Stationarität, Einheitswurzeln und Mean-Reversion im Finanzwesen
Verstehen Sie strikte und schwache Stationarität, Random Walks, Einheitswurzeln, Persistenz, Mean-Reversion, Halbwertszeit, Scheinregression, ADF- und KPSS-Tests, Strukturbrüche und Finanzdiagnostik
Kurzantwort
Stationarität bedeutet, dass bestimmte Verteilungsmerkmale über die Zeit invariant bleiben. Eine Einheitswurzel ist eine bestimmte Quelle stochastischer Persistenz, bei der Schocks auf dem Niveau nicht abklingen. Mean-Reversion bedeutet, dass eine Variable unter einem angegebenen Modell dazu tendiert, zu einer sich verändernden oder festen Referenz zurückzukehren. Eine Reihe kann in einer Stichprobe nach Mean-Reversion aussehen, ohne stationär zu sein, und die Ablehnung einer Einheitswurzel beweist keine stabile Handelsmöglichkeit
Stationarität hat mehr als eine Definition
Strikte Stationarität verlangt, dass jede endlichdimensionale gemeinsame Verteilung unter einer gemeinsamen zeitlichen Verschiebung invariant bleibt
Schwache Stationarität verlangt einen konstanten endlichen Mittelwert und eine Kovarianz, die nur vom Lag und nicht von der Kalenderzeit abhängt
Stationarität gehört zu einem stochastischen Prozess unter einem Modell; ein flacher Chart, eine begrenzte Stichprobe oder ein stabil wirkender rollierender Mittelwert ist keine Definition
Eine Einheitswurzel macht Schocks persistent
Für X_t=ρX_{t−1}+ε_t ergibt |ρ|<1 unter üblichen Bedingungen an die Innovationen einen stationären AR(1), während ρ=1 einen Random Walk ergibt
Im Fall der Einheitswurzel sammeln sich Schocks an, die Varianz des Niveaus wächst mit der Zeit und gewöhnliche stationäre asymptotische Ergebnisse gelten nicht
Das Differenzieren eines Random Walks erzeugt seine Innovationen, aber das mechanische Differenzieren jeder Reihe kann eine sinnvolle langfristige Beziehung verwerfen
Mean-Reversion hängt von Modell und Zielgröße ab
Ein AR(1) mit |ρ|<1 kehrt im Erwartungswert zu seinem unbedingten Mittelwert zurück, wobei Abweichungen geometrisch abklingen
Für positives ρ unter eins ist ln(0,5)/ln(ρ) eine übliche Näherung für die Halbwertszeit, sofern der angepasste AR(1) angemessen ist
Ein sich verändernder fundamentaler Wert, ein nichtlinearer Schwellenwert, ein saisonales Niveau oder ein Strukturbruch kann lokale Rückkehr erzeugen, ohne dass ein einziger dauerhafter Mittelwert existiert
Nichtstationäre Niveaus können eine Scheinregression erzeugen
Die Regression unabhängiger persistenter Reihen in Niveaus kann ein hohes R², signifikante t-Statistiken und autokorrelierte Residuen liefern, ohne dass eine reale Beziehung besteht
Zeittrends, gemeinsame Inflation, Skalierung und stochastische Trends müssen von einer ökonomischen Verknüpfung unterschieden werden
Kointegration ist eine besondere Ausnahme, bei der eine lineare Kombination nichtstationärer Variablen stationär ist; eine hohe Korrelation allein ist dafür kein Beleg
Einheitswurzeltests haben asymmetrische Hypothesen
Dickey-Fuller-Tests verwenden eine Einheitswurzel als Nullhypothese und nichtstandardmäßige kritische Werte; erweiterte Varianten fügen Lags hinzu, um Residuenabhängigkeit zu behandeln
KPSS-Tests drehen den Schwerpunkt um und verwenden Level- oder Trendstationarität als Nullhypothese unter den angegebenen deterministischen Komponenten
Das Nichtablehnen einer der beiden Nullhypothesen ist kein Beweis, und widersprüchliche Ergebnisse können geringe Teststärke, Brüche, beinahe Einheitswurzeln, Lag-Wahl oder eine kurze Stichprobe widerspiegeln
Finanzreihen ändern Regime und Skala
Preisniveaus zeigen oft extreme Persistenz, während Renditen eher stationär sein können, aber zeitvariable Volatilität und Schwanzverhalten behalten
Zinssätze, Bewertungs-Spreads, implizite Volatilität und Basismaße können Grenzen, politische Veränderungen, wechselnde Gleichgewichte oder mehrere Regime aufweisen
Tests sollten Niveaus und Transformationen, deterministische Terme, Bruchdaten, Teilstichproben, Residuen und ökonomische Plausibilität gemeinsam untersuchen
Handel braucht prospektive Stabilität
Schätzen Sie die Geschwindigkeit der Rückkehr erst, nachdem Sie die Gleichgewichtsvariable, den Bildungszeitraum, den Ausführungshorizont, die Kosten und das Kriterium für eine Ungültigkeit der Beziehung definiert haben
Verwenden Sie rollierende und wachsende Schätzungen, unberührte Zeiträume, Störungen, Bruchüberwachung und die Verschlechterung im Live-Betrieb statt einer Halbwertszeit aus der gesamten Stichprobe
Ein statistisch stationärer Spread kann wegen Leihe, Finanzierung, Sprüngen, Überfüllung, Kapazität, Latenz oder eines gebrochenen Mechanismus trotzdem nicht handelbar sein
Häufige Fragen
Was ist eine stationäre Zeitreihe?
Unter schwacher Stationarität hat sie einen konstanten endlichen Mittelwert und eine Autokovarianz, die vom Lag und nicht von der Kalenderzeit abhängt
Was ist eine Einheitswurzel?
Sie ist eine autoregressive Wurzel bei eins, die Schocks im Niveau persistent macht und gewöhnliche stationäre Schlussfolgerungen ungültig macht
Ist Mean-Reversion dasselbe wie Stationarität?
Nein. Mean-Reversion beschreibt unter einem Modell die Bewegung zu einer Referenz, während Stationarität die Invarianz von Verteilungsmerkmalen festlegt
Garantiert ein stationärer Spread einen profitablen Handel?
Nein. Schätzfehler, Strukturbrüche, Kosten, Beschränkungen, Verluste in den Schwänzen und überfüllte Ausführung können die Möglichkeit beseitigen