Python量化投資
第十章 金融時間序列分析
平穩(wěn)性是金融時間序列分析中一個非常重要的概念。平穩(wěn)的時間序列有著更好的統(tǒng)計特性，更便于建模分析。平穩(wěn)性，直觀地理解，就是時間序列的統(tǒng)計特性不隨著時間的變化而變化。
對于一個隨機過程，如果隨著時間的變化，其表現(xiàn)的各個統(tǒng)計特性都不變，則稱這個隨機過程具有強平穩(wěn)性。
一般來說，我們會假設金融序列是弱平穩(wěn)性的。
弱平穩(wěn)性并不要求所有的統(tǒng)計特性一直保持不變，只要求均值、方差以及協(xié)方差隨著時間變化不發(fā)生改變即可。
平穩(wěn)性是很多時間序列模型的基礎。也就是說，在使用這些模型之前，一定要檢驗數(shù)據(jù)是否平穩(wěn)。否則，建模的結果就是不可信的，比如，可能會出現(xiàn)“偽回歸問題”。
ARIMA模型
白噪聲序列: 時間序列{rt}如果具有有限均值和有限方差，并且是獨立同分布隨機變量序列，那么就稱{rt}為白噪聲序列。直觀地理解，每一個觀測值rt都像是重新?lián)u了一次骰子而生成的。
白噪聲的一個特例是高斯白噪聲，即{rt}服從均值為0，方差為
的正態(tài)分布。
自相關系數(shù)
相關系統(tǒng)是用來衡量兩個隨機變量的線性相關性和相關程度的。
image.png
ARMA模型是AR模型和MA模型的一種結合形式。
自回歸滑動平均（ARMA）模型。該模型的基本思想是將AR和MA模型的想法結合在一個緊湊的形式中，使所用參數(shù)的個數(shù)保持很小。對于金融中的收益率序列，直接使用ARMA模型的機會較少。
數(shù)據(jù)源和數(shù)據(jù)庫
- Tushare
- pandas-reader
- 萬得接口
