中国海及洋大学金融时间序列确定性时间序列分析.pptx

金融时间序列;确定性时间序列的分析特点是认为数据去掉随机扰动 外，剩下的可以用确定的时间函数来表示。具体讲， 用Y表示某个时间序列，该序列可以分解为下面几个 部分：Y = f (T，C，S，e)，其中： T：趋势项，长期看时间序列逐渐增加或逐渐减小的变化。 C：循环项，时间超过1年的周期性波动。 S：季节项，一年内的周期波动。 e：随机项，不可预期的因素对时间序列的影响。;加法模型：Y=T+S+e 应用场合：数值偏离趋势部分的大小不随时间的改变 而改变。 乘法模型：Y=T*S*e 应用场合：数值偏离趋势部分的大小随时间的改变而 增加。;时间序列往往受到偶然因素的影响产生随机变化。 所以有时使用一些技术方法对数据进行平滑，以便 于更好地发现数据的规律；另外，如果一个时间序 列没有明显的趋势和季节性，可以利用平滑后的序 列对未来进行预测。 符号说明：用At表示t时刻的实际数值，用āt表示对 原始数据平滑后得到的数值，用Ft表示t时刻的预测 值。 ;M-期简单滑动平均计算公式如下： 相应的预测方法是用平滑值作为未来一个时期的预 测： ;选择使得RSE最小的周期。 定义误差平方和： 误差标准差： 经验判断。 如果序列比较平滑，或者存在自相关，那么使用短周 期预测效果较好；如果时间序列没有什么规律或者没 有自相关，那么使用长周期预测效果好。;;不能对有趋势和季节性的数据进行预测。 确定适当的周期进行平均比较困难。;简单滑动平均等于对平均周期内的每个数据同等看待， 给它们的权数相同，都是1/M。经验告诉我们，近期 的数据比早期的数据对未来预测的作用更强。所以应 该给不同的时刻的数据不同的权。 加权滑动平均的一般公式如下： 其中：;简单指数平滑计算公式如下： 指数平滑是所有过去数据的加权平均。所有的权由a 决定，而且随着时间的往前推移加权指数递减。 简单指数平滑递推表达式：;初始化： 更新： 预测： 该公式说明假设有T个数据，使用平滑后的数据对未 来T+h时期进行预测，其预测值总是等于最后一期的 平滑值。 ;如果用指数平滑方法对每个t时期进行预测，指数平 滑预测的公式为: 进一步整理得： 指数平滑预测的下一期预测等于前一期的预测加上前 一期的预测误差的一个调整，调整系数为a。 ;选择a的大小不容易； 不适合带趋势和季节的数据。;线性趋势模型：增长的数量是常数 指数趋势模型：增长率是常数 二次趋势模型：数据折线图是二次曲线 这几类曲线都有一些未知参数，必须估计出这些未知 参数的大小，可以使用最小二乘法来估计。;季节调整的主要步骤： 估计趋势项T，然后得到季节项和误差项的乘积Se=Y/T； 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； 从原始数据中去掉季节项Y/S，得到没有季节项的新的序列。