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