FINTS第三章确定性时序分析课件

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。股市技术分析指标与移动平均商品通道指数CCI：当前价格除以20天移动平均值，再除以价格的标准差得到CCI如果CCI>100说明超卖如果CCI<-100说明超卖相对强度指数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。0<RSI<100,使用时如果RSI>70,说明超买，如果RSI<30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At＝At+(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At＝0.3At+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50.4100.2150.13200.1400.05平滑－金融市场技术分析动能指标：ROC＝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。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

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ż1＝（z1+z13+z25+z37）/4ż2＝（z2+z14+z26+z38）/4…ż12＝（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+c1t＋c2t2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c0＝113.7c1＝1.855预测趋势点预测在任何时间t，有yt=c0+c1t＋t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: