当前位置:股票配资 > 配资开户 > 德宾沃森统计信息定义


德宾沃森统计信息定义

来源:深圳股票配资作者:股票配资网时间:2020-07-01 05:36配资开户 人已围观收藏打印推荐挑错

简介什么是德宾沃森统计? 德宾沃森(DW)统计量是用于在从统计回归分析的残差自相关的测试。的DW统计量将总是具有0和4的2.0手段没有在样品中检测到的自相关的值之间的值。值从0至小...

什么是德宾沃森统计?

德宾沃森(DW)统计量是用于在从统计回归分析的残差自相关的测试。的DW统计量将总是具有0和4的2.0手段没有在样品中检测到的自相关的值之间的值。值从0至小于2表示正自相关和的值从2至4表示负的自相关。

一种股票价格显示正自相关将指示价格昨天对价格呈正相关今天所以如果该股昨日下跌,这也可能是今天下降。具有负自相关性,而另一方面的安全,拥有本身产生负面影响的时间,这样,如果它昨日下跌,有一个更大的可能性今天会上升。

重点外卖

德宾沃森统计是数据集中的自相关测试。

DW统计总是具有零和4.0之间的值。

的2.0手段的值不存在于样品中检测到的自相关性。从零到2.0的值表示2.0至4.0表示负自相关正自相关性和价值。

自相关可以在技术分析中,这是最关心的是使用制图技术代替公司的证券价格的趋势有用财务状况或管理。

德宾沃森统计的基础

的自相关,也称为序列相关,可以是显著problem在分析历史数据,如果一个人不知道看出来了。例如,由于股票价格往往不会太彻底从一天更改为另一个,价格从一天到下一个可能被高度相关,即使是在这种观察的小有用的信息。为了避免自相关问题,在金融最简单的解决方法是简单地转换了一系列的历史价格成一系列的从日常百分比的价格变化。

自相关可以是技术分析,这是非常有用的最关心的使用制图技术代替公司的财务状况或经营,证券价格之间的趋势和关系。技术分析可以使用自相关,看看有多少的影响过去的价格为安全对其未来的价格。

德宾沃森统计数字是统计学家詹姆斯·德宾和杰弗里·沃森的名字命名的。

自相关能显示是否有与股票相关的动量因子。例如,如果你知道某只股票在历史上具有较高的正自相关值,你见证了过去几天扎实收益股票,那么你可能有理由期待在即将到来的数天,以配合运动(领先的时间序列)这些滞后时间序列和向上移动。

德宾沃森统计的实施例

为德宾沃森统计的公式是相当复杂的,但由于普通最小二乘回归涉及残差一组数据。下面的示例示出了如何计算该统计

假定以下(X,Y)数据点:

对中的一个 = 1 0 1 1 0 0 对的两个 = 2 0 1 2 0 0 对三 = 3 5 9 8 5 对四 = 4 0 7 5 0 对五 = 5 0 1 2 1 5 对六 = 4 5 1 0 0 0 \ BEGIN {对齐}&\文本{对中的一个} = \左({10},{1100} \右) \\&\文本{对的两个} = \左({20},{1200} \右)\\&\文本{对三} = \左({35},{985} \右)\\&\文本{对四} = \左({40},{750} \右)\\&\文本{对五} = \左({50},{1215} \右)\\&\文本{对六} = \左({45},{1000} \右)\\ \ {端对准}

对中的一个 =

1

0

1

1

0

0

对的两个

=

2

0

1

2

0

0

对三 =

3

5

9

8

5

对四 =

4

0

7

5

0

对五

= (

5

0

1

2

1

5

对六

=

4

5

1

0

0

0

使用最小二乘回归的方法中找到 “最佳拟合线,”对于这个数据的最佳拟合线的等式为:

Y = - 2

6

2 6 8 × + 1 1 2 9 2 Y = { - 2.6268} X + {1,129.2} Y = - 2 6

2

6

8

×

+

1

1

2

9

2

在计算德宾沃森统计该第一步骤是计算预期 “Y”值使用最佳拟合方程的线。对于这个数据组,预期 “Y” 的值是:

预期

Y 1 = - 2 6 2 6 8 × 1 0 + 1 1 2 9 2 = 1 1 0 2 9 预期 Y 2 = - 2 6 2 6 8 × 2 0 + 1 1 2 9 2 = 1 0 7 6 7 预期 Y 3 = - 2 6 2 6 8 × 3 5 + 1 1 2 9 2 = 1 0 3 7 3 预期 Y 4 = - 2 6 2 6 8 × 4 0 + 1 1 2 9 2 = 1 0 2 4 1 预期 Y 5 = - 2 6 2 [123。 ] 6 8 × 5 0 + 1 1 2 9 2 = 9 9 7 9 预期 Y 6 = - 2 6 2 6 8 × 4 5 + 1 1 2 9 2 = 1 0 1 1 \开始{对齐}&\文本{预期} Y \左({1} \右)= \左( - {2.6268} \倍{10} \右)+ {1,129.2} = {1,102.9} \\&\文本{预期}ÿ \左({2} \右)= \左( - {2.6268} \ {倍20} \右)+ {1,129.2} = {1,076.7} \\&\文本{预期} Y \左({3} \右)= \左( - {2.6268} \ {倍35} \右)+ {1,129.2} = {1,037.3} \\&\文本{预期} Y \左({4} \右)= \左( - {2.6268} \ {倍40} \右)+ {1,129.2} = {} 10,241 \\&\文本{预期} Y \左({5} \右)= \左( - {2.6268} \ {倍50} \右)+ {1,129.2 } = {997.9} \\&\文本{预期} Y \左({6} \右)= \左( - {2.6268} \ {倍45} \右)+ {1,129.2} = {1011} \\ \端{对齐}

预期

Y

1

=

-

2

6 2

6 8 ×

1

0

+

1

1

2

9

2

=

1

1

0

2

9

预期

Y

2

=

-

2

6。

2

6

8

×

2

0

+

1

1

2

9

2

=

1

0

7

6

7

预期

Y

3

=

-

2

6

2

6

8

×

3 5

+

1

1

2

9

2

=

1

0

3

7

3

预期

Y

4

=

-

2

6

2

6

8

×

4

0 )

+

1

1

2

9

2

=

1

0

2

4

1

预期

Y

5

=

-

2

6

2

[123。 ] 6

8

×

5

0

+

1

1

2

9

2

=

9

9

7

9

预期

Y

6

=

-

2

6

2

6

8

×

4

5

+

1 ,

1

2

9

2

=

1

0

1

1

接下来,将实际的 “y” 的值相对于预期的 “Y” 值​​的差,所述误差是计算值:

误差

1

=

1

, 1 0

0

-

1 , 1 0 2

9

= - 2 9 误差 2 = 1 2 0 0 - 1 0 7 6 7 = 1 2 3 3 误差 3 = 9 8 5 - 1 0 3 7 3 = - 5 2 3 误差 4 = 7 5 0 - 1 0 2 4 1 = - 2 7 4 1 误差 5 = 1 2 1 5 - 9 9 7 9 [123。 ] = 2 1 7 1 误差 6 = 1 0 0 0 - 1 0 1 1 = - 1 1 \开始{对齐}&\文本{错误} \左({1} \右击吨)= \左({1100} - {1,102.9} \右)= { - 2.9} \\&\文本{错误} \左({2} \右)= \左({1200} - {1,076.7} \右)= {123.3} \\&\文本{错误} \左({3} \右)= \左({985} - {1,037.3} \右)= { - 52.3} \\&\文本{错误} \左({4} \右)= \左({750} - {10,241} \右)= { - 274.1} \\&\文本{错误} \左({5} \右)= \左({ 1215} - {997.9} \右)= {217.1} \\&\文本{错误} \左({6} \右)= \左({1000} - {1011} \右)= { - 11} \ \ \端{对齐} 误差 1

=

1 1 0

0

-

1

1

0

2

9

=

-

2

[123。 ] 9

误差

2

=

1

2

0

0

-

1

0

7

6

7

=

1

2

3

3

误差

3

=

9

8

5

-

1

0

3

7

3

=

-

5

2

3

误差

4 )

=

7

5

0

-

1

0

2

4

1

=

-

2

7

4

1

误差

5 )

=

1

2

1

5

-

9

9

7

9

=

2

1

7

1

误差

6

=

1

0

0

0

-

1

0

1

1

=

-

1

1

接下来这些误差必须被平方并求和:

误差的平方和=

-

2

[123。 ] 9

2

+

1

2

3

3

2

+

- 5 2

3

2 + - 2

7

4

1 [123。 ] 2 + 2 1 7 1 2 + - 1 1 2 = 1 4 0 3 3 0 8 1 \开始{对齐}&\文本{误差平方和=} \\&\左({ - 2.9} ^ {2} + {123.3} ^ {2} + { - 52.3} ^ {2} + { - 274.1} ^ {2} + {217.1} ^ {2} + { - 11} ^ {2} \右)= \\&{140,330.81} \\&\文本{} \\?\ {端对准} 误差平方和= - 2 9 2 +

1

2

3

3

2

+

-

5 2

3

2

+

-

2

7 4

1

2

+ 2 1

7

1

2

+

- 1 1

2

=

1

4 0

3

3

0

8

1

接下来,误差减去先前的错误的值被计算并平方:

1

=

1

2 3

3 - (

- 2

9

=

1

2

6

2

2

= ( - 5

2

3 - 1 2 3 3 = - 1 7 5 6 3 = - 2 7 4 1 - - 5 2 3 = - 2 2 1 9 4 = 2 1 7 1 - - 2 7 4 1 = 4 9 1 3 5 = - 1 1 - 2 1 7 1 = - 2 2 8 1 的差异的平方和 = 3 8 9 4 0 6 7 1 \开始{对齐}&\文本{差分} \左({1} \右)= \左({123.3} - \左({ - 2.9} \右)\右)= {126.2} \\&\文本{差分} \左({2} \右)= \左({-52.3} - {123.3 } \右)= { - 175.6} \\&\文本{差分} \左({3} \右)= \左({-274.1} - \左({ - 52.3} \右)\右)= { -221.9} \\&\文本{差分} \左({4} \右)= \左({217.1} - \左({ - 274.1} \右)\右)= {491.3} \\&\文本{差分} \左({5} \右)= \左({-11} - {217.1} \右)= { - 228.1} \\&\文本{差之和广场} = {} 389,406.71 \\ \端{对齐} 1 = 1 2 3 3 - - 2 9 = 1 2 6 2

2

=

-

5

2

3

-

1

2

3

3

=

-

1 7

5 6

3

=

-

2

7

4

1

-

-

5

2

3

=

-

2 2

1

[。 123]

9

4

=

2

1

7

1

-

-

2

7

4

1

= 4

9

1

3

5

=

-

1

1

-

2

1

7

1

=

-

2

2

8

1

的差异的平方和

=

3

8

9

4

0

6

7

1

最后,德宾沃森统计是平方值的商:

德宾沃森

=

3

8

9

4

0

6

7

1

/

1

4

0

3

3

0

8

1

=

2

7

7

\文本{德宾沃森} = {389,406.71} / {140,330.81} = {2.77}

德宾沃森

=

3

8

9

4

0 6

7

1

/

1

4

0

3

3

0

8

1

=

2

7

7

一个经验法则是在1.5至2.5的范围内的是测试统计值相对正常。此范围外的任何值可能是引起人们的关注。德宾一沃森统计,虽然受到许多回归分析程序中显示,并不适用于某些情况下。例如,当滞后因变量被包括在解释变量,那么它是不合适的使用这个测试。

可能你还喜欢:

Tags:

上一篇:零间隙条件

下一篇:没有了

说点什么吧
  • 全部评论(0
    还没有评论,快来抢沙发吧!

标签云

站点信息

  • 文章统计45466篇文章
  • 标签管理标签云
  • 微信公众号:扫描二维码,关注我们