使用ADF和赫斯特指数检验价格均值回归

总结

本文介绍用于判断价格序列呈均值回归、随机游走还是趋势特征的统计工具。文章将增广迪基－富勒检验说明为单位根检验：原假设代表随机游走；如果检验统计量相对于临界值足够负，就有依据拒绝该原假设。示例将此检验应用于Google调整后收盘价，并报告称，对于所考察的样本，无法拒绝原假设。

文章还介绍了赫斯特指数，它可用于描述价格变化如何随时间滞后尺度变化。文中将低于0.5的值与均值回归联系起来，将接近0.5的值与随机游走行为联系起来，并将高于0.5的值与趋势特征联系起来。示例包括模拟序列和Google，其报告的估计值接近0.5。这些诊断并不能证明存在可交易优势：文章指出，赫斯特指数估计的统计显著性仍有待评估，并将协整和策略构建列为后续主题。检验结果取决于建模选择和所用样本。

核心观点

• 均值回归指时间序列倾向于回到历史均值附近。
• ADF检验考察与随机游走行为相关的单位根原假设；只有统计量超出相应临界值，才能拒绝该假设。
• 文章中的ADF示例未能拒绝所抽取Google价格序列的随机游走原假设。
• 赫斯特指数描述尺度变化特征；低于、接近或高于0.5的值分别与均值回归、随机游走行为或趋势特征相关。
• 单独的诊断估计并不能表明某个序列存在统计显著或可交易的均值回归。

标签

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。