Kiểm định giá hồi quy về trung bình bằng ADF và số mũ Hurst

Tóm tắt

Bài viết giới thiệu các công cụ thống kê để đánh giá chuỗi giá có hồi quy về trung bình, bước đi ngẫu nhiên hay xu hướng. Bài viết giải thích kiểm định Augmented Dickey-Fuller là kiểm định nghiệm đơn vị: giả thuyết không thể hiện bước đi ngẫu nhiên, và thống kê kiểm định đủ âm so với các giá trị tới hạn là cơ sở để bác bỏ giả thuyết đó. Ví dụ áp dụng kiểm định lên giá đóng cửa đã điều chỉnh của Google và cho biết không thể bác bỏ giả thuyết không trong mẫu được khảo sát.

Bài viết cũng mô tả số mũ Hurst như một cách đặc trưng hóa quy mô biến động giá theo các độ trễ thời gian. Bài viết liên hệ các giá trị dưới 0.5 với hồi quy về trung bình, giá trị gần 0.5 với hành vi bước đi ngẫu nhiên và giá trị trên 0.5 với xu hướng. Ví dụ gồm các chuỗi mô phỏng và Google, với ước tính được báo cáo gần 0.5. Các phép chẩn đoán này không chứng minh có lợi thế giao dịch: bài viết lưu ý rằng cần đánh giá ý nghĩa thống kê của ước tính Hurst và xem đồng liên kết cùng việc xây dựng chiến lược là chủ đề tiếp theo. Kết quả kiểm định phụ thuộc vào lựa chọn mô hình và mẫu được dùng.

Ý chính

• Hồi quy về trung bình mô tả xu hướng của chuỗi thời gian quay về gần mức trung bình lịch sử.
• Kiểm định ADF đánh giá giả thuyết không về nghiệm đơn vị gắn với hành vi bước đi ngẫu nhiên; chỉ bác bỏ khi thống kê vượt giá trị tới hạn tương ứng.
• Ví dụ ADF trong bài viết không bác bỏ giả thuyết không về bước đi ngẫu nhiên đối với chuỗi giá Google được lấy mẫu.
• Số mũ Hurst đặc trưng hóa hành vi tỷ lệ, trong đó các giá trị dưới, gần hoặc trên 0.5 lần lượt gắn với hồi quy về trung bình, bước đi ngẫu nhiên hoặc xu hướng.
• Chỉ riêng một ước tính chẩn đoán không cho thấy chuỗi có hồi quy về trung bình có ý nghĩa thống kê hoặc có thể giao dịch.

Thẻ

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.