python金融基础知识_Python金融时间序列分析（一）：基础知识

1. 金融时间序列

1.1什么是时间序列

金融时间序列是属于时间序列数据的一种，他们就是有很强的时间性，数据前后具有很强的依赖性，切无法调整顺序，一般都是二维数据。 时间序列由于具有很强的序列行，而且数据前后一般存在依赖，周期等关系，所以可以通过统计学的知识根据现有数据对未来数据进行预测。

1.2

金融时间序列的特性

（1）Leptokurtic尖峰厚尾 金融时间序列相比标准正态分布来说，具有尖峰厚尾的特性。 这部分会在后面讲到偏度和峰度的时候具体谈。

（2）Heteroskedasitc 异方差 这要先介绍一个叫“同方差”的术语。同方差指的是：不管时间如何变化，金融资产回报率的方差是不变的，也就还是那一个方差（所谓的方差分布独立于时间）。

（3）Volatility

clustering 波动集聚性 从更小的尺度上观察发现序列波动呈现浪潮似得的形状，有波峰有波谷。

（4）Leverage

effects 杠杆效应 好的消息总是没有坏的消息对市场的影响大。 其实，也就是因为leverage

effect的出现，才让ARCH模型要加入方差方程从而调整成了新的更powerful的GARCH模型以及更更高级的TGRACH以及EGARCH模型。

2.

金融时间序列统计特性

2.1

金融时间序列基础概念

2.1.1

金融资产收益率

Pt：t时刻的资产价格 Rt : t-1到t时刻的资产收益率

（1）简单收益率 单期简单收益率

多期简单收益率

多期收益率–>单期收益率

多期收益率<–单期收益率

（2）对数收益率 单期对数收益率

pt=ln(Pt)"

role="presentation" style="box-sizing: border-box; outline: 0px;

display: inline; line-height: normal; text-align: left;

word-spacing: normal; word-wrap: normal; white-space: nowrap;

float: none; direction: ltr; max-width: none; max-height: none;

min-width: 0px; min-height: 0px; border: 0px; padding: 0px; margin:

0px; word-break: break-all; position:

relative;">pt=ln(Pt)pt=ln(Pt)

多期对数收益率

（3）简单收益率和对数收益率 相比于简单收益率，对数收益率具有更加优良的统计特性，而且具有累计可加性。

2.2 统计特性

金融指标

统计标量

收益率

期望

风险

方差

可以说上面的理论是金融数量化分析的基础。

学习金融时间序列分析你还需要简单的统计学知识，比如分布函数，条件分布，联合分布。

一阶矩：均值 二阶矩：方差 三阶矩：偏度 四阶矩：峰度

偏度：用于描述概率分布函数的对称性. 一般而言，金融资产收益率分布函数通常是右偏，因为一般情况下，市场收益率大于零。

峰度：用于描述概率分布厚尾性。 厚尾性表明：该小概率事件容易发生。

各个统计标量的估计： Data:{x1,···,xT}

3. 参考文献

[1] 金融时间序列的四大特点 [2] MIT， Analysis of Financial Time

Series [3] 金融时间序列分析, Ruey S. Tray [4] 金融时间序列分析, 炼数成金