AR、MA 与 ARMA 过程
周一开盘前,某沪深300 量化私募的研究员把昨天打捞回来的 1500 个日内对数收益样本(log returns)丢进 R,画了一张样本 ACF:lag 1 大约 0.18,lag 2 大约 0.05,再往后几乎全部落进 Bartlett 带里。她想问的是:这条「拖尾」曲线像不像一阶自回归(autoregressive, AR)模型该有的样子?如果是 AR,...
打开 →GLOBAL SEARCH
搜索在服务端完成,题目解析与答案不会进入搜索结果。登录后可搜索自己的收藏题单。
找到 30 个结果
English questions周一开盘前,某沪深300 量化私募的研究员把昨天打捞回来的 1500 个日内对数收益样本(log returns)丢进 R,画了一张样本 ACF:lag 1 大约 0.18,lag 2 大约 0.05,再往后几乎全部落进 Bartlett 带里。她想问的是:这条「拖尾」曲线像不像一阶自回归(autoregressive, AR)模型该有的样子?如果是 AR,...
打开 →周一早盘,某私募的时间序列研究员把过去 200 个交易日的对冲组合超额收益丢进 statsmodels。她想确认这条曲线是不是一个干净的 ARMA 过程——若是,残差就是一组白噪声,可以挂上下一阶段的 GARCH;若不是,她得回去重做特征工程。问题是:用 AR(1)、MA(1)、ARMA(1, 1) 还是 ARMA(2, 1)?拟合完之后怎么知道这一支模型确...
打开 →一个信号满足 X_t = 0 + 0.6 X_(t-1) + e_t,其中 Var(e_t) = 2,当前值 X_t = 10。当 h = 3 时,多步预测 E[X_(t+3) | X_t] 是多少?
打开 →一个信号满足 X_t = 4 + 0.7 X_(t-1) + e_t,其中 Var(e_t) = 1.5,当前值 X_t = 8。当 h = 2 时,多步预测 E[X_(t+2) | X_t] 是多少?
打开 →一个信号满足 X_t = -1 + 0.8 X_(t-1) + e_t,其中 Var(e_t) = 1,当前值 X_t = 3。当 h = 4 时,多步预测 E[X_(t+4) | X_t] 是多少?
打开 →收益由一个自回归系数为 0.5 的平稳 AR(1) 生成。Lo-MacKinlay 滞后 2 的方差比为 VR(2) = Var(r_t + r_(t+1)) / (2 Var(r_t))。计算 VR(2),并说明它指向动量还是均值回复。
打开 →对 AR(1) 模型 X_t = phi X_(t-1) + e_t,若 phi = 0.6 且 Var(e_t) = 1,那么 h = 3 步预测误差方差是多少?
打开 →对 AR(1) 模型 X_t = phi X_(t-1) + e_t,若 phi = 0.5 且 Var(e_t) = 2.25,那么 h = 4 步预测误差方差是多少?
打开 →某私募(private fund)的风控会上,研究员甩出沪深300 日收益的实证表:日内收益序列本身的自相关系数 公式 在滞后 公式 时几乎全部落在 公式 的 Bartlett 带内;可一旦把同一条序列 平方 再画一次 ACF,从滞后 1 到滞后 60 全是正值、缓慢衰减。再算样本峰度:5.8——远大于正态分布(Gaussian distributi...
打开 →当 $\beta=0$ 时,GARCH(1,1) 退化为 ARCH(1):$h_t=\omega+\alpha r_{t-1}^2$。取 $\omega=0.7$、$\alpha=0.3$,以小数求无条件方差 $\bar h$。
打开 →你观察到如下诊断结论:AIC 选择 ARMA(2,1),但 BIC 选择 ARMA(1,1)。正确的建模结论是什么?
打开 →你观察到如下诊断结论:ACF 几何衰减,PACF 在 1 阶后截尾。正确的建模结论是什么?
打开 →你观察到如下诊断结论:ACF 在 1 阶后截尾,PACF 逐步衰减。正确的建模结论是什么?
打开 →你观察到如下诊断结论:ACF 和 PACF 都逐步衰减。正确的建模结论是什么?
打开 →你观察到如下诊断结论: (1-0.5L) X_t = (1-0.5L) e_t。正确的建模结论是什么?
打开 →周三下午两点半,你在上海某私募(private fund)的统计套利(statistical arbitrage)团队碰到一桩争执。两只沪深300 成份股里的地产龙头,对数价格(log price)序列各自带强烈趋势,放在同一张图上几乎平行。新来的研究员把两条序列直接做 OLS,跑出 公式、系数 公式 值 18,准备开仓。资深 PM 一句话拦下他:「先做单位...
打开 →如果 embargo 比标签 horizon 还短,最可能的后果是什么?
打开 →当标签依赖未来收益、而相邻样本的标签窗口会相互重叠时,为什么加入 time embargo 会有帮助?
打开 →RiskMetrics 的 EWMA 方差更新为 $h_t=(1-\lambda)r_{t-1}^2+\lambda h_{t-1}$。请给出使 GARCH(1,1) 与 EWMA 完全一致的 $(\omega,\alpha,\beta)$ 约束,并在 $\alpha=0.06$ 时给出对应的 $\lambda$(以小数表示)。
打开 →某个无偏 Monte Carlo 估计量是 $n=100$ 个独立同分布样本的平均值,每个样本的方差为 $9$。用 Chebyshev 不等式给出样本均值偏离真实目标至少 $0.5$ 的概率上界。
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 10.5,样本标准差为 4.2,路径数 n=400。若利率为 0.03、到期时间为 1,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 6.2,样本标准差为 2.8,路径数 n=625。若利率为 0.04、到期时间为 0.5,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 14,样本标准差为 7.5,路径数 n=900。若利率为 0.02、到期时间为 1.5,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一次 Monte Carlo 模拟的终端收益样本均值为 9.8,样本标准差为 5,路径数 n=1024。若利率为 0.025、到期时间为 1.25,则 t=0 的价格估计、标准误差以及近似 95% 置信区间分别是多少?
打开 →一位 PM 说:“这个 market-neutral sleeve 单独看的 Sharpe 很差,所以在 Markowitz 优化器里绝不该有权重。” 但这个 sleeve 与核心组合存在轻微负相关。请用两到三句话回应他。
打开 →PM 说:“Sharpe 的 frequentist 95% 置信区间大部分在 0 之上,所以真实 Sharpe 为正的概率有 95%。” 为什么这句话混合了两套框架?
打开 →若年化收益率为 12%,年化波动率为 18%,在无资金利率的近似下 Sharpe 比率是多少?
打开 →为什么某个 VaR 数字单看一个交易台时似乎合理,但作为全行资本聚合器却仍然可能很尴尬?
打开 →两个独立子组合的日度 PnL 都服从零均值正态分布。子组合 A 的标准差为 6 百万,且不能调整;子组合 B 的标准差为 8 百万,但可以按系数 lambda 缩放。若使用 z=2.326 的 1 日 99% delta-normal VaR,且总 VaR 不得超过 20 百万,则允许的最大 lambda 是多少?
打开 →为什么即使 walk-forward 流程做得很干净,也不能保证策略一定能在实盘里活下来?
打开 →