关于这个challenge想问一下,因为regime change导致了数据出现了non-stationary的问题,所以使用高频数据可以改善non-stationary的问题吗?为什么可以改善呢?
其次,使用高频数据会产生asynchronous的问题,所以高频数据不能改善sample mean的准确性,到底什么是不同步性,不能改善的sample mean又是指什么意义呢?
笛子_品职助教 · 2024年08月15日
嗨,努力学习的PZer你好:
关于这个challenge想问一下,因为regime change导致了数据出现了non-stationary的问题,所以使用高频数据可以改善non-stationary的问题吗?为什么可以改善呢?
Hello,亲爱的同学~
non stationary问题的解决方式是:选取stationary的数据。
但有时stationary的数据,它的时间长度又比较短,数据量不够。
这个时候,就可以提高数据频率,来解决数据时间长度短,数据量不够的问题。
因此才引入高频数据。
同学可以理解为:数据出现A问题(nonstationay),为了解决A问题又出现了B问题(数据量不够),高频数据解决了B问题。
使用高频数据会产生asynchronous的问题,所以高频数据不能改善sample mean的准确性,到底什么是不同步性,不能改善的sample mean又是指什么意义呢?
不同步,是指数据的时间不一致。
比如中国市场开盘时间是白天,美国市场开盘时间是晚上。
放到低频的日线数据,这都是某一天的数据。
但放到高频的1分钟数据,则中国交易时间,美国并没有交易。这就是不同步性。
不能改善sample mean是指,数据均值和高频低频无关。
例如:
使用日线数据来计算股票市场1年的价格均值,是30元。
使用1分钟数据来计算股票市场1年的价格均值,也是30元。
这就是不能改善sample mean的含义。
----------------------------------------------就算太阳没有迎着我们而来,我们正在朝着它而去,加油!