如何解决金融时间序列数据预测的"平移现象"

Mayonnaise 发表于 2012-4-26 10:58
你这个跟exponential smoothing和基本的arima模型的问题是一样的啦~没那么容易解决的。要是真能解决这个问题 ...

对 是 univariat 单变量 时间序列模型  , 输入都是 之前的几个 时序的价位,预测后一个价位

如果是 低频数据,通常会拟合不错 ,但是对于高频的 比较 混沌的时间序列 就不太容易了

Mayonnaise 发表于 2012-4-26 10:59
上面的链接要通过google的。用这个直接的链接吧
webpub.allegheny.edu/employee/b/bafrasia/e460/Masoud.p ...

很高兴提供的资料 ,已经下载,正在研究

我的看法：想要从根本上解决这个问题，只能通过使用多变量（甚至超多变量）模型。理由就是单变量模型很难较好的预测shock和response，而多变量模型里，leading变量对预测coincident或者lagging会有极大的帮助。如果lz仔细研究下一些主要的survey forecast，就会发现这些forecast里（至少短期预测）是基本不存在这种滞后的；相反，好的预测还有明显的foresight。

我主要指宏观预测。对金融方面和高频数据不是特别了解。不过可以想见的一个问题，如果使用多变量模型，就是mixed data frequency，这个再要展开就话长了。lz自己查查literature吧。上面那本书主要面对本科高年级和非经济专业硕士。不过很多思想对建立预测模型还是很有帮助的。

Mayonnaise 发表于 2012-4-26 21:31
我的看法：想要从根本上解决这个问题，只能通过使用多变量（甚至超多变量）模型。理由就是单变量模型很难较 ...

确实 有学者 用过 多变量 预测 金融的高频时间序列数据 ,但是我查看过相关论文, 效果也不是很理想

如果 一个 模型建立后 能有一定 foresight ,那是非常理想的 ,但是 金融类数据据多篇论文论证确实不是完全随机的(也就是说 关于 市场有效性的假说基本上目前认为是错误的) ,但是具有混沌的特征 .
如果想使用 多变量 ,目前来说不知道 是使用那些变量(是利率 GDP 还是其他什么) , 它们之间的关系又是什么,是线性的,还是非线性的?  目前都是疑问 , 目前来说能肯定的是 金融的高频时间序列数据 是非常不平稳的数据有混沌特征的数据  .  就目前来说很难找到 相关的 leading变量

muyuan11 发表于 2012-4-26 22:49
确实 有学者 用过 多变量 预测 金融的高频时间序列数据 ,但是我查看过相关论文, 效果也不是很理想

如果 ...

的确在操作上使用多变量会有相当的难度。建议你看看dynamic factor model用于预测的文章。这个领域里对于多变量（几百个甚至更多，换句话说就是你不需要知道如何选择变量，把所有能找到的都用上就是了）和mixed frequency都有建议的处理方法。具体效果如何就看你这个建模的人了。如果有个模型不管谁来用，不管预测什么，效果都好，那我们也就不用研究了，对吧~所以模型的潜力还是有的。能发挥多少就看建模的人了~加油~

muyuan11 发表于 2012-4-26 22:49
确实 有学者 用过 多变量 预测 金融的高频时间序列数据 ,但是我查看过相关论文, 效果也不是很理想

如果 ...

另外，就算不是完全随机，可预测的部分有多少也是个问题。如果你要预测的序列方差过大，理论上最优的预测也会表现很差啊~所以是不是完全随机并不代表能很好的预测。

Mayonnaise 发表于 2012-4-27 22:57
另外，就算不是完全随机，可预测的部分有多少也是个问题。如果你要预测的序列方差过大，理论上最优的预测 ...

确实 这个道理
不是完全随机,不代表一些通用的模型就是能够预测,也许需要更加复杂的条件或者更加复杂的模型才能进行一定的预测, 毕竟现在混沌理论也是才开始研究而已,仅能对一些简单的混沌模型进行预测

我目前的推测是 可能不是一个单一模型能够预测的 , 或者没有找到关键的变量

关键是 数据的非平稳性
即便使用 差分方法也不能消除 , 通常数据分析后,能发现 '厚尾'特征,这就是典型的 非平稳 的特征,表示 均值和方差在不断变化中

很感兴趣 但是完全不懂……