金融数据科学：补充计量经济学的新金融研究范式的诞生？-研究论文

【文件属性】：
文件名称：金融数据科学：补充计量经济学的新金融研究范式的诞生？-研究论文
文件大小：453KB
文件格式：PDF
更新时间：2021-06-10 05:01:09
Big Data Econometrics 在本文中，我们将金融数据科学与计量经济学进行了比较和对比，并得出结论，由于竞争性研究团队所需的众多技能，前者不可避免地是跨学科的。 相比之下，后者牢牢扎根于经济学。 这两个领域是高度互补的，因为它们共享相同的过程，前者的知识出发点是统计推理，而后者是数据集本身。 然而，大数据时代带来了两个挑战。 首先，不断增加的计算能力使研究人员可以对大量生成的测试对象进行实验，并带来 p-hacking 的挑战。 其次，大数据集中可用的大量观察提供了统计能力水平，普通统计显着性水平几乎不构成挑战。 我们认为，可以通过在适当的情况下对多重假设检验进行调整来缓解前一个挑战。 然而，只有通过高度关注研究过程和研究人员本身的完整性才能真正解决这个问题，预注册和实际的样本外时期是最好的技术，尽管它们本身可能没有足够的工具。 后一个挑战可以通过两种方式解决。 首先，研究人员可以简单地使用更严格的统计显着性水平，例如 0.1%、0.5% 和 1%，而不是分别使用 1%、5% 和 10%。 其次，更重要的是，研究人员可以使用其他标准，例如经济意义、经济相关性和统计相关性来评估统计显着系数的稳健性。 特别是在大数据时代，统计相关性似乎至关重要，因为当单个系数的实际统计相关性（即增量解释力）非常小时，单个系数被认为具有统计显着性似乎并非不可能。