Rangkaian waktu yang tidak beraturan dalam riset keuangan / ekonomi

14

Dalam penelitian ekonometrika keuangan, sangat umum untuk menyelidiki hubungan antara deret waktu keuangan yang berbentuk data harian . Variabel akan sering dibuat dengan mengambil perbedaan log, misalnya; .saya(0)dalam⁡(Pt)-dalam⁡(Pt-1)

Namun, data harian berarti bahwa ada titik data setiap minggu, dan Sabtu dan Minggu hilang. Ini sepertinya tidak disebutkan dalam literatur terapan yang saya sadari. Berikut adalah beberapa pertanyaan terkait erat yang saya miliki yang berasal dari pengamatan ini:5

  • Apakah ini memenuhi syarat sebagai data spasi tidak teratur, meskipun pasar keuangan ditutup selama akhir pekan?

  • Jika demikian, apa konsekuensi untuk validitas hasil empiris yang masih ada sejauh ini dalam jumlah makalah raksasa yang mengabaikan masalah ini?

time-series econometrics finance macroeconomics unevenly-spaced-time-series Jase
sumber
6
Mengenai pertanyaan pertama Anda, masalah ini kadang-kadang disebut efek akhir pekan . Menurut pendapat saya, jawabannya tergantung pada konteks. Misalnya, pertanyaan ini sangat masuk akal dalam kasus pengembalian saham. Lihat misalnya di sini , di sini , di sini dan di sini . Tetapi saya tidak yakin apakah efek ini berlaku untuk konteks lain.
@Prastrastator Kirim jawaban sangat bagus !!
Jase
Ada SE keuangan kuantitatif yang mungkin lebih cocok untuk mendapatkan jawaban yang bermakna. Sebenarnya ada lebih banyak masalah daripada akhir pekan: malam, hari libur bank ... dll. Yang menjadi lebih buruk dengan berbagai sumber harga.
lcrmorin

Jawaban:

1

Pengungkapan penuh! Saya tidak tahu tentang keuangan / ekonomi, mohon maaf sebelumnya atas ketidaktahuan saya. Tetapi saya menemukan pertanyaan ini lebih luas dari pada keuangan. Menganalisis data sampel tidak teratur muncul di banyak bidang lain, seperti biologi dan kedokteran. Salah satu kekurangan dari pendekatan klasik seperti Autoregressive Regression (AR) adalah kelemahan mereka dalam berurusan dengan data sampel yang tidak teratur. Namun masalah ini dapat diatasi dengan proses Gaussian (GP). Ini digunakan misalnya di sini atau di sini .

omidi
sumber
0

Secara tradisional, kami tidak khawatir tentang hari-hari non-perdagangan dan menghitung ini sebagai data spasi secara teratur. Namun ada dua kemungkinan efek yang harus Anda khawatirkan.

Yang pertama adalah efek waktu terhadap momentum dan interaksi dengan indikator utama. Jika Anda memiliki variabel tertinggal yang merupakan pemimpin yang baik - katakan saja itu suhu rata-rata - maka beberapa titik data Anda akan tertinggal ke hari berikutnya (Jumat -> Kam) sementara yang lain tertinggal tiga hari (Senin -> Jumat). Mungkin ada hasil palsu karena itu.

Masalah kedua adalah aktivitas yang terjadi ketika pasar ditutup. Setelah perdagangan berjam-jam, penetapan harga opsi, dll. Jika itu adalah faktor, Anda mungkin lebih baik menghitung deret waktu yang ditentukan secara berkala dan menginterpolasi atau menghitung hari non-perdagangan dengan cara lain.

JasonRDalton
sumber
Hanya karena pasar tutup bukan berarti pasarnya teratur. Jika kita menganggapnya sebagai proses mendasar yang kita sampel secara terpisah (ketika pasar dibuka) tetapi masih berkembang ketika pasar ditutup maka itu tidak teratur. Saya pikir metafora evolusi berkesinambungan ini lebih berguna karena konsisten dengan lompatan dekat ke terbuka (semua informasi dari waktu tertutup terungkap dalam 1 saat).
Jase