金融时间序列中的变量

Question

我目前正在尝试对R 中的金融时间序列进行一些预测。我已经开始进行线性回归，其中因变量是为1, 12, 24, 36, and 48 months 计算的超额收益。我计算了ln(r1/r0) 1 个月的回报，ln(r13/r1) 12 个月的回报。我的问题是：我是否也应该以这种方式计算预测变量（例如股息收益率）？那么返回ln(r13/r1) 结合股息收益率ln(dy13/dy1)，或者只是第13 个月的股息收益率加上回报ln(r13/r1)？

Answer 1

你的问题很笼统。假设您有一些想要使用线性模型进行测试的假设，您可以创建任意数量的预测变量，然后对其进行测试。所以答案是，两者都可以！

但是，随着您的预测变量数量的增加，您可以测试的不同模型的数量会增加一个阶乘，这很快就会变成一个巨大的数字。如果您发现自己处于这种情况（您迟早会遇到这种情况），我强烈建议您研究和阅读 Lasso 回归。 r 包glmnet 将处理这个复杂性。从本质上讲，它旨在为您测试所有预测变量并丢弃那些影响不大的变量。