8、金融时间序列数据探索与技术分析

金融时间序列数据探索与技术分析

在金融分析领域，对时间序列数据的探索和技术分析是至关重要的。通过自动化的算法和统计测试，我们能够更高效地识别金融时间序列中的潜在模式和问题，同时，理解资产回报的特征事实对于构建有效的分析模型和策略也具有重要意义。

金融时间序列数据探索

在处理金融时间序列时，我们可以利用一系列算法和统计测试自动识别潜在模式和问题，如异常值。这使得我们能够对任意数量的资产进行大规模分析，而无需手动检查每个时间序列。

资产回报的特征事实也需要我们深入理解。许多模型和策略通常假设感兴趣的变量服从特定分布，最常见的是高斯分布。然而，实证研究表明，资产回报并非正态分布。因此，在处理这类时间序列时，我们需要采取一定的预防措施，以确保分析的有效性。

技术分析基础

技术分析（TA）是一种基于研究过去市场数据（特别是价格和交易量）来确定（预测）资产价格未来走势并识别投资机会的方法。下面将介绍技术分析的几个关键方面。

计算最流行的技术指标

交易者在决定是否进入或退出头寸时会使用数百种不同的技术指标。这里我们将使用TA - Lib库计算一些最流行的指标。

• 布林带（Bollinger Bands） ：这是一种统计方法，用于获取特定资产价格和波动率随时间变化的信息。通过计算时间序列（价格）的移动平均值和标准差（通常使用20天的窗口），并将上/下带设置为移动平均值上方/下方K倍（通常为2）的移动标准差。波动率增加时，带会变宽；波动率降低时，带会变窄。
• 相对强弱指数（RSI）