作者jayhsieh (jayhsieh)
看板Quant
標題Fw: [問題] 計量經濟是??
時間Wed Feb 4 22:38:40 2015
※ [本文轉錄自 jayhsieh 信箱]
作者: slow714285 ( ) 看板: Quant
標題: Re: [問題] 計量經濟是??
時間: Mon Mar 24 01:30:01 2014
※ 引述《Linethan (我要什麼?)》之銘言：
: 我想問題應該不只是在Normal分配與否而已
: 用過去每日的股價報酬率的平均值來估計期望值
: 說穿了 就是用sample mean來估計mean
: 但是 要讓sample mean是個有效的估計量的條件應該是
: sample是i.i.d
: 每日的股票報酬率是互相獨立嗎? 似乎沒有理由相信是啊
有, 這就是諾貝爾經濟學獎得主Fama 所提出的理論:
市場是不是效率的? (當然又分成弱勢, 半強勢, 強勢)
當市場是效率時, 股價報酬率是互相獨立的.
但是請注意到, 即便報酬率相互獨立,
波動度可以不是互相獨立的, 而有叢聚效應.
這也就是GARCH model想表達的, 二階動差有時間序列的關係.
以上是小弟所學淺見, 有誤之處再麻煩其他人修正.
這邊只是提出一個想法給大家參考.
: 即使是互相獨立好了 每日的股票報酬率都有相同的機率分配嗎?
: 如果沒有 不管用再多的歷史資料來當樣本
: 純粹的sample mean都沒辦法作為明日股票期望報酬率的估計量
: 要是有這麼簡單就能估計 那我們就不用學計量經濟了...
確實, 波動率(二階動差)的估計在某種意義上反而比較簡單;
這也是為什麼"估計一時間序列的均數"的方法可以得諾貝爾獎.
: 這讓我想到我的計量經濟教授在課堂時說過的話
: 回歸的判定係數要多高才代表解釋力夠好
: 並沒有標準答案 要看你處理的問題是什麼
: 如果是做finance的 得到5%的判定係數 也許就可以publish到JF了
: 因為股價實在是太難預測了.....
這裡有一點可以提出來跟大家分享:
經濟資料跑出的迴歸係數主要關切的點在於其是否顯著; (注重因果)
財務資料跑出的迴歸係數除了係數顯不顯著,
也會關切整個model的配飾度. (注重模型可用度)
: ※ 引述《sumif (它它)》之銘言：
: : 問題在於假設
: : 你若假設股票報酬率是Normal分配
: : 當然可以用抽樣的平均值估計期望值
: : 但問題是此假設是否成立？
: : 衍生問題，若你從統計資料發現該股票明天漲停的機率高達99%
: : 且你對你的估計非常有信心，那你應該是今天就先買入吧
: : 若市場預期都和你一樣 => 期望值會先將今天股票推至漲停
: : 若市場上有各種不同的預期 => 那股價是否有期望值，是否可預測？
不論如何, 請記得永遠有黑天鵝.
以上, 純分享, 也希望版上能學到更多知識(不論冷熱)~
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 118.171.29.144
※ 編輯: slow714285 來自: 118.171.29.144 (03/24 01:30)
1F：推 Linethan:那我應該說 市場未必是效率的:) 03/24 02:11
2F：推 letibe:之前做的結果是除了S&P、NASDAQ這些指數以外，許多股都有 03/24 02:32
3F：→ letibe:AR(1)以上的相關 03/24 02:32
4F：推 tompi:我喜歡黑天鵝 03/24 07:41
5F：推 DIDIMIN:檢驗市場是否有效率應該是用報酬率是否有自我相關 03/24 12:57
6F：→ DIDIMIN:而非指數是否具有自我相關 03/24 12:57
7F：→ letibe:yeap that's what I did 03/24 16:04
8F：→ letibe:還有只靠相關性是沒辦法檢驗市場效率假說的 03/24 16:08
9F：→ gozule:有越來越多的文獻實驗數據顯示EMH應該是不成立的 03/24 20:21
10F：→ slow714285:看是針對什麼市場而言囉~ 03/25 00:07
11F：→ slow714285:假設市場限制一堆, 不讓市場機制自行決定價格, 03/25 00:08
12F：→ slow714285:那不論資訊傳遞多完全, 始終會不效率的. 03/25 00:09
13F：→ kkkk123123:我也還在學GARCH跟資產定價模型... 03/26 23:44
※ Deleted by: slow714285 (219.71.36.140) 04/14/2014 21:27:19
※ 發信站: 批踢踢實業坊(ptt.cc)
※ 轉錄者: jayhsieh (111.185.87.93), 02/04/2015 22:38:40