异步(不规则)时间序列分析


10

我正在尝试分析两个股票价格的时间序列之间的提前期。在定期的时间序列分析中,我们可以进行VECM(格兰杰因果关系)的Cross Correlaton。但是,如何在不规则间隔的时间序列中处理相同的内容。

假设是其中一种工具领先于另一种。

我的两个符号的数据都以微秒为单位。

我查看了RTAQ软件包,并尝试应用VECM。RTAQ在单变量时间序列上更多,而VECM在这些时间尺度上不重要。

> 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")

您需要使用一组可重现的数据
约翰·

不太确定您为什么这么说吗?你能详细说明吗?
shoonya 2012年

@John的意思是(我认为),如果您提供的数据可以被答疑者轻松地用来测试和说明他们的方法(请参阅tinyurl.com/reproducible-000),则您更有可能获得有用的答案。我猜想交叉相关/交叉谱的参数模型是必要的……
Ben Bolker 2012年

4
这真的应该在CrossValidated上进行
nico

4
因为该问题可能具有足够的挑战性,以至于没有明显的标准方法。与其说“我要使用众所周知的统计程序X,而是在R中实现/如何使用它?”,不如说是“是否有解决问题Y的良好统计程序”?另外,可能值得一看r-sig-finance(我认为有这样的邮件列表...)
Ben Bolker 2012年

Answers:


2

我知道一个可能的解决方案,但是它太复杂了,以至于我将采用简单的选择并将您链接到相关的学术论文(我认为这是严重被低估的论文):

Frank de Jong,Theo Nijman(1997)“金融市场之间铅-滞后关系的高频分析”

从那以后,我确信必须在这个问题上做更多的工作。找到它的一个好方法是使用idea.repec上的“引用”页面。这里是上述论文相关页面的链接。一些标题看起来很相关。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.