计量经济学:为什么需要协整? - 页 24

[删除]  
faa1947:
我不会这样一概而论。总的来说,他们依靠的是有效的市场。而当市场有了记忆后,一切都轰然倒塌。

也就是说,当市场处于迷茫状态时,它(市场)是有效的。一旦它(市场)获得了记忆,一切都崩溃了。这也很有意思,它(市场)是如何突然获得记忆的? 本来没有记忆,然后它突然出现了------找出这个点来归纳一下

:))))))))

你到底从哪里得到你的胡说八道?

 
avtomat:

也就是说,当市场处于迷茫状态时,它(市场)是有效的。一旦它(市场)获得了记忆,一切都崩溃了。这也很有意思,它(市场)是如何突然获得记忆的? 本来没有记忆,然后它突然出现了------找出这个点来归纳一下

:))))))))

你到底从哪里得到你的胡说八道?

也许我不是。我对秀色可餐不感兴趣。按你喜欢的方式做。现在我对我的基于协整的TS感兴趣,由于某些原因,它的利润系数约为1。
 
HideYourRichess:

好吧,我能说什么呢,你认为协整、单位根等很酷,那就看你的了。我的工作是警告你,这个学科的一切都不像书上说的那样酷。你需要了解黑天鹅可能在这个方法论中的位置。

faa1947:

在哪里?

至少在那些限制你的工具的适用性的假设(英文)中是这样。还有一个事实是,在外汇方面,这些假设没有得到实质性的满足。至少对于格兰杰和单位根,我几乎可以肯定地告诉你。

桑桑尼茨,我对你能熟练使用 "先进 "的他汀类工具印象深刻,可以说是不厌其烦的。"锤打过的螺丝比螺丝刀翻过的钉子更牢固!"(c)

 
faa1947:
我不会这样一概而论。总的来说,他们依靠的是一个有效的市场。而当市场有了记忆后,一切都崩溃了。

我特别研究了这个问题--LTCM在进行价差交易。这些损失,也就是毁掉1000亿美元基金的原因--来自套利交易。有什么好谈的呢?在所罗门兄弟公司,这个基金成长的小组就叫这个名字,国内固定收益套利小组。

对有效市场的依赖,是的,他们有这个,但对它的依赖是来自相反的方向。他们利用了一个几乎有效的市场中的低效率。

有趣的是,我在经纪人A的论坛上看了看,原来也有统计套利的爱好者。他们在那里讨论套利的平均方法有好几百页。他们不知道是平均数是通向LTCM的脚手架的步骤之一。这是对黑天鹅的问题。另外,黑天鹅是在对方法的适用性的错误假设。

 
HideYourRichess:

我特别研究了这个问题--LTCM在进行价差交易。毁掉这1000亿美元基金的损失来自于套利交易。有什么好谈的呢?"所罗门兄弟公司 "的基金成长的小组就叫这个名字,国内固定收益套利小组。

对有效市场的依赖,是的,他们有这个,但对它的依赖是相反的。他们利用了一个几乎有效的市场中的低效率。

有趣的是,我看了经纪人A的论坛,原来也有统计套利的粉丝。他们在那里讨论套利的平均方法有好几百页。他们不知道是平均数是通向LTCM的脚手架的步骤之一。这是对黑天鹅的问题。

经验表明,所有杰出的想法都会在小事上灭亡。在这个基金中,有一些选择。斯科尔斯离不开他们。我们能比较吗?的确,我们应该吗?

有一个具体的想法,就是使用协整法。在这个领域有一系列的工具和证据。我不这么认为。但这比两个混搭要有趣得多。

到目前为止,我已经在我的优化器中发现了一个错误(这是一个自制的优化器),显示出不正确的结果。我会纠正它,然后我们再看。

 

我一直试图把集体召集起来讨论具体问题。在协整中并不是那么简单。只要看一下单位根检验的概率值图就知道了。

但是,这并不奏效。

 
alsu:

至少在那些限制你的工具范围的假设(英语中的假设)。还有一个事实是,在前面,这些假设没有得到实质性的满足。至少对于格兰杰和单位根,我几乎可以肯定地告诉你。


而且更具体地说。哪些假设是限制性的?

哪些假设没有被满足?

这对我来说很有意思。

 
faa1947:

经验表明,所有杰出的想法都会在小事上灭亡。在这个基金中,有一些选择。斯科尔斯离不开他们。我们能比较吗?我们必须这样做吗?

是否清楚基金交易的是期权和其他工具之间的价差?很明显,期权结算问题已经被套利交易问题倍增了。
 
HideYourRichess:
是否清楚基金在交易期权和其他工具之间的价差?很明显,期权的计算问题已经被套利交易问题乘以了。

是的,当然了。

如果采取协整,即使改变协整回归的估计方法也会导致不同的结果。这就是我的意思。这就是我想进入的那种东西。

 
faa1947:

而且更具体地说。哪些假设是限制性的?

哪些假设没有被满足?

这对我来说很有意思。

从这两种测试的构造原则来看,最简单的一点是,测试中包含的回归方程的残差必须是静止的,并且与系列本身不相关,否则,该方法就失去了其意义。对于格兰杰--上述所有情况,但对于方程中任何 数量的滞后期(这在实践中一般很难实现--这就是为什么这个测试主要适用于宏观经济数据,其中系列的长度--年度、季度、月度--通常最多几十个样本,但不是数百万个)。

还有很多其他的微妙....例如,残差分布的正态性,...(也不是很充实)

另外,就因果关系而言,格兰杰提出了一个很好的定义,但像任何理想一样,这样的表述在实践中被证明是无法验证的。因此,同名的测试,即使所有的先决条件都满足了,也肯定只能告诉你因果关系的不存在,如果它真的不存在,而不是它的存在,如果它真的存在。