時間序列

差異化與去趨勢金融時間序列

  • December 25, 2019

我是時間序列分析的新手,我必須了解差分時間序列之間的區別(即考慮 $ Y_t= X_t-X_{t-1} $ ) 並去趨勢(例如使用線性回歸)序列以使時間序列平穩。我在書中讀到這是兩種不同的方法,但我不明白在哪種情況下哪種方法更好。

您好:這取決於原始流程的 DGP 是什麼。過程趨勢是平穩的還是差異是平穩的?如果趨勢平穩,那麼去趨勢就是要走的路。如果它是靜止的差分,那麼差分是要走的路。

這兩個模型完全不同:

趨勢平穩: $ y_t = \beta_{0} + \beta_1 \times t + \epsilon_t $

差異固定:

$ y_t = u_{t} + \epsilon_t $

$ u_t = u_{t-1} + \omega_t $

在 1980 年代初期,Nelson 和 Plosser(連結到下面的論文)發現許多看似趨勢平穩的計量經濟學系列實際上是差分平穩的,這導致了關於差分與趨勢平穩問題的研究爆炸式增長。

http://schwert.ssb.rochester.edu/a425/jme82_NP.pdf

讓我嘗試編寫公式來解釋差異:

  • 什麼時候 $ X_t=a+b,t + c,\xi_t $ , 在哪裡 $ \xi_t $ 是一個獨立同分佈中心和減少的噪音(即 $ \mathbb{E}\xi=0 $ 和 $ \mathbb{E}\xi^2=1 $ .

和 $ X_(t+1)-X_t=b + c\Delta\xi $ ,你讀到你增加了雜訊的幅度 $ \xi $ 通過一個因素 $ \sqrt{2} $ , 你刪除了 $ a $ 你不再依賴時間。

  • 什麼時候 $ X_t=a+b,t + c,W_t $ 在哪裡 $ W $ 是一個維納過程,即 $ dX=b, dt + c, dW $ 和 $ dW\sim {\cal N}(0,1) $ .

這裡直接看就更自然了 $ dX $ : 你去掉了常數,這次你降低了雜訊的幅度。此外,由於 $ \mathbb{E}W_t^2=t $ 您消除了該過程的異變異數性(請參閱Bollerslev 的論文)。

對於股票回報,只需 $ dX=\frac{dP}{P} $ 你更接近第二種情況。如果您考慮每日價格,我們知道該模型應該更複雜:

引用自:https://quant.stackexchange.com/questions/50426