matlab 金融时间序列工具箱,[转载]Matlatb金融时间序列工具箱——建立金融时间序列...

1.学计量经济学源于对数学感兴趣，也源于对一些未知的东西进行预测，比如股市，而中国股市在2005年已经达到了弱式有效(本人通过谱分布检验股市收益率是否为鞅过程得到的结论)，再运用模型进行预测好比预测彩票，于是学习计量更多的是数学的因素，而非应用的驱使。不再迷信小波分析、神经网络、ARIMA等一些线性的非线性的预测模型，逐渐的转向对宏观经济学的学习中去，同时，也渐渐的喜欢上了经济史，因为每一部历史都是事物相互作用的结果，去研究这个世界发展的规律，这才是走好经济学的根本，而不是计量经济学。

2.重申我的格言“计量仅仅是工具，代替不了思考”

3.注重思考，阅读一本书能吸收20%已较为不错了，不要往脑袋里装书，即使将一本书搬进脑袋，充其量也就一本书的价值，几十块钱罢了!

4.入门很难，真的很难，想起当年做一个东西时，没师傅指导，从零开始，没有休息，做不出来，躺地上，绝望，哭，站起来，继续……，最终解决。于是，总结出来，入门很难，只要能挺过来，你就算成功了！

Matlatb金融时间序列工具箱(Financial Time Series Toolbox)

建立金融时间序列

金融时间序列是一个结构变量，有五个属性：描述(description)、频率(frequency)、日期(dates)、显示(display)和至少一个数据列向量名(dataname)，前三个属性的名字是固定的，分别为desc、freq和dates，时间序列的名字用户可以自行规定，如不更改的话，matlab默认为series1、series2、……、seriesN。

一、利用函数fints来创建金触时间序列对象

根据输入参数的类型，可分为五种形式：

(1)简单的矩阵输入

格式：ftsdata=fints(dates_data)

输入：dates_data是一个矩阵，第一列是时间，从第二列开始是时间序列的样本数据。

(2)向量输入

格式：ftsdata=fints(dates，data)

输入：dates是时间列向量，或者是元包列(非数据型，即文本型日期)；

data是时间序列的样本数据。

(3)自定义时间序列名

格式：ftsdata=fints(dates，data，dataNames)

输入：dates是时间列向量，或者是元包列(非数据型，即文本型日期)；

data是时间序列的样本数据，dataNames是变量名，如果是多个，应该用元包｛’name1’,’name2’,……,’nameN’｝的形式输入。

(4)输入频率

格式：ftsdata=fints(dates，data，datanames，freq)

输入：dates是时间列向量，或者是元包列(非数据型，即文本型日期)；

data是时间序列的样本数据。Freq有固定的格式：

1.UNKNOWN，Unknown ，unknown，U，u

2.DAILY，Daily，daily，D，d，1

3.WEEKLY，Weekly ，weekly，W，w，2

4.MONTHLY，Monthly，monthly，M，m，3

5.QUARTERLY，Quarterly， quarterly，Q，q，4

6.SEMIANNUAL，Semiannual，semiannual，S，s，5

7.ANNUAL，Annual，annua，A，a，6

5.输入变量描述

格式：ftsdata=fints(dates，data，datanames，freq，desc)

输入：dates是时间列向量，或者是元包列(非数据型，即文本型日期)；

data是时间序列的样本数据。Desc的形式是单个的字符型变量。

注意：1.第一种矩阵输入的方式，日期必须是数值型，其余的四种日期可以是数值型也可以是字符型。

2.所有的数据输入必须放在矩阵里，不能一个一个输入。

3.变量名由于是字符型，所有要用到元包。

4.描述性变量是单变量的字符型。

例子

创建日度数据(frequency=daily)，变量名分别为data1、data2，描述字段为“实验数据”(desc=‘实验数据’).

5. datanames的列要与时间序列的个数即data的列相同。

例子，创建二元时间序列，第一个变量命名为data1，第二个变量命名为data2，数据的频率是日度数据，并给时间序列描述为“实验数据”

输入以下代码：

ftsdata=fints(dates,[data

y],{'data1','data2'},1,'实验数据');

查看其第一行数据：

ftsdata(1)

则显示：

desc: 实验数据

freq: Daily (1)

'dates: (1)' 'data1: (1)' 'data2: (1)'

'03-Apr-1991' [ 727291] [ 988.05]

二、文本文件的转换方式(ascii2fts)(略)

三、调用金触时间序列对象(假设已经创建二维时间序列ftsdata)

(1)查看整个时间序列对象

在命令窗口中输入时间序列对象的名字即可

(2)查看部分行数据

跟查看矩阵的元素一样，查看第一行，就输入ftsdata(1)

(3)查看时间序列中的时间变量

法一：对象名.变量名

如 ftsdata.dates1

year(ftsdata.dates1) %查看时间序列的日期中的年份

month(ftsdata.dates1) %查看时间序列的日期中的月份

day(ftsdata.dates1) %查看时间序列的日期中的天

法二：ftse = extfiield(tsobj，fieldnames)

输入参数：

tsobj：对象名称

fieldnames：变量名称

例 ftse = extfiield(ftsdata，‘data1’)

其效果与ftsdata.data1相同。

(4)用时间标签提取数据

格式：newtsobj= tsobj(时间标签/整数标签)

1.时间标签引用：

时间标签的格式可以是文本格式，也可以是数值型的时间序列，可以是单个的也可以是多个的。

如：

ftsdata(‘3/4/2008’)

ftsdata({‘3/4/2008’, ‘10/4/2008’})

如果是连续日期则用双冒号隔开：

ftsdata({‘3/4/2008’ ：：‘10/4/2008’})

这种引用方式，如果时间区间内有一个时间不在时间序列的中，则会提示出错。

2.整数标签引用：

整数标签引用与引用向量的元素一样。

演示生成金融时间序列数据

%% 生成一列时间序列

format short g %设置数据精度

load szchengzhi.mat

dates=datenum(textdata); %将字符型日期转化为数值型

ftsdata=fints([dates data]);

ftsdata.series1

ftsdata.dates %查看时间序列的日期

year(ftsdata.dates) %查看时间序列的日期中的年份

month(ftsdata.dates) %查看时间序列的日期中的月份

day(ftsdata.dates) %查看时间序列的日期中的天

%% 生成多列时间序列，以两列为例

x = randn(5341,1);y = filter([1 -1 1],1,x);

%生成一个ma(2)过程ftsdata=fints([dates data

y]);%生成两个时间序列，默认命名series1、series2

ftsdata %查看整个时间序列

ftsdata.series1 %查看时间序列1

ftsdata.series2 %查看时间序列2

ftsdata(1) %查看第1行时间序列

ftsdata=fints(dates,[data

y],{'data1','data2'},1,'实验数据')

四、金融时间序列的使用和修改

(1)查看金融时间序列的属性

fnames=fieldnames(tsobj，srsnameonly)

显示金融时间序列的五个属性，由于'desc'、 'freq'、

'dates'，描述性属性、频率属性和日期属性是不能自命名的，fnames的前三个变量分别是上述三个，接下来就是变量的名字了，以列数组的形式储存在fnames中。

Srsnameonly默认为0，表示列出所有属性，为1表示只列出变量名。

例 fnames =

fieldnames(ftsdata)

fnames =

'desc'

'freq'

'dates'

'data1'

'data2'

例 fnames =

fieldnames(ftsdata,1)

fnames =

'data1'

'data2'

(2)时间序列重命名

Newfts = chfield(oldfts，oldname，newname)

输入参数意义：

Oldfts：时间序列结构变量名

Oldname：时间序列中变量名称

Newname：时间序列中变量的新名称

例

对时间序列对象ftsdata中的变量data2命名为series2，新的时间序列对象命名Newfts

Newfts = chfield(ftsdata, ‘data2’, ‘series2’)

注意：字符型的输入都要加单引号’’，包括其他函数。

(3)对时间序列进行排序

Sfts = Sortfts(tsobj，seriesnames，flag)

输入参数为：

tsobj ：时间序列对象

seriesnames：排序的变量名(字符型)，即按哪一个变量进行排序，若不输入，则默认按第一个变量排序。

flag：排序方式(升序or降序)，flag=1(默认)，升序；flag=0，降序。

例子

Sfts1 = sortfts(ftsdata)

Sfts2 = sortfts(ftsdata,’data2’)

Sfts3 = sortfts(ftsdata,’data2’,-1)

Sfts4 = sortfts(ftsdata,-1)

(4)时间序列起始时间点

Datesbound=ftsbound(tsobj)

(5)删除时间序列的一列数据

Newobj = rmfield(oldtsobj,’fields’)

输入参数：fields是时间序列的名字，可以是单个也可以是多个，多个时是字符型数组。

例 ftsdata=fints(dates,[dates,data

y],{'data1','data2','data3',},1,'实验数据')

删除data1

Nodata1=rmfield(ftsdata,’data1’);

删除data1和data2

Nodata2==rmfield(ftsdata,{'data1','data2'});

运行结果

K>>

Nodata1=rmfield(ftsdata,'data1');

K>> fnames =

fieldnames(ftsdata)

fnames =

'desc'

'freq'

'dates'

'data1'

'data2'

'data3'

K>>

Nodata2=rmfield(ftsdata,{'data1','data2'});

K>> fnames =

fieldnames(Nodata2)

fnames =

'desc'

'freq'

'dates'

'data3'

K>> fnames =

fieldnames(Nodata1)

fnames =

'desc'

'freq'

'dates'

'data2'

'data3'

五.时间序列转化为矩阵数据、文本文件

(1)转化为矩阵

格式：data=fts2mat(ftsobj，IncludeDates，seriesnames)

输入参数：

fts2mat将时间对象ftsobj中的全部或部分时间序列转化为矩阵。

IncludeDates：是否将日期导出。

IncludeDates=0,或不输入，默认只对时间序列转化，不转化时间。IncludeDates=1，则把时间和时间序列数据转化在一个矩阵中。

Seriesnames：需要导出的时间序列名称，如果不输入默认为全部时间序列。

注意：1.第一个参数必须有，第二和第三个参数如果不输入，则取默认。

2.由于时间序列对象的引用后也是时间序列对象，因此，ftsobj

可以直接是引用后的时间对象，比如fts2mat (ftsdata.data1);

(2)转化为文本文件

格式：

Stat=fts2ascii(filename,tsobj,exttext)

Stat=

fts2ascii(filename,dates,data,colheads,desc,exttext)

输入参数：

Filename:ASCII文件名称

Tsobj:需要转换的fints型格式的金融时间序列数据

Exttext:不需要的描述项的行数

Dates:包含日起的列向量，日期格式必须是序数型

Data:列转置矩阵，每一列是一个数据序列

Dcolheads:列标题的单元数组，第一个单元列一定是日期列

Desc:描述性字符串，是文件的第一行

输出：stat:转换成功标志，成功为1，否则为0.

例 fints1 = fts2ascii(‘aa.txt’,ftsdata)

六、时间序列的缺失值补齐

格式：fillts(oldfts,fill_method，‘增加新日期’)

fill_method：处理缺失值的方法，常用的有以下五种。

1.线性插值方法 ‘linear’、‘l’、‘le’

2.3次多项式插值‘cubic’、‘c’、‘ce’

3.样条插值‘spline’、‘s’、‘se’

4.最近插值法‘nearest‘、‘n’、‘ne‘

5.逐段光滑的三次Hemite多项式法‘pchip‘、‘p’、‘pe’

6. 常数插值。用固定的常数代替缺失值。

7. ‘增加新日期’表示增加时间序列的长度，增加一个日期。以后探索。

七、时间序列频率的转换

格式：newfts=convertto(oldfts,newfreq)

八、价格与收益率相互转换

(1)价格转化为收益率

格式[RetSeries,RetIntervals]=price2ret(TickSeries,TickTimes,Method)

输入参数

TickSeries：价格列向量或矩阵，如果是矩阵的话，则每一列是一个时间序列。

TickTimes：单调递增的时间向量，长度与价格序列长度一致，如果不输入，或者为‘[]’,则默认样本点从1，2……，length(时间序列)

Method：计算收益率的方法，menthd不输入或者输入‘Continuous’

/[]时，默认为连续复利的形式。输入‘periodic’表示单利。

输出：

RetSeries：资产收益率矩阵，行数比价格矩阵少一行

RetIntervals：相邻的时间差。RetIntervals(i)=TickTimes(i+1)-TickTime(i)

注：

Method=‘continuous’时，第i期的收益率计算公式如下：

RetSeries(i)=log[TickTimes(i+1)/TickTimes(i+1)]/

RetIntervals(i).

Method=‘periodic’时, 第i期的收益率计算公式如下：

RetSeries(i)= [TickTimes(i+1)/TickTimes(i+1)-1]/

RetIntervals(i).

如果没有后面两个参数，则直接公式log[TickTimes(i+1)/TickTimes(i+1)]计算。

(2)收益率转化为价格

格式：

[TickSeries,TickTimes]=ret2price(RetSeries,StartPrice,,retinterval,starttime,method)

输入参数：

Retseries：收益率数据列向量/矩阵

StartPrice：资产的初试价格向量，元素个数为收益率矩阵的列数。默认值为1.

Retinterval：时间区间，默认值为1

Starttime：初试时间，标量，默认值为0

Method：与(1)相同。

输出：

TickSeries：资产价格矩阵

Starttime：时间向量。

一些比较好的代码：

Newtsobj=todayly(tsobj)

将时间序列对象转化为日度数据。

tsobj.Const=c

对时间对象tsobj增加一个常数序列，每个数据都为1.

Intersect(A,B),寻找A,B中相同的元素，返回相同的元素。

Matlab中判断是不是有限的的函数：

判断有限：isfinite(A),或者~isnan(A)

判断无限：isnan(A)，或者~ isfinite(A)

上述两个函数都是返回与A相同的0-1矩阵。

判断A中的元素是否全为1，all(A),全为1，显示1，否则显示0，返回与A列数相同的0-1向量，默认判断列向量是否全为1；要判断每一行中是否全为1，用all(A，2)，判断A的行是否全为0.

假设A的某些行含有nan值，请找出不含有nan的行。

第一步，对A中每个元素进行判断，找出有限的。

isfinite(A,2)

第二步，判断每一行是否全为1，如果全为1，则意味着这一行都有限

All(isfinite(A,2),2)

第三步，找出全为1的位置。

find(All(isfinite(A,2),2))

find(All(isfinite(A,2),2))等价于(All(isfinite(A,2),2)==1)

第四步，引用全有限的行

A(find(All(isfinite(A,2),2),:))

Matlab一元回归中一个简单的方法求回归系数

回归系数=自变量矩阵因变量矩阵

“”这个运算符号很少使用