時間序列用來描述股價變化484很不適當? - 股票

※ 引述《peter308 (pete)》之銘言：
時間序列用來描述股價變化 適當 的阿

去搜尋論文網 "GARCH"or "ARCH" 你會得到一缸子的論文關於股票市場的

經過許多研究後 簡單說

1.股價是無法預測的...

2.但是波動是可以預測的...

Engle 也根據ARCH模型在2003年得到諾貝爾獎

時間序列這玩意，應該把資訊的變化與市場價格波動一起看比較有意義

而所謂的價格變成只是副產品，因為對波動度的分析 研究者 交易者 來說

波動的變化(或行為) 比價格本身有意義
----

我們對從現在開始對於未來的股價走勢，其實會有非常多種的未來走勢
https://imgur.com/Ric6paB

而最近的未來走勢往往與最近的波動(資訊)變化有關

當波動變大，未來價格將會呈現較大上下波動，

而至於是向上還是向下，則與資訊的好壞與衝擊強度有關

時間序列也可以處裡衝擊 等問題 例如 VAR 向量自我迴歸模型

在下對時間序列也就初窺門徑 程度而已

以下兩張小圖 是 台股 利用 GARCH 做得 一小條 模擬路徑

目的是用來測試策略用的，走勢包含實際與模擬兩段

一般來說就是看起來有沒有像台股的走勢，我個人覺得還算像... 呵呵
https://imgur.com/IK381eB

這樣接起來通常就是找人問哪一段之前是真的走勢 哪一段是 模擬的走勢
.





結果如下 台股指數
https://imgur.com/m8cpGLS


一般來說 模擬價格路徑會得到 一條線

上述模擬 比較 不同的是 跳空、紅黑K、影線的變化



時間序列當然可以描述股價變化喔


















: 我之前版上po過我自己的見解
: #1R1uCkrB
: [請益] 股市那麼難預測是什麼原因??
: 文章有提到以下內容:
: 所謂的價格動力的空間部分的貢獻
: 來自於交易投資人間形成的一個網絡拓樸結構(network topolology structure)
: 這個結構很可能是 scale-free, small-word 或是其他結構
: 但很可惜 目前投資人的拓樸結構為何是個unknown
: 不像材料科學 可以用Xray 或是中子繞射的方法去測量材料的晶格構造!
: 怎麼知道這個拓樸結構的拓樸長相，
: 以及如何把它的效應放進CAPM或是異質投資人模型，
: 是我下一個階段想研究的課題!
: 我認為如果未來能夠寫的出這個考慮過網絡拓樸結構的PDE
: 對於我們理解股價的動力行為會有一些幫助!
: 簡單講
: 股價的動力學模型應該本質上是一個PDE(偏微方方程)而非ODE(常微分方程)
: 時間序列看的就是股價怎麼隨著時間變化而已
: 至於空間結構的那個部分則把它平均掉
: 我的想法是 結構空間不應該被平均掉，而是應該透過一個PDE的空間座標去描述
: 當然
: 要從第一原理或理論角度去建構出這樣的PDE 太困難了
: 但如果把原本的時間序列改成收集spatio-temporal 數據
: 再用機器學習去針對這個spatio-temporal 數據做參數優化(模型訓練)呢?
: 有沒有可能提升股價預測上的準確度??
: 有沒有人實際做過?
: 或是有些想法的??
: 要不要討論看看??

--