FINTS第三章确定性时序分析.ppt

金融时间序列模型 第三章：确定性时间序列分析 金融时间序列模型 滑动平均，指数平滑 简单移动平均 原始数据用At表示，平滑数据用 表示， M-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 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 一条：如果闭盘价移动平均线，买入，反之卖出。 一条：移动平均线是支撑和压力区域。 一条：移动平均线是对趋势的确认。有滞后性。 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。 多条：穿越长期线更有意义。 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 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）/3 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 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 相对强度指数RSI RSI=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。 0RSI100,使用时如果RSI70,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 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。 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。 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 指数移动平均计算公式（递推表达式） At=?At+(1-?)At-1 计算过程 初始化：A1等于第一个数A1，或者等于其它数值 更新： At=?At+(1-?)At-1 ,t=2,…T 指数移动平均 At＝?At+(1-?)?At-1+(1-?)2?At-2+…＋ 是所有过去数据的加权平均 例如,取?＝0.3，那么 At＝0.3At+0.21At-1+0.147At-2+…＋ 指数移动平均 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 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 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 简单移动平均预测 指数移动平均预测 初始化：A1等于第一个数A1，或者等于其它数值 更新： At=?At+(1-?)At-1 ,t=2,…T 预测：FT+h=AT 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 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 如何选择加法模型还是乘法模型 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