高频数据，regime change的问题

嗨，努力学习的PZer你好：

关于这个challenge想问一下，因为regime change导致了数据出现了non-stationary的问题，所以使用高频数据可以改善non-stationary的问题吗？为什么可以改善呢？

Hello，亲爱的同学~

non stationary问题的解决方式是：选取stationary的数据。

但有时stationary的数据，它的时间长度又比较短，数据量不够。

这个时候，就可以提高数据频率，来解决数据时间长度短，数据量不够的问题。

因此才引入高频数据。

同学可以理解为：数据出现A问题（nonstationay），为了解决A问题又出现了B问题（数据量不够），高频数据解决了B问题。

使用高频数据会产生asynchronous的问题，所以高频数据不能改善sample mean的准确性，到底什么是不同步性，不能改善的sample mean又是指什么意义呢？

不同步，是指数据的时间不一致。

比如中国市场开盘时间是白天，美国市场开盘时间是晚上。

放到低频的日线数据，这都是某一天的数据。

但放到高频的1分钟数据，则中国交易时间，美国并没有交易。这就是不同步性。

不能改善sample mean是指，数据均值和高频低频无关。

例如：

使用日线数据来计算股票市场1年的价格均值，是30元。

使用1分钟数据来计算股票市场1年的价格均值，也是30元。

这就是不能改善sample mean的含义。

----------------------------------------------
就算太阳没有迎着我们而来，我们正在朝着它而去，加油！