Нерегулярно расположенные временные ряды в исследованиях финансов / экономики

14

В исследованиях финансовой эконометрики очень часто исследуют отношения между финансовыми временными рядами, которые принимают форму ежедневных данных . Переменная будет часто иметь значение , например, беря разницу в логах; ln ( P t ) - ln ( P t - 1 ) .I(0)ln⁡(PT)-пер⁡(пT-1)

Однако ежедневные данные означают, что каждую неделю существует точек данных, а суббота и воскресенье отсутствуют. Это, кажется, не упоминается в прикладной литературе, о которой я знаю. Вот некоторые тесно связанные вопросы, которые у меня возникли из этого наблюдения:5

  • Относится ли это к нерегулярно разнесенным данным, даже если финансовые рынки закрыты в выходные дни?

  • Если да, то каковы последствия для достоверности существующих эмпирических результатов, накопленных до сих пор в огромном количестве статей, которые игнорируют эту проблему?

time-series econometrics finance macroeconomics unevenly-spaced-time-series Jase
источник
6
Что касается вашего первого вопроса, эту проблему иногда называют выходным эффектом . На мой взгляд, ответ зависит от контекста. Например, этот вопрос имеет большой смысл в случае возврата акций. Смотрите, например, здесь , здесь , здесь и здесь . Но я не уверен, распространяется ли этот эффект на другие контексты.
@Procrastinator Отправить ответ, это очень хорошо!
Джейс
Существует количественный финансовый SE, который может быть более подходящим для получения значимых ответов. На самом деле проблем гораздо больше, чем выходных: ночи, праздничные дни ... и т. Д., Которые усугубляются при наличии нескольких источников цен.
lcrmorin

Ответы:

1

Полное раскрытие! Я не знаю о финансах / экономике, поэтому заранее извиняюсь за свое невежество. Но я нахожу этот вопрос шире, чем финансы. Анализ данных с нерегулярной выборкой возникает во многих других областях, таких как биология и медицина. Одним из недостатков классических подходов, таких как авторегрессионная регрессия (AR), является их слабость в работе с нерегулярными выборками данных. Однако эта проблема может быть решена с помощью гауссовских процессов (GP). Это используется, например, здесь или здесь .

omidi
источник
0

Традиционно мы не беспокоимся о неторговых днях и считаем это регулярно расположенными данными. Есть, однако, два возможных эффекта, о которых вам следует беспокоиться.

Первое - это влияние времени на импульс и взаимодействие с опережающими индикаторами. Если у вас есть отстающие переменные, которые являются хорошим лидером - скажем, это средняя температура - тогда некоторые из ваших точек данных будут отстать на следующий день (пятница -> четверг), в то время как другие отстают на три дня (понедельник -> пятница). Там могут быть ложные результаты из-за этого.

Второй вопрос - это деятельность, которая происходит, когда рынки закрыты. После нескольких часов торговли, ценообразования опционов и т. Д. Если это имеет значение, возможно, вам лучше рассчитать регулярно разнесенные временные ряды и интерполировать или учитывать неторговые дни другим способом.

JasonRDalton
источник
То, что рынки закрыты, не означает, что они регулярно располагаются. Если мы думаем о нем как об основополагающем процессе, который мы дискретизируем (когда рынки открыты), но все еще развиваются, когда рынки закрыты, то это нерегулярно. Я думаю, что эта метафора непрерывной эволюции более полезна, поскольку она согласуется с прыжками, близкими к открытому (вся информация из закрытых времен раскрывается в 1 момент).
Джейс