Tôi đang sử dụng thư viện VAR thống kê của python để mô hình hóa dữ liệu chuỗi thời gian tài chính và một số kết quả khiến tôi bối rối. Tôi biết rằng các mô hình VAR giả định dữ liệu chuỗi thời gian là ổn định. Tôi vô tình phù hợp với một loạt giá gỗ không cố định cho hai loại chứng khoán khác nhau và đáng ngạc nhiên là các giá trị được trang bị và dự báo trong mẫu rất chính xác với số dư cố định, tương đối không đáng kể. Các trên dự báo trong mẫu là 99% và độ lệch chuẩn của loạt dư dự báo là khoảng 10% so với giá trị dự báo.
Tuy nhiên, khi tôi chênh lệch giá log và phù hợp với chuỗi thời gian đó với mô hình VAR, các giá trị được trang bị và dự báo sẽ vượt xa mức, nảy trong một phạm vi chặt chẽ xung quanh giá trị trung bình. Do đó, phần dư thực hiện công việc tốt hơn dự báo lợi nhuận của nhật ký so với giá trị được trang bị, với độ lệch chuẩn của phần dư dự báo lớn hơn 15 lần so với chuỗi dữ liệu được trang bị, giá trị 0,007 cho chuỗi dự báo.
Tôi có hiểu sai về trang bị so với phần dư trên mô hình VAR hay gây ra một số lỗi khác không? Tại sao một chuỗi thời gian không cố định sẽ dẫn đến dự đoán chính xác hơn so với chuỗi thời gian dừng dựa trên cùng một dữ liệu cơ bản? Tôi đã làm việc một chút với các mô hình ARMA từ cùng một thư viện python và không thấy gì giống như mô hình dữ liệu chuỗi đơn này.