ADF検定とハースト指数で価格の平均回帰を検証

サマリー

この記事では、価格系列が平均回帰、ランダムウォーク、トレンドのいずれに当たるか評価する統計手法を紹介しています。単位根検定である拡張ディッキー＝フラー検定について、帰無仮説はランダムウォークを表し、検定統計量が臨界値に対して十分に負であれば、その帰無仮説を棄却できると説明しています。例ではGoogleの調整後終値に検定を適用し、対象サンプルでは帰無仮説を棄却できなかったと報告しています。

価格変動が時間差に応じてどのようにスケールするかを特徴付ける方法として、ハースト指数も説明しています。記事では、0.5未満を平均回帰、0.5付近をランダムウォーク、0.5超をトレンドと関連付けています。例にはシミュレーション系列とGoogleが含まれ、報告された推定値は0.5付近です。これらの診断だけで売買可能な優位性が示されるわけではありません。ハースト指数の統計的有意性は今後評価が必要とされ、共和分と戦略構築は後続のトピックとして挙げられています。検定結果はモデルの選択と使用サンプルに左右されます。

主なアイデア

• 平均回帰とは、時系列が過去の平均に戻る傾向を指します。
• ADF検定はランダムウォークに関係する単位根の帰無仮説を評価し、適切な臨界値を超える検定統計量が得られた場合に棄却します。
• 記事のADF検定の例では、対象のGoogle価格系列についてランダムウォークの帰無仮説を棄却できませんでした。
• ハースト指数はスケーリングの挙動を特徴付け、0.5未満、付近、超の値をそれぞれ平均回帰、ランダムウォーク、トレンドと関連付けています。
• 診断値だけでは、平均回帰が統計的に有意であることや売買可能であることは示されません。

タグ

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。