贝叶斯条件协整
计算工程、金融与科学
2012-07-03 v1 机器学习
统计方法学
摘要
协整是时间序列的一个重要主题,描述了两个序列之间的一种关系,其中线性组合是平稳的。经典地,协整检验基于一个两阶段过程:首先通过普通最小二乘法估计序列之间的线性关系,然后对残差进行单位根检验。这种经典方法的一个众所周知缺陷是它可能导致关于协整存在的错误结论。作为替代,我们提出了一个使用贝叶斯推断来估计协整是否存在的框架,该框架在经验上优于经典方法。最后,我们将我们的技术应用于建模分段协整,其中协整可能仅存在于有限时间内。与先前方法相比,我们的模型对可能的协整段数量没有限制。
引用
@article{arxiv.1206.6459,
title = {Bayesian Conditional Cointegration},
author = {Chris Bracegirdle and David Barber},
journal= {arXiv preprint arXiv:1206.6459},
year = {2012}
}
备注
Appears in Proceedings of the 29th International Conference on Machine Learning (ICML 2012)