craaazydot · 2023年06月27日
Asynchronicity can be a significant problem for daily or weekly data,as it distorts measured correlations and induces relationships that might not exist if the data were measured synchronously.
对于每日或每周数据来说，异步性可能是一个重大问题，因为它会扭曲测量的相关性，并引发同步测量数据时可能不存在的关系。
老师说异步性会导致correlation被低估。但是根据PPT的文字，异步性会引发不存在的关系。
不是很理解，求解答。
笛子_品职助教 · 2023年06月28日
嗨，爱思考的PZer你好：
老师说异步性会导致correlation被低估。但是根据PPT的文字，异步性会引发不存在的关系。
Hello，亲爱的同学~
高频数据有异步性，给数据做回归，会发现这两个数据的相关性很低，甚至低到不存在关系，correlation为0。
但是实际上，这两组数据，它的相关性是很高的，它的关联度很大的。
例如：中国股市交易时间是北京时间白天，美国股市交易时间是北京时间夜里。如果使用每1分钟的行情数据，给中美两国股市做回归，会发现，没有相关性，不存在关系。
但是实际上，这两组数据，它是有关系的，会相互影响。
因此，数据里显示的关联，比现实世界的的关联，要低。这就是correlation被低估
----------------------------------------------加油吧，让我们一起遇见更好的自己！
笛子_品职助教 · 2023年06月29日
嗨，努力学习的PZer你好：
老师你好，我能明白你说的意思。但是我感觉PPT上的文字表达的不像老师说的。它更像在表达：如果数据不是同时测量的，就可能会出现虚假的相关性和关系。 举例：假设我们想研究每天的温度和股票市场指数之间的关系。如果温度的测量是在每天的中午进行，而股票市场指数的测量是在每天的收盘时进行，导致我们看到某些温度和股票市场指数之间的表面上的关系。 所以为什么一定是低估相关性呢，我觉得也有高估的可能呢。
PPT是这个含义：对于每日或每周数据来说，异步性可能是一个重大问题，因为它会扭曲测量的相关性，并引发同步测量数据时可能不存在的关系。
数据显示，不存在关系。
现实世界，存在关系。
因此，是低估了相关性。
----------------------------------------------加油吧，让我们一起遇见更好的自己！
