许同学2022-07-30 23:00:05
老师,为什么高频数据是这样的特征?谢谢
回答(1)
Nicholas2022-08-01 14:59:51
同学,下午好。
高频数据数据点更多,可以更精确的描述数据的情况,例如你用30年年度GDP数据算平均GDP增速,和用30年季度数据算GDP增速差异不大,但算和其他的数据的相关性、它自己的波动率的时候,用季度数据算出来的比年度的更精确,因为年度数据数据点少,很多中间的波动和趋势都没办法反应出来。
Asynchronicity(异步性)指数据的不同步性,在使用高频数据的时候最容易发生。以日度的收盘价数据为例,比如说都是12月20日的收盘价,但因为时区差异,不同时区的交易所那一天的交易时间是不一致的,收盘时间也不同。这就导致了,不同市场12月20日的收盘价发生的时间是不同步的,这就是Asynchronicity。这个特点对比较低频的数据,比如年度,季度的数据影响没那么大,因为它们时间区间跨度长,这样的不同步影响不大。但对于周度和日度这样的高频数据来说,影响就很大,因为可能一个消息出来包含在这个市场的收盘价里面,却没包含在另一个市场的收盘价里面,因为它已经收盘了,这样算出来的收益率的correlation可能会偏低。
- 评论(0)
- 追问(2)
- 追问
-
老师,后半句不理解,为什么对sample mean不好?谢谢
- 追答
-
同学,下午好。
这里的意思是高频数据可以改善方差、协方差、相关性的精度,但是对样本均值精度的改善有限。
资产的长期相关性可能在短期发生背离,时间较短的数据有可能提供虚假的或背离的数据。算和其他的数据的相关性、它自己的波动率的时候,用季度数据算出来的比年度的更精确,因为年度数据数据点少,很多中间的波动和趋势都没办法反应出来。
评论
0/1000
追答
0/1000
+上传图片

