在金融策略的世界中,量化方法的精准度往往取决于对相关性和稳定性理解的深度。让我们一起探索几种关键的统计工具,它们在构建和理解金融时间序列模型中扮演着重要角色。
通过这些系数,我们可以揭示股票如贵州茅台和五粮液月收益率之间的微妙关系,通过散点图和相关系数图揭示出价格波动的协同或不协同模式。
时间序列的稳定性是建模的关键,它关乎均值、方差和自协方差的恒定性。区分弱平稳和强平稳序列,有助于我们理解市场趋势的长期行为。
自相关函数(ACF)与自协方差函数(VCF)是衡量序列随机性的工具。弱平稳序列在任意阶数下ρk等于零,而Ljung-Box检验则用于检查多阶自相关性,其统计量Q服从χ²分布,P值决定显著性。
例如,贵州茅台的acf图展现了显著的非随机性,而五粮液可能更接近于白噪声序列。
AR(1)模型描绘了波动围绕均值的动态,φ1系数影响着过去数据对当前的影响。其性质要求-1<φ1<1,确保弱平稳性。AR(1)的ACF呈现出指数衰减,而AR(2)模型则引入了第二个滞后项,其特征根的模决定了ACF的形状和稳定性。
重要提示:所有分析仅作学习交流,实战操作盈亏自负。欲了解更多细节和实例数据,请关注公众号“计量02”,回测绩效以QMT为准。