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?
|