Qué se puede hacer con r-cuadrado bajo a la hora de calcular de alta frecuencia beta

Question

Estoy calculando una alta frecuencia de un beta. Por ejemplo yo tengo 90 días de datos de S&P y en GOOGLE y tengo 10 minutos por ciento de retorno para cada instrumento. Cada día tiene 34 10 minutos por ciento de retorno por lo que mi conjunto de datos es de 2 vectores que son 3060 de longitud (90 días x 34 10-miunute por ciento de retorno de cada día) = 3060 de datos de puntos para el S&p y 3060 puntos de datos de GOOGLE.

El siguiente en la R I ejecutar una regresión

reg= lm(google~snp) # both the google and snp vector have lenght = 3060
summary(reg)

Mi pregunta es que a veces me dan de baja de R cuadrado de la regresión. Es esta espera...debe/puede cualquier cosa se puede hacer al respecto?

Sé que la beta se realiza generalmente utilizando datos diarios NO 10 minutos de los datos, pero incluso con datos diarios, a veces, el r-cuadrado es baja. ¿Cuál es la importancia de la beta con un r-cuadrado bajo?

Gracias.

Answer 1

Esto sugiere que el modelo lineal es un pobre ajuste en alta frecuencia. Pero es este el que sorprendente, incluso antes de la crisis de los números? Yo sostengo que no, por las siguientes razones:

1. Incluso a bajas frecuencias (es decir, mensual o anual), se sabe que el clásico modelo de CAPM (que es lo que está funcionando, aunque con una frecuencia mucho más alta) no se ajusta bien. Sería un verdadero milagro que el modelo CAPM que tiene un mal rendimiento en las frecuencias bajas, incluso se trabaja mejor en las frecuencias altas.

2. También es bien conocido que la alta frecuencia de econometría financiera exhiben una gran cantidad de conductas que no se encuentran en su baja frecuencia equivalentes. Sólo un par de pensar acerca de --- de volatilidad estocástica, saltos, etc., y estas propiedades de un activo en sí mismo, sin tener en cuenta cómo se co-movimientos con otro activo (es decir que S&P). Todos estos implican que un simple modelo lineal se espera que a fallar.

Answer 2

Un alto R-cuadrado (1.0) significa que puede explicar los movimientos de una serie de tiempo de uso de la otra. La parte inferior de su R-squared es, la peor de su explicación-que incluye la "calidad" de su versión beta.

Usted puede tratar de mejorar su R-cuadrado de puntuación uso de diferentes tipos de regresión. Tenga cuidado de sobreajuste.