Saya mencoba untuk menulis tesis sarjana di mana saya menguji kekuatan prediksi model ekonometrik yang diberikan pada serangkaian waktu keuangan tertentu. Saya butuh nasihat tentang bagaimana saya harus melakukan ini. Untuk memasukkan masalah ke dalam konteks, saya memiliki ekonometrika yang dipelajari sendiri; satu-satunya kursus saya mengambil subjek berhenti menggali model-model deret waktu, jadi saya tidak berarti ahli tentang subjek.
Yang membuat saya kecewa, baru-baru ini saya membaca bahwa model ARIMA sangat buruk dalam memprediksi pengembalian stok (dan keamanan lainnya). Seorang profesor di departemen ekonomi sekolah saya juga mengkonfirmasi hal ini. Selama ini saya berharap mereka mungkin bahkan jauh berguna untuk memperkirakan beberapa seri waktu keuangan ... Apakah ada model lain yang bisa saya lihat? Tujuan saya hanyalah mempelajari pemodelan ekonometrik deret waktu dalam R atau MATLAB dan mudah-mudahan menemukan hasil prediksi yang signifikan secara statistik. Juga, apakah ada pasar tertentu yang akan Anda lihat (energi, suku bunga, ekuitas)?
Terakhir, apakah GARCH hanya digunakan untuk memperkirakan volatilitas? Profesor yang saya sebutkan tampaknya menyarankan agar saya beralih ke model GARCH atau ARIMA-GARCH untuk memodelkan pengembalian saham. Saya membaca beberapa makalah yang sepertinya menyiratkan itu juga dapat digunakan untuk pengembalian aktual ... Mungkin saya salah paham. Apakah komponen AR dan MA dalam model ARIMA-GARCH berbeda dari yang ada dalam model ARMA? Dari apa yang saya samar-samar mengerti, ARIMA dan GARCH adalah dua hal yang sepenuhnya terpisah (dengan yang pertama digunakan untuk memprediksi deret waktu aktual dan yang lainnya untuk memprediksi volatilitasnya).
Saya harap itu tidak terlalu banyak pertanyaan, tapi saya tidak tahu harus ke mana lagi, saya sudah meneliti ini sendiri begitu lama. Terima kasih banyak!
sumber
Jawaban:
Kebanyakan jika tidak semua pasar keuangan yang mapan dan likuid akan sangat sulit untuk memprediksi model apa pun yang akan Anda gunakan. Jika pasar relatif mudah diprediksi, pelaku pasar akan mencoba memanfaatkannya untuk menghasilkan uang. Dengan melakukan itu mereka akan menghilangkan prediktabilitas. Ini membawa kontradiksi, dan dengan demikian pasar tidak mudah diprediksi.
Model GARCH digunakan untuk memodelkan varian bersyarat dari istilah gangguan dari model mean bersyarat untuk variabel dependen . Misalnya jika Anda memiliki model rata-rata bersyarat , model GARCH akan menjelaskan varians bersyarat dari . Terkadang model rata-rata bersyarat adalah "kosong" ( ), maka model GARCH digunakan untuk memodelkan varian bersyarat dari itu sendiri.yt yt= α +ϵt ϵt yt=ϵt yt
Bahkan jika Anda terutama tertarik pada model rata-rata bersyarat (misalnya Anda ingin memprediksi pengembalian saham menggunakan model ARMA), model GARCH yang dikombinasikan dengan model untuk rata-rata bersyarat dapat berguna. Jika varians bersyarat dari variabel dependen adalah waktu yang bervariasi, itu harus diperhitungkan, dan model GARCH melakukan hal itu. Jika varians bersyarat variasi waktu diabaikan, model rata-rata bersyarat dapat (dan kemungkinan akan) tidak valid.
Iya. Itu juga menggambarkan komentar terakhir saya di atas.
Ini benar. Tapi seperti yang sudah saya jelaskan, kedua model ini bisa bekerja sama dengan baik.
sumber
Saya memuji antusiasme Anda untuk masalah ini. Ada banyak aplikasi dan metode untuk membantu prediksi tetapi jelas bahwa tidak ada peluru perak. Sama seperti tidak ada satu model cuaca yang memprediksi semua cuaca di semua lokasi dengan akurasi yang sama, tidak ada model yang dapat memprediksi deret waktu keuangan.
Saya akan mendorong Anda untuk melihat satu sub-perilaku pasar untuk melihat apakah Anda dapat memahaminya. Beberapa contoh cepat adalah
Adapun teknik, satu metode klasik baru adalah Kointegrasi:
Saya sama sekali tidak mendukung analisis dan menghasilkan tautan di atas. Mereka hanyalah beberapa hasil teratas Google untuk membantu Anda mempelajari lebih lanjut tentang integrasi bersama.
sumber