数据挖掘实践（资金流入流出预测）—3.时间序列规则

引言&目标
掌握时间序列规则的基本方法
首先认识各种概念与规则，从时间序列分析开始。

一、时间序列分析

时间序列分析（time series analysis）是量化投资中的一门基本技术，即指在一定时间内按时间顺序测量的某个变量的取值序列。对股票价格而言，随时间变化是一个时间序列；对气温而言，随时间变化也是一个时间序列；再对金融产品而言，投资品的收益率序列也是一个时间序列。

所谓时间序列分析就是使用统计的手段对这个序列的过去进行分析，以此对该变量的变化特性建模，并基于此对未来进行相关预测。夸张一点来说，人们可以通过时间序列分析，研究过去来预测未来。

1.1 定义

时间序列分析(Time-Series Analysis)是指将原来的数据分解为四部分来看——趋势、周期、时期和不稳定因素， 然后综合这些因素， 提出预测。时间序列是按时间顺序的一组数字序列。

1.2 特点

是一组动态数据。
是现实而真实的一组数据，反映某一现象的统计指标。因而，时间序列背后是某一现象的变化规律。

1.3 时间序列建模基本步骤

根据动态数据作相关图，进行相关分析，求自相关函数。
用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。
辨识合适的随机模型，进行曲线拟合，即用通用随机模型去拟合时间序列的观测数据。

相关图能显示出变化的趋势和周期，并能发现跳点和拐点。
跳点是指与其他数据不一致的观测值。
拐点则是指时间序列从上升趋势突然变为下降趋势的点。

1.4 类型

时间序列分析主要有确定性变化分析和随机性变化分析。

确定性变化分析包括趋势变化分析、周期变化分析、 循环变化分析。确定性时序分析的目的：克服其它因素的影响，单纯测度出某一个确定性因素对序列的影响；推断出各种确定性因素彼此之间的相互作用关系及它们对序列的综合影响。
随机性变化分析：有AR、MA、ARMA模型等。时间序列趋势分析目的：有些时间序列具有非常显著的趋势，我们分析的目的就是要找到序列中的这种趋势，并利用这种趋势对序列的发展作出合理的预测。

1.5 时间序列相关方法

未完待续hh