金融时间序列第部分前言分析.pptVIP

金融时间序列分析 陆贵斌 2012年10月 基本思路 作为引入，先搞清楚时间序列； 分析时间序列的目的：挖掘背后的规律，以利于预测未来； 内容 第1部分 前言 一、截面数据与时间序列数据 联系与区别 上证综指日线 伦铜5日线 联系与区别 一、共同点： 都是样本观测值 分析样本，推断总体规律； 二、区别：序 1）截面数据：E[Y|Xi]； 该关系不随时间而改变； 等价于多次重复试验。 2）时间序列：前后数据之间的序 与当前所处的状态有关 时序分析与以往知识的联系？ 二、单变量随机分布、多变量相关关系 1、单变量随机分布 分布特征：期望、方差、峰度、偏度 随机分布的检验 一组试验（重复1000次）抛硬币：503:498 由此推测：P(正面)=P(反面)=0.5？ P(1000次重复试验结果不等于500:500)0.9 原因：你看到的是样本观测值。 修正方法：100组试验。 结果的平均值接近1:1分布。（大数定律） 2、多变量间相关关系 相关系数 多次重复试验目标：两变量关系 该关系不随时间而改变； 3、随机过程 下一时刻发生的事件，其结果是一个随机变量； 该结果与前面的结果（状态）有关。 当前可以看到过去的历史，当前所处的状态； 从现在看未来： 每个周期都会发生一个随机事件； 每个随机结果相互关联； 当前以前的历史可见，可用于预测未来。 随机过程关键： 多个关联的随机变量序列； 过去历史就是样本观测值， 但是它们不是相互独立的结果， 而是一个路径，是一次实验的一个结果； 称之为“时间序列”； 目标就是分析历史路径，找出随时间变化的规律。 未来的结果（概率分布）与历史有关。 重点：前后周期随机变量间的影响。 随机过程的识别 模拟：假设已知随机过程，重复试验的结果； 关键特征； 4、两变量间回归分析 视变量X为确定型的 目标：条件期望 模型： 例：消费支出与居民收入关系分析 一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出 Y 与每月家庭可支配收入 X 的关系。 如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。 将该100户家庭划分为组内收入差不多的10组。 模型 根据样本数据的表现，可以合理假设： 将居民消费支出看成是其可支配收入的线性函数： 总体回归线 根据样本可以估计得到： 样本回归线 主要任务： 用样本回归线的特征估计总体回归线的特征。 样本特征：样本统计量 总体特征：参数 样本特征：样本统计量 7月-12月，共5组样本数据； 相同的样本统计量，其观测结果不同： 样本统计量的随机性 基本方法：利用样本统计量的随机分布来估计总体参数。 思考题： 给你一组数据，如何判断它属于哪一种模型？ 它们是这种模型的一组观测值吗？ 以往知识小结：基本分析方法 根据历史数据，猜测背后的规律； 基于假设，建立模型，用于描述规律； 用样本统计量分布来估计模型参数； 用历史数据来检验模型假设。 重点：正确认识样本统计量，及其与总体之间的关系。 样本是总体的表现，又不等于总体。 Hot Tip How do I incorporate my logo to a slide that will apply to all the other slides? On the [View] menu, point to [Master], and then click [Slide Master] or [Notes Master]. Change images to the one you like, then it will apply to all the other slides. Diagram You can briefly add outline of this slide page in this text box. Diagram You can briefly add outline of this slide page in this text box. Cycle Diagram Diagram You can briefly add outline of this slide page in this text box. Diagram You can briefly add outline of this slide page in this text box. Diagram You can briefly add outline of this slide page in this text box. Diagram Yo