ยินดีต้อนรับสู่โลกแห่งการทดสอบสมมติฐาน (Hypothesis Testing)!
ในหลักสูตร FRM การทำ Hypothesis Testing ก็เปรียบเสมือนการเป็นนักสืบในโลกของข้อมูล ที่ผ่านมาเราได้เรียนรู้วิธีการคำนวณค่าเฉลี่ยและความแปรปรวนของกลุ่มตัวอย่างกันมาแล้ว ตอนนี้เรากำลังจะมาเรียนรู้วิธีประเมินว่ารูปแบบที่สังเกตพบนั้นแสดงถึงความสัมพันธ์ทางสถิติที่แท้จริง หรือเป็นเพียงแค่ผลลัพธ์จากความผันแปรของการสุ่มตัวอย่าง (Random Sampling Variation) เท่านั้น
ไม่ว่าคุณจะกำลังทดสอบว่ากลยุทธ์การลงทุนเชิงรุก (Active Investment Strategy) สามารถสร้างผลตอบแทนส่วนเกิน (Alpha) ได้หรือไม่ หรือตรวจสอบว่าโมเดลการวัดมูลค่าความเสี่ยง (Value-at-Risk หรือ VaR) นั้นได้รับการปรับเทียบ (Calibrate) อย่างเหมาะสมหรือไม่ การทดสอบสมมติฐานคือกรอบการทำงานเชิงปริมาณหลักของคุณ
1. จุดเริ่มต้น: สมมติฐานหลัก (Null) และสมมติฐานทางเลือก (Alternative)
การทดสอบสมมติฐานทุกครั้งเริ่มต้นด้วยข้อความสองประการที่ไม่สามารถเกิดขึ้นพร้อมกันได้และครอบคลุมทุกความเป็นไปได้ (Mutually Exclusive and Exhaustive):
สมมติฐานหลัก (Null Hypothesis - \(H_0\)): นี่คือข้อความตั้งต้นหรือสภาวะปกติ โดยทั่วไปจะระบุว่า ไม่มีผลลัพธ์เกิดขึ้น ไม่มีความแตกต่าง หรือค่าพารามิเตอร์เท่ากับค่ามาตรฐานค่าใดค่าหนึ่ง (\(\theta = \theta_0\)) ในการทดสอบทางสถิติ เราจะถือว่า \(H_0\) เป็นจริงเสมอ จนกว่าหลักฐานจากกลุ่มตัวอย่างจะขัดแย้งกับข้อความนี้เกินกว่าเกณฑ์ที่ยอมรับได้ตามสมควร
สมมติฐานทางเลือก (Alternative Hypothesis - \(H_a\) หรือ \(H_1\)): นี่คือข้อความจากการวิจัยที่คุณพยายามพิสูจน์ เราจะปฏิเสธ \(H_0\) และยอมรับ \(H_a\) ก็ต่อเมื่อหลักฐานเชิงประจักษ์มีน้ำหนักมากเพียงพอเท่านั้น
การทดสอบแบบหางเดียว (One-Sided) vs สองหาง (Two-Sided)
โครงสร้างของการทดสอบจะขึ้นอยู่กับโจทย์การวิจัยโดยตรง:
การทดสอบสองหาง (Two-Sided / Two-Tailed Test): ใช้เมื่อต้องการทดสอบการเบี่ยงเบนจากพารามิเตอร์ที่ตั้งสมมติฐานไว้ ไม่ว่าในทิศทางใดก็ตาม
ตัวอย่าง: ผลตอบแทนที่คาดหวังของพอร์ตการลงทุน \(\mu\) แตกต่างจาก 5% หรือไม่? (\(H_0: \mu = 5\%\) เทียบกับ \(H_a: \mu \neq 5\%\))
การทดสอบหางเดียว (One-Sided / One-Tailed Test): ใช้เมื่อต้องการทดสอบการเบี่ยงเบนใน ทิศทาง ที่เฉพาะเจาะจง (มากกว่าหรือน้อยกว่า)
ตัวอย่าง: ผลตอบแทนที่คาดหวังของพอร์ตการลงทุนมากกว่า 5% หรือไม่? (\(H_0: \mu \leq 5\%\) เทียบกับ \(H_a: \mu > 5\%\))
จุดสำคัญที่ต้องจำ:
สมมติฐานหลัก (\(H_0\)) จะต้องมีเครื่องหมายเท่ากับเสมอ (\(=\), \(\leq\), หรือ \(\geq\)) ส่วน สมมติฐานทางเลือก (\(H_a\)) จะแสดงถึงอสมการแท้จริงเสมอ (\(\neq\), \(>\), หรือ \(<\))
2. Type I Error, Type II Error, ขนาดของการทดสอบ (Size) และกำลังของการทดสอบ (Power)
เนื่องจากการตัดสินใจทางสถิติต้องพึ่งพาค่าประมาณจากกลุ่มตัวอย่างแทนที่จะเป็นการสำรวจประชากรทั้งหมด จึงอาจเกิดความผิดพลาดได้ 2 รูปแบบ:
Type I Error: คือการปฏิเสธสมมติฐานหลักทั้งที่มันเป็นจริง (ผลบวกลวง หรือ False Positive)
ความน่าจะเป็นที่จะเกิด Type I error เรียกว่า ระดับนัยสำคัญ (Significance Level - \(\alpha\)) ซึ่งรู้จักกันในชื่อ ขนาดของการทดสอบ (Size of the Test): \(P(\text{Reject } H_0 \mid H_0 \text{ is true}) = \alpha\)
Type II Error: คือการไม่ปฏิเสธสมมติฐานหลักทั้งที่จริงๆ แล้วมันเป็นเท็จ (ผลลบลวง หรือ False Negative)
ความน่าจะเป็นที่จะเกิด Type II error แทนด้วย \(\beta\): \(P(\text{Fail to reject } H_0 \mid H_0 \text{ is false}) = \beta\)
กำลังของการทดสอบ (Power of the Test)
กำลังของการทดสอบ (Power of a Test) คือความน่าจะเป็นในการปฏิเสธสมมติฐานหลักที่เป็นเท็จได้อย่างถูกต้อง: \(\text{Power} = 1 - \beta\) กำลังของการทดสอบจะมีค่าเพิ่มขึ้นเมื่อขนาดกลุ่มตัวอย่าง (\(n\)) ใหญ่ขึ้น, ขนาดของผลกระทบจริง (ขนาดความแตกต่างระหว่างพารามิเตอร์จริงกับค่าที่ตั้งสมมติฐาน) มากขึ้น และระดับนัยสำคัญที่เลือกใช้ (\(\alpha\)) สูงขึ้น
3. กรอบการตัดสินใจ: สถิติทดสอบ (Test Statistics), P-Values และช่วงความเชื่อมั่น (Confidence Intervals)
ค่าสถิติทดสอบ (Test Statistic) ในรูปแบบมาตรฐานจะวัดระยะห่างระหว่างค่าประมาณจากกลุ่มตัวอย่างและค่าที่ตั้งสมมติฐานไว้ภายใต้ \(H_0\) โดยปรับตามขนาดของความคลาดเคลื่อนมาตรฐาน (\(SE\)):
\(\text{Test Statistic} = \frac{\text{Sample Statistic} - \text{Hypothesized Value}}{SE(\text{Sample Statistic})}\)
แนวทางการใช้ค่าวิกฤต (Critical Value Approach)
ที่ระดับนัยสำคัญ \(\alpha\) ที่เลือก ให้เปรียบเทียบค่าสถิติทดสอบที่คำนวณได้กับค่าวิกฤตจากการแจกแจงอ้างอิง:
- สำหรับการทดสอบสองหาง: ปฏิเสธ \(H_0\) ถ้า \(\vert \text{Test Statistic} \vert > \vert \text{Critical Value}_{\alpha/2} \vert\)
- สำหรับการทดสอบหางเดียว: ปฏิเสธ \(H_0\) ถ้าค่าสถิติทดสอบตกอยู่ในหางเขตวิกฤตปฏิเสธตามที่กำหนดโดย \(\alpha\)
แนวทางการใช้ P-Value (P-Value Approach)
p-value คือระดับนัยสำคัญที่น้อยที่สุดที่จะทำให้สามารถปฏิเสธ \(H_0\) ได้ หรืออีกนัยหนึ่งคือ ความน่าจะเป็นที่จะสังเกตพบค่าสถิติทดสอบที่มีค่าสุดโต่งอย่างน้อยเท่ากับค่าที่คำนวณได้จากกลุ่มตัวอย่าง โดยสมมติว่า \(H_0\) เป็นจริง
- ถ้า \(\text{p-value} < \alpha\) ให้ ปฏิเสธ \(H_0\) (มีนัยสำคัญทางสถิติ)
- ถ้า \(\text{p-value} \geq \alpha\) ให้ ไม่ปฏิเสธ \(H_0\)
ความเป็นคู่กันกับช่วงความเชื่อมั่น (Duality with Confidence Intervals)
การทดสอบสมมติฐานแบบสองหางและ ช่วงความเชื่อมั่น (Confidence Interval - CI) ที่ระดับความเชื่อมั่น \(1 - \alpha\) มีความสอดคล้องกันอย่างสมบูรณ์:
\(CI = \text{Sample Estimate} \pm (\text{Critical Value} \times SE)\)
ค่าที่ตั้งสมมติฐานไว้ \(\mu_0\) จะถูกปฏิเสธที่ระดับนัยสำคัญ \(\alpha\) ก็ต่อเมื่อ \(\mu_0\) อยู่นอกช่วงความเชื่อมั่น \((1 - \alpha)\) เท่านั้น หาก \(\mu_0\) อยู่ภายในช่วงดังกล่าว เราจะไม่ปฏิเสธ \(H_0\) ที่ระดับนัยสำคัญ \(\alpha\)
4. การทดสอบสมมติฐานสำหรับประชากรกลุ่มเดียว
การทดสอบค่าเฉลี่ยของประชากร (\(\mu\)):
- Z-test: ใช้เมื่อทราบค่าความแปรปรวนของประชากร (\(\sigma^2\)): \(Z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}\)
- t-test: ใช้เมื่อไม่ทราบค่าความแปรปรวนของประชากร และประมาณค่าด้วยความแปรปรวนของกลุ่มตัวอย่าง (\(s^2\)) โดยมีองศาความเป็นอิสระ (Degrees of Freedom) เท่ากับ \(n - 1\): \(t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}\)
การทดสอบความแปรปรวนของประชากรกลุ่มเดียว (\(\sigma^2\)):
- Chi-Square (\(\chi^2\)) Test: สำหรับประชากรที่มีการแจกแจงแบบปกติ การทดสอบ \(H_0: \sigma^2 = \sigma_0^2\) จะใช้สถิติทดสอบ \(\chi^2 = \frac{(n - 1)s^2}{\sigma_0^2}\) โดยมีองศาความเป็นอิสระเท่ากับ \(n - 1\)
การเปรียบเทียบความแปรปรวนของประชากรสองกลุ่ม:
- F-test: ทดสอบ \(H_0: \sigma_1^2 = \sigma_2^2\) จากกลุ่มตัวอย่างที่เป็นอิสระต่อกัน: \(F = \frac{s_1^2}{s_2^2}\) โดยมีองศาความเป็นอิสระของตัวเศษเท่ากับ \(n_1 - 1\) และตัวส่วนเท่ากับ \(n_2 - 1\)
5. การทดสอบผลต่างระหว่างค่าเฉลี่ยของประชากรสองกลุ่ม
การบริหารความเสี่ยงทางการเงินมักจำเป็นต้องเปรียบเทียบผลตอบแทนหรือมาตรวัดความเสี่ยงระหว่างสองพอร์ตการลงทุน สินทรัพย์สองประเภท หรือสองช่วงเวลา การเลือกใช้การทดสอบที่เหมาะสมจะขึ้นอยู่กับว่ากลุ่มตัวอย่างทั้งสองเป็นอิสระต่อกันหรือจับคู่กัน:
A. กลุ่มตัวอย่างที่เป็นอิสระต่อกัน (Independent Samples)
เมื่อทดสอบ \(H_0: \mu_1 - \mu_2 = d_0\) (บ่อยครั้งที่ \(d_0 = 0\)) จากสองประชากรที่แยกจากกัน:
\(t = \frac{(\bar{x}_1 - \bar{x}_2) - d_0}{SE(\bar{x}_1 - \bar{x}_2)}\)
- กรณีสมมติว่าความแปรปรวนเท่ากัน (Pooled Variance): เมื่อ \(\sigma_1^2 = \sigma_2^2\) ให้คำนวณความแปรปรวนรวม \(s_p^2 = \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2}\) โดยมี \(SE = s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\) และองศาความเป็นอิสระเท่ากับ \(n_1 + n_2 - 2\)
- กรณีความแปรปรวนไม่เท่ากัน (Unpooled): เมื่อไม่สามารถสมมติว่าความแปรปรวนเท่ากันได้ จะได้ \(SE = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}\) โดยปรับองศาความเป็นอิสระด้วยสูตรของ Welch (Welch's formula)
B. กลุ่มตัวอย่างแบบจับคู่หรือไม่อิสระต่อกัน (Paired / Dependent Samples)
เมื่อข้อมูลในทั้งสองกลุ่มตัวอย่างมีความสัมพันธ์แบบจับคู่กันโดยธรรมชาติ (เช่น ผลการดำเนินงานของกองทุนเดียวกันก่อนและหลังการเปลี่ยนแปลงนโยบาย) ให้คำนวณผลต่างของแต่ละคู่ \(d_i = x_{1,i} - x_{2,i}\) ซึ่งสมมติฐาน \(H_0: \mu_d = d_0\) จะลดรูปลงมาเป็นการทดสอบ t-test สำหรับกลุ่มตัวอย่างเดียวของผลต่างเฉลี่ย (\(\bar{d}\)):
\(t = \frac{\bar{d} - d_0}{s_d / \sqrt{n}}\)
โดยที่ \(s_d\) คือส่วนเบี่ยงเบนมาตรฐานของกลุ่มตัวอย่างของผลต่างแต่ละคู่ และมีองศาความเป็นอิสระเท่ากับ \(n - 1\)
6. ปัญหาการทดสอบซ้ำซ้อน (Multiple-Testing Problem)
ในการสร้างแบบจำลองเชิงปริมาณและการทดสอบย้อนหลัง (Backtesting) นักวิเคราะห์มักจะทดสอบตัวแปร กลยุทธ์การซื้อขาย หรือปัจจัยความเสี่ยงหลายสิบหรือหลายร้อยรายการพร้อมกัน ซึ่งก่อให้เกิด ปัญหาการทดสอบซ้ำซ้อน (Multiple-Testing Problem) (หรือที่เรียกว่า Data Snooping หรือ P-Hacking)
หากคุณทำการทดสอบที่เป็นอิสระต่อกันจำนวน \(m\) การทดสอบ โดยแต่ละการทดสอบมีระดับนัยสำคัญ \(\alpha\) ความน่าจะเป็นที่จะเกิด Type I error อย่างน้อยหนึ่งครั้ง จากกลุ่มการทดสอบทั้งหมด ซึ่งเรียกว่า Family-Wise Error Rate (FWER) คือ:
\(FWER = 1 - (1 - \alpha)^m\)
ตัวอย่าง: หากคุณทดสอบ 20 กลยุทธ์ที่เป็นอิสระต่อกันที่ระดับนัยสำคัญ \(\alpha = 0.05\) ความน่าจะเป็นที่จะพบผลบวกลวงอย่างน้อยหนึ่งรายการคือ \(1 - (1 - 0.05)^{20} \approx 64.15\%\)
วิธีแก้ไขปัญหา Multiple Testing
การปรับแก้แบบบอนเฟอร์โรนี (Bonferroni Correction): เพื่อรักษาระดับ Family-Wise Error Rate โดยรวมให้อยู่ที่ \(\alpha\) แต่ละการทดสอบย่อยจะต้องทำที่ระดับนัยสำคัญที่ปรับลดลง:
\(\alpha^* = \frac{\alpha}{m}\)
หรือในทางที่เทียบเท่ากัน คือการนำค่า p-value ของแต่ละการทดสอบไปคูณด้วย \(m\) แม้ว่าการปรับแก้แบบ Bonferroni จะเรียบง่ายและรัดกุมมาก แต่มันอาจทำให้กำลังของการทดสอบ (Power) ลดลงอย่างมากเมื่อ \(m\) มีขนาดใหญ่
อัตราการค้นพบที่ผิดพลาด (False Discovery Rate - FDR): เป็นทางเลือกสมัยใหม่ที่ควบคุมสัดส่วนที่คาดหวังของการปฏิเสธที่ผิดพลาดในบรรดาสมมติฐานที่ถูกปฏิเสธทั้งหมด แทนที่จะเป็นการกดทับไม่ให้เกิด Type I error เลยแม้แต่ครั้งเดียว
7. ขั้นตอนการทำ Hypothesis Testing แบบทีละสเต็ป
ขั้นตอนที่ 1: ตั้งสมมติฐานหลัก (\(H_0\)) และสมมติฐานทางเลือก (\(H_a\))
ขั้นตอนที่ 2: เลือกระดับนัยสำคัญ (\(\alpha\)) เช่น 0.05 หรือ 0.01
ขั้นตอนที่ 3: เลือกสถิติทดสอบที่เหมาะสม (Z, t, Chi-square หรือ F) และระบุการแจกแจงของมันภายใต้ \(H_0\)
ขั้นตอนที่ 4: คำนวณค่าสถิติทดสอบจากกลุ่มตัวอย่าง รวมถึงค่า p-value หรือค่าวิกฤตที่สอดคล้องกัน
ขั้นตอนที่ 5: นำกฎการตัดสินใจมาปรับใช้: ปฏิเสธ \(H_0\) หากค่าสถิติทดสอบเกินกว่าค่าวิกฤต (หรือ \(\text{p-value} < \alpha\)) มิฉะนั้น ให้ไม่ปฏิเสธ \(H_0\)
8. ข้อควรระวังที่พบบ่อย
1. การ "ยอมรับ" (Accepting) สมมติฐานหลัก: เราไม่เคยใช้คำว่า "ยอมรับ \(H_0\)" เราทำได้เพียงแค่ "ไม่ปฏิเสธ \(H_0\)" เท่านั้น การไม่ปฏิเสธเพียงแค่บ่งบอกว่าหลักฐานจากกลุ่มตัวอย่างยังไม่เพียงพอที่จะหักล้างสมมติฐานหลักได้ ไม่ได้แปลว่าสมมติฐานหลักได้รับการพิสูจน์แล้วว่าเป็นจริง
2. การกระจายค่า Alpha ผิดในแต่ละหาง: สำหรับการทดสอบสองหางที่ระดับ \(\alpha = 5\%\) เขตวิกฤตจะแบ่ง \(2.5\%\) (\(\alpha/2\)) ไว้ที่แต่ละหาง แต่สำหรับการทดสอบหางเดียว ค่า \(5\%\) ทั้งหมดจะรวมอยู่ที่หางเพียงข้างเดียว ซึ่งจะทำให้ได้เกณฑ์ค่าวิกฤตที่ต่ำลงมา
3. ความสับสนระหว่างนัยสำคัญทางสถิติกับนัยสำคัญทางเศรษฐศาสตร์: ผลกระทบที่มีขนาดเล็กมากๆ ก็อาจให้ค่า p-value ที่มีนัยสำคัญทางสถิติได้หากขนาดกลุ่มตัวอย่าง \(n\) มีขนาดใหญ่เป็นพิเศษ แต่ต้นทุนการทำธุรกรรมหรือข้อจำกัดในตลาด (Market Frictions) อาจทำให้ผลลัพธ์นั้นไม่มีนัยสำคัญในทางเศรษฐศาสตร์หรือไม่มีประโยชน์ในเชิงปฏิบัติเลย