股指指数平稳性检验和随机性检验

最新推荐文章于 2022-12-02 10:13:38 发布

Jack you123

最新推荐文章于 2022-12-02 10:13:38 发布

阅读量1k

点赞数

分类专栏：金融时间序列分析

本文链接：https://blog.csdn.net/qq_38870388/article/details/105968421

版权

金融时间序列分析专栏收录该内容

8 篇文章 2 订阅

订阅专栏

平稳性检验（描述性）

平稳性检验的方法分为描述性方法与计量性方法。前者主要指时序图检验、ACF 图检验，后者主要指 DF 检验、ADF 检验与PP检验。

如下两个模型：

$p_{t}=\phi _{1}p_{t-1}+e_{t}$

$p_{t}=\phi _{0}+\phi _{1}p_{t-1}+e_{t}$

原假设 $H_{0}:\phi _{1}=1$ ，备择假设 $H_{a}:\phi _{1}<1$

def ADF_p(start_date=None,end_date=None,stock=None,count=None,frequency=None):
    if not isinstance(stock,str):
        return 
    p = list()
    if frequency == '1m':
        trade_days = jd.get_trade_days(start_date=start_date,end_date=end_date)
        trade_days = list(map(lambda x:x.strftime('%Y-%m-%d'),trade_days))
        
        for days in trade_days:
            data = jd.get_price(security=stock, start_date=days+' 09:30:00', 
                        end_date=days+' 15:00:00', frequency='1m',
                        fields=['close'], skip_paused=False, fq='pre', count=None)['close']
            data = np.log(data.reset_index(drop=True))
            p.append((ADF(data)[1],days))   
    
    if frequency == '1d':
        trade_days = pd.date_range(start=start_date,end=end_date,freq='A')
        trade_days = list(map(lambda x:x.strftime('%Y-%m-%d'),trade_days))
        for days in trade_days:
            data = jd.get_price(security=stock,end_date=days, frequency='1d',
                        fields=['close'], skip_paused=False, fq='pre', count=250)['close']
            data = np.log(data.reset_index(drop=True))
            p.append((ADF(data)[1],days))
            
    return p

p_min：上证指数，2020-01-01到2020-04-01，每日日内分钟收盘价的ADF检验的p值。大多数情况下p>0.05，日内每分钟收盘价是非平稳的即存在趋势性。