風險模型
量化經濟學的必要水平是多少？
似乎寬客越來越多地在工作中使用計量經濟學模型。作為一個將自己的靈魂出賣給機率論和隨機分析的人，我想趕上。
Quant 應該能夠使用哪些計量經濟學工具？
正如我所看到的，答案將在很大程度上取決於一個人在哪里工作。因此，區分以下內容可能是有意義的：
- 買方
- 賣方
- 固定收入
- 公平
- 風險管理和模型驗證
涵蓋必要知識的書籍建議將不勝感激。此外，如果有人喜歡，主題列表（例如 ARCH、GARCH 等）也會很有幫助。
我只能說量化交易。根據經驗，您工作的頻率越低，計量經濟學就越重要，而頻率越高，計量經濟學就越無用。（我仍然會推薦 HFT 的頂級計量經濟學家，因為他們具備成功所需的條件，只是模型不是開箱即用的。）
但是，如果我正在採訪一個受過計量經濟學教育的定量研究職位，我希望（考慮到與金融時間序列的相關性）：
我試著寫一個圖例，^是你以後應該學習的東西，^^是你應該在學習後學習的東西^。
- ***^^***動態線性模型的卡爾曼濾波器。
- GARCH（先學習 ARCH）。
- ARMA(p,q)/ARIMA(p,i,q)/AR(p)/MA(q)。
- ACF/PACF。
- 計量經濟預測評估（RMSE、MSE、MAE）。
- 徹底了解OLS。違反的假設和後果。
- ***^***政權切換和門檻值模型。
- 協整模型，例如 VECM 和 Engle-Granger 以及基本 $ I(n) $ 理論以及 ADF/PP 單位根檢驗。
- 誰的。
- ***^***分位數回歸。
- 降維算法的基本知識（越多越好，但我不會將此作為對計量經濟學候選人的期望）。
- ***^***脈衝響應函式。
- ***^***用於建構抽樣分佈的蒙特卡羅應用程序和自舉的概念，以及至少一個自舉估計器的一般知識。
- 對假設檢驗、抽樣分佈、總體/樣本概念、滯後長度選擇、一致性/功率/偏差、變異數/偏差權衡、最大概似、PDF/CDF、常用不同分佈的定性知識有很好的了解。
- 了解計量經濟學家為何以及如何預處理數據、獲取差異、引入變數並通過對單個特徵的簡單變換、特徵之間的互動、特徵比率和指標函式中斷（數據確定或通常更多）來解釋非線性適當地，先驗地確定）。
- 關聯不一定是坡度現象；線性相關（及其陷阱），秩相關，相關之間的三向關係，線性回歸斜率和協整向量，如何測試線性 DGP 中的溢出，以及更全域和高級的依賴估計器（如 copula、小波、相互資訊、通過 VECM/VAR 的 IRF、預測誤差變異數分解等）。
- 殘差分析和測試集交叉驗證之間的區別，以及兩者與過度擬合和模型泛化的關係。
我不會關心：
- 面板造型。
我也希望看到（很可能是從自學中學到的）：
- ***^^***小波（DWT/CWT/相位差分析/頻域雙變數相關）和 STFT 應該是計量經濟學工具箱的一部分。
- ***^^***動態相關估計量（DCC-GARCH，隨機 copulas）
- 從機器學習講座中學到的泛化理論知識。
- ***^^***像 NNG 這樣的方法可以獲得更好的 OLS 估計。提升和裝袋線性 DGP 以實現更好的泛化。
- ***^^***垂直回歸和 LAD 估計，當最小二乘法不合適時，假設違反，如果不需要條件期望（條件中位數在理論上是可取的），或者如果您不想在錯誤指定的情況下無意中做最小矩形因果關係，或者您希望損失較少受到異常值的影響。
以下是一些我在工業界或計量經濟學論文中看到過一些頂尖人物的自願內容，如果看到這些領域的知識，我會印象深刻：
- 隨機最優控制（一個大型量化全球宏觀基金正在做這方面的工作）
- 貝氏時間序列（一個著名的大型系統基金對此進行了一些研究）
- 我想了解如何提出 DGP 並弄清楚如何用數值方法估計它。例如，如何在 Patton 的對稱 Joe-Clayton copula 的強迫方程中嵌入外生變數，然後找出如何在數值上優化密度並引導無偏和一致的標準誤差。另一種方法是推導出卡爾曼估計量來提取隨時間變化的收益率曲線參數（曲率、斜率等）。每個人都在估計簡單的 MGARCH 和 VECM 模型，因為您可以將數據插入
R，所以這裡是否存在 alpha 值得懷疑。對於那些可以估計其他人根本無法估計的簡約模型的人來說，可能有一些阿爾法，因為他們不在計量經濟學的前 1% 之列。以下是低頻定量研究中可能不需要的一些東西：
- 高級優化理論。GA、隨機梯度下降和牛頓是您應該知道的全部。
- 非線性機器學習。
- 非線性降維或流形學習。您只需要知道 PCA、ICA 和時間序列因子模型的概念。
- 與協動估計器無關的數字信號處理。
可能需要來自另一個領域的一件事：
- Ornstein-Uhlenbeck SDE 用於配對交易基金。
你會注意到我列出了幾乎所有適用於時間序列的主流內容。因此，您在金融時間序列課程中獲得的大部分內容都是我認為的期望。
請注意，我沒有列出高頻計量經濟學模型，因為我認為它們在高頻金融中沒有用。如果你要擔任這樣的職位，你將接受電腦科學家和電氣工程師的面試，他們更有可能問你一個關於漸近時間複雜度的問題，而不是關於計量經濟學的問題。