量子图

量子图:及其在方向可预报性评估中的应用。我们提出一种新的时间序列诊断工具称为量子图。该工具可以正式使用,我们提供了在一般情况下进行推理的工具,也可以作为一个简单的图形设备使用。我们应用我们的方法来衡量方向可预测性,并检验给定时间序列没有方向可预测性的假设。测试的基础是将分位数命中的相关图与逐点置信区间进行比较,或者将累积平方自相关与相应的临界值进行比较。运用P500指数的自由分布理论和方法,给出了股票收益率上界的一些推断方法。实证结果表明,收益具有一定的方向性可预测性。在5-10%这样的中间分位数和日常数据中,证据最为明显。可预测性的中位数与每日证据的强度相当。


zbMATH中的参考文献(参考 22篇文章,第1条标准)

显示第1到第20个结果,共22个。
按年份排序(引用)
  1. Ćmiel,Bogdan;Ledwina,Teresa:关联验证(2020)
  2. Lee,Ji-Hyung;Linton,Oliver;Whang,Yoon-Jae:强依赖下的量子学(2020)
  3. Meziani,Aymen;Medkour,Tarek;Djouani,Karim:用于谱估计的惩罚分位数周期图(2020年)
  4. Chen,Cathy Yi Hsuan;Härdle,Wolfgang Karl;Okhrin,Yarema:sifis的尾部事件驱动网络(2019)
  5. Hué,Sullivan;Lucotte,Yannick;Tokpavi,Sessi:《衡量网络系统性风险贡献:一种遗漏方法》(2019年)
  6. 江华云;托多罗娃,内达;罗卡,爱德华多;苏,詹杰:基于跨国滚动分位收益信号的农产品期货交易(2019年)
  7. Lee,Ji-Hyung:非线性相关过程的鞅分解与逼近(2019)
  8. Davis,Richard A.;Dres,Holger;Segers,Johan;Warchoł,Michał:尾部过程推断及其在金融时间序列建模中的应用(2018)
  9. Vilar,JoséA;Lafuente Rego,Borja;D'Urso,Pierpaolo:分位数自方差:时间序列硬、软分区聚类的强大工具(2018年)
  10. Ćmiel,Bogdan;Ledwina,Teresa:正期望依赖性的验证(2017)
  11. Montes Rojas,Gabriel:简化形式向量定向分位数(2017)
  12. Han,Heejoon;Linton,Oliver;Oka,Tatsushi;Whang,Yoon Jae:交叉量子图:测量时间序列之间的分位数相关性和方向可预测性(2016)
  13. Kley,Tobias;Volgushev,Stanislav;Dette,Holger;Hallin,Marc:分位数光谱过程:渐近分析和推断(2016)
  14. Lafuente Rego,Borja;Vilar,JoséA.:使用分位数自方差的时间序列聚类(2016)
  15. Lee,Ji Hyung:具有持续协变量的预测分位数回归:IVX-QR方法(2016)
  16. Dette,Holger;Hallin,Marc;Kley,Tobias;Volgushev,Stanislav:关于连接词、分位数、秩和光谱的研究:一种(Lˉ1)-光谱分析方法(2015)
  17. Schmitt,Thilo A.;Schäfer,Rudi;Dette,Holger;Guhr,Thomas:分位数相关性:揭示金融时间序列中的时间相关性(2015)
  18. Park,Joon Y.;Whang,Yoon Jae:随机行走还是混沌:对Lyapunov指数的正式检验(2012)
  19. Escanciano,Juan Carlos;Mayoral,Silvia:鞅差异假设的数据驱动平滑检验(2010)
  20. Linton,O.;Whang,Yoon-Jae:定量图:用于评估方向可预测性的应用(2007)