การวิเคราะห์อนุกรมเวลาแบบอะซิงโครนัส


10

ฉันพยายามวิเคราะห์ช่วงเวลารอคอยของอนุกรมเวลาของราคาหุ้นสองแห่ง ในการวิเคราะห์อนุกรมเวลาปกติเราสามารถทำ Cross Correlaton, VECM (Granger Causality) อย่างไรก็ตามวิธีการหนึ่งจะจัดการเดียวกันในอนุกรมเวลาเว้นระยะไม่สม่ำเสมอ

สมมติฐานคือเครื่องมือหนึ่งนำไปสู่อีกอันหนึ่ง

ฉันมีข้อมูลสำหรับสัญลักษณ์ทั้งสองถึงไมโครวินาที

ฉันดูแพ็คเกจ RTAQ และลองใช้ VECM RTAQ นั้นเพิ่มเติมในอนุกรมเวลาที่ไม่เปลี่ยนแปลงในขณะที่ VECM ไม่สำคัญในช่วงเวลาเหล่านี้

> dput(STOCKS[,]))
structure(c(29979, 29980, 29980, 29980, 29981, 29981, 29991, 
29992, 29993, 29991, 29990, 29992), .Dim = c(6L, 2L), .Dimnames = list(NULL, c("Pair_Bid", "Calc_Bid" )), index = structure(c(1340686178.55163, 1340686181.40801, 1340686187.2642, 
1340686187.52668, 1340686187.78777, 1340686189.36693), class = c("POSIXct", "POSIXt"), tzone = ""), class = "zoo")

คุณต้องใช้ชุดข้อมูลที่ทำซ้ำได้
John

ไม่แน่ใจจริงๆว่าทำไมคุณพูดอย่างนั้น? คุณสามารถทำอย่างละเอียด?
Shoonya

@John หมายถึง (ฉันคิดว่า) คุณมีแนวโน้มที่จะได้รับคำตอบที่เป็นประโยชน์มากขึ้นหากคุณให้ข้อมูลที่ผู้ตอบแบบสอบถามสามารถใช้ในการทดสอบและแสดงวิธีการของพวกเขาได้อย่างง่ายดาย (ดูtinyurl.com/reproducible-000 ) ฉันเดาว่าโมเดลพาราเมทริกสำหรับ cross-correlations / cross-spectra นั้นจำเป็น ...
Ben Bolker

4
สิ่งนี้ควรดำเนินการกับ CrossValidated จริงๆ
nico

4
เพราะคำถามอาจท้าทายพอเพียงว่าไม่มีวิธีการมาตรฐานที่ชัดเจน แทนที่จะเป็น "ฉันต้องการใช้โพรซีเดอร์เชิงสถิติที่รู้จักกันดี X มันถูกนำไปใช้ใน R / ฉันจะใช้มันยังไง?" นี่มันมากกว่าตามแนวของ "มีขั้นตอนทางสถิติที่ดีสำหรับการแก้ปัญหา Y" หรือไม่? อีกทางเลือกหนึ่งมันอาจคุ้มค่าที่จะตรวจสอบ r-sig-Finance (ฉันคิดว่ามีรายชื่อผู้รับจดหมายเช่นนี้ ... )
Ben Bolker

คำตอบ:


2

ฉันรู้วิธีแก้ปัญหาที่เป็นไปได้ แต่มีความซับซ้อนพอสมควรที่ฉันจะใช้ตัวเลือกที่ง่ายและเชื่อมโยงคุณไปยังบทความวิชาการที่เกี่ยวข้อง

Frank de Jong, Theo Nijman (1997) "การวิเคราะห์ความถี่สูงของความสัมพันธ์ระหว่างผู้นำและตลาดการเงิน"

ฉันแน่ใจว่าจะต้องแก้ไขปัญหานี้เพิ่มเติมตั้งแต่นั้นมา วิธีที่ดีในการค้นหาคือใช้หน้า "การอ้างอิง" ใน ideas.repec เชื่อมโยงไปยังหน้าเว็บที่เกี่ยวข้องสำหรับกระดาษดังกล่าวข้างต้นเป็นที่นี่ ชื่อบางเรื่องดูมีความเกี่ยวข้องมาก

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.