《FINTS第三章确定性时序分析.ppt》由会员分享，可在线阅读，更多相关《FINTS第三章确定性时序分析.ppt（39页珍藏版）》请在三一办公上搜索。
1、金融时间序列模型,第三章：确定性时间序列分析,金融时间序列模型,滑动平均，指数平滑,简单移动平均,原始数据用At表示，平滑数据用 表示，M-期简单移动平均：使用最近的M个数据的平均值作为平滑值。,简单移动平均,应该计算多少天的平均值 一个简单的判断方法。如果原始的时间序列比较平滑，那么使用短周期效果好，如果时间序列没有什么规律，那么使用长周期效果好。,简单移动平均线的应用,股票市场简单移动平均线,一条：如果闭盘价移动平均线，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：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
2、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。与其它指标共同使用来判断买入还是卖出。,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,股市技术分析指标与移动平均,商品通道指数CCI：当前
3、价格除以20天移动平均值，再除以价格的标准差得到CCI如果CCI100说明超卖如果CCI70,说明超买，如果RSI30说明超卖。,加权移动平均,以4期简单移动平均为例At=(At+At-1+At-2+At-3)/4等价于 At=At/4+At-1/4+At-2/4+At-3/4加权简单移动平均就是取不同的权数。例如At=0.4At+0.3At-1+0.2At-2+0.1At-3,股票市场中加权移动平均线,第一期数据乘以1，第二期数据乘以2，依次类推求出和，然后再除以权重和。还有的最后一期数据乘以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。,指数移动平均,指数移
4、动平均计算公式（递推表达式）At=At+(1-)At-1 计算过程初始化：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,指数移动平均,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+,指数移动平均,确定系数 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，如果平滑选择的比较大,指数移动平均线,不同时间长度使用的权数日，周，月数,权数 5 0.4 10 0.2 15 0.13 20 0.1 40 0.05,平滑金融市场技术分析,动能指标：ROC当
5、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：平滑异同移动平均指数 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MACD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。,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,金融时间序列模型,时间序列外推和季节调整,时间序列数据的简单外推,
6、一个时间序列的变动由下面三个因素影响Y=f(T,S,e)T：长期趋势项S：季节变动项e：不规则变动项,时间序列数据的简单外推,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+S+e乘法模型Y=T*S*e,时间序列数据的简单外推,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,季节指数,表示一年内每个月或每个季度，或其他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,
7、季节调整：以乘法模型为例 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：去掉残差项，估计季节项S，把与不同季节对应的数字称为季节因子，对季节因子进行规范化第三步：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+yt+5+0.5yt6）/12对季度数据使用2个中心滑动平均，把数据平滑t（0.5yt-2+yt-1+yt+yt+1+0.5yt2）/4 这样就把季度特点取消了，只剩下趋势，所以,时间序列数据的简单外推,
8、第二步：把随机误差项去掉假设有4年的数据第一个数据用y1表示以此类推，所有的数据可以表示为y1,y48用z1,z48表示去掉趋势后的数据，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,1（z1+z13+z25+z37）/42（z2+z14+z26+z38）/412（z12+z24+z36+z48）/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,月度数据,季度数据,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每年第一个月的数据除以zb1每年第二个月的数据除以zb2。每年第十二个月的数据除以zb12,时间序列数据的简单外推,时间序列数据
9、的简单外推,拟和趋势 线性趋势二次线性趋势指数趋势（对数线性趋势）线性趋势模型yt=c0+c1t 截距 斜率 时间趋势增长的数量是常数t+1比t时刻增加c1例如：yt=27.5+3.1t,时间序列数据的简单外推,二次趋势模型yt=c0+c1tc2t2曲线不是直线，有一定的弧度。指数增长曲线,时间序列数据的简单外推,例如: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c0113.7 c11.855,预测趋势,点预测在任何时间t，有yt=c0+c1tt在时刻T+h，yT+h=c0+c1(T+h)T+h,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6 计算拟和数据7 计算误差，评价对历史数据的拟和程度8 预测,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可以使用CH3-移动平均，CH3-趋势季节中的数据来演示本章的方法,
