b******e
发帖数: 118 | 1 对两组time series数据做线性回归，一定要求这两组数据都是stationary吗？ |
A***l
发帖数: 302 | 2
(1) processes,
but the regression residuals are I(0).
eries数据做线性回归，一定要求这两组数据都是stationary吗？
【在 b******e 的大作中提到】
: 对两组time series数据做线性回归，一定要求这两组数据都是stationary吗？
|
b******e
发帖数: 118 | 3 "一般的线性回归的前提之一是各个时间序列必须是平稳的，否则会造成“伪回归”，
模型估计非有效。但通常，在金融经济社会领域中很多时间序列是非平稳的（存在单位
根，序列除了部分可预测外还有不可预测的部分），这样的情况就不能直接建立线性回
归模型进行OLS估计，由此引出协整的概念。"
http://blog.hjenglish.com/Ivana1987/archive/2010/06/04/1357216.
好像必须是stationary的。。。
【在 A***l 的大作中提到】
:
: (1) processes,
: but the regression residuals are I(0).
: eries数据做线性回归，一定要求这两组数据都是stationary吗？
|
k****e
发帖数: 647 | 4 anyway, we can fit any data by least square method but we have to check the
residuals by testing. Otherwise the fitted linear model does not make sense.
This is my little intuition.
【在 b******e 的大作中提到】
: 对两组time series数据做线性回归，一定要求这两组数据都是stationary吗？
|
A***l
发帖数: 302 | 5 I've given you a concrete example when you can apply regression to two I(1)
processes.
Conintegration is the foundation of many statistical arbitrage strategies.
【在 b******e 的大作中提到】
: "一般的线性回归的前提之一是各个时间序列必须是平稳的，否则会造成“伪回归”，
: 模型估计非有效。但通常，在金融经济社会领域中很多时间序列是非平稳的（存在单位
: 根，序列除了部分可预测外还有不可预测的部分），这样的情况就不能直接建立线性回
: 归模型进行OLS估计，由此引出协整的概念。"
: http://blog.hjenglish.com/Ivana1987/archive/2010/06/04/1357216.
: 好像必须是stationary的。。。
|
z****g
发帖数: 1978 | |
b******e
发帖数: 118 | |
