实践建议
金融时间序列通常非平稳，有趋势和波动聚集。需要先进行平稳性检验和变换。GARCH模型适合波动率预测。时间序列模型在短期预测有效，长期预测困难。
5.4 时间序列分析基础
时间序列分析
🎯 学习目标
- 理解时间序列的基本概念
- 掌握平稳性检验
- 了解ARIMA模型
- 认识时间序列在量化中的应用
时间序列分析基础
时间序列分析研究按时间顺序排列的数据，是量化交易的核心分析方法。
📊 基本概念
趋势
长期上升或下降趋势
季节性
周期性重复模式
随机性
不可预测的随机波动
📐 平稳性
- 定义：均值、方差、协方差不随时间变化
- 重要性：平稳序列可预测，非平稳需变换
- 检验：ADF检验、KPSS检验
- 变换：差分、对数变换、季节差分
📈 ARIMA模型
ARIMA(p,d,q)
- AR(p)：自回归，依赖过去p期
- I(d)：差分，d阶差分后平稳
- MA(q)：移动平均，依赖过去q期误差
- 建模：识别、估计、诊断、预测
🤖 量化应用
- 趋势预测：预测未来价格走势
- 波动率建模：GARCH模型族
- 因子分析：因子IC时间序列
- 协整分析：多资产长期均衡关系
- 信号生成：基于时间序列模式
💡
📝 本节小结
✅
- • 理解了时间序列的基本概念
- • 掌握了平稳性检验方法
- • 了解了ARIMA模型
- • 认识了时间序列在量化中的应用