以下是引用oldman在2005-7-23 21:14:52的发言: IC 公式并不是凭人而定的,一般用kullback-leibler convergence 推导的, 都有严格的推倒过程,但是在weight的选取上无法严格届定,所以一般用monte carlo simulation的结果做选择,不同的方法选取不同的weight,大多时候几个标准还是比较一致的,如有不同,要看数据类型,频度等做合考虑,当然,很多时候还有其他标准,计量本来就存在datamining,不可能有一个很一致的,简单易用的标准,我想任何科学都是这样的,有很多争论,也正是争论促进了科学的发展,那些在一流杂志发表的论文我认为是质量很高的,计量类的论文数学功底要求是很高的,能用granger因果检验离看懂推导过程还有很长的路要走,能看懂离自己能推更是很长的路,我也是处在低级阶段,以上是个人体会,和大家交流吧。
呵呵,我的意思不是抨击文章作者的水平低,他们都是高人,我根本没资格对他们品头论足
但是我觉得根据IC来定阶数实在太武断.我曾经比较过一些股指和汇率的数据,发现AIC,SBIC,MSPE给出的结论都不相同,而且有时会差得相当远.在决定阶数时很头疼.(不知大家有什么建议没有.)如果是做Model的话其实问题不大,顶多是准确度的问题.但Granger因果测试对阶数很敏感,几乎到了大是大非的程度,如果就这样粗糙地定下阶数那最后的结果也就显得些苍白.
此外,我对金融计量经济学在实际中的应用有些担忧,特别是线性模型.我算出来的SR(预测回报正负符号的正确率)一般都是50%左右,根本就是瞎猜.非线性模型的表现会好一些,但准确率还是不能让人很惊喜.相对而言,物理学的流体力学,飞行器制导等方向比较难学,但至少科学家现在已经能把人送上太空.而金融计量经济学这个领域却很少能见到这样振奋人心的成果.
可能又说多了几句,也许说错了不少,请大家批