【时间序列】Moving-Average Model

一般而言，我们在金融预测里面，不仅会用到Autoregressive Model，也会用到Moving-Average Model，这两个模型的侧重点不同，AR模型侧重于用过去的一段时间的Y预测新的Y，而MA模型侧重于用过去一段时间的白噪声预测新的Y。

首先一个非常好的应用，就是可以用MA模型画出平滑的曲线，这也是一般我们在股价均线、宏观周期观测、商品趋势等方面用的最广的理论，也可以说是最易于接受且极度简单的方法。当我们画出平滑的曲线后，我们分别可以看到原数据的趋势性，等权平均值算出的均线是最基本的处理方法，但是他并没有赋予最近时期的数据更多影响，因此也可以创造例如指数加权均线等处理方法。

均线方法参考过去一段窗口的数据，因此会有滞后性，而且所选取的窗口也决定了滞后的效果。

MA模型：

AR模型：

对比这两个模型，我们如果选取何时使用哪个模型呢？这些模型又对实际预测有什么帮助呢？

首先选用模型方面，一般用自相关悉数检验，最好可以得到不同阶数的T值，首先要排除全都不显著的情况，如果显著的话：自相关系数逐步下降，用AR，如果快速下降，用MA。

对于一般的金融资产而言，用时间序列模型预测是第一步测试，但是大多数情况下是没有效果的，因此没有必要化太多时间用这两个模型或者升级的模型ARIMA去预测。