Estoy tratando de analizar la diferencia entre las series de tiempo de dos precios de acciones. En el análisis regular de series de tiempo, podemos hacer Cross Correlaton, VECM (Granger Causality). Sin embargo, ¿cómo se maneja lo mismo en series temporales espaciadas irregularmente?
La hipótesis es que uno de los instrumentos conduce al otro.
Tengo datos para ambos símbolos a los microsegundos.
He mirado el paquete RTAQ y también he intentado aplicar VECM. RTAQ se basa más en una serie de tiempo univariante, mientras que VECM no es significativo en estas escalas de tiempo.
> dput(STOCKS[,]))
structure(c(29979, 29980, 29980, 29980, 29981, 29981, 29991,
29992, 29993, 29991, 29990, 29992), .Dim = c(6L, 2L), .Dimnames = list(NULL, c("Pair_Bid", "Calc_Bid" )), index = structure(c(1340686178.55163, 1340686181.40801, 1340686187.2642,
1340686187.52668, 1340686187.78777, 1340686189.36693), class = c("POSIXct", "POSIXt"), tzone = ""), class = "zoo")
Respuestas:
Sé de una posible solución, pero es lo suficientemente complicado como para que tome la opción fácil y lo vincule con el documento académico relevante (en mi opinión, un documento críticamente subestimado):
Frank de Jong, Theo Nijman (1997) "Análisis de alta frecuencia de las relaciones plomo-retraso entre los mercados financieros"
Estoy seguro de que se debe haber trabajado más en este problema desde entonces. Una buena manera de encontrarlo es usar la página de "citas" en ideas.repec. Aquí encontrará un enlace a la página correspondiente para el trabajo mencionado . Algunos títulos parecen bastante relevantes.
fuente