に極端な検定統計量が観察される確率のことです。
- \(\text{p-value} < \alpha\) の場合、\(H_0\) を棄却します（統計的に有意）。
- \(\text{p-value} \geq \alpha\) の場合、\(H_0\) を棄却できません。

信頼区間との双対性

両側仮説検定と、信頼水準 \(1 - \alpha\) における信頼区間（CI）の間には完全な対応関係（双対性）が存在します：
\(CI = \text{Sample Estimate} \pm (\text{Critical Value} \times SE)\)
仮説値 \(\mu_0\) が \((1 - \alpha)\) 信頼区間の完全に外側にある場合に限り、その \(\mu_0\) は有意水準 \(\alpha\) で棄却されます。もし \(\mu_0\) が区間内にある場合、水準 \(\alpha\) において \(H_0\) を棄却することはできません。

4. 単一母集団の仮説検定

母平均 (\(\mu\)) の検定:
- Z検定: 母分散 \(\sigma^2\) が既知の場合に使用：\(Z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}\)。
- T検定: 母分散が未知であり標本分散 \(s^2\) によって推定される場合に使用（自由度 \(n - 1\)）：\(t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}\)。

単一母分散 (\(\sigma^2\)) の検定:
- カイ二乗検定（\(\chi^2\) 検定）: 正規分布に従う母集団において、\(H_0: \sigma^2 = \sigma_0^2\) を検定する場合、自由度 \(n - 1\) の検定統計量 \(\chi^2 = \frac{(n - 1)s^2}{\sigma_0^2}\) を使用します。

2つの母分散の比較:
- F検定: 独立した標本を用いて \(H_0: \sigma_1^2 = \sigma_2^2\) を検定します：分子自由度 \(n_1 - 1\)、分母自由度 \(n_2 - 1\) の \(F = \frac{s_1^2}{s_2^2}\)。

5. 2つの母平均の差の検定

金融リスク管理では、2つのポートフォリオ、資産、または期間レジーム間における収益率やリスク指標の比較が頻繁に求められます。適切な検定方法は、2つの標本が独立しているか対応しているかによって異なります：

A. 独立標本

2つの異なる母集団にわたって \(H_0: \mu_1 - \mu_2 = d_0\)（多くは \(d_0 = 0\)）を検定する場合：
\(t = \frac{(\bar{x}_1 - \bar{x}_2) - d_0}{SE(\bar{x}_1 - \bar{x}_2)}\)
- 等分散を仮定する場合（プールされた分散）: \(\sigma_1^2 = \sigma_2^2\) の場合、プールされた分散 \(s_p^2 = \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2}\) を計算し、\(SE = s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\)、自由度 \(n_1 + n_2 - 2\) を使用します。
- 非等分散の場合（プールしない分散）: 分散が等しいと仮定できない場合、\(SE = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}\) とし、自由度はウェルチの公式（Welch's formula）により調整されます。

B. 対応のある（従属）標本

両方の標本の観測値が自然に対応している場合（例：投資方針の変更前と変更後における同一ファンドのパフォーマンス）、ペアごとの差 \(d_i = x_{1,i} - x_{2,i}\) を計算します。仮説 \(H_0: \mu_d = d_0\) は、平均差 \(\bar{d}\) に対する単一標本t検定に帰着します：
\(t = \frac{\bar{d} - d_0}{s_d / \sqrt{n}}\)
ここで、\(s_d\) はペアごとの差の標本標準偏差であり、自由度 \(n - 1\) で評価されます。

6. 多重検定問題

計量モデリングやバックテストにおいて、アナリストは数十から数百もの候補変数、トレーディング戦略、またはリスクファクターを同時にテストすることがよくあります。これにより、多重検定問題（multiple-testing problem）（データスヌーピングやP値ハッキングとしても知られます）が生じます。

それぞれ有意水準 \(\alpha\) で \(m\) 回の独立した検定を行う場合、検定ファミリー全体で少なくとも1つの第1種の過誤を犯す確率（ファミリーワイズ・エラー率（FWER: Family-Wise Error Rate）と呼ばれます）は以下の通りになります：
\(FWER = 1 - (1 - \alpha)^m\)
例: 20個の独立した戦略を \(\alpha = 0.05\) でテストする場合、少なくとも1つの偽陽性が見つかる確率は \(1 - (1 - 0.05)^{20} \approx 64.15\%\) となります。

多重検定への対処法

ボンフェローニ補正（Bonferroni Correction）: 全体のファミリーワイズ・エラー率を \(\alpha\) に維持するために、個々の検定を調整後の有意水準で実施します：
\(\alpha^* = \frac{\alpha}{m}\)
これは、個々のP値に \(m\) を掛けることと同等です。シンプルで保守的なアプローチですが、ボンフェローニ補正は \(m\) が大きい場合に検定力を低下させる可能性があります。

偽発見率（FDR: False Discovery Rate）: 現代の代替手法では、単一の第1種の過誤を完全に抑え込むのではなく、棄却されたすべての仮説のうち誤って棄却されたものの期待割合をコントロールします。

7. 仮説検定のステップバイステップ

ステップ 1: 帰無仮説 (\(H_0\)) と対立仮説 (\(H_a\)) を設定する。
ステップ 2: 有意水準 (\(\alpha\)) を選択する（0.05や0.01など）。
ステップ 3: 適切な検定統計量（Z、t、カイ二乗、またはF）を選択し、\(H_0\) の下でのその分布を特定する。
ステップ 4: 標本データから検定統計量と、それに対応するP値または棄却限界値を計算する。
ステップ 5: 決定ルールを適用する：検定統計量が棄却限界値を超える場合（または \(\text{p-value} < \alpha\) の場合）は \(H_0\) を棄却し、そうでなければ \(H_0\) を棄却できないと判断する。

8. 注意すべき共通の落とし穴

1. 帰無仮説を「採択」すること: 私たちは「\(H_0\) を採択する」とは決して言いません。あくまで「\(H_0\) を棄却できない」と表現します。棄却できないことは、標本の証拠が帰無仮説と矛盾するには不十分であることを示しているにすぎず、帰無仮説が真であると証明されたわけではありません。

2. 裾におけるアルファの配分ミス: \(\alpha = 5\%\) の両側検定では、棄却域としてそれぞれの裾に \(2.5\%\)（\(\alpha/2\)）ずつを配分します。片側検定では、\(5\%\) のすべてが片方の裾に集中するため、棄却限界値の閾値は小さくなります。

3. 統計的有意性と経済的有意性の混同: サンプルサイズ \(n\) が極めて大きい場合、微小な効果量であっても統計的に有意なP値が得られることがあります。しかし、取引コストや市場の摩擦要因により、経済的には無視できるほど小さなものとなる場合があります。