Những mô hình kinh tế lượng nào có thể được sử dụng để dự báo lợi nhuận bảo mật + câu hỏi ARIMA / GARCH


8

Tôi đang cố gắng viết một luận án đại học trong đó tôi kiểm tra khả năng dự đoán của một mô hình kinh tế lượng nhất định trên một chuỗi thời gian tài chính nhất định. Tôi cần một số lời khuyên về cách tôi nên làm điều này. Để đặt vấn đề vào bối cảnh, tôi chủ yếu tự nghiên cứu kinh tế lượng; khóa học duy nhất tôi tham gia vào chủ đề này đã dừng việc đào sâu vào các mô hình chuỗi thời gian, vì vậy tôi không có nghĩa là một chuyên gia về chủ đề này.

Trước sự thất vọng của tôi, gần đây tôi đã đọc được rằng các mô hình ARIMA rất kém trong việc dự đoán lợi nhuận của cổ phiếu (và bảo mật khác). Một giáo sư trong khoa kinh tế của trường tôi cũng xác nhận điều này. Tất cả thời gian này tôi đã hy vọng chúng có thể thậm chí hữu ích từ xa để dự báo một số chuỗi thời gian tài chính ... Có mô hình nào khác tôi có thể xem không? Mục tiêu của tôi chỉ đơn giản là tìm hiểu một số mô hình kinh tế lượng của chuỗi thời gian trong R hoặc MATLAB và hy vọng tìm thấy kết quả dự đoán có ý nghĩa thống kê. Ngoài ra, có một thị trường cụ thể mà bạn sẽ xem xét (năng lượng, tỷ lệ, cổ phiếu)?

Cuối cùng, GARCH chỉ được sử dụng để dự báo biến động? Giáo sư mà tôi đã đề cập dường như đề nghị tôi nên chuyển sang các mô hình GARCH hoặc ARIMA-GARCH để mô hình hóa lợi nhuận chứng khoán. Tôi đọc một số giấy tờ dường như ngụ ý nó cũng có thể được sử dụng cho lợi nhuận thực tế ... Có lẽ tôi đã hiểu nhầm. Các thành phần AR và MA trong mô hình ARIMA-GARCH có khác với các thành phần trong mô hình ARMA không? Từ những gì tôi mơ hồ hiểu, ARIMA và GARCH là hai thứ hoàn toàn riêng biệt (với cái trước được sử dụng để dự đoán chuỗi thời gian thực tế và cái còn lại để dự đoán sự biến động của nó).

Tôi hy vọng đó không phải là quá nhiều câu hỏi, nhưng tôi không biết phải chuyển sang đâu nữa, tôi đã tự mình nghiên cứu vấn đề này quá lâu. Cảm ơn rất nhiều!


3
Nếu bạn tin vào các thị trường hiệu quả, thì điều đó sẽ không gây ngạc nhiên cho bạn rằng rất khó để dự đoán lợi nhuận chứng khoán. Nếu bạn có thể, bạn đã tìm ra cách in tiền. Có thể có những mô hình có thể dự đoán mà người ta có thể khai thác để kiếm tiền, nhưng từ những gì tôi đã nghe, bạn cần có khả năng phản ứng (giao dịch) trong một phần nghìn giây trong những ngày này - vì vậy nó không dành cho bạn và tôi.
Christoph Hanck

1
Và có, GARCH được sử dụng cho mô hình biến động, không phải cấp độ.
Christoph Hanck

1
Lợi nhuận dài hạn là có thể dự đoán, phần nào. Đối với sinh viên đại học, sẽ vui hơn khi xem các công cụ tài chính hành vi hiện đại. Tra cứu giấy về chủ đề này, có một tấn. Đó thường là trên danh mục đầu tư, không phải cổ phiếu cá nhân.
Aksakal

Cảm ơn rất nhiều cho các thông tin! Tôi sẽ xem liệu có các chủ đề loại hành vi khác mà tôi cũng có thể đưa vào bài viết của mình không (có thể là hành động về giá vào mỗi ngày trong tuần).
Ninja7777

Câu trả lời:


5

Mục tiêu của tôi chỉ đơn giản là ... tìm kết quả dự đoán có ý nghĩa thống kê. Ngoài ra, có một thị trường cụ thể mà bạn sẽ xem xét (năng lượng, tỷ lệ, cổ phiếu)?

Hầu hết nếu không phải tất cả các thị trường tài chính được thiết lập và thanh khoản sẽ rất khó để dự đoán bất kỳ mô hình nào bạn sẽ sử dụng. Nếu thị trường tương đối dễ dự đoán, người tham gia thị trường sẽ cố gắng khai thác điều đó để kiếm tiền. Bằng cách đó, họ sẽ loại bỏ khả năng dự đoán. Điều này mang đến một mâu thuẫn, và do đó thị trường không dễ dự đoán.

Cuối cùng, GARCH chỉ được sử dụng để dự báo biến động? Giáo sư mà tôi đã đề cập dường như đề nghị tôi nên chuyển sang các mô hình GARCH hoặc ARIMA-GARCH để mô hình hóa lợi nhuận chứng khoán. Tôi đã đọc một số giấy tờ dường như ngụ ý rằng nó cũng có thể được sử dụng cho lợi nhuận thực tế ...

ytyt=α+ϵtϵtyt=ϵtyt

Ngay cả khi bạn chủ yếu quan tâm đến mô hình trung bình có điều kiện (ví dụ: bạn muốn dự đoán lợi nhuận cổ phiếu bằng mô hình ARMA), mô hình GARCH kết hợp với mô hình cho trung bình có điều kiện có thể hữu ích. Nếu phương sai có điều kiện của biến phụ thuộc là thay đổi theo thời gian, thì điều đó sẽ được tính và mô hình GARCH thực hiện chính xác điều đó. Nếu phương sai điều kiện thay đổi theo thời gian bị bỏ qua, mô hình trung bình có điều kiện có thể (và có thể sẽ) không hợp lệ.

Các thành phần AR và MA trong mô hình ARIMA-GARCH có khác với các thành phần trong mô hình ARMA không?

Đúng. Điều đó cũng minh họa nhận xét cuối cùng của tôi ở trên.

Từ những gì tôi mơ hồ hiểu, ARIMA và GARCH là hai thứ hoàn toàn riêng biệt (với cái trước được sử dụng để dự đoán chuỗi thời gian thực tế và cái còn lại để dự đoán sự biến động của nó).

Đây là sự thật. Nhưng như tôi đã giải thích, hai mô hình có thể phối hợp tốt với nhau.


Cảm ơn bạn rất nhiều, bây giờ tôi nhận được nó. Vì vậy, các hệ số GARCH phụ thuộc vào mô hình trung bình có điều kiện giả định của bạn, mà bạn có thể mô hình hóa như một quy trình ARIMA (sẽ làm cho nó không còn giả sử là trung bình 0).
Ninja7777

1
Đúng. Ngoài ra, các hệ số của mô hình trung bình có điều kiện phụ thuộc vào GARCH vì GARCH mang lại rằng các quan sát khác nhau có các trọng số khác nhau trong ước tính của cond. mô hình trung bình (những người có phương sai cao có trọng số thấp, những người có phương sai thấp có trọng số cao - tương tự như bình phương nhỏ nhất có trọng số (WLS) so với OLS).
Richard Hardy

Xin chào Richard, tôi chỉ muốn theo dõi về điểm này nếu điều đó ổn, vì tôi đã gặp phải một vấn đề nhỏ trong báo cáo của mình. Bạn có thể giải thích rõ hơn về cách một phương sai theo mô hình GARCH gây ra các trọng số khác nhau trong các quan sát chuỗi thời gian của chúng tôi không? Ban đầu tôi nghĩ rằng trung bình có điều kiện bị ảnh hưởng bằng cách nào đó vì cách GARCH ảnh hưởng đến thuật ngữ lỗi và thành phần MA trong mô hình ARMA, nhưng tôi nghi ngờ tôi đã hoàn toàn tắt. Bạn có biết bất cứ nơi nào tôi có thể tìm thấy một lời giải thích toán học ngắn có lẽ? Tôi vẫn không thể tìm thấy bất kỳ tài liệu ở bất cứ đâu. Cảm ơn bạn rất nhiều vì tất cả sự giúp đỡ của bạn.
Ninja7777

1
y=β0+β1x+ε
σ12σT2βphương sai cơ bản thực sự, nhưng bạn có ước tính của chúng và bạn sử dụng các phương sai theo cách tương tự như việc sử dụng phương sai thực trong ước lượng bình phương nhỏ nhất có trọng số.
Richard Hardy

1
Vì vậy, những gì bạn đã viết ở trên tập trung vào các cơ chế của quy trình tạo dữ liệu (nếu bạn tin rằng ARMA-GARCH là quy trình cơ bản chính xác, thực sự). Trong khi đó, những gì tôi nói là về ước tính của quá trình đó. Nhưng theo như tôi có thể nói, dù sao thì bạn cũng có ý tưởng.
Richard Hardy

1

Tôi hoan nghênh sự nhiệt tình của bạn cho chủ đề này. Có rất nhiều ứng dụng và phương pháp để giúp dự đoán nhưng rõ ràng là không có viên đạn bạc. Giống như không có một mô hình thời tiết nào dự đoán tất cả thời tiết ở tất cả các địa điểm với độ chính xác như nhau, không có mô hình nào có thể dự đoán chuỗi thời gian tài chính.

Tôi sẽ khuyến khích bạn xem xét một hành vi phụ của thị trường để xem bạn có hiểu được nó không. Một số ví dụ nhanh là

  • Hành động giá cuối tháng
  • Biến động giá xung quanh thu nhập-phát hành / dữ liệu kinh tế
  • ảnh hưởng của bão mùa đông đến thị trường khí đốt tự nhiên của Mỹ
  • hợp đồng tương lai

Đối với các kỹ thuật, một phương pháp cổ điển mới là Cointegration:

Tôi không có cách nào xác nhận phân tích và kết quả trong các liên kết ở trên. Chúng chỉ đơn giản là một số kết quả hàng đầu của google để đưa bạn vào con đường tìm hiểu thêm về hợp tác.


Cảm ơn bạn, đây là những gì tôi đang tìm kiếm. Cointegration có vẻ rất thú vị, tôi sẽ xem liệu tôi có thể viết một cái gì đó lên nó trong vài tuần tới cùng với các công cụ ARIMA-GARCH không.
Ninja7777
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.