工业及金融领域针对时间序列的应用都非常广泛。本书将系统介绍时间序列的基本概念、分析方法以及典型的应用案例。全书将分三篇，第一篇介绍时间序列的定义、基本概念、分析方法概况等基本知识。 第二篇系统介绍时间序列的分析方法和分析模型，对于每个方法，都将介绍方法的原理、步骤、及详细的MATLAB实现过程。第三篇将介绍几个时间序列方法在经济、金融等领域的实际应用案例。

序言 除了你的才华，其他一切都不重要！ 近年来，互联网和人工智能技术飞速发展，推动传统金融大踏步前进，尤其在量化投资、互联网金融、移动计算等领域，用一日千里来形容也不为过。2015 年年初，李克强总理在政府工作报告中提出要制定“互联网+”行动计划，推动移动互联网、云计算、大数据等与各行业的融合发展。2015 年 9 月，国务院又印发了《促进大数据发展行动纲要》，纲要提出“推动产业创新发展，培育数据应用新业态，积极推动大数据与其他行业的融合，大力培育互联网金融、数据服务、数据处理分析等新业态”。可见，大数据金融将会成为未来十年最闪亮的领域之一。2012 年年初，中国量化投资学会联合电子工业出版社，共同策划出版了“量化投资与对冲基金丛书”，深受业内好评。在此基础上，2016 年我们再次重磅出击，整合业内顶尖人才，推出“大数据金融丛书”，以引领时代前沿、助力行业发展。 本书特点 我和卓金武认识多年，看到他在业内做得风生水起，这次他的新书《MATLAB 时间序列方法与实践》是一个很有价值的成果。我最初从事金融行业，就是从时间序列开始的，那时候我还在上海交通大学当老师，研究的就是利用人工智能技术进行时间序列的分析与预测。时间序列在金融领域的通用说法就是 K 线，所有做技术分析的人士都会对 K 线的走势进行分析，无论是大盘还是个股，或者是期货品种，所有的交易策略，都是在 K 线走势的分析基础之上的。 从学术的角度，研究抽象的时间序列的类型、走势、未来方向，构建通用的模型，毫无疑问，不仅可以用于资本市场，也同样可以用于所有需要时间序列分析的场合，卓金武的这本书在这方面选择了一个非常有价值的方向。 全书可以分为这么几块，第 1～2 章主要对时间序列做了概念性的描述，读者从中可以了解除 K 线之外，还有更多的与时间有关的数据序列，以及这些序列在实际中的应用。 第二部分包括第 3～10 章，是本书的重点，依次介绍了 AR、MA、ARMA、ARIMA 模型，时间序列平稳性检验、趋势与季节性时间序列建模，ARCH、GARCH 模型和多元时间序列建模。这些模型从不同的角度对时间序列进行解释，并且通过回归、相关性分析等方法对未来的走势进行一定程度的预测。 第三部分，包括第 11～12 章，介绍了两个时间序列的综合应用实例，一个是关于航空公司的应用，另一个是在股市中的应用。对于大多数读者来说，在股市中的应用可能是他们最关心的，这一部分对大多数的量化投资者来说，是非常有价值的。另外，文中的主要案例，都给出了 MATLAB 实现代码，毫无疑问增加了本书的吸引力。 卓金武的这本书从理论上试图解决时间序列的分类和预测问题，可以说，是从另一个更高的高度来解决目前技术分析体系想要解决的问题，这对于资产管理行业的价值不言而喻，特此推荐。 美好前景 中国经济经过几十年的高速发展，各行各业基本上已经定型，能够让年轻人成长的空间越来越小。未来十年，大数据金融领域是少有的几个有着百倍、甚至千倍成长空间的行业。在传统的以人为主的分析逐步被数据和模型所替代的过程中，从事数据处理、模型分析、交易实现、资产配置的核心人才（我们称之为“宽客”），将有广阔的舞台可以充分展示自己的才华。在这个领域，将不再关心你的背景和资历，无论学历高低，无论有无经验，只要你勤奋、努力、脚踏实地地研究数据、研究模型、研究市场，实现财务自由并非是遥不可及的梦想。对于宽客来说，除了你的才华，其他一切都不重要！ 丁鹏 博士 中国量化投资学会 理事长 《量化投资——策略与技术》作者 “大数据金融丛书”主编 2018 年 12 月于上海 前言 随着对时间序列分析理论与应用两个方面的深入研究，时间序列分析应用的范围日益扩大。目前，它已涉及天文、地理、生物、物理、化学等自然科学领域，图像识别、语音通信、声呐技术、遥感技术、核工程、环境工程、医学工程、海洋工程、冶金工程、机械工程等工程技术领域，国民经济、市场经济、生产管理、人口等社会经济领域，并已取得不少重要应用成果。本书将介绍时间序列分析中的基础知识、常用方法、MATLAB 实现过程和经典的应用案例。 本书内容 全书内容分为 12 章。第 1 章为绪论，介绍时间序列的基本概念和知识体系等基本内容；第 2～10 章为时间序列各具体知识块的详细介绍，并有相关的 MATLAB 实现代码；第 11 章和第 12 章为实践部分。 本书特色 知识体系全面，本书涵盖了时间序列学习中所需的基础知识，包括基本的概念、原理、方法和具体实现计算的过程。 案例丰富，在书中重要的知识点后，基本都有相关的应用实例，这些案例更直观地描述了时间序列的应用场景和用法，同时加深了对基础概念的理解。 详细的 MATLAB 代码，MATLAB 是时间序列分析中功能最强大、应用最广的工具之一，全书的案例都用 MATLAB 实现，代码可以直接借鉴，对实际的时间序列分析会有很大的帮助。 读者对象 从事金融、经济、管理、统计的专业人士、教师和学生。 从事时间序列研究的科研工作者。 希望学习 MATLAB 的工程师或科研工作者。因为本书的代码都是用 MATLAB 编写的，所以对于希望学习 MATLAB 的读者来说也是一本很好的参考书。 致谢 本书的编写、出版得到了中国量化投资学会、电子工业出版社等单位的帮助，在此对这些单位表示感谢。电子工业出版社的李冰老师全程指导本书的编写，在此向她表示感谢！ 由于时间仓促，加之作者水平有限，疏漏之处在所难免。在此，诚恳地期待得到广大读者的批评指正。 江渝 李幸 卓金武 2018 年 6 月于上海

1 绪论..................................................................................................................1 1.1 时间序列的发展过程.............................................................................. 1 1.2 时间序列的基本概念.............................................................................. 3 1.3 平稳时间序列分析方法.......................................................................... 7 1.4 季节指数预测法...................................................................................... 9 1.5 时间序列主要模型介绍........................................................................ 11 1.6 时间序列分析工具................................................................................ 14 1.7 应用实例：基于时间序列的股票预测.................................................. 15 1.8 本章小结............................................................................................... 20 参考文献....................................................................................................... 20 2 时间序列基本概念...........................................................................................21 2.1 时间序列的统计概念............................................................................ 21 2.2 时间序列的平稳性................................................................................ 24 2.3 时间序列的相关性................................................................................ 28 2.4 时间序列的运算.................................................................................... 34 2.5 白噪声................................................................................................... 37 2.6 小结....................................................................................................... 40 参考文献....................................................................................................... 41 3 自回归模型——AR 模型.................................................................................42 3.1 AR 模型的定义.............................................................................................42 3.2 AR 模型的平稳性.................................................................................. 43 3.3 AR 模型的统计性质.............................................................................. 45 3.4 AR 模型的MATLAB 实现....................................................................48 3.5 AR 模型的应用实例.............................................................................. 53 3.6 小结....................................................................................................... 55 参考文献....................................................................................................... 56 4 滑动平均模型——MA 模型............................................................................ 57 4.1 MA 模型的定义..................................................................................... 57 4.2 MA 模型的性质..................................................................................... 58 4.3 MA 模型的应用实例............................................................................. 61 4.4 小结....................................................................................................... 63 参考文献....................................................................................................... 63 5 自回归滑动平均模型——ARMA 模型............................................................. 64 5.1 ARMA 模型........................................................................................... 64 5.2 ARMA 模型的性质............................................................................... 65 5.3 ARMA 模型的图像定阶........................................................................ 67 5.4 ARMA 模型的应用实例........................................................................ 71 5.5 小结....................................................................................................... 75 参考文献....................................................................................................... 76 6 非平稳序列的随机分析——ARIMA 模型........................................................ 77 6.1 ARIMA 模型的定义.............................................................................. 77 6.2 ARIMA 模型的MATLAB 实现...............................................................78 6.3 ARIMA 模型的应用实例...................................................................... 83 6.4 小结....................................................................................................... 90 参考文献....................................................................................................... 90 7 建模及预测.....................................................................................................92 7.1 平稳性检验方法.................................................................................... 92 7.2 AIC 准则定阶........................................................................................ 97 7.3 模型的检验........................................................................................... 98 7.4 ADF 检验方法的MATLAB 实现.......................................................... 99 7.5 模型的预测......................................................................................... 108 7.6 模型的建立及预测应用实例............................................................... 109 7.7 小结..................................................................................................... 117 参考文献..................................................................................................... 117 8 趋势及季节性时间序列建模.......................................................................... 118 8.1 趋势分析............................................................................................. 118 8.2 季节效应分析..................................................................................... 122 8.3 模型的应用实例.................................................................................. 125 8.4 小结..................................................................................................... 135 参考文献..................................................................................................... 135 9 条件异方差模型............................................................................................ 136 9.1 时间序列的异方差性.......................................................................... 136 9.2 异方差性检验..................................................................................... 139 9.3 自回归条件异方差模型........................................................................141 9.4 广义自回归条件异方差模型............................................................... 143 9.5 模型的MATLAB 方法........................................................................ 144 9.6 模型的应用实例.................................................................................. 147 9.7 小结..................................................................................................... 155 参考文献..................................................................................................... 156 10 多元时间序列分析....................................................................................157 10.1 平稳多元序列建模............................................................................ 157 10.2 协整................................................................................................... 159 10.3 模型的MATLAB 方法...................................................................... 162 10.4 模型的应用实例................................................................................ 165 10.5 小结................................................................................................... 170 参考文献..................................................................................................... 170 11 航空公司乘客预测的时间序列模型...........................................................172 11.1 时序数据的分析................................................................................ 172 11.2 模型的估计........................................................................................ 175 11.3 模型的测试........................................................................................ 177 11.4 模型预测............................................................................................ 181 11.5 模型的评估........................................................................................ 184 11.6 小结................................................................................................... 186 12 股票收益时间序列的建模与预测..............................................................187 12.1 时序数据的获取与预处理................................................................. 187 12.2 时序数据分析.................................................................................... 189 12.3 模型估计........................................................................................... 193 12.4 模型的测试....................................................................................... 195 12.5 GARCH 模型的估计......................................................................... 196 12.6 模型的仿真....................................................................................... 199 12.7 小结................................................................................................... 204