《确定性时序分析.ppt》由会员分享，可在线阅读，更多相关《确定性时序分析.ppt（99页珍藏版）》请在三一办公上搜索。
1、金融时间序列模型,确定性时间序列分析,确定性时间序列,确定性时间序列：时间序列数据去掉随机干扰因素后剩余部分可以视为确定性数据，可以用确定的时间函数表示。,确定性时间序列分析,第一节：时间序列的分解,时间序列的分解,一个时间序列Y的变动可能受到下面四个因素中的几个或全部因素的影响：Y=f(T,C,S,e)T：长期趋势项C:循环变动项S：季节变动项e：不规则变动项（随机项）,几点说明,1、长期趋势T长期趋势是时间序列的主要构成要素它是指现象在较长时期内持续发展变化的一种趋向或状态。可能呈现出不断向上增长的态势也可能呈现为不断降低的趋势是受某种固定的起根本性作用的因素影响的结果。例如:中国改革开放
2、以来经济持续增长表现为国内生产总值逐年增长的态势。,几点说明,2、季节变动(S)本来意义上的季节变动是指受自然因素的影响在一年中随季节的更替而发生的有规律的变动。现在对季节变动的概念有了扩展，对一年内或更短的时间内由于社会、政治、经济、自然因素影响形成的以一定时期为周期的有规则的重复变动都称为季节变动。例如，农业产品的生产、某些商品的销售量变动都呈现出季节性的周期变动。,几点说明,3、循环变动(C)循环变动指某种现象在比较长（超过一年）的时期内呈现出的有一定规律性的周期性波动；循环变动与长期趋势不同，它不是单一方向的持续变动而是有涨有落的交替波动。循环变动与季节变动也不同，循环变动的周期长短很
3、不一致，不像季节变动那样有明显的按月或按季的固定周期规律，循环变动的规律性不甚明显，通常较难识别。,几点说明,4、不规则变动(e)不规则变动指现象受众多偶然因素影响而呈现的无规则的变动。包括由突发的自然灾害、意外事故或重大政治事件所引起的剧烈变动也包括大量无可名状的随机因素干扰造成的起伏波动。不规则变动是时间序列长期趋势、季节变动和循环变动后余下的变动。,时间序列的分解,时间序列的分解和季节调整 两种经常使用的模型是加法模型Y=T+C+S+e乘法模型Y=T*C*S*e,时间序列的分解,如何选择加法模型还是乘法模型,适合乘法模型 适合加法模型,第二节 平滑方法,要点 简单移动（滑动）平均指数移动
4、平均（指数平滑）平滑在技术分析中的应用,简单移动平均,原始数据用At 表示，平滑后数据用 表示，预测值用 表示。M-期简单移动平均：使用最近的M个数据（包括当前数据）的平均值作为平滑值。,简单移动平均,简单移动平均的周期M应该如何选择呢？,由上图可看出，平滑周期M不同，平滑后的结果差别较大，M越大平滑后的数据波动越小。,如果M较大，包含了过去较早的信息，而经济系统经过一段时间后可能已经变化了，从而平均值对未来的代表性不大。如果M较小，平滑的效果不好，数据可能仍然过于受到随机因素的影响，不能反映本质的特征。,确定周期M的一些方法,确定周期M的一些方法,确定周期M的一些方法,方法二：一个简单的判断
5、方法：如果原始的时间序列比较平滑，那么使用短周期效果好（M小），如果时间序列没有什么规律，那么使用长周期（M大）效果好。,简单移动平均线的应用,股票市场简单移动平均线,一条：如果收盘价移动平均线，买入，反之卖出。一条：移动平均线是支撑和压力区域。一条：移动平均线是对趋势的确认。有滞后性。两线交叉法：两线都上升且短期均线穿越长期均线时买入，常用的组合是5天20天，10天50天。例如5天均线向下穿越20天均线，而20天均线本身正向下降时，这种态势意味着大势在下跌。只有两条线同时上升，而且5日线向上穿越20日线，才能认为市场出现反转，如果20日线仍然下跌，不是有效的反转信号。多条：穿越长期线更有意义
6、。,股票市场移动平均线,使用什么价格进行平均闭盘价（最广泛的方法）最高价最低价其它：（最高最低）/2；（最高最低闭盘）/3美国股票市场合适的时间长度短期：10日，15日，20日，25日，30日中期：30日，10周，13周，20周，26周，200日长期：9个月，12个月，18个月，24个月,股票市场移动平均线,相对强度指数RSIRSI=100-100/(100+RS)RS=(x天内上涨收盘价平均值)/(x天内下跌收盘价平均值),X经常取7天和14天。070,说明超买，如果RSI30说明超卖。,加权移动平均,加权移动平均,例题,股票市场中加权移动平均线,一种加权方法：第一期数据乘以1，第二期数据乘
7、以2，依次类推求出和，然后再除以权重和。另一种加权方法：最后一期数据乘以2，其它数据乘以1，然后除以权重和。如果加权移动平均线转变方向意味着趋势反转。,简单指数平滑法（一次指数平滑）,AtAt+(1-)At-1+(1-)2At-2+是所有过去数据的加权平均例如,取0.3，那么At0.3At+0.21At-1+0.147At-2+,一次指数平滑,预测公式,预测公式的展开,系数的确定,确定系数 1.主观选择：一般在0.1与0.5之间，如 果波动明显选择的比较小（此时，过去很久的数据仍对未来有影响），如果平滑选择的比较大。2.在实用上，类似移动平均法，多取几个a值进行试算，看哪个预测误差RSR小，就
8、采用哪个。,一次指数平滑,一次指数平滑,一次指数平滑,一次指数平滑,二次指数平滑法,当时间序列的变动出现直线趋势时，用一次指数平滑法进行预测，仍存在着明显的滞后偏差。因此，也必须加以修正。利用滞后偏差的规律来建立直线趋势模型。这就是二次指数平滑法。,二次指数平滑法,三次指数平滑法,三次指数平滑法,平滑金融市场技术分析,动能指标：M当前价格M天之前的价格 ROC=当前价格/M天之前的价格动能指标的平滑：用指数移动平均技术对ROC数 据进行平滑。,平滑在技术分析中的应用,趋势背离指标：MACD线:根据指数方法计算两个移动平均线指数，用短期指数移动平均线减去长期指数移动平均线（或除以）。信号线：把M
9、ACD线进行指数平滑得到信号线。当MACD向上穿过信号线是买入信号。,第二章：确定性时间序列分析,第三节：拟合趋势与季节调整,季节指数,季节指数:表示一年内每个月或每个季度，或其它周期的季节性变动方向和幅度的百分数。例如某季度的季节指数等于100，说明该季度属于平均水平，如果大于100说明该季度是旺季，如果小于100说明是淡季。月度数据12个月的季节指数之和等于1200；季度数据4个季度的指数之和等于400,时间序列数据的简单外推,季节调整：以乘法模型Y=T*S*e为例 主要步骤第一步：去掉趋势项T，然后得到季节项和误差项的乘积Se=Y/T第二步：估计季节项S，把与不同季节对应的数字称为季节因
10、子，对季节因子进行规范化，即得到季节指数。第三步：从原始数据中去掉季节项Y/S，得到没有季节项的新的时间序列。,时间序列数据的简单外推,第一步：使用中心滑动平均估计趋势项 对月度数据使用6个月的中心滑动平均，把数据平滑化t(0.5yt-6+yt-4+yt-1+yt+yt+1+yt+5+0.5yt6)/12 对季度数据使用2个季度的中心滑动平均，把数据平滑t（0.5yt-2+yt-1+yt+yt+1+0.5yt2）/4,第一步：使用中心滑动平均估计趋势项 这样平滑之后的数据就没有季度性，只有趋势向。去掉趋势向：用原始数据除以平滑后的数据得到的新序列只有季节项和误差项，而不再有趋势向。,时间序列数
11、据的简单外推,第二步：计算季节因子 假设有4年的月度数据第一个数据用y1表示以此类推，所有的数据可以表示为y1,y48 用x1,x48表示去掉趋势后的数据（注意课本表述有误），为了去掉误差项，我们把每一年的相同月份求平均。,时间序列数据的简单外推,月度数据季节因子：z1=(x1+x13+x25+x37)/4z2=(x2+x14+x26+x38)/4z12=(x12+x24+x36+x48)/4,时间序列数据的简单外推,把季节因子规范化，使得季节因子的平均值等于1,就可以得到季节指数,时间序列数据的简单外推,第三步：从原始数据中去掉季节项假设前面的4年月度数据，季节调整需要：每年第一个月的原始数
12、据除以zb1 y1/zb1，y13/zb1，每年第二个月的原始数据除以zb2y2/zb2，y14/zb2，每年第十二个月的原始数据除以zb12y12/zb4，y24/zb4，,拟合趋势,第四步：对季节调整后的数据进行趋势拟合 在对原始数据进行季节调整后的数据中依然保留有趋势，这时可利用回归分析的方法对趋势进行拟合。,拟合趋势,常见的趋势 线性趋势二次线性趋势指数趋势（对数线性趋势）（1）线性趋势模型yt=c0+c1t增长的数量是常数t+1比t时刻增加c1例如：yt=27.5+3.1t,拟合趋势,（2）二次趋势模型yt=c0+c1tc2t2曲线不是直线，有一定的弧度。（3）指数增长曲线,预测,第
13、五步：预测 根据第四步得到的趋势模型预测趋势，然后让趋势乘以季节指数，即可得到未来的预测。,平滑前后的数据,去掉趋势后数据,在原始数据中去掉季节项后呈现出线性趋势，因此可用线性模型拟合。,拟合趋势,前面季节调整后的数据有趋势，并且曲线反应出正线性关系，所有使用线性趋势拟和数据yt=c0+c1t根据最小二乘法估计出未知参数为c010421.18 c1590.71,时间序列数据的简单外推,总结：1 计算中心滑动平均 2 去掉趋势得到季节和误差项，得到季节指数 3 调整季节指数 4 去掉季节项 5 估计趋势，用t做解释变量，建立回归模型，对趋势进行预测 6 预测的趋势与季节性结合在一起*7 计算误差
14、，用滑动平均或者指数平滑进行预测*8 把对误差的预测与季节性和趋势的预测结合在一起是最终预测,平滑技术的预测,简单移动平均预测指数移动平均预测初始化：A1等于第一个数A1，或者等于其它数值更新：At=At+(1-)At-1,t=2,T预测：FT+h=AT预测时M和权数的选择,EXCEL操作,简单移动平均 工具数据分析移动平均填入原始数据范围A1:A255;填入M的长度例如10；填入数据输出范围，点击希望保存的第一个单元格。指数移动平均 工具数据分析指数平滑填入原始数据范围；输入阻尼系数1；其它同上 指数平滑：是令第一个平滑值等于前一个时期的实际值,EVIEWS操作,简单移动平均点击workfi
15、le界面中的“GENR”使用命令series x=movav(y,m)其中x是平滑后的数据的名称，y是变量名称，m是平滑的时间长度，series是一个命令，产生一个新的时间序列。,EVIEWS操作,指数平滑双击变量名，在出现的窗口中点”procs”,在跳出的菜单中点击“exponetial smoothing”.则可得到下面的对话框。,Smoothing method 中有许多方法，single即为一次指数平滑法。Smoothing parameters中alpha为平滑系数，E为程序估计一个合适的平滑系数。也可自己输入数据。,EVIEWS操作,季节调整双击变量名，在出现的窗口中点”procs
16、”,在跳出的菜单中点击“moving average”.在点“moving average mothods”.则可得到下面的对话框。,Adjustment method 中第一个为乘法模型，第二个为加法模型。qgdpsa 为季节调整后的序列。将（季节）因子存放在变量fac中。点ok可得下图,生成时间变量tEviews利用函数trend得到一个时间变量，它的数据从0开始，使用trend+1则时间从1开始。点击workfile界面中的“GENR”，输入t=trend+1，点ok，则生成一个名称为t的时间变量。,拟合趋势同时选中指数平滑后的向量”qgdpsa”和时间向量t.右击，选择”open”,再
17、选中“as equation”,放在第一个的qgdpsa为因变量，c为常数项，其他的为自变量。,预测趋势,先扩展时间区间 双击workfile 中菜单下的Range扩充时间区间。若要修改样本区间，可以点击Range下面的Sample,在第一个输入框中输入样本区间的起至时间，并用空格隔开即可,预测趋势,点击拟合趋势结果对话框菜单栏中的forecast命令。,预测趋势,预测结果保存在变量qgdpsaf中。在Forecast sample栏中输入预测起止时间。用空格隔开。点ok,对原始数据（GDP）进行预测,双击workfile 菜单的Genr.如图输入将预测值保存在变量sf中。预测区间1994q1至2000q4,预测效果图,画图前先改变样本区间1994q1-2000q4同时选中变量sf和qgdp。点击菜单栏中的quick-Graph-ok.,
