Normalización de datos de mercado en la correlación de series temporales

Question

Supongamos que tenemos 2 series temporales de datos de mercado, una para cada valor y queremos correlacionar entre estos 2 valores. Mi pregunta es

1. ¿Cómo tratamos las lagunas de datos que faltan en las series temporales? Imagínese que la serie temporal es un día de datos de un precio de la acción y tenemos una brecha de 10 minutos de datos que faltan en algún momento del día.

2. ¿Cómo correlacionamos los datos de mercado tick a tick de estos 2 valores que no ocurren al mismo tiempo para cada tick? Si los correlacionamos en los mismos intervalos de tiempo, ¿qué precio utilizamos?

Answer 1

Buscando el mismo tema, encontré un artículo de de Jong(1997) . En la sección 2 se puede encontrar un método para la estimación de covarianzas y correlaciones entre los datos espaciados irregularmente. Consulte también el artículo de Jonas Andersson donde se presentan y comparan algunos métodos de interpolación y el método de Jong. Espero que sea de ayuda.

Answer 2

Una de las hipótesis es que ambos (o más) instrumentos son lo suficientemente líquidos como para ofrecer un mercado (ambos lados).

Puedes

1. utilizar el bid/ask/mid (a su elección) o

2. "conflación" (implementada por los grandes en sus feeds de datos). Por ejemplo, conflación de 1 segundo: si no hay operación, envía el precio de la última operación (o lo supone en su aplicación).