第1章 金融时间序列模型分析.pptVIP

第1章 金融时间序列分析 1.1 金融时间序列的统计特征 函数 名称 格式 corrcoef 相关系数 r=corrcoef(x,y) parcorr 偏相关系数 [a,b]=parcorr(series) autocorr 自相关系数 [a,b]=autocorr(x) 1.1.1 相关系数和偏相关系数 相关性:描述两个或两个以上变量之间的非确定关系。 简单相关:两个变量之间的相关性。 多重相关:三个或三个以上变量之间的相关性。 衡量相关性的指标:相关系数与偏相关系数。 相关系数 相关系数:衡量两个变量之间（假设分别为 ）线性关系程度的数量指标。 调用方式: R=corrcoef(x,y) 输入参数: x %观察变量 y %观察变量 输出参数: R %观察变量的相关系数矩阵 例如: 偏相关系数 一般地，在多个变量之间 ，如果只考虑 与 之间的相关性而消除其他变量的影响，这种相关叫偏相关。 调用方式: [a,b]=parcorr(Series) [PartialACF,Lags,Bounds]=parcorr(Series,nLags,R,nSTDs) 输入参数: 输出参数: 自相关系数 1.2.1 平稳性检验 （1）ADF检验 原假设h0：时间序列为单位根过程 [h,pValue,stat,cValue,reg]=adftest(y,Para_Name,Para_Value,...) 输入参数： y：时间序列变量； Para_Name：参数名字，包括：alpha,lags,model,test model包括AR,ARD,TS，test包括t1,t2,F h=0不能拒绝时间序列为单位根过程的假设，h=1拒绝 pValue：p值，若pValuealpha,拒绝时间序列为单位根过程 的原假设 cValue：统计量拒绝原假设的临界值 reg：结构型变量，包括有效样本容量，回归系数等 1.1.2 金融时间序列的统计分析 （2）Phillips-Perron检验 调用方式： [h,pValue,stat,cValue,reg]=pptest(y,Para_Name, Para_Value,...) 输入参数同上 1.1.3 假设检验 （1）单个样本均值的t检验 调用方式： [h,p,ci,stats]=ttest(X,m,alpha,tail) 输入参数： X：样本 m：理论值 alpha：显著性水平 tail：检验方式，tail=0表示双尾检验，tail=1表示右尾检 验（h0:ux=m），tail=-1表示左尾检验（h0:ux=m） ci：1-alpha的置信区间 stats：结构型变量，给出了t统计量，t统计量的自由度， 样本的标准差； （2）两个样本均值的t检验 [h,p,ci,stats]=ttest2(X,Y,alpha,tail,vartpye) 输入参数： vartpye：equal表示两个样本的方差相等， unequal表示方差不等。 （3）单个样本卡方检验 [h,p,ci,stats]=vartest(X,V,alpha,tail) 输入参数： V：方差的理论值 （4）两个样本的F检验 [h,p,ci,stats]=vartest2(X,Y,alpha,tail) 1.2 时间序列模型的估计 时间序列分析的研究对象是一系列随时间变化而又相互关联的动态数据。George Box和Gwilym Jenkins对时间序列的研究有独特贡献，1970年他们合著的《时间序列分析:预测与控制》 是这方面的权威著作。 时间序列模型有3种基本类型: (1)自回归(AR,Auto-Regressive)模型 (2)移动平均(MA,Moving-Average)模型 (3)自回归移动平均(ARMA, Auto-Regressive Moving-Average)模型