p****u
发帖数: 2596 | 1 股票市场很多industrial groups。 有些 group比较受宏观环境影响，里面的各种股票
correlation比较高，跟着一起走动。 有些group里面个体差异比较大，里面的股票相
对来说不跟着一起走。
怎么样quantify这种各个group 内部的股票是否是一起走动？ |
c*******y
发帖数: 1630 | |
p****u
发帖数: 2596 | 3 什么意思，请解释一下？给你1０个包子，谢谢。
【在 c*******y 的大作中提到】
: VOL OF XL + (SECTOR)
|
g*******s
发帖数: 59 | 4 I think you mean vol of XLF, XLE, XLP, etc.
Volatility of sector ETF.
【在 p****u 的大作中提到】
: 什么意思，请解释一下？给你1０个包子，谢谢。
|
Y******u
发帖数: 1912 | 5 Average correlation or PCA |
s*****g
发帖数: 323 | 6 sigh.
【在 p****u 的大作中提到】
: 股票市场很多industrial groups。 有些 group比较受宏观环境影响，里面的各种股票
: correlation比较高，跟着一起走动。 有些group里面个体差异比较大，里面的股票相
: 对来说不跟着一起走。
: 怎么样quantify这种各个group 内部的股票是否是一起走动？
|
Y***e
发帖数: 1030 | 7 test cointegration?
【在 p****u 的大作中提到】
: 股票市场很多industrial groups。 有些 group比较受宏观环境影响，里面的各种股票
: correlation比较高，跟着一起走动。 有些group里面个体差异比较大，里面的股票相
: 对来说不跟着一起走。
: 怎么样quantify这种各个group 内部的股票是否是一起走动？
|
z******o
发帖数: 1224 | 8 看correlation并不是有效方法，可以举反例：
t = 500:10000
x = 10*t + rnorm(9501,mean=0,sd=10)
y = 10*sqrt(t) + rnorm(9501,mean=0,sd=10)
x和y的correlation ~ 0.98(他们各自不stationary)， 但是他们的trend本质上不同的。
有另一个idea：对每个组，取一个做为y，其他都是x, 如x1, x2,...,xm.
直接regress y on (x1, x2,...,xm)，包含intercept。虽然xi都不stationary但是
least square方法还是valid，这样做的目的是找出一个linear combination，
使得residual=y - beta*X的variance尽可能的小，所以这样得出的residual是最有可
能是stationary的。
然后对residuals做PP/ADF test，得到P value (可能PP更好点，上面的例子，PP test
的simulation result更好点，adf是错的)。
把这些组的P value从小到大排序，小的那些个，应该就是组内time series
similarity比较高的。
自己的方法，不保证正确 |
Y***e
发帖数: 1030 | 9 一直到这一句“把这些组的P value从小到大排序，小的那些个，应该就是组内time
series
similarity比较高的。”都是在test cointegration.
关于这一句，我不记得不同test的p value可不可以互相比较，比较起来有没有意义。
的。
【在 z******o 的大作中提到】
: 看correlation并不是有效方法，可以举反例：
: t = 500:10000
: x = 10*t + rnorm(9501,mean=0,sd=10)
: y = 10*sqrt(t) + rnorm(9501,mean=0,sd=10)
: x和y的correlation ~ 0.98(他们各自不stationary)， 但是他们的trend本质上不同的。
: 有另一个idea：对每个组，取一个做为y，其他都是x, 如x1, x2,...,xm.
: 直接regress y on (x1, x2,...,xm)，包含intercept。虽然xi都不stationary但是
: least square方法还是valid，这样做的目的是找出一个linear combination，
: 使得residual=y - beta*X的variance尽可能的小，所以这样得出的residual是最有可
: 能是stationary的。
|
x********i
发帖数: 54 | 10 I think cointegration does not work because two random walk series are
cointegrated but two identical trending series are also cointegrated. So
they cannot be differentiated by cointegration.
【在 Y***e 的大作中提到】
: test cointegration?
|
|
|
z******o
发帖数: 1224 | 11 相当于说这些P value 比较小的（容易rej null hypothesis: residual is I(1)），
他们residual的ts model prediction power越高，trading signals (based on
residuals) 也更准一点，当然这都是理论上的；实际中，这些P value应该都比较高，
residual是正还是负很难predict
。
【在 Y***e 的大作中提到】
: 一直到这一句“把这些组的P value从小到大排序，小的那些个，应该就是组内time
: series
: similarity比较高的。”都是在test cointegration.
: 关于这一句，我不记得不同test的p value可不可以互相比较，比较起来有没有意义。
:
: 的。
|
e***z
发帖数: 7126 | 12 大牛我老感觉你发现了一个非常高明的方法
看下面的回帖似乎都没有抓住重点的迹象
不如大牛给大伙一点启发，一点提示？
【在 p****u 的大作中提到】
: 股票市场很多industrial groups。 有些 group比较受宏观环境影响，里面的各种股票
: correlation比较高，跟着一起走动。 有些group里面个体差异比较大，里面的股票相
: 对来说不跟着一起走。
: 怎么样quantify这种各个group 内部的股票是否是一起走动？
|
Y***e
发帖数: 1030 | 13 晕。。是不是cointegration 当然不能quantify 股票是不是一起走，但是test
cointegration 时构造的linear combination 包含了很多股票是不是一起走的信息。
参见zhangdao的回答。
【在 x********i 的大作中提到】
: I think cointegration does not work because two random walk series are
: cointegrated but two identical trending series are also cointegrated. So
: they cannot be differentiated by cointegration.
|
Y***e
发帖数: 1030 | 14 我的意思是说，不同的组，按照你描述的方法，分别算出一个residual 和一个p value
。 那么这些不同组分别算出的p value们是comparable的吗 ? 如果不是，怎么能说哪
一组里的股票一起走的趋势更强呢？
因为我隐隐约约记得些关于test的结论，说不同test算出来的test statistics 不是
comparable之类的。。记不清了:P
【在 z******o 的大作中提到】
: 相当于说这些P value 比较小的（容易rej null hypothesis: residual is I(1)），
: 他们residual的ts model prediction power越高，trading signals (based on
: residuals) 也更准一点，当然这都是理论上的；实际中，这些P value应该都比较高，
: residual是正还是负很难predict
:
: 。
|
p****u
发帖数: 2596 | 15 受用了，给你５个包子，谢谢。
的。
【在 z******o 的大作中提到】
: 看correlation并不是有效方法，可以举反例：
: t = 500:10000
: x = 10*t + rnorm(9501,mean=0,sd=10)
: y = 10*sqrt(t) + rnorm(9501,mean=0,sd=10)
: x和y的correlation ~ 0.98(他们各自不stationary)， 但是他们的trend本质上不同的。
: 有另一个idea：对每个组，取一个做为y，其他都是x, 如x1, x2,...,xm.
: 直接regress y on (x1, x2,...,xm)，包含intercept。虽然xi都不stationary但是
: least square方法还是valid，这样做的目的是找出一个linear combination，
: 使得residual=y - beta*X的variance尽可能的小，所以这样得出的residual是最有可
: 能是stationary的。
|
p****u
发帖数: 2596 | 16 忘记了写，这样分析的目的是，觉得有些group 里面因为各个股票都一起移动，所以
group market neutral的strategy很难make money，可以把这些group 去掉。所以说什
么样的indicator比较好。
【在 p****u 的大作中提到】
: 股票市场很多industrial groups。 有些 group比较受宏观环境影响，里面的各种股票
: correlation比较高，跟着一起走动。 有些group里面个体差异比较大，里面的股票相
: 对来说不跟着一起走。
: 怎么样quantify这种各个group 内部的股票是否是一起走动？
|
b*********n
发帖数: 2284 | 17 你这10*t + rnorm(9501,mean=0,sd=10)是return sequence?
的。
【在 z******o 的大作中提到】
: 看correlation并不是有效方法，可以举反例：
: t = 500:10000
: x = 10*t + rnorm(9501,mean=0,sd=10)
: y = 10*sqrt(t) + rnorm(9501,mean=0,sd=10)
: x和y的correlation ~ 0.98(他们各自不stationary)， 但是他们的trend本质上不同的。
: 有另一个idea：对每个组，取一个做为y，其他都是x, 如x1, x2,...,xm.
: 直接regress y on (x1, x2,...,xm)，包含intercept。虽然xi都不stationary但是
: least square方法还是valid，这样做的目的是找出一个linear combination，
: 使得residual=y - beta*X的variance尽可能的小，所以这样得出的residual是最有可
: 能是stationary的。
|
c*******y
发帖数: 1630 | 18 一起移动，所以long/short的spread很小？
【在 p****u 的大作中提到】
: 忘记了写，这样分析的目的是，觉得有些group 里面因为各个股票都一起移动，所以
: group market neutral的strategy很难make money，可以把这些group 去掉。所以说什
: 么样的indicator比较好。
|
Y***e
发帖数: 1030 | 19 画个图看看最明了。。
【在 p****u 的大作中提到】
: 忘记了写，这样分析的目的是，觉得有些group 里面因为各个股票都一起移动，所以
: group market neutral的strategy很难make money，可以把这些group 去掉。所以说什
: 么样的indicator比较好。
|
x********9
发帖数: 31 | 20 First you wanna remove the market factor, then look at the correlation in
the residuals. |
w**********y
发帖数: 1691 | 21 I guess factor model (ex: Barra's USE4 or Fama–French's 3 factors) should
be useful.
Briefly, using market factor and indstry factor along with idiosyncratic
factor, you can measure their LINEAR correlation by every component.
【在 p****u 的大作中提到】
: 股票市场很多industrial groups。 有些 group比较受宏观环境影响，里面的各种股票
: correlation比较高，跟着一起走动。 有些group里面个体差异比较大，里面的股票相
: 对来说不跟着一起走。
: 怎么样quantify这种各个group 内部的股票是否是一起走动？
|
