第5章 金融服务机构资金流量预测.pptxVIP

金融服务机构资金流量预测;;分析金融服务机构现状;了解金融服务机构用户申购赎回数据的基本情况;特征;基于企业希望精确预测资金流入流出数量的需求，设定目标为：预测该金融服务机构8月每天的申购总额和赎回总额，并与真实值进行对比，得到相对最优模型。

;企业资金流量的预测主要可以从资金流入和资金流出这两方面进行。

资金的流入主要包括营业活动、投资活动和筹资活动的资金流入。

资金的流出主要包括营业活动、投资活动和筹资活动的资金流出。营业活动的资金流出主要包括期间费用的支付，各种税金的支付等。

企业可以通过一定期间内资金的流入和流出来推断出当前企业内部的资金量。企业也可以根据未来可能的资金流入和流出量，并结合自身对于风险偏好程度，来设定一个合理的资金分配计划。;熟悉金融服务机构资金流量预测的步骤与流程;;平稳时间序列有两种定义，根据限制条件的严格程度，分为严平稳时间序列和宽平稳时间序列。

严平稳：是一种条件比较苛刻的平稳性定义，它认为只有当序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为是平稳的。

宽平稳：是使用序列的特征统计量来定义的一种平稳性，它认为序列的统计性质主要由它的低阶矩来决定，所以只要保证序列低阶矩（二阶）平稳，就能保证序列的主要性质近似稳定。

;严平稳比宽平稳的条件严格。严平稳是对序列联合分布的要求，以保证序列所有的统计特征都相同；而宽平稳只要求序列二阶平稳，对于高于二阶的矩没有任何要求。所以通常情况下，严平稳序列也满足宽平稳条件，而宽平稳序列不能反推严平稳成立。但这不是绝对的，两种情况都有特例。

例如，服从柯西分布的严平稳序列就不是宽平稳序列，因为它不存在一、二阶矩。而当序列服从多元正态分布时，二阶平稳可以推出严平稳。

;检验序列的平稳性有两种方法。

一种是根据时序图和自相关图现实的特征做出判断的图检验方法。

另一种是构造检验统计量进行假设检验的方法。;时序图检验

根据平稳时间序列均值和方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常???值附近随机波动，而且波动的范围有界的特点。;(2)自相关图检验

在R语言中使用acf函数绘制序列自相关图，其基本使用语法如下。

acf(x,lag.max=NULL,...)

常用参数如表所示。

;(2)自相关图检验

自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟时期数，纵坐标表示自相关系数，悬垂线表示自相关系数的大小。申购数据的自相关图如图所示。;由于模型要求，需要将非平稳的时间序列转化成平稳的时间序列，常用的方法有以下两种。

通过时序图截取平稳部分数据。

差分运算。;通过数据时序图可以看出，2014年3月后的数据在一个值附近随机波动。本案例的目标是预测资金申购量，前期的资金申购量受新用户人数影响，处于增长状态，后期的数据由于用户数量稳定，表现得更加平稳，有规律。基于探索结果，决定选取2014年3月至7月的数据作为模型训练数据，选取2014年8月的数据作为模型测试数据。

截取后的训练数据的时序图如图所示。

;截取后的训练数据的自相关图如图所示。;差分（difference）又名差分函数或差分运算，差分的结果反映了离散量之间的一种变化，是研究离散数学的一种工具。在时间序列分析中，差分可以用来提取序列中蕴含的确定性信息。

在R语言中使用diff函数完成各种差分运算，其基本使用语法如下。

diff(x,lag=1,differences=1,...)

常用参数及其说明，如表所示。

;对资金申购以7天为周期做一次差分，得到的时序图如图所示。;根据进行差分后的数据绘制自相关图，如图所示。;还可以使用统计检验方法中的单位根检验加以辅助判断序列是否平稳。

单位根检验结果如表所示。

;;纯随机性检验也称为白噪声检验，是专门用来检验序列是否为纯随机序列的一种方法。如果一个序列是纯随机序列，那么它的序列值之间应该没有任何相关关系。

在R语言中使用Box.test函数进行纯随机性检验，其基本使用语法如下。

Box.test(x,lag=1,type=c(Box-Pierce,Ljung-Box),fitdf=0)

常用参数及其说明，如表所示。

;对经过差分后达到平稳的数据进行纯随机性检验，得到结果如表所示。;;原理：ARIMA模型全称为自回归积分滑动平均模型，其中ARIMA(p,d,q)称为差分自回归移动平均模型，AR是自回归，p为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。差分运算具有强大的确定性信息提取能力，许多非平稳序列差分后会显示出平稳序列的性质。

适用范围：ARIMA模型对绝大多数以时间为变量的序列都有比较好的拟合效果，可广泛运用于气温、股票、降水量、商品价格等的研究之中。