您的位置: 零点财经>股票问答>量化投资常见问题解答> Quantopian量化交易—平稳性与协整

Quantopian量化交易—平稳性与协整

2018-06-12 11:32:33  来源:量化投资常见问题解答  本篇文章有字,看完大约需要26分钟的时间

Quantopian量化交易—平稳性与协整

时间:2018-06-12 11:32:33  来源:量化投资常见问题解答

学会这个方法,抓10倍大牛股的概率提升10倍>>

为了下一讲的内容——配对交易,本文先来个预热,讲下平稳性与协整。

平稳性/非平稳性

如果数据的参数不随时间变化,则我们称之为平稳,否则为不平稳,下面来看两个序列A与B。

A序列为符合正态分布的一组数据,均值与方差分别为0和1

A序列

A序列

A序列图

A序列图

注:可以看到A序列一直在0上下波动

再来生成B序列,B序列的均值引入了一个时间变量,

B序列

B序列

B序列图

B序列图

注:可以明显看到序列的向上趋势

危险的非平稳性

正式的论文中,都需要对数据的平稳性做深入可靠的验证,如果你忽略了这点,就可能得到毫无意义的结果。我们在这里使用上述的B序列,先来计算下其均值

计算B的均值

计算B的均值

示例图

示例图

注:均值体现了所有数据的平均水平,但是对于预测未来状态则是毫无意义的,因为掺杂了不同时间的不同状态,对在不同时间点的统计结果进行比较也是徒劳的。这只是一个简单的例子,用来说明非平稳性对我们的分析造成的影响,在实际中存在更多此类为题,请务必小心。

平稳性检验

一般使用扩展迪基-福勒检验(Augmented Dickey–Fuller test )对平稳性进行检验。

adf检验

adf检验

注:可以看到结果符合预期,A序列是平稳的,而B序列是不平稳的

移动平均表达法/沃尔德理论

在时间序列分析中,移动平均表达法是一个重要的概念,一个时间序列Y的表达式定义如下:

移动平均表达法

移动平均表达法

其中η是确定的,比如是正弦波形,因此我们可以很好的对其建模。但是递进过程则是随机的,只能通过时间逐步推导新信息。

其中的递进序列ε的定义如下,其代表t时间点前数据无法解释的随机部分:

递进序列定义

递进序列定义

注:bj表示ε对于Yt的影响程度

单整阶数(Order of Integration)

我们将单整阶数为i写为I(i),如果一个时间序列在移动平均表达法中满足以下条件,则称单整阶数为0,既I(0),通常也说,序列的自关联性衰退很快。

I(0)条件

I(0)条件

注:对于所有稳定性序列,均满足I(0),但满足I(0)却不能得到其一定为稳定的

有了I(0)的定义,接下来我们就可以通过归纳法逐步构建其他的单整阶数了。

如果一个序列满足I(0),那么对其进行累加操作,新序列就是I(1),再以此类推可以得到I(n)的序列。

下面我们来操作A序列,得到其对应的I(1)及I(2)序列

产生I(1)序列

产生I(1)序列

I(1)序列图示

I(1)序列图示

产生I(2)序列

产生I(2)序列

I(2)序列图示

I(2)序列图示

相反,如果从高阶的序列得到低阶的序列,需要使用差异函数进行处理。

高级转低阶

高级转低阶

引入L为滞后算子,最终可以得到低阶序列为:

低阶序列

低阶序列

实例

我们使用微软的股票数据来实践一下以上的内容,首先获取2014年度每日股价数据,

获取价格数据

获取价格数据

对其进行平稳性检测,可以看到价格是不平稳的,从图中也可以明显看到

示例代码

示例代码

价格示例图

价格示例图

接下来我们使用diff函数将价格变化为每日收益,

价格示例图

价格示例图

价格变动图

价格变动图

注:可以看到,神奇的事情发生了,价格的变动序列是平稳的。你可以尝试自己使用pct_change替换diff函数,可以得到每日收益率序列也是平稳的

在量化金融中,常用收益来进行建模,因为它比价格要平稳的多,从而预测也更加稳定,但是在现实操作中也要一定注意,任何收益预测中的谬误可能会在某个时间被放大,从而导致极大的损失。

协整(Cointegration)

假设时间序列Y为时间序列(X1,X2,...,Xk)的线性组合,如下:

线性组合

线性组合

如果(X1,X2,...,Xk)的单整阶数均为I(1),但它们构造的线性组合的单整阶数为I(0),则称这些序列为协整的。

在量化金融中,对于协整的序列组合应用也非常广泛,最常见的就是配对交易,下一篇文章会进行专门的介绍,配对交易简单说来就是,利用协整的序列组合的噪声会自行回归的特征来进行交易。

依旧使用一个示例来进行说明,X1与X2均为非平稳序列,其中X2为X1加上一个正态噪声数据产生

示例代码

示例代码

对X2使用diff函数,并检查其平稳性,可以得到X2依旧为I(1)

X2为I(1)

X2为I(1)

注:对X2进行diff后的序列为平稳的/I(0),说明X2本身为I(1)

再来看看Z=X2-X1组合的情况

协整组合

协整组合

示例图

示例图

协整性检验

有很多种协整性检验的方法,但通常我们都是通过解出一个可以得到I(0)线性组合的系数序列(b1,...,bk),然后对其进行平稳性检验,你可能想到这并不准确,因为可能并没有处理到所有的可能性,确实如此!但是在这里并无大碍,因为不会导致我们做出错误的预测。

在实际操作中,通常会使用线性回归得到相关系数β

线性回归

线性回归

然后移除X2对于X1的依赖,剩下的就应该为平稳的噪声数据。

移除依赖

移除依赖

接下来使用真实数据来进行一次协整检验,获取两支股票2014年的股价信息,

示例代码

示例代码

示例图

示例图

注:从图中就可以看到明显的相关性

然后通过最小二乘法回归得到β

最小二乘法得到β

最小二乘法得到β

最终构造组合并检查平稳性

构造组合并检查平稳性

构造组合并检查平稳性

示例图

示例图

结论:最终该组合通过了平稳性检验,我们即可认为X1与X2的该线性组合是协整的。

阅读了该文章的用户还阅读了

热门关键词

相关阅读

为您推荐

移动平均线
股票知识
MACD
老丁说股
热点题材
KDJ指标
读懂上市公司
成交量
股票技术指标
股票大盘
分时图
股市名家
概念股
缠中说禅
强势股
波段操作
股票盘口
短线炒股
股票趋势
涨停板
股票投资
长线炒股
股票问答
股票术语
财务分析
炒股软件
上证早知道
经济学术语
期货
股票黑马
股票震荡市场
理财
炒股知识
散户炒股
外汇
炒股战术
港股
基金
黄金






















































































































































































































































































































































































































































































































































































































































相关栏目推荐

栏目导航

友情链接

网站首页
股票问答
股票术语
网站地图

copyright 2016-2024 零点财经保留所有权 免责声明:网站部分内容转载至网络,如有侵权请告知删除 友链,商务链接,投稿,广告请联系qq:253161086

零点财经保留所有权

免责声明:网站部分内容转载至网络,如有侵权请告知删除