การวิเคราะห Stochastic Dominance ในตลาดหลักทรัพยเอเชีย

สําหรับคนกลัวความเสี่ยงและคนรักความเสี่ยง
Stochastic Dominance Analysis in Asian Stock Market for Risk Averter and Risk Lover

สุรเชษฐ แกนชา1
Surachet Kaencha

บทคัดยอ

ในปจจุบันการที่นักลงทุนจะตัดสินใจลงทุนในตลาดหลักทรัพยใดนั้นจะอาศัยทฤษฎีของ Markowitz
(1952) ซึ่งจะอาศัยคาเฉลี่ยและความแปรปรวนเปนเครื่องมือในการตัดสินใจเลือกลงทุน ซึ่งจะเลือกลงทุนใน
หลักทรัพยที่มีคาเฉลี่ยของผลตอบแทนสูงและมีคาความแปรปรวนต่ํา ซึ่งแนวคิดนี้นิยมใชกันอยางแพรหลายมา
จนถึงปจจุบัน แตอยางไรก็ตามแนวคิดของ Markowitz (1952) จะคํานึงถึงเฉพาะคาเฉลี่ยและคาความแปรปรวน
เท า นั้ น โดยไม ได คํ า นึ ง ถึ ง อรรถประโยชน ที่ ไ ด รั บจากการลงทุ น ดั ง นั้ น ในการศึ กษาครั้ ง นี้ จ ะใช Stochastic
Dominance เปนหลักเกณฑในการตัดสินใจเลือกลงทุน ซึ่งเปนหลักเกณฑที่คํานึงถึงการไดรับอรรถประโยชน
สูงสุดจากการลงทุน
การศึกษาครั้งนี้มีวัตถุประสงคในการศึกษาวิเคราะห Stochastic Dominance สําหรับคนกลัวความ
เสี่ยงและคนรักความเสี่ยง โดยศึกษาดัชนีตลาดหลักทรัพยในเอเชียตะวันออกและเอเชียตะวั นออกเฉียงใต 6
ตลาดไดแก ดัชนี NIKKEI225 ประเทศญี่ปุน ดัชนี HANG SENG ฮองกง ดัชนี TSEC50 ไตหวัน ดัชนี KOSPI50
ประเทศเกาหลีใต ดัชนี STRAITS TIMES ประเทศสิงคโปรและ ดัชนี SET50 ประเทศไทย โดยใชการทดสอบดวย
วิธี DD-Test ตามแบบของ Davidson และ Duclos (2000) สําหรับคนกลัวความเสี่ยงและตามแบบของ Wong,
et.al.(2007) สําหรับคนรักความเสี่ยง และทดสอบดวยวิธี LMW-Test ตามแบบของ Linton,et.al.(2005) เพื่อให
ทราบถึง ผลการเปรี ยบเที ยบอรรถประโยชน ที่ จะได รั บจากการลงทุ น ในตลาดหลั กทรั พย อั น จะนํ า ไปใช เ ป น
เครื่องมือในการเลือกลงทุนในตลาดหลักทรัพยไดอยางมีประสิทธิผล
จากผลการศึกษาการทดสอบ Stochastic Dominance โดยวิธี DD–Test พบวา STRAITS TIMES
จะ Dominate ตลาดอื่น ๆ ในอันดับที่สองของการทดสอบ ASD แตจะถูกตลาดอื่น ๆ Dominate ในอันดับที่สอง
ของการทดสอบ DSD นั่นหมายความวาหากนักลงทุนเปนคนกลัวความเสี่ยงการลงทุนใน STRAITS TIMES จะ

คณะเศรษฐศาสตร มหาวิทยาลัยธรรมศาสตร
Faculty of Economics, Thammasat University
ไดรับอรรถประโยชนสูงกวา แตถาหากวานักลงทุนเปนคนรักความเสี่ยงการลงทุนในตลาดอื่น ๆ จะไดรับ
อรรถประโยชนสูงกวา
จากการศึกษาการทดสอบ Stochastic Dominance โดยวิธี LMW-Test พบวา HANGSENG Dominate
SET50, STRAITS TIMES และ TSEC50 และพบ KOSPI50 Dominate NIKKEI225 และ SET50 ซึ่งทั้งหมดนี้พบ
ใน ASD DSD ซึ่งสอดคลองกับ Corollaryที่หนึ่งของ Wong and Chan (2008) และพบวา STRAITS TIMES
ยังคง Dominate ตลาดอื่น ๆ ยกเวน HANGSENG ในอันดับที่สองของ ASD และถูกตลาดอื่น ๆ Dominate ใน
อันดับที่สองของ DSD นั่นหมายความวาการลงทุนใน HANGSENG จะทําใหนักลงทุนไดรับอรรถประโยชนสูงวา
การลงทุนใน SET50, STRATIE TIMES และ TSEC50 และการเลือกลงทุนใน KOSPI50 จะทําใหนักลงทุนไดรับ
อรรถประโยชนสูงกวาการลงทุนใน NIKKEI225 และ SET50 และการลงทุนใน STRAITS TIMES จะให
อรรถประโยชนสูงวาตลาดอื่น ๆ สําหรับคนกลัวความเสี่ยงแตจะใหอรรถประโยชนนอยกวาตลาดอื่น ๆ สําหรับคน
รักความเสี่ยง
จากผลการทดสอบจะเห็นไดวา ผลการทดสอบโดยวิธี DD–Test สอดคลองกับ การทดสอบดวยวิธี
LMW–Test ซึ่งจะเห็นไดจาก เมื่อพบการ Dominate กันระหวางตลาดหลักทรัพยคูใดในการทดสอบโดยวิธี DD–
Test แลวก็จะพบการ Dominate คูนั่นในการทดสอบโดยวิธี LMW-Test ดวยเชนกัน

คําสําคัญ : Stochastic Dominance, Ascending Stochastic Dominance, Descending Stochastic Dominance,อรรถประโยชนคาดหวัง,

Convex Utility Function, Concave Utility Function, ดัชนีตลาดหลักทรัพย, Ordering Prospect, คนรักความเสี่ยง, คนกลัวความเสี่ยง, Test
Statistic, การทดสอบสมมติฐาน

Abstract

Foremost among the theories applied in decision making in the stock exchange is the
Markowitz (1952a) theory which suggests the investors to invest in the stock that possesses higher
mean return and less variance. Nevertheless, this theory leaves out the important criteria such that the
utility of the investment should be included. In order to do so, this study applies the Stochastic
Dominance as a tool to acquire such utility which will immensely enhance the performance of the
investor’s decision making.
This study examines 6 East Asia and South-East Asia stock markets – Japan, Hong Kong,
South Korea, Singapore and Thailand – using Stochastic Dominance approach following Davidson
and Duclos (2000) for risk averter and Wong, et.al.(2007) for risk lover – DD-test – and Linton et al.
(2005) - LMW-test.
The result from Stochastic Dominance, DD-test approach, shows that the STRAITS TIMES
dominates other markets in the second place of ASD but is dominated by others in the second place
of DSD. Thus, the risk-averse investors will gain more utility if they invest in the STRAITS TIMES and the
risk-loving investors otherwise.
 The result from Stochastic Dominance, LMW-test approach, shows that the HANGSENG
dominates SET50, STRAITS TIMES and TSEC50, and KOSPI50 dominates NIKKEI225 and SET50, all
of which are found in ASD and DSD conforming to the first corollary of Wong and Chan (2008). The
STRAITS TIMES still dominates other markets except HANGSENG in the second place of ASD but is
dominated by others in the second place of DSD. As a result, the investors will gain more utility
investing in HANGSENG than in SET50, STRAITS TIMES and TSEC50, and in KOSPI50 than in
NIKKEI225 and SET50 likewise. Furthermore, investing in STRAITS TIMES provides more utility to risk-
averse investors and less utility to risk-loving investors.
The results obtained from DD-test and LMW-test approaches are concordant in which the
domination between the specific pair of stock markets found in DD-test approach would also found in
LMW-test approach

Keywords : Stochastic Dominance, Ascending Stochastic Dominance, Descending Stochastic Dominance, Expected Utility,
Convex Utility Function, Concave Utility Function, Stock Market Index, Ordering Prospect, Risk seeking, Risk averse, Test
Statistic, Hypothesis testing

บทนํา

ในปจจุบันการลงทุนของนักลงทุน มิไดจํากัดอยูเพี ยงแตในประเทศเทานั้น เนื่องจากเทคโนโลยีใ น

ปจจุบันไดเชื่อมโยงการลงทุนในตลาดหลักทรัพยของทุกประเทศเขาดวยกัน ทําใหนักลงทุนมีทางเลือกในการ
ลงทุนไดมากยิ่งขึ้น ซึ่งการจะลงทุนในตลาดหลักทรัพยของประเทศใดนั้น ขึ้นอยูกับการพิจารณาของนักลงทุนเอง
ดังนั้นนักลงทุนจึงควรมีเครื่องมือที่จะชวยเปรียบเทียบผลตอบแทนและความเสี่ยงของแตละตลาด เพื่อใหนั ก
ลงทุนไดมีการตัดสินใจเลือกลงทุนไดอยางถูกตองและมีเหตุผล ซึ่งโดยทั่วไปแลวนักลงทุนจะตัดสินใจลงทุน ใน
ตลาดหลักทรัพยใดนั้นจะอาศัยทฤษฎีของ Markowitz (1952) ซึ่งอาศัยคาเฉลี่ย (Mean) และความแปรปรวน
(Variance) ของผลตอบแทนของ Prospect มาเปนเครื่องมือในการจัดอันดับซึ่ง Prospect ที่ดีตามหลักการของ
Markowitz (1952) จะตองมีคาเฉลี่ย (Mean) สูงและความแปรปรวน (Variance) ต่ํา และแนวคิดนี้ก็ไดรับการ
ยอมรับใหเปนเครื่องมือในการจัดอันดับ Prospect เรื่อยมาจนถึงปจจุบัน แตอยางไรก็ตามแนวคิดของ Markowitz
(1952) สนใจเพียงแค คาเฉลี่ย (Mean) และความแปรปรวน (Variance) โดยไมไดคํานึงหลักการอรรถประโยชน
สูงสุดของผูที่เลือก Prospect จนกระทั่ง Hadar และ Russell (1969), Whitmore (1970) และ Bawa (1975)
เสนอแนวคิดการ จัดอันดับ prospect (ordering Prospect) แบบใหมโดยไมไดยึดถือคาเฉลี่ย (Mean) และความ
แปรปรวน (Variance) เปนหลักในการจัดอันดับ วิธีนี้เรียกวาการทดสอบ Stochastic Dominance ซึ่งเปนวิธีการ
จัดอันดับของ Prospect โดยอาศัยหลักการการไดรับอรรถประโยชนสูงสุดเปนหลักในการจัดอันดับ การทดสอบ
Stochastic Dominance จึงกลายเปนอีกกรอบแนวคิด (Framework) หนึ่งที่ใชในการจัดอันดับ Prospect
การทดสอบ Stochastic Dominance ไดมีการพัฒนาวิธีการทดสอบออกมาหลายวิธี ดังนั้นจึงไดมีคน
ตรวจสอบวิธีการทดสอบ Stochastic Dominance วาวิธีใดใหผลการศึกษาที่ดีที่สุด โดยจากการศึกษาของ Tse
and Zhang (2004) ใชวิธีการ Monte Carlo simulation ในการตรวจสอบ การทดสอบ Stochastic Dominance
ระหวาง Davison and Duclos (2000) test, Anderson test (1996) and Kaur el. al (1994) test พบวา
Davison and Duclos (2000) test ใหผลการทดสอบที่ดีที่สุด นอกจากนี้การศึกษาของ Lean, Wang and Zhang
(2008) ใช วิ ธี การ Monte Carlo simulation ในการตรวจสอบ ความสามารถในการทดสอบ Stochastic
Dominance ของขอมูลที่การแจกแจงมีสหสัมพันธ (correlation)และมีปญหา Heteroscedasticity โดยใชวิธีการ
ทดสอบเหมือนกับการศึกษาของ Tse and Zhang (2004) พบวาวิธีของ Davidson and Duclos (2000) มี
ความสามารถในการทดสอบ Stochastic Dominance ได ดี ที่ สุ ด จะเห็ น ได ว า การทดสอบ Stochastic
Dominance ดวยวิธีของ Davidson and Duclos หรือ DD – Test .ใหผลการทดสอบ Stochastic Dominance ที่
ดีที่สุด
นอกจากการทดสอบ Stochastic Dominance ตามวิธีการของ Davidson and Duclos หรือ DD –
Test แลว งานวิจัยที่ออกมาในชวงหลังจะมีวิธีการทดสอบอีกสองแบบคือการทดสอบตามวิธีของ Barrett and
Donale (2003) หรือ BD-Test และวิธีการการทดสอบตามแบบของ Linton, Maasoumi and Whang (2005) หรือ
LMW-Test ซึ่งการศึกษาการทดสอบ Stochastic Dominance โดยใช DD – test, BD-Test และ LMW – test ทั้ง
สามวิธีไดแกการ ศึกษาของ Wong,et.al. (2007) ประเมินผลการดําเนินงานของ Hedge Fund ที่มีการลงทุนอยู
ในเอเชียโดยใช Stochastic Dominance ซึ่งทดสอบ Stochastic Dominance สามแบบคือ DD-Test, BD-Test
และ LMW-Test ซึ่งทั้งสามแบบใหผลการศึกษาไปในทิศทางเดียวกัน
อยางไรก็ตามการทดสอบ Stochastic Dominance แตเดิ มนั้น จะเปนการทดสอบสํ าหรับคนที่ มี
ฟงกชันอรรถประโยชนที่มีคุณสมบัติเปนฟงกชันที่ concave หรือเปนคนที่กลัวความเสี่ยงเทานั้น แตในความเปน
จริงแลวคนเราไมไดเปนคนกลัวความเสี่ยงเสมอไป ดังนั้น Wong และ Li (1999) และ Li และ Wong (1999) ได
พัฒนาทฤษฎีการทดสอบ Stochastic Dominance สําหรับคนรักความเสี่ยงขึ้นเรียกวา Descending Stochastic
dominance (DSD) ซึ่ง Wong, et.al.(2007) ไดพัฒนา DD-Test เพื่อทดสอบ Stochastic Dominance สําหรับคน
รักความเสี่ยง
การทดสอบ Stochastic Dominance สามารถประยุกตใ ชกันอย างแพร หลายในตลาดทุน Lean,
Smyth and Wong (2007) ทดสอบ day-of-the-week และ January effects โดยใชการทดสอบ Stochastic
Dominance ตามวิธีของ Davidson and Duclos (2000), Cho (2007) ประยุกตใช Stochastic dominance ใน
การทดสอบ Monday effect โดยใชวิธีการทดสอบของ LMW-Test
 Stochastic Dominance

Stochastic Dominance เปนทฤษฎีที่ใชในการเปรียบเทียบ Prospect เปนคู ๆ ภายใตสมมติฐาน

สําหรับฟงกชันอรรถประโยชนของผูตัดสินใจแบบตาง ๆ โดย
กําหนดใหใหมี K Prospect คือ X1 , X 2 ,..., X K มี f kb เปนฟงกชันความหนาแนนความนาจะเปน,
pdf สําหรับ. k  1, 2,..., K และ b  A, D, M , P กําหนดให
x
A
F  fk
k0
A
และ F A
kj  x    FkA j 1  t  d  t  , j  1, 2,3


FkD0  f kD และ FkjD  x    FkD j 1  t  d  t  , j  1, 2,3
x

Ascending Stochastic Dominance

Ascending Stochastic Dominance เปนทฤษฎี ที่ใชในการเปรียบเทียบ Prospect เปนคู ๆ ภายใต
สมมติฐานที่ฟงกชันอรรถประโยชนของผูตัดสินใจมีคุณสมบัติเปนฟงกชันแบบ concave หรือผูตัดสินใจเปนผูกลัว
ความเสี่ ยง โดย Prospect Xk จะ Dominate Prospect X l ในแนวทางของ Ascending Stochastic
Dominance ที่อันดับที่ j ก็ตอเมื่อ
FkjA  z   FljA  z  สําหรับทุก ๆ z และ FkjA  z   FljA  z  สําหรับบาง z

โดยที่ j  1, 2,3 คืออันดับของการทดสอบ

Descending Stochastic Dominance

Descending Stochastic Dominance (DSD) เปนทฤษฎีที่ใชในการเปรียบเทียบ Prospect เปนคู ๆ
ภายใตสมมติฐานที่ฟงกชันอรรถประโยชนของผูตัดสินใจมีคุณสมบัติเปนฟงกชันแบบ convex หรือผูตัดสินใจเปน
ผูรักความเสี่ยง โดย Prospect Xk จะ Dominate Prospect X l ในแนวทางของ Descending Stochastic
Dominance ที่อันดับที่ j ก็ตอเมื่อ

FkjD  z   FljD  z  สําหรับทุก ๆ z และ FkjD  z   FljD  z  สําหรับบาง z

โดยที่ j  1, 2,3

การพบ Stochastic Dominance ระหวาง Prospect จะหมายความไดวาบุคคลจะไดรับอรรถประโยชน

จากการเลื อ ก Prospect ที่ เ ป น ตั ว Dominate มากกว า อรรถประโยชน ที่ ได จากการเลื อ ก Prospect ที่ ถู ก
Dominate เสมอ ภายใต อ รรถประโยชน ที่ กํา หนด และหากพบการ Dominate ที่ ดัน ดั บที่ i แลว จะพบการ
Dominate ที่อันดับที่ i  1 ดวยเชนกัน
 ขอมูลและวิธีการศึกษา

ขอมูล
ในการศึกษาครั้งนี้ใชขอมูลดัชนีตลาดหลักทรัพยปดรายวันของตลาดหลักทรัพย ไดแก ดัชนี NIKKEI 225
ประเทศญี่ปุน, ดัชนี KOSPI 50 ประเทศเกาหลีใต, ดัชนี STRAITS TIMES ประเทศสิงคโปร, ดัชนี HANG SENG
ฮองกง, ดัชนี TSEC 50 ไตหวัน และ ดัชนี SET 50 ประเทศไทย จากฐานขอมูล Datastream

วิธีการศึกษา
ในการศึกษาครั้งนี้จําคํานวณผลตอบแทนของตลาดโดย กําหนดให

  p 
Rt  100  ln  t    100 ln  pt   ln  pt 1  
  pt 1  
โดย
R คือ ผลตอบแทนตลาดหลักทรัพย (หนวยเปนรอยละ)
P คือ ดัชนีราคาตลาดหลักทรัพยปด ณ ปลายงวด
P คือ ดัชนีราคาตลาดหลักทรัพยปด ณ ตนงวด

การทดสอบ Stochastic Dominance

ในการศึ กษาครั้ ง นี้ จะทํ า การทดสอบ Stochastic Dominance โดยวิ ธี DD-Test ตามแบบของ
Davidson และ Duclos (2000) สําหรับคนกลัวความเสี่ยงและตามแบบของ Wong, et.al.(2007) สําหรับคนรัก
ความเสี่ยง และวิธี LMW-Test ตามแบบของ Linton,et.al.(2005)

การทดสอบ Stochastic Dominance สําหรับคนกลัวความเสี่ยง

กําหนดให F (x) คือ Empirical Distribution Function หาไดจาก

N j 1
1
FˆkjA  x     x  X ki 
N  j  1 ! i 1 
 การทดสอบ Stochastic Dominance ตามวิธีของ Davidson และ Duclos (2000) หรือ DD-Test

กําหนดให Test Statistics

FˆkjA  x   FˆljA  x 
T jA  x   , k , l  1, 2,..., K , k  l
VˆjA  x 
โดย
VˆjA  x   VˆXAjk  x   VˆXAjl  x   2VˆXAjk , X l  x 
และ
1  1 N
 2 j 1 2

VˆXAjs  x      x  X si   FˆsjA  x   , s  k , l
N  N   j  1 ! 2 i 1 
 

ˆ Aj 1  1 N
 j 1  j 1 ˆ A ˆ A

VX k , X l  x     x  X  ki   x  X li   Fkj  x  Flj  x  
N  N   j  1 ! 2 i 1 
 

ทดสอบโดยใชวิธี Union – intersection test ตามแบบของ Bishop (1992) อางใน Wong,et.al. (2008)

H ∶ F (x ) = F (x ), สําหรับทุก x , i = 1,2, … , m
H ∶ F (x ) ≠ F (x ), สําหรับบาง x ;
H ∶ F (x ) ≤ F (x ), สําหรับทุก x , F (x ) < F (x ), สําหรับบาง x
H ∶ F (x ) ≥ F (x ), สําหรับทุก x , F (x ) > F (x ), สําหรับบาง x

Davidson and Duclos (2000) แสดงใหเห็นวา T (x) มีการกระจายแบบ Studentized Maximum

Modulus (SMM) (Richmon,1982) โดยมี M ,∝ ดวยระดับนัยสําคัญ α และองศาความเปนอิสระ (degree of
freedom)∞ และ m เปนตัวควบคุมความนาจะเปนที่จะปฏิเสธ H โดยอาศัยตาราง SMM distribution ของ
Stoline and Ury (1979) ไดวา

ถา T ( ) < , สําหรับทุก = 1,2, … , , ยอมรับ ;

ถา T ( )< , สําหรับทุก และ −T ( ) > , สําหรับบาง ยอมรับ ;
ถา −T ( ) < , สําหรับทุก และ T ( ) > , สําหรับบาง ยอมรับ ;
ถา T ( )> , สําหรับบาง และ −T ( ) > , สําหรับบาง ยอมรับ

ถายอมรับ หมายความวา Empirical Distribution Function ของหลักทรัพยทั้งสองไมแตกตางกัน

อยางมีนัยสําคัญหรือถายอมรับ หมายความวาหลักทรัพยทั้งสอง ไม ASD อันดับที่ j ระหวางกัน ถายอมรับ
 หรือ หมายความวาเกิด ASD อันดับที่ j ระหวางหลักทรัพยทั้งสองตามสมมติฐาน ( หรือ ) ที่
ยอมรับ

การทดสอบ Stochastic Dominance ตามวิธีของ Linton,et.al. (2005) หรือ LMW-Test

กําหนดให Test Statistics


T jA  x   sup x n FˆkjA  x   FˆljA  x  ,  k , l  1, 2,..., K , k  l
โดยที่  คือโดเมนของ CDF

คํานวณคา p – value โดยวิธี Recentred Bootstrap ตามแบบของ Linton, et al (2005)

M
1
p  value 
M
1  T
i 1
A*
j ,i  T jA 

โดยที่ T jA,i* คือคา Test – statistic ที่ไดจากการทํา bootstrap ครั้งที่ i และ T jA คือคา test – statistic ที่
ไดจากขอมูลจริง
ในการทดสอบนี้ ถายอมรับ H 0 หมายความวา F  x   G  x  และถาหาปฏิเสธ T jA หมายความวามี
อยางนอยหนึ่งจุดที่ F  x   G  x 

การทดสอบ Stochastic Dominance สําหรับคนรักความเสี่ยง

กําหนดให F (x) คือ Empirical Distribution Function หาไดจาก

N j 1
1
FˆkjD  x     X ki  x 
N  j  1 ! i 1 

การทดสอบ Stochastic Dominance ตามวิธีของ Wong, et.al.(2007)

กําหนดให Test Statistics

FˆkjD  x   FˆljD  x 
T jD  x   , k , l  1, 2,..., K , k  l
VˆjD  x 
โดย
VˆjD  x   VˆXDjk  x   VˆXDjl  x   2VˆXDjk , X l  x 
และ

ˆ Dj 1  1 N
2 j 1
ˆ D 2

VX s  x      X si  x   Fsj  x   , s  k , l
N  N   j  1 ! 2 i 1
 
1  1 N
 j 1  j 1

VˆXDjk , X l  x     ki  X  x   X li  x   ˆ
F D
kj  x  ˆ
Flj
D
 x  
N  N   j  1 !2 i 1 

 

ทดสอบโดยใชวิธี Union – intersection test ตามแบบของ Bishop (1992) อางใน Wong,et.al. (2008)
H ∶ F (x ) = F (x ), สําหรับทุก x , i = 1,2, … , m
H ∶ F (x ) ≠ F (x ), สําหรับบาง x ;
H ∶ F (x ) ≤ F (x ), สําหรับทุก x , F (x ) < F (x ), สําหรับบาง x
H ∶ F (x ) ≥ F (x ), สําหรับทุก x , F (x ) > F (x ), สําหรับบาง x

Davidson and Duclos (2000) แสดงใหเห็นวา T (x) มีการกระจายแบบ Studentized Maximum

Modulus (SMM) (Richmon,1982) โดยมี M ,∝ ดวยระดับนัยสําคัญ α และองศาความเปนอิสระ (degree of
freedom)∞ และ m เปนตัวควบคุมความนาจะเปนที่จะปฏิเสธ H โดยอาศัยตาราง SMM distribution ของ
Stoline and Ury (1979) ไดวา

ถา T ( ) < , สําหรับทุก = 1,2, … , , ยอมรับ ;

ถา T ( )< , สําหรับทุก และ −T ( ) > , สําหรับบาง ยอมรับ ;
ถา −T ( ) < , สําหรับทุก และ T ( ) > , สําหรับบาง ยอมรับ ;
ถา T ( )> , สําหรับบาง และ −T ( ) > , สําหรับบาง ยอมรับ

ถายอมรับ หมายความวา Empirical Distribution Function ของหลักทรัพยทั้งสองไมแตกตางกัน

อยางมีนัยสําคัญหรือถายอมรับ หมายความวาหลักทรัพยทั้งสอง ไม DSD อันดับที่ j ระหวางกัน ถายอมรับ
หรือ หมายความวาเกิด DSD อันดับที่ j ระหวางหลักทรัพยทั้งสองตามสมมติฐาน ( หรือ ) ที่
ยอมรับ

การทดสอบ Stochastic Dominance ตามวิธีของ Linton,et.al. (2005) หรือ LMW-Test

กําหนดให Test Statistics


T jD  x   sup x n FˆkjD  x   FˆljD  x  ,  k , l  1, 2,..., K , k  l

โดยที่  คือโดเมนของ CDF

คํานวณคา p – value โดยวิธี Recentred Bootstrap ตามแบบของ Linton, et al (2005)

M
1
p  value 
M
 1 T
i 1
D*
j ,i  T jD 

โดยที่ T jD,i* คือคา Test – statistic ที่ไดจากการทํา bootstrap ครั้งที่ i และ T jD คือคา test – statistic ที่
ไดจากขอมูลจริง
ในการทดสอบนี้ ถายอมรับ H 0 หมายความวา F  x   G  x  และถาหาปฏิเสธ T jD หมายความวามี
อยางนอยหนึ่งจุดที่ F  x   G  x 

ผลการทดสอบ Stochastic Dominance

ในการศึกษาครั้งนี้จะทําการการทดสอบ Stochastic Dominance ซึ่งจะทําการทดสอบเปรียบเทียบ

กันระหวางดัชนีตลาดหลักทรัพยของประเทศตาง ๆ ในเอเชีย 6 ตลาด ไดแก ดัชนี NIKKEI225 ตลาดหลักทรัพย
ประเทศญี่ปุน, ดัชนี KOSPI50 ตลาดหลักทรัพย ประเทศเกาหลีใต, ดัชนี STRAITS TIMES ตลาดหลักทรัพย
ประเทศสิงคโปร, ดัชนี HANGH SENG ตลาดหลักทรัพย ฮองกง, ดัชนี TSEC50 ตลาดหลักทรัพย ไตหวัน และ
ดัชนี SET50 ตลาดหลักทรัพยแหงประเทศไทย ซึ่งในการศึกษาครั้งนี้จะศึกษาที่ระดับนัยสําคัญ 0.1, 0.05, 0.01
สําหรับ DD-Test และ LMW – Test โดยใช 50% cutoff point เพื่อให Type II error นอยสุด ซึ่งเปนเกณฑที่ใชใน
งานศึกษาของ Fong (2005) และ Fong (2008) สําหรับ DD- Test
จากความสัมพันธเปนลําดับขั้น (Hierarchical Relationship) พบวาถาพบการ Dominate ในอันดับที่ i
แลว จะให ผลเชน เดี ยวกันในอั นดั บที่ i+1 ดว ย ดังนั้ นในตารางแสดงผลการทดสอบ จึง แสดงผลการทดสอบ
Stochastic Dominance ในอันดับที่ต่ําที่สุดเทานั้น ซึ่งรายละเอียดการทดสอบมีดังนี้
ในการทดสอบ Stochastic Dominance ดวยวิธี DD – Test ที่ระดับนัยสําคัญ 0.1 พบวา STRAITS
TIMES Dominate ตลาดอื่น ๆ ทุกตลาดใน ASD ที่อันดับที่สอง แตในทางตรงกันขามใน DSD STRAITS TIMES
กลับถูกตลาดอื่น ๆ ทุกตลาด Dominate ที่อันดับที่สองเชนกัน และในการทดสอบ DSD ยังพบวา KOSPI50
Dominate NIKKEI225 ที่อันดับสามดวย
การทดสอบ Stochastic Dominance ดวยวิธี DD – Test ที่ระดับนัยสําคัญ 0.05 พบวาผลการทดสอบ
เหมือนกับที่ระดับนัยสําคัญ 0.1 ใน ASD แตในการทดสอบ DSD ไมพบการ Dominate ของ KOSPI50 และ
NIKKEI225 นอกนั้นใหผลการศึกษาเหมือนกับที่ระดับนัยสําคัญ 0.1
การทดสอบ Stochastic Dominance ดวยวิธี DD – Test ที่ระดับนัยสําคัญ 0.01 ไมพบการ Dominate
กันระหวาง NIKKEI225 กับ STRAITS TIMES ใน DSD นอกจากนั้นผลการทดสอบเหมือนกับที่ระดับนัยสําคัญ
0.05
การทดสอบ Stochastic Dominance ดวยวิธี LMW – Test ที่ระดับนัยสําคัญ 0.1 พบวา ในการทดสอบ
ASD HANGSENG Dominate NIKKEI225, SET50 และ TSEC50 และพบ KOSPI50 Dominate NIKKEI225
และ SET50 นอกจากนี้ยังพบ NIKKEI225 Dominate SET50 ซึ่งทั้งหมดนี้พบการ Dominate ที่อันดับที่หนี่ง ซึ่ง
ไดผลเชนเดียวกันใน DSD สําหรับอันดับที่หนึ่ง
นอกจากพบการ Dominate ที่อันดับที่ 1 แลวยังพบการ Dominate ที่อันดับที่สองโดย STRAITS TIMES
Dominate ตลาดอื่น ๆ ในการทดสอบ ASD และ ในทางตรงกันขามกลับถูกตลาดอื่น ๆ Dominate ในการทดสอบ
DSD
การทดสอบ Stochastic Dominance ดวยวิธี LMW – Test ที่ระดับนัยสําคัญ 0.05 พบวา HANGSENG
Dominate SET50, STRAITS TIMES และ TSEC50 และพบ KOSPI50 Dominate NIKKEI225 และ SET50 ซึ่ง
ทั้งหาคูนี้พบในอันดับที่หนึ่ง และพบทั้งใน ASD DSD นอกจากนี้ยังพบวา KOSPI50 Dominate HANGSENG
และ NIKKEI225 Dominate SET50 ในอันดับที่หนึ่งในการทดสอบ ASD และทั้งสองคูนี้ใหผลเชนเดียวกันใน DSD
และพบวา HANGSENG Dominate NIKKEI225 ที่อันดับที่หนึ่งในการทดสอบ ASD ดวย
นอกจากการ Dominate อันดับที่หนึ่งแลวยังพบวา STRAITS TIMES Dominate KOSPI50,
NIKKEI225, SET50 และ TSEC50 ในอับดับที่สองในการทดสอบ ASD และใหผลตรงขามในการทดสอบ DSD
การทดสอบ Stochastic Dominance ดวยวิธี LMW – Test ที่ระดับนัยสําคัญ 0.01 พบวา HANGSENG
Dominate SET50 และ TSEC50 ในอันดับที่หนึ่งในการทดสอบ ASD และใหผลเชนเดียวกันใน DSD และ พบ
KOSPI50 Dominate SET50 ในอันดับที่หนึ่งในการทดสอบ DSD นอกจากนี้ยังพบ NIKKEI225 Dominate
STRAITS TIMES ในอันดับที่หนึ่งในการทดสอบ ASD DSD
สําหรับในอันดับที่สองพบ STRAITS TIMES Dominate KOSPI50, SET50 และ TSEC50 ในการทดสอบ
ASD และใหผลตรงกันขามในการทดสอบ DSD

สรุป

ในการศึกษาครั้งนี้มีวัตถุประสงคในการศึกษาวิเคราะห Stochastic Dominance โดยวิธี DD-Test

ตามแบบของ Davidson และ Duclos (2000) สําหรับคนกลัวความเสี่ยงและตามแบบของ Wong, et.al.(2007)
สําหรับคนรักความเสี่ยง และวิธี LMW-Test ตามแบบของ Linton,et.al.(2005) โดยศึกษาตลาดหลักทรัพยใน
เอเชียตะวันออกและเอเชียตะวันออกเฉียงใต 6 ตลาดไดแก ตลาดหลักทรัพยประเทศญี่ปุน ฮองกง ไตหวัน
เกาหลีใต สิงคโปรและ ประเทศไทย
จากผลการศึกษาการทดสอบ Stochastic Dominance โดยวิธี DD–Test พบวา STRAITS TIMES
จะ Dominate ตลาดอื่น ๆ ในอันดับที่สองของการทดสอบ ASD แตจะถูกตลาดอื่น ๆ Dominate ในอันดับที่
สองของการทดสอบ DSD นั่นหมายความวาหากนักลงทุนเปนคนกลัวความเสี่ยงการลงทุนใน STRAITS
TIMES จะไดรับอรรถประโยชนสูงกวา แตถาหากวานักลงทุนเปนคนรักความเสี่ยงการลงทุนในตลาดอื่น ๆ
จะไดรับอรรถประโยชนสูงกวา
จากการศึกษาการทดสอบ Stochastic Dominance โดยวิธี LMW-Test พบวา HANGSENG
Dominate SET50, STRAITS TIMES และ TSEC50 และพบ KOSPI50 Dominate NIKKEI225 และ
SET50 ซึ่งทั้งหมดนี้พบใน ASD DSD ซึ่งสอดคลองกับ Corollaryที่หนึ่งของ Wong and Chan (2008) และ
พบวา STRAITS TIMES ยังคง Dominate ตลาดอื่น ๆ ยกเวน HANGSENG ในอันดับที่สองของ ASD และ
ถูกตลาดอื่น ๆ Dominate ในอันดับที่สองของ DSD นั่นหมายความวาการลงทุนใน HANGSENG จะทําให
นักลงทุนไดรับอรรถประโยชนสูงวาการลงทุนใน SET50, STRATIE TIMES และ TSEC50 และการเลือก
ลงทุนใน KOSPI50 จะทําใหนักลงทุนไดรับอรรถประโยชนสูงกวาการลงทุนใน NIKKEI225 และ SET50
และการลงทุนใน STRAITS TIMES จะใหอรรถประโยชนสูงวาตลาดอื่น ๆ สําหรับคนกลัวความเสี่ยงแตจะ
ใหอรรถประโยชนนอยกวาตลาดอื่น ๆ สําหรับคนรักความเสี่ยง
จากผลการทดสอบจะเห็นไดวา ผลการทดสอบโดยวิธี DD–Test สอดคลองกับ การทดสอบดวยวิธี
LMW–Test ซึ่งจะเห็นไดจาก เมื่อพบการ Dominate กันระหวางตลาดหลักทรัพยคูใดในการทดสอบโดยวิธี
DD–Test แลวก็จะพบการ Dominate คูนั่นในการทดสอบโดยวิธี LMW-Test ดวยเชนกัน
 เอกสารอางอิง

Anderson, G. (1996). "NONPARAMETRIC TESTS OF STOCHASTIC DOMINANCE IN INCOME

DISTRIBUTIONS." Econometrica 64(5): 1183-1193.

Arrow, K. J. (1974). "Essays in the Theory of Risk-Bearing." The Journal of Business 47(1): 96 - 98.

Barrett, G. F. and S. G. Donald (2003). "Consistent Tests for Stochastic Dominance." Econometrica
71(1): 71-104.

Bawa, V. S. (1975). "Optimal Rules for Ordering Uncertain Prospects." Journal of Financial Economics
2(1): 95-121.

Cho, Y., O. Linton, Y Whong (2007). "Are there Monday effects in stock returns: A stochastic
dominance approach " Journal of Empirical Finance 14(5): 736-755.

Davidson, R. D., Jean-Yves (2000). "Inference for Stochastic Dominance and for the Measurement of
Poverty and Inequality." Econometrica 68(6): 1435-64.

Fong, W., W. Wong, H. Lean (2005). "International momentum strategies: a stochastic dominance
approach." Journal of Financial Markets 8(1): 89-109.

Fong, W. M., H. H. Lean, et al. (2008). "Stochastic Dominance and Behavior Towards Risk: The Market
for Internet Stocks." Journal of Economic Behavior and Organization 68(1): 194-208

Gasbarro, D., W. K. Wong, J.K. Zumwalt (2007). "Stochastic Dominance Analysis of iShares." European
of Finance 13: 89-101.

Hadar, J. and W. R. Russell (1969). "Rules for Ordering Uncertain Prospects." American Economic
Review 59(1): 25.

Kaur, A., P. Rao, Singh, Harshinder (1994). "Testing for Second-Order Stochastic Dominance of Two
Distributions." Econometric Theory 10(5): 849-866.
Lean, H. H., Smyth, Russell, Wong, Wing-Keung (2007). "Revisiting calendar anomalies in Asian stock
markets using a stochastic dominance approach." Journal of Multinational Financial Management
17(2): 125-141.

Lean, H.-H., Wong, Wing-Keung, Zhang, Xibin (2008). "The sizes and powers of some stochastic
dominance tests: A Monte Carlo study for correlated and heteroskedastic distributions." Mathematics
and Computers in Simulation 79(1): 30-48.

Li, C.K., Wong, W.K.(1999) “A note on stochastic dominance for risk averters and risk takers”
RAIRO Recherche Operationnelle 33, 509–524

Linton, O., Maasoumi, Esfandiar, Whang, Yoon-Jae. (2005). "Consistent Testing for Stochastic
Dominance under General Sampling Schemes." Review of Economic Studies 72(3): 735-765.

Markowitz, H. (1952). "Portfolio Selection." The Journal of Finance 7(1): 77-91.

Mas-Colell, A., Michael D. Whinston, Jerry R. Green (1995). Microeconomic Theory. New York Oxford
University Press.

Pratt, J. W. (1964). "Risk Aversion in the Small and in the Large." Econometrica 32(1/2): 122 - 136.

Richmond, J. (1982). "A General Method for Constructing Simultaneous Confidence Intervals." Journal
of the American Statistical Association 77(378): 455-460.

Stoline, M. R., Ury, H.K. (1979). "Tables of the Studentized Maximum Modulus Distribution and an
Application to Multiple Comparisons among Means." Technometrics 21(1): 87 - 93.

Tse, Y. K. and X. Zhang (2004). "A Monte Carlo investigation of some tests for stochastic dominance."
Journal of Statistical Computation & Simulation 74(5): 361-378.

Whitemore, G. A. (1970). "Third-Degree Stochastic Dominance." American Economic Review 60(3):

457-459.
Wong, W.-K. and C.-K. Li (1999). "A note on convex stochastic dominance." Economics Letters 62(3):
293-300.

Wong, W.-K., Phoon, Kok Fai, Lean, Hooi Hooi (2008). "Stochastic dominance analysis of Asian hedge
funds." Pacific-Basin Finance Journal 16(3): 204-22
 ผลการทดสอบ Stochastic Dominance ดวยวิธี DD-Test

ตารางที่ 1 Ascending Stochastic Dominance

%Test Statistic (0.1) %Test Statistic (0.05) %Test Statistic (0.01)

ตลาดหลักทรัพย FASD SASD TASD FASD SASD TASD FASD SASD TASD
%T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0
HANGSENG VS KOSPI50 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
HANGSENG VS NIKKEI225 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
HANGSENG VS SET50 0 25 0 0 0 0 0 22 0 0 0 0 0 17 0 0 0 0
HANGSENG VS STRAITS
TIMES 15 17 81 0 48 0 15 17 78 0 30 0 9 15 72 0 0 0
HANGSENG VS TSEC50 0 10 0 0 0 0 0 8 0 0 0 0 0 2 0 0 0 0
KOSPI50 VS NIKKEI225 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
KOSPI50 VS SET50 0 12 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0
KOSPI50 VS STRAITS TIMES 25 35 77 0 88 0 22 33 74 0 86 0 19 30 70 0 81 0
KOSPI50 VS TSEC50 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
NIKKEI225 VS SET50 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
NIKKEI225 VS STRAITS TIMES 24 19 75 0 78 0 22 18 73 0 72 0 16 17 65 0 54 0
NIKKEI225 VS TSEC50 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
SET50 VS STRATIS TIMES 49 27 84 0 21 0 47 26 82 0 9 0 39 23 77 0 0 0
SET50 VS TSEC50 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
STRAITS TIMES VS TSEC50 23 29 0 88 0 88 23 28 0 86 0 87 20 24 0 82 0 81
 ตารางที่ 2 Descending Stochastic Dominance

%Test Statistic (0.1) %Test Statistic (0.05) %Test Statistic (0.01)

ตลาดหลักทรัพย FDSD SDSD TDSD FDSD SDSD TDSD FDSD SDSD TDSD
%T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0 %T>0 %T<0
HANGSENG VS KOSPI50 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
HANGSENG VS NIKKEI225 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
HANGSENG VS SET50 25 0 0 0 0 0 22 0 0 0 0 0 17 0 0 0 0 0
HANGSENG VS STRAITS
TIMES 17 15 87 0 91 0 17 15 85 0 89 0 15 9 82 0 82 0
HANGSENG VS TSEC50 10 0 0 0 0 0 8 0 0 0 0 0 2 0 0 0 0 0
KOSPI50 VS NIKKEI225 1 0 36 0 60 0 0 0 19 0 29 0 0 0 0 0 0 0
KOSPI50 VS SET50 6 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0
KOSPI50 VS STRAITS TIMES 35 25 84 0 93 0 33 22 84 0 92 0 30 19 82 0 89 0
KOSPI50 VS TSEC50 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
NIKKEI225 VS SET50 0 0 0 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0
NIKKEI225 VS STRAITS TIMES 19 24 56 0 51 0 18 22 53 0 39 0 17 16 38 0 0 0
NIKKEI225 VS TSEC50 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
SET50 VS STRATIS TIMES 27 44 72 0 76 0 26 42 69 0 71 0 23 39 64 0 55 0
SET50 VS TSEC50 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
STRAITS TIMES VS TSEC50 29 23 0 76 0 92 28 23 0 74 0 90 24 20 0 69 0 86
 ผลการทดสอบ Stochastic Dominance ดวยวิธี LMW-Test

กําหนด F=CDF ของ P, G=CDF ของ Q และ d=F-G

ตาราง 3 Ascending Stochastic Dominance

FASD SASD TASD

P-Value P-Value P-Value
P vs G
P vs Q Q vs P P vs Q Q vs P P vs Q Q vs P
H1:d>0 H1:d>0 H1:d>0 H1:d>0 H1:d>0 H1:d>0
hangseng vs kospi 0.041 0.074 0.487 0.316 0.405 1
hangseng vs nikkei 0.378 0.045 0.422 0.428 0.425 0.558
hangseng vs set 0.209 0 1 0.11 1 0.184
hangseng vs sti 0.097 0.03 0.053 0.669 0.154 1
hangseng vs tsec 0.297 0.005 0.626 0.168 0.494 0.242
kospi vs nikkei 0.481 0.035 0.29 0.319 0.422 0.554
kospi vs set 0.64 0.011 1 0.185 1 0.092
kospi vs sti 0.007 0.001 0.01 0.492 0.14 0.685
kospi vs tsec 0.815 0.159 0.779 0.203 0.673 0.179
nikkei vs set 0.459 0.041 1 0.13 1 0.16
nikkei vs sti 0.04 0.004 0.022 1 0.108 1
nikkei vs tsec 0.611 0.423 0.711 0.182 0.601 0.198
set vs sti 0 0 0.002 1 0.044 1
set vs tsec 0.188 0.752 0.475 0.685 0.396 1
sti vs tsec 0.002 0.002 0.749 0.006 0.645 0.03

ตาราง 4 Descending Stochastic Dominance

FDSD SDSD TDSD

P-Value P-Value P-Value
P vs G
P vs Q Q vs P P vs Q Q vs P P vs Q Q vs P
H1:d>0 H1:d>0 H1:d>0 H1:d>0 H1:d>0 H1:d>0
hangseng vs kospi 0.075 0.048 0.611 0.217 0.527 0.374
hangseng vs nikkei 0.067 0.389 0.236 1 0.146 1
hangseng vs set 0 0.205 0.351 0.237 0.258 0.439
hangseng vs sti 0.023 0.08 0.044 1 0.129 1
hangseng vs tsec 0.002 0.301 0.247 0.424 0.099 0.625
kospi vs nikkei 0.03 0.469 0.102 1 0.102 1
kospi vs set 0.006 0.598 0.258 0.455 0.182 0.465
kospi vs sti 0 0.005 0.004 0.782 0.07 0.722
kospi vs tsec 0.134 0.782 0.206 0.673 0.156 0.591
nikkei vs set 0.034 0.422 0.589 0.177 1 0.326
nikkei vs sti 0.001 0.026 0.042 0.446 0.295 0.623
nikkei vs tsec 0.443 0.636 0.492 0.289 1 0.339
set vs sti 0.002 0 0.005 0.369 0.216 1
set vs tsec 0.718 0.17 0.409 0.734 0.327 1
sti vs tsec 0.004 0 0.313 0.009 0.767 0.183