FINTS确定性时序分析.pptx

金融时间序列模型滑动平均，指数平滑简单移动平均简单移动平均n原始数据用At表示，平滑数据用 表示，nM-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。简单移动平均简单移动平均 n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n一条：如果闭盘价移动平均线，买入，反之卖出。n一条：移动平均线是支撑和压力区域。n一条：移动平均线是对趋势的确认。有滞后性。n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。n多条：穿越长期线更有意义。n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n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）/3n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n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CCI100说明超卖如果CCI-100说明超卖n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。0RSI70,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n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。n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。n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指数移动平均计算公式（递推表达式）At=At+(1-)At-1 计算过程n初始化：A1等于第一个数A1，或者等于其它数值n更新：At=At+(1-)At-1,t=2,T指数移动平均指数移动平均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+指数移动平均指数移动平均n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n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n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n简单移动平均预测n指数移动平均预测n初始化：A1等于第一个数A1，或者等于其它数值n更新：At=At+(1-)At-1,t=2,Tn预测：FT+h=ATn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时间序列数据的简单外推n时间序列的分解和季节调整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时间序列数据的简单外推n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时间序列数据的简单外推n季节调整：以乘法模型为例季节调整：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时间序列数据的简单外推n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时间序列数据的简单外推时间序列数据的简单外推n拟和趋势拟和趋势 n线性趋势n二次线性趋势n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时间序列数据的简单外推例例如如:前前面面季季节节调调整整后后的的数数据据有有趋趋势势，并并且且曲曲线线反反应应出出正正线线性性关关系系，所所有有使使用用线线性性趋势拟和数据趋势拟和数据yt=c0+c1t根据最小二乘法估计出未知参数为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+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n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。n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