1．2国内外研究现状
1．2．1金融时间序列方法
金融时间序列指描述不同金融产品诸如股票、汇率与基金等的时间序列。它与金融市场中人类的各种经济活动密切相关，呈现出复杂多变的状态。因而与其他的时间序列相比，金融时间序列具有以下特性。
（1）具有明显的高噪声特性。金融市场是一个由自然、社会、心理、政治、经济等诸多因素作用的复杂系统，很容易受到各种干扰，因而具有明显的噪声特性。而噪声的存在一方面会弱化原有系统的各种规律表征，降低确定性与显著性；另一方面又可能显现一些虚假规律，从而妨碍甚至误导预测分析。
（2）具有显著的非平稳特性。随机过程的平稳性是指其统计特性不随时间变化而变化，即过程的一阶矩（期望值）和二阶矩（协方差）与时间起点无关。平稳性条件是许多时间序列建模的基础。但由于影响金融市场的政治、经济、文化环境等随时间发生变迁，金融时间序列的一阶矩、二阶矩难以维持不变，因而通常表现为明显的非平稳性。
（3）具有潜在的周期特性。金融时间序列是人类金融市场活动的直接反映，与人类活动周期紧密相连。因此，金融时间序列中必然蕴涵着各种可见或不可见的周期性质，这些周期特性在很大程度上影响着金融时间序列的分析与预测。
一般而言，时间序列主要从趋势变化、季节变化、循环变化与不规则变化四个方面来构建预测模型，针对金融时间序列的一般性与特殊性，主要可分为线性与非线性两大类，其中比较有代表性的方法包括：
（1）移动平均法。它对一组给定的历史数据计算其平均值，并将这一平均值作为下一时期的预测值。移动平均分为移动算术平均、移动几何平均和移动加权平均。这种方法非常简单，但预测精度较低。
（2）分解方法。它的基本思想是将预测数据分解为季节因子、趋势因子、循环因子和误差或随机因子。这种方法单独使用效果不好，但作为识别数据特性的一种方法，仍然有较为广泛的应用并衍生出其他一些调整方法。
（3）指数平滑方法。最具代表性的是Holt—Winters的线性趋势平滑模型。它分为一次指数平滑、二次指数平滑和多次指数平滑三种。平滑方法是一种低费用、简单和实用的方法，其预测精度可与许多精致而复杂并更具统计基础的方法比拟。
……
展开
