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)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。
PS: 《国内权益标收益率的“尖峰厚尾”现象研究》
(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**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。
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)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。
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}