确定性时序分析.ppt

平滑－金融市场技术分析动能指标：M＝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：用指数移动平均技术对ROC数据进行平滑。平滑在技术分析中的应用趋势背离指标：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。拟合趋势与季节调整季节指数1季节指数:表示一年内每个月或每个季度，或其它周期的季节性变动方向和幅度的百分数。2例如某季度的季节指数等于100％，说明该季度属于平均水平，如果大于100％说明该季度是旺季，如果小于100％说明是淡季。3月度数据12个月的季节指数之和等于1200％；季度数据4个季度的指数之和等于400％时间序列数据的简单外推0504020301季节调整：以乘法模型Y=T*S*e为例主要步骤去掉趋势项T，然后得到季节项和误差项的乘积Se=Y/T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，即得到季节指数。从原始数据中去掉季节项Y/S，得到没有季节项的新的时间序列。使用中心滑动平均估计趋势项对月度数据使用6个月的中心滑动平均，把数据平滑化?t＝(0.5yt-6+yt-4+…yt-1+yt+yt+1…+yt+5+0.5yt＋6)/12对季度数据使用2个季度的中心滑动平均，把数据平滑?t＝（0.5yt-2+yt-1+yt+yt+1+0.5yt＋2）/401使用中心滑动平均估计趋势项02这样平滑之后的数据就没有季度性，只有趋势向。03去掉趋势向：用原始数据除以平滑后的数据04得到的新序列只有季节项和误差项，而不再有趋势向。时间序列数据的简单外推用x1,…x48表示去掉趋势后的数据（注意课本表述有误），为了去掉误差项，我们把每一年的相同月份求平均。假设有4年的月度数据第一个数据用y1表示以此类推，所有的数据可以表示为y1,…y48计算季节因子月度数据季节因子：z1=(x1+x13+x25+x37)/4z2=(x2+x14+x26+x38)/4……………z12=(x12+x24+x36+x48)/4第三步：从原始数据中去掉季节项假设前面的4年月度数据，季节调整需要：每年第一个月的原始数据除以zb1y1/zb1，y13/zb1，………每年第二个月的原始数据除以zb2y2/zb2，y14/zb2，…每年第十二个月的原始数据除以zb12y12/zb4，y24/zb4，………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。常见的趋势线性趋势二次线性趋势指数趋势（对数线性趋势）线性趋势模型yt=c0+c1t增长的数量是常数t+1比t时刻增加c1例如：yt=27.5+3.1t拟合趋势二次趋势模型yt=c0+c1t＋c2t2曲线不是直线，有一定的弧度。指数增长曲线股票市场移动平均线使用什么价格进行平均美国股票市场合适的时间长度闭盘价（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个月股票市场移动平均线相对强度指数RSIRSI=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。股票市场中加权移动平均线A一种加权方法：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。B另一种加权方法：最后一期数据乘以2，其它数据乘以1，然后除以权重和。C如果加权移动平均线转变方向意味着趋势反转。简单指数平滑法（一次指数平滑）是所有过去数据的加权平均At＝?At+(1-?)?At-1+(1-?)2?At-2+…+例如,取?＝0.3，那么At＝0.3At+0.21At-1+0.147At-2+…+2341系数?的确定确定系数?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（此时，过去很久的数据仍对未来有影响），如果平滑选择的?比较大。在实用上，类似移动平均法，多取几个a值进行试算，看哪个预测误差RSR小，就采用哪个。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