3. ARCH 时间序列

TimeSeries

目录

• 什么是时间序列？
• 时间序列主要有哪些模型?
• 时间序列主要的策略类型？
• 常见问题

什么是时间序列？

时间序列数据记录的是同一个个体的某种也做随着时间的推移不断发展的过程，比如股票、期货、外汇的日收盘价等。

在实际的金融数据分析当中，最常见的数据类型有三种，横截面数据（Cross Section Data）、时间序列数据（Time Series Data）、面板数据（Panel Data）

• 横截面数据描述的是不同个体在同一时间的属性或特征变量，比如从不同公司在同一时间发布的财务报表中，我们可以得到同一年度这个公司的PE值。
• 时间序列数据记录同一个个体在某种特征随着时间推移不断发展的过程，比如股票的日收盘价、每天的股票收益率等。
• 面板数据刻画的是不同个体的某个特征随着时间的推移各自变化的经过，在Python金融数据处理上，在同一个时间段中，一只股票的一个数据是Series, 一个股票的多个数据是DataFrame, 多个股票的多个数据就是Panel。

时间序列主要有哪些模型?

1. AR
2. MA
3. ARIMA
4. GACRH
5. ARIMA_GARCH

时间序列主要的策略类型？

1. ARIMA+GARCH预测： 预测明天上涨，买入，预测继续上涨则持有，否则就卖出。
2. 协整配对： 检验两只股票是否有协整性，有的话可以做配对交易策略。

常见问题：

时序数据具有哪些特征？
时序数据是否有规律可寻？
如果有规律，我们如何用统计模型来描述这种规律？
多个时间序列之间是否存在关联？如何描述这种关联？
如何利用历史数据的规律来进行预测？

时间序列线上课程链接：