Serie storiche distanziate in modo irregolare nella ricerca finanziaria / economica

14

Nella ricerca di econometria finanziaria, è molto comune indagare le relazioni tra serie temporali finanziarie che assumono la forma di dati giornalieri . La variabile sarà spesso resa prendendo la differenza del log, per esempio; . $I(0)$ $\ln(P_t)-\ln(P_{t-1})$

Tuttavia, i dati giornalieri indicano che ci sono punti dati ogni settimana e mancano sabato e domenica. Questo non sembra menzionare nella letteratura applicata di cui sono a conoscenza. Ecco alcune domande strettamente correlate che ho che provengono da questa osservazione: $5$

Questo si qualifica come dati con spaziatura irregolare, anche se i mercati finanziari sono chiusi durante il fine settimana?
In tal caso, quali sono le conseguenze per la validità dei risultati empirici esistenti accumulati finora nel gigantesco numero di articoli che ignorano questo problema?

— Jase
fonte

6

Per quanto riguarda la tua prima domanda, questo problema è talvolta chiamato effetto weekend . Secondo me, la risposta dipende dal contesto. Ad esempio, questa domanda ha molto senso nel caso di rendimenti azionari. Vedi ad esempio qui , qui , qui e qui . Ma non sono sicuro se questo effetto si applica ad altri contesti.

@Procrastinator Invia risposta è molto buono !!

— Jase,

Esiste una SE quantitativa finanziaria che può essere più adatta per ottenere risposte significative. In realtà ci sono molti più problemi rispetto ai fine settimana: notti, giorni festivi ... ecc. Che peggiorano con più fonti di prezzo.

— lcrmorin,

1

Divulgazione completa! Non so di finanza / economia, quindi mi dispiace in anticipo per la mia ignoranza. Ma trovo questa domanda più ampia della finanza. L'analisi di dati campionati in modo irregolare emerge in molti altri campi, come la biologia e la medicina. Una delle carenze di approcci classici come la regressione autoregressiva (AR) è la loro debolezza nel trattare dati campionati in modo irregolare. Tuttavia, questo problema può essere affrontato dai processi gaussiani (GP). È usato ad esempio qui o qui .

— Omidi
fonte

0

Tradizionalmente, non ci preoccupiamo dei giorni di non negoziazione e li consideriamo come dati regolarmente distanziati. Vi sono tuttavia due possibili effetti di cui dovresti preoccuparti.

Il primo è l'effetto del tempo sulla quantità di moto e l'interazione con gli indicatori principali. Se hai una variabile ritardata che è un buon leader - diciamo che è la temperatura media - allora alcuni dei tuoi punti dati saranno ritardati al giorno successivo (venerdì -> giovedì) mentre altri sono ritardati di tre giorni (lunedì -> venerdì). Probabilmente ci saranno risultati spuri per questo.

Il secondo problema è l'attività che si verifica quando i mercati sono chiusi. Negoziazioni dopo ore, prezzi delle opzioni, ecc. Se questi sono un fattore, è meglio calcolare una serie temporale periodicamente distanziata e interpolare o contabilizzare i giorni non di negoziazione in altro modo.

— JasonRDalton
fonte

Solo perché i mercati sono chiusi non significa che sia regolarmente spaziato. Se lo consideriamo come un processo sottostante che campioniamo discretamente (quando i mercati sono aperti) ma si evolve ancora quando i mercati sono chiusi, allora è irregolare. Penso che questa metafora della continua evoluzione sia più utile poiché è coerente con i salti vicini all'apertura (tutte le informazioni dei tempi chiusi vengono rivelate in 1 momento).

— Jase,