摘要：有了《独立同分布的大样本OLS回归》的铺垫，现在进一步将OLS推广到平稳时间序列的情况。 思路还是一样： 进行点估计，再研究估计量的性质； 构造统计量，在大样本下推导其渐近分布，并进行假设检验。 这里的各种计算与上一篇非常像，需要注意的是大数定律和中心极限定理在这里的使用条件（遍历平稳、鞅差分过程等 阅读全文

摘要：本文用Python模拟随机漫步行为。 1 使用内建的的random模块 import random position = 0 walk = [position] steps = 1000 for i in range(steps): step = 1 if random.randint(0, 1) 阅读全文

摘要：在使用NumPy数组时，有一个要注意的地方：在取数组的切片时，取出来的切片（Slices）仅仅是原始数组的视图（Views），而非它的复制！这与Python的built-in的list不同。 arr = np.arange(10) arr 输出：array([0, 1, 2, 3, 4, 5, 6, 阅读全文

摘要：上一篇《小样本OLS回归的框架》讲解了小样本OLS回归的主要框架，本文沿着该框架，对小样本OLS回归做一个全面的梳理。 1 假设 这里先将所有的小样本OLS回归中可能用到的假设放到一起，方便浏览。当然，后面的每一个结论并不是要用到所有的假设，而是只用到某几个假设，这在后面讲每个结论时会具体说明。 假 阅读全文

摘要：1 最小二乘法的历史 不管是学习机器学习、计量经济学、数理统计，很多人接触到的第一个算法就是最小二乘法（least squares method）。 这是一个非常古老的方法。早在18世纪早期，在天文学和航海领域就已经出现了最小二乘法的思想。真正意义上第一个正式发表该方法是在1806年的法国科学家Le 阅读全文

摘要：发表于2019年Journal of Finance上的"Robust Measures of Earnings Surprises"一文，提出了一种对于盈利意外的测度，它在一些条件下会比现有的一致误差CE（Census Error）测度表现更好，作者将其命名为FOM（Fraction Of Mis 阅读全文