第三章确定性时序分析.ppt

确定性时间序列 确定性时间序列：时间序列数据去掉随机干扰因素后剩余部分可以视为确定性数据，可以用确定的时间函数表示。 几点说明 1、长期趋势T 长期趋势是时间序列的主要构成要素它是指现象在较长时期内持续发展变化的一种趋向或状态。可能呈现出不断向上增长的态势也可能呈现为不断降低的趋势是受某种固定的起根本性作用的因素影响的结果。 例如: 中国改革开放以来经济持续增长表现为国内生产总值逐年增长的态势。 几点说明 2、季节变动(S) 本来意义上的季节变动是指受自然因素的影响在一年中随季节的更替而发生的有规律的变动。现在对季节变动的概念有了扩展，对一年内或更短的时间内由于社会、政治、经济、自然因素影响形成的以一定时期为周期的有规则的重复变动都称为季节变动。例如，农业产品的生产、某些商品的销售量变动都呈现出季节性的周期变动。 几点说明 3、循环变动(C) 循环变动指某种现象在比较长（超过一年）的时期内呈现出的有一定规律性的周期性波动； 循环变动与长期趋势不同，它不是单一方向的持续变动而是有涨有落的交替波动。 循环变动与季节变动也不同，循环变动的周期长短很不一致，不像季节变动那样有明显的按月或按季的固定周期规律，循环变动的规律性不甚明显，通常较难识别。 几点说明 4、不规则变动(e) 不规则变动指现象受众多偶然因素影响而呈现的无规则的变动。包括由突发的自然灾害、意外事故或重大政治事件所引起的剧烈变动也包括大量无可名状的随机因素干扰造成的起伏波动。 不规则变动是时间序列长期趋势、季节变动和循环变动后余下的变动。 第二节 平滑方法 要点 简单移动（滑动）平均 指数移动平均（指数平滑） 平滑在技术分析中的应用 简单移动平均 简单移动平均的周期M应该如何选择呢？？？？ 由上图可看出，平滑周期M不同，平滑后的结果差别较大，M越大平滑后的数据波动越小。 如果M较大，包含了过去较早的信息，而经济系统经过一段时间后可能已经变化了，从而平均值对未来的代表性不大。 如果M较小，平滑的效果不好，数据可能仍然过于受到随机因素的影响，不能反映本质的特征。 确定周期M的一些方法 确定周期M的一些方法 股票市场移动平均线 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 加权移动平均 例题 一次指数平滑 预测公式 预测公式的展开 一次指数平滑 一次指数平滑 一次指数平滑 二次指数平滑法 当时间序列的变动出现直线趋势时，用一次指数平滑法进行预测，仍存在着明显的滞后偏差。 因此，也必须加以修正。利用滞后偏差的规律来建立直线趋势模型。这就是二次指数平滑法。 二次指数平滑法 三次指数平滑法 三次指数平滑法 拟合趋势 第四步：对季节调整后的数据进行趋势拟合 在对原始数据进行季节调整后的数据中依然保留有趋势，这时可利用回归分析的方法对趋势进行拟合。 EVIEWS操作 EVIEWS操作 季节调整 双击变量名， 在出现的窗口中点”procs”, 在跳出的菜单中点击“moving average”. 在点“moving average mothods”. 则可得到下面的对话框。 生成时间变量t Eviews利用函数@trend得到一个时间变量，它的数据从0开始，使用@trend+1则时间从1开始。 点击workfile界面中的“GENR”，输入t= @trend+1，点ok，则生成一个名称为t的时间变量。 拟合趋势 同时选中指数平滑后的向量”qgdpsa”和时间向量t. 右击，选择”open”, 再选中“as equation” 预测趋势 先扩展时间区间 双击workfile 中菜单下的Range扩充时间区间。若要修改样本区间，可以点击Range下面的Sample, 在第一个输入框中输入样本区间的起至时间，并用空格隔开即可 预测趋势 点击拟合趋势结果对话框菜单栏中的forecast命令。 预测趋势 预测结果保存在变量qgdpsaf中。 在Forecast sample栏中输入预测起止时间。用空格隔开。 点ok 对原始数据（GDP）进行预测 双击workfile 菜单的Genr. 如图输入 将预测值保存在变量sf中。 预测区间1994q1至2000q4 预测效果图 * * * * * * * * 画图前先改变样本区间1994q1-2000q4 同时选中变量sf和qgdp。 点击菜单栏中的quick---Graph---ok. * * * * * * * * * * * * * * * * * * * * * * * * * *