Questions tagged «finance»

在康沃尔-Fisher展开提供了一种估算基于矩分布的分位数的方式。（从这个意义上说，我认为它是对Edgeworth Expansion的补充，后者基于矩来估计累积分布。）我想知道在哪种情况下，人们更愿意将Cornish-Fisher扩展用于实证研究而不是样本分位数，反之亦然。一些猜测： 通过计算，可以在线计算样本矩，而在线估计样本分位数则很困难。在这种情况下，CF“获胜”。 如果一个人有能力预测力矩，那么CF将允许人们利用这些预测来进行分位数估计。 CF扩展可能会给出观察值范围之外的分位数估计，而样本分位数可能不会。 我不知道如何围绕CF给出的分位数估计来计算置信区间。在这种情况下，样本分位数“获胜”。 似乎CF膨胀需要一个来估计分布的多个较高矩。这些估计中的误差可能以CF扩展具有比样本分位数更高的标准误差的方式复合。 还有其他吗？是否有人有使用这两种方法的经验？

11 distributions  quantiles  finance 

我已经将ARIMA（1,1,1）-GARCH（1,1）模型拟合到几年中以一分钟为间隔采样的澳元/美元汇率记录价格的时间序列，估计模型的上百万个数据点。该数据集可在此处获得。为了清楚起见，这是一个ARMA-GARCH模型，由于对原木价格进行一阶整合，因此适合对原木进行回报。原始的AUD / USD时间序列如下所示： 然后，我尝试根据拟合模型模拟时间序列，从而得到以下结果： 我既期望也希望模拟的时间序列与原始时间序列不同，但是我并不期望会有如此大的差异。从本质上讲，我希望模拟的序列的行为或大致看起来像原始序列。 这是我用来估计模型和模拟序列的R代码： library(rugarch) rows <- nrow(data) data <- (log(data[2:rows,])-log(data[1:(rows-1),])) spec <- ugarchspec(variance.model = list(model = "sGARCH", garchOrder = c(1, 1)), mean.model = list(armaOrder = c(1, 1), include.mean = TRUE), distribution.model = "std") fit <- ugarchfit(spec = spec, data = data, solver = "hybrid") sim <- ugarchsim(fit, …

10 time-series  arima  simulation  garch  finance 

我正在对股指的每日收益进行描述性统计。也就是说，如果和分别是第1天和第2天的索引级别，则是我正在使用的收益（文献上完全标准）。P 2P1P1P_1P2P2P_2loge(P2P1)loge(P2P1)log_e (\frac{P_2}{P_1}) 因此，其中的峰度很大。我正在查看大约15年的每日数据（因此大约有时间序列观测值）260∗15260∗15260 * 15 means sds mins maxs skews kurts ARGENTINA -0.00031 0.00965 -0.33647 0.13976 -15.17454 499.20532 AUSTRIA 0.00003 0.00640 -0.03845 0.04621 0.19614 2.36104 CZECH.REPUBLIC 0.00008 0.00800 -0.08289 0.05236 -0.16920 5.73205 FINLAND 0.00005 0.00639 -0.03845 0.04622 0.19038 2.37008 HUNGARY -0.00019 0.00880 -0.06301 0.05208 -0.10580 4.20463 IRELAND 0.00003 0.00641 …

10 distributions  finance  skewness  kurtosis 

测试夏普比率或信息比率的重要性的正确方法是什么？夏普比率将基于各种股指，并且可能具有可变的回溯期。 我看到的一种解决方案只是应用了学生t检验，而df设置为回溯期的长度。 由于以下原因，我不愿采用上述方法： 我认为t检验对偏斜敏感，但是股本收益通常会产生负偏斜。 使用对数收益计算的平均收益小于使用简单收益计算的平均收益。我认为，与基于对数收益的夏普比率相比，基于收益的简单夏普比率更有可能被注册为重要资产，但是底层资产收益在技术上是相同的。 如果回溯期很小（即样本量很小），则t检验可能是适当的，但是使用其他检验在什么阈值下有意义？ 我的第一个倾向是避免使用学生t分布，而是创建一个基于非对称配电，我已经测试读取已被证明是股市回报的一个非常接近的近似，允许在峰度和偏度控制。 我的第二个倾向是看非参数测试，但是由于使用经验有限，我不确定从哪里开始以及应该避免的陷阱。 我是否在考虑这个问题，是否与我的担忧无关？

10 time-series  statistical-significance  mean  finance  ratio 

您建议使用哪种现代工具（基于Windows）对财务时间序列进行建模？

10 modeling  time-series  finance  software 

我不知道这是否完全是题外话，但我认为就波动率为何在金融计量经济学中成为重要主题，发表意见并提供汇总答案可能会很有用。 我认为这始于投资组合理论，并且需要了解资产收益的潜在第二时刻的属性。随后，Black-Scholes公式和衍生工具的普及使该实体在金融中变得非常重要。

9 finance  volatility-forecasting 

在我正在处理的问题中，我有两个随机变量X和Y。我需要弄清楚这两个变量之间的相关性如何，但是它们的维数不同。X的行空间的等级为4350，Y的行空间的等级实质上较大，为数万。X和Y的列数相同。 我需要测量两个变量之间的相关性，而Pearson的r要求X和Y具有相等的维数（至少R要求两个rv是）。 我是否有希望在这两者之间建立关联，还是应该找到一些方法来删减Y的观测值？ EDIT 从评论中添加信息，应该在问题中。 我想我忘了提这个了。X和Y是股票价格。X公司的上市时间比Y公司短得多。我想说一下X和Y的价格之间的相关性。在X和Y都存在的一段时间内，我肯定可以得到一个相关性。我想知道是否知道X并不存在的Y的额外几年的股价为我提供了任何其他信息。

9 time-series  correlation  missing-data  finance 

我对随机游走的最大跌幅的分布感兴趣：令，其中。周期后的最大为。由A纸张Magdon-伊斯梅尔等。等 给出具有漂移的布朗运动的最大衰减的分布。该表达式涉及一个无限和，其中包括一些仅隐式定义的术语。我在编写收敛的实现时遇到问题。有谁知道CDF的替代表达或代码中的参考实现？X0=0,Xi+1=Xi+Yi+1X0=0,Xi+1=Xi+Yi+1X_0 = 0, X_{i+1} = X_i + Y_{i+1}Yi∼N(μ,1)Yi∼N(μ,1)Y_i \sim \mathcal{N}(\mu,1)nnnmax0≤i≤j≤n(Xi−Xj)max0≤i≤j≤n(Xi−Xj)\max_{0 \le i \le j \le n} (X_i - X_j)

9 distributions  cdf  finance  random-walk