r语言 python 金融 论文_R语言实现金融数据的时间序列分析及建模

一 移动平均

移动平均能消除数据中的季节变动和不规则变动。若序列中存在周期变动，则通常以周期为移动平均项数。移动平均法可以通过数据显示出数据长期趋势的变动规律。

R可用filter()函数做移动平均。用法：filter(data，filter，sides)

1、简单移动平均

简单移动平均就是将n个观测值的平均数作为第(n

1)/2个的拟合值。当n为偶数时，需进行二次移动平均。简单移动平均假设序列长期趋势的斜率不变。

以我国1992到2014年的季度GDP数据为例。

data

tdata

m1

plot(tdata,xlab="时间",ylab="gdp")

lines(m1,col="red",cex=1.5)

代码运行结果如上图，红色表示拟合值，黑色表示真实值。

2、二次移动平均

二次移动平均即在一次移动平均的基础上再进行一次移动平均。一般两次移动平均的项数是一致的。二次移动平均假设序列长期趋势的斜率是随时间的变化而变化的。

二次移动平均长期趋势的拟合公式为：at=2M1t−M2t，其中M1t

表示第一次移动平均的拟合值，M2t表示二次移动平均的拟合值。

同样以上述数据为例，进行二次移动平均。代码如下：

plot(tdata,type="l",xlab="时间",ylab="季度GD