时间序列分析
时间序列分析学习之路
敲代码的quant
ML/DL/量化金融/学生
展开
-
时间序列分析之误差修正模型(ECM)
误差修正模型(Error Correction Model, ECM)协整(cointegration)反映的是序列中变量之间的长期均衡关系,用网上的一个例子来描述协整就是一个醉汉牵着一只狗,他们之间的距离虽然会时远时近,但是由于绳子的存在,当达到绳子的长度时,他们的距离又会拉近,这样他们之间就存在着协整关系。通过协整建立的模型是静态模型,而误差修正模型的使用就是为了建立短期的动态模型来弥补长期...原创 2019-02-25 18:15:37 · 41938 阅读 · 6 评论 -
【python量化】统计套利之配对交易策略实现(基于python)
关于做统计套利所需要的基本知识在前面也整理过了:时间序列分析之ADF检验时间序列分析之协整检验时间序列分析之相关性下面用python实现一个简单的配对交易策略:目录一、交易对象选取相关性检验ADF检验协整检验二、主体策略投资组合的构建设置开仓和止损的阈值三、历史回测四、注意一、交易对象选取我们以商品期货市场的螺纹钢品种的跨期套利为例...原创 2019-02-22 19:01:37 · 24786 阅读 · 35 评论 -
时间序列分析之相关性
目录方差 (Variance)相关系数 (Correlation)自相关/序列相关 (Autocorrelation or Serial Correlation)两种时间序列的相关性方差 (Variance)设随机变量X的均值 E(X) = m,则描述 X 的取值和它的均值 m 之间的偏差程度大小的数字特征就是方差。但是不能直接用 E(X - m) 来表示方差,因为 E...原创 2019-02-20 17:27:27 · 50218 阅读 · 3 评论 -
时间序列分析之协整检验
协整关系协整(Cointegration)理论是恩格尔(Engle)和格兰杰(Granger)在1978年提出的。平稳性是进行时间序列分析的一个很重要的前提,很多模型都是基于平稳下进行的,而现实中,很多时间序列都是非平稳的,所以协整是从分析时间序列的非平稳性入手的。协整的内容是:设序列是 d 阶单整的,记为,如果存在一个非零向量 使得,则称具有 d, b 阶协整关系,记为,则 称为...原创 2019-02-07 14:18:02 · 82244 阅读 · 10 评论 -
时间序列分析之ADF检验
ADF检验在使用很多时间序列模型的时候,如 ARMA、ARIMA,都会要求时间序列是平稳的,所以一般在研究一段时间序列的时候,第一步都需要进行平稳性检验,除了用肉眼检测的方法,另外比较常用的严格的统计检验方法就是ADF检验,也叫做单位根检验。ADF检验全称是 Augmented Dickey-Fuller test,顾名思义,ADF是 Dickey-Fuller检验的增广形式。DF检验只能...原创 2019-02-06 18:59:09 · 190184 阅读 · 13 评论 -
Time Series Analysis (TSA) in Python-Linear Models to GRACH 笔记(五)
以下内容主要来自:Time Series Analysis (TSA) in Python - Linear Models to GARCH目录Autoregressive Conditionally Heteroskedastic Models - ARCH(p)Generalized Autoregressive Conditionally Heteroskedastic Mo...原创 2019-01-25 21:39:35 · 2051 阅读 · 0 评论 -
Time Series Analysis (TSA) in Python-Linear Models to GRACH 笔记(四)
以下内容主要来自:Time Series Analysis (TSA) in Python - Linear Models to GARCH目录Autoregressive Moving Average Models - ARMA(p, q)Autoregressive Integrated Moving Average Models - ARIMA(p, d, q)Autor...原创 2019-01-24 13:15:48 · 1708 阅读 · 2 评论 -
Time Series Analysis (TSA) in Python-Linear Models to GRACH 笔记(三)
以下内容主要来自:Time Series Analysis (TSA) in Python - Linear Models to GARCH目录Autoregressive Models - AR(p)Moving Average Models - MA(q)Autoregressive Models - AR(p)独立的因变量可以由它的一个或者多个滞后项(lag)表示时,...原创 2019-01-23 14:44:47 · 2186 阅读 · 0 评论 -
Time Series Analysis (TSA) in Python-Linear Models to GRACH 笔记(二)
以下内容主要来自:Time Series Analysis (TSA) in Python - Linear Models to GARCH本篇目录:Linear ModelsLog-Linear ModelsLinear Models线性模型也称作趋势模型,它表示一个时间序列可以用一条直线来表示。它的基本等式:以一个公司的销售总额为例,一开始的初始是 5000,每隔一...原创 2019-01-21 19:54:45 · 1248 阅读 · 0 评论 -
Time Series Analysis (TSA) in Python-Linear Models to GRACH 笔记(一)
以下内容主要来自:Time Series Analysis (TSA) in Python - Linear Models to GARCH上面这篇post是一篇很有用处的文章,从时间序列的平稳性到线性模型,再到自回归模型以及GARCH,不仅内容比较充实,还有python的代码,所以主体是基于这篇文章,其中也加入了我自己的一些理解。本篇目录:Motivation The Bas...原创 2019-01-20 11:48:17 · 2214 阅读 · 0 评论 -
SAX(Symbolic Aggregate Approximation)一种时间序列的新型符号化方法
Introduction简言之,SAX算法就是将时间序列进行符号化表示。这个算法最初是由Lin et al.提出的,它扩展了基于PAA的方法并继承了原始方法的简单和低复杂度的特点,同时在范围查询的过程中提供了令人满意的灵敏度和可选择性。除此之外,符号化的特征表示为现在存在的丰富的数据结构和字符串处理算法(哈希、正则表达式、模式匹配、后缀树和语法推断)开启了一扇大门。The algorithmSAX...翻译 2018-07-13 11:01:21 · 15425 阅读 · 12 评论 -
时间序列分析之AR、MA、ARMA和ARIMA模型
如果一个时间序列经过平稳性检验后得到是一个平稳非白噪声序列,那么该序列中就蕴含着相关性的信息。在统计学中,通常是建立一个线性模型来拟合该时间序列的趋势,其中,AR、MA、ARMA、ARIMA都是较为常用的模型。1、AR(Auto Regressive Model)自回归模型AR是线性时间序列分析模型中最简单的模型。通过自身前面部分的数据与后面部分的数据之间的相关关系(自相关)来建立回归方程,从而可...原创 2018-07-02 15:50:29 · 60887 阅读 · 9 评论