ファイナンス機械学習：標本の重み付け　練習問題　平均独自性のAR(１)

Dean＠Edinburgh

トリプルバリアを適用し得られたt1行列の平均独自性を計算し、時系列の次数１の系列相関AR(1)を計算する。
　自己回帰モデル（Autoreguressive model）ARモデルとは、分散均一を仮定し、現在の値が過去の値と誤差のホワイトノイズで決まるモデルである。
　ラグを１として一次のARモデルは、
$${y_t=\alpha_0 + \alpha_1y_{t-1}+u_t}$$
と表される。
　分散が不均一な場合のモデルには、ARCH、GARCHがあり、マクロ時系列分析や金融時系列分析に使用されている。
　
　statsmodels.tsa.stattoolsを使って、時系列の自己相関係数を計算し可視化する。

aU=mpSampleTW(t1=TPevents['t1'],numCoEvents=NumConc,period=TPevents.index)

import statsmodels.api as sm
import seaborn as sns
sns.set(palette='Set2')
with sns.axes_style('whitegrid'):
    sm.graphics.tsa.plot_acf(aU[:-1], lags=[0, 1, 2, 3, 5, 10])
autocorrelation function for lag[0,1,2,3,5,10]

全てのラグの自己相関計数は横軸の幅（95％信頼度）より高く、統計的に有意である。

この記事が気に入ったらサポートをしてみませんか？