金融时间序列分析:7. MA滑动平均模型
0. 目录
金融时间序列分析:9. ARMA自回归移动平均模型
金融时间序列分析:8. MA模型实例(Python)
金融时间序列分析:7. MA滑动平均模型
金融时间序列分析:6. AR模型实例
金融时间序列分析:5. AR模型实例(Python)
金融时间序列分析:4. AR自回归模型
金融时间序列分析:3. First Demo By Python
金融时间序列分析:2. 数学分析模型
金融时间序列分析:1. 基础知识
1. 前言
AR和MA模型是时序数据分析两个最基本的模型。
AR仅通过时间序列变量的自身历史观测值来反映有关因素对预测目标的影响和作用,不受模型变量相互独立的假设条件约束,所构成的模型可以消除普通回归预测方法中由于自变量选择、多重共线性等造成的困难
简单来说:AR模型是通过分析研究历史数据对当前数据的影响进行建模。
MA模型是用过去各个时期的随机干扰或预测误差的线性组合来表达当前预测值。
2. MA模型
q阶模型公式:
x_t = \mu + a_t - \theta_1a_{t-1} - ... -\theta_qa_{t-q} ...........2.1
或者:
x_t = \mu +(1- \theta_1B - ... - \theta_q B^q)a_t.............2.2
q⊆N+,μ为常量q \subseteq N+, \mu 为常量
3. MA(1)
3.1 模型公式
x_t = \mu + a_t - \theta a_{t-1}........................3.1
3.2 数学特征
期望
E(x_t) = \mu,.............3.2
推导方法:直接对公式3.1两边求期望即可
方差
Var(x_t) = (1+{\theta}^2){\sigma_a}^2,....................3.3
推导方法:直接对公式3.1两边求方差即可
自协方差
为了简单,令μ=0\mu = 0
在计算方差,协方差,相关系数时,对序列整体加减一常量不会对这几种数学特征的结果产生影响。
一阶
\gamma_1 = Cov(r_t, r_{t−1}) = −\theta{\sigma_a}^2,..............3.4
k阶
\gamma_k = Cov(r_t, r_{t−1}) = 0, k > 0,..................3.5
所以对于MA(1)来说, xt只和xt−1x_t 只和x_{t-1}相关
自相关函数 ACF
\rho_k = \begin{cases} 1, & \text{if $k = 0$} \\ \frac{-\theta}{1+ \theta^2}, & \text{if $k = 0$} \\ 0, & \text{if $k > 1$} \end{cases}
3.3 预测
从ACF可以看出,对于一阶MA模型来说,不会记忆1个周期以前的数据,所以只能进行单步预测;
超出一步预测后,数据将会变为均值
(1)预测
\hat x_n(1) = \mu - \theta a_n
(2)误差
e_n(1) = x_{n+1} - \hat x_n(1) = a_{n+1}
(3)误差波动率
Var(e_n(1)) = {\sigma_a}^2
4. MA(q)
4.1 模型公式
q阶模型公式:
x_t = \mu + a_t - \theta_1a_{t-1} - ... -\theta_qa_{t-q} ...........4.1
或者:
x_t = \mu +(1- \theta_1B - ... - \theta_q B^q)a_t.............4.2
q⊆N+,μ为常量q \subseteq N+, \mu 为常量
4.2 数学特征
期望
E(x_t) = \mu,.............4.3
方差
Var(x_t) = (1+{\theta_1}^2+{\theta_2}^2+.....{\theta_q}^2){\sigma_a}^2,..........4.4
自相关函数 ACF
4.3 预测
和MA(1)模型一样。
超出q阶的多不预测数据收敛于均值。
5. 模型参数估计
首先用PACF对模型进行定阶,然后根据历史数据估算参数。
比如说我们通过PACF定阶,确认MA模型为3阶,那么就可以用
xtx_t的历史数据xt−1,xt−2,xt−3x_{t-1}, x_{t-2}, x_{t-3}估算响应的参数,其中ata_t就可以很简单的算出来。
其它参数的估计有两种方法:
6. 参考文献
[1] MIT, Analysis of Financial Time Series
[2] 金融时间序列分析, Ruey S. Tray
[3] 金融时间序列分析, 炼数成金
金融时间序列分析:7. MA滑动平均模型相关推荐
- QuantitativeFinance:量化金融之金融时间序列分析之ES/ETS/GARCH模型的简介、Box-Jenkins方法-AR/MA/ARMA/ARIMA模型的简介及其建模四大步骤之详细攻略
QuantitativeFinance:量化金融之金融时间序列分析之ES/ETS/GARCH模型的简介.Box-Jenkins方法-AR/MA/ARMA/ARIMA模型的简介及其建模四大步骤之详细攻略 ...
- 金融时间序列分析:8. MA模型实例(Python)
0. 目录 金融时间序列分析:9. ARMA自回归移动平均模型 金融时间序列分析:8. MA模型实例(Python) 金融时间序列分析:7. MA滑动平均模型 金融时间序列分析:6. AR模型实例 金 ...
- 金融时间序列分析:5. AR模型实例(Python)
0. 目录 金融时间序列分析:9. ARMA自回归移动平均模型 金融时间序列分析:8. MA模型实例(Python) 金融时间序列分析:7. MA滑动平均模型 金融时间序列分析:6. AR模型实例 金 ...
- 金融时间序列分析: 10. ARMA模型实例(R,Python)
0. 目录 金融时间序列分析:9. ARMA自回归移动平均模型 金融时间序列分析:8. MA模型实例(Python) 金融时间序列分析:7. MA滑动平均模型 金融时间序列分析:6. AR模型实例 金 ...
- 《协整理论与波动模型-金融时间序列分析及应用(第二版)》
内容详实的教科书,不过看起来比较累,能用数学公式的就没用汉字,估计作者是为了社会主义节省纸张吧. 不是我这个水平现在看的,先Mark后续需要深入再翻看 <协整理论与波动模型:金融时间序列分析及应 ...
- python garch模型 forecast_Python时间序列分析--从线性模型到GARCH模型
目录 一.Motivation 二.基础知识 1.平稳性 2.序列相关(自相关) 3.为什么我们关心序列相关性? 三.白噪声和随机游动 四.线性模型 五.对数线性模型 六.AR模型(P) 七.移动平均 ...
- 金融数据分析 实验三 金融时间序列分析
实验原理 了解金融时间序列的概念.基本原理.主要作用和特点等.掌握时间序列的构成因素和发展历史. 了解金融时间序列的统计特性,会计算平均值.方差.相关系数与偏相关系数. 了解时间序列模型,掌握模型的参 ...
- matlab估计arma残差,写给你的金融时间序列分析:补完篇
摘要 本文介绍时间序列分析中的 GARCH 模型,阐述使用 mean model 和 volatility model 对收益率序列联合建模的方法. 1 引言 之前,我们推出了<写给你的时间序列 ...
- 金融时间序列分析:1. 基础知识
0. 目录 金融时间序列分析:9. ARMA自回归移动平均模型 金融时间序列分析:8. MA模型实例(Python) 金融时间序列分析:7. MA滑动平均模型 金融时间序列分析:6. AR模型实例 金 ...
最新文章
- iOS酷我音乐导出工具使用说明和原理介绍(提供下载链接及project源代码)
- Windows进程与线程学习笔记(七)—— 时间片管理
- 前端学习(3033):vue+element今日头条管理-反馈
- oracle 段空间收缩,Oracle10g用Shrink Space收缩Oracle数据段
- 二维码批量生成下载工具
- 配置豪华的 Windows 开发环境
- django.forms生成HTML,python – 在django中为表单自动生成表单字段
- 自解压shell文件的制作
- GeoServer style(sld)中文乱码解决方法
- html重复渐变包括,html – CSS:当设置为tbody / thead时,在Chrome中重复的渐变
- websocket握手失败_WebSocket通信之握手协议
- 用PS绘出真实火焰效果
- 因测试和登录软件微信被封,淘客必须注意,微信封号原则是什么?
- 科研伦理与学术规范课后答案
- matlab离散系统pid控制系统,离散系统的数字PID控制仿真
- c#如何实现叫号操作_基于.NET的排队语音叫号系统设计与实现
- base64编码类------原始码(C#)
- 辽宁省二本计算机学校有哪些,辽宁省二本大学都有哪些
- java 操作 cfs_Lucene 打开cfs文件 并获取数据
- Vue3 -- 基于Websocket实现简易聊天室
热门文章
- 女博士分享读博经历成“网红”的1年后,却被“网暴”到去公安局立案.....
- 也说说家养猿类养成套路
- 毕业设计 基于树莓派的智能家庭监控系统
- 执行“openssl version“报openssl: /usr/lib/libcrypto.so.3: version `OPENSSL_3.1.0‘ not found (required by
- DataGridView和GridView控件的区别是
- Adobe Photoshop CS5 汉化包下载
- ftp软件下载,推荐5款免费的ftp软件下载工具
- unity怪物攻击玩家减血_Unity3D 战斗系统中的怪物简单AI(简单AOI)
- 香港中文大学校长计算机,喜讯 | 香港中文大学(深圳)理工学院黄建伟教授团队在IEEE计算机通信国际会议INFOCOM发表四篇论文...
- iOS设置Label行间距和字间距